Sebenta IST

.
Álgebra Linear
Nuno Martins
Departamento de Matemática
Instituto Superior Técnico
Setembro de 2015
1
Índice
Parte I (Aulas teóricas e …chas de exercícios)
Sistemas lineares.........................................................................................................4
1a …cha de exercícios para as aulas de problemas..........................................................10
Matrizes.......................................................................................................................12
Exercícios de revisão de sistemas e matrizes..................................................................30
1a …cha de exercícios facultativos...................................................................................34
Espaços lineares..........................................................................................................38
3a …cha de exercícios para as aulas de problemas...........................................................61
2a …cha de exercícios facultativos....................................................................................65
3a …cha de exercícios facultativos....................................................................................75
Transformações lineares............................................................................................76
Produtos internos. Ortogonalização.....................................................................108
Determinantes...........................................................................................................135
Valores próprios e vectores próprios. Diagonalização........................................151
4a …cha de exercícios facultativos..................................................................................185
Bibliogra…a...................................................................................................................188
2
Parte II (Resoluções das …chas de exercícios)
Resolução da 1a …cha de exercícios para as aulas de problemas.......................................189

Resolução dos Exercícios de Revisão de Sistemas e Matrizes.........................................204
Resolução da 1a …cha de exercícios teóricos...................................................................224
Resolução da 2a …cha de exercícios teóricos..................................................................259
Resolução da 3a …cha de exercícios teóricos..................................................................324
Resolução da 10a …cha de exercícios para as aulas de problemas....................................456
Resolução da 4a …cha de exercícios teóricos...................................................................501
3
Resolução de sistemas de equações lineares
De…nição 1. Uma equação linear com n incógnitas x1 ; x2 ; :::; xn é uma equação da

forma
a1 x1 + a2 x2 + ::: + an xn = b;
em que a1 ; a2 ; :::; an e b são constantes (reais ou complexas). A b chama-se termo indepen-

dente.
De…nição 2. Um sistema de m equações lineares com n incógnitas x1 ; x2 ; :::; xn é

um conjunto de equações da forma
8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
<
a21 x1 + a22 x2 + ::: + a2n xn = b2
( )
>
> :::
:
am1 x1 + am2 x2 + ::: + amn xn = bm
em que aij e bk são constantes (reais ou complexas), para i; k = 1; :::; m e j = 1; :::; n.
De…nição 3. Uma solução (caso exista) de um sistema de m equações lineares com n

incógnitas reais, é o elemento
(s1 ; s2 ; :::; sn ) 2 Rn := f(a1 ; a2 ; :::; an ) : a1 ; a2 ; :::; an 2 Rg
que satisfaz as equações desse sistema quando substituímos
x 1 = s1 ; x2 = s 2 ; :::; x n = sn .
(No caso das variáveis serem complexas ter-se-ia soluções em Cn .)

Usando o produto de matrizes, a de…nir adiante, isso equivale a dizer que
2 3
s1
6 s2 7
6 7
S = 6 .. 7
4 . 5
sn
satisfaz a equação matricial

AX = B;
em que
2 3 2 3 2 3
a11 a12 a1n x1 b1
6 a21 a22 a2n 7 6 x2 7 6 b2 7
6 7 6 7 6 7
A=6 .. .. .. 7, X=6 .. 7 e B=6 .. 7,
4 . . . 5 4 . 5 4 . 5
am1 am2 amn xn bm
isto é, fazendo X = S tem-se a condição verdadeira AS = B. Ao conjunto de todas as

soluções do sistema chama-se conjunto solução ou solução geral do sistema.
4
De…nição 4. A matriz A é a matriz dos coe…cientes do sistema AX = B, X é a
matriz coluna das incógnitas e B é a matriz coluna dos termos independentes. A matriz
2 3
a11 a12 a1n j b1
6 a21 a22 a2n j b2 7
6 7
[A j B] = 6 .. .. .. .. .. 7
4 . . . . . 5
am1 am2 amn j bm
associada ao sistema ( ) chama-se matriz aumentada do sistema.
Exemplo 1. O sistema linear de duas equações e duas incógnitas
x + 2y = 1
2x + y = 0
pode ser escrito do seguinte modo:
1 2 x 1
= .
2 1 y 0
A solução geral do sistema acima é dada por
f(x; y) : x + 2y = 1 e 2x + y = 0g = f( 1=3; 2=3)g ;
1=3 1 2 1
isto é, X = é a única matriz que satisfaz AX = B, com A = eB = .
2=3 2 1 0
De…nição 5. A um sistema de equações lineares da forma

8
>
> a11 x1 + a12 x2 + ::: + a1n xn = 0
<
a21 x1 + a22 x2 + ::: + a2n xn = 0
>
> :::
:
am1 x1 + am2 x2 + ::: + amn xn = 0
chama-se sistema linear homogéneo. Este sistema pode ser escrito na forma AX = 0.
Observação 1. (i) Todo o sistema linear homogéneo AX = 0 admite pelo menos a

solução trivial: 2 3 2 3
x1 0
6 x2 7 6 0 7
6 7 6 7
X = 6 .. 7 = 6 .. 7 .
4 . 5 4 . 5
xn 0
Assim, todo o sistema linear homogéneo tem solução. Além disso, como iremos ver, ou tem
apenas a solução trivial ou tem um número in…nito de soluções.
(ii) Num próximo capítulo, à solução geral do sistema linear homogéneo AX = 0 dar-se-á
o nome de núcleo de A e escrever-se-á N (A).
5
De…nição 6. Às seguintes operações que se podem aplicar às equações de um sistema
de equações lineares, chamam-se operações elementares.
(a) Trocar a posição de duas equações do sistema;
(b) Multiplicar uma equação por um escalar diferente de zero;
(c) Substituição de uma equação pela sua soma com um múltiplo escalar de outra
equação.
De…nição 7. Dois sistemas de equações lineares que se obtêm um do outro através de

um número …nito de operações elementares, dizem-se equivalentes, tendo assim o mesmo
conjunto solução.
Observação 2. Quando aplicamos operações elementares às equações de um sistema de

equações lineares, só os coe…cientes e os termos independentes do sistema são alterados. Logo,
aplicar as operações elementares anteriores às equações de um sistema linear ( ) equivale a
aplicar às linhas da matriz aumentada
2 3
a11 a12 a1n j b1
6 a21 a22 a2n j b2 7
6 7
[A j B] = 6 .. .. .. .. .. 7
4 . . . . . 5
am1 am2 amn j bm
as seguintes operações.
De…nição 8. As operações elementares que podem ser aplicadas às linhas (i e j) de

uma matriz são:
(i) Trocar a posição de duas linhas (i e j) da matriz: Li $ Lj
(ii) Multiplicar uma linha (i) da matriz por um escalar ( ) diferente de zero: L i ! Li
(iii) Substituição de uma linha (j) pela sua soma com um múltiplo escalar ( ) de outra
linha (i): L i + L j ! Lj
Teorema 1. Se dois sistemas lineares AX = B e CX = D são tais que a matriz

aumentada [C j D] é obtida de [A j B] através de uma ou mais operações elementares, então
os dois sistemas são equivalentes.
De…nição 9. Uma matriz A = (aij )m n diz-se em escada de linhas se:
(i) Todas as linhas nulas (formadas inteiramente por zeros) estão por baixo das linhas
não nulas;
(ii) Por baixo (e na mesma coluna) do primeiro elemento não nulo de cada linha e por
baixo dos elementos nulos anteriores da mesma linha, todas as entradas são nulas. Esse
primeiro elemento não nulo de cada linha tem o nome de pivot.
6
Exemplo 2. As seguintes matrizes estão em escada de linhas:
2 3
2 1 1=2 0 p0
6 0 0 3 0 2 7
4 1 0 1 3 0 6 7
6 5 7
A1 =
0 0
; A2 =
0 0 5 1
; A3 = 6 0 0 0 0 7.
4 0 0 0 0 0 5
0 0 0 0 0
De…nição 10. O método de resolver sistemas de equações lineares que consiste em

aplicar operações elementares às linhas da matriz aumentada do respectivo sistema de modo
a que essa matriz …que em escada de linhas, chama-se método de eliminação de Gauss.
De…nição 11. Um sistema de equações lineares diz-se:

(i) impossível se não tiver soluções;
(ii) possível e indeterminado se tiver um número in…nito de soluções;
(iii) possível e determinado se tiver uma única solução.
De…nição 12. (i) O número de incógnitas livres (podem tomar valores arbitrários)
de um sistema, é o número de colunas que não contenham pivots, da matriz em escada
de linhas obtida de A através de operações elementares. Quando um sistema é possível e
indeterminado, ao no de incógnitas livres desse sistema chama-se grau de indeterminação
do sistema.
(ii) O número de incógnitas não livres de um sistema, é o número de colunas que con-
tenham pivots, da matriz em escada de linhas obtida de A através de operações elementares.
Exemplo 3. O sistema de equações lineares de variáveis reais x; y e z

8 2 32 3 2 3
< x+z =3 1 0 1 x 3
x + 2y + 2z = 6 é equivalente a 4 1 2 2 5 4 y = 6 5.
5 4
:
3y + 3z = 6 0 3 3 z 6
Considere-se então a matriz aumentada e o consequente método de eliminação de Gauss:

2 3 2 3 2 3
1 0 1 j 3 1 0 1 j 3 1 0 1 j 3
4 1 2 2 j 6 5 ! 4 0 2 1 j 3 5 3 ! 4 0 2 1 j 3 5.
L1 +L2 !L2 L +L !L
0 3 3 j 6 0 3 3 j 6 2 2 3 3
0 0 32 j 32
Logo, 8 8
< x+z =3 < x=2
2y + z = 3 , y=1
: 3 3 :
2
z=2 z = 1.
Neste exemplo o sistema tem a solução única f(2; 1; 1)g e diz-se possível e determinado.
7
Exemplo 4. O sistema de equações lineares de variáveis reais x; y; z e w
2 3
8 2 3 x 2 3
< 3z 9w = 6 0 0 3 9 6 7 6
y
5x + 15y 10z + 40w = 45 é equivalente a 4 5 15 10 40 5 6 4
7=4
5 45 5 .
: z
x + 3y z + 5w = 7 1 3 1 5 7
w

2 3 2 3
0 0 3 9 j 6 1 3 1 5 j 7
4 5 15 10 40 j 45 5 ! 4 1 3 2 8 j 9 5 !
L1 $L3 L1 +L2 !L2
1 3 1 5 j 7 1
L !L2
0 0 3 9 j 6
5 2
2 3 2 3
1 3 1 5 j 7 1 3 1 5 j 7
! 4 0 0 1 3 j 2 5 ! 4 0 0 1 3 j 2 5.
L1 +L2 !L2 3L2 +L3 !L3
0 0 3 9 j 6 0 0 0 0 j 0
Logo,
x + 3y z + 5w = 7 x = 3y 2w 5
,
z + 3w = 2 z = 3w + 2.
As incógnitas y e w são livres e as incógnitas x e z são não livres. A solução geral do sistema
é: 82 3 9
>
> 3s 2t 5 >
>
<6 7 =
6 s 7 : s; t 2 R
> 4 3t + 2 5 >
>
: >
;
t
isto é, o conjunto solução é dado por: f( 3s 2t 5; s; 3t + 2; t) : s; t 2 Rg. Neste exemplo
o sistema tem um número in…nito de soluções e diz-se possível e indeterminado com
grau de indeterminação 2.
Exemplo 5. Seja a 2 R. O sistema de equações lineares de variáveis reais x; y e z

8 2 32 3 2 3
< x + 2y + z = 3 1 2 1 x 3
x+y z =2 é equivalente a 4 1 1 1 5 4 y = 2 5.
5 4
: 2 2
x + y + (a 5) z = a 1 1 a 5 z a

2 3 2 3
1 2 1 j 3 1 2 1 j 3
4 1 1 1 j 2 5 ! 4 0 1 2 j 1 5 !
2 L1 +L2 !L2 2 L2 +L3 !L3
1 1 a 5 j a L1 +L3 !L3 0 1 a 6 j a 3
2 3
1 2 1 j 3
! 4 0 1 2 j 1 5.
L2 +L3 !L3
0 0 (a 2) (a + 2) j a 2
Se a = 2, então o sistema é possível e indeterminado:
x + 2y + z = 3 x = 3z + 1
,
y 2z = 1 y = 2z + 1,
8
a incógnita z é livre, as incógnitas x e y são não livres e a solução geral do sistema é
82 3 9
< 3t + 1 =
4 2t + 1 5 : t 2 R
: ;
t
isto é, o conjunto solução é dado por: f(3t + 1; 2t + 1; t) : t 2 Rg.

Assim, se a = 2, o sistema tem um número in…nito de soluções e diz-se possível e
indeterminado com grau de indeterminação 1.
Se a = 2, o sistema não tem solução e diz-se impossível.
a+5
Se a 6= 2 e a 6= 2, o sistema tem a solução única ; a ; 1
a+2 a+2 a+2
e diz-se possível
e determinado.
De…nição 13. (Ver-se-á mais adiante a consistência desta de…nição.) Seja A uma matriz
em escada de linhas. Ao no de colunas de A que não contêm pivots chama-se nulidade de A
e escreve-se nul A. Ao no de pivots de A, isto é, ao no de linhas não nulas de A, dá-se o nome
de característica de A e escreve-se car A. Se A fôr a matriz em escada de linhas obtida de
C através de operações elementares então diz-se que a característica de C é car A, tendo-se
car C = car A e diz-se que a nulidade de C é nul A, tendo-se nul C = nul A.
Exemplo 6. Considere-se as matrizes do exemplo 2. Pivot de A1 : 4. Pivots de A2 :

1; 5. Pivots de A3 : 2; 3; 5. Tem-se: car A1 = 1, car A2 = 2 e car A3 = 3. Além disso:
nul A1 = 1, nul A2 = 2 e nul A3 = 2.
Observação 3. Seja [A j B] a matriz aumentada associada a um sistema de equações

lineares com n incógnitas.
(i) Se car A = car [A j B] = n então o sistema é possível e determinado (tem uma

única solução).
(ii) Se car A = car [A j B] < n então o sistema é possível e indeterminado (tem um

número in…nito de soluções).
(iii) Se car A < car [A j B] então o sistema é impossível (não tem solução).
Observação 4. (i) car A = no de linhas não nulas da matriz em escada de linhas obtida
de A =
= no de pivots = no de incógnitas não livres:
(ii) nul A = no de incógnitas livres:
Teorema 2. Seja A uma matriz do tipo m n, isto é, com m linhas e n colunas Então
0 car A min fm; ng e
car A + nul A = n:
9
1a Ficha de exercícios para as aulas de problemas
1. Quais das seguintes equações são equações lineares em x; y e z ?

p
a) 3 x + 3y + z = 1
1
b) x + z = 0
2
c) x 1 + 3y z = 2
d) x yz = 1
e) x cos y + z = 0
f) x2 + y 2 + z 2 = 1
2. Diga qual dos seguintes pontos:
(0; 0) ; (1; 1) ; (1; 1) ; ( 1; 1)
é a solução do seguinte sistema de equações lineares nas variáveis x; y.

8
< x+y =0
x 2y = 3
:
x y = 2.
3. Diga quais dos seguintes pontos:

p
3
(0; 0; 0; 0) ; (1; 1; 1; 0) ; (1; 1; 1; 2) ; 3; 9; 7;

2
são soluções do sistema de equações lineares nas variáveis x; y; z e w.
x 2y 3z = 0
x + y + z = 1.
4. Determine todos os polinómios p(t) de grau menor ou igual a dois tais que
p(1) = 0; p(0) = 1 e p( 1) = 1:
5. Resolva os seguintes sistemas de equações lineares.

8 8
< 2x + 3y = 3 < x + 2y z + 3w = 3
a) x 2y = 5 b) 2x + 4y + 4z + 3w = 9
: :
3x + 2y = 7 3x + 6y z + 8w = 10
8
8 > 2x3 + 3x4 = 4
< x 2y + 3z w = 1 >
<
2x1 6x3 + 9x4 = 7
c) 3x y + 2z + 5w = 2 d)
: >
> 2x1 + 2x2 5x3 + 2x4 = 4
3x + 6y 9z + 3w = 6 :
100x2 + 150x3 200x4 = 50
10
6. Diga para que valores de a; b e c têm soluções os sistemas.
8
< x + 2y 3z = a
a) 3x y + 2z = b
:
x 5y + 8z = c
8
< x 2y + 4z = a
b) 2x + 3y z = b
:
3x + y + 2z = c
7. Para cada parâmetro real , considere o sistema de equações lineares de variáveis reais
cuja matriz aumentada é dada por:
2 3
1 1 1 j 2
6 3
1 j 2 7
6 7
4 1 1 j 2 5
2 2 2 j 4
a) Determine os valores de para os quais o sistema anterior é possível e indeterminado.

b) Para = 2, determine o conjunto solução do sistema de equações lineares
correspondente.
8. Classi…que em função do parâmetro real os seguintes sistemas de equações lineares

(nas variáveis x; y e z). Nos casos em que existirem soluções, determine-as.
8
< x+y + z =1
a) 2x + y 2 z =
:
x+ y +z = 1+2
8
< x+y+z =1
b) x+ y +z =1
:
x+y+ z =1
9. Classi…que em função dos parâmetros reais e o seguinte sistema de equações lineares
(nas variáveis x; y, z e w). Nos casos em que existirem soluções, determine-as.
8
>
> 2z + w =
<
x + y + z + 3w = 1
>
> 2x + 2y + z + w = 2
:
x + y + 3z + 14w = 4
10. Determine um sistema de equações lineares cujo conjunto de soluções seja:

a) S = f(1 + t; 1 t) : t 2 Rg
b) S = f(t; 1 2t; 1) : t 2 Rg
c) S = f(3t; 2t; t) : t 2 Rg
d) S = f(2t 3s; t + s 1; 2s + 1; t 1) : s; t 2 Rg
e) S=?
f) S = f(1; 1; 1)g
11
Matrizes: operações e suas propriedades
De…nição 14. (i) Sejam m; n 2 N. Uma matriz A, do tipo m n (lê-se m por n), é
uma tabela de m n números dispostos em m linhas e n colunas:
2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
A = 6 .. .. .. 7 :
4 . . . 5
am1 am2 amn
Usa-se também a notação A = (aij )m n ou simplesmente A = (aij ), na qual aij é a entrada

(i; j) da matriz A. Se m = n, diz-se que A é uma matriz quadrada do tipo n n (ou de
ordem n) e as entradas a11 ; a22 ; :::; ann formam a chamada diagonal principal de A. Se
m 6= n, diz-se que A é uma matriz rectangular.
(ii) A matriz linha i de A é: ai1 ai2 ain , para i = 1; :::; m. A matriz coluna
j de A é: 2 3
a1j
6 a2j 7
6 7
6 .. 7
4 . 5
amj
para j = 1; :::; n.
(iii) À matriz do tipo m n cujas entradas são todas iguais a zero, chama-se matriz
nula e representa-se por 0m n ou simplesmente por 0. Por exemplo
0 0 0 0 0
02 2 = e 02 3 = .
0 0 0 0 0
(iv) À matriz do tipo n n

2 3
a11 0 0
6 0 a22 0 7
6 7
6 .. .. .. 7
4 . . . 5
0 0 ann
tal que aij = 0 se i 6= j para todos os i; j, isto é, à matriz cujas entradas fora da diagonal
principal são todas nulas, chama-se matriz diagonal.
(v) À matriz (aij ) do tipo n n tal que aii = 1 para todo o i = 1; :::; n; e aij = 0 se
i 6= j : 2 3
1 0 0
6 0 1 0 7
6 7
6 .. . . .. 7 ,
4 . . . 5
0 0 1
chama-se matriz identidade e representa-se por In n ou simplesmente por I.
12
(vi) À matriz do tipo n n
2 3
a11 a12 a1n
6 0 a22 a2n 7
6 7
6 .. . . .. .. 7
4 . . . . 5
0 0 ann
cujas entradas por baixo da diagonal principal são todas nulas, isto é, tais que aij = 0 se
i > j, chama-se matriz triangular superior. À matriz do tipo n n
2 3
a11 0 0
6 . .. 7
6 a21 a22 . . . 7
6 . . . 7
4 .. .. .. 0 5
an1 an2 ann
cujas entradas por cima da diagonal principal são todas nulas, isto é, tais que aij = 0 se
i < j, chama-se matriz triangular inferior.
Uma matriz diz-se triangular se fôr triangular superior ou triangular inferior.
Exemplo 7. As matrizes
2
3
4
1 1 1 2 3 4 6 3 7
A= , B= , C= 0 0 7 e D=6 7
4 2 5
2 2 2 0 2 0
1
são dos seguintes tipos: A é 2 2, B é 2 4, C é 1 3, D é 4 1. Tem-se, por exemplo,

a21 = 2, b13 = 3, c12 = 0 e d41 = 1.
Observação 5. Uma matriz (real) A do tipo m n é uma aplicação:
A : f1; :::; mg f1; :::; ng ! R

(i; j) ! aij
Notação 1. O conjunto de todas as matrizes reais (complexas) do tipo m n é denotado

por Mm n (R) (Mm n (C)). Tem-se Mm n (R) Mm n (C).
De…nição 15. Duas matrizes são iguais se forem do mesmo tipo e se as entradas corres-
pondentes forem iguais, isto é, A = (aij )m n e B = (bij )p q são iguais se m = p, n = q e
aij = bij , para i = 1; :::; m e j = 1; :::; n.
De…nição 16. A soma de duas matrizes do mesmo tipo
A = (aij )m n e B = (bij )m n
é a matriz
A + B = (aij + bij )m n.
13
Exemplo 8. Sejam
2
3 2 3
1 1
1 4 1 0 2 4
A= , B= , C = 4 1=2
p
5 e D=4 p
1=2 5 :
3 2 3 7 3 9
2 2
3 2
0
1 2 3
A+B = , C + D = 4 0 5 e não é possível, por exemplo, somar B com C.
4 5 6
0
De…nição 17. O produto de um escalar (número real ou complexo) por uma

matriz A = (aij )m n é a matriz:
A = ( aij )m n.
Notação 2. A matriz ( 1)A será denotada por A.
1 4 1 2 8 2
Exemplo 9. Seja A = . Tem-se, por exemplo, 2A = .
3 2 6 6 4 12
Observação 6. 1A = A, 0A = 0 (matriz nula).
De…nição 18. A diferença entre duas matrizes A e B do mesmo tipo é de…nida por
A B = A + ( B),
ou seja, é a soma de A com o simétrico de B.
De…nição 19. (i) O produto AB de duas matrizes A e B só pode ser efectuado se o

número de colunas da 1a matriz, A, fôr igual ao número de linhas da 2a matriz, B. Nesse
caso, o produto AB de A = (aij )m p por B = (bij )p n é de…nido por:
p
!
X
AB = (ai1 b1j + ::: + aip bpj )m n = aik bkj ,
k=1 m n
isto é,
2 3 2 3
a11 a1p P
p P
p
a1k bk1 a1k bkn 7
6 .. .. 7 2 b11 b1j b1n
3 6
6 k=1 k=1 7
6 . . 7
.. 7 = 6 P 7
p
6 76 .. .. 6 aik bkj 7
6 ai1 aip 7 4 . . . 5 6 7
6 . .. 7 6 k=1 7
4 .. . 5 bp1 bpj bpn 4 Pp P
p 5
amk bk1 amk bkn
am1 amp k=1 k=1
Note que sendo b1 ; :::; bn as colunas da matriz B, então
AB = A b1 bn = Ab1 Abn
14
e sendo a1 ; :::; am as linhas da matriz A, então
2 3 2 3
a1 a1 B
6 7 6 7
AB = 4 ... 5 B = 4 ... 5
am am B
(ii) Sejam A uma matriz do tipo n n e p 2 N. A potência p de A é de…nida por
Ap = A:::A 0
| {z } e para p = 0 de…ne-se (se A fôr não nula) A = I.
p vezes
(iii) Diz-se que duas matrizes A e B comutam se AB = BA.
0 2 1 1 1
Exemplo 10. (i) =
2 3 3 2 2
0 1 + ( 2) ( 3) 0 1 + ( 2) 2 0 ( 1) + ( 2) ( 2) 6 4 4
= =
2 1 + 3 ( 3) 2 1+3 2 2 ( 1) + 3 ( 2) 7 8 8
2 3
1 p p
(ii) 1 1 1 4 1=2
p
5= 1 ( 1) + 1 1
2
+ ( 1) 2 = 2 1
2
2
(iii)
2 3 2 3 2 3
1 ( 1) 1 ( 1) 1 ( 1) ( 1) 1 1 1
4 1=2 5 1 1 1 =4 1
1 1
1 1
( 1) 5=4 1 1 1 5
p p
2 p
2 p
2 p
2 p
2 p2
2 2 1 2 1 2 ( 1) 2 2 2
2 3p 2 3
a11 0 0 (a11 )p 0 0
6 0 a22 0 7 6 0 (a22 )p 0 7
6 7 6 7
(iv) p 2 N, 6 .. .. .. 7 =6 .. .. .. 7.
4 . . . 5 4 . . . 5
0 0 ann 0 0 (ann )p
Observação 7. (i) O produto de matrizes não é comutativo. Por exemplo, para
0 1 0 1 1 0 1 0
A= eB= tem-se AB = e BA = .
1 0 1 0 0 1 0 1
Logo AB 6= BA.
(ii) CD = 0 ; (C = 0 ou D = 0), pois, por exemplo, para
1 1 1 1
C= e D= ; CD = 0:
1 1 1 1
(iii) Se A (B) tem uma linha (coluna) nula então AB tem uma linha (coluna) nula.
15
(iv) MUITO IMPORTANTE: Sendo
2 3 2 3
a11 a12 a1n x1
6 a21 a22 a2n 7 6 x2 7
6 7 6 7
A = 6 .. .. .. 7 ; X = 6 .. 7
4 . . . 5 4 . 5
am1 am2 amn xn
então:
2 3 2 3 2 3
a11 a12 a1n
6 a21 7 6 a22 7 6 a2n 7
6 7 6 7 6 7
AX = 6 .. 7 x1 + 6 .. 7 x2 + ::: + 6 .. 7 xn .
4 . 5 4 . 5 4 . 5
am1 am2 amn
De…nição 20. (i) A transposta de uma matriz A = (aij )m n é a matriz AT = (aji )n m,

isto é 2 3T 2 3
a11 a12 a1n a11 a21 am1
6 a21 a22 7
a2n 7 6 7
6 6 a12 a22 am2 7
6 .. .. .. 7 = 6 .. .. .. 7:
4 . . . 5 4 . . . 5
am1 am2 amn a1n a2n amn
(ii) Sendo A = (aij )m n 2 Mm n (C), à matriz

A = (aij )m n
chama-se matriz conjugada de A.
(iii) Sendo A = (aij )m n 2 Mm n (C), à matriz

T
AH = A = (aji )n m
chama-se matriz transposta conjugada de A.
De…nição 21. Sendo A = (aij )n n uma matriz quadrada, chama-se traço de A ao

número real (ou complexo)
X
n
tr(A) = a11 + ::: + ann = aii .
i=1
2 3T
1 3
1 4 1
Exemplo 11. (i) 4 4 2 5 = .
3 2 6
1 6
2 3H
1 + 2i 3
4 1 2i 4 1 1 2i 4
(ii) 4 i 5 = : (iii) tr =1 i.
3 i 6 3 i
1 6
16
Teorema 3. Sejam A, B, C e D matrizes de tipos apropriados, e escalares. São
válidas as seguintes propriedades para as operações matriciais.
(a) (Comutatividade da soma) A + B = B + A.
(b) (Associatividade da soma) A + (B + C) = (A + B) + C. Note que esta propriedade

permite generalizar a de…nição de soma de 2 matrizes à soma de um no …nito de matrizes,
desde que as matrizes intervenientes sejam de tipos apropriados.
(c) (Elemento neutro da soma) Existe uma única matriz 0 do tipo m n tal que A + 0 =
0 + A = A, para toda a matriz A do tipo m n.
(d) (Simétrico) Para cada matriz A existe uma única matriz B tal que A+B = B+A = 0.
Esta matriz B denota-se por A.
(e) (Associatividade do produto por escalares) ( A) = ( ) A.
(f) (Distributividade) ( + ) A = A + A.
(g) (Distributividade) (A + B) = A + B.
(h) (Associatividade do produto de matrizes) A (BC) = (AB) C. Note que esta pro-
priedade permite generalizar a de…nição de produto de 2 matrizes ao produto de um no
…nito de matrizes, desde que as matrizes intervenientes sejam de tipos apropriados.
(i) (Distributividade) A (B + C) = AB + AC e (B + C) D = BD + CD.
(j) (AB) = ( A) B = A ( B). A

| + {z
::: + A} = pA. (Ap )q = Apq .
p vezes
(k) AI = A e IB = B, para todas as matrizes A = (aij )m n e B = (bij )n m, onde I é a

matriz identidade do tipo n n.
(l) A0 = 0 e 0B = 0, para todas as matrizes A = (aij )m n e B = (bij )n m, onde 0 é a

matriz nula do tipo n n.
T H
(m) AT = A: AH = A:
(n) (A + B)T = AT + B T . (A + B)H = AH + B H .
(o) (A1 + A2 + ::: + An )T = AT1 + AT2 + ::: + ATn , com A1 , A2 , :::, An matrizes de tipos
apropriados.
(p) ( A)T = AT . ( A)H = AH .
(q) (AB)T = B T AT . (AB)H = B H AH .
(r) (A1 A2 :::An )T = ATn :::AT2 AT1 , com A1 , A2 , :::, An matrizes de tipos apropriados.
(A1 A2 :::An )H = AH H H
n :::A2 A1 .
17
(s) Sendo A = (aij )n n e B = (bij )n n duas matrizes quadradas e um escalar, tem-se
tr(A+B) = tr(A)+tr(B), tr( A) = tr(A); tr(AT ) = tr(A) e tr(AB) = tr(BA):
De…nição 22. Uma matriz A do (tipo n n) diz-se invertível se existir uma matriz B
(do tipo n n) tal que
AB = BA = I.
À matriz B chama-se matriz inversa de A e denota-se por A 1 .
1
0 1 0 1 0 1
Exemplo 12. é invertível e = .
1 0 1 0 1 0
Observação 8. (i) Sendo A 1 a matriz inversa de A, então A 1

é invertível e a sua
1
inversa é a própria matriz A, isto é, (A 1 ) = A.
(ii) A matriz nula não é invertível. No entanto, a matriz identidade I é invertível tendo-se
1
I = I.
(iii) Se uma matriz quadrada tiver uma linha ou uma coluna nula então não é invertível.
Teorema 4. A inversa de uma matriz invertível é única.
Dem. Sejam B e C as inversas de A. Então, B = BI = B (AC) = (BA) C = IC = C.
De…nição 23. (i) Uma matriz A diz-se simétrica se A = AT , isto é, se aij = aji ,
para i; j = 1; :::; n. Diz-se que A é anti-simétrica se A = AT , isto é, se aij = aji , para
i; j = 1; :::; n.
(ii) Uma matriz A 2 Mn n (C) diz-se hermitiana (ou hermítica) se AH = A. Diz-se

que A é anti-hermitiana se AH = A.
1
(iii) Uma matriz A 2 Mn n (R) diz-se ortogonal se fôr invertível e se A = AT .
1
(iv) Uma matriz A 2 Mn n (C) diz-se unitária se fôr invertível e se A = AH .
(v) Uma matriz A diz-se normal se AH A = AAH .
T
0 1 0 1 0 1
Exemplo 13. é uma matriz simétrica. = .
1 0 1 0 1 0
H
1 1+i 1 1+i 1 1+i
é uma matriz hermitiana. = .
1 i 1 1 i 1 1 i 1
cos sen
é uma matriz ortogonal ( 2 R):
sen cos
18
1 2 2
3 3
i 3
i 2 3i 1
2 1 2 é uma matriz unitária. é uma matriz normal.
3
i 3 3
i i 1 2i
Teorema 5. (i) Se A = (aij )n n e B = (bij )n n são duas matrizes invertíveis, então AB

é invertível e
1
(AB) = B 1A 1:
(ii) Sendo um escalar não nulo e A uma matriz invertível então A é invertível e
1
( A) 1 = A 1 :
(iii) Seja m 2 N. Se A = (aij )n n é uma matriz invertível, então Am é invertível e

m
(Am ) 1 = (A 1 ) e escreve-se
A m = (Am ) 1 :
(iv) Seja A = (aij )n n uma matriz. Se existir l 2 N tal que Al = 0 então A não é
invertível.
(v) Sejam A e B matrizes com A invertível tais que AB = 0. Então B = 0.
(vi) Sejam A e B matrizes com B invertível tais que AB = 0. Então A = 0.
(vii) Sejam A, B e C matrizes com A invertível tais que AB = AC. Então B = C.
(viii) Sejam A, B e C matrizes com B invertível tais que AB = CB. Então A = C.
(ix) A = (aij )n n é uma matriz invertível se e só se AT é invertível e
1 1 T
AT = A :
(x) A = (aij )n n é invertível se e só se AH é invertível e

1 1 H
AH = A :
1
(xi) Se A = (aij )n n é uma matriz simétrica invertível, então A é simétrica.
1
(xii) Se A = (aij )n n é uma matriz hermitiana invertível, então A é hermitiana.
(xiii) Se A = (aij )n n é uma matriz ortogonal, então AT e A 1
são matrizes ortogonais.
(xiv) Se A = (aij )n n é uma matriz unitária, então AH e A 1
são matrizes unitárias.
(xv) Se A e B são duas matrizes ortogonais então AB é uma matriz ortogonal.
(xvi) Se A e B são duas matrizes unitárias então AB é uma matriz unitária.
(xvii) Se A e B são duas matrizes simétricas então AB é uma matriz simétrica se e só
se A e B comutarem.
(xviii) Se A e B são duas matrizes hermitianas então AB é uma matriz hermitiana se e
só se A e B comutarem.
19
Soluções de sistemas e invertibilidade de matrizes
Teorema 6. Sejam A uma matriz do tipo m n e B uma matriz do tipo m 1. Se o

sistema de equações lineares AX = B tem duas soluções distintas X0 e X1 (X0 6= X1 ), então
terá um número in…nito de soluções.
Dem. Basta veri…car que X = (1 ) X0 + X1 é solução do sistema AX = B, para

qualquer 2 R. Além disso, se 1 6= 2 então X 1 6= X 2 uma vez que X 1 X 2 =
( 2 1 ) (X0 X1 ) :
Teorema 7. Se A = (aij )m n é tal que m < n, então o sistema linear homogéneo

AX = 0 tem um número in…nito de soluções.
Dem. Como o sistema tem menos equações do que incógnitas (m < n), sendo r o no de
incógnitas não livres, tem-se n r incógnitas livres as quais podem assumir qualquer valor.
Logo, o sistema linear homogéneo AX = 0 tem um número in…nito de soluções.
Teorema 8. Sejam A = (aij )m n e ; escalares.
(i) Se Y e W são soluções do sistema AX = 0, então Y + W também o é.
(ii) Se Y é solução do sistema AX = 0, então Y também o é.
(iii) Se Y e W são soluções do sistema AX = 0, então Y + W também o é.
(iv) Sejam Y e W soluções do sistema AX = B. Se Y + W (para quaisquer escalares

; ) também é solução de AX = B, então B = 0. (Sugestão: basta fazer = = 0.)
Teorema 9. Seja A uma matriz do tipo m n e B 6= 0 uma matriz do tipo m 1.

Qualquer solução X do sistema AX = B escreve-se na forma X = X0 + X1 onde X0 é uma
solução particular do sistema AX = B e X1 é uma solução do sistema linear homogéneo
AX = 0. Assim:
solução geral de solução particular de solução geral de
= + .
AX = B AX = B AX = 0
Dem. Sendo X0 uma solução particular do sistema AX = B e X1 uma solução qualquer

de AX = 0 então A (X0 + X1 ) = AX0 = B pelo que X0 + X1 é também uma solução de
AX = B e não há solução de AX = B que não seja deste tipo uma vez que, se X 0 fôr
uma solução qualquer de AX = B tem-se AX 0 = B = AX0 , A (X 0 X0 ) = 0 e assim
X 0 X0 = X1 é solução de AX = 0 tendo-se X 0 = X0 + X1 .
Teorema 10. Seja A uma matriz do tipo n n.
(i) O sistema AX = B tem solução única se e só se A fôr invertível. Neste caso a solução
geral é X = A 1 B:
20
(ii) O sistema homogéneo AX = 0 tem solução não trivial se e só se A fôr não invertível.
Teorema 11. (i) Sejam A e B duas matrizes do tipo n n. Se AB é invertível, então

A e B são invertíveis.
(ii) Se A é uma matriz do tipo n n tal que AB = I então BA = I e B = A 1 :
Dem. (i) Considere o sistema (AB) X = 0. Se B não fosse invertível, então existiria
X 6= 0 tal que BX = 0. Logo, X 6= 0 seria solução não trivial de ABX = 0, o que
contraria o teorema anterior uma vez que por hipótese AB é invertível. Assim, B é invertível.
Finalmente, A é invertível por ser o produto de duas matrizes invertíveis: A = (AB) B 1 .
1
(ii) Atendendo à alínea anterior, B é invertível. Logo B também é invertível e
1 1 1
A = AI = A BB = (AB) B = IB = B 1,
1 1
isto é, A é invertível e A = (B 1 ) = B.
Teorema 12. (Como inverter matrizes invertíveis do tipo n n). Seja A uma
matriz do tipo n n e consideremos a equação AX = B. Se A fôr invertível temos
AX = B , X = A 1 B,
isto é,
AX = IB , IX = A 1 B.
Assim, para determinar a inversa de A, iremos transformar a matriz aumentada [A j I] na
matriz [I j A 1 ], por meio de operações elementares aplicadas às linhas de [A j I]:
1
[A j I] ! IjA
:::
Este método tem o nome de método de eliminação de Gauss-Jordan e consistirá na

continuação do método de eliminação de Gauss agora aplicado a [matriz triangular superior j ],
efectuando-se as eliminações de baixo para cima de modo a obter-se [I j A 1 ].
1 2 1
2 1 3 3
Exemplo 14. Vejamos que = 1 2 : Tem-se
1 2 3 3
2 1 j 1 0 2 1 j 1 0
! !
1 2 j 0 1 1
L +L2 !L2
2 1
0 32 j 1
2
1 2
L +L1 !L1
3 2
4 2 2 1
2 0 j 3 3
1 0 j 3 3
! ! .
2
L +L1 !L1
3 2
0 32 j 1
2
1 2
L !L2
3 2
0 1 j 1
3
2
3
1
L !L1
2 1
Isto é
1 2 1
2 1 3 3
= 1 2 .
1 2 3 3
21
De facto
2 1 2 1
2 1 3 3 3 3
2 1
1 2 = 1 2 =I
1 2 3 3 3 3
1 2
2 3
0 1 1
Exemplo 15. (i) Seja A = 4 1 5
4
1
2
5. Tem-se
1
1 2
0
2 3 2 3
0 1 1 j 1 0 0 1 0 0 j 1 2 3
[A j I] = 4 1 45 1
2
j 0 1 0 5 ! 4 0 1 0 j 2 4 4 5:
1 :::
1 2
0 j 0 0 1 0 0 1 j 3 4 4
2 3 1 2 3
0 1 1 1 2 3
Logo, 4 1 4 5 1 5 4
= 2 4 4 5. Veri…que(!) que: AA 1
= I.
2
1
1 2
0 3 4 4
2 3 2 3
9 8 7 3 2 1 j 0 0 1
(ii) Seja A = 4 6 5 4 5. Tem-se [A j I] ! 4 0 1 2 j 0 1 2 5. Logo, A
:::
3 2 1 0 0 0 j 1 2 1
não é invertível.
1
1 2 4 0 0 8
(iii) Sejam A = B= C= 1 . Determine-se X tal que
3 4 0 8 4
0
1
A I 2X T B 1
= C:
1 1 1
Tem-se A I 2X T B 1
=C, I 2X T = A 1 CB , I 2X T = (A 1 CB) ,
1 1 1 1
, XT = I B 1C 1
A ,X= I AT C T BT ,
2 2
!
1 1 1 1
1 1 0 1 3 0 4
4 0 1 2
,X= 1 ,X= 1 :
2 0 1 2 4 8
0 0 8 2 2
Teorema 13. Seja A 2 Mm n (R) e considere o sistema de equações lineares AX = B.
(i) Existência de solução: Se m n então o sistema AX = B tem pelo menos uma

solução X para cada B 2 Rm se e só se car A = m:
(ii) Unicidade de solução: Se m n então o sistema AX = B tem no máximo uma

solução X para cada B 2 Rm se e só se car A = n, isto é, se e só se nul A = 0:
(iii) Existência e unicidade de solução: Se m = n então: A é invertível ,

, car A = n , para todo o B o sistema AX = B tem uma única solução (X = A 1 B),
isto é, A não é invertível , car A < n ,
, existe pelo menos um B para o qual o sistema AX = B não tem solução.
22
Matrizes elementares e factorização triangular
De…nição 24. Uma matriz elementar é uma matriz do tipo n n obtida da matriz
identidade I (do tipo n n) através de uma única operação elementar.
(i) A matriz Pij , chamada matriz de permutação, é a matriz elementar obtida por
troca da linha i com a linha j da matriz I. Tem-se:
2 3
1 0 0
6 0 ... ... .. 7
6 . 7
6 . . 7
6 .. . . 1 7
6 7
6 0 1 7
6 7 i
6 1 7
6 7
6 ... 7
Pij = 6 7 .
6 7
6 1 7
6 7
6 1 0 7 j
6 7
6 . . .. 7
6 1 . . 7
6 . .. .. 7
4 .. . . 0 5
0 0 1
(ii) A matriz Ei ( ) é a matriz elementar obtida da matriz I através do produto do escalar

6= 0 pela linha i da matriz I. Tem-se:
2 3
1 0 0
6 .. 7
6 0 ... ... . 7
6 . 7
6 . ... 7
6 . 1 7
6 7
Ei ( ) = 6 7 i .
6 .
... . 7 7
6 1 . 7
6
6 .. . .. . .. 0 7
4 . 5
0 0 1
(iii) A matriz Eij ( ) é a matriz elementar obtida da matriz I por soma da linha j com
um múltiplo escalar da linha i. Por exemplo para i < j tem-se:
2 3
1 0 0
6 0 ... ... .. 7
6 . 7
6 . . 7
6 .. . . 1 7 i
6 7
6 ... 7
Eij ( ) = 6 7 .
6 7
6 .. . 7.
6 1 . . 7 j
6 . . . 7
4 .. .. .. 0 5
0 0 1
Observação 9. (i) As matrizes elementares Eij ( ), com i < j, são matrizes triangulares
inferiores.
23
(ii) As matrizes elementares Eij ( ) e Eik ( ) comutam, isto é, Eij ( )Eik ( ) = Eik ( )Eij ( ).
Exemplo 16. Sejam ; escalares com 6= 0. As matrizes elementares do tipo 2 2

são:
0 1 0 1 0 1 0 1
P12 = P21 = , E1 ( ) = , E2 ( ) = , E12 ( ) = e E21 ( ) = .
1 0 0 1 0 1 0 1
Teorema 14. Sejam E uma matriz elementar do tipo m m e A uma matriz qualquer
do tipo m n. Então, EA é a matriz obtida de A através da mesma operação elementar que
originou E. Isto é, aplicar uma operação elementar a uma matriz corresponde a multiplicar
essa matriz à esquerda por uma matriz elementar.
2 3
0 0 3 9 j 6
Exemplo 17. Considere-se a matriz aumentada 4 5 15 10 40 j 45 5. A op-
1 3 1 5 j 7
eração elementar:
2 3 2 3
0 0 3 9 j 6 1 3 1 5 j 7
4 5 15 10 40 j 45 5 ! 4 5 15 10 40 j 45 5 ,
L1 $L3
1 3 1 5 j 7 0 0 3 9 j 6
corresponde à seguinte multiplicação (à esquerda):
2 32 3 2 3
0 0 1 0 0 3 9 j 6 1 3 1 5 j 7
4 0 1 0 5 4 5 15 10 40 j 45 5 = 4 5 15 10 40 j 45 5 .
1 0 0 1 3 1 5 j 7 0 0 3 9 j 6
A operação elementar:
2 3 2 3
1 3 1 5 j 7 1 3 1 5 j 7
4 5 15 10 40 j 45 5 ! 4 1 3 2 8 j 9 5,
1
L !L2
0 0 3 9 j 6 5 2 0 0 3 9 j 6
2 32 3 2 3
1 0 0 1 3 1 5 j 7 1 3 1 5 j 7
4 0 1=5 0 5 4 5 15 10 40 j 45 5 = 4 1 3 2 8 j 9 5.
0 0 1 0 0 3 9 j 6 0 0 3 9 j 6
A operação elementar:
2 3 2 3
1 3 1 5 j 7 1 3 1 5 j 7
4 1 3 2 8 j 9 5 ! 4 0 0 1 3 j 2 5,
L1 +L2 !L2
0 0 3 9 j 6 0 0 3 9 j 6
2 32 3 2 3
1 0 0 1 3 1 5 j 7 1 3 1 5 j 7
4 1 1 0 54 1 3 2 8 j 9 5=4 0 0 1 3 j 2 5.
0 0 1 0 0 3 9 j 6 0 0 3 9 j 6
24
Finalmente, a operação elementar:
2 3 2 3
1 3 1 5 j 7 1 3 1 5 j 7
4 0 0 1 3 j 2 5 ! 4 0 0 1 3 j 2 5,
3L2 +L3 !L3
0 0 3 9 j 6 0 0 0 0 j 0

2 32 3 2 3
1 0 0 1 3 1 5 j 7 1 3 1 5 j 7
4 0 1 0 54 0 0 1 3 j 5 4
2 = 0 0 1 3 j 2 5.
0 3 1 0 0 3 9 j 6 0 0 0 0 j 0
Tem-se então:
2 3 2 3
0 0 3 9 j 6 1 3 1 5 j 7
1 4 5 4
E23 (3) E12 ( 1) E2 P13 5 15 10 40 j 45 = 0 0 1 3 j 2 5.
5
1 3 1 5 j 7 0 0 0 0 j 0
Teorema 15. Toda a matriz elementar é invertível e a respectiva inversa é também uma
matriz elementar. Tem-se:
1 1 1
(i) (Pij ) = Pij . (ii) (Ei ( )) = Ei (1= ), para 6= 0. (iii) (Eij ( )) = Eij ( ).
Teorema 16. Uma matriz A é invertível se e só se fôr igual ao produto de matrizes

elementares.
Observação 10. O teorema anterior indica um modo alternativo para calcular a matriz
inversa de uma matriz invertível.
Teorema 17. (i) O produto de duas matrizes triangulares inferiores (superiores) é uma
matriz triangular inferior (superior).
(ii) Se uma matriz triangular superior (inferior) fôr invertível então a sua inversa é
também triangular superior (inferior).
P Dem. (i) Se A = P (aij ) e B = (bij ) com aij = bij = 0 se i < j; então para AB =
( nk=1 aik bkj ) tem-se nk=1 aik bkj = 0 se i < j uma vez que se k > j > i então aik = 0 e
se j > k então
Pn bkj = 0. Além disso a diagonal principal da matriz triangular inferior AB é
dada por: k=1 aik bki = aii bii , i = 1; :::; n, uma vez que se i < k então aik = 0 e se k < i
então bki = 0.
Teorema 18. Seja A uma matriz do tipo m n. Então ou A admite a factorização

A = LU ou existe uma matriz de permutação P tal que P A admite a factorização P A = LU ,
onde L é uma matriz triangular inferior com as entradas da diagonal principal todas iguais
a 1 e U é uma matriz em escada.
Teorema 19. Seja A do tipo n n uma matriz invertível. Então ou A admite a

factorização única A = LU ou existe uma matriz de permutação P tal que P A admite a
factorização única P A = LU , onde L é uma matriz triangular inferior com as entradas da
diagonal principal todas iguais a 1 e U é uma matriz triangular superior cujas entradas da
25
diagonal principal são os pivots que resultam de aplicar o método de eliminação de Gauss
à matriz A.
23 2 3
1 1 1 1 1 1
Exemplo 18. Seja A = 4 2 1 4 5. Tem-se E23 (1)E13 ( 2)E12 ( 2)A = 4 0 1 2 5.Logo,
2 3 5 0 0 5
2 3
1 1 1
14
1 1
A = (E12 ( 2)) (E13 ( 2)) (E23 (1)) 0 1 2 5.
0 0 5
Isto é, 2 3
1 1 1
4
A = E12 (2)E13 (2)E23 ( 1) 0 1 2 5, ou ainda, A = LU ,
0 0 5
com 2 3 2 3
1 0 0 1 1 1
4
L = E12 (2)E13 (2)E23 ( 1) = 2 1 0 5 e 4
U= 0 1 2 5.
2 1 1 0 0 5
2 3 2 3
1 2 3 4 1 2 3 4
6 0 0 5 6 7 6 0 1 7 8 7
Exemplo 19. Seja A = 6
4 0
7. Tem-se P24 A = 6
5 4
7e
0 10 6 0 0 10 6 5
0 1 7 8 0 0 5 6
2 3
1 2 3 4
6 0 1 7 8 7
E34 ( 1=2) P24 A = 6
4 0 0 10 6 5
7
0 0 0 3
Logo 2 3
1 2 3 4
6 0 1 7 8 7
P24 A = (E34 ( 1=2)) 1 6
4 0
7
0 10 6 5
0 0 0 3
Isto é, 2 3
1 2 3 4
6 0 1 7 8 7
P24 A = E34 (1=2) 6
4 0
7, ou ainda, P A = LU ,
0 10 6 5
0 0 0 3
com
2 3 2 3
1 0 0 0 1 2 3 4
6 0 1 0 0 7 6 0 1 7 8 7
P = P24 , L = E34 (1=2) = 6
4 0
7 e U =6 7:
0 1 0 5 4 0 0 10 6 5
0 0 1=2 1 0 0 0 3
26
1. Veri…que que:
2 1000 2
6 9 0 0 1 1 0 1
(i) = (ii) =I (iii) = I
4 6 0 0 0 1 1 0
222 220
0 1 0 1 0 0 1 2 5 4 5 4 1 2
(iv) + = (v) =
1 0 1 0 0 0 3 4 6 11 6 11 3 4
2 32 2 32 32 2 3
1 1 1 0 0 0 2 2 4 2 2 4
(vi) 4 1 1 1 5 4
= 0 0 0 5 (vii) 4 1 3 4 5 = 4 1 3 4 5
2 2 2 0 0 0 1 2 3 1 2 3
2 3 2 3
1 1 0 1 2
4 5 4 1 1 0 2 4 2
(viii) 2 1 0 1 = 2 0 2 5 (ix) 3 1
2
= 7 5
1 1 1 1 2 2
3 3 0 3
T 1 T p
(x)
4 1
1 2
2 1 4 p2 =
7 2p 2 11
2 2 2 1 3 2 9 2 2 + 10
1
a b d b 1
(xi) = (se ad bc 6= 0)
c d ad bc c a
2 32 3 2 32 3 2 3
1 1 1 6 2 9 1 1 1 2 2
a
A 2 coluna de 4 1 1 1 5 4 7 1 6 5 é 4 1 1 1 54 1 5 = 4 2 5
1 1 1 9 1 7 1 1 1 1 0
cos sen
(xiii) é ortogonal ( 2 R). Isto é,
sen cos
T T
cos sen cos sen cos sen cos sen
= =I
sen cos sen cos sen cos sen cos
2 p p p 3
3 2 6
p3 2p p6 1 2 2
6 3 2 6 7 3 3
i 3
i
(xiv) 4 5 é ortogonal. (xv) 2 1 2 é unitária. Isto é,
p3
3
2 6p
6 3
i 3 3
i
3
0 3
1 2 2 1 2 2 H 1 2 2 H 1 2 2
3 3
i 3
i 3 3
i 3
i 3 3
i 3
i 3 3
i 3
i
2 1 2 2 1 2 = 2 1 2 2 1 2 =I
3
i 3 3
i 3
i 3 3
i 3
i 3 3
i 3
i 3 3
i
2 3i 1
(xvi) é uma matriz normal. Isto é,
i 1 2i
H H
2 3i 1 2 3i 1 2 3i 1 2 3i 1
=
i 1 2i i 1 2i i 1 2i i 1 2i
(xvii) As constantes a; b e c que de…nem a função y = ax2 + bx + c cujo grá…co passa

pelos pontos
2 3(x1 ; y1 ) ; (x2 ; y2 ) e (x3 ; y3 ) (de abcissas distintas entre
2 si), constituem a 3
2
a x1 x1 1 j y1
solução 4 b 5 do sistema linear cuja matriz aumentada é dada por: 4 x22 x2 1 j y2 5.
c x23 x3 1 j y3
27
2. Efectue, sempre que possível, as seguintes operações.
3 1
(i) 1
2
3
(ii) 0 1 +
1
(iii) 2
2 3 p2 41
3 0 1 1 3 5 2
1 0 1 0 6 1 0 2 p 0
(iv) 2 1 3
(v) (vi) 2 3 4
3 2
2 3 3 1 1 1
02 3 1T
p 2
2 p
(vii) 4 1
2
2 (viii) @4 1
4
52 2 3 A
3
1
0 2 8 1
31T
2 3T 2 3 9 3
1
B 1
0 1
1 0 1 6 7C
B 3 2 2 6 7C
(ix) B
B2
4 5 4 5 6
6
1
3
1
2
1 7C
7C
@ 1 1
1 1 1
1 4 5A
3 2 3 2
5 5
3
1 2
2 1
3T 2 3 2 3T 2 1
3
1 2
0 2 1 0 1 0 1 2
0 2
4
(x) 0 1 1
0 5 4 2 4 5 (xi) 4 2 4 5 4 0 1 1
0 5
4 4
1 1
6 2 5 1 3
3 3
3 6 2 5 1
3. Escreva a matriz A = (aij )4 4 2 M4 4 (R) em cada um dos seguintes casos:

8
< aji para todo i; j
(i) aij = j 2 ( 1)i+j (ii) aij =
:
j se j > i
4. Seja 2 R. Em função do parâmetro , calcule a característica e a nulidade das
seguintes matrizes. Em cada alínea, indique ainda (se existirem), justi…cando, os val-
ores de para os quais essas matrizes são invertíveis:
2 3
2 3 2 2
3 1 0 1
1 2 6 0 1 1 0 7
(i) 4 2 1 2 5 4
(ii) 2 1 1 5 (iii) 6 4 1 0
7
2
2
1 5
3 2 1 0 1 +1
2 0 2 2
5. Existem 16 matrizes 2 2 só com 0 e 1 nas respectivas entradas. Quantas são in-

vertíveis?
6. Determine (se existirem) as inversas das seguintes matrizes.

1 0 0 1 1 2 2 1 1 1
(i) [1] (ii) (iii) (iv) (v) (vi)
0 1 1 0 3 4 1 1 1 1
2 3 2 3 2 3 2 3
0 1 1 1 2 3 1 2 3 2 2 1
1
(vii) 4 1 0 1 5 (viii) 4 4 5 6 5 (ix) 4 0 1 2 5 (x) 4 1 2 2 5
3
1 1 0 7 8 9 0 0 1 2 1 2
2 3
2 3 0 0 0 k1
1 0 2 6 0 0 k2 0 7
(xi) 4 0 3 0 5 (xii) 6 4 0 k3
7, com k1 ; k2 ; k3 ; k4 6= 0
0 0 5
4 0 5
k4 0 0 0
28
7. Seja A 2 Mn n (R) tal que A2 + 2A + 2I = 0. Veri…que que A é invertível e determine
a sua inversa.
3 4
8. Sejam A; B; X 2 Mn n (R) matrizes invertíveis tais que (AB)2 =
. Em cada
7 9
um dos seguintes casos, determine a matriz X que satisfaz a equação
(i) AXB + AB = 0 (ii) BXA A 1B 1
=0
1 4 3
T
9. (i) Determine A 2 M2 2 (R) tal que 2I (3A 1 ) = :
7 5
1 1 3
(ii) Determine a matriz B tal que (B T + 4I) = :
2 5
T
1 1 3 2
(iii) Determine a matriz A tal que A = I.
2 3 1 1
10. (i) Seja A 2 Mn n (R) tal que
Ak = 0
para algum k 2 Nn f1g. Veri…que que
1
(I A) = I + A + ::: + Ak 1
2 3 1
1 1 0
(ii) Calcule 4 0 1 1 5 :
0 0 1
2 3
2 2 2
11. Seja A = 4 5 1 3 5.
1 5 3
2 3
0 0 0
(i) Veri…que que A3 = 4 0 0 0 5. (ii) Calcule (I A) (I + A + A2 ) :
0 0 0
2 3
0 0 a 1
6 2 2 0 a 7
12. Seja Ba;b =6
4 0
7, com a; b 2 R:
0 a b 5
3 0 6 0
(i) Determine a característica e a nulidade de Ba;b em função de a e b.
(ii) Para a = 1 e b = 0 calcule a matriz inversa da matriz B1;0 , isto é, (B1;0 ) 1 .
T
(iii) Determine a solução geral do sistema linear B1;0 X = C, C = 1 2 3 1 .
(iv) Para b = 1, determine a solução geral do sistema linear Ba;1 X = D, em que D é
o simétrico da 3a coluna de Ba;1 .
2 3
2 1 2
13. Seja A = 4 2 1 0 5. Factorize a matriz A na forma A = LU , obtendo uma
3 1 2
matriz L triangular inferior com 1’s na diagonal principal e uma matriz U triangular
superior.
29
Exercícios de Revisão de Sistemas e Matrizes
1. Resolva os seguintes sistemas de equações lineares.

4x 2y = 5 2x + 3y = 1 2x + 4y = 10
(i) (ii) (iii)
6x + 3y = 1 5x + 7y = 3 3x + 6y = 15
8 8
< 2x + y 3z = 5 < x + 2y + 3z = 3
(iv) 3x 2y + 2z = 5 (v) 2x + 3y + 8z = 4
: :
5x 3y z = 16 3x + 2y + 17z = 1
8 8
< 2x + 3y 2z = 5 < x + 5y + 4z 13w = 3
(vi) x 2y + 3z = 2 (vii) 3x y + 2z + 5w = 2
: :
4x y + 4z = 1 2x + 2y + 3z 4w = 1
2 3
1 0 1 j 1
6 1 0 j 1 7
6 7.
4 0 j 1 5
1 0 1 j 1
Determine, justi…cando, os valores de para os quais o sistema anterior é impossível

e calcule a solução geral do sistema correspondente a = 1.
2 3
1 4 2 j 10
4 2 7 2 j 20 5 .
1 5 j 10
a) Classi…que, em função de , o sistema de equações lineares anterior.

b) Para = 4, determine o conjunto solução do sistema de equações lineares corre-
spondente.
4. Classi…que em função do parâmetro real os seguintes sistemas de equações lineares

(nas variáveis x; y e z). Nos casos em que existirem soluções, determine-as.
8 8
< x +y+z =1 < x+y+ z =2
x + 2y + z = 1
(i) (ii) x+ y+z = (iii) 3x + 4y + 2z =
2x + y + 8z = 3 : 2 :
x+y + z = 2x + 3y z = 1
5. Classi…que os seguintes sistemas de equações lineares em termos dos parâmetros reais
e . Nos casos em que existirem soluções, determine-as.
8 8
< x + 4y + 3z = 10 < x+y z+ w =0
(i) 2x + 7y 2z = 10 (ii) x 2y + 2z + w = 1
: :
x + 5y + z = x y + z + ( + 1) w =
30
2 3
1 2 3 j 0
6 3 2 1 j 4 7
6 7.
4 1 2 5 j 4 5
2 3 j 0
(i) Determine os valores de para os quais o sistema anterior é possível e determinado.
(ii) Para = 1, determine a solução geral do sistema de equações lineares correspon-
dente.
7. Determine um sistema de equações lineares cujo conjunto de soluções seja:
(i) S = f(1; 1; 1)g
(ii) S = f(3t s; t + 2s 1; s 2t + 1) : s; t 2 Rg
(iii) S = f(1 s; s t; 2s; t 1) : s; t 2 Rg
1 2
8. Sendo A = , determine todos os u 6= 0 tais que Au = 5u.
2 4
1 2
9. Determine todas as matrizes reais 2 2 que comutam com a matriz .
3 4
10. Pretende-se arrumar livros em caixas. Ao colocar 7 livros em cada caixa, …ca um livro
de fora. Ao colocar 8 livros por caixa, há uma caixa que só tem 1 livro. Quantos livros
se pretende arrumar? Quantas caixas existem?
11. (i) Determine os coe…cientes a; b; c e d da função polinomial
p(x) = ax3 + bx2 + cx + d;
cujo grá…co passa pelos pontos P1 = (0; 10); P2 = (1; 7); P3 = (3; 11) e P4 = (4; 14).
(ii) Determine os coe…cientes a; b e c da equação da circunferência
x2 + y 2 + ax + by + c = 0;
que passa pelos pontos P1 = ( 2; 7); P2 = ( 4; 5) e P3 = (4; 3).
12. Escreva a matriz A = (aij )4 4 2 M4 4 (R) em cada um dos seguintes casos:
(i) 8
< 0 se i > j
aij =
: 1
caso contrário,
i+j 1
(ii) 8
>
> i se i = j
>
>
<
aij = j se j = i + 1
>
>
>
>
:
i j caso contrário,
31
13. Veri…que se a matriz (aij ) 2 M2 2 (R) de…nida por
aij = 3i + 2j;
para todo i; j = 1; 2, é simétrica.
14. Determine as características e as nulidades das seguintes matrizes reais, identi…cando

os respectivos pivots.
2 3 2 3 2 3
1 2 3 1 2 3 4 0 1 1 1
(i) 4 0 1 1 5 (ii) 4 5 6 7 8 5 (iii) 4 1 1 1 0 5
1 2 3 9 10 11 12 1 1 2 1
2 3
1 3 1 2 2 3
6 0 11 7 2 10 6 8 4
5 3 7
(iv) 6
4 2 (v) 4 1 5 3 4 2 5
5 3 1 5
2 10 6 8 4
4 1 1 5
2 3 2 3
0 0 3 6 9
5 1 2
(vi) 4 0 0 5 (vii) (viii) 4 2 4 6 5
0 2 0
0 0 1 2 3
2 3
2 3 1 2 1 3 2
2 1 6 1 1 3 2 1 7
(ix) 4 2 4 5 (x) 6
4 2 7
7
1 9 8 5
1 2
3 3 2 4 6
15. Seja 2 R. Em função do parâmetro , calcule a característica e a nulidade das
seguintes matrizes. Em cada alínea, indique ainda (se existirem), justi…cando, os val-
ores de para os quais essas matrizes são invertíveis:
2 3 2 3
2 3 1 0 1 1 1 0
1 0 1 6 0 1 0 0 7 7 (iii) 6 1
6 1 0 7
(i) 4 1 5 (ii) 6
4 3
7
0 0 5 4 1 1 3
0 5
0 1 2
1 1 1 2 1 1 1
16. Determine (se existirem) as inversas das seguintes matrizes.

2 3
2 3 k 0 0 0
1 2 1 6 1 k 0
cos sen 0 7
4
(i) 4 0 6 5 (ii) (iii) 6
4 0 1 k
7, com k 6= 0
sen cos 0 5
1 8 1
0 0 1 k
2 5 2 2 8
3 2 1 1 1
3
13 13 13 13
1 2 2 2
6 7 6 7
6 7 6 1 7
6 2 7 6 2 7 6 1 7
6 13 13 13 13 7 6 2 1 0 2 7
(iv) 6
6
7
7 (v) 6
6 1
7
7
6 2 6 7 2 7 6 1 7
6 13 13 13 13 7 6 2 0 1 2 7
4 5 4 5
8 2 2 5 1 1 1
13 13 13 13 2 2 2
1
32
17. Seja
1 0
B= :
1 1
Determine a matriz A tal que
I AT B = B 2 .
18. Determine a matriz invertível A 2 M2 2 (R) tal que

T
1 2 3 0 1
A I= :
1 2 2 0
19. Seja 2 3
1 0 1 0
6 1 2
+ 7
A ; =6
4 0 1
7;
5
2
1 + +
com ; 2 R:
(i) Determine a característica e a nulidade de A ; em função de e .
(ii) Determine os valores dos parâmetros e para os quais A ; é invertível.
20. Seja 2 3
1 0 2
6 2 2
4 7
A =6
4 4 0
7;
3
8 5
2 2
0
com 2 R.
(i) Determine a característica e a nulidade de A em função do parâmetro e diga,
justi…cando, quais são os valores de para os quais A é invertível.
(ii) Para = 1; determine a inversa da matriz A1 .
21. Seja 2 3
1 0 1
6 0 1 1 0 7
A =6
4 1
7 , com 2 R.
0 2
1 5
2 0 2 2
a) Determine a característica e a nulidade de A em função do parâmetro :
b) Diga, justi…cando, quais são os valores de para os quais A é invertível.
c) Para = 1, determine a solução geral do sistema de equações lineares A1 X = 0.
d) Para = 1, determine a solução geral do sistema de equações lineares A1 X = B,

onde B é igual à 4a coluna da matriz A1 .
e) Para = 2, factorize a matriz A2 na forma A2 = LU , obtendo uma matriz L triangular

inferior com 1’s na diagonal principal e uma matriz U triangular superior.
33
1a Ficha de exercícios teóricos
1. Sendo A; B; C matrizes de tipos apropriados, mostre que:

(i) (AB) C = A (BC) (ii) A (B + C) = AB + AC (iii) (AB)T = B T AT
2. Sendo A uma matriz do tipo m n, mostre que se AT A = 0 então A = 0.
3. Obtenha, por indução, uma fórmula para An onde A é dada por:

2 3
1 1 0
0 1 1 0
(i) (ii) (iii) 4 0 1 1 5
1 0 2 1
0 0 1
2 3
0 1 0 0
6 0 0 1 0 7 cos sen
(iv) 6
4 0 0 0 1 5
7 (v) ( 2 R)
sen cos
0 0 0 0
4. Sendo A uma matriz 2 2 ortogonal, isto é, tal que AAT = AT A = I, mostre que
cos sen cos sen

A= ou A = ; ( 2 R):
sen cos sen cos
5. Mostre que se AB = A e BA = B então A2 = A e B 2 = B.
6. Sejam A; B 2 Mn n (R) matrizes tais que ABA = B e BAB = A. Mostre que
A2 = B 2 .
7. Diga de que tipos deverão ser as matrizes A e B de modo a poderem ser efectuados os
seguintes produtos e desenvolva esses mesmos produtos.
(i) (A + B)(A B) (ii) (AB)2 (iii) (A + B)2
1 0 0 0
8. (i) Veri…que que as matrizes A = eB= não satisfazem a relação:
2 0 3 4
AB = 0 ) A = 0 ou B = 0. O que pode concluir? E no caso de A ser invertível, o
que concluiria acerca da veracidade da relação anterior?
1 2 0 0 2 2
(ii) Veri…que que as matrizes A = , B = e C = não
1 2 1 1 0 0
satisfazem a relação: AB = AC ) B = C. O que pode concluir? E no caso de A ser
invertível, o que concluiria acerca da veracidade da relação anterior?
9. Sejam A uma matriz do tipo n n e B uma matriz do tipo m n quaisquer.

(i) Prove que se A é simétrica (isto é A = AT ) então BAB T tambem é simétrica.
(ii) Prove que se A é normal (isto é AH A = AAH ) e B é unitária então BAB H é
normal.
(iii) Prove que B T B e BB T são matrizes simétricas e que B H B e BB H são matrizes
hermitianas.
34
10. Uma matriz A do tipo n n diz-se anti-simétrica se AT = A. Mostre que:
(i) Os elementos da diagonal principal de uma qualquer matriz anti-simétrica são todos
nulos.
(ii) Para qualquer matriz A do tipo n n, a matriz A AT é anti-simétrica.
(iii) Escrevendo A = 12 (A + AT ) + 21 (A AT ), toda a matriz quadrada pode ser
decomposta de modo único pela soma de uma matriz simétrica com uma anti-simétrica.
a b
11. Veri…que que todas as matrizes X = que satisfazem a equação X 2 = I são:
c d
1 0 1 b a b
I; ; ; 1 a2 .
c 1 0 1 b
a
Observe assim que a equação matricial X 2 = I tem um número in…nito de soluções em

contraste com a equação escalar x2 = 1 que tem apenas duas soluções (1 e 1).
12. Mostre que:
0
fX 2 M2 2 (R) : XA = AX; para todo o A 2 M2 2 (R)g = : 2R .
0
Isto é, as matrizes 2 2 que comutam com todas as matrizes 2 2 são múltiplos

escalares da matriz I.
13. Sendo A uma matriz do tipo m n, seja N (A) = fX : AX = 0g. Mostre que:
(i) Sendo A e B de tipos apropriados, então N (B) N (AB).
(ii) Sendo A e B de tipos apropriados com A invertível, então N (B) = N (AB).
(iii) Sendo A 2 Mm n (R), tem-se N AT A = N (A) :
(iv) Sendo A e B do tipo m n com m < n tais que AB T é invertível, então B T A não
é invertível e nenhuma linha de B pertence a N (A).
(v) Sendo A 2 Mm n (R) tal que para todo o B 2 Rm ; o sistema AX = B é possível,
então N AT = f0g.
14. (i) Seja A 2 Mn n (R) tal que que Au = 0 para qualquer u 2 Mn 1 (R). Prove que
A = 0.
(ii) Sejam A; B 2 Mn n (R) tais que que Au = Bu para qualquer u 2 Mn 1 (R).
Prove que A = B.
15. Sejam A; B matrizes não nulas do tipo n 1. Determine a característica de AB T .

Justi…que.
16. Sendo A uma matriz do tipo m n tal que car A = m, mostre que existe B do tipo
n m tal que AB = I.
17. Sejam A e B matrizes do tipo n n tais que AB = A B. Mostre que AB = BA.

Sugestão: Considere a matriz (A + I) (I B).
35
18. Duas matrizes A e B do tipo n n dizem-se semelhantes se existir S invertível tal que
A = SBS 1 . Mostre que:
(i) Sendo A ou B invertíveis então AB e BA são semelhantes.
1
(ii) Sendo A e B semelhantes então X 2 N (A) se e só se S X 2 N (B).
19. Seja A uma matriz quadrada (do tipo n n). Mostre que:
1
(i) Se A fôr invertível então A tambem é invertível e (A 1 ) 1
= A.
T T 1
(ii) Se A fôr invertível então A tambem é invertível e (A ) = (A 1 )T .
1
(iii) Se A fôr invertível e simétrica então A tambem é simétrica.
20. Sejam A e B matrizes do tipo n n. Mostre que:

(i) Se A; B forem invertíveis então A + B não é necessariamente invertível.
1 1
(ii) Se A; B e A + B forem invertíveis então A +B é invertível e
1
(A + B 1) 1
= A(A + B) 1 B = B(A + B) 1 A.
21. Seja A do tipo n n tal que A2 = A (A diz-se idempotente). Mostre que:

(i) I A é idempotente.
1
(ii) 2A I é invertível e (2A I) = 2A I. Além disso, se A fôr simétrica então
2A I é uma matriz ortogonal.
(iii) Se car A = n, então A = I.
22. Sejam A e B duas matrizes do tipo n n tais que AB = I. Determine A BA2 .
23. Uma matriz B (do tipo n n) diz-se idempotente se B 2 = B. Mostre que

1
A2 = I , (I + A) é idempotente
2
24. Sendo A = (aij ) uma matriz invertível e B = (bij ) a inversa da A, mostre, para k 6= 0,
a matriz (k i j aij ) é invertível e a sua inversa é (k i j bij ).
a b
25. Seja A uma matriz do tipo 2 2. Mostre que A = é invertível se e só se
c d
ad bc 6= 0. No caso de A ser invertível, utilize o método de eliminação de Gauss-Jordan
para encontrar a matriz inversa de A.
26. Que condições devem ser veri…cadas para que a seguinte matriz diagonal do tipo n n
2 3
k1 0 0
6 . . . .. 7
6 0 k . 7
D=6 . .2 . 7
4 .. .. .. 0 5
0 0 kn
seja invertível? Qual é a sua inversa?
36
27. Para matrizes quadradas A = (aij )n n de…ne-se o traço de A, tr(A), como sendo a
soma de todas as entradas da diagonal principal de A, isto é,
X
n
tr(A) = aii :
i=1
Sejam A = (aij )n n e B = (bij )n n duas matrizes do tipo n ne um escalar. Mostre

que
(i)
tr(A + B) = tr(A) + tr(B);
(ii)
tr( A) = tr(A);
(iii)
tr(AT ) = tr(A);
(iv)
tr(AB) = tr(BA):
Esta última igualdade continua a ser verdadeira se A = (aij )m n e B = (bij )n m.
28. Para cada matriz A do tipo n n, veri…que que não existe X do tipo n n tal que
AX XA = I.
29. Sejam A e B matrizes do tipo n n tais que A é simétrica e B é anti-simétrica. Mostre

que
tr(AB) = 0:
30. Seja A 2 Mm n (R). Mostre que
tr(AT A) = 0 , A = 0:
31. Sejam u; v 2 Mn 1 (R) tais que uT v 6= 1. Seja
A = I + uv T .
Veri…que que A é invertível e que
1 1
A =I T
uv T .
1+u v
Além disso veri…que que
uT v = tr uv T
37
Espaços lineares (ou Espaços vectoriais)
De…nição 25. Um conjunto não vazio V é um espaço linear (real) se existirem duas
operações associadas a V , uma soma de elementos de V e um produto de escalares (números
reais) por elementos de V , com as seguintes propriedades:
(a) (Fecho da soma). Para quaisquer u; v 2 V
u + v 2 V:
(b) (Fecho do produto por escalares). Para quaisquer 2Reu2V
u 2 V:
(c) (Comutatividade da soma). Para quaisquer u; v 2 V ,
u + v = v + u:
(d) (Associatividade da soma). Para quaisquer u; v; w 2 V ,
u + (v + w) = (u + v) + w:
(e) (Elemento neutro da soma). Existe um elemento de V designado por 0 tal que, para
qualquer u 2 V ,
u + 0 = u:
(f) (Simétrico). Para cada (qualquer) u 2 V existe v 2 V tal que
u + v = 0:
A v chama-se o simétrico de u e denota-se por u.
(g) (Associatividade do produto por escalares). Para quaisquer ; 2R e u2V,
( u) = ( ) u:
(h) (Distributividade em relação à soma de vectores). Para quaisquer 2 R e u; v 2 V ,
(u + v) = u + v:
(i) (Distributividade em relação à soma de escalares). Para quaisquer ; 2R e u2V,
( + ) u = u + u:
(j) Para qualquer u 2 V ,

1u = u:
38
De…nição 26. Aos elementos de um espaço linear (vectorial) V chamaremos vectores.
Exemplo 20. Exemplos de espaços lineares. Seja 2 R.
(i) Rn = f(x1 ; :::; xn ) : x1 ; :::; xn 2 Rg, com as operações usuais:
(u1 ; :::; un ) + (v1 ; :::; vn ) = (u1 + v1 ; :::; un + vn ),
(u1 ; :::; un ) = ( u1 ; :::; un ).
(ii) Mm n (R) (conjunto de todas as matrizes reais do tipo m n), com as operações
(usuais): A + B e A.
(iii) Seja n 2 N …xo. O conjunto Pn = fa0 + a1 t + ::: + an tn : a0 ; a1 ; :::; an 2 Rg de todos

os polinómios reais de variável real e de grau menor ou igual a n, com as operações usuais.
(a0 + a1 t + ::: + an tn ) + (b0 + b1 t + ::: + bn tn ) = a0 + b0 + (a1 + b1 ) t + ::: + (an + bn ) tn
(a0 + a1 t + ::: + an tn ) = a0 + ( a1 ) t + ::: + ( an ) tn .
(iv) O conjunto P = fa0 + a1 t + ::: + as ts : a0 ; a1 ; :::; as 2 R e s 2 N0 g de todos os polinómios

reais de variável real, com as operações usuais.
(v) O conjunto de todas as funções reais de variável real de…nidas num conjunto S R,
com as operações usuais:
(f + g)(x) = f (x) + g(x),
( f )(x) = f (x).
Observação 11. Existem espaços lineares com operações não usuais:
(i) O conjunto dos números reais R, com a soma de…nida por
u v = u + v + 1,
e o produto por escalares de…nido por
u= u+ 1,
é um espaço linear. (Neste caso o elemento neutro é 1.)
(ii) O conjunto dos números reais maiores do que zero, com a soma de…nida por
u v = uv,
e o produto por escalares de…nido por
u=u ,
é um espaço linear. (Neste caso o elemento neutro é 1.)
39
Observação 12. Alterações nos conjuntos considerados anteriormente podem resultar
em conjuntos que não são espaços lineares.
(i) O conjunto f(x; y) 2 R2 : x 0 e y 0g, com as operações usuais, não é um espaço

linear. Por exemplo, os simétricos não estão no conjunto.
(ii) O conjunto V = fa0 + a1 t + ::: + an tn : a0 ; a1 ; :::; an 2 R e an 6= 0g de todos os polinómios

reais de grau igual a n, com as operações usuais, não é um espaço linear. Por exemplo, para
n > 1:
tn ; tn + t 2 V , mas tn + ( tn + t) = t 2 = V.
(iii) O conjunto U = ff : R ! R tais que f (1) = 2g, com as operações usuais, não é
um espaço linear. Por exemplo, se f1 ; f2 2 U ,
(f1 + f2 ) (1) = f1 (1) + f2 (1) = 2 + 2 = 4 6= 2.
Logo, f1 + f2 2
= U.
De…nição 27. Seja V um espaço linear. Diz-se que S é um subespaço de V se S é um

subconjunto de V e se S, com as operações de V , fôr um espaço linear.
Observação 13. No entanto, para mostrar que um certo conjunto S V é um subespaço

do espaço linear V , não será necessário veri…car as 10 propriedades da de…nição de espaço
linear, como se pode ver no seguinte teorema.
Teorema 20. Um subconjunto não vazio S de um espaço linear V é um subespaço de

V se e só se as seguintes condições (i) e (ii) forem satisfeitas.
(i) Para quaisquer u; v 2 S tem-se u + v 2 S.
(ii) Para quaisquer 2 R e u 2 S tem-se u 2 S.
Exemplo 21. Exemplos de subespaços:
(i) Os únicos subespaços do espaço linear R, com as operações usuais, são f0g e R.
(ii) Os subespaços do espaço linear R3 , com as operações usuais, são: f(0; 0; 0)g, R3 ,
todas as rectas que passam pela origem e todos os planos que passam pela origem.
(iii) O conjunto de todas as matrizes (reais) triangulares superiores (do tipo n n) é um

subespaço do espaço linear Mn n (R), com as operações usuais.
(iv) O conjunto de todas as funções reais de…nidas e contínuas em I R (I é um

intervalo) é um subespaço do espaço linear de todas as funções f : I ! R, com as operações
usuais.
40
De…nição 28. Seja A 2 Mm n (R). O conjunto
C(A) = fb 2 Rm : Au = b tem pelo menos uma solução ug
é um subespaço do espaço linear Rm , com as operações usuais, ao qual se dá o nome de

espaço das colunas de A.
De…nição 29. Seja A 2 Mm n (R). O conjunto
N (A) = fu 2 Rn : Au = 0g
é um subespaço do espaço linear Rn , com as operações usuais, ao qual se dá o nome de

espaço nulo ou núcleo de A.
Teorema 21 . Seja A 2 Mn n (R).
A invertível , N (A) = f0g
De…nição 30. Seja S um subconjunto não vazio de um espaço linear V . Diz-se que um
vector u é combinação linear …nita dos elementos de S, se existir um no …nito de elementos
de S, u1 ; :::; uk , e de escalares 1 ; :::; k tais que
X
k
u= 1 u1 + ::: + k uk = i ui .
i=1
Seja
L(S) = f 1 u1 + ::: + k uk : 1 ; :::; k 2 Rg ,
(no caso do corpo dos escalares ser R) isto é, seja L(S) o conjunto de todas as combinações
lineares …nitas de elementos de S. O conjunto L(S) é (veri…que!) um subespaço de V . A
L(S) chama-se a expansão linear de S ou subespaço de V gerado por S e diz-se que
S gera L(S) ou ainda que S é um conjunto gerador do espaço linear L(S). Se S é o
conjunto vazio ?, escreve-se L(?) = f0g.
Teorema 22. (i) Seja S um subconjunto não vazio de um espaço linear V . A expansão
linear L(S) de S é o menor subespaço de V que contém S.
(ii) Sejam S e T dois subconjuntos não vazios de um espaço linear V , com S T . Se

L(S) = V então L(T ) = V .
De…nição 31. Seja A uma matriz (real) do tipo m n. Ao subespaço linear de Rn

gerado pelas linhas de A dá-se o nome de espaço das linhas de A e designa-se por L(A).
Exemplo 22. (i) O espaço linear R2 é gerado por qualquer dos seguintes conjuntos de
vectores:
f(1; 0); (0; 1)g, f(1; 2); ( 1; 11)g e f(23; 8); (6; 14)g.
41
(ii) O subespaço f(x; y) 2 R2 : y = 2xg do espaço linear R2 é gerado por qualquer dos
seguintes conjuntos de vectores:
f(1; 2)g, f( 2; 4)g e f(77; 154)g.
(iii) O espaço linear Pn de todos os polinómios reais de variável real e de grau menor ou
igual a n, é gerado por qualquer dos seguintes conjuntos de vectores:
t t2 tn
f1; t; t2 ; :::; tn g, f1; 1 + t; (1 + t)2 ; :::; (1 + t)n g e f1; ; ; :::; g.
1! 2! n!
(iv) O espaço linear P de todos os polinómios reais de variável real, é gerado pelo conjunto
in…nito de vectores:
f1; t; t2 ; :::g.
(v) Seja U o espaço linear de todas as funções reais com primeira derivada contínua em
R (isto é, pertencentes a C 1 (R)) e tais que f 0 (x) = af (x) (em R) com a 2 R. Então U é
gerado pela função g (x) = eax , tendo-se U = L (fgg).
(vi) Seja A uma matriz (real) do tipo m n. O espaço das colunas de A,
C(A) = fb 2 Rm : Au = b tem pelo menos uma solução ug ,
é o subespaço (do espaço linear Rm ) gerado pelas colunas de A, uma vez que:
2 3 2 32 3 2 3 2 3
b1 a11 a1n u1 a11 a1n
6 .. 7 6 .. .. 7 6 .. 7 = u 6 .. 7 + ::: + u 6 .. 7 .
4 . 5=4 . . 54 . 5 14 . 5 n4 . 5
bm am1 amn un am1 amn
2 3 2 3
1 3 1 1 2
0 0 0 2 0
(vii) A = , B=4 0 0 7 5, C = 4 2 4 5, D = .
0 0 0 0 1
0 0 0 2 4
C(A) = f(0; 0)g, N (A) = R3 , L(A) = f(0; 0; 0)g.
C(B) = L (f(1; 0; 0) ; (1; 7; 0)g) , N (B) = L (f(3; 1; 0)g) ; L(B) = L (f(1; 3; 1) ; (0; 0; 7)g) .
C(C) = L (f( 1; 2; 2)g) ; N (C) = L (f(2; 1)g) ; L(C) = L (f( 1; 2)g) :
C(D) = L (f(2; 0) ; (0; 1)g) , N (D) = f(0; 0)g; L(D) = L (f(2; 0) ; (0; 1)g) .
(viii) Seja U = fA 2 M3 2 (R) : a12 = a21 = a32 = 0 e a11 + 2a31 = 0g. Tem-se, para
A 2 U,
2 3 2 3 2 3 2 3
a11 a12 2a31 0 2 0 0 0
A = 4 a21 a22 5 = 4 0 a22 5 = a31 4 0 0 5 + a22 4 0 1 5 ,
a31 a32 a31 0 1 0 0 0
42
com a31 ; a22 2 R. Logo,
082 3 2 391
< 2 0 0 0 =
U = L@ 4 0 0 5;4 0 1 5 A.
: ;
1 0 0 0
(ix) Seja U = fp(t) = a0 + a1 t + a2 t2 2 P2 : p(1) = p(0)g. Tem-se, para p(t) 2 U ,
p(1) = p(0) , a0 + a1 + a2 = a0 , a1 + a2 = 0 , a1 = a2 .
Logo, p(t) = a0 a2 t + a2 t2 = a0 1 + a2 ( t + t2 ), com a0 ; a2 2 R. Assim,
U =L 1; t + t2 .
Teorema 23. Se U e V subespaços do espaço linear W , então U [ V é subespaço de W

se e só se U V ou V U.
Teorema 24. Se U e V são subespaços do espaço linear W , então:
(i) O conjunto U \ V é um subespaço linear de W .
(ii) O conjunto U + V = fu + v : u 2 U e v 2 V g é um subespaço de W . É o

menor subespaço de W que contém U [ V . O conjunto U [ V em geral não é um subespaço.
Escreve-se U + V = L(U [ V ).
Observação 14. (i) U é um subespaço de Rn se e só se existir uma matriz A tal que
U = N (A) :
(ii) Sejam U1 e U2 subespaços de Rn . Se U1 = L (S1 ) e U2 = L (S2 ) então
U1 + U2 = L (S1 [ S2 ) :
Se U1 = N (A) e U2 = N (B) então
A
U1 \ U2 = N :
B
(iii) U é um subespaço de Pn = fa0 + a1 t + ::: + an tn : a0 ; a1 ; :::; an 2 Rg se e só se existir

uma matriz A tal que
U = fa0 + a1 t + ::: + an tn : (a0 ; a1 ; :::; an ) 2 N (A)g .
(iv) Sejam U1 e U2 subespaços de Pn . Se U1 = L (S1 ) e U2 = L (S2 ) então
U1 + U2 = L (S1 [ S2 ) :
43
Se
U1 = fa0 + a1 t + ::: + an tn : (a0 ; a1 ; :::; an ) 2 N (A)g
e
U2 = fa0 + a1 t + ::: + an tn : (a0 ; a1 ; :::; an ) 2 N (B)g
então
A
U1 \ U2 = a0 + a1 t + ::: + an tn : (a0 ; a1 ; :::; an ) 2 N :
B
(v) U é um subespaço de Mm n (R) se e só se existir uma matriz B tal que
U = fA = (aij ) 2 Mm n (R) : (a11 ; :::; am1 ; :::; a1n ; :::; amn ) 2 N (B)g
(vi) Sejam U1 e U2 subespaços de Mm n (R). Se U1 = L (S1 ) e U2 = L (S2 ) então
U1 + U2 = L (S1 [ S2 ) :
Se
U1 = fA = (aij ) 2 Mm n (R) : (a11 ; :::; am1 ; :::; a1n ; :::; amn ) 2 N (B)g
e
U2 = fA = (aij ) 2 Mm n (R) : (a11 ; :::; am1 ; :::; a1n ; :::; amn ) 2 N (C)g
então
B
U1 \ U2 = A = (aij ) 2 Mm n (R) : (a11 ; :::; am1 ; :::; a1n ; :::; amn ) 2 N :
C
Exemplo 23. (i) Em R3 , considere os subespaços:
U = f(x; y; z) 2 R3 : x + y 2z = 0g e V = L (f(1; 1; 1); (1; 2; 1)g) .
Seja v 2 V , então
v = (1; 1; 1) + (1; 2; 1) = ( + ; +2 ; + ),
com ; 2 R. Para que v esteja também em U é preciso que:
( + )+( +2 ) 2( + ) = 0.
A última equação é equivalente a 4 + =0, = 4 . Logo,
U \ V = f( 3 ; 7 ; 5 ) : 2 Rg = f ( 3; 7; 5) : 2 Rg = L (f(3; 7; 5)g) .
(ii) Em R3 , considere os subespaços:
U = L (f(1; 1; 1); (1; 2; 2)g) e V = L (f(2; 1; 1); ( 1; 1; 3)g) .
44
Seja v 2 U , então
v = (1; 1; 1) + (1; 2; 2) = ( + ; +2 ; + 2 ),
com ; 2 R. Para que v esteja também em V é preciso que:
( + ; +2 ; + 2 ) = (2; 1; 1) + ( 1; 1; 3) = (2 ; + ; + 3 ),
com ; 2 R. Deste modo, 8

< + =2
+2 = +
:
+2 = +3 .
Considerando a matriz aumentada tem-se
2 3 2 3 2 3
1 1 j 2 1 1 j 2 1 1 j 2
4 1 2 j + 5 ! 4 0 3 j 3 5 ! 4 0 3 j 3 5.
L1 +L2 !L2 1
L +L3 !L3
1 2 j +3 L1 +L3 !L3 0 1 j +4 3 2 0 0 j 2 +4
Logo, 8 8
< + =2 < =
= , =2
: :
0= 2 +4 . =2 .
Assim,
(1; 1; 1) + (1; 2; 2) = (1; 1; 1) + 2 (1; 2; 2) = (3 ; 3 ; 5 ) = (3; 3; 5).
Logo,
U \ V = f(3 ; 3 ; 5 ) : 2 Rg =f (3; 3; 5) : 2 Rg = L (f(3; 3; 5)g) .
Resolução alternativa para determinar U \V : Seja (x; y; z) 2 U = L (f(1; 1; 1); (1; 2; 2)g).
Assim, existem escalares ; 2 R tais que
(x; y; z) = (1; 1; 1) + (1; 2; 2).
Logo, o sistema seguinte é possível

2 3
1 1 j x
4 1 2 j y 5.
1 2 j z
Atendendo a que
2 3 2 3 2 3
1 1 j x 1 1 j x 1 1 j x
4 1 2 j y 5 ! 4 0 3 j x+y 5 ! 4 0 3 j x+y 5
L1 +L2 !L2 1
L +L3 !L3 4 1
1 2 j z L1 +L3 !L3 0 1 j z x 3 2 0 0 j z 3x 3y
4 1
logo (x; y; z) 2 U , z 3
x 3
y = 0 , 4x + y 3z = 0. Ou seja:
U = f(x; y; z) 2 R3 : 4x + y 3z = 0g = N 4 1 3 .
45
Seja (x; y; z) 2 V = L (f(2; 1; 1); ( 1; 1; 3)g). Existem escalares ; 2 R tais que
(x; y; z) = (2; 1; 1) + ( 1; 1; 3).
Logo, o sistema seguinte é possível

2 3
2 1 j x
4 1 1 j y 5.
1 3 j z
Atendendo a que
2 3 2 3 2 3
2 1 j x 2 1 j x 2 1 j x
4 1 1 j y 5 ! 4 0 3=2 j y x 5 ! 4 0 3=2 j y x 5
1 2 7 2
L +L2 !L2 x L +L3 !L3 2 7
1 3 j z 2 1
1
0 7=2 j z 2
3 2 0 0 j 3
x 3
y + z
L +L3 !L3
2 1
7
logo (x; y; z) 2 V , z 3
y + 32 x = 0 , 2x 7y + 3z = 0. Ou seja:
V = f(x; y; z) 2 R3 : 2x 7y + 3z = 0g = N 2 7 3 .
Logo,
4 1 3 4 1 3
U \V = N =N =
2 7 3 0 5 3
= f(3y; 3y; 5y) : 2 Rg =fy(3; 3; 5) : y 2 Rg = L (f(3; 3; 5)g) .
(iii) Seja U o subespaço de Mn n (R) das matrizes triangulares superiores e seja V o

subespaço de Mn n (R) das matrizes triangulares inferiores. Então
U + V = Mn n (R) e U \ V = subespaço das matrizes diagonais.
(iv) Sejam U = L(f(1; 0)g) e V = L(f(0; 1)g) subespaços de R2 . O conjunto
U [ V = f(x; y) 2 R2 : x = 0 _ y = 0g
= U [ V . No entanto, tem-se U + V = R2 .
não é um espaço linear pois (1; 0) + (0; 1) = (1; 1) 2
| {z } | {z }
2U 2V
Observação 15. Vejamos que se tem:
L (f(1; 4; 0); (0; 3; 1)g) = L (f(1; 2; 2); (1; 1; 1)g) .
Como
(1; 4; 0)) = (1; 2; 2) + 2(1; 1; 1) e (0; 3; 1) = (1; 2; 2) (1; 1; 1)
logo
L (f(1; 4; 0); (0; 3; 1)g) L (f(1; 2; 2); (1; 1; 1)g) .
Como
(1; 2; 2) = (1; 4; 0) + 2(0; 3; 1) e (1; 1; 1) = (1; 4; 0) + (0; 3; 1)
46
logo
L (f(1; 2; 2); (1; 1; 1)g) L (f(1; 4; 0); (0; 3; 1)g) .
Assim:
L (f(1; 4; 0); (0; 3; 1)g) = L (f(1; 2; 2); (1; 1; 1)g) .
De facto, o que se mostrou foi o seguinte:
2 3 2 3 23 2 3
1 0 1 1 1 0 1 1
4 4 3 5=4 2 1 1 1 1
1 5 ,4 4 3 5 4
= 2 1 5
2 1 2 1
0 1 2 1 0 1 2 1
em que
1
1 1 1 1
= :
2 1 2 1
De…nição 32. Sejam W1 e W2 subespaços de um espaço linear V . Diz-se que V é a

soma directa dos espaços W1 e W2 e escreve-se
V = W1 W2
se
V = W1 + W2 e W1 \ W2 = f0g:
Teorema 25. Sejam W1 e W2 subespaços de um espaço linear V tais que V = W1 W2 .

Então todo o vector v 2 V pode ser escrito de modo único na forma
v = w1 + w2
com w1 2 W1 e w2 2 W2 .
Teorema 26. Seja A 2 Mm n (R). Tem-se

C(A) = L(AT ) e L(A) \ N (A) = f0g:
Dem. Vejamos que N (A) \ C AT = f0g. Seja y 2 N (A) \ C AT . Então existe x

tal que Ay = 0 e y = AT x: Logo y T = xT A e y T y = xT A y = xT (Ay) = xT 0 = 0.
Xn
Isto é yi2 = y T y = 0 ou seja y = (y1 ; :::; yn ) = (0; :::; 0) = 0. Logo, N (A) \ L (A) =
i=1
N (A) \ C AT = f0g :
Observação 16. Seja A 2 Mm n (R). Se A0 fôr a matriz em escada que se obtem de A

por aplicação do método de eliminação de Gauss, tem-se
C(A) 6= C(A0 ).
Teorema 27. Seja A 2 Mm n (R). O espaço das linhas L(A) e o núcleo N (A) mantêm-
se invariantes por aplicação do método de eliminação de Gauss. Isto é, sendo A0 a matriz
em escada que se obtem de A por aplicação desse método, tem-se
L(A) = L(A0 ) e N (A) = N (A0 ).
47
Independência linear
De…nição 33. (i) Seja V um espaço linear. Seja
S = fv1 ; :::; vk g V:
Diz-se que o conjunto S é linearmente dependente se e só se algum dos vectores de S se

escrever como combinação linear dos restantes, isto é, se e só se existir algum i 2 f1; :::; kg
e escalares 1 ; :::; i 1 ; i+1 ; :::; k 2 R tais que
vi = 1 v1 + ::: + i 1 vi 1 + i+1 vi+1 + ::: + k vk .
(ii) Seja V um espaço linear. Seja
S = fv1 ; :::; vk g V:
Diz-se que o conjunto S é linearmente independente se e só se nenhum dos vectores de

S se puder escrever como combinação linear dos restantes, isto é, se e só a única solução do
sistema homogéneo
1 v1 + ::: + k vk = 0
fôr a solução trivial, ou seja, 1 = ::: = k = 0. No caso em que V = Rn , sendo A a matriz

cujas colunas são os vectores de S V , diz-se que S é linearmente independente se e só
se N (A) = f0g.
Teorema 28. Seja A0 uma matriz em escada de linhas.
(i) As colunas de A0 que contêm pivots são linearmente independentes.
(ii) As linhas não nulas de A0 são linearmente independentes.
(iii) O no de linhas independentes e o no de colunas independentes (de A0 ) são ambos

iguais à característica de A0 .
Observação 17. (i) Assim, atendendo ao teorema anterior, a independência linear de

S = fv1 ; v2 ; :::; vk g V (espaço linear) pode ser decidida aplicando o método de eliminação
à matriz A cujas colunas são os vectores de S, de modo a colocá-la em escada de linhas.
Sendo A0 essa matriz em escada, tem-se
N (A) = N (A0 ) (*).
Uma vez que as colunas de A0 que contêm pivots são linearmente independentes então, devido
a (*), as colunas de A nas posições correspondentes também serão linearmente independentes.
(ii) Em R, quaisquer dois vectores são linearmente dependentes.
48
(iii) Em R2 , dois vectores são linearmente independentes se não forem colineares.
(iv) Em R3 , três vectores são linearmente independentes se não forem coplanares.
(v) Qualquer conjunto que contenha o vector nulo (elemento neutro) é linearmente de-
pendente. Em particular, o conjunto f0g, formado apenas pelo vector nulo, é linearmente
dependente.
(vi) O conjunto vazio ? é linearmente independente.
Teorema 29. Sejam S1 e S2 dois subconjuntos …nitos de um espaço linear, tais que
S1 S2 .
(i) Se S1 é linearmente dependente então S2 também é linearmente dependente.
(ii) Se S2 é linearmente independente então S1 também é linearmente independente.
Observação 18. Sejam S1 e S2 dois subconjuntos …nitos de um espaço linear, tais que
S1 S2 .
(i) Se S2 fôr linearmente dependente então S1 tanto pode ser linearmente dependente
como linearmente independente.
(ii) Se S1 fôr linearmente independente então S2 tanto pode ser linearmente dependente
como linearmente independente.
Exemplo 24. Seja S = f(1; 0; 2); (2; 0; 4); (0; 1; 2)g. Tem-se
2 3 2 3 2 3
1 2 0 1 2 0 1 2 0
A= 04 0 1 5 ! 4 0 0 1 5 ! 4 0 0 1 5 = A0 :
2L1 +L3 !L3 2L2 +L3 !L3
2 4 2 0 0 2 0 0 0
Logo, como apenas existem dois pivots e portanto uma variável livre, as três colunas de A
são linearmente dependentes, isto é, o conjunto S é linearmente dependente. O subconjunto
de S:
f(1; 0; 2); (2; 0; 4)g
também é linearmente dependente. No entanto, uma vez que a 1a e 3a colunas de A são

independentes pois correspondem às colunas da matriz em escada A0 que contêm os pivots,
o subconjunto de S:
f(1; 0; 2); (0; 1; 2)g
é linearmente independente.
49
Bases e dimensão de um espaço linear
De…nição 34. Chama-se base de um espaço linear V a qualquer subconjunto B de V

que veri…que as duas condições:
(i) B gera V , isto é,

L(B) = V:
(ii) B é linearmente independente.
Teorema 30. Qualquer espaço linear V 6= f0g tem pelo menos uma base.
Teorema 31. (i) Qualquer espaço linear V 6= f0g tem um no in…nito de bases.
(ii) Seja V 6= f0g um espaço linear. Sejam p; q 2 N tais que fu1 ; :::; up g é um conjunto
gerador de V e fv1 ; :::; vq g é um subconjunto de V linearmente independente. Então
p q:
(iii) Todas as bases de um espaço linear V 6= f0g têm o mesmo no de vectores.
Dem. (i) Se B = fu1 ; :::; uk g fôr uma base de V então para cada 6= 0 o conjunto
f u1 ; :::; uk g é também uma base de V .
(ii) Suponhamos que p < q. Neste caso, como todos os vectores do conjunto fv1 ; :::; vq g
são não nulos por serem LI, poderíamos substituir sucessivamente os p vectores do conjunto
fu1 ; :::; up g gerador de V por p vectores do conjunto fv1 ; :::; vq g, permitindo assim escrever
cada vector do conjunto fvp+1 ; :::; vq g como combinação linear do novo conjunto gerador de
V : fv1 ; :::; vp g e contrariando o facto dos vectores do conjunto fv1 ; :::; vq g serem linearmente
independentes.
Demonstração alternativa de (ii). Suponhamos que p < q. Como fu1 ; :::; up g gera
V , para cada j = 1; :::; q existem escalares a1j ; :::apj tais que
p
X
vj = aij ui :
i=1
Seja A = (aij )p q . Como p < q, o sistema homogéneo A = 0 é possível e indeterminado.

Seja = [ 1 ::: q ]T 6= 0 uma solução não nula de A = 0, isto é,
2 q 3
P
2 3 2 3
a11 a1q 6 j=1 a1j j 7
Xq 6 7
6 7 6 7 6 7
0= aij j = 1 4 ... 5 + ::: + q 4 ... 5 = 6 ..
7
6 q . 7
j=1 ap1 apq 4 P 5
apj j
j=1
50
com os j escalares não todos nulos. Por outro lado,
q q p p q
!
X X X X X
j vj = j aij ui = aij j ui =
j=1 j=1 i=1 i=1 j=1
q
! q
!
X X
= a1j j u1 + ::: + apj j up =
j=1 j=1
= 0u1 + ::: + 0up = 0
com os j não todos nulos, contrariando o facto dos vectores do conjunto fv1 ; :::; vq g serem
linearmente independentes.
(iii) Sendo fv1 ; :::; vq g e fu1 ; :::; up g duas bases de V , por (i) tem-se p qeq p. Logo
p = q:
De…nição 35. Chama-se dimensão de um espaço linear V 6= f0g ao no de vectores de

uma base qualquer de V , e escreve-se dim V . Se V = f0g então dim V = 0 uma vez que o
conjunto vazio ? é base de f0g. Um espaço linear terá dimensão …nita se uma sua base tiver
um no …nito de vectores.
Observação 19. A dimensão de um espaço linear, isto é, o no de elementos de uma sua

base é igual ao no mínimo de vectores possam constituir um conjunto gerador desse espaço
e é também igual ao no máximo de vectores que possam constituir um conjunto linearmente
independente nesse espaço.
Exemplo 25. (i) O conjunto f1g é uma base de R, chamada base canónica ou natural
de R. Logo,
dim R = 1.
(ii) O conjunto f(1; 0); (0; 1)g é uma base de R2 , chamada base canónica ou natural de
2
R . Logo,
dim R2 = 2.
(iii) O conjunto f(1; 0; 0); (0; 1; 0); (0; 0; 1)g é uma base de R3 , chamada base canónica
ou natural de R3 . Logo,
dim R3 = 3.
(iv) Considerando C como corpo de escalares:
(a) o espaço linear C tem dimensão 1 sendo f1g a base canónica de C uma vez que
a + bi = (a + bi) 1
(b) o espaço linear C2 tem dimensão 2 sendo f(1; 0) ; (0; 1)g a base canónica de C2 uma
vez que
(a + bi; c + di) = (a + bi) (1; 0) + (c + di) (0; 1) .
(v) Considerando R como corpo de escalares:
(a) o espaço linear C tem dimensão 2 sendo f1; ig a base canónica de C uma vez que
a + bi = a1 + bi
51
com a; b 2 R.
(b) o espaço linear C2 tem dimensão 4 sendo f(1; 0) ; (i; 0) ; (0; 1) ; (0; i)g a base canónica
de C2 uma vez que
(a + bi; c + di) = a (1; 0) + b (i; 0) + c (0; 1) + d (0; i)
com a; b; c; d 2 R.
(vi) O conjunto
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
; ; ; ; ;
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
é uma base de M2 3 (R), chamada base canónica ou natural de M2 3 (R). Logo,
dim M2 3 (R) = 6.
(vii) Tem-se
dim Rn = n e dim Mm n (R) = mn.
(viii) O conjunto f1; t; t2 ; :::; tn g é uma base de Pn (espaço linear de todos os polinómios
reais de variável real e de grau menor ou igual a n), chamada base canónica ou natural de
Pn . Logo,
dim Pn = n + 1.
(ix) O conjunto f1; t; t2 ; :::g é uma base de P (espaço linear de todos os polinómios reais
de variável real), chamada base canónica ou natural de P. Logo,
dim P = 1.
Teorema 32. Seja A uma matriz do tipo m n. Tem-se
dim L(A) = car A.
Observação 20. Seja A uma matriz do tipo m n. Mais tarde ver-se-á (Teorema 46
(ii) e Exemplo 35) que
dim Rn = dim N (A) + dim L(A)
o que permitirá concluir que
dim N (A) = nul A.
Teorema 33. Seja A uma matriz do tipo m n. Tem-se
dim C(A) = dim L(A) = car A.
Dem. Suponhamos que car A = k. Sendo A0 a matriz m n em escada (reduzida) de

linhas, então A0 tem exactamente k linhas não nulas. Sejam R1 ; :::; Rk essas linhas. Como
L(A) = L(A0 );
52
então as linhas L1 ; :::; Lm de A podem ser expressas como combinações lineares das linhas
R1 ; :::; Rk , ou seja, existem escalares cij ; com i = 1; :::; m e j = 1; :::; k tais que
L1 = c11 R1 + ::: + c1k Rk

:::
Lm = cm1 R1 + ::: + cmk Rk
Para i = 1; :::; m, sejam aij e rij as componentes j das linhas Li e Ri respectivamente.

Assim, tem-se
a1j = c11 r1j + ::: + c1k rkj
:::
amj = cm1 r1j + ::: + cmk rkj
ou seja, matricialmente,
2 3 2 3 2 3
a1j c11 c1k
6 .. 7 6 . 7 6 . 7
4 . 5 = r1j 4 .. 5 + ::: + rkj 4 .. 5 .
amj cm1 cmk
2 3
a1j
6 7
Como 4 ... 5 é a coluna j de A, a última igualdade mostra que os vectores
amj
2 3 2 3
c11 c1k
6 .. 7 6 . 7
4 . 5 ; :::; 4 .. 5
cm1 cmk
geram C (A). Logo, tem-se

dim C (A) k = dim L (A) .
Deste modo, substituindo A por AT tem-se também
dim C AT dim L AT :
| {z } | {z }
=dim L(A) =dim C(A)
Ou seja, tem-se
dim C (A) dim L (A)
e
dim L (A) dim C (A) :
Isto é,
dim C (A) = dim L (A) .
Observação 21. Atendendo ao teorema anterior tem-se
car A = car AT
uma vez que

car A = dim C (A) = dim L (A) = dim C AT = car AT .
53
Teorema 34. Sejam V um espaço linear de dimensão …nita e W um subespaço de V .
(i) Seja S = fu1 ; :::; uk g V . Se S é linearmente independente então S será um subcon-

junto de uma base de V e ter-se-á dim V k.
(ii) Se dim V = n, então quaisquer m vectores de V , com m > n, são linearmente

dependentes.
(iii) Se dim V = n, então nenhum conjunto com m vectores de V , em que m < n, pode
gerar V .
(iv) O subespaço W tem dimensão …nita e dim W dim V .
(v) Se dim W = dim V , então W = V .
(vi) Se dim V = n, então quaisquer n vectores de V linearmente independentes cons-

tituem uma base de V .
(vii) Se dim V = n, então quaisquer n vectores geradores de V constituem uma base de

V.
Exemplo 26. (i) Os seguintes conjuntos são todos os subespaços de R: f0g e R.
(ii) Os seguintes conjuntos são todos os subespaços de R2 :
f(0; 0)g , todas as rectas que contêm a origem e R2 .
(iii) Os seguintes conjuntos são todos os subespaços de R3 :
f(0; 0; 0)g , todas as rectas que contêm a origem,
todos os planos que contêm a origem e R3 .
Observação 22. O método de eliminação de Gauss permite determinar a dimensão

e uma base quer para o espaço das linhas L(A) quer para o espaço das colunas C(A) de
uma matriz A. Seja A0 a matriz em escada que se obtem de A por aplicação do método de
eliminação de Gauss. Então,
(i) Uma base para L(A) será formada pelas linhas não nulas de A0 .
(ii) Uma base para C(A) será formada pelas colunas de A que correspondem às posições
das colunas de A0 que contêm os pivots.
2 3
2 1 1 1
Exemplo 27. Seja A = 4 4 2 3 3 5. Tem-se
6 3 1 1
2 3 2 3 2 3
2 1 1 1 2 1 1 1 2 1 1 1
A= 4 4 2 3 3 5 ! 4 0 0 1 1 5 ! 4 0 0 1 1 5 = A0 .
2L1 +L2 !L2 4L2 +L3 !L3
6 3 1 1 3L1 +L3 !L3 0 0 4 4 0 0 0 0
54
Logo, f(2; 1; 1; 1); (0; 0; 1; 1)g é uma base de L(A) e f(2; 4; 6); (1; 3; 1)g é uma base de C(A).
Assim,
dim L(A) = 2 = dim C(A)
e
L(A) = L (f(2; 1; 1; 1); (0; 0; 1; 1)g) , C(A) = L (f(2; 4; 6); (1; 3; 1)g) .
Por outro lado,
8 2 3 2 39
>
> x 0 >>
< 6 y 7 6 =
0 7
N (A0 ) = (x; y; z; w) 2 R4 : A0 6 7 6
4 z 5=4
7 =
>
> 0 5>
>
: ;
w 0
= f(x; 2x; w; w) : x; w 2 Rg = L (f(1; 2; 0; 0); (0; 0; 1; 1)g) .

Como o conjunto f(1; 2; 0; 0); (0; 0; 1; 1)g é linearmente independente e gera N (A0 ) então
é uma base de N (A0 ). Finalmente, uma vez que N (A) = N (A0 ), o conjunto
f(1; 2; 0; 0); (0; 0; 1; 1)g
é uma base de N (A) e portanto dim N (A) = 2, com
N (A) = L (f(1; 2; 0; 0); (0; 0; 1; 1)g) .
Exemplo 28. Seja
S = f1; 2; 1); (2; 1; 1); ( 1; 2; 1); (0; 1; 0)g R3 :
Determinemos uma base para L(S).

Considerando a matriz cujas colunas são os vectores de S, tem-se
2 3 2 3 2 3
1 2 1 0 1 2 1 0 1 2 1 0
4 2 1 2 1 5 ! 4 0 3 0 1 5 ! 4 0 3 0 1 5.
2L1 +L2 !L2 L2 +L3 !L3
1 1 1 0 L1 +L3 !L3 0 3 0 0 0 0 0 1
Logo, S 0 = f1; 2; 1); (2; 1; 1); (0; 1; 0)g é uma base de L(S). Como dim R3 = 3, então tem-se
mesmo: L(S) = R3 e S 0 é uma base de R3 .
Resolução alternativa: Considerando a matriz cujas linhas são os vectores de S, tem-se

2 3 2 3 2 3 2 3
1 2 1 1 2 1 1 2 1 1 2 1
6 2 1 1 7 6 0 3 3 7 6 0 3 3 7 6 0 3 3 7
6 7 ! 6 7 ! 6 7 ! 6 7.
4 1 2 1 5 2L1 +L2 !L2 4 0 0 0 5 L3 $L4 4 0 1 0 5 13 L2 +L3 !L3 4 0 0 1 5
L1 +L3 !L3
0 1 0 0 1 0 0 0 0 0 0 0
Logo, S 0 = f1; 2; 1); (0; 3; 3); (0; 0; 1)g é uma base de L(S). Como dim R3 = 3, então
tem-se mesmo: L(S) = R3 e S 0 é uma base de R3 .
55
Exemplo 29. Seja
Sa;b = f1; 0; 1); (0; 1; a); (1; 1; b); (1; 1; 1)g R3 :
Determinemos os valores dos parâmetros a e b para os quais Sa;b não gere R3 .

Considerando a matriz cujas colunas são os vectores de S, tem-se
2 3 2 3 2 3
1 0 1 1 1 0 1 1 1 0 1 1
4 0 1 1 1 5 ! 4 0 1 1 1 5 ! 4 0 1 1 1 5.
L1 +L3 !L3 aL2 +L3 !L3
1 a b 1 0 a b 1 0 0 0 b a 1 a
Logo, Sa;b não gera R3 se e só se b a 1=0e a = 0, isto é, se e só se a = 0 e b = 1.
Teorema 35. (i) Seja A 2 Mm n (R). As colunas de A geram Rm se e só se car A = m.
(ii) Seja A 2 Mm n (R). As colunas de A são linearmente independentes se e só se

car A = n.
(iii) Seja A 2 Mn n (R). A matriz A é invertível se e só se as colunas de A (ou as linhas

de A) formarem uma base de Rn . No caso de A ser invertível tem-se
C(A) = L(A) = Rn .
Teorema 36. Seja A 2 Mm n (R) e considere o sistema de equações lineares Au = b.
(i) O sistema Au = b é impossível (não tem solução) se e só se b 2

= C(A), isto é, se e só
se car A < car [A j b].
(ii) O sistema Au = b é possível e indeterminado (tem um no in…nito de soluções) se

e só se b 2 C(A) e as colunas de A forem linearmente dependentes, isto é, se e só se
car A = car [A j b] < n;
isto é, se e só se
car A = car [A j b] e nul A 6= 0:
(iii) O sistema Au = b é possível e determinado (tem uma única solução) se e só se

b 2 C(A) e as colunas de A forem linearmente independentes, isto é, se e só se
car A = car [A j b] = n;
isto é, se e só se
car A = car [A j b] e nul A = 0:
Teorema 37. Sejam W1 e W2 dois subespaços de dimensão …nita de um espaço linear

V . Então,
dim (W1 + W2 ) = dim W1 + dim W2 dim (W1 \ W2 ) ,
56
Dem. Sejam
n = dim W1 ; m = dim W2 e k = dim (W1 \ W2 ) :
Se k = 0 a igualdade do teorema é imediata. Se k 6= 0, seja fw1 ; :::; wk g uma base de W1 \W2 .
Sejam uk+1 ; :::; un 2 W1 tais que
fw1 ; :::; wk ; uk+1 ; :::; un g
é uma base de W1 . Sejam vk+1 ; :::; vm 2 W2 tais que
fw1 ; :::; wk ; vk+1 ; :::; vm g
é uma base de W2 . Vejamos que
B = fw1 ; :::; wk ; uk+1 ; :::; un ; vk+1 ; :::; vm g
é uma base de W1 + W2 .
Seja w 2 W1 + W2 . Existem u 2 W1 e v 2 W2 tais que w = u + v. Ou seja, existem
escalares (únicos) 1 ; :::; n e 1 ; :::; m tais que
X
k X
n X
m
w =u+v = ( i + i ) wi + j uj + l vl
i=1 j=k+1 l=k+1
pelo que B gera W1 + W2 .

Sejam 1 ; :::; n ; k+1 ; :::; m n+m k escalares tais que
X
k X
n X
m
0= i wi + j uj + l vl ;
i=1 j=k+1 l=k+1
isto é, !
X
m X
k X
n
l vl = i wi + j uj 2 W1 ,
l=k+1 i=1 j=k+1
P
m
ou seja l vl 2 W1 \ W2 . Atendendo a que fw1 ; :::; wk g é base de W1 \ W2 , existem
l=k+1
escalares 1 ; :::; k tais que
X
m X
k
l vl = i wi ,
l=k+1 i=1
P
k P
m
isto é, i wi + ( l ) vl = 0. Como fw1 ; :::; wk ; vk+1 ; :::; vm g é uma base de W2 , tem-se
i=1 l=k+1
1 = ::: = k = k+1 = ::: = m = 0.

Logo
X
k X
n X
m X
k X
n
0= i wi + j uj + l vl = i wi + j uj .
i=1 j=k+1 l=k+1 i=1 j=k+1
Assim, como fw1 ; :::; wk ; uk+1 ; :::; un g é uma base de W1 , tem-se 1 = ::: = n = 0. Deste
modo, como
1 = ::: = n = k+1 = ::: = m = 0
então o conjunto B é linearmente independente.
57
Teorema 38. Seja A 2 Mn n (R). As seguintes a…rmações são equivalentes.
(i) A é igual ao produto de matrizes elementares.
(ii) A é invertível.
(iii) AT A é invertível.
(iv) nul A = 0.
(v) car A = n.
(vi) Au = 0 tem apenas a solução trivial u = 0.
(vii) Au = b tem solução única u para cada b 2 Rn .
(viii) det A 6= 0.
(ix) N (A) = f0g.
(x) As colunas de A geram Rn .
(xi) As colunas de A são independentes.
(xii) As colunas de A formam uma base de Rn .
(xiii) As linhas de A geram Rn .
(xiv) As linhas de A são independentes.
(xv) As linhas de A formam uma base de Rn .
(xvi) A transformação linear T : Rn ! Rn de…nida por T (u) = Au, para u 2 Rn , é

sobrejectiva. (Num próximo capítulo.)
(xvii) A transformação linear T : Rn ! Rn de…nida por T (u) = Au, para u 2 Rn , é

injectiva. (Num próximo capítulo.)
(xviii) A transformação linear T : Rn ! Rn de…nida por T (u) = Au, para u 2 Rn , é

bijectiva. (Num próximo capítulo.)
(xix) A transformação linear T : Rn ! Rn de…nida por T (u) = Au, para u 2 Rn , é

invertível. (Num próximo capítulo.)
(xx) 0 não é valor próprio de A. (Num próximo capítulo.)
(xxi) (N (A))? = Rn . (Num próximo capítulo.)
(xxii) (L (A))? = f0g. (Num próximo capítulo.)
58
Coordenadas de um vector numa base e matriz de mudança de base
De…nição 36. Seja B = fv1 ; :::; vk g uma base ordenada de um espaço linear V e seja u
um vector de V . Chamam-se coordenadas do vector u na base ordenada B aos escalares
1 ; :::; k da combinação linear:
u= 1 v1 + ::: + k vk .
Teorema 39. Seja V um espaço linear.
(i) Um conjunto B de vectores não nulos de V é uma base de V se e só se todo o vector

de V puder ser escrito de modo único como combinação linear dos vectores de B.
(ii) Se dim V = n, então dados u; w 2 V e B = fv1 ; :::; vn g uma base ordenada de V ,

tem-se u = w se e só se as coordenadas de u e de w na base B forem iguais.
Teorema 40. Seja V um espaço linear de dimensão n. Sejam B1 = fv1 ; :::; vn g e

B2 = fw1 ; :::; wn g duas bases ordenadas de V . Seja SB1 !B2 a matriz cujas colunas são as
coordenadas dos vectores de B1 em relação à base B2 . Isto é,
X
n
SB1 !B2 = (sij )n n com vj = sij wi para todo o j = 1; :::; n.
i=1
A matriz SB1 !B2 é invertível e chama-se matriz de mudança de base (da base B1 para
B2 ). Assim, se tivermos
Xn
u= i vi ,
i=1
isto é, se ( 1 ; :::; n ) forem as coordenadas do vector u na base B1 então as coordenadas

( 1 ; :::; n ) de u na base B2 são dadas por
2 3 2 3
1 1
6 .. 7 6 . 7
4 . 5 = SB1 !B2 4 .. 5 .
n n
Dem. Tem-se
!
X
n X
n X
n X
n X
n X
n
u= i wi = j vj = j sij wi = sij j wi .
i=1 j=1 j=1 i=1 i=1 j=1
como as coordenadas de um vector u numa base são únicas, tem-se para todo o i = 1; :::; n,
2 3 2 3
! 1
Xn 1
6 .. 7 6 .. 7 .
i = s ij j . Isto é, 4 . 5 = SB1 !B2 4 . 5
j=1
n n
59
Teorema 41. Tem-se
1
SB2 !B1 = (SB1 !B2 ) :
Exemplo 30. Consideremos
Bc = f(1; 0); (0; 1)g
a base canónica de R2 . Seja

B = f(1; 2); (3; 4)g
uma outra base ordenada de R2 . Sejam (5; 6) as coordenadas de um vector u na base
canónica Bc e determinemos as coordenadas de u na base B usando a matriz de mudança de
base SBc !B . Tem-se
2 32
SBc !B = 1 ,
1 2
uma vez que
3 1
(1; 0) = 2(1; 2) + 1(3; 4) e (0; 1) = (1; 2) (3; 4). (*)
2 2
Logo, as coordenadas de u na base B são dadas por
3
5 2 2
5 1
SBc !B = 1 = .
6 1 2
6 2
Logo, 1 e 2 são as coordenadas de (5; 6) na base ordenada B, isto é
(5; 6) = 1(1; 2) + 2(3; 4).
Observação 23. Colocando os vectores em coluna, note que as duas igualdades em (*)
podem ser escritas na forma:
3
1 0 1 3 2 2
= 1
0 1 2 4 1 2
sendo esta última igualdade equivalente a
8
< (1; 2) = 1(1; 0) + 2(0; 1)
1 0 1 3 1 3
= ,
0 1 2 4 2 4 :
| {z } (3; 4) = 3(1; 0) + 4(0; 1)
2 3 1
2 32 5
=4 1
1 2
querendo isto dizer que as coordenadas dos vectores (1; 2) e (3; 4) relativamente à base
canónica (ordenada) f(1; 0); (0; 1)g são respectivamente (1; 2) e (3; 4).
60
1. Veri…que que os seguintes subconjuntos de R2 , com as operações usuais, não são sube-
spaços de R2 .
(i) f(x; y) 2 R2 : x 0g (ii) f(x; y) 2 R2 : xy = 0g
(iii) f(x; y) 2 R2 : y = x2 g (iv) f(x; y) 2 R2 : x + y = g
(v) f(x; y) 2 R2 : x 2 N0 e y 2 Rg (vi) f(x; y) 2 R2 : x2 + y 2 2
g
(vii) f(x; y) 2 R2 : xy 0g
2. Veri…que que os seguintes conjuntos, com as operações usuais, são (todos os) subespaços
de R2 .
(i) f(0; 0)g
(ii) Vk = f(x; kx) : x 2 Rg com k 2 R
(iii) U = f(0; a) : a 2 Rg
(iv) R2
3. No espaço linear R3 , considere o subconjunto Uk = f(x; y; k) : x; y 2 Rg onde k é uma

constante real. Determine os valores de k para os quais Uk é subespaço de R3 .
4. Considere o espaço linear R3 . Diga quais dos seguintes subconjuntos de R3 , com as

operações usuais, são subespaços de R3 e indique os respectivos conjuntos geradores.
Escreva ainda cada um dos subespaços na forma N (A), explicitando a matriz A.
(i) f(x; y; z) 2 R3 : z = 2g (ii) f(x; y; z) 2 R3 : x + y z = 0g
(iii) f(x; y; z) 2 R3 : x > 0g (iv) f(0; 0; z) : z 2 Rg
(v) f(x; y; z) 2 R3 : y = 2x e z = 3xg (vi) f(x; y; z) 2 R3 : x + y = 1g
(vii) f(x; y; z) 2 R3 : x + y + z = 0 e x y z = 0g
(viii) f(x; y; z) 2 R3 : x = y ou y = zg
(ix) f(x; y; z) 2 R3 : x y = 0 e 2y + z = 0g
3
(x) f(x; y; z) 2 R : xy = 0g
5. Diga se os vectores ( 2; 2; 2; 0); ( 2; 1; 1; 0); (0; 1; 1; 1) pertencem aos seguintes sube-

spaços e encontre um conjunto de geradores para cada um desses subespaços do espaço
linear R4 .
(i) f(x; y; z; w) 2 R4 : x = 0 e y + z = 0g
(ii) f(x; y; z; w) 2 R4 : x + y + z + w = 0g
(iii) f(x; y; z; w) 2 R4 : x + 2y z = 0 e x + y + 2w = 0 e y z + w = 0g
6. Seja Pn o espaço linear de todos os polinómios reais de variável real e de grau menor ou
igual a n, com as operações usuais: Diga quais dos seguintes subconjuntos de P2 , com
as operações usuais, são subespaços de P2 e indique os respectivos conjuntos geradores.
(i) fa0 + a1 t + a2 t2 2 P2 : a0 = 0g
61
(ii) fa0 + a1 t + a2 t2 2 P2 : a2 = 2a0 e a1 = 0g
(iii) fa0 + a1 t + a2 t2 2 P2 : a1 = 1g
(iv) fa0 + a1 t + a2 t2 2 P2 : a2 a1 = 2g
(v) fa0 + a1 t + a2 t2 2 P2 : a2 a1 + 2a0 = 0g
7. De…na por meio de sistemas de equações homogéneas os seguintes subespaços.

(i) Em P2 : L (f1 t2 ; 1 + tg)
(ii) L (f(1; 0; 1); (0; 1; 0); ( 2; 1; 2)g)
(iii) L (f(0; 1; 0); ( 2; 1; 2)g)
(iv) L (f(1; 1; 2); (2; 1; 1)g)
(v) L (f(1; 0; 1; 1)g)
(vi) L (f(1; 2; 5; 3); (2; 4; 6; 2); (3; 6; 11; 1); (0; 0; 1; 2)g)
8. Seja Mm n (R) o espaço linear de todas as matrizes do tipo m n com entradas

reais. Diga quais dos seguintes subconjuntos de M2 3 (R), com as operações usuais,
são subespaços de M2 3 (R) e indique os respectivos conjuntos geradores.
a b c
(i) 2 M2 3 (R) : b = a + c
d 0 0
a b c
(ii) 2 M2 3 (R) : b < 0
d 0 f
a b c
(iii) 2 M2 3 (R) : a = 2c e f = 2e + d :
d e f
9. Construa uma matriz cujo núcleo seja gerado pelo vector (2; 0; 1).
10. Existe alguma matriz cujo espaço das linhas contém o vector (1; 1; 1) e cujo núcleo
contém (1; 0; 0)?
11. Determine o espaço das colunas, o espaço das linhas e o núcleo das seguintes matrizes.
2 3
2 1 1
1 1 1 2 3 0 0 0
(i) (ii) (iii) (iv) 4 0 0 1 5
0 0 0 0 0 0 0 0
0 0 0
2 3 2 3 2 3 2 3
1 0 1 2 0 0 1 0 1
(v) 4 2 3 5 (vi) 4 2 4 5 (vii) 4 0 0 5 (viii) 4 2 3 0 5
2 1 2 4 0 0 2 1 0
12. Veri…que que, com as operações usuais, o seguinte conjunto de matrizes
82 3 2 3 2 3 2 39
< 1 0 0 0 0 0 0 0 =
4 0 0 5 ;4 1 0 5;4 0 1 5;4 0 0 5
: ;
0 0 0 0 0 0 0 1
82 3 9
< a 0 =
gera o subespaço 4 b c 5 2 M3 2 (R) : a; b; c; d 2 R do espaço linear M3 2 (R).
: ;
0 d
62
13. Considere, no espaço linear R3 , os vectores v1 = (1; 2; 1), v2 = (1; 0; 2) e v3 = (1; 1; 0):
Mostre que os seguintes vectores são combinações lineares de v1 ; v2 e v3 .
(i) (3; 3; 0) (ii) (2; 1; 5) (iii) ( 1; 2; 0) (iv) (1; 1; 1)
14. Considere, no espaço linear R4 , os vectores v1 = (1; 0; 0; 1), v2 = (1; 1; 0; 0) e v3 =

(0; 1; 2; 1). Diga quais dos seguintes vectores pertencem ao subespaço L (fv1 ; v2 ; v3 g).
(i) ( 1; 4; 2; 2) (ii) (2; 0; 2; 2) (iii) (1; 1; 2; 2) (iv) (0; 1; 1; 0)
15. Determine o valor de k para o qual o vector u = (1; 2; k) 2 R3 é combinação linear

dos vectores
v = (3; 0; 2) e w = (2; 1; 5):
16. Veri…que que os seguintes conjuntos de vectores geram R3 .

(i) f(1; 0; 0); (0; 1; 0); (0; 0; 1)g
(ii) f(1; 1; 1); (0; 1; 1); (0; 0; 1)g
(iii) f(1; 1; 1) ; ( 1; 1; 1); (1; 1; 1); ( 1; 1; 1)g
17. Determine os vectores (a; b; c) de R3 que pertencem a L (fu; v; wg) onde
u = (2; 1; 0); v = (1; 1; 2) e w = (0; 3; 4):
18. Considere, no espaço linear P2 , os vectores p1 (t) = 2 + t + 2t2 , p2 (t) = 2t + t2 ,

p3 (t) = 2 5t + 5t2 e p4 (t) = 2 3t t2 . O vector
q(t) = 2 + t + t2
pertence à expansão linear L (fp1 (t); p2 (t); p3 (t); p4 (t)g)? Podem os vectores p1 (t),
p2 (t), p3 (t) e p4 (t) gerar P2 ?
19. Sejam 2 3
1 1 1
1 1 5 4
A= e B= 4 3 1 5:
2 3 13
3 1 3
Veri…que que o espaço das linhas de A é igual ao espaço das linhas de B: Conclua então
que os espaços das colunas de AT e de B T são iguais.
3 1
20. Escreva a matriz como combinação linear das matrizes
1 1
1 1 0 0 0 2
A= ; B= , C= :
1 0 1 1 0 1
Encontre uma matriz 2 2 que não pertença a
1 1 0 0 0 2
L ; ; :
1 0 1 1 0 1
63
21. Seja U o subespaço de R4 gerado por f(1; 1; 0; 1); (1; 1; 0; 1)g : Seja S=f(1; 0; 0; 2)g+U
e considere ainda o seguinte subespaço de R4 : V = f(x; y; z; w) 2 R4 : y = wg.
a) Determine um sistema de duas equações lineares cujo conjunto de soluções seja S.
b) Encontre uma matriz A do tipo 2 4 cujo núcleo seja igual a U .
22. Considere os seguintes subespaços U e V de R3 e determine u1 ; u2 ; u3 ; v 2 R3 tais que

U + V = L (fu1 ; u2 ; u3 g) e U \ V = L (fvg).
U = L (f(1; 1; 1); (0; 1; 1)g) ; V = L (f(1; 1; 2); ( 1; 1; 1)g) :
23. Considere os seguintes subespaços U e V de R3 , determine u1 ; u2 2 R3 tais que U +V =

L (fu1 ; u2 g) e veri…que que U \ V = f0g.
U = f(x; y; z) 2 R3 : x + y z = 0 e x + y = 0g ; V = L (f(1; 1; 1)g) :
24. Considere os seguintes subespaços U e V de R3 e determine u1 ; u2 ; u3 2 R3 tais que

U = L (f(1; 0; 1); ( 1; 1; 2)g) ; V = f(x; y; z) 2 R3 : x + y + 3z = 0g :
25. Considere os seguintes subespaços U e V de R3 , determine u1 ; u2 ; u3 2 R3 tais que

U + V = L (fu1 ; u2 ; u3 g) e veri…que que U \ V = f0g.
U = f(x; y; z) 2 R3 : x = y = zg ; V = f(x; y; z) 2 R3 : x = 0g :
26. Considere os seguintes subespaços U e V de P2 e determine u1 ; u2 ; v1 ; v2 2 P2 tais que

U + V = L (fu1 ; u2 g) e U \ V = L (fv1 ; v2 g).
U = L (f1 + t; 1 t2 g), V = fa0 + a1 t + a2 t2 2 P2 : a2 a1 + a0 = 0g.
27. Considere os seguintes subespaços U e V de P2 e determine u1 ; u2 ; u3 ; v 2 P2 tais que

U = fp(t) 2 P2 : p( 1) = 2p(0) p(1)g, V = L(f 1 + t; 1 t2 g) em P2 .
28. Considere os seguintes subespaços U e V de P2 e determine u1 ; u2 ; v1 ; v2 2 P2 tais que

U + V = L (fu1 ; u2 g) e U \ V = L (fv1 ; v2 g).
U = fp(t) 2 P2 : p(1) = 0g, V = L(f1 t; t t2 ; 1 + t2 g) em P2 .
29. Considere os seguintes subespaços U e V de P3 e determine u1 ; u2 ; u3 ; u4 ; v 2 P3 tais

que U + V = L (fu1 ; u2 ; u3 ; u4 g) e U \ V = L (fvg).
U = L (f1 + t; 1 t3 g), V = L (f1 + t + t2 ; t t3 ; 1 + t + t3 g) em P3 .
64
1. Seja V um espaço linear real e 0 o seu vector nulo. Mostre que:

(i) Se u + v = u + w, então v = w: (ii) 0 = 0 para todo o escalar 2 R:
(iii) 0u = 0 para todo o vector u 2 V: (iv) ( u) = u para todo o u 2 V:
(v) Mostre que o vector nulo 0 2 V é único.
(vi) Mostre que o simétrico u de um qualquer vector u de V é único.
(vii) ( 1)u = u para todo o u 2 V: (viii) Se u = 0, então = 0 ou u = 0:
(ix) Se u 6= 0 e u = u, então = :
2. Veri…que que o conjunto de todos os polinómios reais de grau igual a n:
fa0 + a1 t + + an tn 2 Pn : an 6= 0g ,
munido das operações usuais, não é um espaço linear.
3. (i) Mostre que P2 é um subespaço de P3 : (ii) Mostre que Pn é um subespaço de Pn+1 :

(iii) Seja P o espaço linear de todos os polinómios reais (de qualquer grau). Mostre
que Pn é um subespaço de P:
4. Quais dos seguintes subconjuntos de Mn n (R), com as operações usuais, são sub-
espaços?
(i) O conjunto de todas as matrizes simétricas do tipo n n:
(ii) O conjunto de todas as matrizes invertíveis do tipo n n:
(iii) O conjunto de todas as matrizes diagonais do tipo n n:
(iv) O conjunto de todas as matrizes invertíveis do tipo n n:
(v) O conjunto de todas as matrizes triangulares superiores do tipo n n:
5. Seja V o espaço linear de todas as funções reais de variável real. Quais dos seguintes
subconjuntos de V , com as operações usuais, são subespaços?
(i) O conjunto de todas as funções limitadas.
(ii) O conjunto de todas as funções pares, isto é, tais que f (x) = f ( x):
(iii) O conjunto de todas as funções racionais, isto é, as que são quocientes de funções
polinomiais.
(iv) O conjunto de todas as funções crescentes.
(v) O conjunto de todas as funções f tais que f (0) = f (1):
(vi) O conjunto de todas as funções f tais que f (0) = 1 + f (1):
6. Sejam A; B 2 Mm n (R). Mostre que C (A + B) C (A) + C (B) :
7. Seja A 2 Mm n (R). Mostre que N (A) \ L (A) = f0g.
8. Seja A 2 Mn n (R) tal que A2 = A. Mostre que N (A) \ C (A) = f0g.
65
1. Determine as condições que os parametros i ; i (i = 1; 2) devem veri…car para que os

vectores ( 1 ; 1 ; 3) e ( 2 ; 2 ; 9), no espaço linear R3 , sejam linearmente independentes.
2. Diga se os seguintes conjuntos de vectores em R3 são linearmente dependentes ou

linearmente independentes? Nos casos em que sejam linearmente dependentes, indique
(para cada um) um subconjunto linearmente independente com o maior no possível de
elementos e escreva os restantes como combinação linear desses vectores.
(i) f(4; 2; 1); (2; 6; 5); (1; 2; 3)g (ii) f(1; 2; 1); (3; 2; 5)g
(iii) f(1; 2; 3); (1; 1; 1); (1; 0; 1)g (iv) f(1; 0; 1); (0; 0; 0); (0; 1; 1)g
(v) f(1; 1; 0); (0; 2; 3); (1; 2; 3); (x; y; z)g (com x; y; z 2 R).
3. Determine todos os valores de a para os quais f(a2 ; 0; 1); (0; a; 2); (1; 0; 1)g é uma base
de R3 :
4. Sejam U = L (f(1; 1; 0; 0); (0; 1; 1; 0)g) e Vk = L (f(2; k; 1; 0); (0; 0; 0; 1)g) subespaços de
R4 : Determine os valores de k para os quais dim (U \ Vk ) = 1.
5. No espaço linear R3 , construa uma base que inclua os vectores:

(i) (1; 0; 2) e (0; 1; 2). (ii) (2; 1; 1) e ( 4; 2; 1). (iii) ( 1; 2; 1) e (1; 0; 1).
6. Veri…que que os seguintes subconjuntos do espaço linear de todas as funções reais de

variável real são linearmente dependentes. Indique (para cada um) um subconjunto
linearmente independente com o maior no possível de elementos e escreva os restantes
como combinação linear desses vectores.
(i) S = fcos2 t; sen2 t; cos 2tg
(ii) S = f2; sen2 t; cos2 tg
(iii) S = fet ; e t ; cosh tg
(iv) S = 1; t; t2 ; (t + 1)2
Determine uma base para cada subespaço L(S) e calcule a respectiva dimensão.
7. Seja V o espaço linear de todas as funções reais de variável real. Sejam f; g; h 2 V , com
f (t) = sen t, g (t) = cos t e h (t) = t. Mostre que o conjunto ff; g; hg é linearmente
independente.
8. Diga quais dos seguintes conjuntos de vectores são bases de R2 . Caso não sejam bases,
determine subconjuntos desses conjuntos que sejam bases e as dimensões dos espaços
gerados por cada um desses subconjuntos. Em cada base de R2 encontrada, determine
as coordenadas do vector (0; 1) em cada base ordenada encontrada. Relativamente a
cada base ordenada de R2 , determine ainda o vector cujas coordenadas são (0; 1).
(i) f(1; 3); (1; 1)g (ii) f(0; 0); (1; 2)g (iii) f(2; 4)g
(iv) f( 5; 0); (0; 2)g (v) f(1; 2); (2; 3); (3; 2)g (vi) f(1; 0); (0; 1)g
66
9. Diga quais dos seguintes conjuntos de vectores são bases de R3 . Caso não sejam
bases, determine subconjuntos desses conjuntos que sejam bases e as dimensões dos
espaços gerados por cada um desses subconjuntos. Em cada base de R3 encontrada,
determine as coordenadas do vector ( 1; 1; 2) em cada base ordenada encontrada.
Relativamente a cada base ordenada de R3 , determine ainda o vector cujas coordenadas
são ( 1; 1; 2).
(i) f(1; 2; 3); (0; 0; 0); (0; 1; 2)g (ii) f(1; 2; 0); (0; 1; 1)g
(iii) f(3; 2; 2); ( 1; 2; 1); (0; 1; 0)g (iv) f(1; 1; 1); (0; 1; 1); (0; 0; 1)g
(v) f(1; 1; 1); (2; 3; 4); (4; 1; 1); (0; 1; 1)g (vi) f(1; 0; 0); (0; 1; 0); (0; 0; 1)g
10. Diga quais dos seguintes conjuntos de vectores são bases de R4 . Caso não sejam bases,
determine subconjuntos desses conjuntos que sejam bases e as dimensões dos espaços
gerados por cada um desses subconjuntos. Em cada alínea indique uma base de R4
que inclua pelo menos dois vectores do conjunto apresentado.
(i) f(1; 0; 0; 1); (0; 1; 0; 0); (1; 1; 1; 1); (0; 1; 1; 1)g
(ii) f(1; 1; 0; 2); (3; 1; 2; 1); (1; 0; 0; 1)g
(iii) S = f(1; 0; 0; 1); (0; 1; 1; 0); (0; 1; 0; 1); (1; 0; 1; 0); (0; 0; 1; 1)g
(iv) f(1; 0; 0; 2); (1; 0; 2; 0); (1; 2; 0; 0); (3; 0; 0; 0)g
(v) f(1; 2; 5; 3); (2; 4; 6; 2); (3; 6; 11; 1); (0; 0; 5; 5)g
(vi) S = f(2; 1; 1; 2); ( 1; 1; 1; 2); (4; 2; 2; 2); (5; 2; 2; 2)g : Nesta alínea, veri-
…que que (8; 3; 3; 5) 2 L (S) e determine uma base de L (S) que inclua o vector
(8; 3; 3; 5).
11. Determine as coordenadas de p (t) = t na base ordenada f2 t; 2 + tg de P1 . (P1 é o

espaço linear dos polinómios reais de grau menor ou igual a 1:)
12. Diga quais dos seguintes conjuntos de vectores são bases de P2 (espaço linear dos
polinómios reais de grau menor ou igual a 2). Caso não sejam bases, determine sub-
conjuntos desses conjuntos que sejam bases e as dimensões dos espaços gerados por
cada um desses subconjuntos. Determine as coordenadas do vector 1 t em cada base
ordenada de P2 encontrada. Relativamente a cada base ordenada de P2 , determine
ainda o vector cujas coordenadas são ( 1; 3; 2).
(i) f2 + t t2 ; 2t + 2t2 ; t2 g (ii) f2t t2 ; 1 2t2 ; 2 + t; 1 4tg
(iii) f1 + t2 ; t t2 ; 1 t + 2t2 ; 1 + tg (iv) f 1 + 2t + t2 ; 2 tg
(v) f1 + 2t t2 ; 3 + t2 ; 5 + 4t t2 ; 2 + 2t t2 g (vi) f1; t; t2 g
13. Veri…que que os seguintes subconjuntos de M2 2 (R) são subespaços de M2 2 (R) rela-
tivamente às operações usuais e determine uma base para cada um deles indicando as
respectivas dimensões.
1 1 1 1
(i) fA 2 M2 2 (R) : tr A = 0g (ii) A 2 M2 2 (R) : A = A
1 1 1 1
67
3 1
14. Escreva a matriz como combinação linear das matrizes
1 1
1 1 0 0 0 2
A= ; B= , C= :
1 0 1 1 0 1
1 1 0 0 0 2
Encontre uma matriz 2 2 que não pertença a L ; ; :
1 0 1 1 0 1
Antes de a determinar, explique porque é que essa matriz existe.
1 1 0 0 1 0 0 1
15. Mostre que as matrizes ; ; e formam uma base
0 0 1 1 0 1 1 1
para o espaço linear M2 2 (R):
1 3 0 11 2 5 4 1 3 2
16. Seja S = ; ; , ; . Seja W um
1 2 5 3 3 1 1 5 2 3
subespaço de M2 2 (R) gerado por S. Determine uma base para W que inclua vectores
de S.
17. Determine uma base para M3 2 (R). Qual é a dimensão do espaço linear M3 2 (R)?
18. Determine uma base para cada um dos seguintes subespaços de M3 3 (R) e calcule a
respectiva dimensão:
(i) O conjunto de todas as matrizes (reais) diagonais do tipo 3 3:
(ii) O conjunto de todas as matrizes (reais) simétricas do tipo 3 3:
19. Determine as dimensões e indique bases para: o núcleo, o espaço das linhas e o espaço
das colunas das seguintes matrizes.
2 3 2 3
0 1 0 0 1 1 2
3 1 3 0 6 0 4 5 4
(i) (ii) (iii) 0 0 1 0 (iv) 1 2 1 5
6 2 1 0 2 0
0 0 0 1 0 1 1
2 3 2 3
1 0 0 2 3 1 2 3 1
6 0 1 0 7 1 3 0 2 6
6 7 4 5 (vii) 6 2 3 2 0 7 7:
(v) 4 (vi) 0 2 2 0
0 0 1 5 4 3 4 1 1 5
1 3 0 2
0 0 0 1 1 1 1
Determine tambem a característica e a nulidade de cada uma delas.
20. Quais são as matrizes do tipo 3 3 cujo núcleo tem dimensão 3?
21. Seja A 2 Mm n (R) tal que C(A) = N (A). Prove que A 2 Mn n (R) com n par. Dê
um exemplo para n = 4.
22. Sejam U e V subespaços de W tais que dim U = 4; dim V = 5 e dim W = 7. Diga

quais as dimensões possíveis para U \ V .
23. Determine bases e calcule as dimensões de U + V e U \ V , dizendo em que casos U + V

é a soma directa U V (determine-a) dos subespaços U e V .
(i) U = L (f(1; 1; 1); (0; 1; 1)g) ; V = L (f(1; 1; 2); ( 1; 1; 1)g) em R3 :
(ii) U = f(x; y; z) 2 R3 : x + y z = 0 e x + y = 0g ; V = L (f(1; 1; 1)g) em R3 :
68
(iii) U = L (f(1; 0; 1); ( 1; 1; 2)g) ; V = f(x; y; z) 2 R3 : x + y + 3z = 0g em R3 :
(iv) U = f(x; y; z) 2 R3 : x = y = zg ; V = f(x; y; z) 2 R3 : x = 0g em R3 :
(v) U = L (f1 + t; 1 t2 g), V = fa0 + a1 t + a2 t2 2 P2 : a2 a1 + a0 = 0g em P2 .
(vi) U = fp(t) 2 P2 : p( 1) = 2p(0) p(1)g, V = L(f 1 + t; 1 t2 g) em P2 .
(vii) U = fp(t) 2 P2 : p(1) = 0g, V = L(f1 t; t t2 ; 1 + t2 g) em P2 .
(viii) U = L (f1 + t; 1 t3 g), V = L (f1 + t + t2 ; t t3 ; 1 + t + t3 g) em P3 .
(ix) U = L (f(2; 2; 1; 2); ( 1; 1; 1; 3); (0; 0; 6; 8); ( 1; 1; 5; 5)g) ;
V = L (f(0; 0; 0; 1); (0; 1; 2; 3); (0; 2; 4; 8)g) em R4 :
(x) U = f(x; y; z; w) 2 R4 : x + 2y + 3z = 0 e y + 2z + 3w = 0g,
V = L (f(2; 5; 4; 1); (0; 9; 6; 1); ( 4; 1; 2; 1)g) em R4 :
Neste alínea (viii) mostre que U = V .
(xi) Seja U o subespaço de R5 gerado por f(1; 1; 1; 2; 0); (1; 2; 2; 0; 3); (1; 1; 2; 2; 1)g.
Seja V o subespaço de R5 gerado por f(1; 2; 3; 0; 2); (1; 1; 3; 2; 4); (1; 1; 2; 2; 5)g.
Comece por escrever U e V como soluções de sistemas de equações lineares homogéneas.
(xii) Sejam U e V subespaços de R4 gerados respectivamente por F e por G, com
F = f(1; 0; 1; 0); (0; 1; 1; 1); (1; 0; 0; 2) ; (0; 0; 1; 2)g ;

G = f(1; 1; 1; 1); (1; 2; 0; 1); (0; 0; 1; 1)g .
24. Seja P2 = fp(t) = a0 + a1 t + a2 t2 : a0 ; a1 ; a2 2 Rg o espaço linear real dos polinómios

reais de grau menor ou igual a 2. Seja U = fp(t) 2 P2 : p( 1) + p(1) = 0g.
a) Seja V = L (f2 + t; 1 t + 3t2 ; 1 + t t2 ; 1 + t2 g). Determine uma base para U \V .
b) Determine um subespaço W de P2 tal que U W = P2 .
1 1 1 1 0 0 1 1
25. Considere o espaço linear U = L ; ; ; .
0 0 1 1 1 1 1 1
Determine uma base para U .
26. Considere os seguintes subespaços de R3 :
V1 = f(x; y; z) 2 R3 : x y = 0g; V2 = L (f(1; 0; 1); (0; 1; 0)g) .
a) Determine uma base para V1 .

b) Determine uma matriz B tal que V2 = N (B).
c) Calcule, justi…cando, dim (V1 \ V2 ).
d) Determine um subespaço W de R3 tal que R3 = V1 W.
27. Sejam U = L (f(0; 1; 1; 0); (0; 1; 1; 2); (0; 1; 0; 1)g) e
V = f(x; y; z; w) 2 R4 : x y+w =0 e y w = 0g:
Diga, justi…cando, se U + V = R4 e calcule, justi…cando, dim (U \ V ).
69
1. Sejam B1 = f(1; 2); (0; 1)g e B2 = f(1; 1); (2; 3)g duas bases ordenadas de R2 . Seja
v = (1; 5).
(i) Determine as coordenadas de v em relação à base B1 .
(ii) Determine a matriz SB1 !B2 de mudança da base B1 para a base B2 .
(iii) Determine as coordenadas de v em relação à base B2 , usando as alíneas anteriores.
(iv) Determine, directamente, as coordenadas de v em relação à base B2 .
(v) Determine a matriz SB2 !B1 de mudança da base B2 para a base B1 .
(vi) Determine as coordenadas de v em relação à base B1 , usando a alínea anterior, e
compare com o resultado obtido em (i).
2. Considere em R2 as bases ordenadas B1 e B2 em que B1 = f(1; 1); (0; 1)g. Seja
1 1
SB1 !B2 =
0 1
a matriz de mudança da base B1 para a base B2 . Determine as coordenadas do vector

(1; 1) em B2 .
3. Sejam B1 e B2 duas bases ordenadas de R2 . Sejam (1; 2) e (5; 11) as coordenadas de

um vector u em B1 e B2 respectivamente. Sejam (1; 1) e (3; 7) as coordenadas de um
vector v em B1 e B2 respectivamente. Determine a matriz SB1 !B2 de mudança da base
B1 para B2 .
4. Sejam B1 = fv1 ; v2 g e B2 = fw1 ; w2 g duas bases ordenadas de R2 , onde
v1 = (1; 2), v2 = (0; 1).
Suponha que a matriz SB2 !B1 de mudança da base B2 para a base B1 , é dada por:
2 1
SB2 !B1 = .
1 1
Determine B2 .
5. Sejam B1 = fv1 ; v2 g e B2 = fw1 ; w2 g duas bases ordenadas de P1 , onde
w1 = 1 + t, w2 = 1 + t.
2 3
SB1 !B2 = .
1 2
Determine B1 .
70
w1 = t, w2 = 1 t.
2 3
SB2 !B1 = .
1 2
Determine B1 .
7. Sejam B1 = f1; 1 t; t2 g e B2 = f1; 1 + t; 1 + t + t2 g duas bases ordenadas de P2 .
(i) Suponha que as coordenadas de um vector p(t) 2 P2 em relação à base B2 são
dadas por (1; 2; 3). Determine as coordenadas do mesmo vector p(t) em relação à base
B1 .
(ii) Determine a matriz SB1 !B2 de mudança da base B1 para a base B2 e utilize-a para
determinar as coordenadas do vector 2 t + t2 na base B2 .
8. Sejam B1 = fv1 ; v2 ; v3 g e B2 = fw1 ; w2 ; w3 g duas bases ordenadas de R3 , onde
v1 = (1; 0; 1), v2 = (1; 1; 0), v3 = (0; 0; 1).
2 3
1 1 2
SB1 !B2 = 4 2 1 1 5.
1 1 1
Determine B2 .
9. Sejam
1 0 0 1 0 0 0 0
B1 = ; ; ,
0 0 0 0 1 0 0 1
e
1 1 1 1 1 1 1 1
B2 = ; ; ,
1 1 1 1 1 1 1 1
duas bases ordenadas de M2 2 (R). Determine a matriz SB1 !B2 de mudança da base
1 2
B1 para a base B2 e utilize-a para determinar as coordenadas do vector em
3 4
relação à base B2 .
10. Considere o espaço linear
1 1 0 1 1 0 2 1
U =L ; ; ; :
0 1 1 0 1 1 1 2
1 1 1 0
Sejam B1 e B2 duas bases ordenadas de U , com B2 = ; . Considere
0 1 1 1
2 1
ainda a matriz de mudança de base de B1 para B2 dada por: SB1 !B2 = .
1 0
1 0
Determine as coordenadas do vector em B1 .
1 1
71
11. Seja B = fv1 ; v2 g uma base ordenada de P1 . Sejam (1; 1) e (2; 2) respectivamente as
coordenadas de dois polinómios 1 + t e 1 t em relação à base B: Determine B.
12. Sejam B1 = fv1 ; v2 g e B2 = fw1 ; w2 g duas bases ordenadas de P1 . Suponha que (1; 1)
e (2; 2) são respectivamente as coordenadas de um polinómio p (t) em relação às bases
B1 e B2 : Suponha ainda que (1; 1) e (2; 2) são respectivamente as coordenadas de um
polinómio q (t) em relação às bases B1 e B2 : Determine a matriz SB1 !B2 de mudança
da base B1 para a base B2 .

reais de grau menor ou igual a 2. Seja B = ft t2 ; 2 + 2tg uma base ordenada de um
subespaço U de P2 .
a) Determine as coordenadas do vector 1 t2 na base B.
b) Determine a base ordenada B1 de U de tal modo que a matriz de mudança da base
B1 para a base B seja dada por:
1 1
SB1 !B = 1 .
0 2
c) Sendo V = L (f 1 + t2 ; 2 + t t2 ; 3 tg), determine, justi…cando, uma base para

U \V.
14. Seja 2 3
1 1 0 2 1
6 0 0 2 4 0 7
6 7
A=6
6 2 2 1 2 1 7:
7
4 1 1 2 2 1 5
0 0 0 0 0
(i) Calcule a nulidade e a característica de A:

(ii) Determine bases para o espaço das colunas de A e para o núcleo de A:
(iii) Usando a alínea anterior, determine a solução geral do sistema de equações lineares
homogéneo Au = 0.
(iv) Resolva o sistema de equações Au = b, com b = (1; 0; 2; 1; 0): Note que b é igual à
1a coluna de A e use esse facto de modo a encontrar uma solução particular de Au = b.
15. Considere as matrizes:

0 1 0 0 0 0 0 1
A= e B= :
0 0 1 0 0 0 1 0
a) Determine uma base para N (A + B).

b) Determine dim (N (A) + N (B)).
72
16. Seja 2 3
1 1 1
A=4 1 1 1 5:
1 1 1
a) Determine uma base para C (A).

T
b) Resolva a equação: Au = 2 0 2 .
c) Determine uma base para N (A + 2I).
d) Calcule dim (N (A + 2I) + N (A I)).
17. Considere o seguinte subespaço de R4 : U = f(x; y; z; w) 2 R4 : x y+z w = 0g:

4
a) Determine uma base para R que inclua pelo menos dois vectores de U .
b) Determine uma base para U que inclua os vectores (1; 1; 1; 1) e ( 1; 1; 1; 1).
18. Seja 2 3
1 0 1
6 1 0 7
A =6
4
7 , com 2 R.
0 0 1 1 5
1 0
Sejam C (A ), L (A ) e N (A ), respectivamente, o espaço das colunas, o espaço das
linhas e o núcleo de A . Sejam A0 ; A 1 e A1 as matrizes que se obtêm de A fazendo
respectivamente = 0; = 1 e = 1.
a) Determine uma base para N (A 1 ).
b) Determine uma base para C (A 1 ) e calcule as coordenadas de (0; 0; 0; 1) nessa base.
c) Determine a solução geral do sistema de equações lineares A0 u = b, onde b é igual
à 1a coluna da matriz A0 .
d) Determine uma base para L (A1 ) + C (A1 ).
e) Determine uma base para L (A 1 ) \ C (A 1 ).
19. Seja 2 3
2 0 2
4
A= 0 4 0 5:
2 0 2
2 3
2
a) Determine o no real 4
para o qual u = 2 5 é solução da equação: Au u = 0.
2
b) Determine uma base para N (A).
c) Resolva a equação: 2
3
8
Au = 4 8 5 :
8
d) Determine todos os vectores b para os quais a equação Au = b tenha sempre solução.
73
2 3
1 1 1 1
6 1 1 1 1 7
20. Considere a matriz dada por: A = 6
4 1
7:
1 1 1 5
1 1 1 1
a) Determine, justi…cando, a dimensão do núcleo de A.
b) Diga, justi…cando, se f(1; 0; 0; 0)g é uma base do espaço das colunas de A.
21. Considere o seguinte subespaço de R4 : U = f(x; y; z; w) 2 R4 : x + y + z + w = 0g.
a) Determine uma base para U .
b) Determine uma base para U que inclua os vectores (1; 1; 1; 1) e ( 1; 0; 0; 1).
22. Seja 2 3
1 0 1
A=4 0 1 1 5:
1 1 0
Sejam N (A) ; L (A) ; C (A), respectivamente, núcleo, espaço das linhas e espaço das
colunas de A.
a) Determine uma base para N (A).
b) Determine uma base para R3 que inclua duas colunas de A.
c) Determine uma base para L (A) \ C (A).
23. Seja
4 a b
A= 2 M2 3 (R):
c d 4
Determine a; b; c; d tais que nul A = 2 e (1; 0; 2) 2 L (A).
24. Seja U o subespaço de R4 gerado por f(1; 1; 0; 1); (1; 1; 0; 1)g e considere ainda o
seguinte subespaço de R4 : V = f(x; y; z; w) 2 R4 : y = wg.
a) Determine uma base para R4 que inclua dois vectores de U .
b) Sendo B = f(2; 2; 0; 0); (1; 1; 0; 1)g uma base ordenada de U , calcule as coordenadas
do vector (1; 1; 0; 7) em relação a B.
c) Determine uma base para U + V e uma base para U \ V , indicando as respectivas
dimensões.
25. Considere o seguinte subespaço linear de P2 : V = L(f1 t; 1 t2 g). Sejam B1 e B2
duas bases ordenadas de V , com B1 = f1 t; 1 t2 g. Considere ainda a matriz de
mudança de base de B1 para B2 dada por:
1 2
SB1 !B2 =
1 3
Determine as coordenadas do vector 1 t em B2 .
26. Sejam A e B matrizes do tipo n n tais que AB = BA. Mostre que
car (A + B) + car (AB) car (A) + car (B) :
74
1. Seja fv1 ; v2 ; v3 g uma base de um espaço linear V . Prove que
fv1 + v2 ; v2 + v3 ; v1 + v3 g
é também uma base de V .
2. Seja A uma matriz (real) invertível do tipo n n. Prove que, se fv1 ; v2 ; : : : ; vn g é uma
base de Rn , então
fAv1 ; Av2 ; : : : ; Avn g
é também uma base de Rn .
3. Sejam V um espaço linear e S = fv1 ; v2 ; : : : ; vn g. Prove que o conjunto S é uma base

de V se e só se todo o vector de V se escrever de maneira única como combinação
linear dos elementos de S.
4. Seja fv1 ; v2 g uma base de um espaço linear U . Considere os vectores
w1 = av1 + bv2 e w2 = cv1 + dv2 ;
com a; b; c; d 2 R. Prove que fw1 ; w2 g é também uma base de U se e só se
ad 6= bc:
5. Seja A 2 M3 3 (R) tal que

A2 = 0:
Mostre que
car A = 1:
6. Sejam B e C matrizes m n. Mostre que
jcar B car Cj car (B C) .
7. Seja A 2 Mn n (R) tal que

A3 6= 0 e A4 = 0:
= N (A3 ). Prove que o conjunto
Seja v 2
v; Av; A2 v; A3 v
8. Seja A uma matriz real do tipo 5 6. Diga, justi…cando, se AT A é invertível.
75
Transformações lineares
De…nição 37. Sejam U e V espaços lineares. Diz-se que
T :U !V
é uma transformação linear se e só se veri…car as duas condições:
(i) T (u + v) = T (u) + T (v), para todos os u; v 2 U .
(ii) T ( u) = T (u), para todos os u 2 U e escalares .
Observação 24. Sejam U e V espaços lineares. Sejam 0 o vector nulo de U e 00 o vector

nulo de V .
(i) Se T : U ! V fôr uma transformação linear então T (U ) é um subespaço de V e além

disso tem-se T (0) = 00 (T (0) = T (0 + 0) = T (0) + T (0) , T (0) = 00 ). Logo, se T não
veri…car T (0) = 00 então T não será uma transformação linear.
(ii) T : U ! V é uma transformação linear se e só se
T ( u + v) = T (u) + T (v),
para todos os u; v 2 U e escalares ; .
(iii) Seja T : U ! V uma transformação linear, com U = L (fv1 ; :::; vn g). Seja u 2 U .
Logo, existem escalares 1 ; :::; n tais que
u= 1 v1 + ::: + n vn .
Tem-se então
T (u) = 1 T (v1 ) + ::: + n T (vn ).
Exemplo 31. Consideremos a base canónica f(1; 0) ; (0; 1)g de R2 . Seja
T : R2 ! R
uma transformação linear tal que T (1; 0) = 1 e T (0; 1) = 1.

Para qualquer (x; y) 2 R2 tem-se
(x; y) = x(1; 0) + y(0; 1).
Então,
T (x; y) = T (x(1; 0) + y(0; 1)) = xT (1; 0) + yT (0; 1) = x + y.
Logo, T : R2 ! R é a transformação linear de…nida explicitamente por
T (x; y) = x + y.
76
Teorema 42. Sejam U e V espaços lineares e seja fv1 ; :::; vn g uma base de U . Sejam
T1 ; T2 : U ! V duas transformações lineares.
Se T1 (vi ) = T2 (vi ) para todo o i = 1; :::; n, então T1 (u) = T2 (u),
para todo o u 2 U , isto é, T1 = T2 .
Exemplo 32. (i) Sejam U e V espaços lineares e seja 0 o vector nulo de V . Seja
O : U ! V de…nida por
O(u) = 0,
para todo o u 2 U . O é uma transformação linear e chama-se transformação nula.
(ii) Seja A 2 Mm n (R). Seja

T : Rn ! R m
de…nida por
T (u) = Au,
para todo o u 2 Rn . T é uma transformação linear.
(iii) Sejam V um espaço linear e k um escalar (…xo). Seja Tk : V ! V de…nida por
Tk (v) = kv;
para todo o v 2 V .
Tk é uma transformação linear. Diz-se que Tk é uma homotetia.
Se 0 < k < 1 diz-se que Tk é uma contracção.
Se k > 1 diz-se que Tk é uma dilatação.
Se k = 1 então chama-se a T1 a transformação identidade e denota-se por I. Tem-se
I(u) = u;
para todo o u 2 U .
(iv) T : R2 ! R2 de…nida por T (x; y) = (1 y; 2x) não é uma transformação linear.
(v) T : R2 ! R de…nida por T (x; y) = xy não é uma transformação linear.
(vi) Seja T : P2 ! P3 de…nida por
T (p (t)) = tp (t) :
T é uma transformação linear.
(vii) Seja T : P3 ! P1 de…nida por
T (p) = p00 :
77
(viii) Seja T : C 1 (R) ! C (R) de…nida por
T (f ) = f 0 ;
onde C 1 (R) é o espaço linear de todas as funções reais com primeira derivada contínua em R
e C (R) é o espaço linear de todas as funções reais contínuas em R. T é uma transformação
linear.
(ix) Seja a 2 R (…xo). Seja T : C 1 (R) ! R de…nida por
T (f ) = f 0 (a) .
(x) Seja n 2 N. Seja T : C n (R) ! C (R) de…nida por
T (f ) = f (n) ;
onde f (n) é a derivada de ordem n de f , C n (R) é o espaço linear de todas as funções reais
com derivada de ordem n contínua em R e C (R) é o espaço linear de todas as funções reais
contínuas em R. T é uma transformação linear.
(xi) Seja T : C (R) ! C 1 (R) de…nida por

Z x
T (f ) = f (t) dt:
0
(xii) Seja T : C ([a; b]) ! R de…nida por

Z b
T (f ) = f (t) dt:
a
(xiii) Seja T : Mn n (R) !Mn n (R) de…nida por
T (X) = X T :
(xiv) Seja T : Mn n (R) !Mn n (R) de…nida por
T (X) = AX;
com A 2 Mn n (R) …xa. T é uma transformação linear.
(xv) Seja
tr : Mn n (R) !R
de…nida por
X
n
tr(A) = a11 + ::: + ann = aii ,
i=1
78
para todo o A = (aij )n n 2 Mn n (R), isto é, tr(A) é a soma de todas as entradas da
diagonal principal de A. O traço, tr, é uma transformação linear, isto é, sendo A = (aij )n n
e B = (bij )n n duas matrizes do tipo n n e um escalar, tem-se
tr(A + B) = tr(A) + tr(B) e tr( A) = tr(A):
Além disso, tem-se
tr(AT ) = tr(A) e tr(AB) = tr(BA):
De…nição 38. Sejam U e V espaços lineares e T1 ; T2 : U ! V transformações lineares.

Seja um escalar. Sejam T1 + T2 ; T1 : U ! V de…nidas por
(T1 + T2 ) (u) = T1 (u) + T2 (u) e ( T1 )(u) = T1 (u),
para todo o u 2 U .
De…nição 39. Sejam U e V espaços lineares. Chama-se a L(U; V ) o conjunto de todas

as transformações lineares de U em V .
Teorema 43. Sejam U e V espaços lineares e T1 ; T2 : U ! V transformações lineares.

Seja um escalar. Então:
(i) T1 + T2 e T1 são transformações lineares.
(ii) O conjunto L(U; V ), com as operações da de…nição 38, é um espaço linear.
Exemplo 33. Seja B = fT1 ; T2 ; T3 ; T4 g com T1 ; T2 ; T3 ; T4 2 L(R2 ; R2 ) de…nidas por
T1 (x; y) = (x; 0), T2 (x; y) = (y; 0), T3 (x; y) = (0; x) e T4 (x; y) = (0; y),
para todo o (x; y) 2 R2 . O conjunto B é uma base de L(R2 ; R2 ). Logo,
dim L(R2 ; R2 ) = 4:
De…nição 40. Sejam U; V e W espaços lineares e, T2 : U ! V e T1 : V ! W transfor-

mações lineares. Seja T1 T2 : U ! W de…nida por
(T1 T2 ) (u) = T1 (T2 (u)) ,
para todo o u 2 U . Chama-se a T1 T2 a composição de T1 com T2 .
Observação 25. Em geral, tem-se T1 T2 6= T2 T1 .
Teorema 44. (i) Sejam T2 : U ! V e T1 : V ! W transformações lineares. Então

T1 T2 é uma transformação linear.
79
(ii) Sejam T3 : U ! V; T2 : V ! W e T1 : W ! X. Então, tem-se T1 (T2 T3 ) =
(T1 T2 ) T3 .
(iii) Sejam T4 : W ! U , T2 ; T3 : U ! V e T1 : V ! W . Seja 2 R. Então, tem-se
T1 (T2 + T3 ) = T1 T2 + T1 T3 e T1 ( T2 ) = (T1 T2 ) .
(T2 + T3 ) T4 = T2 T4 + T3 T4 e ( T3 ) T4 = (T3 T4 ) .
De…nição 41. De…ne-se T 0 = I e T k = T T k 1 , para todo o k = 1; 2; :::.
Observação 26. Tem-se T m+n = T m T n para todos os m; n 2 N.
De…nição 42. Sejam U e V espaços lineares e T : U ! V uma transformação linear.

Seja 0 o vector nulo de V .
(i) Chama-se contradomínio ou imagem de T ao conjunto
T (U ) = fT (u) : u 2 U g ,
que também se denota por I(T ).

Note-se que se existir fu1 ; :::; uk g U tal que U = L (fu1 ; :::; uk g) então
I(T ) = L (fT (u1 ) ; :::; T (uk )g) :
(ii) Chama-se núcleo ou espaço nulo de T ao conjunto
N (T ) = fu 2 U : T (u) = 0g .
Teorema 45. Sejam U e V espaços lineares e T : U ! V uma transformação linear.

Então, os conjuntos N (T ) e I(T ) são subespaços de U e V respectivamente.
Exemplo 34. (i) Sejam U e V espaços lineares. Sejam 0 e 00 os vectores nulos de U e

V respectivamente.
Considere a transformação nula O : U ! V de…nida por
O(u) = 00 ,
para todo o u 2 U . Tem-se

N (O) = U e I(O) = f00 g .
(ii) Considere a transformação identidade I : U ! U de…nida por
I(u) = u,
80
para todo o u 2 U . Tem-se
N (I) = f0g e I(I) = U .
(iii) Seja A 2 Mm n (R). Seja

T : Rn ! R m
de…nida por
T (u) = Au,
para todo o u 2 Rn . Tem-se
N (T ) = N (A) e I(T ) = C(A).
(iv) Seja T : C 1 (R) ! C (R) de…nida por
T (f ) = f 0 :
Tem-se
N (T ) = ff : R ! R tal que f é constante em Rg e I(T ) = C (R) :
(v) Seja T : C 2 (R) ! C (R) de…nida por
T (f (t)) = f 00 (t) + ! 2 f (t) ;
com ! 2 Rn f0g. Tem-se (pág. 72 de [1])
N (T ) = L (fcos (!t) ; sen (!t)g) ;
onde fcos (!t) ; sen (!t)g é uma base de N (T ). Observe-se que N (T ) é precisamente a solução
geral da equação diferencial linear homogénea
f 00 (t) + ! 2 f (t) = 0:
(vi) Seja T : C 2 (R) ! C (R) de…nida por
T (f (t)) = f 00 (t) ! 2 f (t) ;
com ! 2 Rn f0g. Tem-se (pág. 74 de [1])

!t
N (T ) = L e ; e!t ;
onde fe !t ; e!t g é uma base de N (T ). Note-se que N (T ) é precisamente a solução geral da

equação diferencial linear homogénea
f 00 (t) ! 2 f (t) = 0:
De…nição 43. T : U ! V diz-se injectiva se e só se
T (u) = T (w) ) u = w,
81
para todos os u; w 2 U , isto é, se e só se
u 6= w ) T (u) 6= T (w),
para todos os u; w 2 U .
Teorema 46. (i) Sejam U e V espaços lineares. Seja T : U ! V uma qualquer

transformação linear. Então:
T é injectiva , N (T ) = f0g.
(ii) Sejam U um espaço linear de dimensão …nita e T uma transformação linear de…nida
em U . Então, o subespaço I(T ) tem dimensão …nita e
dim N (T ) + dim I(T ) = dim U .
Dem. (i) ()) Suponhamos que T é injectiva. Seja u 2 N (T ). Logo T (u) = 0V

= T (0U ), pelo que u = 0 uma vez que T é injectiva. Logo N (T ) = f0g.
T é linear
(() Suponhamos que N (T ) = f0g. Sejam u; v 2 U tais que T (u) = T (v). Logo
T (u v) = 0, pelo que u v = 0 uma vez que N (T ) = f0g. Logo u = v e assim T é
injectiva.
(ii) Se dim N (T ) = 0 então T é injectiva, pela alínea (i). Suponhamos que dim U = n.
Considerando uma base fw1 ; :::; wn g de U , vamos mostrar que o conjunto de n vectores
fT (w1 ) ; :::; T (wn )g é uma base de I(T ).
Seja v 2 I(T ). Existe então u 2 U tal que v = T (u). Como fw1 ; :::; wn g é base
Pn
de U , existem escalares (únicos) 1 ; :::; n tais que u = i wi . Logo, como T é linear,
i=1
P
n
v = T (u) = iT (wi ) concluindo-se deste modo que o conjunto fT (w1 ) ; :::; T (wn )g gera
i=1
I(T ).
Sejam agora 1 ; :::; n escalares tais que 1 T (w1 )+:::+ n T (wn ) = 0. A última igualdade
é equivalente a T ( 1 w1 + ::: + n wn ) = 0 uma vez que T é linear. Logo, como T é injectiva,
obtém-se 1 w1 + ::: + n wn = 0 e, deste modo, 1 = ::: = n = 0 uma vez que o conjunto
fw1 ; :::; wn g é linearmente independente.
Seja n = dim U . Suponhamos agora que dim N (T ) 6= 0. Seja r = dim N (T ) e seja

fu1 ; :::; ur g uma base de N (T ). Considere-se os vectores ur+1 ; :::; un 2 U de modo a que
fu1 ; :::; ur ; ur+1 ; :::; un g seja uma base de U . Vejamos que fT (ur+1 ) ; :::; T (un )g é uma base
de I(T ).
Seja v 2 I(T ). Existe então u 2 U tal que v = T (u). Como fu1 ; :::; un g é base
Pn
de U , existem escalares (únicos) 1 ; :::; n tais que u = i ui . Logo, como T é linear,
i=1
P
n
v = T (u) = iT (ui ) concluindo-se deste modo que o conjunto
i=1
fT (u1 ) ; :::; T (un )g = fT (ur+1 ) ; :::; T (un )g

fu1 ;:::;ur g2N (T )
82
gera I(T ).
Sejam agora r+1 ; :::; n escalares tais que r+1 T (ur+1 ) + ::: + n T (un ) = 0. A última
igualdade é equivalente a T r+1 ur+1 + ::: + n un = 0 uma vez que T é linear. Logo
r+1 ur+1 + ::: + n un 2 N (T ). Por outro lado, como fu1 ; :::; ur g é base de N (T ), existem
escalares (únicos) 1 ; :::; r tais que
X
r
r+1 ur+1 + ::: + n un = i ui ;

i=1
ou seja
X
r X
n
( i ) ui + i ui =0
i=1 i=r+1
de onde se obtem
1 = ::: = r = r+1 = ::: = n =0
uma vez que o conjunto fu1 ; :::; ur g é linearmente independente. Assim r+1 = ::: = n =0
e deste modo, o conjunto fT (ur+1 ) ; :::; T (un )g é linearmente independente.
Exemplo 35. Seja A 2 Mm n (R). Seja T : Rn ! Rm tal que T (u) = Au, para todo o
u 2 Rn . Tem-se N (A) = N (T ) e C(A) = I(T ). Como
car A + nul A = n = dim Rn = dim C(A) + dim N (A) = car A + dim N (A)
tem-se
nul A = dim N (A).
Por outro lado, comoL(A) e N (A) são subespaços de Rn então L(A)+N (A) = L (L(A) [ N (A))
é também um subepaço de Rn e atendendo a que L(A) \ N (A) = f0g tem-se
dim Rn = dim C(A) + dim N (A) = dim L(A) + dim N (A) =

= dim (L(A) + N (A)) dim (L(A) \ N (A)) =
= dim (L(A) + N (A)) .
Logo
Rn = L(A) N (A).
De…nição 44. (i) T : U ! V diz-se sobrejectiva se e só se T (U ) = V .
(ii) T : U ! V diz-se bijectiva se e só se fôr injectiva e sobrejectiva.
De…nição 45. Sejam U e V espaços lineares. Diz-se que U e V são isomorfos se e só

se existir um isomor…smo entre U e V , isto é, se e só se existir uma transformação linear
bijectiva T : U ! V . Sendo U e V isomorfos escreve-se
U = V.
Teorema 47. Sejam U e V dois espaços lineares de dimensões …nitas. Então, U e V são
isomorfos se e só se dim U = dim V .
83
Teorema 48. (i) Qualquer espaço linear real de dimensão n é isomorfo a Rn .
(ii) Sejam U e V dois espaços lineares de dimensões …nitas. A transformação linear

T : U ! V é sobrejectiva se e só se T transformar um qualquer conjunto gerador de U num
conjunto gerador de V .
(iii) Sejam U e V dois espaços lineares de dimensões …nitas. Se a transformação linear

T : U ! V fôr sobrejectiva então dim V dim U .
(iv) Sejam U e V dois espaços lineares de dimensões …nitas. Se a transformação linear

T : U ! V fôr injectiva então dim U dim V .
2 Exemplo
3 36. (i) A transformação linear T : Rn ! Mn 1 (R) de…nida por T (a1 ; :::; an ) =
a1
6 .. 7
4 . 5 ; é um isomor…smo. Logo Rn = Mn 1 (R).
an
(ii) A transformação linear T : Mm n (R) ! Rmn de…nida por

02 31
a11 a1n
B6 7C
T @4 ... ... ... 5A = (a11 ; :::; am1 ; :::; a1n ; :::; amn ) ;
am1 amn
é um isomor…smo. Logo Mm n (R) = Rmn .
(iii) A transformação linear T : Rn+1 ! Pn de…nida por
T (a0 ; a1 ; :::; an ) = a0 + a1 t + ::: + an tn ;
é um isomor…smo. Logo Rn+1 = Pn .
(iv) Seja A uma matriz m n. Os espaços C (A) e L (A) são isomorfos pois têm a mesma
dimensão (car A).
C (A) = L (A) .
Teorema 49. Sejam U e V espaços lineares de dimensões …nitas tais que
dim U = dim V:
Seja T : U ! V uma transformação linear. Então, T é injectiva se e só se T é sobrejectiva.
De…nição 46. Diz-se que T : U ! V é invertível se existir S : T (U ) ! U tal que
S T = IU e T S = IT (U ) ,
onde IU e IT (U ) são as funções identidade em U e T (U ) respectivamente. Chama-se a S a

inversa de T e escreve-se
S = T 1.
84
Teorema 50. Sejam U e V espaços lineares de dimensões …nitas. Seja
T :U !V
uma transformação linear. Seja 0 o vector nulo de U . As seguintes a…rmações são equiva-
lentes.
(i) T é injectiva.
(ii) N (T ) = f0g.
1
(iii) T é invertível e a inversa T : T (U ) ! U é linear.
(iv) dim U = dim T (U ).
(v) T transforma vectores linearmente independentes de U em vectores linearmente in-

dependentes de V .
(vi) T transforma bases de U em bases de T (U ).
Teorema 51. Sejam U e V espaços lineares. Seja T : U ! V uma transformação linear.

Seja b 2 V . Então:
(i) Existência de solução: a equação linear T (u) = b tem sempre solução (para qual-
quer b) se e só se T fôr sobrejectiva (T (U ) = V );
(ii) Unicidade de solução: a equação linear T (u) = b a ter solução, ela é única se e só
se T fôr injectiva;
(iii) Existência e unicidade de solução: a equação linear T (u) = b tem solução única
u se e só se T fôr bijectiva.
Teorema 52. Sejam U e V espaços lineares. Seja T : U ! V uma transformação linear.

Seja b 2 V . A solução geral da equação linear T (u) = b obtém-se somando a uma solução
particular dessa equação, a solução geral da equação linear homogénea T (u) = 0 (N (T )).
Teorema 53. (Representação matricial de uma transformação linear). Sejam

U e V espaços lineares de dimensões …nitas tais que dim U = n e dim V = m. Sejam
B1 = fu1 ; :::; un g e B2 = fv1 ; :::; vm g duas bases ordenadas de U e V respectivamente. Seja
T : U ! V uma transformação linear. Considere-se a matriz A = (aij )m n cuja coluna j,
para cada j = 1; :::; n, é formada pelas coordenadas de T (uj ) na base B2 . Isto é,
X
m
T (uj ) = aij vi .
i=1
Chama-se a esta matriz A a representação matricial de T em relação às bases B1 e B2 e

escreve-se
A = M (T ; B1 ; B2 ).
85
Além disso, sendo 1 ; :::; n as coordenadas de um vector u 2 U na base ordenada B1 então
as coordenadas 1 ; :::; m de T (u) 2 V na base ordenada B2 são dadas por
2 3 2 3
1 1
6 .. 7 6 . 7
4 . 5 = M (T ; B1 ; B2 ) 4 .. 5 .
m n
Observação 27. MUITO IMPORTANTE. Nas condições do teorema anterior, tem-

se
X
n
u= j uj 2 N (T ) , ( 1 ; :::; n) 2 N (A)
j=1
X
m
v= i vi 2 I(T ) , ( 1 ; :::; m) 2 C(A)
i=1
uma vez que
! !
X
n X
n X
n X
m X
m X
n
T (u) = T j uj = jT (uj ) = j aij vi = aij j vi
T é linear
j=1 j=1 j=1 i=1 i=1 j=1
e sendo fv1 ; v2 ; :::; vm g uma base de V tem-se

!
X
n
u 2 N (T ) , T (u) = 0 , aij j = 0; para i = 1; :::; m ,( 1 ; :::; n) 2 N (A):
j=1
Além disso:
I(T ) = L (fT (u1 ); :::; T (un )g) =
= L (fa11 v1 + ::: + am1 vm ; :::; a1n v1 + ::: + amn vm g) .
Teorema 54. Seja V um espaço linear de dimensão …nita, com dim V = n. Sejam
B1 = fu1 ; :::; un g e B2 = fv1 ; :::; vn g duas bases ordenadas de V . A representação matricial
da transformação identidade I : V ! V em relação às bases B1 e B2 é igual à matriz de
mudança da base B1 para B2 . Isto é,
M (I; B1 ; B2 ) = SB1 !B2 .
Teorema 55. Sejam U e V espaços lineares tais que dim U = n e dim V = m. Seja
T : U ! V uma transformação linear. Sejam B1 e B2 bases (ordenadas) de U e V respecti-
vamente. Seja
A = M (T ; B1 ; B2 ) 2 Mm n (R)
a matriz que representa T em relação às bases B1 e B2 . Tem-se então:
(i) dim N (T ) = nul A;
86
(ii) dim I(T ) = car A;
(iii) T é injectiva se e só se nul A = 0, isto é, se e só se car A = n;
(iv) T é sobrejectiva se e só se car A = m.
Teorema 56. Sejam Bcn = fe1 ; :::; en g e Bcm = fe01 ; :::; e0m g as bases canónicas (ordenadas)
de Rn e Rm respectivamente. Seja T : Rn ! Rm uma transformação linear. Considere-se a
matriz A = (aij )m n = M (T ; Bcn ; Bcm ) 2 Mm n (R) cuja coluna j, para cada j = 1; :::; n, é
formada pelas coordenadas de T (ej ) na base Bcm . Isto é,
2 3 2 3
1 0 2 3
Xm 6 7 6 . 7 a 1j
6 0 7 6 . 7 6 7
T (ej ) = aij e0i = a1j 6 .. 7 + ::: + amj 6 . 7 = 4 ... 5 .
i=1
4 . 5 4 0 5
amj
0 1
Então, tem-se, para todo o u 2 Rn ,

3 2
! a 1j
X
n Xn Xn
6 .. 7
T (u) = T ( 1 ; :::; n) = T j ej = j T (ej ) = j4 . 5 = Au.
j=1 j=1 j=1 amj
Dem. Seja u 2 Rn . Então, existem 1 ; :::; n 2 R tais que

X
n
u= 1 e1 + ::: + n en = j ej .
j=1
P
Uma vez que, para todo o j = 1; :::; n, T (ej ) = m 0
i=1 aij ei , tem-se
! !
Xn X n Xn X m X
m X
n
0
T (u) = T j ej = j T (ej ) = j aij ei = aij j e0i =
T é linear
j=1 j=1 j=1 i=1 i=1 j=1
! 2 32 3
X
n X
n a11 a1n 1
= a1j j ; :::; amj j =4 56 . 7
4 .. 5 = Au.
j=1 j=1 am1 amn n
Observação 28. No caso em que U = Rn , V = Rm e B1 = Bcn , B2 = Bcm , tem-se:
N (T ) = N (A) e I(T ) = C(A),
uma vez que neste caso as coordenadas de um vector numa base coincidem com o próprio
vector.
Exemplo 37. (i) Seja T : R4 ! R3 de…nida por
T (x; y; z; w) = (3x + y 2z; 0; x + 4z):
87
T é uma transformação linear e a matriz M (T ; Bc4 ; Bc3 ) que representa T em relação às bases
canónicas (ordenadas) Bc4 e Bc3 de R4 e R3 respectivamente, é dada por
2 3
3 1 2 0
A = M (T ; Bc4 ; Bc3 ) = 4 0 0 0 0 5 ,
1 0 4 0
uma vez que T (1; 0; 0; 0) = (3; 0; 1), T (0; 1; 0; 0) = (1; 0; 0), T (0; 0; 1; 0) = ( 2; 0; 4) e
T (0; 0; 0; 1) = (0; 0; 0).
Tem-se então:
2 3
x
6 y 7
T (x; y; z; w) = M (T ; Bc4 ; Bc3 ) 6 7
4 z 5 = (3x + y 2z; 0; x + 4z).
w
Além disso, tem-se
N (T ) = N (A) = (x; y; z; w) 2 R4 : y = 14z e x = 4z =

= f( 4z; 14z; z; w) : z; w 2 Rg = L (f( 4; 14; 1; 0); (0; 0; 0; 1)g)
e
I (T ) = C (A) = L (f(3; 0; 1); (1; 0; 0)g) .
Uma base de I (T ) : f(3; 0; 1); (1; 0; 0)g. Uma base de N (T ) : f( 4; 14; 1; 0); (0; 0; 0; 1)g.
(ii) Sejam B1 = f1; t; t2 g e B2 = f1; t; t2 ; t3 g as bases canónicas (ordenadas) de P2 e P3

respectivamente. Seja D : P2 ! P3 tal que D(1) = 0, D(t) = 1 e D(t2 ) = 2t. D é uma
transformação linear e a matriz M (D; B1 ; B2 ) que representa D em relação às bases canónicas
B1 e B2 , é dada por 2 3
0 1 0
6 0 0 2 7
M (D; B1 ; B2 ) = 6 4 0 0 0 5.
7
0 0 0
Além disso tem-se
2 3 2 3
2 3 0 1 0 2 3 a1
a0 6 0 7 a0 6 7
0 2 74 2a2
M (D; B1 ; B2 ) 4 a1 5 = 6
4 0 5 a1 5 = 6
4
7,
5
0 0 0
a2 a2
0 0 0 0
isto é, D (a0 + a1 t + a2 t2 ) = a1 + 2a2 t, com a0 ; a1 ; a2 2 R.

Além disso, como
N (D) = a0 + a1 t + a2 t2 : D a0 + a1 t + a2 t2 = 0 = a0 + a1 t + a2 t2 : a1 = a2 = 0 e a0 2 R ;
tem-se
N (D) = fa0 : a0 2 Rg = L (f1g) e I (D) = L (f1; 2tg) .
Uma base de I (D) : f1; 2tg. Uma base de N (D) : f1g.
88
(iii) Seja T : R3 ! R2 a transformação linear cuja matriz que a representa em relação
às bases ordenadas B1 = f(1; 1; 1); (0; 1; 1); (0; 0; 1)g e B2 = f(1; 1); (1; 1)g de R3 e R2
respectivamente, é dada por
1 2 3
A = M (T ; B1 ; B2 ) = .
2 4 6
Seja u 2 R3 e sejam ( 1; 2; 3) as coordenadas de u em relação à base B1 . Tem-se
u 2 N (T ) , ( 1; 2; 3) 2 N (A)
e como
1 2 3
N (A) = N = f( 2y 3z; y; z) : y; z 2 Rg = L (f( 2; 1; 0); ( 3; 0; 1)g) ,
0 0 0
logo f( 2; 1; 0); ( 3; 0; 1)g é uma base de N (A) (uma vez que gera N (A) e é linearmente
independente).
N (T ) = f( 2) (1; 1; 1) + 1(0; 1; 1) + 0(0; 0; 1); ( 3) (1; 1; 1) + 0(0; 1; 1) + 1(0; 0; 1)g =

= L (f( 2; 1; 1); ( 3; 3; 2)g) .
Logo f( 2; 1; 1); ( 3; 3; 2)g é uma base para N (T ) (uma vez que gera N (T ) e é
linearmente independente).
Quanto ao contradomínio:
C(A) = L (f(1; 2)g) ,
logo f(1; 2)g é uma base de C(A) (uma vez que gera C(A) e é linearmente independente).
I(T ) = L (f1(1; 1) + 2(1; 1)g) = L (f(3; 1)g) .
Uma base de I (T ) : f(3; 1)g (uma vez que gera I (T ) e é linearmente independente).
Note-se que:
dim N (T ) = dim N (A) dim I(T ) = car A
e
dim N (T ) + dim I(T ) = dim U (espaço de partida).
Teorema 57. Sejam U; V e W espaços lineares de dimensões …nitas. Sejam B1 ; B2 e

B3 bases ordenadas de U; V e W respectivamente. Seja escalar. Sejam T1 ; T2 2 L(U; V ) e
T3 2 L(V; W ). Então, tem-se
M (T1 + T2 ; B1 ; B2 ) = M (T1 ; B1 ; B2 ) + M (T2 ; B1 ; B2 )
M (T3 T1 ; B1 ; B3 ) = M (T3 ; B2 ; B3 )M (T1 ; B1 ; B2 )
Dem. Se A = M (T1 ; B1 ; B2 ) e B = M (T2 ; B1 ; B2 )

X
m X
m X
m
(T1 + T2 ) (uj ) = T1 (uj ) + T2 (uj ) = aij vi + bij vi = (aij + bij ) vi
i=1 i=1 i=1
89
Logo
M (T1 + T2 ; B1 ; B2 ) = A + B = M (T1 ; B1 ; B2 ) + M (T2 ; B1 ; B2 ).
Sejam agora A = M (T3 ; B2 ; B3 ) e B = M (T1 ; B1 ; B2 )
!
X
k X
k
(T3 T1 ) (uj ) = T3 (T1 (uj )) = T3 bij wi = bij T3 (wi ) =
i=1 i=1
0 1
X
k X
m Xm B X
k C
B C
= bij ali vl = B ali bij C vl
B C
i=1 l=1 @ A
l=1
|i=1 {z }
entrada (l;j) de AB
Logo
M (T3 T1 ; B1 ; B3 ) = AB = M (T3 ; B2 ; B3 )M (T1 ; B1 ; B2 )
Teorema 58. Sejam U e V dois espaços lineares de dimensões …nitas. Seja T : U ! V

uma transformação linear. Sejam B1 e B2 duas bases ordenadas de U e V respectivamente.
Seja A = M (T ; B1 ; B2 ) a matriz que representa T em relação às bases B1 e B2 .
Se V = T (U ) então T é invertível se e só se A fôr uma matriz quadrada invertível. Tem-se
então
A 1 = M (T 1 ; B2 ; B1 ),
1 1
isto é, A será a matriz que representa T em relação às bases B2 e B1 .
Teorema 59. Sejam U e V espaços lineares de dimensões …nitas respectivamente n e

m. Isto é,
dim U = n e dim V = m:
Então, os espaços lineares L(U; V ) e Mm n (R) são isomorfos e escreve-se
L(U; V ) = Mm n (R).
Tendo-se
dim L(U; V ) = mn:
Dem. Fixando bases ordenadas B1 e B2 para U e V respectivamente,
L(U; V ) ! Mm n (R)
T ! M (T ; B1 ; B2 )
é uma transformação linear bijectiva.

Logo dim L(U; V ) = dim Mm n (R) = mn
Teorema 60. Seja V um espaço linear de dimensão …nita. Seja T : V ! V uma

transformação linear. Sejam B1 e B2 duas bases ordenadas de V . Seja M (T ; B1 ; B1 ) a matriz
que representa T em relação à base B1 .
90
Então, a matriz M (T ; B2 ; B2 ) que representa T em relação à base B2 , é dada por
1
M (T ; B2 ; B2 ) = SB1 !B2 M (T ; B1 ; B1 ) (SB1 !B2 ) ,
onde SB1 !B2 é a matriz de mudança da base B1 para B2 .

Isto é, o diagrama seguinte é comutativo.
M (T ;B1 ;B1 )
(V; B1 ) ! (V; B1 )
T
SB1 !B2 # I I # SB1 !B2
T
(V; B2 ) ! (V; B2 )
M (T ;B2 ;B2 )
Note-se que neste caso:
T I = I T , M (T ; B2 ; B2 )SB1 !B2 = SB1 !B2 M (T ; B1 ; B1 ) ,

, M (T ; B2 ; B2 ) = SB1 !B2 M (T ; B1 ; B1 ) (SB1 !B2 ) 1
Teorema 61. Caso geral. Sejam U e V dois espaços lineares de dimensões …nitas. Seja
T : U ! V uma transformação linear. Sejam B1 e B10 duas bases ordenadas de U . Sejam B2
e B20 duas bases ordenadas de V . Seja M (T ; B1 ; B2 ) a matriz que representa T em relação às
bases B1 e B2 .
Então, a matriz M (T ; B10 ; B20 ) que representa T em relação às bases B10 e B20 , é dada por
1
M (T ; B10 ; B20 ) = SB2 !B20 M (T ; B1 ; B2 ) SB1 !B10 ,
onde SB2 !B20 e SB1 !B10 são as matrizes de mudança das bases B2 para B20 e de B1 para B10
respectivamente.
Isto é, o diagrama seguinte é comutativo.
M (T ;B1 ;B2 )
(U; B1 ) ! (V; B2 )
T
SB1 !B10 # I I # SB2 !B20
T
(U; B10 ) ! (V; B20 )
M (T ;B10 ;B20 )
Note-se que neste caso:
T I = I T , M (T ; B10 ; B20 )SB1 !B10 = SB2 !B20 M (T ; B1 ; B2 ) ,

1
, M (T ; B10 ; B20 ) = SB2 !B20 M (T ; B1 ; B2 ) SB1 !B10
Exemplo 38. Seja T : R2 ! R3 de…nida por T (x; y) = (y; x; y x). T é uma transfor-
mação linear. A matriz M (T ; Bc2 ; Bc3 ) que representa T em relação à base canónica (ordenada)
Bc2 de R2 e à base canónica (ordenada) Bc3 de R3 , é dada por
2 3
0 1
M (T ; Bc2 ; Bc3 ) = 4 1 0 5 .
1 1
91
Sejam B1 = f(1; 1); ( 1; 1)g uma base ordenada de R2 e B2 = f(0; 0; 1); (0; 1; 1); (1; 1; 1)g
uma base ordenada de R3
A matriz M (T ; B1 ; B2 ) que representa T em relação à base ordenada B1 de R2 e à base
ordenada B2 de R3 , é dada por
2 3
1 3
M (T ; B1 ; B2 ) = 4 0 2 5,
1 1
uma vez que
T (1; 1) = (1; 1; 0) = (0; 0; 1) + 0(0; 1; 1) + 1 (1; 1; 1)
T ( 1; 1) = (1; 1; 2) = 3(0; 0; 1) 2(0; 1; 1) + 1 (1; 1; 1) :
Vamos agora veri…car que se tem
1
M (T ; B1 ; B2 ) = SBc3 !B2 M (T ; Bc2 ; Bc3 ) SBc2 !B1 :
Uma vez que
(1; 0; 0) = 0(0; 0; 1) 1(0; 1; 1) + 1 (1; 1; 1) ; (0; 1; 0) = (0; 0; 1) + 1(0; 1; 1) + 0 (1; 1; 1) ;
(0; 0; 1) = 1(0; 0; 1) + 0(0; 1; 1) + 0 (1; 1; 1)
2 3
0 1 1
tem-se então SBc3 !B2 = 4 1 1 0 5. Logo,
1 0 0
1
SBc3 !B2 M (T ; Bc2 ; Bc3 ) SBc2 !B1 =
2 32 3 2 3 2 3
0 1 1 0 1 2 1 1 3
1 1
=4 1 1 0 5 4 1 0 5 SB1 !Bc2 = 4 1 1 5 =4 0 2 5 = M (T ; B1 ; B2 ).
1 1
1 0 0 1 1 0 1 1 1
Por exemplo, para (2; 1) 2 R2 , tem-se:
coordenadas de (2; 1) M (T ;Bc2 ;Bc3 ) coordenadas de T (2; 1)

!
na base Bc2 T na base Bc3
SBc2 !B1 # I I # SBc3 !B2
coordenadas de (2; 1) T coordenadas de T (2; 1)

!
na base B1 M (T ;B1 ;B2 ) na base B2 .
ou seja
2 3
1
2 M (T ;Bc2 ;Bc3 )
4 2 5
!
1 T
1
SBc2 !B1 # I I # SBc3 !B2

2 3
3 3
T
2
1 ! 4 1 5.
2 M (T ;B1 ;B2 )
1
92
1. Sejam a; b 2 R. Considere a aplicação Ta;b : R ! R de…nida por Ta;b (x) = ax + b.

Determine os valores de a e de b para os quais Ta;b é linear.
2. Diga quais das seguintes transformações são lineares. Determine para cada trans-
formação linear a correspondente matriz que a representa em relação às respectivas
bases canónicas (ordenadas). Determine também, se possível, para cada uma dessas
transformações lineares, bases para o núcleo N (T ) e para o contradomínio I(T ), bem
como as respectivas dimensões (de N (T ) e de I(T )). Diga ainda quais são injectivas,
sobrejectivas e bijectivas.
(i) T : R2 ! R2 com T (x; y) = (x + 2y; 3x y).
(ii) T : R2 ! R2 com T (x; y) = (1 y; 2x).
3 3
(iii) T : R ! R com T (x; y; z) = (x; 2x; x).
(iv) T : R3 ! R2 com T (x; y; z) = (0; 0).
(v) T : R2 ! R com T (x; y) = 3x.
(vi) T : R3 ! R3 com T (x; y; z) = (0; 1; 2).
(vii) T : R ! R3 com T (x) = (2x; 0; x).
(viii) T : R3 ! R2 com T (x; y; z) = (x2 y; 2y).
(ix) T : R4 ! R2 com T (x; y; z; w) = (x y; 3w).
(x) T : R3 ! R4 com T (x; y; z) = ( z; y 2z; 2y; y + z).
(xi) T : R ! R2 com T (x) = (0; 0).
(xii) T : R3 ! R3 com T (x; y; z) = (x + 2y; 3z; x z).
3 3
(xiii) T : R ! R com T (x; y; z) = (x; y; z).
(xiv) T : P2 ! P2 com T (p (t)) = 2p (1 t) tp0 (t),
onde P2 = fa0 + a1 t + a2 t2 : a0 ; a1 ; a2 2 Rg e p0 é a derivada de 1a ordem de p.
(xv) T : P2 ! P2 com
T (p (t)) = p (0) p ( 1) + (p ( 1) + p (1)) t + (p ( 1) p (1) 2p (0)) t2 :
p (1) p (0)
(xvi) T : P2 ! M2 2 (R) com T (p (t)) = .
p (0) p ( 1)
1 2
(xvii) T : M2 2 (R) ! M2 2 (R) com T (X) = tr (X) . Resolva ainda a
2 1
1 2
equação linear T (X) = .
2 1
3. Determine para cada transformação linear a correspondente matriz que a representa
em relação às respectivas bases canónicas (ordenadas).
(i) T : R2 ! R2 com T (x; y) = (x cos y sen ; x sen + y cos ), 2 [0; 2 [.
Rotação de amplitude em torno da origem e no sentido contrário ao dos ponteiros de
um relógio. Veri…que ainda que se tem T T = T + e (T ) 1 = T .
93
(ii) T : R3 ! R3 com T (x; y; z) = (x; y cos z sen ; y sen + z cos ), 2 [0; 2 [.
Rotação de amplitude no plano (y; z) em torno da origem e no sentido contrário ao
dos ponteiros de um relógio.
(iii) T : R2 ! R2 com T (x; y) = (x cos 2 + y sen 2 ; x sen 2 y cos 2 ), 2 [0; [.
Re‡exão em relação à recta que passa na origem e que forma um ângulo de amplitude
com a recta y = 0.
(iv) T : R2 ! R2 com T (x; y) = (x cos2 + y sen cos ; x sen cos + y sen2 ),
2 [0; [. Projecção sobre a recta que passa na origem e que forma um ângulo de
amplitude com a recta y = 0.
(v) T : R2 ! R2 com T (x; y) = (x + ky; y). Deslizamento em R2 na direcção x e de
razão k. Esboce a …gura T (U ) onde U é o quadrado unitário f(x; y) 2 R2 : 0 x; y 1g.
(vi) T : R2 ! R2 com T (x; y) = (x; y + kx). Deslizamento em R2 na direcção y e de
razão k. Esboce a …gura T (U ) onde U é o quadrado unitário f(x; y) 2 R2 : 0 x; y 1g.
(vii) T : R2 ! R2 com T (x; y) = (kx; ky), com k 2 [0; 1[. Contração em R2 de razão
k. Esboce a …gura T (U ) onde U é o quadrado unitário f(x; y) 2 R2 : 0 x; y 1g.
(viii) T : R2 ! R2 com T (x; y) = (kx; ky), com k > 1. Dilatação em R2 de razão k.
Esboce a …gura T (U ) onde U é o quadrado unitário f(x; y) 2 R2 : 0 x; y 1g.
(ix) T : R2 ! R2 com T (x; y) = (kx; y), com k 2 [0; 1[. Compressão em R2
na direcção x e de razão k. Esboce a …gura T (U ) onde U é o quadrado unitário
f(x; y) 2 R2 : 0 x; y 1g.
(x) T : R2 ! R2 com T (x; y) = (kx; y), com k > 1. Ampliação em R2 na direcção x e
de razão k. Esboce a …gura T (U ) onde U é o quadrado unitário f(x; y) 2 R2 : 0 x; y 1g.
4. Considere a transformação linear T : R3 ! R3 que em relação à base canónica (orde-
nada) Bc3 = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g de R3 é representada pela matriz
2 3
1 2 1
M (T ; Bc3 ; Bc3 ) = 4 1 1 0 5.
2 1 0
Determine a expressão geral de T , isto é, determine T (x; y; z) para qualquer (x; y; z) 2

R3 . Determine, se possível, bases para o núcleo N (T ) e para o contradomínio I(T ),
bem como as respectivas dimensões (de N (T ) e de I(T )).
5. Considere a base ordenada B = fv1 ; v2 g de R2 , em que v1 = (1; 1) e v2 = (1; 0) e seja
T : R2 ! R2 a transformação linear tal que
T (v1 ) = (1; 2), T (v2 ) = ( 3; 1).
(i) Calcule T (2; 1).

(ii) Determine a expressão geral de T , isto é, determine T (x; y) para qualquer (x; y) 2
R2 .
(iii) Determine a matriz M (T ; Bc2 ; Bc2 ) que representa T em relação à base canónica
(ordenada) Bc2 de R2 .
(iv) Determine as matrizes de mudança de base SBc2 !B e SB!Bc2 . Determine as coor-
denadas do vector (2; 1) na base B.
94
(v) Determine a matriz M (T ; B; B) que representa T em relação à base ordenada B
de R2 . Determine as coordenadas do vector T (2; 1) na base B.
(vi) Determine a matriz M (T ; Bc2 ; B) que representa T em relação às bases ordenadas
Bc2 e B de R2 .
(vii) Determine a matriz M (T ; B; Bc2 ) que representa T em relação às bases ordenadas
B e Bc2 de R2 .
6. Considere as transformações lineares T1 e T2 cujas matrizes que as representam em
relação às bases canónicas (ordenadas) de R2 e R3 são dadas respectivamente por
2 3
0 1
2 0 1
M (T1 ; Bc3 ; Bc2 ) = e M (T2 ; Bc2 ; Bc3 ) = 4 0 1 5 .
1 1 0
1 1
Determine as expressões gerais de (T1 T2 )(x; y) e (T2 T1 )(x; y; z) para quaisquer
(x; y) 2 R2 ; (x; y; z) 2 R3 .
7. Considere a transformação linear T : R3 ! R3 de…nida por
T (x; y; z) = (2y; y x; x).
Determine a matriz M (T ; B; B) que representa T em relação à base ordenada
B = fv1 ; v2 ; v3 g de R3 com v1 = (1; 0; 1), v2 = (1; 2; 0), v3 = ( 1; 1; 1).
8. Seja
1 0 0 1 0 0 0 0
Bc2 2
= ; ; ;
0 0 0 0 1 0 0 1
a base canónica (ordenada) de M2 2 (R). Considere a transformação linear
S : M2 2 (R) ! M2 2 (R) de…nida por S(A) = AT .
Determine a matriz M (S; Bc2 2 ; Bc2 2 ) que representa S em relação à base canónica
(ordenada) Bc2 2 .
9. Considere a transformação linear T : R3 ! R3 e a base canónica (ordenada)
Bc3 = fv1 ; v2 ; v3 g de R3 , com v1 = (1; 0; 0), v2 = (0; 1; 0), v3 = (0; 0; 1).
Suponha que se tem
T (v3 ) = 3v1 + v2 2v3 , T (v2 + v3 ) = v1 , T (v1 + v2 + v3 ) = v2 + v3 .
(i) Calcule T (2v1 v2 + 3v3 ).
(ii) Determine a matriz M (T ; Bc3 ; Bc3 ) que representa T em relação à base canónica
(iii) Determine duas bases ordenadas B1 = fu1 ; u2 ; u3 g e B2 = fw1 ; w2 ; w3 g de R3 de
modo a que a matriz M (T ; B1 ; B2 ) que represente T em relação a essas bases B1 e B2
seja a matriz identidade: 2 3
1 0 0
4 0 1 0 5.
0 0 1
95
10. Considere a transformação linear T : R2 ! R3 que em relação às bases ordenadas
B1 = fu1 ; u2 g de R2 e B2 = fv1 ; v2 ; v3 g de R3 com
u1 = (1; 1), u2 = (2; 1), v1 = (1; 0; 1), v2 = (1; 1; 2), v3 = (0; 1; 1),
é representada pela matriz

2 3
1 2
M (T ; B1 ; B2 ) = 4 1 1 5.
3 0
0 0 0 0 0 0 0
Considere ainda as bases ordenadas B1 = u1 ; u2 de R2 e B2 = v1 ; v2 ; v3 de R3 com
0 0 0 0 0
u1 = (1; 0), u2 = (1; 1), v1 = (1; 0; 0), v2 = (1; 1; 0), v3 = (1; 1; 1).
(i) Determine as coordenadas do vector T ( 1; 2) na base B2 .

(ii) Determine as coordenadas do vector ( 1; 2) na base B10 .
(iii) Determine as coordenadas do vector T ( 1; 2) na base B20 .
(iv) Determine, se possível, uma base para o núcleo N (T ). Determine a dimensão de
N (T ). Diga se T é injectiva.
(v) Determine, se possível, uma base para o contradomínio I(T ). Determine a dimen-
são de I(T ). Diga se T é sobrejectiva.
(vi) Determine a expressão geral de T , isto é, determine T (x; y) para qualquer (x; y) 2
R2 .
0 0
(vii) Determine a matriz M (T ; B1 ; B2 ) que representa T em relação às bases ordenadas
0 0
B1 e B2 .
T (x; y; z) = (x + y; x + y z).
(i) Determine a matriz M (T ; Bc3 ; Bc2 ) que representa T em relação às bases canónicas
(ordenadas) Bc3 e Bc2 de R3 e R2 respectivamente.
(ii) Determine, se possível, uma base para o núcleo N (T ). Determine a dimensão de
(iii) Determine, se possível, uma base para o contradomínio I(T ). Determine a di-
mensão de I(T ). Diga se T é sobrejectiva.
(iv) Determine a solução geral da equação linear T (x; y; z) = (1; 1).
(v) Considere a equação linear T (x; y; z) = (a; b). Veri…que se existe algum vector
(a; b) 2 R2 para o qual essa equação seja impossível.
(vi) Considere a equação linear T (x; y; z) = (a; b). Veri…que se existe algum vector
(a; b) 2 R2 para o qual essa equação seja possível e determinada.
96
12. Considere a transformação linear T : R3 ! R3 cuja matriz M (T ; Bc3 ; Bc3 ) que a repre-
senta em relação à base canónica (ordenada) Bc3 de R3 é dada por
2 3
1 2 2
M (T ; Bc3 ; Bc3 ) = 4 2 1 4 5 .
0 0 2
(i) Determine a expressão geral de T , isto é, determine T (x; y; z) para qualquer

(x; y; z) 2 R3 .
(iv) Determine a solução geral da equação linear T (x; y; z) = (3; 3; 0).
(v) Considere a equação linear T (x; y; z) = (a; b; c). Veri…que se existe algum vector
(a; b; c) 2 R3 para o qual essa equação seja impossível.
(vi) Considere a equação linear T (x; y; z) = (a; b; c). Veri…que se existe algum vector
(a; b; c) 2 R3 para o qual essa equação seja possível e indeterminada.
13. Considere a transformação linear T : R3 ! R3 cuja matriz M (T ; B; B) que a representa

em relação à base (ordenada) B = fv1 ; v2 ; v3 g de R3 com
v1 = (1; 1; 1), v2 = (1; 1; 0), v3 = (1; 0; 0),
é dada por 2 3
1 2 2
M (T ; B; B) = 4 2 4 4 5 .
0 0 2
(i) Determine, se possível, uma base para o núcleo N (T ). Determine a dimensão de

N (T ). Diga, justi…cando, se T é sobrejectiva e se T é injectiva.
(ii) Determine, se possível, uma base para o contradomínio I(T ). Determine a dimen-
são de I(T ).
(iii) Mostre que a equação linear T (x; y; z) = (2; 4; 0) não tem soluções.
1
(iv) Determine T (1; 1; 1) e resolva a equação linear T (x; y; z) = ( 1; 1; 3
).
(v) Considere a equação linear T (x; y; z) = (a; b; c). Veri…que se existe algum vector
(a; b; c) 2 R3 para o qual essa equação seja possível e indeterminada.
(vi) Determine a expressão geral de T , isto é, determine T (x; y; z) para qualquer
(x; y; z) 2 R3 .
T (x; y; z) = (x + y + z; x + 2y 4z; z).
(i) Determine a matriz M (T ; Bc3 ; Bc3 ) que representa T em relação à base canónica
97
1
(ii) Mostre que T é injectiva e determine a expressão geral de T , isto é, determine
T 1 (x; y; z) para qualquer (x; y; z) 2 R3 .
(iii) Justi…que que T é um isomor…smo.
(iv) Determine a solução geral da equação linear T (x; y; z) = (1; 1; 2).
15. Seja
1 0 0 1 0 0 0 0
Bc2 2
= ; ; ;
0 0 0 0 1 0 0 1
a base canónica (ordenada) de M2 2 (R). Considere a transformação
0 1
T : M2 2 (R) ! M2 2 (R) de…nida por T (X) = AX XA, com A = :
1 0
(i) Veri…que que T é linear.

(ii) Determine a expressão geral de T .
(iii) Determine a matriz M (T ; Bc2 2 ; Bc2 2 ) que representa T em relação à base canónica
(ordenada) Bc2 2 de M2 2 (R).
(iv) Determine, se possível, uma base para o núcleo N (T ). Determine a dimensão de
(v) Determine, se possível, uma base para o contradomínio I(T ). Determine a dimen-
são de I(T ). Diga se T é sobrejectiva.
16. Considere as transformações lineares T1 ; T2 : R2 ! R2 de…nidas respectivamente por
T1 (x; y) = (x + y; x y) e T2 (x; y) = (2x + y; x 2y).
(i) Determine as matrizes M (T1 ; Bc2 ; Bc2 ) e M (T2 ; Bc2 ; Bc2 ) que representam respectiva-
mente T1 e T2 em relação à base canónica (ordenada) Bc2 de R2 .
(ii) Determine a matriz A = M (T2 T1 ; Bc2 ; Bc2 ) que representa T2 T1 em relação à
base canónica (ordenada) Bc2 de R2 .
(iii) Determine, usando a alínea anterior, a expressão geral de T2 T1 , isto é, (T2
T1 )(x; y) para qualquer (x; y) 2 R2 .
(iv) Determine, directamente a partir das expressões de T1 e de T2 , a expressão geral
de T2 T1 .
(v) Mostre que T1 e T2 são invertíveis.
(vi) Determine as expressões gerais de T1 1 (x; y); T2 1 (x; y) e T1 1
T2 1
(x; y) para
qualquer (x; y) 2 R2 .
(vii) Determine a matriz M ((T2 T1 ) 1 ; Bc2 ; Bc2 ) que representa (T2 T1 ) 1 em relação
à base canónica (ordenada) Bc2 de R2 e veri…que que é igual a A 1 , onde A é a matriz
determinada em (ii).
1
(viii) Veri…que que (T2 T1 ) 1
= T1 T2 1 .
98
17. Considere a transformação linear T : R2 ! R2 que em relação à base canónica ordenada
(Bc2 = f(1; 0) ; (0; 1)g) de R2 é representada pela matriz:
1 0
M T ; Bc2 ; Bc2 = :
2 1
Justi…que que T é injectiva e resolva a equação linear T (x; y) = (1; 2).
18. Considere a transformação linear T1 : R2 ! R de…nida por T1 (x; y) = x. Seja
1
M T2 ; Bc1 ; Bc2 =
0
a matriz que representa a aplicação linear T2 : R ! R2 em relação às bases canónicas

ordenadas Bc1 = f1g e Bc2 de R e R2 respectivamente. Determine uma base para o
núcleo: N (T2 T1 ).
19. Considere a transformação linear T : R3 ! R2 cuja representação matricial em relação

as bases ordenadas B1 = f(1; 0; 1); (0; 1; 1); (0; 0; 1)g de R3 e B2 = f(1; 1); (0; 1)g de R2
é dada pela matriz:
1 0 1
M (T ; B1 ; B2 ) = .
1 0 1
Determine uma base para o contradomínio I (T ) e diga, justi…cando, se T é sobrejec-
tiva.
20. Considere a transformação linear T1 : R3 ! R2 de…nida por T1 (x; y; z) = (2x+y; y+2z).

Considere ainda a transformação linear T2 : R2 ! R3 cuja representação matricial
em relação à base (ordenada) B = f(2; 1); (1; 2)g de R2 e à base canónica Bc3 de R3 é
dada pela matriz: 2 3
2 1
M (T2 ; B; Bc3 ) = 4 1 1 5 .
1 2
(i) Determine uma base para o núcleo N (T1 ) de T1 e diga, justi…cando, se T1 é sobre-
jectiva.
(ii) Determine uma base para o contradomínio I(T2 ) de T2 e diga, justi…cando, se T2
é injectiva.
(iii) Diga, justi…cando, se se tem N (T1 ) + I(T2 ) = R3 e determine a dimensão de
N (T1 ) \ I(T2 ).
(iv) Determine a matriz M (T2 ; Bc2 ; Bc3 ) que representa T2 em relação às bases canónicas
Bc2 e Bc3 de R2 e R3 respectivamente.
8 8
(v) Determine a solução geral da equação (T1 T2 ) (x; y) = ; .
3 3
21. Considere a transformação linear T : R3 ! R3 de…nida por: T (x; y; z) = (0; x + y; z).
Determine, justi…cando, uma base para I (T ) e diga, justi…cando, se T é injectiva.
99
1. Considere a transformação linear T1 : R2 ! R3 de…nida por T1 (x; y) = (2x+y; 0; x+2y).

Considere ainda a transformação linear T2 : R3 ! R2 cuja representação matricial
em relação à base (ordenada) B = f(1; 1; 1); (1; 1; 0); (1; 0; 0)g de R3 e à base canónica
Bc2 de R2 é dada pela matriz:
1 1 1
M (T2 ; B; Bc2 ) = .
1 1 1
(i) Determine T2 (0; 1; 0) e T2 (0; 0; 1).

(ii) Determine uma base para o contradomínio I(T1 ) de T1 e diga, justi…cando, se T1
é sobrejectiva.
(iii) Determine uma base para o núcleo N (T2 ) de T2 e diga, justi…cando, se T2 é
injectiva.
(iv) Determine a solução geral da equação (T2 T1 ) (x; y) = ( 1; 1).
2. Considere a transformação linear T : R3 ! P3 de…nida por
T (1; 1; 1) = 2 + 2t2 ; T (1; 1; 1) = t t3 e T ( 1; 1; 1) = 2 + t + 2t2 + t3 .
(i) Determine a expressão geral de T , isto é, determine T (x; y; z) para qualquer

(x; y; z) 2 R3 .
(iv) Resolva, em R3 ; a equação linear T (x; y; z) = 1 + t + t2 + t3 .
3. Seja 2 R. Considere a transformação linear T : R3 ! P2 de…nida por
T (x; y; z) = z y + (y x) t + xt2 .
(i) Determine, se possível, uma base para o núcleo N (T ). Determine a dimensão de

(ii) Determine, se possível, uma base para o contradomínio I(T ). Determine a di-
(iii) Considere = 0 e resolva a equação linear T0 (x; y; z) = 1 + t2 .
4. Considere o espaço linear P2 dos polinómios reais de variável real e de grau menor ou
igual a 2. Considere a transformação linear T : P2 ! P2 de…nida por
T (p (t)) = p0 (t) 2p (t) ,
onde p0 (t) é a derivada de primeira ordem de p (t).

(i) Determine a expressão geral de T .
100
(ii) Sendo B = f1; t; t2 g a base canónica (ordenada) de P2 , determine a matriz
M (T ; B; B) que representa T em relação à base B.
(iii) Justi…que que T é um isomor…smo e veri…que que a expressão geral do isomor…smo
T 1 é dada por
1 1 0 1 00
T 1 (p (t)) = p (t) p (t) p (t)
2 4 8
para todo o p (t) 2 P2 , onde p00 (t) é a derivada de segunda ordem de p (t).
(iv) Resolva, em P2 ; a equação diferencial linear p0 (t) 2p (t) = (2 3t)2 .
T (p (t)) = t2 p00 (t) 2p (t) ,
onde p00 (t) é a derivada de segunda ordem de p (t).

(ii) Sendo B = f1; t; t2 g a base canónica (ordenada) de P2 , determine a matriz
(iii) Determine, se possível, uma base para N (T ) e uma base para I (T ) e diga,
justi…cando, se T é injectiva e/ou sobrejectiva.
(iv) Resolva, em P2 ; as equações diferenciais lineares:
a) t2 p00 (t) 2p (t) = 2 t; b) 2tp0 (t) 2p (0) = 2 t.
6. Seja U o subespaço das matrizes simétricas de M2 2 (R), isto é,
U = A 2 M2 2 (R) : A = AT .
Considere a transformação linear T : U ! U de…nida por
T (A) = AB + BA
0 1
com B = .
1 0
(ii) Determine uma base para U e calcule a matriz que representa T em relação a essa
base.
(iii) Determine, se possível, uma base para N (T ) e uma base para I (T ) e diga,
justi…cando, se T é injectiva e/ou sobrejectiva.
(iv) Resolva, em U; a equação linear T (A) = B.
7. Considere a transformação linear T : M2 2 (R) ! P3 cuja matriz M (T ; B1 ; B2 ) que a

representa em relação às bases ordenadas
1 1 1 1 0 1 1 0
B1 = ; ; ;
1 0 0 1 1 1 1 1
101
de M2 2 (R) e B2 = f1 + t; t + t2 ; t2 + t3 ; t3 g de P3 é dada por
2 3
1 1 1 1
6 0 1 1 1 7
M (T ; B1 ; B2 ) = 6 4 0 0 1
7.
1 5
0 0 0 1

(ii) Justi…que que T é um isomor…smo e determine a expressão geral do isomor…smo
T 1 , isto é, determine
T 1 a0 + a1 t + a2 t2 + a3 t3 .
a b
(iii) Resolva a equação linear T = 1 + 2t + 3t2 + 4t3 .
c d
8. Seja U o espaço linear das funções reais de variável real duas vezes diferenciáveis.
T (f ) = f 00 2f 0 + f .
Considere o subespaço S = ff 2 U : f 00 2f 0 + f = 0g de U .
(i) Mostre que o conjunto fet ; tet g é uma base de S. Sugestão: Mostre que se f 2 S,
então f (t) e t é um polinómio de grau menor ou igual a 1.
(ii) Mostre que dados a; b 2 R, existe uma única função f 2 S tal que f (0) = a e
f 0 (0) = b.
(iii) Determine a única solução f da equação diferencial linear T (f ) = 1 que veri…ca
f (0) = 1 e f 0 (0) = 0.
9. Seja V o subespaço linear de R4 gerado pelos vectores v1 = (1; 0; 0; 1) e v2 =
(0; 1; 1; 0). Considere ainda a transformação linear T : V ! V tal que
T (v1 ) = v2 ; T (v2 ) = v1 :
(i) Determine a matriz M (T ; B; B) que representa T em relação à base ordenada

B = fv1 ; v2 g de V .
(ii) Encontre, em V , a solução geral da equação T (u) = (2; 3; 3; 2).
(iii) Sejam w1 = (0; 0; 1; 1); w2 = (0; 0; 0; 1) e considere a transformação linear R :
R4 ! R4 de…nida por
R(v1 ) = v2 ; R(v2 ) = v1 ; R(w1 ) = R(w2 ) = (0; 0; 0; 0):
Encontre, em R4 , a solução geral da equação R(u) = (2; 3; 3; 2).

10. Seja Pn , com n 2 N, o espaço linear real dos polinómios reais de variável real e
de grau menor ou igual a n. Considere a transformação linear T1 : P2 ! P1 cuja
representação matricial em relação às bases ordenadas B1 = f1 + t; 1 t; t2 g de P2 e
B2 = f1 + t; 1 + 2tg de P1 , é dada pela matriz:
1 2 0
M (T1 ; B1 ; B2 ) = .
0 1 1
102
Considere ainda a transformação linear T2 : P1 ! P2 tal que
T2 (1) = 1 t T2 (t) = 2 + 8t 2t2 :
a) Determine a matriz M (T2 ; B; B1 ) que representa T2 em relação às bases ordenadas

B = f1; tg de P1 e B1 = f1 + t; 1 t; t2 g de P2 .
b) Determine uma base para N (T1 ) (núcleo de T1 ) e diga, justi…cando, se T1 é sobre-
jectiva.
c) Determine T1 (t) e encontre, em P2 , a solução geral da equação T1 (p (t)) = t.
d) Veri…que que T1 T2 = I.

às bases ordenadas Bc = f(1; 0; 0)); (0; 1; 0); (0; 0; 1)g e B 0 = f(1; 1; 0)); (1; 1; 1); (0; 1; 1)g
de R3 é dada por: 2 3
1 0 2
M (T ; Bc ; B 0 ) = 4 1 1 3 5 :
4 2 2
a) Determine uma base para o núcleo de T e indique a sua dimensão.

b) Determine uma base para o contradomínio de T e indique a sua dimensão.
c) Determine a expressão geral de T , isto é, determine T (x; y; z), para todo (x; y; z) 2
R3 .
12. Seja P2 = fp (t) = a0 + a1 t + a2 t2 : a0 ; a1 ; a2 2 Rg o espaço linear de todos os polinómios

reais de variável real e de grau menor ou igual a 2, com as operações usuais.
a) Considere a transformação linear T1 : P2 ! P2 cuja representação matricial em
relação à base ordenada B = f1; t; t2 g de P2 é dada por:
2 3
0 1 0
M (T1 ; B; B) = 4 0 0 4 5 :
0 0 0
Determine uma base para o contradomínio de T1 e indique a sua dimensão. Diga,

justi…cando, se T1 é injectiva.
b) Considere a transformação linear T2 : P2 ! P2 de…nida por
0
T2 (p (t)) = (tp0 (t)) ;
onde p0 (t) é a derivada de 1a ordem de p (t). Resolva em P2 , a equação linear

1
T2 (p (t)) = + 2t:
2
13. Sejam M2 2 (R) o espaço linear de todas as matrizes reais do tipo 2 2 e P2 o espaço
linear de todos os polinómios reais de variável real e de grau menor ou igual a 2, ambos
com as operações usuais. Seja U o subespaço de M2 2 (R) gerado por
0 1 2 1
;
1 0 1 2
103
e seja V o subespaço de P2 gerado por
1 + t; t + t2 .
Considere a transformação linear T : U ! V de…nida por:
0 1 2 1
T = t + t2 e T = 1 + t.
1 0 1 2
a) Determine a matriz que representa a aplicação linear T em relação às bases
1 1 1 0
; e 1 + 2t + t2 ; 1 t2
0 1 1 1
de U e V respectivamente.
b) Determine a expressão geral de T , isto é, determine
a b
T ;
c d
a b
para todo o 2 U.
c d
14. Seja P2 = fp (t) = a0 + a1 t + a2 t2 : a0 ; a1 ; a2 2 Rg o espaço linear de todos os polinómios

reais de variável real e de grau menor ou igual a 2, com as operações usuais. Considere
a transformação linear T : P2 ! P2 de…nida por
T (p (t)) = 2p (0) tp0 (t) ;
onde p0 (t) é a derivada de 1a ordem de p (t).

a) Determine a matriz M (T ; B; B) que representa a aplicação linear T em relação à
base B = f1; t; t2 g de P2 .
b) Determine uma base para o contradomínio de T e indique a sua dimensão. Diga,
justi…cando, se T é injectiva.

às bases ordenadas B1 = f(1; 0; 1); (0; 1; 1); (1; 1; 0)g de R3 e B2 = f(1; 1); (1; 1)g de
R2 é dada por:
1 2 1
M (T ; B1 ; B2 ) = .
2 4 2
a) Determine uma base para o núcleo de T e indique a sua dimensão. Diga, justi…cando,
se T é sobrejectiva.
1 3
b) Determine T (1; 0; 1) e resolva em R3 , a equação linear T (x; y; z) = ; :
2 2
16. Seja P2 o espaço linear real dos polinómios reais de grau menor ou igual a 2. Considere
a base ordenada B = fp1 ; p2 ; p3 g de P2 onde
p1 (t) = 1 + 2t + 3t2 ; p2 (t) = 2 + 3t; p3 (t) = 1:
104
Considere a transformação linear T : P2 ! P2 de…nida por:
T (p1 (t)) = p2 (t); T (p2 (t)) = p3 (t); T (p3 (t)) = 0:
a) Determine a matriz M (T ; B; B) que representa T na base B.

b) Calcule T 3 (p(t)), para todo o p(t) 2 P2 .
c) Determine uma base para o núcleo de T e uma base para o contradomínio de T .
d) Resolva, em P2 , a equação linear T (p(t) = 3 + 3t.
17. Seja P1 o espaço linear real dos polinómios reais de grau menor ou igual a 1. Considere
as transformações lineares T1 ; T2 : P1 ! P1 de…nidas por
2 1
T1 (1 + t) = 2 t; T1 (1 t) = 1 + 2t e M T2 ; Bc2 ; B =
1 2
onde Bc2 = f1; tg e B = f1 + t; 1 tg são duas bases ordenadas de P1 .

a) Determine uma base para I (T2 ).
b) Resolva em P1 a equação linear (T1 T2 ) (p (t)) = 3 + 3t.
18. Seja P1 = fp(t) = a0 + a1 t : a0 ; a1 2 Rg o espaço linear real dos polinómios reais

de grau menor ou igual a 1. Considere a transformação linear T1 : P1 ! M2 2 (R)
de…nida por:
p ( 1) + p (1) p (0)
T1 (p (t)) = .
p (0) p ( 1) + p (1)
Considere ainda a transformação linear T2 : P1 ! P1 tal que
T2 (2 2t) = 6 2t T2 ( 1 + 2t) = 6t T2 (1 + t) = 9 + 9t.
a) Diga, justi…cando, se T2 é sobrejectiva.

b) Determine uma base para I (T1 ) + I (T1 ).
4 2
c) Resolva, em P1 , a equação linear (T1 T2 ) (p (t)) = .
2 4
19. Seja C 1 (R) o espaço linear das funções reais de variável real inde…nidamente diferen-
ciáveis em R e U = L (ff1 ; f2 ; f3 g) o subespaço linear de C 1 (R) gerado pelas funções
f1 (x) = sen x; f2 (x) = cos x; f3 (x) = ex .
Seja T : C 1 (R) ! C 1 (R) de…nida por T (f (x)) = f 0 (x) onde f 0 designa a 1a derivada
de f .
a) Determine o núcleo de T e diga, justi…cando se T é injectiva.
b) Veri…que que T (U ) U.
c) Determine uma base para U .
d) Resolva em U a equação linear T (f (x)) = sen x + ex .
105
20. Sejam
1 0 1 1
V =L ;
1 1 0 1
e
T : P1 ! V
uma transformação linear tal que
7 1
M (T ; B1 ; B2 ) =
9 1
com
B1 = f1 + t; 1 tg
uma base ordenada de P1 e
1 0 1 1
B2 = ;
1 1 0 1
uma base ordenada de V .

Resolva
2 1
T (p(t)) = .
1 2
21. Sejam T1 : P2 ! R3 e T2 : R3 ! P1 duas transformações lineares tais que
T1 1 t2 = (1; 1; 0) T1 (1 t) = (0; 1; 1) T1 (2 t) = (1; 0; 1)
e
2 1 1
M (T2 ; B1 ; B2 ) =
1 1 2
com
B1 = f(1; 0; 1) ; (1; 1; 0) ; (0; 1; 1)g
uma base ordenada de R3 e
B2 = f1 t; 1 + tg
uma base ordenada de P1 .
(i) Diga, justi…cando, se T1 é injectiva.
(ii) Determine a expressão geral de T1 .
(iii) Diga, justi…cando, se T2 é sobrejectiva.
(iv) Determine uma base para N (T2 T1 ) e uma base para I (T2 T1 ).
(v) Resolva em P2 a equação linear
(T2 T1 ) (p (t)) = t.
22. Sejam V um espaço linear e T : V ! V uma transformação linear tal que T 2 = T .

Mostre que
V = N (T ) I (T ) .
106
23. Sejam U um espaço linear e T : U ! U uma transformação linear tal que T 2 = T .
Mostre que
I (T ) = N (T I) :
24. Considere a transformação linear T1 : R4 ! P2 de…nida por
T1 (x; y; z; w) = x + 2z + ( y + 2w) t + (x 2z) t2 .
a) Determine, justi…cando, uma base para N (T1 ).
b) Diga, justi…cando, se T1 é sobrejectiva.
c) Resolva em R4 a equação linear T1 (x; y; z; w) = 1 + t2 .
d) Seja Bc4 a base canónica de R4 . Determine uma base ordenada B de P2 tal que a
matriz que representa T1 relativamente a essas bases seja dada por:
2 3
0 0 0 0
M T1 ; Bc4 ; B = 4 0 1 0 2 5:
1 1 2 2
a b
25. Seja V = : a; b 2 R e considere as transformações lineares T2 : P1 ! R4 e
b a
T3 : V ! P1 tais que
T2 (1 t) = (0; 0; 0; 2) T2 (1 + t) = (0; 0; 2; 0)
e
1 2
M (T3 ; B1 ; B2 ) =
1 3
com
1 0 0 1
B1 = ; e B2 = f1 + t; 1 tg
0 1 1 0
bases ordenadas de V e de P1 respectivamente.
a) Determine, justi…cando, uma base para I(T2 ).
a b
b) Resolva em V a equação linear T3 =3 t:
b a
c) Determine a expressão geral de T2 T3 , isto é, determine, para quaisquer a; b 2 R;
a b
(T2 T3 ) .
b a

reais de grau menor ou igual a 2 e considere a transformação linear T1 : P2 ! M2 2 (R)
de…nida por:
p (0) p (1)
T1 (p (t)) = .
p ( 1) p (0)
Considere ainda a transformação linear T2 : R3 ! P2 tal que:
T2 (1; 2; 0) = 1 + t2 T2 ( 1; 0; 1) = t t2 T2 (0; 1; 1) = t2 .
a) Resolva, justi…cando, em R3 , a equação linear T2 (x; y; z) = 1 + t + t2 .
b) Determine, justi…cando, a expressão geral da transformação linear T1 T2 .
107
Produtos internos e ortogonalização
De…nição 47. Sejam V um espaço linear real e 0 o vector nulo de V . Chama-se produto
interno em V a uma aplicação
h; i : V V !R
(u; v) ! hu; vi
que veri…que as três condições seguintes.
(i) Simetria: para todos os u; v 2 V
hu; vi = hv; ui .
(ii) Linearidade: para todo o v 2 V (…xo) a aplicação
V !R
u ! hu; vi
é linear.
(iii) Positividade: para todo o u 2 V tal que u 6= 0,
hu; ui > 0.
Tendo-se hu; ui = 0 se e só se u = 0.
Observação 29. (a) Um produto interno num espaço linear real é uma forma bilinear,
simétrica e de…nida positiva.
(b) Num espaço linear V sobre C (espaço linear complexo), um produto interno é uma
aplicação que a cada par de vectores (u; v) 2 V V associa o número complexo hu; vi e que
veri…ca as seguintes condições:
(i) Para todos os u; v 2 V

hu; vi = hv; ui.
(ii) Para todo o v 2 V (…xo) tem-se
h u + w; vi = hu; vi + hw; vi
para todos os u; w 2 V e ; 2 C, (onde por exemplo =a bi se = a + bi) e a aplicação,

para todo o u 2 V (…xo)
V !C
v ! hu; vi
é linear.
108
(iii) Para todo o u 2 V tal que u 6= 0,
hu; ui > 0.
Tendo-se hu; ui = 0 se e só se u = 0.
(c) A um espaço linear real de dimensão …nita com um produto interno chama-se espaço
euclidiano. A um espaço linear complexo de dimensão …nita com um produto interno
chama-se espaço unitário.
Observação 30. (i) Seja V um espaço euclidiano. Seja B = fw1 ; w2 ; :::; wn g uma base
ordenada de V . Sejam u; v 2 V . Sejam
1; 2 ; :::; n e 1; 2 ; :::; n
as coordenadas de u e de v na base ordenada B respectivamente, isto é,

X
n X
n
u= i wi e v= i wi .
i=1 i=1
Logo, * n +
X X
n X
n X
n
hu; vi = i wi ; i wi = i j hwi ; wj i =
i=1 i=1 i=1 j=1
2 32 3
hw1 ; w1 i hw1 ; w2 i : : : hw1 ; wn i 1
6 hw2 ; w1 i hw2 ; w2 i : : : hw2 ; wn i 76 7
6 76 2 7 T
= 1 2 ::: n 6 .. .. .. 7 6 .. 7 = ([u]B ) G [v]B :
4 . . . 54 . 5
hwn ; w1 i hwn ; w2 i : : : hwn ; wn i n
Assim, …xando uma base ordenada B = fw1 ; w2 ; :::; wn g de V , a aplicação h; i : V V ! R

que a cada (u; v) 2 V V faz corresponder hu; vi, é um produto interno em V se e só se a
matriz 2 3
hw1 ; w1 i hw1 ; w2 i : : : hw1 ; wn i
6 hw2 ; w1 i hw2 ; w2 i : : : hw2 ; wn i 7
6 7
G=6 .. .. .. 7
4 . . . 5
hwn ; w1 i hwn ; w2 i : : : hwn ; wn i
fôr simétrica (G = GT ) e de…nida positiva (([u]B )T G [u]B > 0, para todo o u 6= 0). Note-se
que atendendo às propriedades referentes às operações matriciais envolvidas, a igualdade
hu; vi = ([u]B )T G [v]B
equivale à bilinearidade da aplicação h; i : V V ! R.
(ii) À matriz G anterior dá-se o nome de matriz de Gram ou matriz da métrica do

produto interno.
109
(iii) Num próximo capítulo, como consequência da diagonalização ortogonal, sendo
G simétrica (G = GT ), será estabelecida a equivalência:
(([u]B )T G [u]B > 0, para todo o u 6= 0) , (todos os valores próprios de G são positivos).
(iv) Observe-se ainda que no caso de se ter um espaço unitário, a matriz G tem os
valores próprios (num próximo capítulo) todos positivos e é hermitiana, isto é, é tal que
T
G = G , (onde G é a matriz que se obtem de G passando todas as entradas desta ao
complexo conjugado), tendo-se
2 3
1
6 7
6 2 7
hu; vi = 1 2 ::: n G 6 .. 7 .
4 . 5
n
Teorema 62. Seja V um espaço euclidiano com dim V = n. Seja fw1 ; w2 ; :::; wn g uma
base ordenada de V . Então, uma aplicação
h; i : V V !R
é um produto interno (em V ) se e só se

2 3
1
6 7
6 2 7
hu; vi = 1 2 ::: n G 6 .. 7 = ([u]B )T G [v]B ,
4 . 5
n
com
u= 1 w1 + 2 w2 + ::: + n wn v= 1 w1 + 2 w2 + ::: + n wn .
e G é uma matriz simétrica cujos valores próprios são todos positivos, dada por:
2 3
hw1 ; w1 i hw1 ; w2 i : : : hw1 ; wn i
6 hw2 ; w1 i hw2 ; w2 i : : : hw2 ; wn i 7
6 7
G=6 .. .. .. 7.
4 . . . 5
hwn ; w1 i hwn ; w2 i : : : hwn ; wn i
Exemplo 39. (i) Seja h; i : R2 R2 ! R a aplicação de…nida por:
h( 1; 2) ; ( 1; 2 )i = 1 1 + 2 2,
com ( 1 ; 2 ) ; ( 1 ; 2 ) 2 R2 . Esta aplicação é um produto interno em R2 a que se dá o nome

de produto interno usual em R2 , uma vez que
1
h( 1; 2) ; ( 1; 2 )i = 1 1 + 2 2 = 1 2 G
2
110
com
1 0
G= .
0 1
A matriz G é simétrica e o único valor próprio de G é 1 > 0.
(ii) Seja h; i : R2 R2 ! R a aplicação de…nida por:
h( 1; 2) ; ( 1; 2 )i = 2 1 1 +3 2 2,
com ( 1; 2) ; ( 1; 2) 2 R2 . Esta aplicação não é um produto interno em R2 , uma vez que
1 2 0
h( 1; 2) ; ( 1; 2 )i = 2 1 1 +3 2 2 = 1 2 G com G= .
2 0 3
A matriz G é simétrica, no entanto, os valores próprios de G: 2 e 3 não são ambos positivos.
(iii) O produto interno usual em Rn é dado por:
h; i : Rn Rn ! R
(u; v) ! hu; vi = uT v,
2 3
v1
6 v2 7
6 7
onde uT = u1 u2 : : : un ev=6 .. 7.
4 . 5
vn
(iv) O produto interno usual em Cn é dado por:
h; i : Cn Cn ! C
(u; v) ! hu; vi = uH v,
2 3
v1
6 v2 7
H T 6 7
onde u = u = u1 u 2 : : : u n e v = 6 .. 7.
4 . 5
vn
(v) Um produto interno em Mm n (R).
h; i : Mm n (R) Mm n (R) ! R
X
m X
n
(A; B) ! hA; Bi = aij bij = tr AT B .
i=1 j=1
(vi) Um produto interno em C ([a; b]).
h; i : C ([a; b])C ([a; b]) ! R

Z b
(f; g) ! hf; gi = f (x) g (x) dx.
a
111
Prova da positividade: hf; f i > 0 para toda a função não nula. Seja f 2 C ([a; b]). Seja
x0 2 [a; b] tal que f (x0 ) 6= 0. Como f 2 é contínua em [a; b], existe um intervalo I [a; b] tal
que para todo o x 2 I
(f (x0 ))2
(f (x))2 .
2
Logo
Z Z Z Z
b
2 2 (f (x0 ))2 (f (x0 ))2 (f (x0 ))2
hf; f i = (f (x)) dx (f (x)) dx dx = dx = jIj > 0
a I I 2 2 I 2
onde jIj denota o comprimento do intervalo I.
Exemplo 40. R2 com um produto interno não usual. Seja h; i : R2 R2 ! R a

aplicação de…nida por:
h( 1; 2) ; ( 1; 2 )i =2 1 1 + 1 2 + 2 1 +3 2 2,
com ( 1 ; 2 ) ; ( 1 ; 2 ) 2 R2 .
É fácil ver que esta aplicação é simétrica e linear em relação a ( 1; 2) (…xando ( 1; 2 )).
Vejamos por exemplo que a condição
h( 1; 2) ; ( 1; 2 )i > 0, para todo o ( 1; 2) 6= (0; 0),
é satisfeita.
Atendendo a que
2 2 2 2 2
h( 1; 2) ; ( 1; 2 )i =2 1 +2 1 2 +3 2 = 1 +( 1 + 2) +2 2,
tem-se
h( 1; 2) ; ( 1; 2 )i =0,
,( 1 =0 e 1 + 2 =0 e 2 = 0)
,( 1 =0 e 2 = 0) , ( 1; 2) = (0; 0).
Em alternativa, podemos escrever
h( 1; 2) ; ( 1; 2 )i =2 1 1 + 1 2 + 2 1 +3 2 2 =
1 2 1
= 1 2 G com G= .
2 1 3
p p
5+ 5 5 5
A matriz G é simétrica e os valores próprios de G: 2
e 2
são ambos positivos.
De…nição 48. Sejam V um espaço linear com um produto interno e 0 o vector nulo de
V . Sejam u; v 2 V .
(i) Chama-se norma de u a: p

kuk = hu; ui:
112
(ii) Chama-se projecção ortogonal de v sobre u 6= 0 a:
hu; vi
proju v = u:
kuk2
hv; ui
No caso de V ser um espaço linear real pode escrever-se: proju v = u:
kuk2
(iii) Diz-se que u e v são ortogonais se hu; vi = 0.
(iv) Chama-se ângulo entre dois vectores não nulos u e v tais que hu; vi 2 R a:
hu; vi
= arccos .
kuk kvk
Note que este ângulo está bem de…nido atendendo ao próximo teorema.
Observação 31. (i) O ângulo entre dois vectores não nulos u e v é 2

se e só se u e v
são ortogonais.
(ii) Para cada u 2 V (…xo) com u 6= 0, a aplicação proju : V ! V que a cada v 2 V faz
corresponder proju v, é uma transformação linear.
Teorema 63. (i) Desigualdade de Cauchy-Schwarz. Seja V um espaço linear com

um produto interno. Então, para todos os u; v 2 V ,
jhu; vij kuk kvk
(ii) Sejam u; v 2 V . Tem-se:
jhu; vij = kuk kvk , fu; vg é linearmente dependente:
hu; vi
Dem. (i) Sejam u; v 2 V . Se v = 0 a desigualdade é satisfeita. Se v 6= 0, seja = .
hv; vi
Logo h v u; vi = 0. Por outro lado, como
0 k v uk2 = h v u; v ui = h v u; vi h v u; ui =
hu; vi jhu; vij2
= h v u; ui = hv; ui + kuk2 = 2 hv; ui + kuk 2
= 2 + kuk2 ,
kvk kvk
, jhu; vij kuk kvk .
(ii) Suponhamos que jhu; vij = kuk kvk. Se v = 0 a igualdade é satisfeita. Se v 6= 0,

tem-se
jhu; vij2
jhu; vij = kuk kvk , + kuk2 = 0 , k v uk2 = 0 , u = v
kvk2
| {z }
= k v uk2
(i)
113
sendo, deste modo, o conjunto fu; vg linearmente dependente:
Suponhamos agora que o conjunto fu; vg é linearmente dependente. Então existe
escalar tal que u = v. Pelo que
jhu; vij = jh v; vij = hv; vi = kvk2 = j j kvk kvk = k vk kvk = kuk kvk .
Teorema 64. Teorema de Pitágoras. Seja V um espaço linear real com um produto
interno. Sejam u; v 2 V . Tem-se u e v ortogonais se e só se
ku vk2 = kuk2 + kvk2 .
Dem.
ku vk2 = hu v; u vi = hu; ui hv; ui hu; vi+hv; vi = kuk2 2 hu; vi+kvk2 = kuk2 +kvk2
se e só se
hu; vi = 0,
isto é, se e só se u e v forem ortogonais.
Observação 32. (i) Num espaço euclidiano, o teorema de Pitágoras pode ser enunciado
do seguinte modo:
kvk2 = kproju vk2 + kv proju vk2
para todos os u; v.
kvk2 = kproju vk2 + kv proju vk2 kproju vk2
(ii) Num espaço euclidiano, a desigualdade de Cauchy-Schwarz poderia ter sido provada
recorrendo ao teorema de Pitágoras, uma vez que
kproju vk2 = kvk2 kv proju vk2 kvk2 ,

2
jhv; uij
, kuk2 kvk2 , jhu; vij kuk kvk .
kuk2
(iii) Em R2 com o produto interno usual, a desigualdade de Cauchy-Schwarz é dada por

q q
2 2 2 2
j 1 1 + 2 2j 1+ 2 1 + 2,
uma vez que

h( 1; 2) ; ( 1; 2 )i = 1 1 + 2 2,
com ( 1; 2) ; ( 1; 2) 2 R2 .
(iv) Em Rn com o produto interno usual, a desigualdade de Cauchy-Schwarz é dada por

v v
u n u n
Xn
u X uX 2
t 2t
i i i i,
i=1 i=1 i=1
114
uma vez que
h( 1 ; :::; n ) ; ( 1 ; :::; n )i = 1 1 + ::: + n n,
com ( 1 ; :::; n ) ; ( 1 ; :::; n) 2 Rn .
Teorema 65. Sejam V um espaço linear com um produto interno e 0 o vector nulo
de V . Sejam u; v 2 V e escalar. A norma é uma aplicação kk : V ! R que satisfaz as
seguintes propriedades.
(i) Positividade: kuk > 0 se u 6= 0.
(ii) Homogeneidade: k uk = j j kuk
(iii) Desigualdade triangular: ku + vk kuk + kvk
De…nição 49. Pode de…nir-se norma num espaço linear V , sem estar associada a
qualquer produto interno, como sendo uma aplicação de V em R que satisfaz as propriedades
do teorema anterior. A um espaço linear com uma norma chama-se espaço normado.
Observação 33. Seja V um espaço linear real com um produto interno. Sejam u; v 2 V .
Tem-se
1
hu; vi = ku + vk2 kuk2 kvk2 .
2
Teorema 66. Seja V um espaço normado. Sejam u; v 2 V . Então, a norma pode dar
origem a um produto interno se e só se
ku vk2 + ku + vk2 = 2 kuk2 + 2 kvk2 .
Esta última equação é conhecida por lei do paralelogramo.
Exemplo 41. Uma norma que não dá origem a um produto interno. Seja
kk : R2 ! R a aplicação de…nida por
k( 1; 2 )k =j 1j +j 2j ,
com ( 1 ; 2 ) 2 R2 . É fácil veri…car que esta aplicação satisfaz as três condições da norma.
Logo, é uma norma. No entanto, é também fácil veri…car que esta norma não satisfaz a lei
do paralelogramo. Logo, esta norma não poderá originar um produto interno.
De…nição 50. Sejam V um espaço linear com um produto interno e S V . Diz-se que
S é ortogonal se para todos os u; v 2 S com u 6= v, se tiver
hu; vi = 0.
115
Diz-se que S é ortonormado se fôr ortogonal e se, para todo o u 2 S, se tiver
kuk = 1.
Teorema 67. Sejam V um espaço linear com um produto interno e S V . Seja 0

o vector nulo de V . Se S é ortogonal e 0 2 = S então S é linearmente independente. Em
particular, se n = dim V então qualquer conjunto S ortogonal de n vectores não nulos é uma
base de V .
Teorema 68. Seja V um espaço euclidiano com dim V = n. Seja B = fu1 ; :::; un g uma
base (ordenada) ortogonal de V . Então, as coordenadas de um vector v 2 V em relação à
base (ordenada) B são dadas por:
hv; uj i
j = ,
huj ; uj i
com j = 1; :::; n. Se B fôr ortonormada então as coordenadas de um vector v 2 V em relação
à base (ordenada) B são dadas por:
j = hv; uj i ,
com j = 1; :::; n.
Teorema 69. Seja V um espaço euclidiano com dim V = n. Seja B = fw1 ; :::; wn g uma
base (ordenada) ortonormada de V . Então, para todos os u; v 2 V , tem-se
X
n
hu; vi = hu; wi i hv; wi i (fórmula de Parseval)
i=1
e v
u n
uX
kuk = t hu; wi i2 :
i=1
Observação 34. Seja V um espaço euclidiano com dim V = n. Seja B = fw1 ; :::; wn g
uma base (ordenada) ortonormada de V . Sejam u; v 2 V , com
u= 1 w1 + 2 w2 + ::: + n wn v= 1 w1 + 2 w2 + ::: + n wn .
Então a fórmula de Parseval é dada por:

X
n
hu; vi = i i = 1 1 + 2 2 + ::: + n n
i=1
e tem-se v
u n
uX
kuk = t 2
i.
i=1
116
Notação 3. Sejam V um espaço linear com um produto interno e 0 o vector nulo de V .
1 v
Para qualquer v 2 V , com v 6= 0, o vector v será denotado por .
kvk kvk
Teorema 70. Método de ortogonalização de Gram-Schmidt. Seja V um es-

paço euclidiano (ou unitário) não nulo. Seja U um subespaço de V . Então U tem bases
ortonormadas. Mais concretamente, seja
fv1 ; v2 ; :::; vk g
uma base de U e sejam
u1 = v 1 ,
u2 = v2 proju1 v2 ,
:::
uk = vk proju1 vk ::: projuk 1
vk
então
(i) L(fu1 ; u2 ; :::; uk g) = L(fv1 ; v2 ; :::; vk g) = U ;
(ii) o conjunto fu1 ; u2 ; :::; uk g é uma base ortogonal de U .
u1 u2 uk
(iii) o conjunto ; ; :::; é uma base ortonormada de U .
ku1 k ku2 k kuk k
Exemplo 42. Considere-se R4 com o produto interno usual. Seja
U = L(f(1; 1; 1; 1); (1; 2; 3; 4); (2; 1; 6; 7); (1; 3; 7; 9)g).
Determinemos a dimensão de U e uma base ortonormada para U . Tem-se

2 3 2 3 2 3
1 1 2 1 1 1 2 1 1 1 2 1
6 1 2 1 7
3 7 6 0 1 1 2 77 6 0 1 1 2 7
6 !6 !6 7.
4 1 3 6 7 5 4 0 4 4 8 5 4 0 0 0 0 5
1 4 7 9 0 5 5 10 0 0 0 0
Logo, o conjunto fv1 ; v2 g, com v1 = (1; 1; 1; 1) e v2 = (1; 2; 3; 4), é uma base de U e como
tal dim U = 2.
Sejam u1 = v1 e u2 = v2 proju1 v2 .
Logo, o conjunto fu1 ; u2 g, com u1 = (1; 1; 1; 1) e
1+2 3 4
u2 = (1; 2; 3; 4) (1; 1; 1; 1) = (2; 3; 2; 3),
4
é uma base ortogonal de U . Uma base ortonormada para U :
( p p p p !)
u1 u2 1 1 1 1 26 3 26 26 3 26
; = ; ; ; ; ; ; ;
ku1 k ku2 k 2 2 2 2 13 26 13 26
117
Teorema 71. Seja B = fu1 ; u2 ; :::; un g uma base (ordenada) de um espaço euclidiano
(ou unitário). A base B é ortonormada se e só se a matriz da métrica G em relação a essa
base fôr a matriz identidade. Em Rn o produto interno usual é aquele (o único) em relação
ao qual a base canónica é ortonormada.
Teorema 72. Seja fv1 ; v2 ; :::; vn g uma base (ordenada) de Rn . Então, existe um único
produto interno em Rn para o qual esta base é ortonormada.
Exemplo 43. Considere em R2 a base (ordenada) B = fv1 ; v2 g, com v1 = (1; 0) e v2 =

(1; 1). Vejamos que existe um e um só produto interno para o qual a base B é ortonormada.
Seja Bc2 = f(1; 0); (0; 1)g a base canónica de R2 . Sejam u; v 2 R2 , com u = ( 1 ; 2 ) e
v = ( 1 ; 2 ), onde 1 ; 2 e 1 ; 2 são as coordenadas na base Bc2 de u e v respectivamente.
Logo, a aplicação h; i : R2 R2 de…nida por
T
1 1 0 1
hu; vi = h( 1; 2) ; ( 1; 2 )i = SBc2 !B SBc2 !B =
2 0 1 2
T
1 1 1 1 0 1 1 1
= = 1 1 1 2 2 1 +2 2 2 =
0 1 2 0 1 0 1 2
1 1 1
= 1 2
1 2 2
é um produto interno e é o único para o qual a base B é ortonormada, onde

1
1 1 1 1 1
S Bc2 !B = S B!Bc2 = = :
0 1 0 1
p p
1 1 3+ 5 3 5
NOTE QUE: sendo G = (é simétrica e os valores próprios 2
e 2
são
1 2
1 0
ambos positivos) a matriz da métrica em relação a Bc2 e G0 = (é simétrica e o único
0 1
valor próprio 1 é positivo) a matriz da métrica em relação a B, tem-se
T
G = SBc2 !B G0 SBc2 !B
É fácil veri…car que para este produto interno a base B é ortonormada:
h(1; 0) ; (1; 1)i = 0 e h(1; 0) ; (1; 0)i = h(1; 1) ; (1; 1)i = 1.
Em particular, a matriz da métrica é invertível.
De…nição 51. Sejam V um espaço linear com produto interno e U um subespaço de V .

Diz-se que um elemento de V é ortogonal a U se fôr ortogonal a todos os elementos de U .
Ao conjunto de todos os elementos ortogonais a U chama-se complemento ortogonal de
U e designa-se por U ? ,
U ? = fv 2 V : hv; ui = 0 para todo o u 2 U g .
118
Teorema 73. Seja V um espaço linear com produto interno. Qualquer que seja o
subespaço U de V , também U ? é um subespaço de V .
De…nição 52. Sendo S um subconjunto de V , não necessariamente um subespaço de

V , (também) pode de…nir-se S ? :
S ? = fv 2 V : hv; ui = 0 para todo o u 2 Sg .
Observação 35. Apesar de S não ser necessariamente um subespaço de V , S ? é sempre

um subespaço de V , tendo-se
S ? = (L (S))? .
Teorema 74. Seja V um espaço linear com produto interno.

(i) Seja U um subespaço de V . Tem-se
U \ U ? = f0g :
(ii) Seja S um subconjunto de V . Então

?
S S? .
No próximo teorema ver-se-á que no caso de se ter dim V < 1, então

?
L (S) = S ?
ou ainda, sendo U um subespaço de V com dim V < 1, então

?
U = U? .
(iii) Sejam S1 ; S2 subconjuntos de V . Então
S1 S2 ) (S2 )? (S1 )?
(iv) Seja U um subespaço de V . Se fv1 ; :::; vn g é uma base de U então
U ? = fv 2 V : hv; v1 i = ::: = hv; vn i = 0g .
(v) Sejam U1 ; U2 subespaços de V . Tem-se
(U1 + U2 )? = (U1 )? \ (U2 )?
e
(U1 \ U2 )? (U1 )? + (U2 )? .
Se dim V < 1 tem-se
(U1 \ U2 )? = (U1 )? + (U2 )? .
Exemplo 44. (i) Se U R3 é um plano que passa pela origem, então U ? é uma recta
que passa pela origem e é perpendicular ao plano.
119
(ii) Se U R3 é uma recta que passa pela origem, então U ? é um plano que passa pela
origem e é perpendicular à recta.
(iii) Seja A 2 Mm n (R). Então, usando o produto interno usual, tem-se

?
N (A) = (L(A))? = C(AT )
e
?
N (AT ) = L(AT ) = (C(A))? :
(iv) Seja A 2 Mn n (R) tal que A é invertível. Então, (N (A))? = Rn e (L (A))? = f0g :
Teorema 75. Se U é um subespaço de um espaço euclidiano V , então V é a soma directa

de U e U ? , isto é,
V = U U ?:
Logo, cada elemento v 2 V pode ser escrito de modo único como soma de um elemento de
U com um elemento de U ? :
v = vU + vU ? , com vU 2 U e vU ? 2 U ? .
À transformação linear PU : V ! V de…nida por
PU (v) = vU
chama-se projecção ortogonal de V sobre U . Note que PU satisfaz
v se v 2 U
PU = PU PU = (PU )2 e PU (v) =
0 se v 2 U ?
e
I (PU ) = U e N (PU ) = U ? .
Á transformação linear PU ? : V ! V de…nida por
PU ? (v) = vU ?
chama-se projecção ortogonal de V sobre U ? . Note que PU ? satisfaz
v se v 2 U ?
PU ? = PU ? PU ? = (PU ? )2 e PU ? (v) =
0 se v 2 U
e
I (PU ? ) = U ? e N (PU ? ) = U
e tal que chama-se projecção ortogonal de V sobre U ? .
Tem-se
I = P U + PU ?
120
dim V = dim U + dim U ?
?
U? =U
Se fw1 ; w2 ; :::; wl g fôr uma base ortogonal de U , então
X
l
hv; wi i X
l
PU (v) = wi = projwi v = vU
i=1
kwi k2 i=1
para todo o v 2 V .
Se fu1 ; u2 ; :::; uk g é uma base ortogonal de U ? , então, para todo o v 2 V
X
k
hv; uj i X
k
PU ? (v) = uj = projuj v = vU ?
j=1
kuj k2 j=1
Neste caso, fw1 ; w2 ; :::; wl ; u1 ; u2 ; :::; uk g é uma base ortogonal de V .
Tem-se ainda:
(i)
hPU (u) ; vi = hu; PU (v)i ; hPU ? (u) ; vi = hu; PU ? (v)i ,
para todos os u; v 2 V ;
(ii)
kuk2 = kPU (u)k2 + kPU ? (u)k2 ,
para todo o u 2 V (Teorema de Pitágoras);
Teorema 76. Seja U um subespaço de um espaço euclidiano V . Seja v 2 V . Então,

tem-se
kv PU (v)k kv uk ,
para todo o u 2 U , e a igualdade veri…ca-se se e só se u = PU (v).
Dem.
kv PU (v)k2 kv PU (v)k2 + kPU (v u)k2 =

v PU (v)=(v u) PU (v u)
= k(v u) PU (v u)k2 + kPU (v u)k2 = kv uk2 ,

Pitágoras
, kv PU (v)k kv uk :
De…nição 53. Seja U um subespaço de dimensão …nita de um espaço linear V com

produto interno. Seja v 2 V . Então, o elemento de U mais próximo de v é a projecção
ortogonal PU (v) de v sobre U .
121
De…nição 54. Seja U um subespaço de um espaço euclidiano V . A distância d de um
ponto v 2 V a um subespaço U é dada por:
d (v; U ) = kPU ? (v 0)k = kPU ? (v)k = kv PU (v)k .
De…nição 55. Seja V um espaço euclidiano. Seja U um subespaço de V com dim U = k.

Seja q 2 V . Chama-se ao conjunto
fqg + U
um k-plano. A distância d de um ponto p 2 V a um k-plano P = fqg + U é dada por:
d (p; P) = kPU ? (p q)k .
De…nição 56. (i) A distância entre dois k-planos paralelos
P1 = fpg + U e P2 = fqg + U
é dada por:
d (P1 ; P2 ) = kPU ? (p q)k .
(ii) A distância entre duas rectas paralelas
r = fpg + L (fug) e s = fqg + L (fug)

é dada por:
d (r; s) = PL(fug)? (p q) .
Exemplo 45. Considere-se R3 com o produto interno usual.
(i) Seja P o plano (em R3 ) que passa pelos pontos: (1; 2; 1), (1; 0; 1) e (1; 1; 1). Tem-se
P = f(1; 2; 1)g + L (f(0; 2; 2); (0; 1; 0)g)

uma vez que
(0; 2; 2) = (1; 0; 1) (1; 2; 1) e (0; 1; 0) = (1; 1; 1) (1; 2; 1).
Equação vectorial de P: (x; y; z) = (1; 2; 1)+ (0; 2; 2)+ (0; 1; 0), com ; 2 R.
Equações paramétricas de P:
8
< x=1
y=2 2
:
z=1 2
com ; 2 R.
Equação cartesiana de P: x = 1:
122
Podemos determinar a equação cartesiana de P do seguinte modo. Atendendo a que
P = f(1; 2; 1)g + L (f(0; 2; 2); (0; 1; 0)g)
seja
U = L (f(0; 2; 2); (0; 1; 0)g) .
Logo,
?
? 0 2 2
U = U? = N =
0 1 0
= (L (f(1; 0; 0)g))? = (x; y; z) 2 R3 : h(x; y; z); (1; 0; 0)i = 0
e assim, a equação cartesiana do plano P que passa pelo ponto (1; 2; 1) é dada por:
(h(x 1; y 2; z 1); (1; 0; 0)i = 0) , (1 (x 1) + 0 (y 2) + 0 (z 1) = 0) ,
ou seja por
x = 1.
(ii) Determinemos a equação cartesiana da recta que passa pelos pontos (1; 1; 0) e
(1; 2; 1). Tem-se
r = f(1; 1; 0)g + L (f(0; 1; 1)g) ,
uma vez que
(0; 1; 1) = (1; 2; 1) (1; 1; 0):
Seja
U = L (f(0; 1; 1)g) .
Logo,
? ?
U = U? = N 0 1 1 = (L (f(1; 0; 0); (0; 1; 1)g))?
e assim, a equação cartesiana da recta r é dada por:
(h(x 1; y 1; z); (1; 0; 0)i = 0 e h(x 1; y 1; z); (0; 1; 1)i = 0) ,
, (1 (x 1) = 0 e 1 (y 1) 1z = 0) ,
ou seja por
x=1
y z = 1.
123
Mínimos quadrados
Existem aplicações relativamente às quais os erros cometidos nas medições das entradas
de A ou de b podem levar a que o sistema de equações lineares Au = b não tenha solução,
quando teoricamente deveria ter. Em tais casos é natural a procura da "melhor solução
aproximada" para esse problema.
Considera-se o produto interno usual.

De…nição 57. Sejam A 2 Mm n (R) e b 2 Rm . Então, a ub 2 Rn chama-se melhor
solução aproximada ou solução de mínimos quadrados de Au = b se
kb uk
Ab kb Auk ,
para qualquer u 2 Rn . Ao vector b Abu chama-se vector erro de mínimos quadrados e ao

escalar kb Abuk chama-se erro de mínimos quadrados.
Observação 36. Sejam A 2 Mm n (R) e b 2 Rm . Procuremos então um método para

determinar as soluções de mínimos quadrados de Au = b. Atendendo a que Au 2 C (A) para
todo o u 2 Rn , então a distância kb Auk é mínima se
Au = PC(A) (b) ,
onde PC(A) é a projecção ortogonal de Rm sobre C (A). Como PC(A) (b) 2 C (A), a equação
Au = PC(A) (b) tem sempre solução e essas soluções são as soluções de mínimos quadrados
de Au = b. Deste modo, qualquer sistema de equações lineares tem sempre pelo menos uma
solução de mínimos quadrados.
Por outro lado, pode escrever-se a equação Au = PC(A) (b) na forma
b Au = b PC(A) (b) = PN (AT ) (b)
tendo-se
AT (b Au) = AT b PC(A) (b) = AT PN (AT ) (b) = 0;
pois (C (A))? = N AT . Logo
AT Au = AT b.
A esta equação chama-se equação normal associada a Au = b.
Teorema 77. Sejam A 2 Mm n (R) e b 2 Rm .
(i) As soluções de mínimos quadrados do sistema de equações lineares
Au = b
124
são as soluções da equação normal
AT Au = AT b:
(ii) Se car A = n então a equação normal

AT Au = AT b
tem a solução única
1
u = AT A AT b
e tem-se
1
PC(A) (b) = Au = A AT A AT b,
isto é,
1
A AT A AT
é a matriz que representa a projecção ortogonal PC(A) na base canónica Bcm de Rm , isto é,
1 T
A AT A A = M PC(A) ; Bcm ; Bcm .
Teorema 78. Seja A 2 Mm n (R). Então

car A = car AT A :
Dem. Basta para isso, mostrar que

N (A) = N AT A :
Seja u 2 N (A). Como Au = 0 então AT Au = AT 0 = 0 e assim u 2 N AT A .
Reciprocamente, seja u 2 N AT A e vejamos que u 2 N (A). Tem-se AT Au = 0, logo
?
Au 2 N AT = L AT = (C (A))?
e como tal
hAu; Aui = 0,
2
ou seja kAuk = 0 e então Au = 0, isto é, u 2 N (A).
Observação 37. Vejamos agora o modo como se pode determinar uma curva (ou recta)
especí…ca que se possa "ajustar" a um conjunto de pontos determinados experimentalmente.
(i) A partir de dois ou mais pontos dados
(x1 ; y1 ) ; (x2 ; y2 ) ; : : : ; (xm ; ym ) ;
pretende-se determinar uma recta y = a0 + a1 x que seja a recta que "melhor aproxime" ou
a recta de mínimos quadrados de melhor ajuste aos pontos dados (recta de regressão). Isto
é, pretende-se determinar as soluções de mínimos quadrados de
8
>
> y 1 = a0 + a1 x 1
>
< y 2 = a0 + a1 x 2
..
>
> .
>
: y =a +a x
m 0 1 m
125
ou seja de 2 3 2 3
1 x1 y1
6 1 x2 7 6 y2 7
6 7 a0 6 7
6 .. .. 7 =6 .. 7.
4 . . 5 a1 4 . 5
1 xm ym
Sejam 2 3 2 3
1 x1 y1
6 1 x2 7 6 y2 7
6 7 a0 6 7
A=6 .. .. 7 ; u= e b=6 .. 7:
4 . . 5 a1 4 . 5
1 xm ym
Atendendo a que car A = car AT A , se houver pelo menos dois pontos distintos, tem-se
car A = 2 e nesse caso, a equação normal
AT Au = AT b
tem como única solução de mínimos quadrados

1
u = AT A AT b:
Assim, a recta de mínimos quadrados y = a + bx é a recta que torna mínimos os quadrados

cuja soma
(y1 (a0 + a1 x1 ))2 + (y2 (a0 + a1 x2 ))2 + + (ym (a0 + a1 xm ))2
é dada por
kb Auk2 ,
onde kb Auk é o erro de mínimos quadrados.
(ii) A partir de m pontos dados (x1 ; y1 ) ; (x2 ; y2 ) ; : : : ; (xm ; ym ), pretende-se determinar

um polinómio cujo grá…co esteja tão perto quanto possível desses m pontos dados. Isto é,
com m 2 N previamente …xo, pretende-se determinar as soluções de mínimos quadrados do
sistema de m equações a n + 1 incógnitas (a0 ; a1 ; a2 ; : : : ; an )
8
2
>
> y 1 = a0 + a1 x 1 + a2 x 1 + + an xn1
>
< y 2 = a0 + a1 x 2 + a2 x 2 +
2 + an xn2
..
>
> .
>
: y = a + a x + a x2 +
m 0 1 m 2 m + an xnm
ou seja de 2 32 3 2 3
1 x1 x21 xn1 a0 y1
6 1 x2 x22 xn2 76 a1 7 6 y2 7
6 76 7 6 7
6 .. .. .. .. 76 .. 7=6 .. 7.
4 . . . . 54 . 5 4 . 5
1 xm x2m xnm an ym
126
Sejam 2 3 2 3 2 3
1 x1 x21 xn1 a0 y1
6 1 x2 x22 xn2 7 6 a1 7 6 y2 7
6 7 6 7 6 7
A=6 .. .. .. .. 7; u=6 .. 7 e b=6 .. 7:
4 . . . . 5 4 . 5 4 . 5
1 xm x2m xnm an ym
Note-se que se n + 1 = m e se os pontos dados forem distintos, então existe um único

polinómio de grau n (o chamado polinómio interpolador) que passa por todos esses m pontos.
Por outro lado, atendendo a que car A = car AT A , se n < m e pelo menos n + 1 pontos
forem distintos, tem-se car A = n + 1 e então a equação normal
AT Au = AT b
tem como única solução de mínimos quadrados
1
u = AT A AT b:
Exemplo 46. Determinemos a recta de mínimos quadrados relativa aos pontos

(0; 1) ; (1; 3) ; (2; 4) e (3; 4) :
Sejam 2
3 2 3
1 0 1
6 1 1 7 6 3 7
A=6 4 1 2 5
7 e b=6 7
4 4 5.
1 3 4
Tem-se car A = 2 e como tal a solução de mínimos quadrados é única e dada por:
a0 1
u= = AT A AT b =
a1
0 2 31 1 2 3
1 0 1
B 1 1 1 1 6 1 1 7C 1 1 1 1 6 3 7 3=2
=B
@ 0 1 2 3
6
4 1
7C 6 7= ,
2 5A 0 1 2 3 4 4 5 1
1 3 4
tendo-se
3
+ x: y=
2
O vector b Au é o vector erro de mínimos quadrados, sendo o erro de mínimos quadrados
dado por:
kb Auk =
q
= (y1 (a0 + a1 x1 ))2 + (y2 (a0 + a1 x2 ))2 + (y3 (a0 + a1 x3 ))2 + (y4 (a0 + a1 x4 ))2 =
s
2 2 2 2
3 3 3 3
= 1 +0 + 3 +1 + 4 +2 + 4 +3 =
2 2 2 2
r p
25 1 1 1 34
= + + + = .
16 4 16 4 4
127
1. Diga quais das seguintes aplicações h; i : R2 R2 ! R de…nem em R2 um produto

interno.
(i) h(x1 ; x2 ); (y1 ; y2 )i = x21 y12 + x22 y22
(ii) h(x1 ; x2 ); (y1 ; y2 )i = x1 y1 x2 y1 x1 y2 + 3x2 y2
(iii) h(x1 ; x2 ); (y1 ; y2 )i = 2x1 y1 + 3x2 y2
2. Diga quais das seguintes aplicações h; i : R3 R3 ! R de…nem em R3 um produto

interno.
(i) h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 + x2 y2 + x3 y3
(ii) h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y2 x2 y1
(iii) h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = 2x1 y1 + x1 y3 + x3 y1 + 2x2 y2 + x3 y3
3. Determine um produto interno em R2 tal que h(1; 0); (0; 1)i = 2.
4. Considere os vectores u = p1 ; p1 e v = p2 ; p3 . Veri…que que o conjunto

5 5 30 30
fu; vg é ortonormado relativamente ao produto interno de…nido em R2 por:
hu; vi = 3u1 v1 + 2u2 v2 ,
onde u = (u1 ; u2 ) e v = (v1 ; v2 ). Veri…que porém que o mesmo conjunto fu; vg não é
ortonormado relativamente ao produto interno usual de…nido em R2 .
5. Considere em R4 o produto interno usual. Determine o subespaço de R4 ortogonal aos

vectores (1; 0; 0; 0) e (1; 0; 0; 1).
6. Considere em R3 o produto interno de…nido por:
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 + x1 y2 + x2 y1 + 2x2 y2 + x3 y3 .
(i) Calcule kuk, para qualquer vector u = (x1 ; x2 ; x3 ) 2 R3 .

(ii) Considere os vectores u1 = (1; 0; 0), u2 = ( 1; 1; 0) e u3 = (0; 0; 1). Calcule os
ângulos formados pelos vectores: u1 e u2 ; u1 e u3 ; u2 e u3 .
(iii) Justi…que que o conjunto fu1 ; u2 ; u3 g é uma base ortonormada de R3 . Calcule as
coordenadas de um vector u 2 R3 em relação a esta base.
7. Considere R4 com o produto interno usual. Determine uma base ortonormada para o
subespaço de R4 gerado pelos vectores:
(1; 0; 1; 0); ( 1; 2; 0; 1) e (2; 0; 2; 1).
8. Considere R3 com o produto interno usual. Considere também os seguintes subespaços

de R3 :
U = L (f(0; 1; 1); (0; 0; 1)g) e V = (x; y; z) 2 R3 : y z=0 .
128
(i) Determine uma base ortogonal para U e uma base ortonormada para V .
(ii) Determine duas bases ortonormadas para R3 : uma que inclua dois vectores de U
e outra que inclua dois vectores de V .
(iii) Determine o elemento de U mais próximo de (1; 1; 1) e a distância entre (1; 1; 1)
e V ?.
9. Considere o produto interno usual. Sejam
U = (x; y; z; w) 2 R4 : x + z + w = 0 e x + y + z + w = 0
e
V = (x; y; z; w) 2 R4 : x z=0 e x w=0 .
a) Determine, justi…cando, uma base ortogonal para U ? .
b) Calcule, justi…cando, a distância entre (1; 1; 1; 1) e U .
c) Determine u 2 U e v 2 V tais que
(1; 0; 0; 0) = u + v.
10. Considere o produto interno usual em R3 e os seguintes planos:
U = f(0; 1; 1)g + L (f(1; 0; 0); (0; 1; 1)g) ; V = f(x; y; z) 2 R3 : y z = 0g:
Determine, justi…cando, uma base ortogonal para R3 que inclua um vector de V ? e

calcule, justi…cando, a distância entre U e V .
11. Considere em R3 o produto interno para o qual a base ordenada de R3 :
f(1; 0; 1); (0; 1; 0); ( 1; 0; 2)g
é ortonormada. Veri…que que esse produto interno é de…nido pela aplicação h; i :

R3 R3 ! R dada por:
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = 5x1 y1 + 3x1 y3 + x2 y2 + 3x3 y1 + 2x3 y3
e determine, relativamente a ele, uma base para (L (f( 2; 0; 3); (0; 1; 0)g))? :
12. Seja 2 3
1 0 2
A=4 0 0 0 5
2 0 1
e considere o produto interno usual. Sejam N (A), C (A) e L (A) respectivamente o
núcleo, espaço das colunas e espaço das linhas de A.
(i) Determine uma base ortonormada para R3 que inclua dois vectores de C (A).
(ii) Determine o elemento de L (A) mais próximo de (1; 1; 1) e a distância entre (1; 1; 1)
e N (A).
129
13. Seja 2 3
1 0 1
A=4 0 2 0 5
1 0 1
(i) Determine uma base ortonormada para (N (A))? (o complemento ortogonal do
núcleo de A).
(ii) Determine uma base ortonormada para R3 que inclua dois vectores de C (A).
(iii) Determine o elemento de L (A) mais próximo de (1; 2; 3) e a distância entre (1; 2; 3)
e (L (A))? .
14. Considere em R4 o seguinte subespaço: U = L (f(1; 1; 1; 0); (0; 1; 1; 1)g). Determine

uma matriz A do tipo 2 4 cujo núcleo seja igual a U , isto é, tal que U = N (A).
15. De…na o produto interno em R2 em relação ao qual a base f(1; 0); (1; 1)g é ortonor-
mada.
16. Considere a aplicação h; i : R3 R3 ! R de…nida por
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 x1 y2 x2 y1 + 4x2 y2 + x3 y3 .
(i) Veri…que que h; i de…ne um produto interno em R3 .

(ii) Seja V = L (f(3; 4; 0)g) R3 . Diga qual é o ponto de V mais próximo de (0; 1; 0).
(iii) Determine uma base ortogonal para o complemento ortogonal de V , em relação
ao produto interno h; i.
(iv) Seja PV : R3 ! R3 a projecção ortogonal de R3 sobre V . Indique, em relação ao
produto interno h; i, uma base ortonormada de R3 para a qual a representação matricial
de PV seja dada por 2 3
1 0 0
4 0 0 0 5.
0 0 0
17. Considere R3 com o produto interno usual. Seja U o subespaço de R3 gerado pelos
vectores v1 = (0; 1; 0) e v2 = 54 ; 0; 53 . Escreva u = (1; 2; 3) na forma u = u1 + u2 ,
com u1 2 U e u2 2 U ? .
18. Considere R4 com o produto interno usual. Em cada alínea seguinte, determine uma
base ortogonal para o complemento ortogonal de U , isto é, para U ? .
(i) U = L (f(1; 0; 0; 0); (1; 1; 0; 1)g)
(ii) U = L (f(1; 0; 1; 1)g)
(iii) U = f(x; y; z; w) 2 R4 : x + 2y + z + 2w = 0g
(iv) U = f(x; y; z; w) 2 R4 : x z = 0 e 2x y + 2z w = 0g
130
19. Considere R3 com o produto interno usual. Considere também o seguinte subespaço
de R3 :
U = L (f(1; 1; 1); (1; 0; 0)g) .
(i) Determine uma base ortogonal para U .

(ii) Determine u 2 U e v 2 U ? tais que (3; 2; 1) = u + v.
(iii) Determine a distância entre o ponto (1; 0; 1) e o plano f(1; 1; 0)g + U .
(iv) Determine a distância entre o ponto (x; y; z) e o plano U .
de R4 :
U = (x; y; z; w) 2 R4 : x y + z = 0 e y z + w = 0 .
(i) Determine uma base ortonormada para U .

(ii) Determine uma base ortonormada para U ? .
(iii) Determine as projecções ortogonais de (0; 0; 1; 0) sobre U e U ? respectivamente.
(iv) Determine as representações matriciais de PU : R4 ! R4 e de PU ? : R4 ! R4 em
relação à base canónica de R4 .
(v) Determine a distância entre o ponto (0; 0; 1; 0) e o subespaço U .
(vi) Determine a distância entre o ponto (x; y; z; w) e o subespaço U .
21. Considere P2 = fa0 + a1 t + a2 t2 : a0 ; a1 ; a2 2 Rg a aplicação h; i : P2 P2 ! R de…nida

por
hp(t); q(t)i = p( 1)q( 1) + p(0)q(0) + p(1)q(1).
Considere também o seguinte subespaço de P2 : U = fp(t) 2 P2 : p(0) = 0g.

(i) Veri…que que h; i de…ne um produto interno em P2 .
(ii) Determine uma base ortonormada para U .
(iii) Determine uma base ortonormada para U ? .
(iv) Determine as projecções ortogonais do polinómio 1 + t sobre U e U ? respectiva-
mente.
(v) Determine as representações matriciais de PU : P2 ! P2 e de PU ? : P2 ! P2 em
relação à base canónica f1; t; t2 g de P2 .
(vi) Determine a distância entre 1 + t e U .
(vii) Determine a distância entre o polinómio a0 + a1 t + a2 t2 e o subespaço U .
22. Considere a aplicação h; i : M2 2 (R) M2 2 (R) ! R de…nida por
hA; Bi = tr(AB T ).
Considere também o subespaço U de M2 2 (R) constituído por todas as matrizes

simétricas reais do tipo 2 2:
a b
U= 2 M2 2 (R) : b = c .
c d
131
(i) Veri…que que h; i de…ne um produto interno em M2 2 (R).
(ii) Determine uma base ortonormada para U .
(iii) Determine uma base ortonormada para U ? .
(iv) Determine as representações matriciais de PU : M2 2 (R) ! M2 2 (R) e de PU ? :
M2 2 (R) ! M2 2 (R) em relação à base canónica
1 0 0 1 0 0 0 0
; ; ;
0 0 0 0 1 0 0 1
de M2 2 (R).
1 1
(v) Determine as projecções ortogonais da matriz sobre U e U ? respectiva-
0 1
mente.
1 1
(vi) Qual é a matriz simétrica mais próxima da matriz ?
0 1
1 1
(vii) Determine a distância entre e U.
0 1
a b
(viii) Determine a distância entre e U.
c d
de R3 :
U = L (f(1; 0; 1); (0; 1; 1)g) .
a) Determine uma base ortogonal para U .
b) Determine uma base ortonormada para R3 que inclua dois vectores geradores de U .
c) Determine a projecção ortogonal de (1; 0; 0) sobre U ? , isto é, PU ? (1; 0; 0).
d) Determine a distância do ponto (1; 0; 0) a U ? .
24. Seja
P2 = p(t) = a0 + a1 t + a2 t2 : a0 ; a1 ; a2 2 R
o espaço linear dos polinómios de grau menor ou igual a 2. Considere a aplicação h; i
:P2 P2 ! R de…nida por
a0 + a1 t + a2 t2 ; b0 + b1 t + b2 t2 = 3a0 b0 + a1 b1 + 2a2 b2 : (*)
Considere também o seguinte subespaço de P2 :
W = p(t) = a0 + a1 t + a2 t2 2 P2 : p(0) = p(1) e p(1) = p( 1) .
a) Veri…que que a aplicação h; i de…ne em P2 um produto interno.

b) Determine uma base ortonormada para W ? , relativamente ao produto interno (*).
132
25. Seja 2 3
1 1 0
A=4 1 0 1 5
1 0 1
a) Determine uma base ortogonal para L (A).
b) Determine uma base ortonormada para R3 que inclua dois vectores de C (A).
c) Determine o elemento de (N (A))? mais próximo de ( 1; 1; 1) e a distância entre
( 1; 1; 1) e (L (A))? .
26. Considere R3 com o produto interno usual. Seja U o subespaço de R3 gerado pelo
conjunto
f(1; 0; 1); (0; 1; 2)g .
a) Determine uma base ortogonal para U .
b) Determine u 2 U e v 2 U ? tais que (2; 3; 4) = u + v.
c) Determine a distância entre o ponto (2; 3; 7) e o plano f(1; 2; 3)g + U .
27. Considere R3 com o produto interno usual. Seja

2 3
1 0 1
A=4 1 1 1 5:
1 0 1
Sejam C (A), L (A) e N (A), respectivamente, o espaço das colunas, o espaço das linhas
e o núcleo de A.
a) Determine uma base ortogonal para R3 que inclua um vector de (C (A))? (comple-
mento ortogonal de C (A)).
b) Calcule a distância entre (1; 1; 0) e L (A).
c) Determine uma matriz B tal que (N (A))? = N (B) (o complemento ortogonal de
N (A) é igual ao núcleo de B).
28. Considere o espaço linear R4 munido com o produto interno usual e os seguintes sube-
spaços lineares de R4 :
V = L (f(1; 1; 0; 0); (1; 0; 1; 1)g) ; W = f(x; y; z; w) 2 R4 : x y + 2z + 3w = 0g:
a) Determine u 2 V e v 2 V ? tais que (2; 2; 1; 1) = u + v e calcule a distância entre

(1; 1; 1; 1) e V .
b) Encontre uma matriz A tal que W ? = N (A).
c) Veri…que que V W e determine uma base para W ? \ V ? .
d) Veri…que se V ? + W ? = R4 , justi…cando.
133
29. Considere o espaço linear R4 munido com o produto interno usual e os seguintes sube-
spaços lineares de R4 :
U = L (f(0; 1; 1; 1); (1; 1; 1; 0)g) ; V = f(x; y; z; w) 2 R4 : 4x + 3y + 2z + w = 0g:
a) Determine uma base ortogonal para V ? :

b) Determine a distância entre o ponto (1; 2; 3; 4) e o subespaço V ? .
c) Determine uma base ortogonal para R4 que inclua os vectores (0; 1; 1; 1) e (1; 1; 1; 0).
d) Encontre uma matriz A tal que U = (C(A))? .
30. Seja
W = f(x; y; z) 2 R3 : x 2y 3z = 0g:
Considere o produto interno usual.
a) Determine as equações cartesianas da recta que passa pelo ponto u = (1; 1; 1) e é
perpendicular ao plano W .
b) Determine a equação cartesiana do plano que passa pelo ponto u = (1; 1; 1) e é
paralelo ao plano W .
31. Considere a recta

r = (1; 1; 1) + L (f(1; 1; 1)g) :
a) Determine as equações cartesianas da recta r.
b) Determine a equação cartesiana do plano que passa pelo ponto u = (1; 0; 0) e é
perpendicular à recta r.
32. Seja P o plano que passa pelos pontos
(1; 1; 1) ; (2; 0; 3) e (0; 2; 2) :

a) Determine a equação cartesiana de P .
b) Determine as equações paramétricas de P .
c) Determine a equação vectorial de P .
33. Determine a solução de mínimos quadrados de Au = b, com

2 3 2 3
1 2 3
4
A= 2 4 5 e b = 2 5;
4
1 2 1
calculando o correspondente vector erro de mínimos quadrados.
134
Determinantes
De…nição 58. Dados os números naturais 1; 2; :::; n chama-se permutação desses n

números a qualquer lista em que os mesmos sejam apresentados por ordem arbitrária.
De…nição 59. Seja (i1 i2 :::in ) uma permutação dos números naturais 1; 2; :::; n. Diz-
-se que um par (ij ik ) é uma inversão quando (j k) (ij ik ) < 0 (isto é, quando ij e ik
aparecerem na permutação por ordem decrescente).
De…nição 60. Uma permutação (i1 i2 :::in ) diz-se par (ímpar) quando o no máximo de
inversões incluídas fôr par (ímpar).
Exemplo 47. A permutação (21453) é ímpar pois o no máximo de inversões nela incluí-
das é ímpar: (21); (43) e (53).
De…nição 61. Seja A uma matriz do tipo n n. Chama-se determinante de A, e

escreve-se jAj ou det A, o número que se obtém do seguinte modo:
(i) Formam-se todos os produtos possíveis de n factores em que intervenha um elemento

de cada linha e, simultaneamente, um elemento de cada coluna de A.
(ii) Afecta-se cada produto do sinal + ou do sinal conforme as permutações (dos

números naturais 1; 2; :::; n) que …guram nos índices de linha e de coluna tenham a mesma
paridade ou não.
(iii) Somam-se as parcelas obtidas.
Em resumo: …xando, por exemplo, a permutação (i1 i2 :::in ) de 1; 2; :::; n
X
jAj = ( 1) ai1 j1 ai2 j2 :::ain jn ,
(j1 j2 :::jn )
permutação de 1;2;:::;n
em que
8
< 0 se (i1 i2 :::in ) e (j1 j2 :::jn ) têm a mesma paridade
=
:
1 se (i1 i2 :::in ) e (j1 j2 :::jn ) têm paridade diferente.
Observação 38. Pode ainda escrever-se
135
8
X < 0 se (j1 j2 :::jn ) é par
jAj = ( 1) a1j1 a2j2 :::anjn onde =
:
(j1 j2 :::jn ) 1 se (j1 j2 :::jn ) é ímpar.
ou
8
X < 0 se (i1 i2 :::in ) é par
jAj = ( 1) ai1 1 ai2 2 :::ain n onde =
:
(i1 i2 :::in ) 1 se (i1 i2 :::in ) é ímpar.
Teorema 79. (i) Se A é do tipo 2 2, então
a11 a12
jAj = = a11 a22 a12 a21 :
a21 a22
(ii) Se A é do tipo 3 3, então
a11 a12 a13

jAj = a21 a22 a23 =
a31 a32 a33
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a12 a21 a33 a11 a23 a32 .
Observação 39. (i) Se A é uma matriz do tipo n n então jAj tem n! parcelas.
(ii) O determinante de cada um dos três tipos de matrizes elementares é dado por
det Pij = 1;
det Ei ( ) = ;
det Eij ( ) = 1:
Exemplo 48. (i)

1 1
= 1( 2) ( 1)2 = 0:
2 2
(ii)
1 2 1
3 1 2 = 1( 1)( 3) + 3 + 8 1( 1)2 6( 3) 2 = 32:
2 1 3
136
De…nição 62. Seja A = (aij ) uma matriz do tipo n n, com n > 1. Seja Aij a matriz
do tipo (n 1) (n 1) que se obtem de A suprimindo a linha i e a coluna j de A. Chama-se
a Aij o menor-ij da matriz A.
Teorema 80. (Fórmula de Laplace.) Seja A uma matriz do tipo n n, com n > 1.
Tem-se
X
n
det A = aij ( 1)i+j det Aij , com i 2 f1; :::; ng …xo:
j=1
Observação 40. Seja A uma matriz do tipo n n, com n > 1. Tem-se

X
n
det A = aij ( 1)i+j det Aij , com j 2 f1; :::; ng …xo:
i=1
Exemplo 49.
1 0 2 3
1 2 3 1 0 2
2 1 1 4 3+2 3+4
= ( 1)( 1) 2 1 4 + ( 2)( 1) 2 1 1 =
0 1 0 2
1 2 3 1 0 2
1 0 2 3
= ( 1)( 3) + ( 2)4 + 2( 2)3 ( 1)3 ( 2)2( 3) 4( 2) + 2 [( 2) ( 2)] = 18.
Teorema 81. Sejam A e B matrizes do tipo n n. Seja um escalar.
(i) det AT = det A:
(ii) Se A fôr uma matriz diagonal, triangular superior ou triangular inferior então o
determinante de A é igual ao produto dos elementos da diagonal principal de A.
(iii) Se A tiver uma linha (ou coluna) nula então det A = 0.
(iv) Se B fôr obtida de A trocando duas linhas (ou colunas) de A então det B = det A.
(v) Sendo B, A1 e A2 matrizes do tipo n n com as n 1 linhas (colunas): 1; 2; :::; i

1; i + 1; :::; n iguais, se a linha (coluna) i de B fôr obtida somando as linhas (colunas) i de
A1 e de A2 então det B = det A1 + det A2 .
(vi) Sendo B fôr obtida de A multiplicando uma linha (ou coluna) de A por um escalar
então det B = det A.
(vii) Se duas linhas (ou colunas) de A forem iguais então det A = 0.
137
(viii) Se B fôr obtida de A somando a uma linha (ou coluna) de A um múltiplo escalar
de uma outra linha (ou coluna) de A então det B = det A.
n
(ix) det ( A) = det A:
(x) det (EA) = det E det A; onde E é uma matriz elementar (Pij ; Ei ( ) ou Eij ( )).
(xi) det A 6= 0 , A é invertível.
(xii) det (AB) = det A det B:
(xiii) det (A1 A2 :::Al ) = det A1 det A2 ::: det Al ; onde A1 ; A2 ; :::; Al são l (l 2 N) matrizes
do tipo n n.
1
(xiv) Se A fôr invertível, det (A 1 ) = :
det A
(xv) det (AB) = 0 , (det A = 0 ou det B = 0):
(xvi) det (AB) = det (BA) :
Exemplo 50.
9 7 5 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
7 7 5 3 1 3 3 3 3 1 1 3 3 3 3 0 2 2 2 2
5 5 5 3 1 = 5 5 5 3 1 = 1 3 5 5 5 = 0 2 4 4 4 =
3 3 3 3 1 7 7 5 3 1 1 3 5 7 7 0 2 4 6 6
1 1 1 1 1 9 7 5 3 1 1 3 5 7 9 0 2 4 6 8
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 2 2 2 2 0 2 2 2 2 0 2 2 2 2
= 0 0 2 2 2 = 0 0 2 2 2 = 0 0 2 2 2 = 24 = 16.
0 0 2 4 4 0 0 0 2 2 0 0 0 2 2
0 0 2 4 6 0 0 0 2 4 0 0 0 0 2
Observação 41. (i) Sendo A e B matrizes do tipo n n, em geral:
jA + Bj 6= jAj + jBj e jA 6 jAj

Bj = jBj .
Por exemplo, se n é par, A = I e B = I, tem-se
jA + Bj = 0 6= 2 = 1 + ( 1)n = jAj + jBj :

n é par
(ii) Sendo A uma matriz do tipo n n, se …xarmos n 1 linhas (colunas), o determinante

de A é uma função linear em relação à linha (coluna) não …xada.
138
De…nição 63. Seja A = (aij ) uma matriz do tipo n n, com n > 1. Seja Aij o
menor-ij da matriz A. Chama-se a ( 1)i+j det Aij o cofactor-ij da matriz A e à matriz
cof A = (( 1)i+j det Aij ) do tipo n n, com n > 1, a matriz dos cofactores de A.
Teorema 82. Para qualquer matriz A do tipo n n, com n > 1, tem-se
A (cof A)T = (cof A)T A = (det A) I.
Se det A 6= 0 então A é invertível e

0 1
1 B 1 C
A 1
= (cof A)T = B
@ det A ( 1)j+i
det A ji
C
A .
det A | {z }
entrada (i;j) de A 1
n n
a b
Exemplo 51. (i) Seja A = 2 M2 2 (R) tal que det A 6= 0. Então A é invertível
c d
e
1 1 d b
A = .
ad bc c a
Note que ad bc = det A.
(ii) Podemos usar o teorema anterior para calcular não só a inversa de uma matriz
(invertível) mas também (e sobretudo) entradas concretas dessa inversa. Seja
2 3
1 0 3
A = 4 4 5 6 5.
7 8 9
1
A entrada (1; 2) da matriz A é dada por
1 1 1 0 3
(A 1 )12 = (cof A)T = ( 1)2+1 det A21 = det = 2.
det A 12 det A 12 8 9
1
Note que apesar da entrada (1; 2) de A ser nula, a entrada (1; 2) de A não é nula.
(iii) Para calcular A 1 a partir do teorema anterior, é preciso calcular (cof A)T . Assim,
usando por exemplo A da alínea anterior, tem-se
2 3
5 6 4 6 4 5
6 8 9 7 9 7 8 7 2 3
6 7 3 6 3
6 0 3 1 3 1 0 7 4 7
cof A = 6
6 7= 24 12 8 5
6 8 9 7 9 7 8 7
4 5 15 6 5
0 3 1 3 1 0
5 6 4 6 4 5
139
pelo que 2 3
3 24 15
(cof A)T = 4 6 12 6 5
3 8 5
e assim
2 3 2 1 5
3
3 24 15 2
1 1 4 4 4
A 1
= (cof A)T = 6 12 6 5=4 1
2
1 1
2
5.
det A 12 1 2 5
3 8 5 4 3 12
De facto 2 32 3 2 3
1 5
4
2 4
1 0 3 1 0 0
4 1
1 1 54 4 5 6 5 = 4 0 1 0 5.
2 2
1 2 5
4 3 12
7 8 9 0 0 1
Teorema 83. (Regra de Cramer.) Seja A uma matriz do tipo n n tal que A é
invertível. Então a única solução do sistema de equações lineares AX = B é dada por
1
X = A 1B = (cof A)T B.
det A
T T
Isto é, sendo X = x1 ::: xn eB= b1 ::: bn tem-se, para i = 1; :::; n,
1 X
n
det Ci
xi = ( 1)k+i det Aki bk = ,
det A k=1 det A
onde Ci é a matriz obtida de A substituindo a coluna i de A pela matriz coluna B dos termos
independentes.
Exemplo 52. O sistema de equações lineares

8
< y + 2z = 8
4x + 2y z = 7
:
x z=1
pode ser resolvido usando a regra de Cramer:
8 1 2 0 8 2 0 1 8
7 2 1 4 7 1 4 2 7
1 0 1 1 1 1 1 0 1
x= = 14, y= = 18 e z= = 13.
0 1 2 0 1 2 0 1 2
4 2 1 4 2 1 4 2 1
1 0 1 1 0 1 1 0 1
140
Produto externo e produto misto
De…nição 64. Sejam u = (u1 ; u2 ; u3 ) ; v = (v1 ; v2 ; v3 ) 2 R3 . Considere-se em R3 o

produto interno usual. Então o produto externo (vectorial) de u por v, denotado por
u v, é o vector de R3 de…nido por
u v = (u2 v3 u3 v2 ; u3 v1 u1 v3 ; u1 v2 u2 v1 ) ,
isto é,
u 2 u3 u1 u3 u u
u v= ; ; 1 2 =
v2 v3 v1 v3 v1 v2
e1 e2 e3
u 2 u3 u 1 u3 u1 u2
= e e2 + e = u1 u 2 u3 ,
v2 v3 1 v1 v3 v1 v2 3
v1 v2 v3
onde fe1 ; e2 ; e3 g é a base canónica de R3 .
Teorema 84. Considere-se R3 com o produto interno usual. Sejam u; v; w 2 R3 e 2 R.

Então, tem-se:
(i) e1 e2 = e3
(ii) e2 e3 = e1
(iii) e3 e1 = e2
(iv) u v= (v u)
(v) u (v + w) = u v+u w
(vi) (u + v) w=u w+v w
(vii) (u v) = ( u) v=u ( v)
(viii) u 0=0 u=0
(ix) u u=0
(x) Se u e v forem linearmente dependentes então u v=0
(xi) u (v w) = hu; wi v hu; vi w
(xii) (u v) w = hw; ui v hw; vi u
(xiii) ku vk2 + hu; vi2 = kuk2 kvk2 (identidade de Lagrange)
(xiv) u (v w) + w (u v) + v (w u) = 0 (identidade de Jacobi)
Teorema 85. Considere-se R3 com o produto interno usual. Sejam u = (u1 ; u2 ; u3 ) ; v =

(v1 ; v2 ; v3 ) 2 R3 n f0g e seja 2 [0; ] o ângulo formado por u e v. Então tem-se:
141
(i)
kuk kvk sen = ku vk :
(ii) A área do paralelogramo de lados adjacentes u e v é dada por:
A = ku vk :
p
Dem. (i) Como 2 [0; ], tem-se sen = 1 cos2 e deste modo,
kuk kvk sen =
p
= kuk kvk 1 cos2 =
s
hu; vi2
= kuk kvk 1 =
kuk2 kvk2
q
= kuk2 kvk2 hu; vi2 =
q
= (u21 + u22 + u23 ) (v12 + v22 + v32 ) (u1 v1 + u2 v2 + u3 v3 )2 =
q
= (u2 v3 u3 v2 )2 + (u3 v1 u1 v3 )2 + (u1 v2 u2 v1 )2 =
= k(u2 v3 u3 v2 ; u3 v1 u1 v3 ; u1 v2 u2 v1 )k = ku vk .
(ii)
A = (base)(altura) = kuk kvk sen :
De…nição 65. Considere-se R3 com o produto interno usual. Sejam w = (w1 ; w2 ; w3 ) ; u =

(u1 ; u2 ; u3 ) ; v = (v1 ; v2 ; v3 ) 2 R3 . À expressão
hw; u vi
chama-se produto misto de w; u e v.
Teorema 86. Considere-se R3 com o produto interno usual. Sejam w = (w1 ; w2 ; w3 ) ; u =

(u1 ; u2 ; u3 ) ; v = (v1 ; v2 ; v3 ) 2 R3 . Então, tem-se:
(i)
w1 w2 w3
hw; u vi = u 1 u 2 u3
v1 v2 v3
(ii)
hu; u vi = 0 hv; u vi = 0 hw; u vi = hw u; vi :
142
(iii) Sendo o ângulo formado por w e u v, o volume do paralelepípedo com um vértice
em (0; 0; 0) e arestas w; u; v, é dado por
V = ku vk kwk jcos j =
| {z } | {z }
área da face determinada por u e v altura
jhw; u vij
= ku vk kwk =
kwk ku vk
w1 w2 w3
= jhw; u vij = u1 u2 u 3
v1 v2 v3
(iv) Considere-se Rn com o produto interno usual. Sendo V o volume do hiperparalelepípedo

determinado pela base ordenada fw1 ; :::; wn g, tem-se
2
V 2 = det w1 wn =
= det w1 wn det w1 wn =
T
= det w1 wn det w1 wn =
T
= det w1 wn w1 wn =
02 3 1
(w1 )T
= det @4 5 w1 wn A =
T
(wn )
02 31
(w1 )T w1 (w1 )T wn
B6 ... 7C
= det @4 5A =
(wn )T w1 (wn )T wn
02 31
hw1 ; w1 i hw1 ; wn i
B6 .. 7C
= det @4 . 5A = det G.
hwn ; w1 i hwn ; wn i
Logo
V 2 = det G.
(v) A distância entre duas rectas disjuntas r e s não paralelas de…nidas por:
r = fag + L fug e s = fbg + L fvg
é dada por:
V jhb a; u vij
d (r; s) = =
A ku vk
onde os vectores b a; u e v determinam o paralelepípedo cuja altura é a distância entre as
duas rectas, V é o volume desse paralelepípedo e A é a área do paralelogramo que é a base
do paralelepípedo.
143
1. Classi…que quanto à paridade as seguintes permutações de números de 1 a 6:

(i) (312645) (ii) (234516) (iii) (654321) (iv) (123456)
(v) (546321) (vi) (453261) (vii) (634125) (viii) (123465)
2. Na expressão do determinante de uma matriz do tipo 6 6 diga qual o sinal que afecta
cada uma das seguintes parcelas:
(i) a23 a31 a42 a56 a14 a65 (ii) a16 a25 a34 a43 a52 a61
(iii) a54 a45 a63 a32 a26 a11 (iv) a16 a23 a34 a41 a62 a55
3. Veri…que que
0 0 0 a14
0 0 a13
0 0 a23 a24
(i) 0 a22 a23 = a13 a22 a31 (ii) = a14 a23 a32 a41
0 a32 a33 a34
a31 a32 a33
a41 a42 a43 a44
(iii) 2 3
0 0 a1n
6 7 n 1
det 6
4
7 = ( 1)n 2 a1n :::an
5 1 2 an1
0 an 12 an 1 n
an1 ann
4. Calcule os seguintes determinantes e diga quais são as matrizes invertíveis:

p p
1 2 18563 18573 1 + p2 2 p3
(i) (ii) (iii)
3 4 21472 21482 2+ 3 1 2
2 0 1 2 3 2
cos sen
(iv) (v) 5 3 0 (vi) 5 1 3
sen cos
5 1 2 2 1 1
0 1 0 0
2 1 1 8 12 8 1 2 3
1 0 1 0
(vii) 5 1 3 (viii) 5 1 3 (ix) 4 5 6 (x)
0 1 0 1
2 3 2 2 1 1 7 8 9
0 0 1 0
2 2 8 6 1 3 1 1 0 0 0 5
0 1 2 0 1 2 1 1 0 0 3 23
(xi) (xii) (xiii)
0 0 3 23 2 1 1 1 0 1 2 0
0 0 0 5 2 0 2 0 2 2 8 6
0 4 0 0 0 a 0 0 0 b
12 22 32 42
0 0 0 2 0 b a 0 0 0
22 32 42 52
(xiv) (xv) 0 0 0 0 1 (xvi) 0 b a 0 0
32 42 52 62
0 0 3 0 0 0 0 b a 0
42 52 62 72
5 0 0 0 0 0 0 0 b a
144
9 0 6 4 2 7 4 1 3 6
7 4 0 5
5 3 0 1 2 0 0 0 2 0
1 2 0 2
(xvii) (xviii) 8 0 4 1 1 (xix) 0 0 5 8 1
2 1 3 8
6 0 3 1 3 0 0 3 p0
2 2 0 4
7 0 5 2 3 5 3 7 9 3
..
1 1 1 1 1 n n 1 . 2 1
2 1 0 0 ..
1 1 1 1 1 n 1 n 1 . 2 1
7 3 0 2
(xx) (xxi) 1 1 1 1 1 (xxii) .. . ..
3 1 1 . .. .
0 1 0 0 0
3 9 0 0 2 2 2 1
0 1 0 0 1
1 1 1 1
5. (i) Veri…que que a matriz 2 3

0 a 0 0 0
6 e 0 b 0 0 7
6 7
6 0 f 0 c 0 7
6 7
4 0 0 g 0 d 5
0 0 0 h 0
não é invertível para quaisquer a; b; c; d; e; f; g; h 2 R.

(ii) Diga, para que valores de a; b; c; d; e; f; g; h; i; j 2 R, é invertível a seguinte matriz
2 3
0 a 0 0 0 0
6 f 0 b 0 0 0 7
6 7
6 0 g 0 c 0 0 7
6 7
6 0 0 h 0 d 0 7
6 7
4 0 0 0 i 0 e 5
0 0 0 0 j 0
6. Determine todos os valores do escalar para os quais a matriz A I é não invertível,

onde A é dada por:
2 3
1 0 2
0 3
(i) (ii) 4 0 1 2 5
2 1
2 2 0
2 3 2 3
1 1 1 1 1
6 7
(iii) 4 1 1 1 5 (iv) 4 ... . . . ... 5
1 1 1 1 1 n n
7. Indique três matrizes A do tipo 2 2 tais que tr A = = det A.
8. Seja
2 3
1 0 1
6 1 0 7
A =6
4
7 ; com 2R
0 0 1 1 5
1 0
145
a) Diga, justi…cando, quais são os valores de para os quais A é invertível.
n n+2
b) Seja n 2 N. Calcule det (A0 ) + (A0 ) .
c) Considerando os valores de para os quais A é invertível, calcule a entrada (3; 1)
da matriz inversa de A .
9. Use a fórmula de inversão de matrizes para inverter:
2 3 2 3
1 1 1 1 0 4
1 2
(i) (ii) 4 0 1 1 5 (iii) 4 1 1 3 5
3 4
0 0 1 0 6 0
10. Seja 2 3
1 3 0 0 1
6 2 0 1 0 1 7
6 7
A=6
6 3 1 2 2 1 7:
7
4 0 0 2 0 1 5
2 0 1 0 1
Justi…que que A é invertível e calcule a entrada (2; 3) de A 1 .
11. Sejam A uma matriz invertível e
2 3
0 0 1
B = 4 0 1 0 5:
1 0 0
Calcule, justi…cando,
det 2B T ABA 1
3B T .
12. Determine a matriz A do tipo 2 2 tal que

0 1 0 1
I A = A det :
2 2 2 2
13. 2 3
1 1 1
A= 4 1 1 1 5:
1 1 1
Diga, justi…cando, se a matriz:
AT A + A det A 5A
é invertível.
2 3
0 0 1
14. Seja A = 4 0 2 2 5. Calcule det 2A 1 AT det (A 2 ) :
1 2 3
2 3
0 a 0 1
6 1 0 2 0 7
15. Calcule os valores de a para os quais det 6
4 0
7 = 1:
2 0 1 5
1 0 a 0
146
2 3
1 1 0 0
6 0 1 0 2 7
16. Seja A = 6
4
7. Calcule det (A3 + A4 ) :
1 1 2 2 5
1 0 2 1
2 3
0 0 1 1
6 1 0 3 3 7
17. Seja A = 6
4
7. Calcule det (A6 A5 ) :
2 1 2 2 5
0 2 1 0
2 3 2 3
0 0 1 1 0 1
4
18. Sejam A = 0 1 0 5 e B = 4 0 2 0 5. Determine a matriz X tal que
1 0 0 1 0 1
AXB B = AX det AT A .
19. Sejam 2 3 2 3
3 2 0 2 1 0 0 2
6 1 0 0 3 7 6 4 0 1 0 7
A=6
4 0
7 B=6 7.
9 2 0 5 4 0 1 0 3 5
3 1 0 2 0 1 2 2
1
(i) Justi…que que A e B são invertíveis e determine as entradas (2; 2) de A e (2; 3)
de B 1 .
(ii) Veri…que que det (A + B) 6= det A + det B e det (A B) 6= det A det B.
20. Use a regra de Cramer para calcular as soluções dos sistemas:

8
< x+y =1
2x + 3y = 1
(i) (ii) 2x + z = 1
5x + 7y = 3 :
x + 2y + 2z = 1
2 3 2 3
1 0 1 9 8 1
21. Sejam C = 4 2 3 2 5 e D = 4 7 3 0 5.
0 1 2 2 0 0
Veri…que que C e D são invertíveis e calcule:
1
(i) det (2C )
1
(ii) det C 3 (2C)
1
(iii) det C T 2C
(iv) det C T 21 C 2
(v) det (C 2 + 2D)

1 1 1
2 3
(vi) det 2C T 3
D DT C
Sugestão: Sejam m 2 N, escalar, A; B e S matrizes n n com S invertível, tem-se

(a) det (AB) = (det A) (det B)
147
n
(b) det ( B) = det B
(c) det AT = det A
1
(d) det (A 1 ) =
det A
T T
(e) ( B) = B
m 1 m
(f) S = (S )
p
22. Sejam A e B matrizes 3 3 tais que det A = 3 e det B = 12 . Calcule det(2AT B 3 ).
2 3
a 1 2
23. Sejam a; b; c 2 R. Seja B = 4 1 b 2 5 : Sabendo que det B = 2, calcule:
1 2 c
1 1 a a+3 1 2
1 T
(i) 2 b 1 (ii) b+3 b 2 2 (iii) det 2
B B
c 2 2 c+3 2 c c
a b 0 c
d e 0 f
24. Sejam a; b; c; d; e; f 2 R. Sabendo que = 5; calcule:
g h 0 i
x y 1 z
d e f
(i) g h i
a b c
a b c
(ii) 2d 2e 2f
g h i
a+d b+e c+f
(iii) d e f
g h i
2i 2h 2g
(iv) f 3c e 3b d 3a
c b a
a g d
(v) b h e
c i f
a b c
25. Sejam a; b; c 2 R. Sabendo que 2 1 0 = 1; calcule:
1 2 1
a b c
(i) 6 3 0
1 1
2
1 2
a b c
(ii) 2a + 2 2b + 1 2c
a+1 b+2 c+1
148
a 1 b 2 c 1
(iii) 3 3 1
1 2 1
1 1 1
(iv) 2 1 0
3a + 1 3b + 2 3c + 1
1 2 1 2
2
26. Sejam ; 2 R. Sabendo que 1 1 = 1; calcule + 2 .
1 + 2
1 1 1 1 1
+1 2 2 2 2
+1 +2 3 3 3 6
27. Seja 2 R. Veri…que que = .
+1 +2 +3 4 4
+1 +2 +3 +4 5
+1 +2 +3 +4 +5
28. Seja 2 R. Calcule o determinante da seguinte matriz do tipo n n.
2 3
6 1 +1 1 1 7
6 7
6 .. .. 7
6 . 1 +1 . 7
6 .. ... .. 7
6 . 1 1 . 7
6 7
6 .. .. 7
4 . . +1 1 5
1 1 1 1 +1
i j
29. Sejam 6= 0 e A = (aij )n n. Mostre que det A = det aij .
3 2
1 a a2
30. Que condições devem os parâmetros reais a; b e c veri…car para que a matriz 4 1 b b2 5
1 c c2
seja invertível?
31. Veri…que que

2 3
1 1 1
4
(i) det x1 y1 y1 5 = (y1 x1 ) (y2 x2 )
x2 x2 y2
2 3
(x1 )3 (x1 )2 x1 1
6 (x2 )3 (x2 )2 x2 1 7
(ii) det 6
4 (x3 )3
7 = (x1 x2 ) (x1 x3 ) (x1 x4 ) (x2 x3 ) (x2 x4 ) (x3 x4 )
(x3 )2 x3 1 5
(x4 )3 (x4 )2 x4 1
32. Mostre que:
b+c c+a b+a
(i) a b c =0
1 1 1
149
b1 + c 1 b2 + c 2 b3 + c 3 a1 b 1 c 1
(ii) c 1 + a1 c 2 + a2 c 3 + a3 = 2 a2 b 2 c 2
a1 + b1 a2 + b2 a3 + b3 a3 b 3 c 3
a1 + b 1 a1 b1 c 1 a1 b1 c1
(iii) a2 + b 2 a2 b2 c 2 = 2 a2 b 2 c 2
a3 + b 3 a3 b3 c 3 a3 b 3 c 3
a1 b 1 a1 + b 1 + c 1 a1 b 1 c 1
(iv) a2 b 2 a2 + b 2 + c 2 = a2 b 2 c 2
a3 b 3 a3 + b 3 + c 3 a3 b 3 c 3
33. Veri…que que
a1 + b1 c1 + d1 a1 c 1 a1 c 1 b1 d1 b1 d1
= + + + :
a2 + b2 c2 + d2 a2 c 2 b2 d2 a2 c 2 b2 d2
34. Sem calcular explicitamente o determinante, mostre que para x = 0 e x = 2 se tem

x2 x 2
2 1 1 = 0.
0 0 5
35. Sem calcular o determinante, diga qual o coe…ciente de x3 na expressão

2x x 1 2
1 x 1 1
.
3 2 x 1
9 8 7 x
36. Resolva as seguintes equações.

x x x x x 1 1 1
1 x 1
x 4 x x 1 x 1 1
(i) 0 1 1 =0 (ii) =0 (iii) =0
x x 4 x 1 1 x 1
1 0 2
x x x 4 1 1 1 x
5 3 3
37. Sabendo que 533; 715 e 871 são múltiplos de 13, justi…que que 7 1 5 é também
8 7 1
múltiplo de 13, sem calcular o determinante.
2 1 8
38. Sem calcular o determinante, veri…que que 1 0 10 é múltiplo de 5.
3 7 4
39. Seja A = (aij )n n com n ímpar e tal que aij + aji = 0, para todos os i; j = 1; :::; n:
Mostre que A não é invertível. Isto é, toda a matriz anti-simétrica de ordem ímpar
não é invertível.
40. Mostre que se uma matriz fôr ortogonal então o seu determinante ou é 1 ou é 1. E
se a matriz fôr unitária?
41. Seja A uma matriz real do tipo 5 6. Calcule, justi…cando, det AT A :
150
Valores próprios e vectores próprios. Diagonalização.
De…nição 66. Seja V espaço linear. Seja T : V ! V uma transformação linear. Diz-se
que um escalar é um valor próprio de T se existir um vector não nulo v 2 V tal que
T (v) = v.
Aos vectores não nulos v que satisfaçam a equação anterior chamam-se vectores próprios
associados ao valor próprio . Dado um valor próprio de T , o conjunto
E = fv 2 V : T (v) = vg = N (T I)
é um subespaço linear de V . Chama-se a E o subespaço próprio associado ao valor

próprio . À dimensão de E chama-se multiplicidade geométrica de e denota-se por
mg ( ), isto é,
dim N (T I) = mg ( ) .
Exemplo 53. (a) Seja V um espaço linear e I : V ! V a transformação identidade. En-

tão todos os vectores de V , exceptuando o vector nulo, são vectores próprios de T associados
ao valor próprio 1.
(b) Seja V o espaço linear das funções reais inde…nidamente diferenciáveis em R e T :

V ! V a (transfomação) função derivada. Como, por exemplo
T e2x = 2e2x
então e2x é vector próprio de T associado ao valor próprio 2.
Observação 42. (i) Sejam V um espaço linear e 0 o vector nulo de V . Seja T : V ! V

uma transformação linear. Um escalar é um valor próprio de T se e só se N (T I) 6= f0g.
(ii) Se o espaço linear V tiver dimensão …nita n e se A = M (T ; B; B) fôr a matriz n n

que representa T em relação a uma base ordenada B de V , então um escalar é um valor
próprio de T se e só se esse escalar fôr solução da equação
det(A I) = 0,
uma vez que se tem, para v 2 V ,

2 3
1
6 7
(T I) v = 0 , (A I) 4 ... 5 = 0.
n
onde 1 ; :::; n são as coordenadas de v na base ordenada B, daí que
é um valor próprio de T , N (T I) 6= f0g , N (A I) 6= f0g , det(A I) = 0
151
isto é
é um valor próprio de T , det(A I) = 0
Além disso, tem-se
v é um vector próprio de T , v 2 N (T I) n f0g , ( 1 ; :::; n) 2 N (A I) n f0g
isto é
v é um vector próprio de T , ( 1 ; :::; n) 2 N (A I) n f0g

e
mg ( ) = dim N (T I) = dim N (A I).
(iii) No caso em que V = Rn e A = M (T ; Bcn ; Bcn ), como (neste caso) v = ( 1 ; :::; n ),

tem-se
N (T I) = N (A I) :
De…nição 67. Seja A uma matriz n n. Chama-se ao polinómio
p( ) = det(A I)
o polinómio característico da matriz A. Este polinómio tem grau n, o coe…ciente do

termo de grau n é ( 1)n , o coe…ciente do termo de grau n 1 é ( 1)n 1 tr A e o termo
constante é p(0) = det A.
De…nição 68. Seja A uma matriz n n. Chama-se valor próprio de A a qualquer

escalar tal que A I seja não invertível, isto é, tal que det(A I) = 0. Ao conjunto de
todos os valores próprios de A chama-se espectro de A. À multiplicidade de como raíz
do polinómio det(A I) chama-se multiplicidade algébrica de e denota-se por ma ( ).
Chama-se vector próprio de A, associado ao valor próprio de A, a qualquer vector não
nulo v que veri…que
(A I)v = 0,
isto é, a qualquer vector
v 2 N (A I)n f0g .
Teorema 87. Seja A uma matriz n n. O escalar 0 é valor próprio de A se e só se A

fôr não invertível. Isto é, a matriz A é invertível se e só se 0 não fôr valor próprio de A.
Teorema 88. Seja A uma matriz n n. Então o polinómio característico de A pode ser
escrito na forma:
p( ) = det(A I) = ( 1 )m1 ( 2 )m2 ( k )mk ,
onde 1 ; 2 ; : : : ; k são os valores próprios distintos de A e m1 ; m2 ; : : : ; mk são tais que

m1 + m2 + + mk = n.
De…nição 69. Se
p( ) = det(A I) = ( 1 )m1 ( 2 )m2 ( k )mk ,
152
onde 1 ; 2 ; : : : ; k são os valores próprios distintos de A, aos expoentes m1 ; m2 ; : : : ; mk
chamam-se as multiplicidades algébricas desses valores próprios respectivamente. Escreve-
se
ma ( k ) = mk .
Teorema 89. Seja A uma matriz n n, com os valores próprios 1 ; 2 ; : : : ; n (repetidos

de acordo com a respectiva multiplicidade algébrica). Então, atendendo à alínea anterior e
à de…nição anterior tem-se
det A = 1 2 n e tr A = 1 + 2 + + n.
De…nição 70. Sejam A e B matrizes n n. As matrizes A e B dizem-se semelhantes

se existir uma matriz S invertível tal que
1
B = SAS .
Teorema 90. Duas matrizes são semelhantes se e só se existirem bases ordenadas em

relação às quais essas matrizes representem a mesma transformação linear.
Teorema 91. Sejam A e B matrizes n n. Se A e B forem semelhantes então A e B

têm o(a) mesmo(a):
(i) determinante; (ii) característica; (iii) nulidade; (iv) traço;
(v) polinómio característico, e portanto têm os mesmos valores próprios com as mesmas
multiplicidades algébricas e geométricas.
Dem. (Matrizes semelhantes têm o mesmo polinómio característico.)

1
det(B I) = det(SAS I) = det(SAS 1 SS 1 ) =
= det(S(A I)S 1 ) = det S det(A I) det S 1
=
1
= det S det(A I) = det(A I).
det S
Teorema 92. (i) Seja V um espaço linear. Seja T : V ! V uma transformação linear.
Se T tiver valores próprios 1 ; :::; k distintos dois a dois e se para cada i = 1; :::; k consid-
erarmos o conjunto Si dos vectores próprios de T linearmente independentes e associados a
i , então S1 [ ::: [ Sk é um conjunto linearmente independente.
(ii) Seja A uma matriz n n. Se A tiver valores próprios 1 ; :::; k distintos dois a dois e
se para cada i = 1; :::; k considerarmos o conjunto Si dos vectores próprios de A linearmente
independentes e associados a i , então S1 [ ::: [ Sk é um conjunto linearmente independente.
(iii) Seja A uma matriz n n. Tem-se
mg ( i ) ma ( i ) ;
153
para qualquer valor próprio i de A.
Dem. (ii) Vejamos que a a…rmação é válida para k = 2. O caso geral prova-se por
indução. Sejam 1 e 2 dois valores próprios distintos e sejam S1 = fu1 ; :::; ur g e S2 =
fv1 ; :::; vs g dois conjuntos de vectores próprios de A linearmente independentes e associados
respectivamente a 1 e a 2 . Suponhamos que se tinha
1 u1 + + r ur + 1 v1 + + s vs = 0. (*)
Logo
0 = A ( 1 u1 + + r ur + 1 v1 + + s vs ) =
= 1 1 u1 + + r 1 ur + 1 2 v1 + + s 2 vs . (**)
Multiplicando (*) por 1 e subtraindo a (**) obtem-se
1 ( 2 1 ) v1 + + s ( 2 1 ) vs = 0,
e atendendo a que 1 6= 2 e ao facto de S2 ser linearmente independente, conclui-se que

1 = = s = 0. Finalmente, como S1 é linearmente independente, então 1 = = r=
0 e deste modo S1 [ S2 é um conjunto linearmente independente.
(iii) Seja i um qualquer valor próprio de A. Seja r = mg ( i ) = dim N (A i I). Seja

n
fu1 ; :::; ur g uma base de N (A i I). Seja fu1 ; :::; ur ; ur+1 ; :::; un g uma base de R (ou de
n 1
C ). Considere-se a matriz invertível S = [u1 :::ur ur+1 :::un ]. Tem-se
1 i Ir r
SAS = .
0(n r) r
Logo, como SAS 1 e A têm o mesmo polinómio característico, então i é uma raíz do
polinómio característico de A com multiplicidade algébrica pelo menos igual a r.
1
De…nição 71. (i) Seja A uma matriz n n. Se existir uma matriz P invertível tal
que
1
D = P AP ,
com D matriz diagonal, então diz-se que A é uma matriz diagonalizável e que P 1 é a
matriz diagonalizante. No caso de A ser uma matriz diagonal, a matriz diagonalizante é
a matriz identidade.
(ii) Seja V um espaço linear tal que dim V = n. Seja T : V ! V uma transformação
linear. Diz-se que T é diagonalizável se existir uma base ordenada B de V em relação à
qual a matriz M (T ; B; B) que representa T nessa base seja uma matriz diagonal.
Teorema 93. Seja A 2 Mn n (R). A matriz A é diagonalizável se e só se existir uma

base Bvp de Rn apenas constituída por vectores próprios de A. Neste caso, as entradas da
154
diagonal principal da matriz diagonal D serão os valores próprios de A apresentados pela
ordem dos vectores próprios correspondentes na base ordenada Bvp . Além disso, a matriz
P 1 será a matriz cujas colunas serão os vectores próprios de A, da base Bvp de Rn dispostos
pela mesma ordem, tendo-se
D = P AP 1 .
O mesmo se aplica a Cn .
Teorema 94. Seja A uma matriz n n. Sendo 1 ; :::; k os valores próprios distintos de
A, então as a…rmações seguintes são equivalentes:
(i) A é diagonalizável.
(ii) A tem n vectores próprios linearmente independentes.
P
k
(iii) mg ( i ) = n.
i=1
(iv) mg ( i ) = ma ( i ) para todo o i = 1; :::; k..
Dem. (i) ,(iii) Sejam 1 ; :::; k os valores próprios de A distintos dois a dois.
()) Suponhamos que A é diagonalizável. Então A terá n vectores próprios linearmente
independentes. Suponhamos que li dos vectores próprios de A estão associados ao valor
próprio i . Logo, para cada i = 1; :::; k
dim N (A i I) li .
Seja
r = dim N (A 1 I) + ::: + dim N (A k I) :
Então
r l1 + ::: + lk = n.
Para cada i = 1; :::; k seja Si uma base de N (A i I). Logo S1 [ ::: [ Sk é um conjunto de
r vectores linearmente independentes, pelo que se tem r n. Logo r = n.
(() Suponhamos que n = dim N (A 1 I) + ::: + dim N (A k I). Para cada i =
1; :::; k sendo mi = dim N (A i I), existirá então um conjunto Si formado por mi vectores
próprios de A linearmente independentes associados ao valor próprio i . Assim, conclui-se
que S1 [ ::: [ Sk é um conjunto de n vectores próprios de A linearmente independentes, sendo
deste modo A diagonalizável.
Observação 43. (i) Se todos os valores próprios de A forem raízes simples do polinómio
característico, então A é diagonalizável.
(ii) Se A 2 Mn n (R) então A é é diagonalizável se e só se:
Rn = N (A 1 I) ::: N (A k I) .
(iii) Seja V um espaço linear tal que dim V = n. Seja A = M (T; B; B) a matriz n n
que representa a transformação linear T : V ! V em relação à base ordenada B. No caso de
155
haver uma base Bvp (ordenada) de V apenas constituída por vectores próprios de T , então
tem-se
M (T; Bvp ; Bvp ) = P AP 1 ,
onde P 1 = SBvp !B , sendo deste modo M (T; Bvp ; Bvp ) a matriz diagonal cujas entradas da
diagonal principal são os valores próprios de A apresentados pela ordem dos vectores próprios
correspondentes na base Bvp . Assim, T é representada relativamente a uma base ordenada
por uma matriz diagonal, isto é, T é diagonalizável.
(iv) No caso de se ter D = P AP 1 , com P 1 invertível e D matriz diagonal, tem-se,

para k 2 N,
D k = P Ak P 1 , ou seja, Ak = P 1 D k P .
Exemplo 54. Nos exemplos que se seguem as matrizes A consideradas poderão ser vistas
como matrizes que representam transformações lineares T relativamente à base canónica (ou
outras) ordenada de R3 , tendo-se no caso da base canónica, para todo o v 2 R3 ,
T (v) = Av.
Deste modo, os valores próprios e vectores próprios de T serão respectivamente os valores

próprios e vectores próprios de A.
2 3
1 5 1
(i) Uma matriz com valores próprios distintos. A = 4 0 2 1 5. O
4 0 3
polinómio característico é dado por
1 5 1
det(A I) = 0 2 1 =
4 0 3
= (1 )( 2 ) (3 ) 20 + 4 (2 + ) =
= (1 )( 2 ) (3 )+4 12 =
= (3 ) [( 1) ( + 2) 4] =
2
= (3 ) + 6 =
= (3 )( 2) ( + 3) .
Os valores próprios de A são os valores de para os quais det(A I) = 0. Logo, os valores

próprios de A são
1 = 3, 2 = 2 e 3 = 3.
Os vectores próprios de A associados ao valor próprio são os vectores não nulos v 2 R3
para os quais
(A I) v = 0,
isto é, são os vectores não nulos de N (A I).
Determinemos os vectores próprios de A associados ao valor próprio 1 = 3. Tem-se
02 31
2 5 1
N (A 1 I) = N @ 4 0 5 1 5A = L (f(0; 1; 5)g) .
4 0 0
156
Logo, o subespaço próprio E 1 é dado por
E 1 = N (A 1 I) = L (f(0; 1; 5)g) .
Os vectores próprios de A associados ao valor próprio 1 = 3 são
v = (0; s; 5s) , com s 2 Rn f0g .
02 31
1 5 1
N (A 2 I) = N
@4 0 4 1 5A = L (f(1; 1; 4)g) .
4 0 1
E 2 = N (A 2 I) = L (f(1; 1; 4)g) .
v = (s; s; 4s) , com s 2 Rn f0g .
02 31
4 5 1
N (A 3 I) = N
@ 4 0 1 1 5A = L (f(3; 2; 2)g) .
4 0 6
E 3 = N (A 3 I) = L (f(3; 2; 2)g) .
v = (3s; 2s; 2s) , com s 2 Rn f0g .
Atendendo a que os valores próprios de A são distintos, os vectores próprios de A asso-
ciados a esses valores próprios são linearmente independentes. Como dim R3 = 3, então 3
vectores em R3 linearmente independentes formarão desde logo uma base de R3 . Logo, o
conjunto
B = f(0; 1; 5) ; (1; 1; 4) ; (3; 2; 2)g
é uma base de R3 . Deste modo, temos uma base de R3 formada só por vectores próprios de
A. Logo, a matriz A é diagonalizável, isto é, existe uma matriz invertível P 1 diagonalizante
tal que a matriz P AP 1 é diagonal, tendo-se
2 3 2 3 2 3
1 0 0 3 0 0 0 1 3
D = P AP 1 = 4 0 2 0 5 = 4 0 2 0 5 , com P 1 = 4 1 1 2 5.
0 0 3 0 0 3 5 4 2
Note que cada coluna de P 1 é formada pelo vector próprio associado ao valor próprio
respectivo e na posição respectiva. Além disso, tem-se
M (T ;Bc3 ;Bc3 )
(R3 ; Bc3 ) ! (R3 ; Bc3 )
T
SBc3 !B # I I # SBc3 !B
T
(R3 ; B) ! (R3 ; B)
M (T ;B;B)
157
com
SBc3 !B = P , M (T ; B; B) = D e M (T ; Bc3 ; Bc3 ) = A.
(ii) Uma matriz com valores próprios repetidos mas diagonalizável.

2 3
2 1 1
A= 24 3 2 5.
3 3 4
O polinómio característico é dado por
2 1 1
det(A I) = 2 3 2 =
3 3 4
= (2 ) (3 ) (4 )+6+6 3 (3 ) 6 (2 ) 2 (4 )=
3
= +9 2 15 + 7 =
= ( 1) ( 1) ( 7) .

próprios de A são
1 = 1 e 2 = 7.

para os quais
(A I) v = 0,
02 31
1 1 1
N (A 1 I) = N
@ 4 2 2 2 5A = L (f( 1; 1; 0) ; ( 1; 0; 1)g) .
3 3 3
E 1 = N (A 1 I) = L (f( 1; 1; 0) ; ( 1; 0; 1)g) .
v=( s t; s; t) , com s 6= 0 ou t 6= 0.

02 31
5 1 1
N (A 2 I) = N
@4 2 4 2 5A = L (f(1; 2; 3)g) .
3 3 3
Logo, o subespaço próprio E 2 é dado por: E 2 = N (A 2 I) = L (f(1; 2; 3)g). Os vectores

próprios de A associados ao valor próprio 2 = 7 são
v = (s; 2s; 3s) , com s 2 Rn f0g .
158
Atendendo a que dim E 1 + dim E 2 = 3, podemos ter a seguinte base de R3 formada só
por vectores próprios de A
B = f( 1; 1; 0) ; ( 1; 0; 1) ; (1; 2; 3)g .
1
Logo, a matriz A é diagonalizável, isto é, existe uma matriz invertível P diagonalizante
tal que a matriz P AP 1 é diagonal, tendo-se
2 3 2 3 2 3
1 0 0 1 0 0 1 1 1
D = P AP 1 = 4 0 1 0 5 = 4 0 1 0 5 , com P 1 = 4 1 0 2 5.
0 0 2 0 0 7 0 1 3
Note que cada coluna de P 1 é formada pelo vector próprio associado ao valor próprio
respectivo e na posição respectiva. Além disso, tem-se
M (T ;Bc3 ;Bc3 )
(R3 ; Bc3 ) ! (R3 ; Bc3 )
T
T
(R3 ; B) ! (R3 ; B)
M (T ;B;B)
com
SBc3 !B = P , M (T ; B; B) = D e M (T ; Bc3 ; Bc3 ) = A.
(iii) Uma matriz com valores próprios repetidos e não diagonalizável.

2 3
7 5 1
A=4 0 2 1 5.
20 0 3
7 5 1
det(A I) = 0 2 =1
20 0 3
= (7 )( 2 ) (3 ) + 100 20 (2 + ) =
= (3 ) [(7 )( 2 ) + 20] =
2
= (3 ) 5 +6 =
= (3 )( 3) ( 2) .

próprios de A são
1 = 3 e 2 = 2.

para os quais
(A I) v = 0,
159
02 31
4 5 1
N (A 1 I) = N
@ 4 0 5 1 5A = L (f(0; 1; 5)g) .
20 0 0
Logo, o subespaço próprio E 1 é dado por: E 1 = N (A 1 I) = L (f(0; 1; 5)g). Os vectores

próprios de A associados ao valor próprio 1 = 3 são
v = (0; s; 5s) , com s 2 Rn f0g .

02 31
5 5 1
N (A 2 I) = N
@4 0 4 1 5A = L (f(1; 5; 20)g) .
20 0 1
Logo, o subespaço próprio E 2 é dado por: E 2 = N (A 2 I) = L (f(1; 5; 20)g). Os

vectores próprios de A associados ao valor próprio 2 = 2 são
v = (s; 5s; 20s) , com s 2 Rn f0g .
Atendendo a que
dim E 1 + dim E 2 = 2 < 3,
não é possível ter uma base de R3 formada só por vectores próprios de A. Logo, a matriz A
não é diagonalizável, isto é, não existe uma matriz invertível P 1 diagonalizante tal que a
matriz P AP 1 seja diagonal.
2 3
1 0 0
(iv) Uma matriz com apenas um valor próprio real. A = 4 0 0 1 5. O
0 1 0
polinómio característico é dado por
1 0 0
det(A I) = 0 1 =
0 1
= 2 (1 ) + (1 )=
2
= (1 ) +1 .

próprios de A são
1 = 1, 2 = i e 3 = i.
Logo, a matriz A não é diagonalizável numa matriz de entradas reais, isto é, não existe uma
matriz invertível P 1 diagonalizante tal que a matriz P AP 1 seja diagonal com entradas
reais. No entanto e atendendo a que os três valores próprios são distintos, a matriz A é
diagonalizável numa matriz de entradas complexas:
2 3
1 0 0
4 0 i 0 5
0 0 i
160
Exemplo 55. A sucessão de Fibonacci (Leonardo de Pisa, 1202). Seja (vn )n2N tal que
v1 = 1; v2 = 1 e vn+2 = vn + vn+1 , n 2 N.
Considerando a igualdade vn+1 = vn+1 , podemos escrever o sistema
vn+1 = vn+1 vn+1 0 1 vn

isto é =
vn+2 = vn + vn+1 vn+2 1 1 vn+1
para todo o n 2 N. Aplicando sucessivamente a igualdade anterior tem-se
vn+1 0 1 vn 0 1 0 1 vn 1
= = =
vn+2 1 1 vn+1 1 1 1 1 vn
n n
0 1 v1 0 1 1
= = = .
1 1 v2 1 1 1
0 1
Calculemos agora os valores próprios de :
1 1
p p !
1 2 1+ 5 1 5
det =0, 1=0, = ou = .
1 1 2 2
p p
1+ 5 1 5
Valores próprios: 1 = 2
e 2 = 2
.
Atendendo a que
( p !)!
2
1 1 0 1+ 1 1
0 0p 1+ 5
N = N =N 1 5 =L ;1
1 1 1 1 1 1 1 2
2
p p
1+ 5
2
;1 é um vector próprio associado ao valor próprio 1+2 5 , sendo todos os vectores
p n p o
1+ 5 1+ 5
próprios associados ao valor próprio 2 dados por L 2
;1 n f(0; 0)g.
Atendendo a que
( p !)!
2
2 1 0 1 + 2 2
0 0p
1 + 5
N = N =N =L ;1
1 1 2 1 1 2 1 1+2 5 2
p p
1+ 5 1 5
2
;1 é um vector próprio associado ao valor próprio 2
, sendo todos os vectores
p n p o
próprios associados ao valor próprio 1 2 5 dados por L 1+ 5
2
; 1 n f(0; 0)g.
Como existe uma base de R2 formada só por vectores próprios (os dois valores próprios
são distintos logo os vectores próprios correspondentes são linearmente independentes) então
0 1
a matriz é diagonalizável. Assim, fazendo
1 1
p p " p p #
1+ 5 1+ 5 5 5+ 5
1 5p 10
P = 2 2 tem-se P = 5 5
p
5
1 1 5 10
161
e " p # " p #
1+ 5 1+ 5
2
0p 0 1 1 0 1 1 2
0p
D= =P P , =P P.
0 1 5 1 1 1 1 0 1 5
2 2
Logo " p # !n
n 1+ 5
vn+1 0 1 1 1 2
0p 1
= = P P =
vn+2 1 1 1 0 1 5 1
2
" p #n 2 p n 3
1+ 5
1+ 5
0p 1 2
0 1
=P 1 2 P =P 1 4 p n 5P =
0 1 5 1 0 1 5 1
2 2
2 p n 3" p p #
p p 1+ 5
1+ 5 1+ 5
2
0 5 5+ 5
1
= 2 2 4 p n 5 5p 10
p =
1 1 0 1 5 5 5 5 1
2 5 10
2 p p n p p n 3
5 5 1 5 5+ 5 1+ 5
10 2
+ 10 2
=4 p p n p p n 5.
5 3 5 1 5 3 5+5 1+ 5
10 2
+ 10 2
Isto é,
p p !n p p !n
5 5 1 5 5+ 5 1+ 5
vn+1 = +
10 2 10 2
para todo o n 2 N, com v1 = 1.
Veri…que que (por exemplo) v2 = 1, v3 = 2; v4 = 3:
Exemplo 56. (Um processo de difusão.) Considere duas células adjacentes separadas
por uma membrana permeável e suponha que um ‡uído passa da 1a célula para a 2a a uma
taxa (em mililitros por minuto) numericamente igual a 4 vezes o volume (em mililitros) do
‡uído da 1a célula. Em seguida, passa da 2a célula para a 1a a uma taxa (em mililitros por
minuto) numericamente igual a 5 vezes o volume (em mililitros) do ‡uído da 2a célula.
Sejam v1 (t) e v2 (t) respectivamente o volume da 1a célula e o volume da 2a célula no
instante t. Suponha que inicialmente a primeira célula tem 10 mililitros de ‡uído e que a
segunda tem 8 mililitros de ‡uído, isto é v1 (0) = 10 e v2 (0) = 8.
Determinemos o volume de ‡uído de cada célula no instante t.
Tem-se
8 0
< v1 (t) = 4v1 (t)
v10 (t) 4 0 v1 (t)
isto é 0 = : (*)
: 0 v2 (t) 4 5 v2 (t)
v2 (t) = 4v1 (t) 5v2 (t)
4 0
4e 5 são os valores próprios da matriz , sendo os vectores próprios associados
4 5
(1; 4) e (0; 1) respectivamente.
Como existe uma base de R2 formada só por vectores próprios (os dois valores próprios
são distintos logo os vectores próprios correspondentes são linearmente independentes) então
4 0
a matriz é diagonalizável. Assim, fazendo
4 5
1 1 0 1 0
P = tem-se P =
4 1 4 1
162
e
4 0 4 0 1 4 0 1 4 0
,D= =P P , =P P.
0 5 4 5 4 5 0 5
o sistema (*) é equivalente a
v10 (t) 1 4 0 v1 (t) v10 (t) 4 0 v1 (t)
= P P ,P = P
v20 (t) 0 5 v2 (t) v20 (t) 0 5 v2 (t)
Assim, considerando a mudança de variável
u1 (t) v1 (t)
=P
u2 (t) v2 (t)
v10 (t) 4 0 u01 (t)
v1 (t) 4 0 u1 (t)
P = P = , ,
v20 (t) 0 5 0
u2 (t)
v2 (t) 0 5 u2 (t)
8 0
8 0 >
> u1 (t)
>
> = 4
< u1 (t) = 4u1 (t) < u1 (t)
, , ,
: 0 > u0 (t)
u2 (t) = 5u2 (t) e u21(t)6=0, 8t >
u (t)6=0
> 2
>
: = 5
u2 (t)
8 8
< log ju1 (t)j = 4t + k1 < u1 (t) = c1 e 4t
, ,
: :
log ju2 (t)j = 5t + k2 u2 (t) = c2 e 5t
com c1 ; c2 2 R. De facto, se u (t) fôr solução de u0 (t) = u (t) então u (t) e t
= c (constante)
0
uma vez que (u (t) e t ) = 0. Logo u (t) = ce t .
Assim
4t 4t
v1 (t) 1 c1 e 1 0 c1 e c1 e 4t
=P 5t = 5t = .
v2 (t) c2 e 4 1 c2 e 4c1 e 4t + c2 e 5t
Como 8
< v1 (0) = 10
:
v2 (0) = 8
então c1 = 10 e c2 = 32 e assim a solução geral do sistema de equações diferenciais lineares
8 0
< v1 (t) = 4v1 (t)
:
v20 (t) = 4v1 (t) 5v2 (t)
com os valores iniciais 8
< v1 (0) = 10
:
v2 (0) = 8
é dada por
2 3 2 4t
3
v1 (t) 10e
4 5=4 5 = 10 1 4t 0 5t
e 32 e .
4t 5t 4 1
v2 (t) 40e 32e
163
Diagonalização unitária e diagonalização ortogonal

T
De…nição 72. Seja A = (aij ) 2 Mn n (C). Denota-se por AH a matriz A , isto é, a
transposta da matriz conjugada A = (aij ), onde aij é o complexo conjugado de aij . Ou seja,
T
escreve-se AH = A . A matriz A diz-se hermitiana se
AH = A:
Observação 44. (a) Sejam ; 2 C, A; C 2 Mm n (C) e B 2 Mn r (C). Tem-se:
H
(i) AH =A (ii) ( A + B)H = AH + B H (iii) (AC)H = C H AH
(b) Sendo A hermitiana tal que A 2 Mn n (R), então A é simétrica (AT = A). Recipro-
camente, se A 2 Mn n (R) fôr hermitiana então A é simétrica. Ou seja, para matrizes reais
quadradas os conceitos de matriz simétrica e matriz hermitiana coincidem.
Teorema 95. Todos os valores próprios de uma matriz hermitiana são reais. Além disso,
os vectores próprios associados a valores próprios distintos, de uma matriz hermitiana, são
ortogonais.
Dem. Seja A 2 Mn n (C) tal que A é hermitiana. Seja um valor próprio de A e seja
u um vector próprio associado. Seja = uH Au. Então, tem-se
H H H
= = uH Au = u H AH u H = uH Au = .
A é hermitiana
Ou seja, é real. Por outro lado, como

X
= uH Au = uH u = jui j2 ;
tem-se
=P 2 R:
jui j2
Sejam agora u1 e u2 vectores próprios associados respectivamente a valores próprios
distintos 1 e 2 . Então, tem-se
(Au1 )H u2 = uH H
1 A u2 = uH
1 Au2 =
H
2 u1 u2
A é hermitiana
e
(Au1 )H u2 = ( 1 u1 )H u2 = H
1 u1 u2 = H
1 u1 u2 .
1 2R
Logo, tem-se
H H H
1 u1 u 2 = 2 u1 u2 ,( 1 2 ) u1 u2 = 0.
E assim, como 1 6= 2, então
uH u = 0;
| 1{z }2
=hu1 ;u2 i
164
ou seja, u1 e u2 são ortogonais.
Observação 45. Todos os valores próprios de uma matriz simétrica real são reais. Além
disso, os vectores próprios associados a valores próprios distintos, de uma matriz simétrica,
são ortogonais.
De…nição 73. (i) Seja U 2 Mn n (C). A matriz U diz-se unitária se se tiver U H U = I,

isto é, se U H = U 1 , ou seja, se as colunas de U constituirem uma base ortonormada de Cn .
(ii) Seja P 2 Mn n (R). A matriz P diz-se ortogonal se se tiver P T P = I, isto é, se

P = P 1 , ou seja, se as colunas de P constituirem uma base ortonormada de Rn .
T
De…nição 74. (i) Seja A 2 Mn n (C). A matriz A diz-se unitariamente diagonal-

izável se existir U H unitária tal que U AU H é uma matriz diagonal, isto é, se as colunas de
U H formarem uma base ortonormada de Cn constituída só por vectores próprios de A.
(ii) Seja A 2 Mn n (R). A matriz A diz-se ortogonalmente diagonalizável se existir

P ortogonal tal que P AP T é uma matriz diagonal, isto é, se as colunas de P T formarem
T
uma base ortonormada de Rn constituída só por vectores próprios de A.
Observação 46. (i) Seja U unitária tal que U 2 Mn n (R). Então U H = U T , isto é,
toda a matriz unitária real é ortogonal. Reciprocamente, se P 2 Mn n (R) fôr ortogonal
então P é unitária. Ou seja, para matrizes reais quadradas os conceitos de matriz ortogonal
e matriz unitária coincidem.
(ii) Seja A uma matriz hermitiana. Se todos os valores próprios de A forem raízes simples
do polinómio característico, então existe uma matriz unitária que diagonaliza A, isto é, existe
U H unitária tal que U AU H é uma matriz diagonal, ou seja, A é unitariamente diagonalizável.
(iii) Como se vai ver a seguir, a a…rmação anterior (ii) continua válida mesmo se os
valores próprios não forem todos raízes simples do polinómio característico.
Teorema 96. (Teorema de Schur). Seja A uma matriz n n. Então, existe uma
matriz unitária U H tal que U AU H é triangular superior (inferior).
Dem. A demonstração será efectuada por indução em n. O resultado é óbvio para n = 1.

Suponhamos que a hipótese é válida para matrizes k k e seja A uma matriz (k + 1) (k + 1).
Sejam 1 um valor próprio de A e w1 um vector próprio associado de norma 1. Aplicando
o método de ortogonalização de Gram-Schmidt, seja fw1 ; : : : ; wk+1 g uma base ortonormada
para Ck+1 . Seja W H a matriz cuja coluna i é igual ao vector wi , para i = 1; : : : ; k + 1. Então,
por construção, a matriz W H é unitária. Por outro lado, a primeira coluna de W AW H é
igual a W Aw1 , tendo-se
2 3 2 3
1 1
6 0 7 6 0 7
6 7 6 7
W Aw1 = W 1 w1 = 1 W w1 = 1 6 .. 7 = 6 .. 7
4 . 5 4 . 5
0 0
165
e assim 2 3
1 j
6 j 7
6 7
6 0 j 7
W AW H =6 7;
6 .. 7
4 . j M 5
0 j
onde M é uma matriz k k.
Pela hipótese de indução, existe uma matriz k k unitária (V1 )H tal que V1 M (V1 )H = T1 ,
onde T1 é uma matriz triangular superior. Seja
2 3
1 j 0 0
6 j 7
6 7
H 6 0 j 7
V =6 7.
6 .. H 7
4 . j (V1 ) 5
0 j
Então V H é unitária e tem-se

(V W ) A (V W )H = V W AW H V H =
2 3 2 3
1 j 1 j
6 j 7 6 j 7
6 7 6 7
6 0 j 7 6 0 j 7
=6 7=6 7 = T,
6 .. H 7 6 .. 7
4 . j V1 M (V1 ) 5 4 . j T1 5
0 j 0 j
onde T é uma matriz triangular superior. Como a matriz (V W )H é unitária, pondo U H =
(V W )H , tem-se
U AU H = T ,
com T triangular superior e U H unitária.
2 1
Exemplo 57. Seja A = . Os valores próprios de A são: 3 e 4. Como
2 5
N (A 3I) n= L (f(1; 1)g) e N (Ao 4I) = L (f(1; 2)g) então, aplicando Gram-Schmidt,
p p p p p p
2 2 2 2 2
o conjunto 2
; 2
; 2
; 2
é uma base ortonormada de R 2
onde 2
; 22 é um
vector próprio de A associado ao valor próprio 3. Tem-se
" p p #
2 2
U AU H = T com U H = p2
2
p2
2
.
2 2
Isto é
" p p # " p p #
2 2 2 2
2p p2
2 1 p2 p2
3 3
T = = .
2 2 2 5 2 2 0 4
2 2 2 2
Teorema 97. Seja A uma matriz hermitiana. Então existe uma matriz unitária U H que
diagonaliza A, isto é, A é unitariamente diagonalizável. Ou seja, existe U H unitária tal que
a matriz U AU H é diagonal.
166
Dem. Pelo teorema anterior, existe uma matriz unitária U H tal que a matriz U AU H é
triangular. Seja T = U AU H . Tem-se então
H H
T H = U AU H = UH AH U H = U AU H = T .
A é hermitiana
Logo, como T = T H e T é triangular então T é diagonal.
Teorema 98. Seja A 2 Mn n (R) tal que A é simétrica. Então existe uma matriz
ortogonal P T que diagonaliza A, isto é, A é ortogonalmente diagonalizável. Ou seja, existe
P ortogonal tal que a matriz P AP T é diagonal.
Observação 47. Sendo A 2 Mn n (R) tal que A é simétrica, então existe P T ortogonal
tal que a matriz P AP T é diagonal, isto é, existe uma base ortonormada de Rn formada só
por vectores próprios de A; e a matriz P T é a matriz cujas colunas são os vectores próprios
de A que formam essa base ortonormada de Rn , sendo P AP T a matriz diagonal onde se
coloca na entrada i da diagonal principal o valor próprio correspondente ao vector próprio
da coluna i da matriz P T .
Teorema 99. Seja A 2 Mn n (R). A é ortogonalmente diagonalizável , A é simétrica
Dem. ()) Suponhamos que A é ortogonalmente diagonalizável. Sejam D diagonal e

P ortogonal tais que A = P T DP . Então
T
T T
AT = P T DP = P T DT P T = P T DP = A.
(() Teorema anterior e o facto de todos os valores próprios de uma matriz simétrica real
serem reais
Teorema 100. Seja A 2 Mn n (R) tal que A é simétrica. Tem-se:
A é de…nida positiva, isto é, uT Au > 0 para todo o u 6= 0 ,
, todos os valores próprios de A são positivos

Dem. Sendo A simétrica então A é ortogonalmente diagonalizável, isto é, existem D
diagonal e P T ortogonal tais que D = P AP T . Assim
(uT Au > 0 para todo o u 6= 0) ,
T
, ( PTu AP T u > 0 para todo o u 6= 0) ,
, (uT P AP T u > 0 para todo o u 6= 0) ,

, (uT Du > 0 para todo o u 6= 0) ,
X
n
,( (ui )2 i > 0 para todo o u 6= 0) , ( i > 0 para todo o i = 1; :::; n)
i=1
167
onde 1 ; :::; n são os valores próprios de A são positivos.
Observação 48. (i) Existem matrizes não hermitianas que são unitariamente diago-
nalizáveis, como por exemplo as matrizes anti-hermitianas (AH = A) e as matrizes anti-
simétricas (AT = A).
(ii) Seja A 2 Mn n (C). Suponhamos que A é unitariamente diagonalizável. Sejam

D diagonal e U H unitária tais que A = U H DU . Como em geral se tem DH 6= D, então
H
AH = U H DU = U H DH U 6= U H DU = A.
Logo A não tem que ser necessariamente hermitiana.
(iii) O próximo teorema diz quais são as matrizes unitariamente diagonalizáveis.
De…nição 75. Uma matriz A diz-se normal se
AAH = AH A:
Observação 49. Se A 2 Mn n (R) então A dir-se-á normal se
AAT = AT A:
Teorema 101. (i) Sendo A 2 Mn n (C) uma matriz normal tem-se para todo o vector
u
kAuk = AH u .
Em particular, sendo A 2 Mn n (C) uma matriz normal, para qualquer escalar , a matriz
A I também é normal tendo-se
k(A I) uk = (A I)H u = AH I u
e assim, se fôr um valor próprio de A e u um vector próprio de A associado a esse valor

próprio então é um valor próprio de AH e u um vector próprio de AH associado a esse
valor próprio, isto é,
Au = u e AH u = u.
(ii) Os vectores próprios associados a valores próprios distintos, de uma matriz normal,
são ortogonais.
Dem. (i) Sendo A 2 Mn n (C) uma matriz normal tem-se para todo o vector u
H 2
kAuk2 = (Au)H Au = uH AH Au = uH AAH u = AH u AH u = A H u
AH A=AAH
logo
kAuk = AH u .
168
Sendo A 2 Mn n (C) uma matriz normal, para qualquer escalar , a matriz A I também
é normal:
(A I) (A I)H = (A I) AH I = AAH AH A+j j2 I = AH A AH A+j j2 I =
= AH (A I) (A I) = AH I (A I) = (A I)H (A I) .
Logo
k(A I) uk = (A I)H u = AH I u
e assim, se fôr um valor próprio de A e u um vector próprio de A associado a esse valor
próprio então é um valor próprio de AH e u um vector próprio de AH associado a esse
valor próprio, isto é,
Au = u e AH u = u.
(ii) Seja A 2 Mn n (C) tal que A é normal. Sejam 1 ; 2 valores próprios de A tais que
1 6 = 2 e sejam v1 e v2 vectores próprios de A associados respectivamente a 1 e 2 . Tem-se
Av1 = 1 v1 e AH v 1 = 1 v1
Av2 = 2 v2 e AH v 2 = 2 v2
e
H
( 1 2 ) hv1 ; v2 i =( 1 2 ) (v1 ) v2 = 1 (v1 )H v2 2 (v1 )H v2 =
H H H H
= 1 v1 v2 (v1 )H ( 2 v2 ) = AH v1 v2 (v1 )H (Av2 ) = AH v1 v2 AH v 1 v2 = 0.
Assim, como 1 6= 2, tem-se hv1 ; v2 i = 0:
Teorema 102. Seja A 2 Mn n (C). A é unitariamente diagonalizável , A é normal
Dem. (() Suponhamos que A é normal. Existe uma matriz unitária U H e uma matriz
triangular superior (inferior) T tais que T = U AU H . Vejamos que T é normal. Tem-se
H
T HT = U AU H U AU H = U AH U H U AU H = U AH AU H =
A é normal
= U AAH U H = U AU H U AH U H = T T H .
Logo T é normal. Seja T = (tij ) do tipo n n. Comparando as entradas das diagonais

principais de T T H e T H T tem-se:
jt11 j2 + jt12 j2 + jt13 j2 + + jt1n j2 = jt11 j2

jt22 j2 + jt23 j2 + + jt2n j2 = jt12 j2 + jt22 j2
..
.
jtnn j = jt1n j2 + jt2n j2 + jt3n j2 +
2
+ jtnn j2
e assim, tij = 0 sempre que i 6= j. Logo T é diagonal e portanto A é unitariamente

diagonalizável.
169
()) Suponhamos agora que A é unitariamente diagonalizável. Queremos mostrar que
A é normal. Sejam D diagonal e U H unitária tais que D = U AU H , ou seja, A = U H DU .
Tem-se
H
AAH = U H DU U H DU = U H DU U H DH U = U H DDH U
e
H
AH A = U H DU U H DU = U H DH U U H DU = U H DH D U .
Como 2 3
j 1 j2 0 0
6 ... .. 7
H 6 H 0 j 2 j2 . 7
DD = D D = 6 .. .. .. 7,
4 . . . 0 5
2
0 0 j nj
então tem-se AAH = AH A e assim A é normal.
3 2
1 1 0
Exemplo 58. Seja A = 4 0 1 1 5. A matriz A não é simétrica logo não é ortogonal-
1 0 1
mente diagonalizável. Mas:
2 3T 2 3 2 32 3T 2 3
1 1 0 1 1 0 1 1 0 1 1 0 2 1 1
4 0 1 1 5 4 0 1 1 5 = 4 0 1 1 54 0 1 1 5 = 4 1 2 1 5
1 0 1 1 0 1 1 0 1 1 0 1 1 1 2
2 3
1 1 0
isto é 4 0 1 1 5 é normal e como tal é unitariamente diagonalizável. Tem-se
1 0 1
2 3 2 p
3
p
3
p
3
32 32 p
3
p
3 1
p
3 1
3
2 0 p 0 p 3 p 3 p3
1 1 0 p3 p6 2
i p6
+ 2
i
4 0 6 74 6 7
1
2
1
2
i 3 0 p 5=4 3
+ 1
i 3 1
i 3
5 0 1 1 54 3 3
+ 1
i 3 1
i 5
p6 2 p6 2 p3 p3 6p 2 6p 2
1
0 0 2
+ 21 i 3 3 1
i 3
+ 1
i 3 1 0 1 3 3 3
| {z } 6 2 6 2 3
| 3 3
{z 3
}
D UH
p p
onde 2; 12 1
2
i 3e 1
+ 12 i 3 são os valores próprios de A e
2
( p p p ! p p p ! p p p !)
3 3 3 3 1 3 1 3 3 1 3 1 3
; ; ; i; + i; ; + i; i;
3 3 3 6 2 6 2 3 6 2 6 2 3
são respectivamente vectores próprios associados a esses valores próprios, normalizados e

ortogonais entre si.
Teorema 103. Seja A 2 Mn n (R) tal que A é simétrica. Então, as seguintes a…rmações
são equivalentes.
(i) A é de…nida positiva.
170
(ii) Existe uma matriz simétrica de…nida positiva B tal que A = B 2 . À matriz B
chama-se raíz quadrada simétrica e de…nida positiva de A e escreve-se
p
B = A.
(iii) Existe uma matriz invertível S tal que A = S T S.
Dem. (i) ) (ii) Supondo que A é de…nida positiva, vejamos que existe uma matriz
simétrica de…nida positiva B tal que A = B 2 .
Como A é simétrica, então A é ortogonalmente diagonalizável, isto é, existe uma matriz
ortogonal P tal que 2 3
1 0 0
6 . . . . . . .. 7
6 0 . 7
P AP T = D = 6 . . 7
4 .. .. 0 5
0 0 n
onde 1 ; :::; n são os valores próprios de A, os quais são todos positivos por A ser de…nida
positiva, tendo-se
2
D = (D0 )
com 2 p 3
1 0 0
6 .. .. .. 7
6 0 . . . 7
D0 = 6 .. .. 7.
4 . . 5
p0
0 0 n
Assim
2
A = P T DP = P T (D0 ) P = P T D0 P P T D0 P = B 2
com
B = P T D0 P
simétrica:
T T T
B T = P T D0 P = P T (D0 ) PT = P T D0 P = B
e de…nida positiva uma vez que os valores próprios de P T D0 P são os de D0 .
(ii) ) (iii) Supondo que existe uma matriz simétrica de…nida positiva B tal que A = B 2 ,
vejamos que existe uma matriz invertível S tal que
A = S T S:
Como B é simétrica e de…nida positiva, basta fazer S = B para ter-se
A = B 2 = BB = S T S
com S simétrica e invertível uma vez que sendo B de…nida positiva, 0 não é valor próprio de
B.
(iii) ) (i) Supondo que existe uma matriz invertível S tal que A = S T S, vejamos que A
é de…nida positiva, isto é, vejamos que
uT Au > 0;
171
para todo o u 6= 0. Tem-se
uT Au = uT S T Su = (Su)T Su = kSuk2 > 0
para todo o u 6= 0, uma vez que S é invertível.
Observação 50. Sendo A matriz simétrica e de…nida positiva do tipo n n, existe uma
única raíz quadrada simétrica e de…nida positiva B de A, isto é, existe uma única matriz
B simétrica e de…nida positiva tal que A = B 2 . No entanto, poderão existir pelo menos 2n
raízes quadradas de A, isto é, 2n matrizes B para as quais se tem A = B 2 .
4 1
Exemplo 59. Seja A = . Os valores próprios de A são: 3 e 5. Os vectores
1 4
próprios associados ao valor próprio 3 são todos os vectores de L (f( 1; 1)g) n f0g. Os
vectores próprios associados ao valor próprio 5 são todos os vectores de L (f(1; 1)g) n f0g.
Tem-se
2 p
2
p
2
3 2 p
2
p
2
3
3 0 2 2 4 1 2 2
D= =4 5 4 5 = P AP T
0 5 p
2
p
2
1 4 p
2
p
2
2 2 2 2
com 2 p p 3
2 2
3 0 2 2
D= e PT = 4 5
0 5 p
2
p
2
2 2
onde ( p p ! p p !)
2 2 2 2
; ; ;
2 2 2 2
são vectores próprios normalizados e ortogonais entre si respectivamente associados aos val-
ores próprios 3 e 5. Logo
2 p p 3 2 p p 3
2 2 p 2 2
2 2 3 p0 2 2
B=4 p p
5 4
p p
5=
2 2 0 5 2 2
2 2 2 2
2 1p 1
p p 3
1
p 1
2
3+ 2
5 3
2
5 2
=4 p p p p
5 = A1=2
1 1
2
5 2
3 12 3 + 12 5
ou seja 2 1p p p 3 p
1 1 1
2
3+ 2
5 3 2
5 2
B=4 p p 1p p
5
1 1 1
2
5 2
3 2 3+ 2 5
é a única matriz simétrica e de…nida positiva tal que
2 1p 1
p p 32 1
p 1
2
3+ 2
5 3 2
5 2 4 1
B2 = 4 p p 1p p
5 = = A.
1 1 1 1 4
2
5 2
3 2 3+ 2 5
172
Formas quadráticas

De…nição 76. Uma equação quadrática em duas variáveis x1 e x2 é uma equação da
forma
ax21 + bx22 + 2cx1 x2 + dx1 + ex2 + f = 0
a qual pode ser escrita na forma
a c x1 x1
x1 x2 + d e + f = 0.
c b x2 x2
Sejam
x1 a c
x= e A= :
x2 c b
(A é uma matriz real simétrica). À função real a duas variáveis reais Q : R2 ! R de…nida
por Q (x) = xT Ax, com
xT Ax = ax21 + bx22 + 2cx1 x2
chama-se forma quadrática real a 2 variáveis reais associada à equação quadrática anterior.
Podem haver equações do 2o grau e formas quadráticas com um no de variáveis superior
a 2. Uma equação quadrática em n variáveis x1 ; x2 ; : : : ; xn é uma equação da forma
xT Ax + Bx + = 0,
2 3
x1
6 x2 7
6 7
onde x = 6 .. 7, A = (aij ) é uma matriz real simétrica do tipo n n, B 2 M1 n (R) e
4 . 5
xn
é um escalar. À função real a n variáveis reais Q : Rn ! R de…nida por
!
X n Xn
Q (x) = xT Ax = aij xj xi
i=1 j=1
chama-se forma quadrática real a n variáveis reais associada à equação quadrática anterior.
Se a matriz A não fôr simétrica considera-se
A + AT
B=
2
e tem-se a mesma expressão, isto é
A + AT 1 1 1 1
xT Bx = xT x = xT Ax + xT AT x = xT Ax + xT Ax = xT Ax
2 2 2 2 2
uma vez que tendo-se xT Ax 2 R obtém-se
T
xT Ax = xT Ax = xT AT x.
173
Teorema 104. (Teorema dos eixos principais). Seja A 2 Mn n (R) tal que A é simétrica.
Então existe uma mudança de variáveis ortogonal que transforma a forma quadrática xT Ax
na forma quadrática y T Dy sem termos cruzados. Isto é, se P T diagonalizar A ortogonalmente
(D = P AP T ), então a mudança de variáveis x = P T y transforma a forma quadrática xT Ax
na forma quadrática y T Dy:
xT Ax = y T P AP T y = y T Dy = 2
1 y1 + 2
2 y2 + + 2
n yn =
2 32 3
1 0 0 y1
6 0 0 76 y2 7
6 2 76 7
= y1 y2 yn 6 .. .. ... .. 76 .. 7,
4 . . . 54 . 5
0 0 n yn
onde 1 ; 2 ; : : : ; n são os valores próprios de A associados respectivamente aos vectores
próprios que constituem as colunas de P T e que formam uma base ortonormada de Rn .
De…nição 77. (i) Chama-se cónica ou secção cónica à curva plana obtida por meio de
um corte efectuado por um plano relativamente a uma superfície cónica. As secções cónicas
que se obtêm quando o plano que efectua o corte não passa pelo vértice da superfície cónica,
são elipses (os valores próprios têm o mesmo sinal) (podendo ter-se circunferências: quando
o corte é efectuado perpendicularmente ao eixo de simetria do cone), parábolas (um dos dois
valores próprios é zero) e hipérboles (os dois valores próprios têm sinais contrários).
(ii) Em R3 tem-se
2 3 2 3 3 2
x1 a d e g
x = 4 x2 5 ; A=4 d b f 5 e B=4 h 5
x3 e f c i
e
ax21 + bx22 + cx23 + 2dx1 x2 + 2ex1 x3 + 2f x2 x3 + gx1 + hx2 + ix3 + = 0.
À super…cie resultante da equação anterior chama-se quádrica. Existem quatro tipos de
quádricas não degeneradas): elipsóides, hiperbolóides (de uma ou duas folhas), cones e
parabolóides (elípticos ou hiperbólicos).
Exemplo 60. Considere-se a forma quadrática Q : R2 ! R de…nida por

Q(x; y) = 3x2 + 4xy + 3y 2 .
Tem-se
x
Q(x; y) = x y A ,
y
com
3 2
A= :
2 3
Os valores próprios de A são 1 = 1 e 2 = 5. Tem-se então a seguinte forma quadrática
diagonal (isto é, sem termos cruzados)
x0 1 0 x0
Q(x0 ; y 0 ) = x0 y 0 D = x0 y 0
y0 0 5 y0
174
com
x0 x
D = P AP T , =P ,
y0 y
e
2 p p 3 2 3 2 p p 3 2 3
2 2 2 2
6 7 6 cos sen 6 7 6 cos sen
6 2 2 7 6 4 4 7 6 2 2 7 6 4 4 7
P =6T
7=4 7, P =6 7=4 7,
4 p p 5 5 4 p p 5 5
2 2 sen cos 2 2 sen cos
2 2 4 4 2 2 4 4
em que P T é a matriz diagonalizante obtida colocando na 1a coluna um vector próprio

de norma 1 associado ao valor próprio 1 e na 2a coluna um vector próprio de norma 1
associado ao valor próprio 2 , de tal modo que ambos os vectores próprios constituam uma
base ortonormada de R2 . Observe-se que a matriz P é ortogonal, isto é, tem-se P T = P 1 .
Tem-se então
x
Q(x; y) = x y A =
y
x
x y P T DP =
y
T
x x
= P DP =
y y
x0
= x0 y 0 D = Q(x0 ; y 0 ).
y0
Por exemplo, relativamente à equação quadrática
3x2 + 4xy + 3y 2 = 4
y
4
-5 -4 -3 -2 -1 1 2 3 4 5
x
-2
-4
tem-se a elipse: !2
2
0 2 0 2 x0 y0
(x ) + 5 (y ) = 4 , + p = 1:
2 2 5
5
175
De…nição 78. Seja A uma matriz real simétrica do tipo n n. Diz-se que A e a forma
quadrática Q : Rn ! R dada por
Q (x) = xT Ax
são:
(i) de…nidas positivas se

xT Ax > 0;
para todo o x 6= 0;
(ii) de…nidas negativas se

xT Ax < 0;
para todo o x 6= 0;
(iii) semide…nidas positivas se
xT Ax 0;
para todo o x;
(iv) semide…nidas negativas se
xT Ax 0;
para todo o x;
(v) inde…nidas se existirem pontos onde xT Ax seja positiva e pontos onde xT Ax seja
negativa.
Teorema 105. Seja A 2 Mn n (R) tal que A é simétrica. Então,
(i) A é de…nida positiva se e só se todos os valores próprios de A forem positivos;
(ii) A é de…nida negativa se e só se todos os valores próprios de A forem negativos;
(iii) A é semide…nida positiva se e só se todos os valores próprios de A forem não

negativos;
(iv) A é semide…nida negativa se e só se todos os valores próprios de A forem não

positivos;
(v) A é inde…nida se e só se A tiver pelo menos um valor próprio positivo e outro

negativo.
176
1. Seja 2 3
9 8 7
A = 4 6 5 4 5:
3 2 1
Veri…que se 0 é valor próprio de A e caso seja determine um vector próprio associado.
2. Sem calcular o polinómio característico, indique um valor próprio e dois vectores
próprios associados linearmente independentes para a matriz
2 3
5 5 5
4 5 5 5 5:
5 5 5
3. Determine os valores próprios de uma matriz A 2 2 cujo traço seja igual a 5 e cujo
determinante seja igual a 6.
4. Determine uma matriz A real simétrica (AT = A) 2 2 cujos valores próprios sejam
2 e 2 e tal que (2; 1) seja um vector próprio associado ao valor próprio 2.
5. Considere a transformação linear T : R3 ! R3 que admite os vectores próprios
v1 = (1; 2; 1); v2 = ( 1; 0; 1); v3 = (0; 1; 0);
associados respectivamente aos valores próprios 1; 2 e 3.
Determine a expressão geral de T .
T (x; y; z) = (0; y + 3z; 3y + z):
(i) Diga quais dos seguintes vectores:

v1 = (2; 1; 1); v2 = (0; 1; 1); v3 = (1; 0; 0); v4 = ( 1; 1; 3); v5 = (0; 3; 3)
são vectores próprios.
(ii) Determine os valores próprios de T .
(iii) Diga, justi…cando, se T é invertível e se T é diagonalizável.
(iv) Determine os subespaços próprios de T .
T (1; 2) = (5; 5) = T (2; 1) :
(i) Veri…que que os vectores v1 = (1; 1) e v2 = (1; 1) são vectores próprios de T .

(ii) Diga, justi…cando, se T é invertível e se T é diagonalizável.
(iii) Indique uma base ordenada de R2 relativamente à qual a matriz que representa
T seja uma matriz diagonal.
(iv) Determine os valores próprios e os subespaços próprios de T .
177
8. Considere a transformação linear T : R3 ! R3 que em relação à base canónica de R3
é representada pela matriz: 2 3
0 1 0
A = 4 0 1 0 5.
0 1 0
(i) Veri…que que os vectores v1 = (1; 0; 0); v2 = (1; 1; 1) e v3 = (0; 0; 1) são vectores
próprios de T .
(ii) Diga, justi…cando, se T é invertível e se T é diagonalizável.
(iii) Determine os valores próprios e os subespaços próprios de T .
1
(iv) Diagonalize T . Isto é, determine uma matriz de mudança de base P e uma
matriz diagonal D tais que
D = P AP 1 :
9. Considere a transformação linear T : R2 ! R2 que em relação à base ordenada

f(1; 2) ; (2; 1)g de R2 é representada pela matriz:
2 3
A= .
3 2
(i) Determine os valores próprios de T e diga, justi…cando, se T é invertível e se T é

diagonalizável.
(ii) Determine bases para os subespaços próprios de T .
(iii) Diagonalize a transformação linear T , isto é, determine uma base ordenada de R2
relativamente à qual a matriz que represente T seja uma matriz diagonal.
10. Seja V um espaço linear de dimensão …nita. Seja T : V ! V uma transformação

linear tal que T 2 = T . Uma tranformação linear nas condições anteriores chama-se
projecção.
(i) Mostre que os valores próprios de T são 0 e 1:
(ii) Justi…que que T é diagonalizável.
T (x; y; z) = (x; y; x y) :
(i) Determine os valores próprios e os subespaços próprios de T .

(ii) A transformação linear T representa geometricamente uma projecção sobre um
plano, paralelamente a um vector. Determine esse plano e esse vector.
12. Considere a transformação linear T : R3 ! R3 que representa geometricamente a

projecção sobre o plano x + y + z = 0, paralelamente ao vector (0; 0; 1).
(i) Explique o signi…cado do plano e do vector referidos no enunciado.
(ii) Determine a expressão geral de T .
178
13. Considere o produto interno usual em R3 e a transformação linear T : R3 ! R3 de…nida
por: T (x; y; z) = (0; x + y; z). Determine os valores próprios de T e diga, justi…cando,
se T é uma projecção ortogonal.
14. Considere a transformação linear T : R3 ! R3 tal que
T ( 1; 1; 1) = (2; 2; 2) ; T (1; 0; 1) = ( 2; 0; 2) ; T ( 1; 0; 1) = (0; 0; 0) :
a) Diga, justi…cando, quais são os valores próprios de T .

b) Diga, justi…cando, se (1; 1; 1) é vector próprio de T .

é representada pela matriz:
2 1
A= .
0 2
(i) Determine os valores próprios e os subespaços próprios de T .

(ii) Mostre que não existe nenhuma base de R2 constituída por vectores próprios de
T . T é diagonalizável?
T (x; y; z) = (3x; 2y + z; 2z):
(i) Determine os valores próprios e bases dos subespaços próprios de T .

(ii) Mostre que não existe nenhuma base de R3 em relação à qual T possa ser repre-
sentada por uma matriz diagonal.
T (x; y; z) = (y + z; 2y + z; y + 2z).
(i) Determine o polinómio característico de T .

(ii) Determine os valores próprios e bases dos subespaços próprios de T .
(iii) Determine uma base de R3 constituída por vectores próprios de T . Determine a
matriz que representa T nesta base ordenada.
(iv) Seja A a matriz que representa T na base canónica de R3 , isto é, A = M (T ; Bc3 ; Bc3 ).
Diagonalize a matriz A. Isto é, determine uma matriz de mudança de base P 1 e uma
matriz diagonal D tais que D = P AP 1 .
(v) Determine An e T n (x; y; z).

f(0; 1; 0) ; (1; 0; 1) ; (1; 0; 1)g de R3 é representada pela matriz:
2 3
7 4 2
A=4 1 7 1 5.
1 2 10
(i) Determine o polinómio característico de T .
179
(ii) Determine os valores próprios e bases dos subespaços próprios de T .
(iii) Diagonalize a transformação linear T , isto é, determine uma base ordenada de R3
relativamente à qual a matriz que represente T seja uma matriz diagonal.
(iv) Determine An e T n (x; y; z).
19. Sabendo que os vectores (1; 1; 1); (1; 0; 1) e (1; 1; 0) são vectores próprios da matriz
2 3
1 1 1
4 a b c 5,
d e f
determine a; b; c; d; e; f .
20. Considere a transformação linear T : M2 2 (R) ! M2 2 (R) de…nida por
T (A) = A + AT :
(i) Escolha uma base ordenada para M2 2 (R) e determine a matriz que representa T
em relação a essa base ordenada.
(ii) Determine os valores próprios e os vectores próprios de T .
(iii) Diga se T pode ou não ser representada por uma matriz diagonal em relação a
uma base ordenada apropriada de M2 2 (R). Em caso a…rmativo, indique uma tal base
ordenada e a correspondente matriz diagonal que representa T .
21. Considere as matrizes

2 3 2 3
2 1 1 1 1 0
2 1
A1 = ; A2 = 4 0 3 1 5 ; A3 = 4 1 1 0 5 :
2 5
0 1 3 0 0 0
Veri…que que A1 ; A2 e A3 são diagonalizáveis. Isto é, determine matrizes de mudança

de bases P1 1 ; P2 1 e P3 1 e matrizes diagonais D1 ; D2 e D3 tais que
D1 = P1 A1 P1 1 , D2 = P2 A2 P2 1
e D3 = P3 A3 P3 1 .
Ou seja, veri…que que existe uma base de R2 formada por vectores próprios
de A1 , uma base de R3 formada por vectores próprios de A2 e outra base de
R3 formada por vectores próprios de A3 .

é representada pela matriz 2 3
0 0 0 0
6 a 0 0 0 7
6 7
4 0 b 0 0 5,
0 0 c 0
com a; b; c 2 R. Determine os valores de a; b; c de modo a que exista uma base de R4
constituída só por vectores próprios de T .
180
23. Para cada parâmetro 2 R, sejam
2 3 2 3 2 3
1 1 1 1
A = 4 0 3 0 5 ; u 1 = 4 0 5 ; u2 = 4 0 5 :
1 0 1 1
(i) Prove que u1 e u2 são vectores próprios de A. Determine os valores próprios

associados.
(ii) Determine os valores próprios de A e indique os valores de para os quais A tem
3 valores próprios todos distintos.
(iii) Determine, em função de , bases para os espaços próprios associados.
(iv) Identi…que, justi…cando, os valores de para os quais a matriz A é diagonalizável.
T (x; y; z) = (x + 2z; y; 2x + z) :
a) Determine os valores próprios de T e diga, justi…cando, se T é invertível e se T é

diagonalizável.
b) Diga se T pode ou não ser representada por uma matriz diagonal em relação a uma
base ordenada de R3 . Em caso a…rmativo, determine uma tal base ordenada e indique
a correspondente matriz diagonal que representa T .
25. Considere matriz dada por: 2 3

1 0 1
A = 4 0 2 0 5.
1 0 1
Considere a base ordenada B = f(1; 0; 0); (1; 1; 0)); (1; 1; 1)g de R3 e T : R3 ! R3 a
transformação linear tal que
A = M (T ; B; B):
a) Determine os valores próprios da matriz A.
b) Encontre uma base de R3 formada por vectores próprios de A.
c) Veri…que se o vector (1; 0; 1) é vector próprio da matriz A ou da transformação
linear T .
d) Resolva, em R3 , a equação linear T (x; y; z) = (2; 1; 1).
26. Considere o espaço linear R3 munido com o produto interno usual. Para cada real,
considere a matriz dada por:
2 3
1 0 2
A= 4 1 3 5.
2 0 1
a) Prove que (4; 1 + ; 4) é um vector próprio de A e diga qual é o valor próprio

associado.
b) Determine os valores próprios de A e as respectivas multiplicidades algébricas.
181
c) Determine uma base para cada espaço próprio de A e identi…que os valores de
para os quais A é diagonalizável.
d) Determine, se existirem, os valores de para os quais é possível encontrar uma base
ortogonal de R3 constituída só por vectores próprios de A. Justi…que.
27. Considere a transformação linear T : P1 ! P1 de…nida por
2 1
M T ; Bc2 ; B =
1 2
onde Bc2 = f1; tg e B = f1 + t; 1 tg são duas bases ordenadas de P1 . Determine os
valores próprios de T .
28. Seja P1 = fp(t) = a0 + a1 t : a0 ; a1 2 Rg o espaço linear real dos polinómios reais de
grau menor ou igual a 1. Considere ainda a transformação linear T : P1 ! P1 tal que
T (2 2t) = 6 2t T ( 1 + 2t) = 6t T (1 + t) = 9 + 9t:
a) Determine os valores próprios de T .

b) Determine uma base de P1 formada por vectores próprios de T .
29. Seja 2 3
1 0 1
A = 4 1 1 1 5:
1 0 1
a) Determine os valores próprios de A e diga, justi…cando, se A é invertível.

b) Determine, caso exista, uma base para R3 formada só por vectores próprios de A.
30. Seja 2 3
2 0 1
A = 4 0 1 0 5:
1 0 2
Calcule as dimensões dos espaços próprios de A sem os determinar.
31. Considere o produto interno usual em R3 . Seja
2 3
2 0 1
A = 4 0 2 0 5:
1 0 2
Determine, justi…cando, uma base ortonormada para R3 formada só por vectores
próprios de A.
32. Considere o espaço linear R3 munido com o produto interno usual. Seja
2 3
1 0 3
A = 4 2 0 2 5:
3 0 1
Diga, justi…cando, se é possível encontrar uma base ortogonal para R3 formada só por
vectores próprios de A. Caso seja possível, determine essa base.
182
2 3
3 1 2
A=4 1 3 2 5:
2 2 0
Diga, justi…cando, se é possível encontrar uma base ortogonal para R3 formada só

por vectores próprios de A. Caso seja possível, determine essa base. Isto é, diga se
é possível encontrar uma matriz ortogonal P T que diagonalize ortogonalmente A e
indique nessa caso, a correspondente matriz diagonal semelhante a A.
2 3
3 1 0
A=4 1 2 1 5:
0 1 3
Determine três raízes quadradas de A, isto é, determine três matrizes B tais que
A = B2:
Diga qual é a única raíz quadrada de…nida positiva B.

2 3
1 0 0
35. Considere o produto interno usual. Seja A = 4 0 1 2 5. Determine a matriz B de
0 2 4
valores próprios não negativos tal que
B 2 = A:
2 3
2 1 1
A = 4 1 2 1 5:
1 1 2
a) Mostre que (1; 1; 1) é um vector próprio de A e diga qual é o valor próprio associado.
b) Sendo T : R3 ! R3 a transformação linear representada matricialmente por A
relativamente à base canónica ordenada Bc3 = f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g de R3 (isto
é, A = M (T ; Bc3 ; Bc3 )), determine
T ( 1; 1; 0) e T ( 1; 0; 1).
c) Determine uma base ortogonal para R3 formada só por vectores próprios de A.

d) Determine a única matriz B de…nida positiva (isto é, cujos valores próprios sejam
todos positivos) tal que
A = B2:
37. Considere o produto interno usual. Determine uma matriz simétrica A 2 M3 3 (R)
cujos valores próprios sejam 1 e 1, e tal que
N (A I) = L (f(1; 1; 1) ; (2; 2; 1)g) :
183
2 1+i
38. Considere o produto interno usual. Seja A = :
1 i 3
(i) Mostre que A é normal.
(ii) Diga, justi…cando, se A é hermitiana.
(iii) Encontre uma matriz unitária U H que diagonalize unitariamente A e indique a
correspondente matriz diagonal semelhante a A.
39. Considere o produto interno usual. Justi…que a seguinte a…rmação. A matriz

2 3
1 1 0
4 0 1 1 5
1 0 1
não é ortogonalmente diagonalizável (não existe P T ortogonal tal que
D = P AP T
é diagonal), no entanto, é unitariamente diagonalizável (existe U H unitária tal que
D = U AU H
é diagonal).
1 2
40. Considere o produto interno usual em R2 . Seja A = , com 2 R. Diga,
2
justi…cando, se existe uma base ortogonal de R2 formada só por vectores próprios de
A e determine tal que A é unitariamente diagonalizável.
8 0
< u1 = 2u3
41. Considere o sistema de equações diferenciais u0 = u1 + 2u2 + u3
: 20
u3 = u1 + 3u3
(i) Resolva-o, determinando a respectiva solução geral.
(ii) Determine a única solução 2 3
u1 (t)
4 u2 (t) 5
u3 (t)
tal que 2 3 2 3
u1 (0) 2
4 u2 (0) 5 = 4 1 5 :
u3 (0) 0
42. Considere o produto interno usual. Classi…que e diagonalize a seguinte forma quadrática.
Q : R3 ! R;
Q (x1 ; x2 ; x3 ) = 3x21 2x1 x2 + 2x22 2x2 x3 + 3x23 :
184
1. Seja V um espaço euclidiano real. Veri…que que para todos os u; v; w 2 V; 2 R se

tem:
(i) hu; vi = hv; ui
(ii) h u; vi = hu; vi = hu; vi
(iii) hu; v + wi = hu; vi + hu; wi
(iv) hu + v; wi = hu; wi + hv; wi
(v) hu + w; v + wi = hu; vi + hu; wi + hw; vi + kwk2
(vi) hu; 0i = h0; ui = 0
(vii) hu; vi = 0 se e só se ku + vk = ku vk.
(viii) hu; vi = 0 se e só se ku + vk = kuk + kvk2 :
2 2
(ix) hu; vi = 0 se e só se ku + cvk kuk para todo o real c.

(x) hu + v; u vi = 0 se e só se kuk = kvk.
(xi) Lei do paralelogramo ku vk2 + ku + vk2 = 2 kuk2 + 2 kvk2 .
2. Seja V um espaço euclidiano real.

(i) Seja u 2 V . Veri…que que se hu; vi = 0 para qualquer v 2 V então u = 0.
(ii) Sejam u; v 2 V . Veri…que que u = v se e só se hu; wi = hv; wi para qualquer
w 2V.
3. Seja V um espaço euclidiano com dim V = n. Seja S = fu1 ; :::; un g uma base orto-
normada de V . Seja T : V ! V uma transformação linear. Veri…que que a matriz
A = (aij ) que representa T em relação à base S é dada por
A = (aij ) = (hT (uj ); ui i) .
4. Seja V um espaço euclidiano de dimensão n. Seja fu1 ; :::; uk g um conjunto linearmente

independente de k vectores de V . Considere a transformação linear T : V ! V de…nida
por
X
k
T (v) = hv; ui i ui ,
i=1
com v 2 V .
Mostre que T é invertível se e só se k = n.
5. Seja V um espaço euclidiano real. Seja T : V ! V uma transformação linear tal que
kT (w)k = kwk
para qualquer w 2 V . Mostre que
hT (u); T (v)i = hu; vi ,
para quaisquer u; v 2 V .
185
6. Seja U uma matriz unitária. Mostre que os valores próprios de U têm módulo 1.
7. Considere o espaço euclidiano Rn . Seja T : Rn ! R uma transformação linear. Mostre

que existe um e um só u0 2 Rn tal que
T (u) = hu; u0 i;
para todo o u 2 Rn .
8. Seja P : Rn ! Rn a projecção ortogonal sobre um subespaço V de Rn de dimensão k.

Determine o polinómio característico de P e prove que P é diagonalizável.
9. Considere o espaço linear Rn munido com o produto interno usual. Seja A 2 Mn n (R)
tal que
AT A = AAT :
Prove que o complemento ortogonal do espaço das colunas de A é igual ao núcleo de
A, isto é
(C(A))? = N (A).
10. Seja V um espaço linear complexo, isto é, cujo corpo dos escalares é C. Considere V
munido de um produto interno h; i. Seja T : V ! V uma transformação linear tal que
hT (u); ui = 0
para todo o u 2 V . Mostre que T = 0.
11. Seja T : Rn ! Rn uma transformação linear invertível. Seja u um vector próprio de T

associado a um valor próprio de T . Veri…que que u é também um vector próprio de
T 1 e determine o valor próprio de T 1 que lhe está associado.
12. Seja V um espaço linear. Seja T : V ! V uma transformação linear. Seja u um vector
próprio de T associado a um valor próprio de T . Veri…que que u é também um vector
próprio de T 2 associado ao valor próprio 2 de T 2 .
k
13. Seja A uma matriz do tipo n n. Mostre que se é um valor próprio de A então
é um valor próprio de Ak , onde k é um inteiro positivo.
14. Uma matriz A do tipo n n diz-se nilpotente se Al = 0 para algum inteiro positivo l.
Mostre que se A é nilpotente então o único valor próprio de A é 0.
15. Seja A uma matriz n n. Veri…que que A e AT têm os mesmos valores próprios.
16. Seja A uma matriz n n cuja soma das suas colunas é constante e igual a r. Mostre
que r é um valor próprio de A:
17. Seja A 2 Mn n (R). Seja P uma matriz diagonalizante para A. Determine uma matriz
diagonalizante para AT em termos de P .
1
18. Seja Q uma matriz n n real ortogonal, isto é, tal que Q = QT .
Mostre que se n fôr ímpar então Q tem o valor próprio 1 ou tem o valor próprio 1.
19. Seja A 2 M2 2 (R) tal que det A < 0. Mostre que A é diagonalizável.
186
20. Seja A uma matriz n n e seja um valor próprio de A com multiplicidade algébrica
igual a n. Mostre que se A fôr diagonalizável então A é uma matriz diagonal.
21. Seja V um espaço linear e seja T : V ! V uma transformação linear tal que todos
os vectores não nulos de V são vectores próprios. Mostre que T tem um único valor
próprio.
22. Sejam A e B duas matrizes do tipo n n. Mostre que AB e BA têm os mesmos valores
próprios.
23. Seja A uma matriz n n e sejam 1; 2 escalares, com 1 6= 2, tais que
(A 1 I) (A 2 I) = 0:
Mostre que A é diagonalizável.
24. Seja A matriz real n n nilpotente, isto é, existe um natural k tal que Ak 6= 0 e
Ak+1 = 0. Prove que A não é diagonalizável.
25. Considere a aplicação h; i : R3 R3 ! R dada por:
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 + x1 y3 + 2x2 y2 + x3 y1 + x3 y3 .
Determine um subespaço de R3 com a maior dimensão possível relativamente ao qual

a aplicação anterior de…na um produto interno.
26. Sejam A; B 2 Mn n (R), com A ortogonalmente diagonalizável de valores próprios

todos não negativos e tal que A2 B = BA2 . Mostre que AB = BA.
27. Seja A 2 Mn n (R) uma matriz cujos valores próprios são todos reais e tal que
(tr A)2 > (n 1) tr A2 :
Mostre que A é invertível. Sugestão: Poderá ser útil considerar a desigualdade de

Cauchy-Schwarz relativamente ao produto interno usual.
187
Bibliogra…a
1. Howard Anton and Robert C. Busby, Contemporary Linear Algebra, John Wiley &
Sons, Inc., 2002.
2. Luís Barreira e Clàudia Valls, exercícios de álgebra linear, IST Press, 2011.
3. Bernard Kolman, Introductory Linear Algebra with Applications, Prentice Hall, 1996.
4. Steven J. Leon, Linear Algebra with Applications, 8th edition, Pearson, 2009.
5. Seymour Lipschutz, Linear Algebra, Schaum´s Outline Series, 4th edition, McGraw-
Hill, 2009.
6. Luis T. Magalhães, Álgebra Linear como Introdução à Matemática Aplicada, 9a edição,

Texto Editora, 2001.
7. Carl D. Meyer, Matrix Analysis and Applied Linear Algebra, SIAM, 2000.
8. António Monteiro e Gonçalo Pinto, Álgebra Linear e Geometria Analítica, McGraw-

Hill, 1997.
9. Ana Paula Santana e João Filipe Queiró, Introdução à Álgebra Linear, Gradiva, 2010.
10. Gilbert Strang, Linear Algebra and its Applications, 3rd edition, Thomson Learning,
1988.
188
Resolução da 1a Ficha de exercícios para as aulas de problemas
1. As equações das alíneas a) e b) são lineares.
2. O ponto (1; 1) é a solução desse sistema de equações lineares.
p
3
3. Os pontos: (1; 1; 1; 0) ; (1; 1; 1; 2) ; 3; 9; 7; são soluções desse sistema de

2
equações lineares.
4. p (t) = a0 + a1 t + a2 t2 com a0 ; a1 ; a2 2 R.
p (1) = 0 , a0 + a1 + a2 = 0
p (0) = 1 , a0 = 1
p ( 1) = 1 , a0 a1 + a2 = 1
2 3 2 3 2 3
1 0 0 j 1 1 0 0 j 1 1 0 0 j 1
4 1 1 1 j 0 5 ! 4 0 1 1 j 1 5 ! 4 0 1 1 j 1 5
L1 +L2 !L2 L2 +L3 !L3
1 1 1 j 1 L1 +L3 !L3 0 1 1 j 0 0 0 2 j 1
1
a0 = 1; a 1 = a2 =
2
1 1 2
Logo p (t) = 1 t t
2 2
2 3 2 3
2 3 j 3 1 2 j 5
4
5. a) 1 2 j 5 5 ! 4 2 3 j 3 5 !
L1 $L2 2L1 +L2 !L2
3 2 j 7 3 2 j 7 3L1 +L3 !L3
2 3 2 3
1 2 j 5 1 2 j 5
! 4 0 7 j 7 5 ! 4 0 7 j 7 5.
2L1 +L2 !L2 8
L +L3 !L3
3L1 +L3 !L3 0 8 j 8 7 2 0 0 j 0
x 2y = 5 x=3
Logo, , A solução geral do sistema é S = f(3; 1)g.
7y = 7 y = 1.
2 3 2 3
1 2 1 3 j 3 1 2 1 3 j 3
4
b) 2 4 4 3 j 9 5 ! 4 0 0 6 3 j 3 5 !
2L1 +L2 !L2 1
L +L3 !L3
3 6 1 8 j 10 3L1 +L3 !L3 0 0 2 1 j 1 3 2
2 3
1 2 1 3 j 3
! 4 0 0 6 3 j 3 5.
1
L +L3 !L3
3 2 0 0 0 0 j 0
189
x + 2y z + 3w = 3 x = 2y 52 w + 7
2
Logo, ,
6z 3w = 3 z = 12 w + 12 .
5
A solução geral do sistema é S = 2s 2
t + 72 ; s; 21 t + 12 ; t : s; t 2 R .
2 3 2 3
1 2 3 1 j 1 1 2 3 1 j 1
c) 4 3 1 2 5 j 2 5 ! 4 0 5 7 8 j 1 5.
3L1 +L2 !L2
3 6 9 3 j 6 3L1 +L3 !L3 0 0 0 0 j 3
Logo, o sistema não tem solução (é impossível). S = ?.
2 3 2 3
0 0 2 3 j 4 2 2 5 2 j 4
6 2 0 6 9 j 7 7 6 2 0 6 9 j 7 7
d) 6
4 2 2
7 ! 6 7 !
5 2 j 4 5 L1 $L3 4 0 0 2 3 j 4 5 L1 +L2 !L2
1
0 100 150 200 j 50 L !L4
50 4 0 2 3 4 j 1
2 3 2 3
2 2 5 2 j 4 2 2 5 2 j 4
6 0 2 1 7 j 3 7 6 0 2 1 7 j 3 7
! 6 7 ! 6 7 !
L1 +L2 !L2 4 0 0 2 3 j 4 5 L2 +L4 !L4 4 0 0 2 3 j 4 5 L3 +L4 !L4
0 2 3 4 j 1 0 0 2 3 j 4
2 3
2 2 5 2 j 4
6 0 2 1 7 j 3 7
! 6 7.
L3 +L4 !L4 4 0 0 2 3 j 4 5
0 0 0 0 j 0
8 19
8 >
> x1 = 2
9x4
>
>
< 2x1 + 2x2 5x3 + 2x4 = 4 <
17 5
Logo, 2x2 x3 + 7x4 = 3 , x2 = x
4 4 2
: >
>
2x3 + 3x4 = 4 >
>
: 3
x3 = x
2 4
+2
A solução geral do sistema é dada por
19 17 5 3
S= 9s; s ; s + 2; s :s2R :
2 4 2 2
2 3 2 3
1 2 3 a
4
6. a) Sejam A = 3 1 2 5 e Ba;b;c = b 5 :
4
1 5 8 c
2 3
1 2 3 j a
[A j Ba;b;c ] = 4 3 1 2 j b 5 !
3L1 +L2 !L2
1 5 8 j c L1 +L3 !L3
190
2 3 2 3
1 2 3 j a 1 2 3 j a
! 4 0 7 11 j b 3a 5 ! 4 0 7 11 j b 3a 5.
3L1 +L2 !L2 L2 +L3 !L3
L1 +L3 !L3 0 7 11 j c a 0 0 0 j c b + 2a
Para que haja solução é necessário que car A = car [A j Ba;b;c ], isto é, é necessário que
c b + 2a = 0:
2 3 2 3
1 2 4 a
4
(b) Sejam A = 2 3 5 4
1 e Ba;b;c = b 5 :
3 1 2 c
2 3
1 2 4 j a
4
[A j Ba;b;c ] = 2 3 1 j b 5 !
2L1 +L2 !L2
3 1 2 j c 3L1 +L3 !L3
2 3 2 3
1 2 4 j a 1 2 4 j a
! 4 0 7 9 j b 2a 5 ! 4 0 7 9 j b 2a 5.
2L1 +L2 !L2 L2 +L3 !L3
3L1 +L3 !L3 0 7 10 j c 3a 0 0 1 j c b a
Como car A = car [A j Ba;b;c ], este sistema tem solução para quaisquer valores de a; b; c.
7. a) Usando o método de eliminação de Gauss, tem-se
2 3 2 3
1 1 1 j 2 1 1 1 j 2
6 3
1 j 2 7 6 0 3
+1 j 2 2 7
6 7 ! 6 7:
4 1 1 j 2 5 L1 +L2 !L2 4 0 0 +1 j 2 2 5
L1 +L3 !L3
2 2 2 j 4 2L1 +L4 !L4
0 0 0 j 0
Se 2 f 1; 0; 1g então o sistema é possível e indeterminado.

Se 2
= f 1; 0; 1g então o sistema é possível e determinado.
8 8
x+y+z = < 2 < x=0
b) Para = 2, tem-se o sistema de equações lineares 6y z = 2 , y=0
: :
z = 2. z = 2.
A solução geral do sistema é dada por: S = f(0; 0; 2)g.
8 2 3 2 3
<x+y + z =1 1 1 1
8. a) 2x + y 2 z = Sejam A = 4 2 2 5eB = 4 5.
:
x+ y +z = 1+2 1 1+2
2 3 2 3
1 1 j 1 1 1 j 1
[A j B] = 4 2 2 j 5 ! 4 0 +2 0 j + 2 5:
2L1 +L2 !L2
1 j 1+2 L1 +L3 !L3 0 0 (1 ) (1 + ) j 1+
191
Se = 1 então car A = car [A j B] = 2 < 3 = no de incógnitas do sistema. Logo o
sistema é possível e indeterminado, tendo-se
x+y+z =1 x=z
,
3y = 3: y = 1:
A solução geral deste sistema é então dada por
S1 = f(s; 1; s) : s 2 Rg :
Se = 2 então então car A = car [A j B] = 2 < 3 = no de incógnitas do sistema.

Logo o sistema é possível e indeterminado, tendo-se
x + y 2z = 1 x=y 3
,
3z = 3: z = 1:
S 2 = f(s 3; s; 1) : s 2 Rg :
Se = 1 então car A < car [A j B]. Logo, o sistema não tem solução (é impossível).
| {z } | {z }
=2 =3
S 1 = ?:
Se 6= 1 e 6= 1 e 6= 2 então car A = car [A j B] = 3 = no de incógnitas do sistema.

Logo o sistema é possível e determinado, tendo-se
8 8
< x+y+ z =1 < x= = ( + 1)
( + 2) y = + 2 , y=1
: :
(1 ) (1 + ) z = 1 + z = 1= ( + 1) .
A solução geral do sistema é então dada por
1
S = ; 1; :
+1 +1
2 3 2 3
1 1 1
4
b) Sejam A = 1 1 e B = 1 5.
5 4
1 1 1
2 3 2 3
1 1 j 1 1 1 j 1
[A j B] = 4 1 1 j 1 5 ! 4 1 1 j 1 5 !
L1 $L3 L1 +L2 !L2
1 1 j 1 1 1 j 1 L1 +L3 !L3
2 3 2 3
1 1 j 1 1 1 j 1
! 4 0 1 1 j 0 5 ! 4 0 1 1 j 0 5.
L1 +L2 !L2 2 L2 +L3 !L3
L1 +L3 !L3 0 1 1 j 1 0 0 (1 ) ( + 2) j 1
192
Se = 1 então car A = car [A j B] = 1 < 3 = no de incógnitas do sistema. Logo o
sistema é possível e indeterminado, tendo-se x + y + z = 1. A solução geral deste sistema é
então dada por
S1 = f(1 s t; s; t) : s; t 2 Rg :
| {z } | {z }
=2 =3
S 2 = ?.
Se 6= 1 e 6= 2 então car A = car [A j B] = 3 = no de incógnitas do sistema. Logo

o sistema é possível e determinado, tendo-se
8 8
< x+y+ z =1 < x = 1= ( + 2)
( 1) y + (1 )z = 0 , y = 1= ( + 2)
: :
(1 ) ( + 2) z = 1 z = 1= ( + 2) .
1 1 1
A solução geral do sistema é então dada por S = ; ; .
+2 +2 +2
8 2 3 2 3
>
> 2z + w = 0 0 2
< 6
x + y + z + 3w = 1 1 1 1 3 7 6
7eB =6 1
7
9. Sejam A = 6
4 2
7:
>
> 2x + 2y + z + w = 2 2 1 1 5 4 2 5
:
x + y + 3z + 14w = 4 1 1 3 14 4
2 3
0 0 2 j
6 1 1 1 3 j 1 7
[A j B ] = 6 7 !
4 2 2 1 1 j 2 5 L1 $L 3
1 1 3 14 j 4
2 3 2 3
2 2 1 1 j 2 1 1 1 3 j 1
6 1 1 1 3 j 1 7 6 2 2 1 1 j 2 7
! 6 7 ! 6 7 !
L1 $L3 4 0 0 2 j 5 L1 $L2 4 0 0 2 j 5 2L1 +L2 !L2
L1 +L4 !L4
1 1 3 14 j 4 1 1 3 14 j 4
2 3 2 3
1 1 1 3 j 1 1 1 1 3 j 1
6 0 0 1 5 j 0 7 6 0 0 1 5 j 0 7
! 6 7 6 7 !
2L1 +L2 !L2 4 0 0 2 j 5 2L2 +L!
3 !L3
4 0 0 0 10 j 5 L1 $L2
L1 +L4 !L4
0 0 2 11 j 3 2L2 +L4 !L4 0 0 0 1 j 3
2 3 2 3
1 1 1 3 j 1 1 1 1 3 j 1
6 0 0 1 5 j 0 7 6 0 0 1 5 j 0 7
! 6 7 ! 6 7.
L1 $L2 4 0 0 0 1 j 3 5 ( 10)L3 +L4 !L4 4 0 0 0 1 j 3 5
0 0 0 10 j 0 0 0 0 j 3( 10) +
Se = 3( 10) então car A = car [A j B ] = 3 < 4 = no de incógnitas do sistema.
193
8 8
< x + y + z + 3w = 1 < x=7 y
z 5w = 0 , z = 15 :
: :
w=3 w = 3.
A solução geral deste sistema é então dada por S ; = f(7 s; s; 15; 3) : s 2 Rg.
Se 6= 3 ( 10) então car A < car [A j B ]. Logo, o sistema não tem solução (é
| {z } | {z }
=3 =4
impossível). S ; = ?.
10. a) Sejam x = 1 + t e y = 1 t. Logo x + y = 2:
b) Sejam x = t, y = 1 2t e z = 1. Tem-se então o seguinte sistema:

8
< 2x + y = 1
:
z = 1.
c) Sejam x = 3t, y = 2t e z = t. Tem-se então o seguinte sistema:

8
< x 3z = 0
:
y 2z = 0.
z 1
d) Sejam x = 2t 3s, y = t + s 1, z = 2s + 1 e w = t 1. Logo t = w + 1 e s = .
2
Assim: 8
>
> z 1
< x = 2 (w + 1)
> 3
2
>
> z 1
>
: y =w+1+ 1.
2
Deste modo, obtém-se o sistema de equações lineares:
8
< 2x + 3z 4w = 7
:
2y z 2w = 1.
8
< x+y =1
e) Por exemplo:
:
x + y = 0.
8
< x=1
f) y=1
:
z = 1.
194
!500
1000 2
1 1 1 1
1. (ii) = = I 500 = I
0 1 0 1
!
222 220 220 2
0 1 0 1 0 1 0 1
(iv) + = +I =
1 0 1 0 1 0 1 0
220
0 1 0 0 0 0
= =
1 0 0 0 0 0
(xi) se ad bc 6= 0,
a b 1 d b 1 ad bc 0
= =I
c d ad bc c a ad bc 0 ad bc
1 3
2. (i) 3
2 =[ 2 1] (ii) Não é possível.
2 3
32 1
3 2 11
p 3
2
2 3
2 4 2
3 2 5 5
(iii) 4 54
p
5=4
p
5
1 8 7
1 1 3 5 2 3
2 5 2
1 0 61 0
2 2
(iv) 2 1 3
= 20 (v) Não é possível. (vi) Não é possível.
3 2
3 3
2 2
2 p p p 3
p 4 2 1
2 2 2
2 2
(vii) 4 1
2
2 =4 5
3 3
12 2
6
02 3 1T 2 p 1
p p 3
2 p 4 2 2
2 2 2
viii) @ 4 1 5
2 2 3 A = 4 5
4
3
1 12 2
6
0 2 8 1 31T
2 1 3T 2 3 9 3
1 2 3
B 0 1
1 0 1 6 7C 0 0 0
B 3 2 2 6 1 1 7C
(ix) BB2
4 5 4 5 6 7C
6 3 2 1 7C = 0 0 0
4 5
@ 1 1
1 1 1
1 4 5A 0 0 0
3 2 3 2
5 5
3
1 2
2 3
1 18
6 7
2 3T 2 3 6 5 7
1 1
0 2 1 0 6 10 7
2 6 6 7
(x) 4 0 1 1
0 5 4 2 4 5=6 7
4 6 7 7
6 2 5 1 1
3 6 16 7
3 6 6 7
4 5
7
3
3
195
2 3T 2 1
3
1 0 1 2
0 2 5 7 7
4 5 4 1
(xi) 2 4 0 1 1
4
0 5= 6 6 3
1 18 10 16 3
3
3 6 2 5 1
2 3 2 3
1 4 9 16 0 2 3 4
6 1 4 9 16 7 6 2 0 3 4 7
3. (i) 6
4 1
7 (ii) 6 7 (aii = aii , aii = 0)
4 9 16 5 4 3 3 0 4 5
1 4 9 16 4 4 4 0
2 3 2 3
1 1
4. (i) 4 2 1 2 5 ! 4 0 1+2 2+2 5 !
2L1 +L2 !L2 2L2 +L3 !L3
3 2 1 3L1 +L3 !L3 0 2 4 1 3
2 3
1
! 4 0 1 + 2 2 (1 + ) 5
2L2 +L3 !L3
0 0 3+
2 3
1
1
Seja A = 4 2 1 2 5. Se 6= 3e 6= então car A = 3 e nul A = 0.
2
3 2 1
1
Se = 3 ou = então car A = 2 e nul A = 1.
2
1
Assim, A é invertível se e só se 6= 3e 6= , uma vez que é só neste caso que
2
car A = no de colunas de A .
2 2
3 2 2
3
2 2
4
(ii) 2 1 1 5 ! 4 0 1 2
1+ 5 !
2 L1 +L2 !L2 L2 +L3 !L3
0 1 +1 0 2 1 +1
2 2
3
2
! 4 0 (1 ) (1 + ) 1+ 5.
L2 +L3 !L3
0 0 2 ( + 1)
2 2
3
2
Seja A = 4 2 1 1 5. Se = 1 então car A = 1 e nul A = 2.
2
0 1 +1
Se = 1 então car A = 2 e nul A = 1.
Se 6= 1e 6= 1 então car A = 3 e nul A = 0.
Assim, A é invertível se e só se 6= 1 e 6= 1, uma vez que é só neste caso que

196
2 3 2 3
1 0 1 1 0 1
6 0 1 1 0 7 6 0 1 1 0 7
(iii) 6
4 1
7 ! 6 7.
0 2
1 5 L1 +L3 !L3 4 0 0 (1 ) (1 + ) 1 5
2 0 2 2 2L1 +L4 !L4 0 0 0 2( 1)
2 3
1 0 1
6 0 1 1 0 7
Seja A = 6
4 1
7. Se = 1 então car A = 2 e nul A = 2.
0 2
1 5
2 0 2 2
Se 6= 1 e 6= 1 então car A = 4 e nul A = 0.

5. Existem 16 matrizes 2 2 só com 0 e 1 nas respectivas entradas. 6 são invertíveis:
1 0 0 1 1 1 1 1 0 1 1 0
; ; ; ; ; .
0 1 1 0 0 1 1 0 1 1 1 1
1
1 1 0 1 0
6. (i) [1] = [1] (ii) =
0 1 0 1
1
0 1 j 1 0 1 0 j 0 1 0 1 0 1
(iii) ! . Logo =
1 0 j 0 1 L1 $L2 0 1 j 1 0 1 0 1 0
1 2 j 1 0 1 2 j 1 0
(iv) ! !
3 4 j 0 1 3L1 +L2 !L2 0 2 j 3 1 L2 +L1 !L1
1 0 j 2 1 1 0 j 2 1
! ! 3 1 .
L2 +L1 !L1 0 2 j 3 1 1
L !L2
2 2
0 1 j 2 2
1
1 2 2 1
Logo = 3 1 .
3 4 2 2
2 1 j 1 0 1 1 j 0 1
(v) ! !
1 1 j 0 1 L1 $L2 2 1 j 1 0 2L1 +L2 !L2
1 1 j 0 1 1 0 j 1 1
! ! ! .
2L1 +L2 !L2 0 1 j 1 2 L2 +L1 !L1 0 1 j 1 2 1
L !L2
2 2
197
1
1 0 j 1 1 2 1 1 1
! . Logo = .
L2 !L2 0 1 j 1 2 1 1 1 2
1 1 j 1 0 1 1 j 1 0
(vi) ! .
1 1 j 0 1 L1 +L2 !L2 0 0 j 1 1
1 1
Logo, não é invertível.
1 1
3 2 1 2 1 1 1
3
0 1 1 2 2 2
(vii) Nesta alínea só se apresenta a solução: 4 1 0 1 5 =4 1
2
1
2
1
2
5.
1 1 1
1 1 0 2 2 2
2 3 2 3
1 2 3 j 1 0 0 1 2 3 j 1 0 0
(viii) 4 4 5 6 j 0 1 0 5 ! 4 0 3 6 j 4 1 0 5 !
4L1 +L2 !L2 2L2 +L3 !L3
7 8 9 j 0 0 1 7L1 +L3 !L3 0 6 12 j 7 0 1
2 3
1 2 3 j 1 0 0
! 4 0 3 6 j 4 1 0 5.
2L2 +L3 !L3
0 0 0 j 1 2 1
2 3
1 2 3
Logo, 4 4 5 6 5 não é invertível.
7 8 9
Nas alíneas (ix) e (x) só se apresentam as soluções:

2 3 1 2 3 0 2 31 1 2 2 1 2
3
1 2 3 1 2 1 2 2 1
4 5 4 5 @ 14 3 3 3
(ix) 0 1 2 = 0 1 2 (x) 1 2 2 5A =4 2
3
2
3
1
3
5
3 1 2 2
0 0 1 0 0 1 2 1 2 3 3 3
2 3 2 3
1 0 2 j 1 0 0 1 0 2 j 1 0 0
4
(xi) 0 3 0 j 0 1 0 5 ! 4 0 3 0 j 0 1 0 5 !
4L1 +L3 !L3 2
L +L1 !L1
4 0 5 j 0 0 1 0 0 3 j 4 0 1 3 3
2 5
3 2 3
1 0 0 j 3
0 23 1 0 0 j 5
3
0 2
3
! 4 0 3 0 j 0 1 0 5 ! 4 0 1 0 j 0 1
0 5.
2 1 3
L +L !L L !L2 4 1
3 3 1 1
0 0 3 j 4 0 1 3
1
2
0 0 1 j 3
0 3
L !L3
3 3
2 3 1 2 5 2
3
1 0 2 3
0 3
Logo 4 0 3 0 5 =4 0 1
3
0 5.
4 1
4 0 5 3
0 3
(xii) Sejam k1 ; k2 ; k3 ; k4 6= 0.
198
2 3 2 3
0 0 0 k1 j 1 0 0 0 k4 0 0 0 j 0 0 0 1
6 0 0 k2 0 j 0 1 0 0 7 6 0 k3 0 0 j 0 0 1 0 7
6 7 ! 6 7 !
4 0 k3 0 0 j 0 0 1 0 5 L1 $L4 4 0 0 k2 0 j 0 1 0 0 5 1
L !L1
k4 1
k4 0 0 0 j 0 0 0 1 L2 $L3 0 0 0 k1 j 1 0 0 0 1
L !L2
k3 2
1
L !L3
k2 3
1
L !L4
k1 4
2 1 3 3 2 1 2 1 3
1 0 0 0 j 0 0 0 k4 0 0 0 k1 0 0 0 k4
6 0 1 0 0 j 0 0 1
0 7 6 7 6 0 0 1
0 7
! 6 k3 7. Logo 6 0 0 k2 0 7 =6 k3 7.
1
L !L1
4 0 0 1 0 j 0 1
0 0 5 4 0 k3 0 0 5 4 0 1
0 0 5
k4 1 k2 k2
1 k4 0 0 0 1
1
L !L2
k3 2
0 0 0 1 j k1
1 0 0 0 k1
0 0 0
1
L !L3
k2 3
1
L !L4
k1 4
7. Como
1 1
A2 + 2A + 2I = 0 , A A I = A I A=I
2 2
então A é invertível e
1 1
A = A I.
2
8. Sejam A; B; X 2 Mn n (R) matrizes invertíveis tais que
3 4
(AB)2 = :
7 9
(i)
1 1 1 1
AXB + AB = 0 , AXB = AB , A (AXB) B =A ( AB) B ,
, A 1 A X BB 1
= A 1A BB 1
,
, IXI = II , X = I.
(ii)
BXA A 1B 1
=0,B 1
(BXA) A 1
=B 1
A 1B 1
A 1
,
, B 1 B X AA 1
= B 1A 1
B 1A 1
,
1
, IXI = (AB)2 ,
1
3 4 9 4
,X= = .
7 9 7 3
199
9. (i) A 2 M2 2 (R),
1 1
1 T 4 3 1 T 4 3
2I 3A = , 2I 3A = ,
7 5 7 5
1 T 5 3 1 T 2 0 5 3
, 2I 3A = , 3A = ,
7 4 0 2 7 4
! 1
T 7 7 1 6
1 7 3 3 3 7
1
,A= = = 3 .
3 7 6 1 2 7
1
(ii)
1
1 1 3 1 3
(B T + 4I) = , B T + 4I = ,
2 5 2 5
T
5 3 4 0 9 2
,B= = :
2 1 0 4 3 5
T 1
1 1 3 2 3 2 1 2
(iii) A =I,A= = I.
2 3 1 1 1 1 1 3
10. (i) Seja A 2 Mn n (R) tal que
Ak = 0
para algum k 2 Nn f1g.
(I A) I + A + ::: + Ak 1
= I + A + ::: + Ak 1
A A2 ::: Ak 1
Ak = I Ak = I
ou seja, I A é invertível e
1
(I A) = I + A + ::: + Ak 1 .
(ii)
2
3 1 0 2 31 1
1 1 0 0 1 0
4 0 1 1 5 = @I 4 0 0 1 5A =
(i)
0 0 1 0 0 0
2 3 2 32 2 3
0 1 0 0 1 0 1 1 1
4
=I+ 0 0 5 4
1 + 0 0 1 5 = 04 1 1 5
0 0 0 0 0 0 0 0 1
200
2 33 2 3
0 1 0 0 0 0
4
uma vez que 0 0 1 5 = 4 0 0 0 5.
0 0 0 0 0 0
2 3
2 2 2
4
11. A = 5 1 3 5:
1 5 3
2 33 2 3
2 2 2 0 0 0
3 4
(i) A = 5 1 3 5 = 4 0 0 0 5.
1 5 3 0 0 0
(ii) Por (i): (I A) (I + A + A2 ) = I.
2 3 2 3
0 0 a 1 2 2 0 a
6 2 2 0 a 7 6 0 0 a 1 7
12. (i) Ba;b =6
4 0
7 ! 6 7 !
0 a b 5 L1 $L2 4 0 0 a b 5 L2 $L4
3 0 6 0 3 0 6 0
2 3 2 3
2 2 0 a 2 2 0 a
6 3 0 6 0 7 6 0 3 6 3
a 7
! 6 7 ! 6 2 7.
L2 $L4 4 0 0 a b 5 3
L +L2 !L2
4 0 0 a b 5
2 1
0 0 a 1 L3 +L4 !L4 0 0 0 1 b
Se a = 0 ou ( a 6= 0 e b = 1) então car Ba;b = 3 e nul Ba;b = 1.
Se a 6= 0 e b 6= 1 então car Ba;b = 4 e nul Ba;b = 0.
2 3 2 3
0 0 1 1 j 1 0 0 0 3 0 6 0 j 0 0 0 1
6 2 2 0 1 j 0 1 7
0 7 0 6 2 2 0 1 j 0 1 0 0 7
(ii) [B1;0 j I] = 6
4 0 ! 6 7 !
0 1 0 j 0 0 0 5 L1 $L4 4 0 0
1 1 0 j 0 0 1 0 5 2
L +L2 !L2
3 1
3 0 6 0 j 0 0 1 0 0 0 1 1 j 1 0 0 0 L3 +L4 !L4
2 3
3 0 6 0 j 0 0 0 1
6 0 2 4 1 j 0 1 0 2 7
! 6 3 7 !
2
L1 +L2 !L2
4 0 0 1 0 j 0 0 1 0 5 L4 +L2 !L2
3
6L3 +L1 !L1
L3 +L4 !L4 0 0 0 1 j 1 0 1 0
2 3
3 0 0 0 j 0 0 6 1
6 0 2 4 0 j 1 1 1 2 7
! 6 3 7 !
L4 +L2 !L2 4 0 0 1 0 j 0 0 1 0 5 12 L2 !L2
6L3 +L1 !L1
0 0 0 1 j 1 0 1 0 1
L !L1
3 1
2 3 2 3
1 0 0 0 j 0 0 2 31 1 0 0 0 j 0 0 2 1
3
6 0 1 2 0 j 1 1 1 1 7 6 0 1 0 0 j 1 1 5 7 1
! 6 2 2 2 3 7 ! 6 2 2 2 7.3
1
L !L2
4 0 0 1 0 j 0 0 1 0 5 2L3 +L2 !L2 4 0 0 1 0 j 0 0 1 0 5
2 2
1
L !L1
3 1
0 0 0 1 j 1 0 1 0 0 0 0 1 j 1 0 1 0
201
2 1
3
0 0 2 3
6 1 1 5 7 1
Logo (B1;0 ) 1
=6
4
2 2 2 7. 3
0 0 1 0 5
1 0 1 0
(iii) Como B1;0 é invertível,

2 19
3
3
2 323 6 7
0 0 2 1
1 6 7
3 6 19 7
6 1 1 5 1 76
2 7 6 3 7
B1;0 X = C , X = (B1;0 ) 1
C,X=6 2
4 0 0
2 2 3 76
5 4
7=6
5 6
7:
7
1 0 3 6 7
6 3 7
1 0 1 0 1 4 5
2
(iv) Seja X = (x1 ; x2 ; x3 ; x4 ).

2 32 3 3 2
0 0 a 1 x1 a
6 2 2 0 7 6
a 7 6 x2 7 6 0 7
Ba;1 X = D , 6
4 0
7=6 7
5 4 a 5.
0 a 1 5 4 x3
3 0 6 0 x4 6
A solução geral de Ba;1 X = D é dada por:
(Solução particular de Ba;1 X = D) + (Solução geral de Ba;1 X = 0).
O vector (0; 0; 1; 0) é uma solução particular de Ba;1 X = D. Determinemos a solução

geral de Ba;1 X = 0.
2 3 2 3
0 0 a 1 0 0 a 1
6 2 2 0 a 7 6 2 2 0 a 7
Tem-se 64 0 0 a 1
7
5 ! 6
4 0
7 !
5 L1 $L2
L1 +L3 !L3 0 0 0
3 3 L3 $L4
3 0 6 0 L +L4 !L4
2 2 0 3 6 2
a
2 3 2 3
2 2 0 a 2 2 0 a
6 0 0 a 1 7 6 0 3 6 3
a 7
! 6 7 ! 6 2 7.
L1 $L2 4 0 a 5 L2 $L3 4 0 5
3
3 6 2
0 a 1
L3 $L4
0 0 0 0 0 0 0 0
8
8 > x = 2x3
< 2x1 + 2x2 + ax4 = 0 >
< a2
Logo, 3x2 + 6x3 32 ax4 = 0 , x2 = 2 + x3
: >
> 2
ax3 + x4 = 0 :
x4 = ax3 .
Assim, a solução geral de Ba;1 X = 0 é dada por:
a2
( 2s; 2 + s; s; as) : s 2 R .
2
202
Logo, a solução geral do sistema linear Ba;1 X = D é dada por:
a2 a2
f(0; 0; 1; 0)g+ 2s; 2 + s; s; as :s2R = 2s; 2 + s; s 1; as :s2R .
2 2
Resolução Alternativa.
2 3 2 3
0 0 a 1 j a 0 0 a 1 j a
6 2 2 0 a j 0 7 6 2 2 0 a j 0 7
[Ba;1 j D] = 6
4 0 0 a 1
7 ! 6 7 !
j a 5 L1 +L3 !L3 4 0 0 0 0 j 0 5 L1 $L2
3 3
3 0 6 0 j 6 L +L4 !L4
2 2 0 3 6 2
a j 6 L3 $L4
2 3 2 3
2 2 0 a j 0 2 2 0 a j 0
6 0 0 a 1 j a 7 6 0 3 6 3
a j 6 7
! 6 7 ! 6 2 7.
L1 $L2 4 0 6 5 L2 $L3 4 0 a 5
3
3 6 2
a j 0 a 1 j
L3 $L4
0 0 0 0 j 0 0 0 0 0 j 0
8 8
< 2x + 2y + aw = 0
> >
< x = 2z 2
3 2
Tem-se então 3y + 6z aw = 6 , y = a2 + 2 (z + 1)
>
: 2 >
:
az + w = a w = a az.
Logo, a solução geral do sistema linear Ba;1 X = D é dada por:
a2 a2
2s 2; + 2 (s + 1) ; s; a as :s2R = 2s; 2 + s; s 1; as :s2R :
2 2
2 3 2 3
2 1 2 2 1 2
13. Seja A = 4 2 1 0 5. Tem-se E23 ( 1
4
)E (
13 2
3
)E12 (1)A = 4 0 2 2 5.
3 1 2 0 0 92
Logo, 2 3
2 1 2
1 1
A = (E12 (1)) 1
E13 ( 32 ) E23 ( 41 ) 4 0 2 2 5.
0 0 29
Isto é,
2 3
2 1 2
1 4
3
A = E12 ( 1)E13 ( 2 )E23 ( 4 ) 0 2 2 5, ou ainda, A = LU ,
0 0 92
com
2 3 2 3
1 0 0 2 1 2
L = E12 ( 1)E13 ( 32 )E23 ( 14 ) = 4 1 1 0 5 e U =4 0 2 2 5:
3 1
2 4
1 0 0 92
203
Resolução dos Exercícios de Revisão de Sistemas e Matrizes
4 2 j 5 4 2 j 5
1. (i) ! 17 . Logo, o sistema não tem solução
6 3 j 1 3
L +L2 !L2
2 1
0 0 j 2
(é impossível). S = ?.
2 3 j 1 2 3 j 1 2x + 3y = 1 x=2
(ii) ! 1 . Logo, ,
5 7 j 3 5
L +L2 !L2
2 1
0 2
j 12 1
2
y = 12 y = 1.
A solução geral do sistema é S = f(2; 1)g.
2 4 j 10 2 4 j 10
(iii) ! . Logo, 2x + 4y = 10 , x = 5 2y.
3 6 j 15 3
L +L2 !L2
2 1
0 0 j 0
A solução geral do sistema é S = f(5 2s; s) : s 2 Rg.
2 3 2 3
2 1 3 j 5 2 1 3 j 5
(iv) 4 3 2 2 j 5 5 3
! 4 0 7=2 13=2 j 5=2 5 11
!
L +L2 !L2 L +L3 !L3
5 3 1 j 16 2 1
5
0 11=2 13=2 j 7=2 7 2
L +L3 !L3
2 1
2 3
2 1 3 j 5
! 4 0 7=2 13=2 j 5=2 5.
11
L +L3 !L3
7 2 0 0 26=7 j 52=7
8 8
< 2x + y 3z = 5 < x=1
7 13 5
Logo, y + z = , y = 3 A solução geral do sistema é S = f(1; 3; 2)g.
: 226 2 2 :
7
z = 527
z = 2.
2 3 2 3 2 3
1 2 3 j 3 1 2 3 j 3 1 2 3 j 3
(v) 4 2 3 8 j 4 5 ! 4 0 1 2 j 2 5 ! 4 0 1 2 j 2 5.
2L1 +L2 !L2 4L2 +L3 !L3
3 2 17 j 1 3L1 +L3 !L3 0 4 8 j 8 0 0 0 j 0
x + 2y + 3z = 3 x = 7z 1
Logo, ,
y + 2z = 2 y = 2z + 2.
A solução geral do sistema é S = f( 7s 1; 2s + 2; s) : s 2 Rg.
2 3 2 3
2 3 2 j 5 2 3 2 j 5
4
(vi) 1 2 3 j 2 5 ! 4 0 7=2 4 j 1=2 5 !
1 2L2 +L3 !L3
L +L2 !L2
4 1 4 j 1 2 1 0 7 8 j 9
2L1 +L3 !L3
204
2 3
2 3 2 j 5
! 4 0 7=2 4 j 1=2 5.
2L2 +L3 !L3
0 0 0 j 8
2 3 2 3
1 5 4 13 j 3 1 5 4 13 j 3
4
(vii) 3 1 2 5 j 2 5 ! 4 0 16 10 44 j 7 5 !
3L1 +L2 !L2 1
L +L3 !L3
2 2 3 4 j 1 2L1 +L3 !L3 0 8 5 22 j 5 2 2
2 3
1 5 4 13 j 3
! 4 0 16 10 44 j 7 5.
1
L +L3 !L3 3
2 2 0 0 0 0 j 2
2 3
1 0 1
6 1 0 7
2. Sendo A = 6
4
7, tem-se
5
0
1 0 1
2 3 2 3
1 0 1 j 1 1 0 1 j 1
6 1 0 j 7
1 7 6 0 0 +1 j 0 7
[A j B] = 6
4 5 !6 4
7;
5
0 j 1 ::: 0 0 0 j 1
1 0 1 j 1 0 0 0 j 0
usando o método de eliminação de Gauss.

Se 2 Rn f1g então car A = 2 < 3 = car [A j B] e assim o sistema é impossível.
Se = 1 então car A = 2 = car [A j B] e assim o sistema é possível e indeterminado
tendo por solução geral:
f(1; y; 0) : y 2 Rg :
3. a) Usando o método de eliminação de Gauss, tem-se
2 3 2 3 2 3
1 4 2 j 10 1 4 2 j 10 1 4 2 j 10
4 2 7 2 j 20 5 ! 4 0 1 2 j 0 5 ! 4 0 1 2 j 0 5:
2L1 +L2 !L2 L2 +L3 !L3
1 5 j 10 L1 +L3 !L3 0 1 2 j 0 0 0 4 j 0
Se 6= 4 então o sistema é possível e determinado, existindo uma única solução. Se

= 4 então o sistema é possível e indeterminado, existindo um no in…nito de soluções.
b) Para = 4, tem-se o sistema de equações lineares
x + 4y + 2z = 10 x = 10 + 6z
,
y 2z = 0. y = 2z.
205
Colocando z = s, a solução geral do sistema é dada por: S = f(10 + 6s; 2s; s) : s 2 Rg.
1 2 1
4. (i) Sejam A = eB= .
2 8 3
1 2 j 1 1 2 j 1
[A j B] = ! .
2 8 j 3 2L1 +L2 !L2 0 4 8 2 j 1
Se = 6 4 então car A = car [A j B] = 2 < 3 = no de incógnitas do sistema. Logo o

8
> 2
>
> x = 1 ( + 4) z
< 4
x + 2y + z = 1
,
( 4) y + (8 2 ) z = 1 >
> 1
>
: y= + 2z.
4
2 1
S = 1 ( + 4) s; + 2s; s :s2R :
4 4
| {z } | {z }
=1 =2
S4 = ?.
2
3 2 3 2 3
1 1 1 1 1 j 1
(ii) Sejam A = 4 1 1 5eB =4 5. 4
[A j B ] = 1 1 j 5 !
2 2 L1 $L3
1 1 1 1 j
2 2
3 2 2
3
1 1 j 1 1 j
! 4 1 1 j 5 ! 4 0 1 1 j 2 5 !
L1 $L3 L1 +L2 !L2 2 3 L2 +L3 !L3
1 1 j 1 L1 +L3 !L3 0 1 1 j 1
2 2
3
1 1 j
! 4 0 1 1 j (1 ) 5.
L2 +L3 !L3 2
0 0 (1 ) ( + 2) j (1 + ) (1 )
Se = 1 então car A = car [A j B ] = 1 < 3 = no de incógnitas do sistema. Logo o

sistema é possível e indeterminado, tendo-se x + y + z = 1. A solução geral deste sistema é
então dada por S1 = f(1 s t; s; t) : s; t 2 Rg.
Se = 2 então car A < car [A j B ]. O sistema não tem solução (é impossível).

| {z } | {z }
=2 =3
S 2 = ?.
206
Se 6= 1 e 6= 2 então car A = car [A j B ] = 3 = no de incógnitas do sistema. Logo
o sistema é possível e determinado, tendo-se
8 8
< x+y+ z = 2 < x = ( + 1) = ( + 2)
( 1) y + (1 ) z = (1 ) , y = 1= ( + 2)
: :
(1 ) ( + 2) z = (1 + ) (1 2
) z = (1 + )2 = ( + 2) .

( !)
+1 1 (1 + )2
S = ; ; :
+2 +2 +2
2 3 2 3 2 3
1 1 2 1 1 j 2
(iii) Sejam A = 4 3 4 2 5 e B = 4 5. [A j B ] = 4 3 4 2 j 5 !
3L1 +L2 !L2
2 3 1 1 2 3 1 j 1 2L1 +L3 !L3
2 3 2 3
1 1 j 2 1 1 j 2
! 4 0 1 2 3 j 6 5 ! 4 0 1 2 3 j 6 5.
3L1 +L2 !L2 L2 +L3 !L3
2L1 +L3 !L3 0 1 1 2 j 3 0 0 3+ j 3
Se = 3 então car A = car [A j B ] = 2 < 3 = no de incógnitas do sistema. Logo o

8
< x = 5 10z
x + y + 3z = 2
,
y 7z = 3 :
y = 3 + 7z.
S3 = f(8 + (2 4 ) s; 6 + (3 2) s; s) : s 2 Rg :
Se 6= 3 então car A = car [A j B ] = 3 = no de incógnitas do sistema. Logo o sistema

é possível e determinado, tendo-se
8 8
< x+y+ z =2 < x=6+3
y + (2 3 ) z = 6 , y= 4 2
: :
( 3 + )z = 3 z = 1.
S = f(6 + 3 ; 4 2 ; 1)g :
2 3 2 3
1 4 3 10
5. (i) Sejam A = 4 2 7 2 5 e B = 4 10 5.
1 5
207
2 3
1 4 3 j 10
[A j B ] = 4 2 7 2 j 10 5 !
2L1 +L2 !L2
1 5 j L1 +L3 !L3
2 3 2 3
1 4 3 j 10 1 4 3 j 10
! 4 0 1 8 j 10 5 ! 4 0 1 8 j 10 5.
2L1 +L2 !L2 L2 +L3 !L3
L1 +L3 !L3 0 1 3 j 10 0 0 11 j 20
Se = 11 e = 20 então car A = car [A j B ] = 2 < 3 = no de incógnitas do sistema.

x + 4y + 3z = 10 x = 30 + 29z
,
y 8z = 10 y = 10 8z.
Se = 11 e 6= 20 então car A < car [A j B ]. Logo, o sistema não tem solução (é

| {z } | {z }
=2 =3
impossível). S ; = ?.
Se 6 11 então car A = car [A j B ] = 3 = no de incógnitas do sistema. Logo o

=
sistema é possível e determinado, tendo-se
8 8
< x + 4y + 3z = 10 < x = (30 29 + 250) = ( 11)
y 8z = 10 , y = (10 8 + 50) = ( 11)
: :
( 11) z = 20 z=( 20) = ( 11) .
30 29 + 250 10 8 + 50 20
S ; = ; ; :
11 11 11
2 3 3 2
1 1 0
(ii) Sejam A = 4 1 2 2 1 5 e B = 4 1 5:
1 1 1 +1
2 3
1 1 j 0
[A j B ] = 4 1 2 2 1 j 1 5 !
L1 $L3
1 1 1 +1 j
2 3
1 1 1 +1 j
! 4 1 2 2 1 j 1 5 !
L1 $L3 L1 +L2 !L2
1 1 j 0 L1 +L3 !L3
2 3
1 1 1 +1 j
! 4 0 1 1 j 1 5 !
L1 +L2 !L2 2 ( +1)L2 +L3 !L3
L1 +L3 !L3 0 +1 1 j
208
2 3
1 1 1 +1 j
! 4 0 1 1 j 1 5.
( +1)L2 +L3 !L3
0 0 0 ( 2 1) j 2 +1
1
Se 6= 0 e 6= então car A = car [A j B ] = 3 < 4 = no de incógnitas do sistema.
2
8 8
> +1 ( +1)2
< x y + z + ( + 1) w = < x= 2 +1
1 ( 2 1)
y+z w=1 , +1
y=z 1
: >
: w=
2 +1
( 2 1) w = + 1 + ( 2 1) +1
+ .
( 2 1)
( !)
+1 ( + 1)2 +1 +1
S ; = 1 ;s 1; s; + :
2 +1 ( 2 1) 2 +1 ( 2 1)
Se = 0 e = 1 então car A = car [A j B ] = 2 < 4 = no de incógnitas do sistema.

x y+z+w =1 x=1 w
,
y+z =0 y = z.
A solução geral deste sistema é então dada por S ; = f(1 s; t; t; s) : s; t 2 Rg.
1
Se ( = 0 e 6= 1) ou = então car A < car [A j B ]. Logo, o sistema não tem
2 | {z } | {z }
=2 =3
solução (é impossível). S ; = ?.
6. Usando o método de eliminação de Gauss, tem-se
2 3 2 3 2 3
1 2 3 j 0 1 2 3 j 0 1 2 3 j 0
6 3 2 1 j 4 7 6 0 4 8 j 4 7 6 0 4 8 j 4 7
6 7 ! 6 7! 6 7:
4 1 2 5 j 4 5 3L1 +L2 !L2 4 0 4 8 j 4 5 4 0 0 3 (1 ) j 0 5
L1 +L3 !L3
2 3 j 0 L1 +L4 !L4
0 0 3 (1 ) j 0 0 0 0 j 0
(i) O sistema é possível e determinado se e só se 2 Rn f1g.
x + 2y + 3z = 0 x=z+2
(ii) Para = 1, tem-se o sistema de equações lineares ,
4y 8z = 4 y = 2z 1.
Fazendo z = s, a solução geral do sistema é dada por: S = f(s + 2; 2s 1; s) : s 2 Rg.
209
8
< x=1
7. (i) Por exemplo: y=1
:
z = 1.
(ii) Sejam x = 3t s, y = t + 2s 1ez=s 2t + 1. Logo s = 3t x e assim

y + 2x + 1
y = t + 2 (3t x) 1 = 7t 2x 1,t= :
7
Deste modo:
y + 2x + 1 3y x+3
s=3 x=
7 7
Com
3y x+3 y + 2x + 1
s= e t=
7 7
Tem-se então a seguinte equação linear:
3y x+3 y + 2x + 1
z=s 2t + 1 = 2 + 1.
7 7
Isto é:
5x y + 7z = 8.
(iii) Seja S = f(1 s; s t; 2s; t 1) : s; t 2 Rg.

Sejam x = 1 s, y = s t, z = 2s, w = t 1. Uma vez que s = 1 x e t = w + 1,
tem-se então o seguinte sistema linear não homogéneo
y = 1 x (w + 1) x+y+w =0
,
z = 2 (1 x) 2x + z = 2
1 2 4 2
8. Sendo A = , tem-se (A 5I) u = 0 , u= 0 , u 2 f(s; 2s) : s 2 Rg.
2 4 2 1
Logo
fu 6= 0 : Au = 5ug = f(s; 2s) : s 2 Rn f0gg :
a b a b 1 2 1 2 a b
9. Pretende-se determinar tal que = .
c d c d 3 4 3 4 c d
Tem-se então 8
>
> a + 2c = a + 3b
<
b + 2d = 2a + 4b c = 23 b
,
>
> 3a + 4c = c + 3d d = a + 32 b
:
3b + 4d = 2c + 4d
1 2 a b
As matrizes reais que comutam com são da forma: 3 , com a; b 2 R.
3 4 2
b a + 32 b
210
x 7y = 1 x = 57
10. Sendo x o no de livros e y o no de caixas, tem-se ,
x 8y = 7 y = 8.
A solução geral do sistema é f(57; 8)g.
11. (i) Para que o grá…co da função polinomial p(x) = ax3 + bx2 + cx + d passe pelos
pontos P1 = (0; 10); P2 = (1; 7); P3 = (3; 11) e P4 = (4; 14), é necessário que
8
>
> p(0) = 10
<
p(1) = 7
>
> p(3) = 11
:
p(4) = 14.
O que é equivalente a existir solução para o seguinte sistema de equações lineares nas variáveis
a; b; c e d: 8
>
> d = 10
<
a+b+c+d=7
>
> 27a + 9b + 3c + d = 11
:
64a + 16b + 4c + d = 14.
Ou seja: 8
>
> d = 10
<
a+b+c= 3
> 27a + 9b + 3c = 21
>
:
16a + 4b + c = 6.
Atendendo a que:
2 3 2 3
1 1 1 j 3 1 1 1 j 3
4 27 9 3 j 21 5 ! 4 0 18 24 j 60 5 !
27L1 +L2 !L2 1
L !L2
16 4 1 j 6 16L1 +L3 !L3 0 12 15 j 42 6 2
2 3 2 3
1 1 1 j 3 1 1 1 j 3
1
! 4 0 3 4 j 10 5 ! 4 0 3 4 j 10 5 ;
L !L2 4L2 +L3 !L3
6 2 0 12 15 j 42 0 0 1 j 2
tem-se
8
>
> a=1
<
b= 6
>
> c=2
:
d = 10.
(ii) Para que os pontos P1 = ( 2; 7); P2 = ( 4; 5) e P3 = (4; 3) pertençam à circunfer-

ência de equação x2 + y 2 + ax + by + c = 0; é necessário que
8 2
< ( 2) + 72 + a ( 2) + 7b + c = 0
2
( 4) + 52 + a ( 4) + 5b + c = 0
: 2
4 + ( 3)2 + 4a + b ( 3) + c = 0.
211
O que é equivalente a existir solução para o seguinte sistema de equações lineares nas variáveis
a; b e c: 8
< 2a + 7b + c = 53
4a + 5b + c = 41
:
4a 3b + c = 25.
Atendendo a que:
2 3 2 3
2 7 1 j 53 2 7 1 j 53
4 4 5 1 j 41 5 ! 4 0 9 1 j 65 5 !
2L1 +L2 !L2 11
L +L3 !L3
4 3 1 j 25 2L1 +L3 !L3 0 11 3 j 131 9 2
2 3
2 7 1 j 53
! 4 0 9 1 j 65 5;
11
L +L3 !L3
9 2 0 0 16=9 j 464=9
tem-se
8
< a= 2
b= 4
:
c = 29.
2 3 2 3
1 21 13 1
4
1 2 2 3
6 0 1 1 1 7 6 1 2 3 2 7
12. (i) 6 3 4 5 7 (ii) 6 7
4 0 0 1 1 5 4 2 1 3 4 5
5 6
1
0 0 0 7
3 2 1 4
13. Seja (aij ) 2 M2 2 (R) tal que
aij = 3i + 2j
Como
a12 = 3 1+2 2 = 7 6= 8 = 3 2+2 1 = a21
então A não é simétrica.
2 3 2 3
1 2 3 1 2 3
14. (i) 4 0 1 1 5 ! 4 0 1 1 5.
L1 +L3 !L3
1 2 3 0 0 0
2 3
1 2 3
Assim, sendo A = 4 0 1 1 5, tem-se car A = 2 e nul A = 1. Pivots: 1 e 1.
1 2 3
2 3 2 3 2 3
1 2 3 4 1 2 3 4 1 2 3 4
(ii) 4 5 6 7 8 5 ! 4 0 4 8 12 5 ! 4 0 4 8 12 5.
5L1 +L2 !L2 2L2 +L3 !L3
9 10 11 12 9L1 +L3 !L3 0 8 16 24 0 0 0 0
212
2 3
1 2 3 4
Assim, sendo A = 4 0 4 8 12 5, car A = 2 e nul A = 2. Pivots: 1 e 4.
0 0 0 0
2 3 2 3
0 1 1 1 1 1 1 0
(iii) 4 1 1 1 0 5 ! 4 0 1 1 1 5 !
L1 $L2 L1 +L3 !L3
1 1 2 1 1 1 2 1
2 3 2 3
1 1 1 0 1 1 1 0
! 4 0 1 1 1 5 ! 4 0 1 1 1 5.
L1 +L3 !L3 2L2 +L3 !L3
0 2 1 1 0 0 3 3
2 3
1 1 1 0
Assim, sendo A = 4 0 1 1 1 5, tem-se car A = 3 e nul A = 1. Pivots: 1; 1 e 3.
0 0 3 3
2 3 2 3 2 3
1 3 1 2 1 3 1 2 1 3 1 2
6 0 11 5 3 7 6 0 11 5 3 7 6 0 11 5 3 7
(iv) 6
4 2
7 ! 6 7
5 L2 +L!
6 7.
5 3 1 5 2L1 +L3 !L3 4 0 11 5 3 3 !L3
4 0 0 0 0 5
4L1 +L4 !L4 L2 +L4 !L4
4 1 1 5 0 11 5 3 0 0 0 0
2 3
1 3 1 2
6 0 11 5 3 7
Assim, sendo A = 6
4 2
7, tem-se car A = 2 e nul A = 2. Pivots: 1 e 11.
5 3 1 5
4 1 1 5
2 3 2 3
2 10 6 8 4 2 10 6 8 4
(v) 4 1 5 3 4 2 5 ! 4 0 0 0 0 0 5.
1
L +L2 !L2
2 10 6 8 4 2 1 0 0 0 0 0
L1 +L3 !L3
2 3
2 10 6 8 4
Assim, sendo A = 4 1 5 3 4 2 5, car A = 1 e nul A = 4. Pivot: 2.
2 10 6 8 4
3 2
0 0
(vi) Seja A = 4 0 0 5. car A = 0; nul A = 2. Não existem pivots.
0 0
5 1 2
(vii) Sendo A = , tem-se car A = 2 e nul A = 1. Pivots: 5 e 2.
0 2 0
2 3 2 3 2 3
3 6 9 1 2 3 1 2 3
(viii) 4 2 4 6 5 ! 4 2 4 6 5 ! 4 0 0 0 5.
L1 $L3 2L1 +L2 !L2
1 2 3 3 6 9 3L1 +L3 !L3 0 0 0
213
32
3 6 9
Assim, sendo A = 4 2 4 6 5, tem-se car A = 1 e nul A = 2. Pivot: 1.
1 2 3
2 3 2 3 2 3 2 3
2 1 1 2 1 2 1 2
(ix) 4 2 4 5 ! 4 2 4 5 ! 4 0 0 5 ! 4 0 3 5.
L1 $L3 2L1 +L2 !L2 L1 $L3
1 2 2 1 2L1 +L3 !L3 0 3 0 0
2 3
2 1
Assim, sendo A = 4 2 4 5, car A = 2 e nul A = 0. Pivots: 1e 3.
1 2
2 3 2 3
1 2 1 3 2 1 2 1 3 2
6 1 1 3 2 1 7 6 0 3 2 1 1 7
(x) 6
4 2
7 ! 6 7 !
7 1 9 8 5 L1 +L2 !L2 4 0 3 1 3 4 5 L2 +L3 !L3
2L1 +L3 !L3 L2 +L4 !L4
3 3 2 4 6 3L1 +L4 !L4
0 3 1 5 12
2 3 2 3
1 2 1 3 2 1 2 1 3 2
6 0 3 2 1 1 7 6 0 3 2 1 1 7
! 6 7 ! 6 7.
L2 +L3 !L3 4 0 0 1 2 3 5 3L3 +L4 !L4 4 0 0 1 2 3 5
L2 +L4 !L4
0 0 3 4 11 0 0 0 2 2
2 3
1 2 1 3 2
6 1 1 3 2 1 7
Assim, sendo A = 6
4 2
7, tem-se car A = 4 e nul A = 1. Pivots:
7 1 9 8 5
3 3 2 4 6
1; 3; 1 e 2.
2 3 2 3 2 3
1 0 1 1 0 1 1 0 1
15. (i) 4 1 5 ! 4 0 +1 5 ! 4 0 + 1 5.
L1 +L2 !L2 L2 +L3 !L3
0 1 0 1 0 0
2 3
1 0 1
Seja A = 4 1 5. Se 6= 0 então car A = 3 e nul A = 0.
0 1
Assim, A é invertível se e só se 6= 0, uma vez que é só neste caso que car A = no de

colunas de A .
2 3 2 3
1 0 1 1 0 1
6 0 1 0 0 7 6 0 1 0 0 7
(ii) 6
4 3
7 ! 6 7
5 L2 +L!
0 0 5 3L1 +L3 !L3 4 0 0 +3 3 4 !L4
L1 +L4 !L4
1 1 1 2 0 1 0 2
214
2 3
1 0 1
6 0 1 0 0 7
! 6 7.
L2 +L4 !L4 4 0 0 +3 3 5
0 0 0 2
2 3
1 0 1
6 0 1 0 0 7
Seja A = 6
4 3
7. Se = 2 ou = 3 então car A = 3 e nul A = 1.
0 0 5
1 1 1 2
Se 6= 2 e 6= 3 então car A = 4 e nul A = 0.

2 3
1 1 0
6 1 1 0 7
(iii) 6
4 1 3
7
5 !
1 0 L1 +L2 !L2
2 L1 +L3 !L3
1 1 1 L1 +L4 !L4
2 3
1 1 0
6 0 +1 1 0 7
! 6 7.
L1 +L2 !L2 4 0 0 ( 1) ( + 1) 0 5
L1 +L3 !L3
L1 +L4 !L4
0 0 0 ( 1) ( + 1)
2 3
1 0 1
6 0 1 1 0 7
Seja A = 6
4 1
7. Se = 1 então car A = 2 e nul A = 2.
0 2
1 5
2 0 2 2
Se 6= 0 e 6= 1 e 6= 1 então car A = 4 e nul A = 0.
Assim, A é invertível se e só se 2 Rn f 1; 0; 1g, uma vez que é só neste caso que

2 3 2 3
1 2 1 j 1 0 0 1 2 1 j 1 0 0
16. (i) 4 4 0 6 j 0 1 0 5 ! 4 0 8 2 j 4 1 0 5 3
!
4L1 +L2 !L2 L +L3 !L3
1 8 1 j 0 0 1 L1 +L3 !L3 0 6 0 j 1 0 1 4 2
2 3 2 3
1 2 1 j 1 0 0 1 2 1 j 1 0 0
! 4 0 8 2 j 4 1 0 5 ! 4 0 8 2 j 4 1 0 5 !
3 2 2L3 +L2 !L2
L +L3 !L3 L !L3
4 2 0 0 23 j 4 34 1 3 3 0 0 1 j 8
3
1
2
2
3 L3 +L1 !L1
215
2 11 1 2
3 2 11 1 2
3
1 2 0 j 3 2 3
1 2 0 j 3 2 3
6 j 7 6 j 7
6 7 6 7
! 6 0 8 0 j 4
0 4 7 ! 6 0 1 0 j 1
0 1 7 !
2L3 +L2 !L2 6 3 3 7 1 6 6 6 7 2L2 +L1 !L1
L3 +L1 !L1
4 j 5 L !L2
8 2 4 j 5
8 1 2 8 1 2
0 0 1 j 3 2 3
0 0 1 j 3 2 3
2 1
3 2 1
3
1 0 0 j 4 2
1 2 3 4 2
1
1
6 j 7 1 2 1 6 7
6 7 6 7
! 6 0 1 0 j 1
0 1 7. Logo 4 4 0 6 5 =6 1
0 1 7.
2L2 +L1 !L1 6 6 6 7 6 6 6 7
4 j 5 1 8 1 4 5
8 1 2 8 1 2
0 0 1 j 3 2 3 3 2 3
(ii) Para 6= k ; (k 2 Z)
2
cos sen j 1 0 cos2 cos sen j cos 0

! !
sen cos j 0 1 (cos )L1 !L1 sen2 sen cos j 0 sen L2 +L1 !L1
(sen )L2 !L2
1 0 j cos sen
! !
L2 +L1 !L1 sen2 sen cos j 0 sen ( sen2 )L1 +L2 !L2
1 0 j cos sen
! !
( sen2 )L1 +L2 !L2 0 sen cos j sen2 cos sen (1 sen2 ) sen
1
cos
L2 !L2
1 0 j cos sen
! . Note que sen cos 6= 0 para todo o 6= k ;
sen
1
cos
L2 !L2 0 1 j sen cos 2
(k 2 Z).
1
cos sen cos sen
Logo = , para todo o 6= k ; (k 2 Z)
sen cos sen cos 2
Se = + 2k ; (k 2 Z) ;
2
1 1
cos sen 0 1 0 1 cos sen
= = = .
sen cos 1 0 1 0 sen cos
Se = 2k ; (k 2 Z),
1 1
= = = .
Se = + 2k ; (k 2 Z) ;
1 1
= = = .
216
3
Se = + 2k ; (k 2 Z),
2
1 1
= = = .
Logo, para todo o 2R

1
cos sen cos sen
= .
sen cos sen cos
(iii) Seja k 6= 0.
2 3 2 3
k 0 0 0 j 1 0 0 0 k 0 0 0 j 1 0 0 0
6 1 k 0 0 j 0 1 0 0 7 6 0 k 0 0 j 1
1 0 0 7
6 7 ! 6 k 7 !
4 0 1 k 0 j 0 0 1 0 5 1
L +L2 !L2
4 0 1 1 0 j 0 0 k1 0 5 1
L2 +L3 !L3
k 1 k k2
0 0 1 k j 0 0 0 1 1
L !L3
k 3
0 0 k1 1 j 0 0 0 k1 1
L !L1
k 1
1
L !L4
k 4
2 1
3
1 0 0 0 j k
0 0 0
6 0 k 0 0 j 1
1 0 0 7
! 6 k 7 !
1
L2 +L3 !L3
4 0 0 1 0 j 1 1 1
0 5 1
L +L4 !L4
k2 k3 k2 k k 3
1
L !L1
k 1
0 0 k1 1 j 0 0 0 k1 1
L !L2
k 2
2 1
3
1 0 0 0 j k
0 0 0
6 0 1 0 0 j 1 1
0 0 7
! 6 k2 k 7.
1
L +L4 !L4
4 0 0 1 0 j 1 1 1
0 5
k 3 k3 k2 k
1 1 1 1
1
L !L2
k 2
0 0 0 1 j k4 k3 k2 k
2 3 1 2 1
3
k 0 0 0 k
0 0 0
6 1 k 0 0 7 6 1 1
0 0 7
Logo 6
4 0
7 =6 k2 k 7.
1 k 0 5 4 1
k3
1
k2
1
k
0 5
1 1 1 1
0 0 1 k k4 k3 k2 k
2 5 2 2 8
3 2 3
13 13 13 13
5 2 2 8
6 7 6 7
6 7 6 7
6 2 7 6 2 7 6 2 7 6 2 7
6 13 13 13 13 7 6 7
(iv) 6
6
7=
7
1 6
13 6
7:
7
6 2 6 7 2 7 6 2 6 7 2 7
6 13 13 13 13 7 6 7
4 5 4 5
8 2 2 5
13 13 13 13
8 2 2 5
217
2 3 2 3
5 2 2 8 j 1 0 0 0 2 6 7 2 j 0 0 1 0
6 j 7 6 j 7
6 7 6 7
6 2 7 6 2 j 0 1 0 0 7 6 2 7 6 2 j 0 1 0 0 7
6 7 6 7
6 j 7 ! 6 j 7 !
6 7 L1 $L3 6 7 L1 +L2 !L2
6 2 6 7 2 j 0 0 1 0 7 6 5 2 2 8 j 1 0 0 0 7
6 7 6 7 5
L +L3 !L3
2 1
4 j 5 4 j 5 4L1 +L4 !L4
8 2 2 5 j 0 0 0 1 8 2 2 5 j 0 0 0 1
2 3
2 6 7 2 j 0 0 1 0
6 j 7
6 7
6 0 13 13 0 j 0 1 1 0 7
6 7
! 6 j 7 !
L1 +L2 !L2 6
6 0
7
7 L2 +L3 !L3
5
L +L3 !L3 6
13 392
13 j 1 0 5
2
0 7 2L2 +L4 !L4
2 1
4L1 +L4 !L4
4 j 5
0 26 26 13 j 0 0 4 1
2 3
2 6 7 2 j 0 0 1 0
6 j 7
6 7
6 0 13 13 0 j 0 1 1 0 7
6 7
! 6 j 7 !
L2 +L3 !L3 6
6 13 3
7
7 1
L !L1
2L2 +L4 !L4 6 0 0 2
13 j 1 1 2
0 7
2 1
1
4 5 L !L2
13 2
j 2
L
13 3
!L3
0 0 0 13 j 0 2 2 1 1
L
13 4
!L4
2 7 1
3
1 3 2
1 j 0 0 2
0
6 j 7
6 7
6 0 1 1 0 j 0 1 1
0 7
6 13 13 7
! 6 j 7 !
1 6 7 L4 +L1 !L1
L !L1
2 1 6 0 0 1 2 j 2 2 3
0 7
1
L !L2
6 13 13 13 7 2L4 +L3 !L3
13 2 4 j 5
2
L
13 3
!L3 2 2 1
1 0 0 0 1 j 0 13 13 13
L !L4
13 4
2 7 2 9 1
3
1 3 2
0 j 0 13 26 13
6 j 7
6 7
6 0 1 1 0 j 0 1 1
0 7
6 13 13 7
! 6 j 7 !
L4 +L1 !L1 6
6 2 2 1 2
7
7 L3 +L2 !L2
2L4 +L3 !L3 6 0 0 1 0 j 13 13 13 13 7 7
L +L1 !L1
2 3
4 j 5
2 2 1
0 0 0 1 j 0 13 13 13
2 7 5 8 6
3 2 1 2 2
3
1 3 0 0 j 13 13 13 13
1 0 0 0 j 13 13 13
0
6 j 7 6 j 7
6 7 6 7
6 0 1 0 0 j 2 1 2 2 7 6 0 1 0 0 j 2 1 2 2 7
6 13 13 13 13 7 6 13 13 13 13 7
! 6 j 7 ! 6 j 7.
L3 +L2 !L2 66 0 0 2 2 1 2
7
7 3L2 +L1 !L1 6
6 2 2 1 2
7
7
7
L +L1 !L1 6
1 0 j 13 13 13 13 7 6 0 0 1 0 j 13 13 13 13 7
2 3
4 j 5 4 j 5
2 2 1 2 2 1
0 0 0 1 j 0 13 13 13
0 0 0 1 j 0 13 13 13
218
2 5 2 2 8
3 1 0 2 31 1
13 13 13 13
5 2 2 8
6 7 B 6 7C
6 7 B 6 7C
6 2 7 6 2 7 B 6 2 7 6 2 7C
6 13 13 13 13 7 B1 6 7C
Logo 6
6
7
7 =B 6
B 13 6
7C
7C =
6 2 6 7 2 7 B 6 2 6 7 2 7C
6 13 13 13 13 7 B 6 7C
4 5 @ 4 5A
8 2 2 5
13 13 13 13
8 2 2 5
2 1 2 2
3 2 3
13 13 13
0 1 2 2 0
6 7 6 7
6 7 6 7
6 2 1 2 2 7 6 2 1 2 2 7
6 13 13 13 13 7 6 7
= 13 6
6
7=6
7 6
7.
7
6 2 2 1 2 7 6 2 2 1 2 7
6 13 13 13 13 7 6 7
4 5 4 5
2 2 1
0 13 13 13
0 2 2 1
2 1 1 1
3 2 3
1 2 2 2
2 1 1 1
6 7 6 7
6 7 6 7
6 1
1 0 1 7 6 1 2 0 1 7
6 2 2 7 6 7
(v) 6
6
7=
7
1 6
2 6
7.
7
6 1
0 1 1 7 6 1 0 2 1 7
6 2 2 7 6 7
4 5 4 5
1 1 1
2 2 2
1 1 1 1 2
2 3 2 3
2 1 1 1 j 1 0 0 0 1 1 1 2 j 0 0 0 1
6 j 7 6 j 7
6 7 6 7
6 1 2 0 1 j 0 1 0 0 7 6 1 2 0 1 j 0 1 0 0 7
6 7 6 7
6 j 7 ! 6 j 7 !
6 7 L1 $L4 6 7 L1 +L2 !L2
6 1 0 2 1 j 0 0 1 0 7 6 1 0 2 1 j 0 0 1 0 7
6 7 6 7 L1 +L3 !L3
4 j 5 4 j 5 2L1 +L4 !L4
1 1 1 2 j 0 0 0 1 2 1 1 1 j 1 0 0 0
2 3
1 1 1 2 j 0 0 0 1
6 j 7
6 7
6 0 1 1 1 j 0 1 0 1 7
6 7
! 6 j 7 !
L1 +L2 !L2 6 7 L2 +L3 !L3
6 0 1 1 1 j 0 0 1 1 7
L1 +L3 !L3 6 7 L2 +L4 !L4
2L1 +L4 !L4 4 j 5
0 1 1 3 j 1 0 0 2
2 3
1 1 1 2 j 0 0 0 1
6 j 7
6 7
6 0 1 1 1 j 0 1 0 1 7
6 7
! 6 j 7 !
L2 +L3 !L3 6 7 L3 $L4
6 0 0 0 2 j 0 1 1 2 7
L2 +L4 !L4 6 7
4 j 5
0 0 2 4 j 1 1 0 3
219
2 3
1 1 1 2 j 0 0 0 1
6 j 7
6 7
6 0 1 1 1 j 0 1 0 1 7
6 7
! 6 j 7 !
L3 $L4 6
6 0
7 2L4 +L3 !L3
6 0 2 4 j 1 1 0 3 7
7 1
L +L2 !L2
2 4
4 j 5 L4 +L1 !L1
0 0 0 2 j 0 1 1 2
2 3
1 1 1 0 j 0 1 1 1
6 j 7
6 7
6 0 1 1 0 j 0 1 1
0 7
6 2 2 7
! 6 j 7 !
2L4 +L3 !L3 6 7 1
6 0 0 2 0 j 1 1 2 1 7 L !L3
2 3
1
L +L2 !L2
2 4
6 7 1
L !L4
L4 +L1 !L1
4 j 5 2 4
0 0 0 2 j 0 1 1 2
2 3
1 1 1 0 j 0 1 1 1
6 j 7
6 7
6 0 1 1 0 j 0 1 1
0 7
6 2 2 7
! 6 j 7 !
1 6 7
1 7 L3 +L2 !L2
2
L3 !L3 6 0 0 1 0 j 12 1
1
1
L !L4 4
6 2 2 7 L3 +L1 !L1
2 4
j 5
1 1
0 0 0 1 j 0 2 2
1
2 3 2 3
1 1 0 0 j 21 1
2
0 1
2
1 0 0 0 j 1 21 12 0
6 j 7 6 j 7
6 7 6 7
6 0 1 0 0 j 12 1 1 1 7 6 0 1 0 0 j 12 1 12 12 7
6 2 2 7 6 7
! 6 j 7 6 j 7.
L3 +L2 !L2 6 7 L2 +L!
1 !L1
6 7
6 0 0 1 0 j 12 1
1 1 7 6 0 0 1 0 j 21 12 1 12 7
L3 +L1 !L1 6 2 2 7 6 7
4 j 5 4 j 5
1 1
0 0 0 1 j 0 2 2
1 0 0 0 1 j 0 21 12 1
2 1 1 1
3 1 0 2 31 1
1 2 2 2
2 1 1 1
6 7 B 6 7C
6 7 B 6 7C
6 1
1 0 1 7 B 6 1 2 0 1 7C
6 2 2 7 B1 6 7C
Logo 6
6
7
7 =B 6
B2 6
7C
7C =
6 1
0 1 1 7 B 6 1 0 2 1 7C
6 2 2 7 B 6 7C
4 5 @ 4 5A
1 1 1
2 2 2
1 1 1 1 2
2 1 1
3 2 3
1 2 2
0 2 1 1 0
6 7 6 7
6 7 6 7
6 1
1 1 1 7 6 1 2 1 1 7
6 2 2 2 7 6 7
= 26
6
7=
7
6
6
7.
7
6 1 1
1 1 7 6 1 1 2 1 7
6 2 2 2 7 6 7
4 5 4 5
1 1
0 2 2
1 0 1 1 2
220
17.
T
I AT B = B 2 , A = I B 2 B 1 =
" ! #
2 1 T
1 0 1 0 1 0 0 2
= = :
0 1 1 1 1 1 0 0
18.
T
1 2 3 0 1 1 2 3 1 2
A I= ,A = ,
1 2 2 0 1 2 1 1
1
2 3 1 2 1 1
,A= = :
1 2 1 1 1 0
2 3 2 3
1 0 1 0 1 0 1 0
6 1 2
+ 7 6 0 1 7
19. (i) e (ii) A ; =6
4 0 1
7 ! 6
5 L2 $L3 4 1 2
7
5 !
+ L1 +L3 !L3
2 2 L1 +L4 !L4
1 + + 1 + +
2 3 2 3
1 0 1 0 1 0 1 0
6 0 1 7 6 0 1 7
! 6 7 ! 6 7 !
L1 +L3 !L3 4 0 2
+ +1 5 L2 +L3 !L3 4 0 0 +1 0 5 L3 +L4 !L4
L1 +L4 !L4 2 L2 +L4 !L4
0 + +1 + 0 0 +1
2 3
1 0 1 0
6 0 1 7
! 6 7.
L3 +L4 !L4 4 0 0 +1 0 5
0 0 0
Se = 1e = 0 então car A = 2 e nul A = 2.
Se ( = 1e 6= 0) ou ( 6= 1e = 0) então car A = 3 e nul A = 1.
Se 6= 1e 6= 0 então car A = 4 e nul A = 0.
Assim, A ; é invertível se e só se 6= 1 e 6= 0, uma vez que é só neste caso que

car A ; = no de colunas de A ; .
20. (i) Tem-se
2 3 2 3
1 0 2 1 0 2
6 2 2
4 7 6 0 ( 2) 0 7
A =6
4 4 0
7 ! 6 7:
3
8 5 2L1 +L2 !L2 4 0 0 (2 ) (2 + ) 0 5
2 2 4L1 +L3 !L3
0 L1 +L4 !L4
0 0 0 ( 2)
Logo, como car A + nul A = 4,

se = 0 então car A = 1 e nul A = 3;
221
se 6= 0 e 6= 2 e 6= 2 então car A = 4 e nul A = 0.
Assim, A é invertível se e só se 2 Rn f 2; 0; 2g, uma vez que é só nestes casos que
(ii) A1 j I =
2 3 2 3
1 0 1 2 j 1 0 0 0 1 0 1 2 j 1 0 0 0
6 2 1 1 4 j 0 1 0 0 7 6 0 1 1 0 j 2 1 0 0 7
=6
4 4
7 ! 6 7 !
0 1 8 j 0 0 1 0 5 2L1 +L2 !L2 4 0 0 3 0 j 4 0 1 0 5 2L4 +L1 !L1
4L1 +L3 !L3 1
1 0 1 1 j 0 0 0 1 L1 +L4 !L4
0 0 0 1 j 1 0 0 1 L +L1 !L1
3 3
1
L +L2 !L2
3 3
2 7 1
3 2 7 1
3
1 0 0 0 j 3
0 3
2 1 0 0 0 j 3
0 3
2
6 0 1 0 0 j 2
1 1
0 7 6 0 1 0 0 j 2
1 1
0 7
! 6 3 3 7 ! 6 3 3 7
2L4 +L1 !L1 4 0 0 3 0 j 4 0 1 0 5 L4 !L4 4 0 0 1 0 j 4
0 1
0 5
3 3
1 1
L +L1 !L1
3 3 0 0 0 1 j 1 0 0 1 L !L3
3 3 0 0 0 1 j 1 0 0 1
1
L +L2 !L2
3 3
Logo 2 3
7 1
3
0 3
2
6 2
1 1
0 7
(A1 ) 1
=6
4
3 3 7:
4
3
0 1
3
0 5
1 0 0 1
21. 2 3 2 3
1 0 1 1 0 1
6 0 1 1 0 7 6 0 1 1 0 7
A =6
4 1
7 ! 6 7:
0 2
1 5 L1 +L3 !L3 4 0 0 1 2
1 5
2 0 2 2 2L1 +L4 !L4 0 0 0 2 2
a) Se = 1 então car A = 2: Se = 1 então car A = 3. Se 6= 1 e 6= 1 então
car A = 4. Por outro lado, tem-se:
car A + nul A = 4 ( = no de colunas de A ).
Logo, se = 1 então nul A = 2; se = 1 então nul A = 1; se 6= 1 e 6= 1 então

nul A = 0.
b) Como A é quadrada, A é invertível se e só se car A = 4 (= no de colunas de A ).

Assim, A é invertível se e só se 2 Rn f 1; 1g.
c) Para = 1, tem-se:
2 3 2 3
1 0 1 1 1 0 1 1
6 0 1 1 0 77 6 0 1 1 0 7
A1 = 6
4 1 !6 7 = U0.
0 1 1 5 4 0 0 0 0 5
2 0 2 2 0 0 0 0
222
2 3 2 32 3 23
x1 1 0 1 1 x1 0
6 x2 7 6 0 1 1 0 7 6 x2 7 6 0 7
Seja X = 6 7 6
4 x3 5. Tem-se A1 X = 0 , 4 0
76 7=6 7 (Método
0 0 0 5 4 x3 5 4 0 5
x4 0 0 0 0 x4 0
de eliminação de Gauss).
8
< x1 + x3 + x4 = 0
x1 = x3 + x4
, ,
: x2 = x3 .
x2 x3 = 0
Logo, fazendo x3 = s e x4 = t, a solução geral do sistema é dada por
S = f(s + t; s; s; t) : s; t 2 Rg :
23
x1
6 x2 7
d) Seja X = 6 7
4 x3 5. Tem-se
x4
2 32 3 32
1 0 1 1 x1 1
6 0 1 1 7 6
0 7 6 x2 7 6 0 7
A1 X = B , 6
4 1
7=6 7
5 4 1 5:
0 1 1 5 4 x3
2 0 2 2 x4 2
A solução geral de A1 X = B é dada por:

(Solução particular de A1 X = B) + (Solução geral de A1 X = 0).
O elemento (0; 0; 0; 1) é uma solução particular de A1 X = B. Logo, atendendo à alínea
c), a solução geral de A1 X = B é dada por:
f(0; 0; 0; 1)g + f(s + t; s; s; t) : s; t 2 Rg = f(0; 0; 0; 1) + s(1; 1; 1; 0) + t(1; 0; 0; 1) : s; t 2 Rg .
Obs. Esta alínea podia ter sido resolvida directamente sem usar c).
2 3 2 3
1 00 0 1 0 0 0
6 0 10 7 0 6 0 1 0 0 7
e) Seja = 2. Com E13 (1) = 6
4 1
7e E14 (2) = 6 7 tem-se
00 5 1 4 0 0 1 0 5
0 01 0 2 0 0 1
2 3
1 0 1 2
6 0 1 1 0 7
E14 (2)E13 (1)A2 = 6
4 0
7.
0 3 1 5
0 0 0 2
Logo,
2 3 2 3
1 0 0 0 1 0 1 2
6 0 1 0 0 7 6 0 1 1 0 7
A2 = LU , com L = (E13 (1)) 1
(E14 (2)) 1
=6
4 1
7 e U =6 7
1 5.
0 1 0 5 4 0 0 1 3
2 0 0 1 0 0 0 1
223
Resolução da 1a Ficha de exercícios teóricos
1. (i) Sejam A = (aij )m n, B = (bij )n p e C = (cij )p q .
P
p P
n p P
P n P
n P
p
(AB) C = aik bkl clj = aik bkl clj = aik bkl clj =
l=1 k=1 l=1 k=1 k=1 l=1
P
n P
p
= aik bkl clj = A (BC)
k=1 l=1
(ii) Sejam A = (aij )m n, B = (bij )n p e C = (cij )n p .
P
n P
n
A (B + C) = aik (bkj + ckj ) = aik bkj + aik ckj =
k=1 k=1
P
n P
n
= aik bkj + aik ckj = AB + AC
k=1 k=1
(iii) Sejam A = (aij )m n e B = (bij )n p .
!T !T !
T
X
n X
n X
n
(AB) = aik bkj = bkj aik = bki ajk = B T AT :
k=1 k=1 k=1
2. Seja A 2 Mm n (R) tal que AT A = 0. Então AT A (i;i)

= 0, para todo o i = 1; :::; n.
Como !
X
n
AT A (i;i) = (aik )2
k=1
tem-se ai1 = ::: = ain = 0, para todo o i = 1; :::; n. Logo A = 0.
3. Para todo o n 2 N, (prova-se por indução)

8
>
> k+1 0 1
n < ( 1) , se n = 2k 1, k = 1; 2; 3:::
0 1 1 0
(i) =
1 0 >
>
:
( 1)k I, se n = 2k, k = 1; 2; 3:::.
n
1 0 1 0
(ii) = .
2 1 2n 1
224
2 3n 2 3 2 n(n 1)
3
1 1 0 1 n 1+ +n 1 1 n 2
4
(iii) 0 1 1 5 4
= 0 1 n 5=4 0 1 n 5.
0 0 1 0 0 1 0 0 1
Note que
1+ + (n 1) + (n 1) + +1=
= 1 + (n 1) + + (n 1) + 1 = n
| + {z + n}
| {z }
n 1 parcelas n 1 parcelas
n (n 1)
= (n 1) n , 1 + + (n 1) = .
2
2 3n 2 3
0 1 0 0 0 0 0 0
6 0 0 1 7
0 7 6 0 0 0 0 7
(iv) 6
4 0 5 =6
4
7, para todo o natural n 4.
0 0 1 0 0 0 0 5
0 0 0 0 0 0 0 0
2 32 2 3 2 33 2 3
0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 1
6 0 0 1 0 7 6 0 0 1 0 7 6 0 0 1 0 7 6 0 0 0 0 7
6 7 =6 7, 6 7 =6 7.
4 0 0 0 1 5 4 0 0 0 1 5 4 0 0 0 1 5 4 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
n
cos sen cos(n ) sen(n )
(v) = ; (com 2 R).
sen cos sen(n ) cos(n )
a b
4. Seja A = uma matriz 2 2 ortogonal, isto é, tal que AAT = AT A = I.
c d
Tem-se
T
T a b a b
AA = I , =I,
c d c d
8 2
2 2 < a + b2 = 1
a + b ac + bd 1 0
, = , ac + bd = 0
ac + bd c2 + d2 0 1 : 2
c + d2 = 1
e
T
T a b a b
A A=I, =I,
c d c d
8 2
2 2 < a + c2 = 1
a + c ab + cd 1 0
, = , ab + cd = 0
ab + cd b2 + d2 0 1 : 2
b + d2 = 1.
Logo c = b.
Se c = b tem-se b (a + d) = 0 , (b = 0 ou a = d).
Se c = b tem-se b (a d) = 0 , (b = 0 ou a = d).
225
Deste modo
a b a b
A= ou A= .
b a b a
Por outro lado, a2 + b2 = 1 , (a = cos e b = sen , para algum 2 R). Logo
cos sen cos sen

A= ou A = ; ( 2 R):
sen cos sen cos
5.
A2 = (AB) (AB) = A (BA) B = ABB = AB = A:
B 2 = (BA) (BA) = B (AB) A = BAA = BA = B:
6.
A2 = A (BAB) = (ABA) B = B 2 .
7. (i) A e B do tipo n n; (A + B)(A B) = A2 + BA AB B2:
(ii) A do tipo m n e B do tipo n m, (AB)2 = ABAB:
(iii) A e B do tipo n n; (A + B)2 = A2 + BA + AB + B 2 :
8. (i) Falsa:
1 0 0 0
=0 mas A 6= 0 e B 6= 0.
2 0 3 4
No caso de A ser invertível, a seguinte condição é verdadeira:
AB = 0 ) (A = 0 ou B = 0)
uma vez que AB = 0 , B = 0.

A é invertível
(ii) Falsa:
1 2 0 0 1 2 2 2 0 0 2 2
= mas 6= .
1 2 1 1 1 2 0 0 1 1 0 0
No caso de A ser invertível, a seguinte condição é verdadeira:
AB = AC ) B = C
uma vez que

1 1
AB = AC , A (AB) = A (AC) ,
A é invertível
, A 1 A B = A 1 A C , IB = IC , B = C:
226
9. (i) B T AB é simétrica:
(B T AB)T = B T AT (B T )T = B T AB;
pois A = AT (A é simétrica) e (B T )T = B:
(ii) Se A é normal (isto é AH A = AAH ) e B é unitária (isto é B H B = BB H = I) então

H H
BAB H BAB H = BAB H B H AH B H = BA B H B AH B H =
H
= BAAH B H = BAH AB H = BAH B H BAB H = BAB H BAB H
ou seja, BAB H é normal.
(iii) Como
T T T T
BT B = BT BT = BT B e BB T = BT B T = BB T
as matrizes B T B e BB T são simétricas.

Além disso, como
H H H H
BH B = BH BH = BH B e BB H = BH B H = BB H
B H B e BB H são matrizes hermitianas.
10. (i) Seja A = (aij ) do tipo n n tal que AT = A: Assim, em relação às respectivas
diagonais principais tem-se:
aii = aii
e logo aii = 0; para todo o i 2 N:
(ii) Seja A = (aij ) do tipo n n. A matriz A AT é anti-simétrica pois:
(A AT )T = AT A= (A AT ):
(iii) Escrevendo A = 21 (A + AT ) + 12 (A AT ), a matriz A pode ser decomposta pela

soma de uma matriz simétrica com uma anti-simétrica. Esta decomposição é única: Sejam
A1 simétrica e A2 anti-simétrica tais que A = A1 + A2 : Logo,
AT = (A1 + A2 )T = A1 A2 :
Pelo que A + AT = 2A1 e A AT = 2A2 : Assim,

1 1
A1 = (A + AT ) e A2 = (A AT ):
2 2
227
a b
11. Seja X = uma matriz do tipo 2 2 tal que X 2 = I.
c d
a b a b a2 + bc ab + bd
X2 = =
c d c d ac + cd bc + d2
Logo, 8 2
>
> a + bc = 1
>
>
>
>
>
>
< ab + bd = 0
X2 = I ,
>
>
>
> ac + cd = 0
>
>
>
>
:
bc + d2 = 1.
Se b = 0, então a = 1ed= 1 e (c = 0 ou a = d). Logo,
1 0
X = I ou X = I ou X = .
c 1
Se c = 0 então a = 1ed= 1 e (b = 0 ou a = d). Logo,
1 b
X = I ou X = I ou X = .
0 1
1 a2
Se b 6= 0 e c 6= 0 então a = dec= b
. Logo,
a b
X= 1 a2 .
b
a
Logo, todas as matrizes X que satisfazem X 2 = I são:
1 0 1 b a b
I; ; ; 1 a2 .
c 1 0 1 b
a
Observe assim que a equação matricial X 2 = I tem um número in…nito de soluções em
contraste com a equação escalar x2 = 1 que tem apenas duas soluções (1 e 1).
x11 x12
12. Seja X = tal que
x21 x22
XA = AX;
a b
para todo o A = 2 M2 2 (R). Tem-se então:
c d
8
>
> x11 a + x12 c = ax11 + bx21 8
>
>
>
> >
> x12 c = bx21
>
> >
>
< x21 a + x22 c = cx11 + dx21 <
XA = AX , , x21 (a d) = c(x22 x11 )
>
> >
>
>
> x11 b + x12 d = ax12 + bx22 >
>
>
> :
>
> (x11 x22 )b = (d a)x12 .
:
x21 b + x22 d = cx12 + dx22 .
228
Se a = 1 e b = c = d = 0, então x21 = x12 = 0.
Se b = 1 e a = c = d = 0, então x21 = 0 e x11 = x22 .
Se c = 1 e a = b = d = 0, então x12 = 0 e x11 = x22 .
Se d = 1 e a = b = c = 0, então x21 = x12 = 0.
Logo, a matriz X tal que XA = AX; para todo o A 2 M2 2 (R), é dada por:
0
X= , com 2 R.
0
13. Sendo A uma matriz do tipo m n, seja N (A) = fX : AX = 0g.
(i) Sendo A e B matrizes de tipos apropriados, seja u 2 N (B). Logo Bu = 0, pelo que
(AB) u = A (Bu) = A0 = 0
e assim u 2 N (AB). Deste modo, tem-se
N (B) N (AB) :
(ii) Sejam A e B matrizes de tipos apropriados com A invertível. Seja u 2 N (AB).

Logo ABu = 0, pelo que
A (Bu) = (AB) u = 0 ,Bu = A 1 0 = 0
e assim u 2 N (B). Deste modo, tem-se N (AB) N (B). Assim e atendendo à alínea
anterior, tem-se
N (AB) = N (B) .
(iii) Atendendo à alínea anterior N (A) N AT A . 23

v1
6 7
Vejamos que N AT A N (A). Seja u 2 N AT A e Au = 4 ... 5 2 Rn . Logo
vn
AT Au = AT A u = 0
e assim
23
Xn v 1
6 7
uT AT Au = 0 , (Au)T (Au) = 0 , (vi )2 = 0 , Au = 4 ... 5 = 0
i=1 vn
pelo que u 2 N (A).

Logo
N (A) = N AT A .
(iv) Sejam A e B matrizes do tipo m n com m < n tais que AB T é invertível. Como
f0g =
6 N (A) N BT A
m<n
229
então B T A não é invertível.
Se alguma linha de B pertencesse a N (A) isso seria equivalente a alguma coluna de B T
pertencer a N (A), ou seja, à matriz AB T ter alguma coluna nula, o que contradiria o facto
de AB T ser invertível.
(v) Seja A 2 Mm n (R) tal que para todo o B 2 Rm o sistema AX = B é possível, então
car A = m. Assim AAT (do tipo m m) é invertível e por (ii)
N AT = N AAT = f0g .
14. (i) Seja A = (aij )n n 2 Mn n (R) tal que Au = 0 para qualquer u 2 Mn 1 (R).
1 se i = j
Para cada j 2 f1; :::; ng …xo, seja ej = ( ij )n 1 2 Mn 1 (R) em que ij =
0 se i 6= j.
Como
Aej = 0
para todo o j 2 f1; :::; ng e por outro lado
2 3
a1j
6 7
Aej = 4 ... 5
anj
2
3 2 3
a1j 0
6 .. 7 6 .. 7
para todo o j 2 f1; :::; ng, então 4 . 5 = 4 . 5 para todo o j 2 f1; :::; ng pelo que A = 0.
anj 0
(ii) Resolução análoga à da alínea anterior com A B em vez de A.
15. Sendo A; B 2 Mn 1 (R)

2 3 2 3
a1 b1
6 a2 7 6 b2 7
6 7 6 7
A=6 .. 7 B=6 .. 7
4 . 5 4 . 5
an bn
e assim 2 3 2 3
a1 a1 b 1 a1 b 2 a1 b n
6 a2 7 6 a2 b1 a2 b2 a2 b n 7
6 7 6 7
AB T = 6 .. 7 b1 b2 bn =6 .. .. .. .. 7:
4 . 5 4 . . . . 5
an an b1 an b2 an b n
Como A e B são matrizes não nulas, existe i 2 f1; :::; ng tal que ai 6= 0 e existe j 2
f1; :::; ng tal que bj 6= 0, tendo-se
230
2 3
a1 b 1 a1 b j a1 b n
6 .. ... .. .. 7
6 . . . 7
T 6 7
AB = 6 ai b1 ai b j ai b n 7 .
6 . .. ... .. 7
4 .. . . 5
an b 1 an b j an b n
Aplicando sucessivamente a operação elementar
ak
Li + L k ! L k
ai
para todo o k = 1; :::; n com k 6= i, tem-se
2 3
0 0 0
6 . . . .. .. .. .. 7 2 3
6 . . . . 7 ai b 1 ai b j ai b n
6 7
6 0 0 0 7 6 0 0 0 7
6 7 6 7
6 i 1
a b a i bj ai b n 7 ! 6 .. .. .. .. .. 7
6 7 L $L 4 . . . . . 5
6 0 0 0 7 i 1
6 . . .. .. .. 7 0 0 0
4 .. .. . . . 5
0 0 0
com ai bj 6= 0, isto é,
car(AB T ) = 1:
16. Seja A uma matriz do tipo m n tal que car A = m < n. Então existe uma
matriz invertível R, m m, produto de matrizes elementares (por aplicação do método de
eliminação de Gauss) tal que
RA = I B
onde I é a matriz identidade m m e B é uma matriz do tipo m (n m). Aplicando o
método de eliminação de Gauss agora às colunas de RA, existe uma matriz invertível Q do
tipo n n; (produto de matrizes elementares), tal que
RAQ = I 0
onde 0 é a matriz nula. Sendo Q1 a matriz do tipo n m que se obtém de Q considerando

apenas as primeiras m colunas, tem-se
RAQ1 = I.
Pelo que AQ1 é invertível tendo-se

AQ1 R = I.
Logo existe B = Q1 R do tipo n m tal que AB = I.
17. Atendendo a que as matrizes envolvidas são quadradas e a que (A + I) (I B) =

A AB + I B = I, então A + I e I B são matrizes invertíveis. Assim (A + I) (I B) =
(I B) (A + I) o que é equivalente a A + I B AB = A + I B BA ou seja a AB = BA.
231
18. Sejam A e B matrizes do tipo n n.
(i) Se A fôr invertível então

1 1
AB = ABI = AB AA = A (BA) A
isto é, existe S = A invertível tal que

1
AB = S (BA) S
ou seja, AB e BA são semelhantes. Analogamente, se B fôr invertível então AB e BA são

semelhantes.
(ii) Sendo A e B semelhantes existe S invertível tal que

1
A = SBS ,
ou seja
1 1
S A = BS .
Então
1 1 1
X 2 N (A) , AX = 0 , S AX = 0 , BS X=0,S X 2 N (B) :
19. Seja A do tipo n n.
(i) Se A fôr invertível tem-se A 1 A = AA 1

= I: Logo A 1
é invertível e (A 1 ) 1
= A:
(ii) Se A fôr invertível tem-se A 1 A = AA 1 = I: Logo (A 1 A)T = (AA 1 )T = I T : Pelo

que
AT (A 1 )T = (A 1 )T AT = I:
Isto é, AT é invertível e (AT ) 1
= (A 1 )T
(iii) Se A fôr invertível e simétrica tem-se A 1 A = AA 1

= I e A = AT : Logo
(A 1 A)T = (AA 1 )T = I T ;
e assim
AT (A 1 )T = (A 1 )T AT = I:
Pelo que, como A é simétrica, tem-se A(A 1 )T = I: Logo (A 1 )T = A 1 : Isto é, A 1
é
simétrica.
20. (i) Por exemplo I e I são invertíveis no entanto I + ( I) = 0 não é invertível.
(ii) Como por hipótese A; B e A + B são invertíveis tem-se

1 1 1
A(A+B) 1 B = A B 1 (A + B) = A B 1A + I = B 1A + I A 1
= (A 1 +B 1 ) 1 .
232
1 1
Deste modo A +B é invertível e
1
(A + B 1) 1
= A(A + B) 1 B = B(A + B) 1 A.
21. Seja A 2 Mn n (R) tal que A2 = A (a matriz A diz-se neste caso idempotente).
(i) Como
(I A)2 = (I A) (I A) = I 2A + A2 = I 2A + A = I A
então I A é idempotente.
(ii) Como
(2A I) (2A I) = 4A2 4A + I = 4A 4A + I = I
então 2A I é invertível e
1
(2A I) = 2A I:
(iii) Se car A = n então A é invertível pelo que
A2 = A , A 1
A2 = A 1 A , A = I:
22.
A BA2 = A (BA) A = A IA = 0;
uma vez que B é a matriz inversa de A.
23.
2
1 1 1 1
(I + A) (I + A) ,
= I + A2 + A + A = (I + A) ,
2 2 4 2
1 1 1 1 1 1
, I + A2 + A + A = I + A , A2 = I.
4 4 4 4 2 2
24. Sendo A = (aij )n n uma matriz invertível e B = (bij )n n a inversa da A, tem-se,

para k 6= 0:
! !
X
n X
n
k i j aij k i j bij = k i l ail k l j blj = ki j
ail blj = I.
l=1 l=1
Logo a matriz (k i j aij ) é invertível e a sua inversa é a matriz (k i j bij ).
a b
25. Seja A = do tipo 2 2. Suponhamos que a 6= 0, c 6= 0 e ad bc 6= 0. Logo,
c d
tem-se:
a b j 1 0 ac bc j c 0
A= ! !
c d j 0 1 cL1 !L1 ac ad j 0 a L1 +L2 !L2
aL2 !L2
233
ac bc j c 0
! !
0 ad bc j c a bc
L +L1 !L2
ad bc 2
acd acb
ac 0 j ad bc ad bc
! !
0 ad bc j c a 1
L !L1
ac 1
1
L !L2
ad bc 2
d b
1 0 j ad bc ad bc
! c a .
0 1 j ad bc ad bc
Logo,
1 1 d b
A = .
ad bc c a
Se a = 0 e c = 0, então A não é invertível.
Se a = 0 e c 6= 0, então b 6= 0, caso contrário A não seria invertível. Neste caso, com
a = 0, c 6= 0, b 6= 0 e ad bc 6= 0 tem-se:
0 b j 1 0 c d j 0 1
A= ! !
c d j 0 1 L1 !L2 0 b j 1 0 1
L !L1
c 1
1
L !L2
b 2
d 1
1 dc j 0 1c 1 0 j bc c
! ! =
0 1 j 1b 0 d
L +L1 !L1
c 2
0 1 j 1
b
0
d b d b
1 0 j bc bc
1 0 j ad bc ad bc
= c = c a .
0 1 j bc
0 0 1 j ad bc ad bc
Se a 6= 0 e c = 0 seria análogo. Logo, A é invertível se e só se ad bc 6= 0 e
1 1 d b
A = .
ad bc c a
Nota: O exo foi feito apenas com o recurso ao método de Gauss-Jordan. Poderia ter
sido efectuada outra resolução atendendo à fórmula de inversão de matrizes:
1 1
A = (cof A)T .
jAj
a b
Observe que ad bc = jAj, com A = do tipo 2 2.
c d
26. A matriz 2 3
k1 0 0
6 . . . .. 7
6 0 k2 . 7
6 .. .. .. 7
4 . . . 0 5
0 0 kn
é invertível se só se k1 6= 0; k2 6= 0; : : : ; kn 6= 0, e a sua inversa é dada por:
2 3 1 2 1
3
k1 0 0 k1
0 0
6 . . . .. 7 6 .. . 7
6 0 k2 . 7 6
6 0 k12 . .. 7
7.
6 . . 7 = 6 .. . . 7
4 .. .. ... 0 5 4 . .
..
. 0 5
0 0 kn 0 0 k1n
234
27. Sejam A = (aij ); B = (bij ) 2 Mn n (R) e um escalar.
(i)
X
n X
n X
n
tr(A + B) = tr(aij + bij ) = (aii + bii ) = aii + bii = tr(A) + tr(B):
i=1 i=1 i=1
(ii)
X
n X
n
tr( A) = tr( aij ) = aii = aii = tr(A):
i=1 i=1
(iii)
X
n
T
tr(A ) = tr (aji ) = aii = tr (aij ) = tr(A):
i=1
(iv)
! ! ! !
X
n X
n X
n X
n X
n X
n
tr(AB) = tr aik bkj = aik bki = bki aik = tr bki ail = tr(BA).
k=1 i=1 k=1 k=1 i=1 i=1
28. Seja A 2 Mn n (R). Não pode existir X 2 Mn n (R) tal que AX XA = I; uma
vez que nesse caso teríamos tr (AX XA) = tr I e
tr (AX XA) = tr (AX) tr (XA) = tr (AX) tr (AX) = 0 6= 1 = tr I
29. Sejam A e B matrizes do tipo n n tais que A é simétrica e B é anti-simétrica.
tr(AB) = tr (AB)T = tr B T AT = tr ( BA) = tr (BA) = tr(AB):
tr(AB) = tr(AB) , tr(AB) = 0:
30. Seja A = (aij ) 2 Mm (R). Tem-sen

!
Xn X
n X
n X
n X
n
T
tr(A A) = tr aki akj = aki aki = a2ki .
k=1 i=1 k=1 i=1 k=1
Logo
tr(AT A) = 0 , A = 0:
31. Sejam u; v 2 Mn 1 (R) tais que uT v 6= 1. Seja
A = I + uv T .
235
Tem-se
1
I uv T I + uv T =
1 + uT v
1 1
= I + uv T uv T uv T uv T =
1 + uT v 1 + uT v
1 1
= I + uv T uv T u vT u vT =
1 + uT v 1 + uT v
1 vT u
= I + uv T T
uv T T
uv T =
1+u v 1+u v v T u=uT v
1 uT v
= I + uv T + uv T =
1 + uT v 1 + uT v
= I + uv T uv T = I.
Logo A é invertível e
1 1
A =I T
uv T .
1+u v
Sendo u; v 2 Mn 1 (R) 2 3 2 3
u1 v1
6 u2 7 6 v2 7
6 7 6 7
u=6 .. 7 v=6 .. 7
4 . 5 4 . 5
un vn
tem-se 2 3
v1
6 v2 7
T 6 7
u v= u1 u 2 un 6 .. 7 = [u1 v1 + u2 v2 + + un ]
4 . 5
vn
e 2 02 3 13
u1
6 B6 u2 7 C7
6 B6 7 C7
tr uv T = 6tr B6 .. 7 v1 v2 v n C7 =
4 @4 . 5 A5
un
2 2 33
u1 v 1 u1 v 2 u1 vn
6 6 u2 v 1 u2 v 2 u2 vn 77
6 6 77
= 6tr 6 .. .. .. .. 77 = [u1 v1 + u2 v2 + + un ] :
4 4 . . . . 55
un v 1 un v 2 un vn
Logo
uT v = tr uv T .
236
1. (i) Seja U = f(x; y) 2 R2 : x 0g. Por exemplo:
(1; 1) 2 U , mas ( 1)(1; 1) = ( 1; 1) 2

= U.
Logo, U não é subespaço de R2 .
(ii) Seja U = f(x; y) 2 R2 : xy = 0g. Por exemplo:
(1; 0); (0; 1) 2 U , mas (1; 0) + (0; 1) = (1; 1) 2

= U.
(iii) Seja U = f(x; y) 2 R2 : y = x2 g. Por exemplo:
(1; 1) 2 U , mas 2(1; 1) = (2; 2) 2

= U.
(iv) Seja U = f(x; y) 2 R2 : x + y = g. Por exemplo:
(0; 0) 2
= U.
(v) Seja U = f(x; y) 2 R2 : x 2 N0 e y 2 Rg. Por exemplo:
1 1 1
(1; 1) 2 U , mas (1; 1) = ; 2
= U.
2 2 2
(vi) Seja U = f(x; y) 2 R2 : x2 + y 2 2

g. Por exemplo:
(1; 1) 2 U , mas 3(1; 1) = (3; 3) 2

= U.
(vii) Seja U = f(x; y) 2 R2 : xy 0g. Por exemplo:
( 1; 0); (0; 1) 2 U , mas ( 1; 0) + (0; 1) = ( 1; 1) 2

= U.
237
2. Atendendo às respectivas dimensões, os seguintes subespaços de R2 , com as operações
usuais, são todos os subespaços de R2 .
(i) f(0; 0)g é subespaço de R2 .
(ii) Seja Vk = f(x; kx) : x 2 Rg com k 2 R (…xo). Vk 6= ? pois (0; 0) 2 Vk .
Sejam (x1 ; kx1 ); (x2 ; kx2 ) 2 Vk e 2 R. Tem-se
(x1 ; kx1 ) + (x2 ; kx2 ) = (x1 + x2 ; k (x1 + x2 )) 2 Vk
e, com (x; kx) 2 Vk ,

(x; kx) = ( x; k ( x)) 2 Vk .
Logo, para todo o k 2 R, Vk é subespaço de R2 .
Em alternativa, uma vez que
Vk = L (f(1; k)g) ,
para todo o k 2 R, conclui-se que Vk é subespaço de R2 (para todo o k 2 R).
(iii) Seja
U = f(0; a) : a 2 Rg :
U 6= ? pois (0; 0) 2 U . Sejam (0; a1 ) ; (0; a2 ) 2 U e 2 R. Tem-se
(0; a1 ) + (0; a2 ) = (0; a1 + a2 ) 2 U
e, com (0; a) 2 U ,
(0; a) = (0; a) 2 U .
Logo, U é subespaço de R2 .
Em alternativa, uma vez que
U = L (f(0; 1)g) ,
conclui-se que U é subespaço de R2 .
(iv) R2 é subespaço de R2 .
3. Uk é subespaço de R3 se e só se k = 0.
4. (i) Seja U = f(x; y; z) 2 R3 : z = 2g : Ora (0; 0; 0) 2

= U . Logo, U não é subespaço de
R3 .
(ii) Seja U = f(x; y; z) 2 R3 : x + y z = 0g. Tem-se
U = f(x; y; x + y) : x; y 2 Rg .
238
Uma vez que
(x; y; x + y) = (x; 0; x) + (0; y; y) = x(1; 0; 1) + y(0; 1; 1),
para quaisquer x; y 2 R, tem-se:
U = L (f(1; 0; 1); (0; 1; 1)g) .
Logo, U é subespaço de R3 . O conjunto f(1; 0; 1); (0; 1; 1)g gera o subespaço U .

U = N (A) é subespaço de R3 , com A = 1 1 1 :
(iii) Seja U = f(x; y; z) 2 R3 : x > 0g. Ora (0; 0; 0) 2

= U . Logo, U não é subespaço de
R3 .
(iv) Seja U = f(0; 0; z) : z 2 Rg. Uma vez que (0; 0; z) = z(0; 0; 1), para qualquer z 2 R,
tem-se:
U = L (f(0; 0; 1)g) .
Logo, U é subespaço de R3 . O conjunto f(0; 0; 1)g gera o subespaço U .
(v) Seja U = f(x; y; z) 2 R3 : y = 2x e z = 3xg. Tem-se U = f(x; 2x; 3x) : x 2 Rg.

Uma vez que (x; 2x; 3x) = x(1; 2; 3), para qualquer x 2 R, tem-se:
U = L (f(1; 2; 3)g) .

2 1 0
U = N (A) é subespaço de R3 , com A = :
3 0 1
(vi) Seja U = f(x; y; z) 2 R3 : x + y = 1g. Ora (0; 0; 0) 2

= U . Logo, U não é subespaço
3
de R .
(vii) Seja
U = (x; y; z) 2 R3 : x + y + z = 0 e x y z=0 :
Tem-se
U = f(0; y; y) : y 2 Rg .
Uma vez que
(0; y; y) = y(0; 1; 1),
para qualquer y 2 R, tem-se:
U = L (f(0; 1; 1)g) .
1 1 1
1 1 1
(viii) Seja U = f(x; y; z) 2 R3 : x = y ou y = zg. Tem-se:
U = (x; y; z) 2 R3 : x = y [ (x; y; z) 2 R3 : y = z
239
Por exemplo:
(1; 1; 2); (1; 2; 2) 2 U , mas (1; 1; 2) + (1; 2; 2) = (2; 3; 4) 2

= U.
(ix) Seja U = f(x; y; z) 2 R3 : x y = 0 e 2y + z = 0g. Tem-se
U = f(x; x; 2x) : x 2 Rg .
Uma vez que

(x; x; 2x) = x(1; 1; 2),
para qualquer x 2 R, tem-se:
U = L (f(1; 1; 2)g) .
1 1 0
0 2 1
(x) Seja U = f(x; y; z) 2 R3 : xy = 0g. Por exemplo:
(1; 0; 1); (0; 1; 0) 2 U , mas (1; 0; 1) + (0; 1; 0) = (1; 1; 1) 2

= U.

O conjunto de todos os polinómios reais de grau igual a n:
U = fa0 + a1 t + + an tn 2 Pn : a0 ; a1 ; :::; an 2 R e an 6= 0g ,
com as operações usuais, não é um espaço linear. Por exemplo: o polinómio nulo p(t) = 0 2
=
U.
5. (0; 1; 1; 1) 2 f(x; y; z; w) 2 R4 : x = 0 e y + z = 0g
( 2; 1; 1; 0) 2 (x; y; z; w) 2 R4 : x + y + z + w = 0
( 2; 2; 2; 0) 2 (x; y; z; w) 2 R4 : x + 2y z = 0 e x + y + 2w = 0 e y z+w =0
(i) Seja U = f(x; y; z; w) 2 R4 : x = 0 e y = zg. Tem-se
U = f(0; z; z; w) : z; w 2 Rg .
Atendendo a que
(0; z; z; w) = z(0; 1; 1; 0) + w(0; 0; 0; 1),
tem-se
U = L (f(0; 1; 1; 0); (0; 0; 0; 1)g) .
240
O conjunto f(0; 1; 1; 0); (0; 0; 0; 1)g gera o subespaço U .
(ii) Seja U = f(x; y; z; w) 2 R4 : x + y + z + w = 0g. Tem-se
U = f( y z w; y; z; w) : y; z; w 2 Rg .
Atendendo a que
( y z w; y; z; w) = y( 1; 1; 0; 0) + z( 1; 0; 1; 0) + w( 1; 0; 0; 1),
tem-se
U = L (f( 1; 1; 0; 0); ( 1; 0; 1; 0); ( 1; 0; 0; 1)g) .
O conjunto f( 1; 1; 0; 0); ( 1; 0; 1; 0); ( 1; 0; 0; 1)g gera o subespaço U .
(iii) Seja U = f(x; y; z; w) 2 R4 : x + 2y z = 0 e x + y + 2w = 0 e y z + w = 0g.

Observe-se que 2 3
1 2 1 0
U = N (A), com A = 4 1 1 0 2 5.
0 1 1 1
Tem-se
2 3 2 3 2 3
1 2 1 0 1 2 1 0 1 2 1 0
4
A= 1 1 0 2 5 ! 4 0 1 1 2 5 ! 4 0 1 1 2 5 = A0 .
L1 +L2 !L2 L2 +L3 !L3
0 1 1 1 0 1 1 1 0 0 0 3
Logo, U = N (A) = N (A0 ). Assim,
U = (x; y; z; w) 2 R4 : x + 2y z=0 e y + z + 2w = 0 e 3w = 0 =
= f( z; z; z; 0) : z 2 Rg = fz( 1; 1; 1; 0) : z 2 Rg = L (f( 1; 1; 1; 0)g) .

O conjunto f( 1; 1; 1; 0)g gera o subespaço U .
6. Seja P2 o espaço linear de todos os polinómios reais de variável real e de grau menor
ou igual a 2, com as operações usuais:
(i) Seja U = fa0 + a1 t + a2 t2 2 P2 : a0 = 0g. Tem-se
U = a1 t + a2 t2 : a1 ; a2 2 R = L t; t2 .
Logo, U é subespaço de P2 . O conjunto ft; t2 g gera o subespaço U .
(ii) Seja U = fa0 + a1 t + a2 t2 2 P2 : a2 = 2a0 e a1 = 0g. Tem-se
U = a0 + 2a0 t2 : a0 2 R .
Uma vez que

a0 + 2a0 t2 = a0 (1 + 2t2 ),
241
para qualquer a0 2 R, tem-se:
U =L 1 + 2t2 .
Logo, U é subespaço de P2 . O conjunto f1 + 2t2 g gera o subespaço U .
(iii) Seja U = fa0 + a1 t + a2 t2 2 P2 : a1 = 1g. Por exemplo: o polinómio nulo p(t) =

02
= U . Logo, U não é subespaço de P2 .
(iv) Seja U = fa0 + a1 t + a2 t2 2 P2 : a2 a1 = 2g. Por exemplo: o polinómio nulo

p(t) = 0 2
= U . Logo, U não é subespaço de P2 .
(v) Seja U = fa0 + a1 t + a2 t2 2 P2 : a2 a1 + 2a0 = 0g. Tem-se
U = a0 + a1 t + (a1 2a0 ) t2 : a0 ; a1 2 R .
Uma vez que

a0 + a1 t + (a1 2a0 ) t2 = a0 (1 2t2 ) + a1 (t + t2 ),
para quaisquer a0 ; a1 2 R, tem-se:
U =L 1 2t2 ; t + t2 .
Logo, U é subespaço de P2 . O conjunto f1 2t2 ; t + t2 g gera o subespaço U .
7. (i) Seja U = L (f1 t2 ; 1 + tg) um subespaço de P2 . Seja p (t) 2 U , com p (t) =

a0 + a1 t + a2 t2 . Então, existirão ; 2 R tais que
p (t) = a0 + a1 t + a2 t2 = 1 t2 + (1 + t) .
Tem-se então a matriz aumentada

2 3 2 3 2 3
1 1 j a0 1 1 j a0 1 1 j a0
4 0 1 j a1 5 ! 4 0 1 j a1 5 ! 4 0 1 j a1 5.
L1 +L3 !L3 L2 +L3 !L3
1 0 j a2 0 1 j a0 + a2 0 0 j a0 + a2 a1
Logo, para que o sistema linear anterior seja possível é preciso que a0 + a2 a1 = 0. Assim,
U = p (t) = a0 + a1 t + a2 t2 2 P2 : a0 + a2 a1 = 0 .
(ii) Seja U = L (f(1; 0; 1); (0; 1; 0); ( 2; 1; 2)g). Seja (x; y; z) 2 U . Então, existirão
; ; 2 R tais que
(x; y; z) = (1; 0; 1) + (0; 1; 0) + ( 2; 1; 2).

2 3 2 3
1 0 2 j x 1 0 2 j x
4 0 1 1 j y 5 ! 4 0 1 1 j y 5.
L1 +L3 !L3
1 0 2 j z 0 0 0 j z x
242
Assim,
U = (x; y; z) 2 R3 : z x=0 .
Observação extra: U = L (f(1; 0; 1); (0; 1; 0); ( 2; 1; 2)g) = L (f(1; 0; 1); (0; 1; 0)g),
uma vez que
( 2; 1; 2) = ( 2)(1; 0; 1) + (0; 1; 0).
(iii) Seja V = L (f(0; 1; 0); ( 2; 1; 2)g). Seja (x; y; z) 2 V . Então, existirão ; 2R

tais que
(x; y; z) = (0; 1; 0) + ( 2; 1; 2).
2 3 2 3 2 3
0 2 j x 1 1 j y 1 1 j y
4 1 1 j y 5 ! 4 0 2 j x 5 ! 4 0 2 j x 5.
L1 !L2 L2 +L3 !L3
0 2 j z 0 2 j z 0 0 j z x
Assim,
V = (x; y; z) 2 R3 : z x=0 .
Observação extra: V = L (f(0; 1; 0); ( 2; 1; 2)g) = L (f(1; 0; 1); (0; 1; 0)g), uma vez
que
1 1
( 2; 1; 2) = ( 2)(1; 0; 1) + (0; 1; 0) e (1; 0; 1) = ( 2; 1; 2) + (0; 1; 0).
2 2
(iv) Seja W = L (f(1; 1; 2); (2; 1; 1)g). Seja (x; y; z) 2 V . Então, existirão ; 2 R tais
que
(x; y; z) = (1; 1; 2) + (2; 1; 1).
2 3 2 3 2 3
1 2 j x 1 2 j x 1 2 j x
4 1 1 j y 5 ! 4 0 1 j y x 5 ! 4 0 1 j y x 5.
L1 +L2 !L2 3L2 +L3 !L3
2 1 j z 2L1 +L3 !L3 0 3 j z 2x 0 0 j z 3y + x
Assim,
W = (x; y; z) 2 R3 : x 3y + z = 0 .
Observação extra: W = L (f(3; 1; 0); ( 1; 0; 1)g) = L (f(1; 1; 2); (2; 1; 1)g), uma vez
que
(3; 1; 0) = 2(2; 1; 1) + ( 1)(1; 1; 2), ( 1; 0; 1) = (1; 1; 2) + ( 1)(2; 1; 1)
e
(1; 1; 2) = (3; 1; 0) + 2( 1; 0; 1), (2; 1; 1) = (3; 1; 0) + ( 1; 0; 1).
243
(v) Seja U = L (f(1; 0; 1; 1)g). Seja (x; y; z; w) 2 U . Então, existirá 2 R tal que
(x; y; z; w) = (1; 0; 1; 1).

2 3 2 3
1 j x 1 j x
6 0 j y 7 6 0 j y 7
6 7 ! 6 7.
4 1 j z 5 L1 +L3 !L3 4 0 j x+z 5
L1 +L4 !L4
1 j w 0 j w x
Assim,
U = (x; y; z; w) 2 R4 : y = 0 e x + z = 0 e w x=0 .
(vi) Seja U = L (f(1; 2; 5; 3); (2; 4; 6; 2); (3; 6; 11; 1); (0; 0; 1; 2)g). Como
1 1
(3; 6; 11; 1) = (1; 2; 5; 3)+(2; 4; 6; 2) e (0; 0; 1; 2) = (1; 2; 5; 3) (2; 4; 6; 2)
2 4
então
U = L (f(1; 2; 5; 3); (2; 4; 6; 2)g) .
Seja (x; y; z; w) 2 U . Então, existirão ; 2 R tais que
(x; y; z; w) = (1; 2; 5; 3) + (2; 4; 6; 2).

2 3 2 3
1 2 j x 1 2 j x
6 2 4 j y 7 6 0 0 j 2x + y 7
6 7 ! 6 7 ! .
4 5 6 j z 5 2L1 +L2 !L2 4 0 4 j 5x + z 5 2L3 +L4 !L4
5L1 +L3 !L3
3 2 j w 3L +L !L
0 8 j 3x + w
1 4 4
2 3 2 3
1 2 j x 1 2 j x
6 0 0 j 2x + y 7 6 0 4 j 5x + z 7
! 6 7 ! 6 7:
2L3 +L4 !L4 4 0 4 j 5x + z 5 L2 $L3 4 0 0 j 2x + y 5
0 0 j 7x + 2z + w 0 0 j 7x + 2z + w
Assim,
U = (x; y; z; w) 2 R4 : 2x + y = 0 e 7x + 2z + w = 0 .
8. Seja M2 3 (R) o espaço linear de todas as matrizes do tipo 2 3 com entradas reais.
a b c
(i) Seja U = 2 M2 3 (R) : b = a + c . Tem-se
d 0 0
a a+c c
U= : a; c; d 2 R .
d 0 0
Uma vez que
a a+c c 1 1 0 0 1 1 0 0 0
=a +c +d ,
d 0 0 0 0 0 0 0 0 1 0 0
244
para quaisquer a; c; d 2 R, tem-se:
1 1 0 0 1 1 0 0 0
U =L ; ; .
0 0 0 0 0 0 1 0 0
Logo, U é subespaço de M2 3 (R). O conjunto
1 1 0 0 1 1 0 0 0
; ;
0 0 0 0 0 0 1 0 0
gera o subespaço U .
a b c
(ii) Seja U = 2 M2 3 (R) : b < 0 . Por exemplo: a matriz nula
d 0 f
0 0 0
2
= U.
0 0 0
Logo, U não é subespaço de M2 3 (R).
a b c
(iii) Seja U = 2 M2 3 (R) : a = 2c e f = 2e + d . Tem-se
d e f
2c b c
U= : b; c; d; e 2 R .
d e 2e + d
Uma vez que
2c b c 0 1 0 2 0 1 0 0 0 0 0 0
=b +c +d +e ,
d e 2e + d 0 0 0 0 0 0 1 0 1 0 1 2
para quaisquer b; c; d; e 2 R, tem-se:
0 1 0 2 0 1 0 0 0 0 0 0
U =L ; ; ; .
0 0 0 0 0 0 1 0 1 0 1 2
Logo, U é subespaço de M2 3 (R). O conjunto
0 1 0 2 0 1 0 0 0 0 0 0
; ; ;
0 0 0 0 0 0 1 0 1 0 1 2
gera o subespaço U .
9. Queremos encontrar A tal que N (A) = L (f(2; 0; 1)g). Por de…nição N (A) =
fu 2 R3 : Au = 0g. Seja (x; y; z) 2 L (f(2; 0; 1)g). Então, existirá 2 R tal que
(x; y; z) = (2; 0; 1).
245
2 3 2 3
2 j x 2 j x
4 0 j y 5 ! 4 0 j y 5.
1
L +L3 !L3 1
1 j z 2 1 0 j z 2x
Assim,
U = (x; y; z) 2 R4 : x + 2z = 0 e y = 0 = N (A)
com
1 0 2
A= .
0 1 0
10. Não é possível encontrar A tal que
(1; 1; 1) 2 L(A) e (1; 0; 0) 2 N (A),
pois se (1; 0; 0) 2 N (A) então a primeira entrada de todas as linhas de A é 0. Pelo que, nesse
caso, não se pode ter (1; 1; 1) 2 L(A).
1 1
11. (i) Seja A = . Tem-se C(A) = L (f(1; 0)g) e L(A) = L (f(1; 1)g).
0 0
Seja u = (x; y) 2 R2 . Atendendo a que
1 1 x
=0,x y = 0,
0 0 y
o núcleo de A é dado por:
N (A) = u 2 R2 : Au = 0 = (x; y) 2 R2 : x y = 0 =
= f(x; x) : x 2 Rg = fx(1; 1) : x 2 Rg = L (f(1; 1)g) .
1 2 3
(ii) Seja A = . Tem-se C(A) = L (f(1; 0)g) e L(A) = L (f(1; 2; 3)g).
0 0 0
Seja u = (x; y; z) 2 R3 . Atendendo a que
2 3
x
1 2 3 4 5
y = 0 , x + 2y + 3z = 0,
0 0 0
z
N (A) = u 2 R3 : Au = 0 = (x; y; z) 2 R3 : x + 2y + 3z = 0 =
= f( 2y 3z; y; z) : y; z 2 Rg = fy( 2; 1; 0) + z( 3; 0; 1) : y; z 2 Rg
= L (f( 2; 1; 0); ( 3; 0; 1)g) .
246
0 0 0
(iii) Seja A = . Tem-se C(A) = f(0; 0)g e L(A) = f(0; 0; 0)g.
0 0 0
O núcleo de A é dado por: N (A) = R3 .
2 3
2 1 1
(iv) Seja A = 4 0 0 1 5. Tem-se
0 0 0
C(A) = L (f(2; 0; 0); (1; 1; 0)g) e L(A) = L (f(2; 1; 1); (0; 0; 1)g) :
2 32 3 8
2 1 1 x < 2x + y + z = 0
4 0 0 1 54 y 5 = 0 ,
:
0 0 0 z z=0
N (A) = u 2 R3 : Au = 0 = (x; y; z) 2 R3 : 2x + y + z = 0 e z = 0 =
= f(x; 2x; 0) : x 2 Rg = fx(1; 2; 0) : x 2 Rg = L (f(1; 2; 0)g) .
2 3
1 0
(v) Seja A = 4 2 3 5. Tem-se C(A) = L (f(1; 2; 2); (0; 3; 1)g) e L(A) = L (f(1; 0); (2; 3)g),
2 1
pois
4 1
(2; 1) = (1; 0) + (2; 3).
3 3
2
Seja u = (x; y) 2 R . Atendendo a que
8
2 3 >
> x=0
>
>
1 0 <
4 2 3 5 x =0, 2x + 3y = 0
y >
>
2 1 >
>
:
2x + y = 0
N (A) = u 2 R2 : Au = 0 = (x; y) 2 R2 : x = 0 e 2x + 3y = 0 e 2x + y = 0 = f(0; 0)g .
2 3
1 2
(vi) Seja A = 4 2 4 5. Tem-se C(A) = L (f(1; 2; 2)g) e L(A) = L (f(1; 2)g). Seja
2 4
2
u = (x; y) 2 R . Atendendo a que
2 3 8
1 2 < x + 2y = 0
4 2 4 5 x =0,
y :
2 4 2x + 4y = 0
247
N (A) = u 2 R2 : Au = 0 = (x; y) 2 R2 : x + 2y = 0 =
= f( 2y; y) : y 2 Rg = fy( 2; 1) : y 2 Rg = L (f( 2; 1)g) .
2 3
0 0
(vii) Seja A = 4 0 0 5. Tem-se C(A) = f(0; 0; 0)g e L(A) = f(0; 0)g. O núcleo de A
0 0
é dado por:
N (A) = R2 .
2 3
1 0 1
(viii) Seja A = 4 2 3 0 5. Tem-se
2 1 0
C(A) = L (f(1; 2; 2); (0; 3; 1); (1; 0; 0)g) e L(A) = L (f(1; 0; 1); (2; 3; 0); (2; 1; 0)g) .

8
2 32 3 2 32 3 >
> x+z =0
>
>
1 0 1 x 1 0 1 x <
4 2 3 0 54 y 5 = 0 , 4 0 1 2 54 y 5 = 0 , y 2z = 0
>
>
2 1 0 z 0 0 4 z >
>
:
4z = 0
N (A) = u 2 R3 : Au = 0 = f(0; 0; 0)g .
Observação: Como N (A) = f(0; 0; 0)g e sendo A quadrada 3 3, tem-se L(A) = C(A) = R3 .
12. Seja 82 3 9
< a 0 =
U= 4 b c 5 2 M3 2 (R) : a; b; c; d 2 R .
: ;
0 d
Uma vez que
2 3 2 3 2 3 2 3 2 3
a 0 1 0 0 0 0 0 0 0
4 b c 5 = a4 0 0 5 + b4 1 0 5 + c4 0 1 5 + d4 0 0 5,
0 d 0 0 0 0 0 0 0 1
com a; b; c; d 2 R, tem-se
082 3 2 3 2 3 2 391
< 1 0 0 0 0 0 0 0 =
U = L@ 4 0 0 5;4 1 0 5;4 0 1 5;4 0 0 5 A.
: ;
0 0 0 0 0 0 0 1
248
13. Considere, no espaço linear R3 , os vectores v1 = (1; 2; 1), v2 = (1; 0; 2) e v3 = (1; 1; 0).
Tem-se
(i) (3; 3; 0) = 0(1; 2; 1) + 0(1; 0; 2) + 3(1; 1; 0)
(ii) (2; 1; 5) = 1(1; 2; 1) + 2(1; 0; 2) + ( 1)(1; 1; 0)
(iii) ( 1; 2; 0) = 2(1; 2; 1) + ( 1)(1; 0; 2) + ( 2)(1; 1; 0)
(iv) (1; 1; 1) = 13 (1; 2; 1) + 31 (1; 0; 2) + 31 (1; 1; 0).
14. Considere, no espaço linear R4 , os vectores v1 = (1; 0; 0; 1), v2 = (1; 1; 0; 0) e

v3 = (0; 1; 2; 1). Tem-se
2 3 2 3
1 1 0 j 1 j 2 j 1 j 0 1 1 0 j 1 j 2 j 1 j 0
6 0 1 1 j 4 j 0 j 1 j 1 7 6 0 1 1 j 4 j 0 j 1 j 1 7
6 7 ! 6 7 !
4 0 0 2 j 2 j 2 j 2 j 1 5 L1 +L4 !L4 4 0 0 2 j 2 j 2 j 2 j 1 5 L2 +L4 !L4
1 0 1 j 2 j 2 j 2 j 0 0 1 1 j 3 j 0 j 1 j 0
2 3
1 1 0 j 1 j 2 j 1 j 0
6 0 1 1 j 4 j 0 j 1 j 1 7
! 6 7 : (*)
L2 +L4 !L4 4 0 0 2 j 2 j 2 j 2 j 1 5
0 0 0 j 1 j 0 j 0 j 1
Logo, (2; 0; 2; 2); (1; 1; 2; 2) 2 L (fv1 ; v2 ; v3 g), com
(2; 0; 2; 2) = (1; 0; 0; 1) + (1; 1; 0; 0) + (0; 1; 2; 1)

(1; 1; 2; 2) = 3(1; 0; 0; 1) + ( 2)(1; 1; 0; 0) + ( 1)(0; 1; 2; 1).
Atendendo a (*), ( 1; 4; 2; 2); (0; 1; 1; 0) 2

= L (fv1 ; v2 ; v3 g).
15. Tem-se
2 3 2 3 2 3
3 2 j 1 3 2 j 1 3 2 j 1
4 0 1 j 2 5 ! 4 0 1 j 2 5 ! 4 0 1 j 2 5:
2 11
L +L3 !L3 L +L3 !L3
2 5 j k 3 1 0 11=3 j k + 2=3 3 2 0 0 j k+8
Logo, 8 é o único valor de k para o qual o vector u = (1; 2; k) 2 R3 é combinação

linear dos vectores
v = (3; 0; 2) e w = (2; 1; 5):
16. (i) Seja U = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g. Seja (x; y; z) 2 R3 . Tem-se
(x; y; z) = x(1; 0; 0) + y(0; 1; 0) + z(0; 0; 1).
Logo, U gera R3 .
249
(ii) Seja U = f(1; 1; 1); (0; 1; 1); (0; 0; 1)g. Seja (x; y; z) 2 R3 . Tem-se
(x; y; z) = x(1; 1; 1) + (y x) (0; 1; 1) + (z y) (0; 0; 1).
Logo, U gera R3 .
(iii) Seja U = f(1; 1; 1) ; ( 1; 1; 1); (1; 1; 1); ( 1; 1; 1)g. Seja (x; y; z) 2 R3 . Deter-
minemos os valores dos escalares 1 ; 2 ; 3 ; 4 para os quais se tem
2 3 2 3 2 3 2 3 2 3
x 1 1 1 1
4 y 5 = 14 1 5 + 24 1 5 + 34 1 5 + 44 1 5.
z 1 1 1 1
Ora a última igualdade é equivalente a
2 3
2 3 2 3 1
x 1 1 1 1 6 7
4 y 5=4 1 1 1 1 56
4
2 7.
5
3
z 1 1 1 1
4
2 3 2 3
1 1 1 1 j x 1 1 1 1 j x
4 1 1 1 1 j y 5 ! 4 0 2 2 0 j y x 5.
L1 +L2 !L2
1 1 1 1 j z L1 +L3 !L3 0 0 2 2 j z x
Logo 8
>
> 1 = 21 x + 12 y + s
>
>
>
>
>
>
< 2 = 12 y 1
2
z +s
>
>
>
> 3 = 12 x 1
2
z +s
>
>
>
>
:
4 = s, s 2 R
e assim
2 3 3 2 32 2 3 2 3
x 1 1 1 1
4 y 5= 1 1 1 1 1 1
x + y + s 4 1 5+ y z + s 4 1 5+ x z + s 4 1 5+s 4 1 5 ,
2 2 2 2 2 2
z 1 1 1 1
com s 2 R. Logo, U gera R3 .
17. Sejam
u = (2; 1; 0); v = (1; 1; 2) e w = (0; 3; 4):
O vector (a; b; c) de R3 pertencerá a L (fu; v; wg) se existirem ; ; 2 R tais que
(a; b; c) = (2; 1; 0) + (1; 1; 2) + (0; 3; 4),
isto é, se o seguinte sistema (nas variáveis , e ) fôr possível e determinado:
8
< 2 + =a
+3 =b
:
2 4 = c.
250
Considerando então a matriz aumentada deste sistema, tem-se:
2 3 2 3
2 1 0 j a 2 1 0 j a
4 1 1 3 j b 5 ! 4 0 3=2 3 j b a=2 5 !
1 4
L1 +L2 !L2 L +L3 !L3
0 2 4 j c 2 0 2 4 j c 3 2
2 3
2 1 0 j a
! 4 0 3=2 3 j b a2 5.
4
L +L !L
3 2 3 3
0 0 0 j c + 43 b 32 a
Assim, o vector (a; b; c) de R3 pertencerá a L (fu; v; wg) se:
4 2
c+ b a = 0.
3 3
Observação: Deste modo, tem-se L (fu; v; wg) 6= R3 . De facto, uma vez que
1 1
v= u w
2 2
tem-se L (fu; v; wg) = L (fu; wg) e como tal fu; v; wg não pode gerar R3 .
18. Considere, no espaço linear P2 , os vectores p1 (t) = 2 + t + 2t2 , p2 (t) = 2t + t2 ,

p3 (t) = 2 5t + 5t2 e p4 (t) = 2 3t t2 . O vector
q(t) = 2 + t + t2
pertence à expansão linear L (fp1 (t); p2 (t); p3 (t); p4 (t)g)? Podem os vectores p1 (t), p2 (t),
p3 (t) e p4 (t) gerar P2 ? Tem-se
2 3 2 3
2 0 2 2 j 2 2 0 2 2 j 2
4 1 2 5 3 j 1 5 1 ! 4 0 2 6 2 j 0 51 !
L +L !L
2 1 5 1 j 1 2 1 2 2
0 1 3 1 j 1 2 L2 +L3 !L3
L1 +L3 !L3
2 3
2 0 2 2 j 2
4
! 0 2 6 2 j 0 5 . (**)
0 0 0 0 j 1
Atendendo a (**), q(t) = 2 + t + t2 2
= L (fp1 (t); p2 (t); p3 (t); p4 (t)g). Logo,
fp1 (t); p2 (t); p3 (t); p4 (t)g não pode gerar P2 :
19. Sejam 2 3
1 1 1
1 1 5 4
A= e B= 4 3 1 5:
2 3 13
3 1 3
Tem-se
1 1 5 1 1 5
A= ! = A0
2 3 13 2L1 +L2 !L2 0 1 3
251
e
2 3 2 3 2 3
1 1 1 1 1 1 1 1 1
4
B= 4 3 1 5 ! 4 0 1 3 5 ! 4 0 1 3 5 = B0.
4L1 +L2 !L2 2L2 +L3 !L3
3 1 3 3L1 +L3 !L3 0 2 6 0 0 0
Atendendo ao método de eliminação de Gauss:
L(A) = L(A0 ) e L(B) = L(B 0 ).
Além disso, uma vez que
(1; 1; 1) = (1; 1; 5) 2(0; 1; 3),
tem-se
L(A) = L(A0 ) = L(B 0 ) = L(B).
Finalmente, como se tem sempre
C(AT ) = L(A) e L(B) = C(B T ),
conclui-se que C(AT ) = C(B T ).
20.
8
> =3 8
>
<
1
< 1 =3
3 1 1 1 +2 3 1+2 3 = 1
= 1 A+ 2 B+ 3 C = , , 2 = 2
1 1 1 + 2 2 3 >
> 1+ 2 = 1 :
: 3 = 1.
2 3 = 1
Logo
3 1 1 1 0 0 0 2
=3 2 .
1 1 1 0 1 1 0 1
Seja
1 1 0 0 0 2
U =L ; ; :
1 0 1 1 0 1
a b a b
Seja 2 U . Tem-se 2 U se e só se existirem escalares ; ; 2 R tais
c d c d
que
a b
= A + B + C.
c d
8
>
>=a 1
<
a b a b 1 1+2 3 1 + 2 3=b
= A+ B+ C , = ,
c d c d 1 + 2 2 3 >
> 1+ 2 = c
:
2 3 = d
252
2 3 2 3
1 0 0 j a 1 0 0 j a
6 1 0 2 j b 7 6 0 0 2 j b a 7
6 7 ! 6 7 !
4 1 1 0 j c 5 L1 +L2 !L2 4 0 1 0 j c a 5 L3 +L4 !L4
L1 +L3 !L3 1
0 1 1 j d 0 1 1 j d L
2 2
+L4 !L4
2 3 2 3
1 0 0 j a 1 0 0 j a
6 0 0 2 j b a 7 6 0 1 0 j c a 7
! 6 7 ! 6 7
L3 +L4 !L4 4 0 1 0 j c a 5 L2 $L3 4 0 0 2 j b a 5
j d + 12 (b + a) 1
1
L
2 2
+L4 !L4 0 0 0 c 0 0 0 j d + 2 (b + a) c.
Logo, para que o sistema linear anterior seja possível é necessário que se tenha
1
d+ (b + a) c = 0.
2
Deste modo podemos escrever
a b 1
U= 2 M2 2 (R) : d + (b + a) c=0
c d 2
e assim, sendo
a b 1
V = 2 M2 2 (R) : d + (b + a) c 6= 0 ;
c d 2
tem-se
M2 2 (R) = U V.
Ou seja, qualquer vector de V que não seja o vector nulo, esse vector não pertence a U . Por
exemplo
1 1 1 1 0 0 0 2
2=U =L ; ; .
1 1 1 0 1 1 0 1
21. Seja U o subespaço de R4 gerado por f(1; 1; 0; 1); (1; 1; 0; 1)g : Seja S = f(1; 0; 0; 2)g+
U e considere ainda o seguinte subespaço de R4
V = (x; y; z; w) 2 R4 : y = w .
a)
S = f(1; 0; 0; 2)g + U = f(1 + s + t; s + t; 0; 2 s + t) : s; t 2 Rg :
Sejam x = 1 + s + t, y = s + t, z = 0, w = 2 s + t. Tem-se então o seguinte sistema
linear (com 4 variáveis) não homogéneo
x y=1
z=0
b) Seja (x; y; z; w) 2 U . Existem ; 2 R tais que
(x; y; z; w) = (1; 1; 0; 1) + (1; 1; 0; 1) . (*)
253
Por outro lado, atendendo a
2 3 2 3
1 1 j x 1 1 j x
6 1 1 j y 7 6 0 0 j y x 7
6 7 ! 6 7
4 0 0 j z 5 L1 +L2 !L2 4 0 0 j z 5
L1 +L4 !L4
1 1 j w 0 2 j x+w
para que a equação (*) tenha solução é preciso que: y x = 0 e z = 0, ou seja (x; y; z; w) 2
N (A), com
1 1 0 0
A= .
0 0 1 0
Reciprocamente, se (x; y; z; w) 2 N (A) então (x; y; z; w) 2 U . Logo U = N (A).
22. Em R3 , considere os subespaços:
U = L (f(1; 1; 1); (0; 1; 1)g) e V = L (f(1; 1; 2); ( 1; 1; 1)g) .
Logo,
U + V = L (U [ V ) = L (f(1; 1; 1); (0; 1; 1); (1; 1; 2); ( 1; 1; 1)g) :
Facilmente se veri…ca, por exemplo, que:
1 1
(1; 1; 2) = 2(0; 1; 1) + (1; 1; 1) ( 1; 1; 1).
2 2
Logo
U + V = L (fu1 ; u2 ; u3 g)
com (por exemplo) u1 = (0; 1; 1); u2 = (1; 1; 1) e u3 = ( 1; 1; 1).
Seja (x; y; z) 2 U . Tem-se
2 3 2 3 2 3
1 0 j x 1 0 j x 1 0 j x
4 1 1 j y 5 ! 4 0 1 j x+y 5 ! 4 0 1 j x+y 5.
L1 +L2 !L2 L2 +L3 !L3
1 1 j z L1 +L3 !L3 0 1 j z x 0 0 j z 2x y
Logo
U = (x; y; z) 2 R3 : z 2x y=0 .
Seja (x; y; z) 2 V . Tem-se
2 3 2 3 2 3
1 1 j x 1 1 j x 1 1 j x
4 1 1 j y 5 ! 4 0 2 j y x 5 ! 4 0 2 j y x 5.
L1 +L2 !L2 3
L +L3 !L3 3 1
2 1 j z 2L1 +L3 !L3 0 3 j z 2x 2 2 0 0 j z 2y 2x
Logo
V = (x; y; z) 2 R3 : 2z 3y x=0 .
Deste modo
U \ V = (x; y; z) 2 R3 : z 2x y = 0 e 2z 3y x = 0 = L (f(1; 3; 5)g)
e como tal, U \ V = L (fvg), com (por exemplo) v = (1; 3; 5).
254
23. Sejam
U = (x; y; z) 2 R3 : x + y z = 0 e x + y = 0 ; V = L (f(1; 1; 1)g) :
Tem-se (1; 1; 1) 2
= U pois 1 + 1 1 6= 0. Logo U \ V = f0g.
Por outro lado, como
U = ( y; y; 0) 2 R3 : y 2 R = L (f( 1; 1; 0)g) ,
tem-se
U + V = L (fu1 ; u2 g)
com (por exemplo) u1 = ( 1; 1; 0) e u2 = (1; 1; 1).
U = L (f(1; 0; 1); ( 1; 1; 2)g) e V = f(x; y; z) : x + y + 3z = 0g .
Seja v 2 U , então
v = (1; 0; 1) + ( 1; 1; 2) = ( ; ; + 2 ),
+ + 3 ( + 2 ) = 0.
isto é,
3
4 +6 =0 , = .
2
Assim,
5 1 5 1
v = (1; 0; 1) + ( 1; 1; 2) = ; ; = ; 1; .
2 2 2 2
Logo,
5 1 5 1
U \V = ; 1; : 2R =L ; 1;
2 2 2 2
5
e como tal, U \ V = L (fvg), com (por exemplo) v = 2
; 1; 21 .
Tem-se
V = L (f( 1; 1; 0); ( 3; 0; 1)g) .
Logo,
U + V = L (U [ V ) = L (f(1; 0; 1); ( 1; 1; 2); ( 1; 1; 0); ( 3; 0; 1)g) :
Facilmente se veri…ca, por exemplo, que:
( 3; 0; 1) = 3(1; 0; 1) + 2( 1; 1; 2) 2( 1; 1; 0)
Logo
U + V = L (fu1 ; u2 ; u3 g)
com (por exemplo) u1 = (1; 0; 1); u2 = ( 1; 1; 2) e u3 = ( 1; 1; 0).
255
U = (x; y; z) 2 R3 : x = y = z e V = (x; y; z) 2 R3 : x = 0 .
Tem-se U = L (f(1; 1; 1)g) e V = L (f(0; 1; 0); (0; 0; 1)g).

Como
(1; 1; 1) 2
= L (f(0; 1; 0); (0; 0; 1)g) = V
então
U \ V = f0g e U + V = L (fu1 ; u2 ; u3 g)
com (por exemplo) u1 = (1; 1; 1); u2 = (0; 1; 0) e u3 = (0; 0; 1).
26. Em P2 , considere os subespaços:
U =L 1 + t; 1 t2 e V = a0 + a1 t + a2 t2 2 P2 : a2 a1 + a0 = 0 .
Seja p (t) 2 U . Então existem ; 2 R tais que
p (t) = a0 + a1 t + a2 t2 = (1 + t) + 1 t2 .
Atendendo a
2 3 2 3 2 3
1 1 j a0 1 1 j a0 1 1 j a0
4 1 0 j a1 5 ! 4 0 1 j a1 a0 5 ! 4 0 1 j a1 a0 5.
L1 +L2 !L2 L2 +L3 !L3
0 1 j a2 0 1 j a2 0 0 j a2 a1 + a0
Logo, tem-se
U =V
pelo que
U +V =U =V e U \V =U =V.
Assim,
U + V = U \ V = L (fu1 ; u2 g)
com (por exemplo) u1 = 1 + t e u2 = 1 t2 .
27. Como
p( 1) = 2p(0) p(1) , a0 a1 + a2 = 2a0 (a0 + a1 + a2 ) , a2 = 0
então
U = fp(t) 2 P2 : p( 1) = 2p(0) p(1)g = fa0 + a1 t + a2 t2 : a2 = 0g = L (f1; tg) :

2 3 2 3
1 1 j a0 1 1 j a0
4 1 0 j a1 5 ! 4 0 1 j a0 + a1 5
0 1 j a2 0 0 j a0 + a1 + a2
256
a0 + a1 t + a2 t2 2 V = L(f 1 + t; 1 t2 g) , a0 + a1 + a2 = 0:
Logo
V = fa0 + a1 t + a2 t2 : a0 + a1 + a2 = 0g:
Pelo que
U \V = fa0 + a1 t + a2 t2 : a0 + a1 + a2 = 0 e a2 = 0g =
= f a1 + a1 t : a1 2 Rg = L(f 1 + tg):
Como
1 + t = ( 1) 1+1 t
então
U +V =L 1; t; 1 + t; 1 t2 =L 1; t; 1 t2 :
28. Como
p(1) = 0 , a0 + a1 + a2 = 0
então
U = fp(t) 2 P2 : a0 + a1 + a2 = 0g = L(f 1 + t; 1 + t2 g):
2 3 2 3
1 0 1 j a0 1 0 1 j a0
4 1 1 0 j a1 5 ! 4 0 1 1 j a0 + a1 5
0 1 1 j a2 0 0 0 j a0 + a1 + a2
a0 + a1 t + a2 t2 2 V = L(f1 t; t t2 ; 1 + t2 g) , a0 + a1 + a2 = 0:
Logo U = V e assim
U +V =U =V e U \V =U =V.
Isto é,
U + V = U \ V = L (fu1 ; u2 g)
com (por exemplo) u1 = 1 + t e u2 = 1 + t2 .
29. Em P3 , considere os subespaços:
U =L 1 + t; 1 t3 e V =L 1 + t + t2 ; t t3 ; 1 + t + t3 .
Logo
U + V = L (U [ V ) = L 1 + t; 1 t3 ; 1 + t + t2 ; t t3 ; 1 + t + t3 :
Como
3 1 1
1 + t + t3 = (1 + t) 1 t3 + 0 1 + t + t2 t t3
2 2 2
então
U + V = L (fu1 ; u2 ; u3 ; u4 g)
com (por exemplo) u1 = 1 + t, u2 = 1 t3 , u3 = 1 + t + t2 e u4 = t t3 .
257
Determinemos U \ V . Seja
p (t) = a0 + a1 t + a2 t2 + a3 t3 2 U:
Tem-se
2 3 2 3 2 3
1 1 j a0 1 1 j a0 1 1 j a0
6 1 0 j a1 7 6 0 1 j a1 a0 7 6 0 1 j a1 a0 7
6 7 ! 6 7 ! 6 7.
4 0 0 j a2 5 L1 +L2 !L2 4 0 0 j a2 5 L2 +L4 !L4 4 0 0 j a2 5
0 1 j a3 0 1 j a3 0 0 j a3 + a0 a1
Logo
U = a0 + a1 t + a2 t2 + a3 t3 2 P3 : a2 = 0 e a3 + a0 a1 = 0 .
Seja
q (t) = a0 + a1 t + a2 t2 + a3 t3 2 V:
Tem-se
2 3 2 3
1 0 1 j a0 1 0 1 j a0
6 1 1 1 j a1 7 6 0 1 0 j a1 a0 7
6 7 ! 6 7 !
4 1 0 0 j a2 5 L1 +L2 !L2 4 0 0 1 j a2 a0 5 L2 +L4 !L4
L1 +L3 !L3
0 1 1 j a3 0 1 1 j a3
2 3 2 3
1 0 1 j a0 1 0 1 j a0
6 0 1 0 j a1 a0 7 6 0 1 0 j a1 a0 7
! 6 7 6 7.
L2 +L4 !L4 4 0 0 1 j a2 a0 5 L3 +L!
4 !L4
4 0 0 1 j a2 a0 5
0 0 1 j a1 a0 + a3 0 0 0 j a1 + a2 2a0 + a3
Logo
V = a0 + a1 t + a2 t2 + a3 t3 2 P3 : a1 + a2 2a0 + a3 = 0 .
Deste modo
U \V = a0 + a1 t + a2 t2 + a3 t3 2 P3 : a2 = 0 e a0 a1 + a3 = 0 e 2a0 + a1 + a2 + a3 = 0 =
02 31
0 0 1 0
2 3
= a0 + a1 t + a2 t + a3 t 2 P3 : (a0 ; a1 ; a2 ; a3 ) 2 N @ 4 1 1 0 1 5A .
2 1 1 1
Atendendo a que
2 3 2 3 2 3 2 3
0 0 1 0 0 0 1 0 1 1 0 1 1 1 0 1
4 1 1 0 1 5 ! 4 1 1 0 1 5 ! 4 0 0 1 0 5 ! 4 0 1 1 3 5
2L2 +L3 !L3 L1 $L2 L2 $L3
2 1 1 1 0 1 1 3 0 1 1 3 0 0 1 0
tem-se
U \V = a0 + a1 t + a2 t2 + a3 t3 2 P3 : a0 a1 + a3 = 0 e a1 + a2 + 3a3 = 0 e a2 = 0 =
= a0 + a1 t + a2 t2 + a3 t3 2 P3 : a0 = 2a3 e a1 = 3a3 e a2 = 0 =
= 2a3 + 3a3 t + a3 t3 2 P3 : a3 2 R = a3 2 + 3t + t3 2 P3 : a3 2 R = L 2 + 3t + t3 .
258
1. Seja V um espaço linear real e 0 o seu vector nulo.

(i) Suponhamos que u + v = u + w. Queremos ver que v = w. Ora,
v = 0 + v = (( u) + u) + v = ( u) + (u + v) =
u+v=u+w
= ( u) + (u + w) = (( u) + u) + w = 0 + w = w.
Logo, v = w:
(ii) Queremos ver que 0 = 0 para todo o escalar 2 R. Ora,
0+0= 0= (0 + 0) = 0 + 0 =) 0 = 0.
por (i)
(iii) Queremos ver que 0u = 0 para todo o vector u 2 V. Ora,0u + 0 = 0u =

(0 + 0) u = 0u + 0u =) 0 = 0u.
por (i)
(iv) Queremos ver que ( u) = u para todo o u 2 V. Ora,

u + ( u) = 0 =) ( u) = u.
(v) Queremos ver que o vector nulo 0 2 V é único. Ora, seja w 2 V tal que u + w = u,
para todo o u 2 V. Então,
u + w = u = u + 0 =) w = 0.
por (i)
(vi) Queremos ver que o simétrico u de um qualquer vector u de V é único. Ora,

seja w 2 V tal que u + w = 0. Então,
u + w = 0 = u + ( u) =) w = u.
por (i)
(vii) Queremos ver que ( 1)u = u para todo o u 2 V. Ora,

u + ( 1) u = 1u + ( 1) u = (1 + ( 1)) u = 0u = 0.
Logo, como o simétrico é único, ( 1)u = u.
(viii) Queremos ver que: se u = 0, então = 0 ou u = 0: Suponhamos que u = 0.
Se 6= 0, então
1 1 1
u = 1u = u = ( u) = 0 = 0.
por (iv)
Como 6= 0 =) u = 0, então u 6= 0 =) = 0. Logo,

u = 0 =) =0_u=0
(ix) Queremos ver que: se u 6= 0 e u = u, então = . Suponhamos que u 6= 0 e

u = u. Ora, como u 6= 0 e ( ) u = 0, então = 0, atendendo a (viii). Isto
é, = .
259
2. O conjunto de todos os polinómios reais de grau igual a n:
U = fa0 + a1 t + + an tn 2 Pn : a0 ; a1 ; :::; an 2 R e an 6= 0g ,
com as operações usuais, não é um espaço linear. Por exemplo: o polinómio nulo
p(t) = 0 2
= U.
3. (i) ? 6= P2 P3 e:
P2 = L 1; t; t2 .
Logo, P2 é subespaço de P3 .
(ii) ? 6= Pn Pn+1 e:
Pn = L (f1; t; :::; tn g) .
Logo, Pn é subespaço de Pn+1 .
(iii) ? 6= Pn P e:
Pn = L (f1; t; :::; tn g) .
Logo, Pn é subespaço de P .
4. (i) Seja
U = A 2 Mn n (R) : A = AT :
Sejam A1 ; A2 2 U e 2 R. Tem-se
A1 + A2 = AT1 + AT2 = (A1 + A2 )T 2 U
e, com A 2 U ,
A = AT = ( A)T 2 U .
Logo, U é subespaço de Mn n (R).
(ii) Seja
U = fA 2 Mn n (R) : A é invertívelg :
Por exemplo: a matriz nula não pertence a U . Logo, U não é subespaço de Mn n (R).
(iii) Seja
U = f(aij ) 2 Mn n (R) : aij = 0 se i 6= j, com i; j = 1; :::; ng :
Sejam
(bij ); (cij ) 2 U e 2 R:
Tem-se
(bij ) + (cij ) = (bij + cij ) 2 U ,
pois bij + cij = 0 se i 6= j, com i; j = 1; :::; n. E, com (aij ) 2 U ,
(aij ) = ( aij ) 2 U ,
pois aij = 0 se i 6= j, com i; j = 1; :::; n. Logo, U é subespaço de Mn n (R).
(iv) Seja
U = fA 2 Mn n (R) : A é invertívelg :
260
Por exemplo, para n = 2:
1 0 0 0 1 0 0 0 1 0
; 2 U , mas + = 2
= U.
0 0 0 1 0 0 0 1 0 1
Logo, U não é subespaço de Mn n (R).
(v) Seja
U = f(aij ) 2 Mn n (R) : aij = 0 se i > j, com i; j = 1; :::; ng :
Sejam
(bij ); (cij ) 2 U e 2 R:
Tem-se
(bij ) + (cij ) = (bij + cij ) 2 U ,
pois bij + cij = 0 se i > j, com i; j = 1; :::; n. E, com (aij ) 2 U ,
(aij ) = ( aij ) 2 U ,
pois aij = 0 se i > j, com i; j = 1; :::; n. Logo, U é subespaço de Mn n (R).
5. Seja V o espaço linear de todas as funções reais de variável real.

(i) Seja
U = ff : Dom f R ! R tais que 9k > 0 : jf (x)j k; 8x 2 Dom f g
o conjunto de todas as funções limitadas. Sejam f1 ; f2 2 U e 2 R. Tem-se
f1 + f2 2 U ,
pois
j(f1 + f2 ) (x)j = jf1 (x) + f2 (x)j jf1 (x)j + jf2 (x)j k1 + k2 ,
f1 ;f2 2U
para todo o x 2 Dom f1 \ Dom f2 . E, com f 2 U ,
f 2 U,
pois
j( f ) (x)j = j j jf (x)j j j k,
f 2U
para todo o x 2 Dom f . Logo, U é subespaço de V .

(ii) Seja
U = ff : Dom f R ! R tais que f (x) = f ( x); 8x 2 Dom f g
o conjunto de todas as funções pares. Sejam f1 ; f2 2 U e 2 R. Tem-se
f1 + f2 2 U ,
pois
(f1 + f2 ) (x) = f1 (x) + f2 (x) = f1 ( x) + f2 ( x) = (f1 + f2 ) ( x),

f1 ;f2 2U
261
f 2 U,
pois
( f ) (x) = f (x) = f ( x) = ( f ) ( x),
f 2U

(iii) O conjunto de todas as funções racionais, isto é, as que são quocientes de funções
polinomiais, é um subespaço de V
(iv) Seja
U = ff : Domf R ! R tais que f é crescenteg:
Se f fôr crescente então f é decrescente, isto é, f 2 U =) f 2
= U . Logo, U não é
subespaço de V .
(v) Seja
U = ff : Dom f R ! R tais que f (0) = f (1); 8x 2 Dom f g
Sejam f1 ; f2 2 U e 2 R. Tem-se
f1 + f2 2 U ,
pois
(f1 + f2 ) (0) = f1 (0) + f2 (0) = f1 (1) + f2 (1) = (f1 + f2 ) (1),
f1 ;f2 2U
f 2 U,
pois
( f ) (0) = f (0) = f (1) = ( f ) (1),
f 2U

(vi) Seja
U = ff : Domf R ! R tais que f (0) = 1 + f (1)g:
Sejam f1 ; f2 2 U . Tem-se
(f1 + f2 ) (0) = f1 (0) + f2 (0) = 2 + f1 (1) + f2 (1) = 2 + (f1 + f2 ) (1),

f1 ;f2 2U
isto é, f1 + f2 2
= U . Logo, U não é subespaço de V .
6. Seja y 2 C (A + B). Então existe x tal que
y = (A + B) x = Ax + Bx 2 C (A) + C (B) :
Logo
C (A + B) C (A) + C (B) :
262
7. Seja A 2 Mm n (R). Vejamos que
N (A) \ C AT = f0g :
Seja
y 2 N (A) \ C AT :
Então existe x tal que
Ay = 0 e y = AT x:
Logo
y T = xT A
e
y T y = xT A y = xT (Ay) = xT 0 = 0:
Isto é
X
n
yi2 = y T y = 0
i=1
ou seja
y = (y1 ; :::; yn ) = (0; :::; 0) = 0:
Logo,
N (A) \ L (A) = N (A) \ C AT = f0g :
8. Seja A 2 Mn n (R) tal que

A2 = A:
Seja
u 2 N (A) \ C (A) :
Então
Au = 0eu = Av
para algum v. Logo
0 = Au = A2 v = Av
pelo que v 2 N (A). Assim
u = Av = 0
e deste modo
N (A) \ C (A) = f0g :
263
1. Podemos colocar os vectores do conjunto f( 1 ; 1 ; 3); ( 2 ; 2 ; 9)g como colunas de uma

matriz A e de seguida aplicar a essa matriz o método de eliminação de Gauss. Se 1 6= 0,
tem-se 2 3
1 2
2 3 6 7
6 7
1 2 6 1 7
6 0 + 7
A=4 1 2
5 ! 6 2 2 7 = A0 .
1 L +L !L 6 1 7
3 9 1
1 2 2
6 7
3
L1 +L3 !L3 4 3 5
1
0 2 +9
1
As colunas da matriz A correspondentes às colunas da matriz em escada A0 que contêm

os pivots, formam um conjunto de vectores linearmente independente. Logo, o conjunto
1
f( 1; 1 ; 3); ( 2 ; 2 ; 9)g é linearmente independente se 1 6= 0 e 2 6= 2 ou 2
1
6= 3 .
1
Se 1 = 0, tem-se
2 3 2 3 2 3
0 2 3 9 3 9
4 1 2
5 ! 4 1 2
5 ! 4 0 3 1 + 2
5.
L1 $L3 1 L +L !L
3 9 0 2 3 1 2 2 0 2
Logo, o conjunto f( 1 ; 1 ; 3); ( 2 ; 2 ; 9)g é linearmente independente se 1 = 0 e ( 2 6= 3 1

ou 2 6= 0). Assim, o conjunto f( 1 ; 1 ; 3); ( 2 ; 2 ; 9)g é linearmente independente se e só se
1 2
1 6= 0 e 2 6= 2 ou 6= 3 ou ( 1 =0 e ( 2 6= 3 1 ou 2 6= 0)) .
1 1
2. (i) Podemos colocar os vectores do conjunto f(4; 2; 1); (2; 6; 5); (1; 2; 3)g como
colunas de uma matriz A e de seguida aplicar a essa matriz o método de eliminação de
Gauss:
2 3 2 3
4 2 1 1 5 3
A=4 2 6 2 5 ! 4 2 6 2 5 !
L1 $L3 2L1 +L2 !L2
1 5 3 4 2 1 4L1 +L3 !L3
2 3 2 3 2 3
1 5 3 1 5 3 1 5 3
! 4 0 16 8 5 1 ! 4 0 2 1 5 ! 4 0 2 1 5 = A0 .
L !L2 L2 +L3 !L 3
0 22 11 8 2
1
0 2 1 0 0 0
11
L3 !L3

f(4; 2; 1); (2; 6; 5); (1; 2; 3)g é linearmente dependente, mas o conjunto f(4; 2; 1); (2; 6; 5)g
é linearmente independente. Procuremos então ; 2 R tais que
(1; 2; 3) = (4; 2; 1) + (2; 6; 5).
264
Atendendo ao que já se fez e considerando a 3a coluna como o termo independente do sistema,
tem-se 8
>
> 4 +2 =1 8 8
>
>
< < 5 =3 < = 21
2 +6 = 2 , ,
>
> : :
>
> 2 = 1 = 12 .
:
5 =3
Pelo que
1 1
(1; 2; 3) = (4; 2; 1) (2; 6; 5).
2 2
(ii) Podemos colocar os vectores do conjunto
f(1; 2; 1); (3; 2; 5)g
como colunas de uma matriz e de seguida aplicar a essa matriz o método de eliminação de
Gauss. 2 3 2 3 2 3
1 3 1 3 1 3
A=4 2 2 5 ! 4 0 4 5 ! 4 0 4 5 = A0
2L1 +L2 !L2 2L2 +L3 !L3
1 5 L1 +L3 !L3 0 8 0 0
f(1; 2; 1); (3; 2; 5)g é linearmente independente.
(iii) Podemos colocar os vectores do conjunto f(1; 2; 3); (1; 1; 1); (1; 0; 1)g como colunas
de uma matriz A e de seguida aplicar a essa matriz o método de eliminação de Gauss.
2 3 2 3 2 3
1 1 1 1 1 1 1 1 1
A=4 2 1 0 5 ! 4 0 1 2 5 ! 4 0 1 2 5 = A0 .
2L1 +L2 !L2 2L2 +L3 !L3
3 1 1 3L1 +L3 !L3 0 2 2 0 0 2

f(1; 2; 3); (1; 1; 1); (1; 0; 1)g é linearmente independente.
Observação extra: encontrámos três vectores de R3 linearmente independentes. Como

a dimensão de R3 é 3, então o conjunto f(1; 2; 3); (1; 1; 1); (1; 0; 1)g é desde logo uma base de
R3 , sem ser preciso veri…car se gera R3 .
(iv) O conjunto f(1; 0; 1); (0; 0; 0); (0; 1; 1)g contém o vector nulo, logo é linearmente de-
pendente. Facilmente se vê que f(1; 0; 1); (0; 1; 1)g é linearmente independente. Facilmente
também se vê que
(0; 0; 0) = 0(1; 0; 1) + 0(0; 1; 1).
(v) Como a dimensão de R3 é 3, então qualquer conjunto de vectores de R3 com mais

do que três vectores é linearmente dependente. O conjunto
f(1; 1; 0); (0; 2; 3); (1; 2; 3); (x; y; z)g
265
é formado por quatro vectores de R3 , logo é linearmente dependente para quaisquer x; y; z 2
R.
Resolução alternativa para veri…car a dependência linear: Podemos colocar os

vectores do conjunto f(1; 1; 0); (0; 2; 3); (1; 2; 3); (x; y; z)g como colunas de uma matriz A e
de seguida aplicar a essa matriz o método de eliminação de Gauss.
2 3 2 3
1 0 1 x 1 0 1 x
A=4 1 2 2 y 5 ! 4 0 2 1 y x 5
3
!
L1 +L2 !L2 L2 +L3 !L3
0 3 3 z 0 3 3 z 2
2 3
1 0 1 x
! 4 0 2 1 y x 5 = A0 .
3
L +L3 !L3
2 2 0 0 32 z 32 (y x)
As colunas da matriz A correspondentes às colunas da matriz em escada A0 que contêm os
pivots, formam um conjunto de vectores linearmente independente. Logo, o conjunto
f(1; 1; 0); (0; 2; 3); (1; 2; 3); (x; y; z)g
é linearmente dependente para quaisquer x; y; z 2 R, mas o conjunto f(1; 1; 0); (0; 2; 3); (1; 2; 3)g
Observação extra: encontrámos três vectores de R3 linearmente independentes. Como

a dimensão de R3 é 3, então o conjunto f(1; 1; 0); (0; 2; 3); (1; 2; 3)g é desde logo uma base de
R3 , sem ser preciso veri…car se gera R3 .
Procuremos então ; ; 2 R tais que
(x; y; z) = (1; 1; 0) + (0; 2; 3) + (1; 2; 3).
Atendendo ao que já se fez e considerando a 4a coluna como o termo independente do sistema,

tem-se
8 8 8
>
> + =x >
> + =x >
> = x 32 z + y
>
> >
> >
>
< < <
+2 + =y , 2 + =y x , = (y x) 13 z
>
> >
> >
>
>
> >
> >
>
: : 3 3 :
3 +3 =z 2
= z 2
(y x) = 23 z y + x.
Pelo que
2 1 2
(x; y; z) = x z + y (1; 1; 0) + (y x) z (0; 2; 3) + z y + x (1; 2; 3).
3 3 3
3. Podemos colocar os vectores do conjunto f(a2 ; 0; 1); (0; a; 2); (1; 0; 1)g como colunas
de uma A matriz e de seguida aplicar a essa matriz o método de eliminação de Gauss.
2 2 3 2 3
a 0 1 1 2 1
A=4 0 a 0 5 ! 4 0 a 0 5 2 !
L1 $L3 a L1 +L3 !L3
1 2 1 a2 0 1
266
2 3 2 3
1 2 1 1 2 1
! 4 0 a 0 5 ! 4 0 a 0 5 = A0 .
a2 L1 +L3 !L3 2aL2 +L3 !L3
0 2a2 1 a2 0 0 1 a2
Sa = (a2 ; 0; 1); (0; a; 2); (1; 0; 1)
= f 1; 0; 1g. Logo, uma vez que dim R3 = 3 e Sa

é linearmente independente se e só se a 2
tem 3 vectores, Sa será uma base de R3 se e só se a 2
= f 1; 0; 1g.
4. Sejam U = L (f(1; 1; 0; 0); (0; 1; 1; 0)g) e Vk = L (f(2; k; 1; 0); (0; 0; 0; 1)g) subespaços
de R4 : Determine os valores de k para os quais dim (U \ Vk ) = 1. Coloquemos os vectores
geradores de U e de V como colunas da matriz:
2 3 2 3
1 0 2 0 1 0 2 0
6 1 1 k 0 7 6 7
6 7 ! 6 0 1 1 0 7 !
4 0 1 1 0 5 L2 $L 3
4 1 1 k 0 5 L1 +L3 !L3
0 0 0 1 0 0 0 1
2 3 2 3
1 0 2 0 1 0 2 0
6 0 1 1 0 7 6 0 1 1 0 7
! 6 7 ! 6 7.
L1 +L3 !L3 4 0 1 k 2 0 5 L2 +L3 !L3 4 0 0 k 3 0 5
0 0 0 1 0 0 0 1
Note que U + Vk = L (U [ Vk ). Como
dim (U \ Vk ) = dim U + dim Vk dim (U + Vk ) = 2 + 2 dim (U + Vk ) = 4 dim (U + Vk )
e
3 se k = 3
dim (U + Vk ) =
4 se k 6= 3
então dim (U \ Vk ) = 1 se e só se k = 3.
5. (i) Seja (x; y; z) 2 R3 . Podemos colocar os vectores do conjunto
f(1; 0; 2); (0; 1; 2); (x; y; z)g
como colunas de uma matriz A e de seguida aplicar a essa matriz o método de eliminação
de Gauss.
2 3 2 3 2 3
1 0 x 1 0 x 1 0 x
4
A= 0 1 y 5 ! 4 0 1 y 5 ! 4 0 1 y 5 = A0 .
2L1 +L3 !L3 2L2 +L3 !L3
2 2 z 0 2 z 2x 0 0 z 2x 2y

os pivots, formam um conjunto de vectores linearmente independente. Qualquer conjunto
f(1; 0; 2); (0; 1; 2); (x; y; z)g em que z 2x 2y 6= 0 constitui uma base de R3 .
267
(ii) Seja (x; y; z) 2 R3 . Podemos colocar os vectores do conjunto
f(2; 1; 1); ( 4; 2; 1); (x; y; z)g
de Gauss.
2 3 2 3 2 3
2 4 x 2 4 x 2 4 x
A=4 1 2 y 5 1 ! 4 0 0 y + x 5 ! 4 0 3 z x 5 = A0 .
2 2
L +L !L x L2 $L3 x
1 1 z 2
1
1 2 2
0 3 z 2
0 0 y + 2
2
L1 +L3 !L3

pivots, formam um conjunto de vectores linearmente independente. Logo, qualquer conjunto
f(2; 1; 1); ( 4; 2; 1); (x; y; z)g

x
em que y + 2
6= 0 constitui uma base de R3 .
(iii) Seja (x; y; z) 2 R3 . Podemos colocar os vectores do conjunto
f( 1; 2; 1); (1; 0; 1); (x; y; z)g
de Gauss. 2 3 2 3
1 1 x 1 1 x
A=4 2 0 y 5 ! 4 0 2 y + 2x 5 = A0 .
2L1 +L2 !L2
1 1 z L1 +L3 !L3 0 0 z+x
pivots, formam um conjunto de vectores linearmente independente. Logo, qualquer conjunto
f( 1; 2; 1); (1; 0; 1); (x; y; z)g
em que z + x 6= 0 constitui uma base de R3 .
6. (i) Seja
S = cos2 t; sen2 t; cos 2t .
O conjunto S é linearmente dependente, pois:
cos 2t = cos2 t sen2 t.
Mas, o conjunto
S 0 = cos2 t; sen2 t
é linearmente independente pois se tivermos ; 2 R tais que
cos2 t + sen2 t = 0,
para todo o t 2 R, então se …zermos t = 2 obtemos = 0 e a seguir se …zermos t = 0

obtemos = 0. Logo, = = 0. Pelo que, o conjunto S 0 = fcos2 t; sen2 tg é uma base de
L(S), pois gera L(S) e é linearmente independente. E então,
dim L(S) = 2.
268
(ii) Seja
S = 2; sen2 t; cos2 t .
2 = 2 cos2 t + 2 sen2 t.
Mas, o conjunto
S 0 = cos2 t; sen2 t
cos2 t + sen2 t = 0,
para todo o t 2 R, então se …zermos t = 2 obtemos = 0 e a seguir se …zermos t = 0

obtemos = 0. Logo, = = 0. Pelo que, o conjunto S 0 = fcos2 t; sen2 tg é uma base de
L(S), pois gera L(S) e é linearmente independente. E então,
dim L(S) = 2.
(iii) Seja
S = et ; e t ; cosh t .
et + e t
cosh t = .
2
Mas, o conjunto
S 0 = et ; e t
et + e t
= 0,
para todo o t 2 R, então se …zermos t = 0 obtemos + = 0 e a seguir se …zermos t = 1

obtemos e1 + e 1 = 0. Logo, = = 0. Pelo que, o conjunto S 0 = fet ; e t g é uma base
de L(S), pois gera L(S) e é linearmente independente. E então,
dim L(S) = 2.
(iv) Seja
S = 1; t; t2 ; (t + 1)2 .
dim P2 = 3 e S tem 4 vectores.
Mas, o conjunto
S 0 = 1; t; t2
é linearmente independente pois trata-se da base canónica de P2 . Logo,
L(S) = P2 e dim L(S) = dim P2 = 3.
269
7. Seja V o espaço linear de todas as funções reais de variável real. Sejam f; g; h 2 V ,
com f (t) = sen t, g (t) = cos t e h (t) = t. Vejamos que o conjunto ff; g; hg é linearmente
independente. Sejam ; ; 2 R tais que
f + g + h = 0.
Note que
f + g + h = 0 , f (t) + g (t) + h (t) = 0, para todo o t 2 R ,

, sen t + cos t + t = 0, para todo o t 2 R.
Para t = 0, t = , t = tem-se respectivamente as seguintes equações

2
8 8
>
> sen 0 + cos 0 + 0 = 0 >
> =0
>
> >
> 8
>
< >
< < =0
sen + cos + =0 , + =0 , =0
>
> >
> :
>
> >
> = 0.
>
: >
:
sen + cos + =0 + =0
2 2 2 2
Logo = = = 0, e assim o conjunto ff; g; hg é linearmente independente.
Observação. Como ff; gg ff; g; hg, as funções sen t e cos t são linearmente indepen-
dentes.
8. (i) Podemos colocar os vectores do conjunto f(1; 3); (1; 1)g como colunas de uma
matriz A e de seguida aplicar a essa matriz o método de eliminação de Gauss:
1 1 1 1
A= ! = A0 .
3 1 3L1 +L2 !L2 0 4
formado pelos vectores das colunas 1 e 2 da matriz A:
f(1; 3); (1; 1)g
é linearmente independente. Temos assim, dois vectores de R2 linearmente independentes.

Como a dimensão de R2 é 2, então o conjunto B = f(1; 3); (1; 1)g é desde logo uma
base de R2 . (Não foi preciso veri…car se B gera R2 ). Isto é, B é base de L(B) = R2 e
dim L(B) = dim R2 = 2.
Determinemos agora as coordenadas do vector (0; 1) em relação à base
B = f(1; 3); (1; 1)g
de R2 . Isto é, queremos encontrar ; 2 R tais que
(0; 1) = (1; 3) + (1; 1).
Formando a matriz aumentada do sistema, tem-se

1 1 j 0 1 1 j 0
! .
3 1 j 1 3L1 +L2 !L2 0 4 j 1
270
Logo, 8 8 1
< + =0 < = 4
,
: : 1
4 = 1 = 4
e assim,
1 1
(0; 1) = (1; 3) + (1; 1).
4 4
2
Finalmente e ainda em relação à base B de R , o vector cujas coordenadas são (0; 1) nessa
base, é dado por:
0(1; 3) + ( 1)(1; 1) = ( 1; 1).
(ii) O conjunto S = f(0; 0); (1; 2)g contém o vector nulo, logo o conjunto é linearmente
dependente, pelo que não pode ser base de R2 . No entanto, S 0 = f(1; 2)g é linearmente
independente e S 0 é base de L(S 0 ) = L(S). Logo, dim L(S) = 1.
(iii) O conjunto S = f(2; 4)g não pode ser base de R2 uma vez que tem só um vector e
qualquer base de R2 tem sempre dois vectores (pois dim R2 = 2). No entanto, S = f(2; 4)g
é linearmente independente e S é base de L(S). Logo, dim L(S) = 1.
(iv) Facilmente se vê que o conjunto B = f( 5; 0); (0; 2)g é linearmente independente.

Temos assim, dois vectores de R2 linearmente independentes. Como a dimensão de R2 é 2,
então o conjunto B = f( 5; 0); (0; 2)g é desde logo uma base de R2 . (Não foi preciso veri…car
se B gera R2 ).
B = f( 5; 0); (0; 2)g
(0; 1) = ( 5; 0) + (0; 2).

1
Facilmente se vê que = 2
e = 0. Isto é,
1
(0; 1) = 0( 5; 0) + (0; 2).
2
Finalmente e ainda em relação à base B de R2 , o vector cujas coordenadas são (0; 1) nessa
base, é dado por:
0( 5; 0) + ( 1)(0; 2) = (0; 2).
(v) Como a dimensão de R2 é 2, então qualquer conjunto de vectores de R2 com mais do

que 2 vectores é linearmente dependente. O conjunto S = f(1; 2); (2; 3); (3; 2)g é formado
por três vectores de R2 , logo é linearmente dependente e como tal não pode ser uma base
de R2 . No entanto, podemos colocar os vectores do conjunto S = f(1; 2); (2; 3); (3; 2)g
de Gauss:
1 2 3 1 2 3
A= ! = A0 .
2 3 2 2L1 +L2 !L2 0 7 4
271
formado pelos vectores das colunas 1 e 2 da matriz A:
B = f(1; 2); (2; 3)g
é linearmente independente. Temos assim, dois vectores de R2 linearmente independentes.

Como a dimensão de R2 é 2, então o conjunto B = f(1; 2); (2; 3)g é desde logo uma base
de R2 . (Não foi preciso veri…car se B gera R2 ).
B = f(1; 2); (2; 3)g
(0; 1) = f(1; 2) + (2; 3)g .
Formando a matriz aumentada do sistema, tem-se
1 2 j 0 1 2 j 0
! .
2 3 j 1 2L1 +L2 !L2 0 7 j 1
Logo, 8 8 2
< +2 =0 < = 7
,
: : 1
7 = 1 = 7
e assim,
2 1
(0; 1) = (1; 2) + (2; 3).
7 7
2
Finalmente e ainda em relação à base B de R , o vector cujas coordenadas são (0; 1) nessa
base, é dado por:
0(1; 2) + ( 1)(2; 3) = ( 2; 3).
(vi) Bc2 = f(1; 0); (0; 1)g é a base canónica de R2 . As coordenadas do vector (0; 1) em
relação à base Bc2 são precisamente 0 e 1. Ainda em relação à base Bc2 , o vector cujas
coordenadas nessa base são (0; 1) é precisamente o vector (0; 1).
9. (i) O conjunto f(1; 2; 3); (0; 0; 0); (0; 1; 2)g contém o vector nulo, logo o conjunto é
linearmente dependente, pelo que não pode ser base. Mas,
L (f(1; 2; 3); (0; 0; 0); (0; 1; 2)g) = L (f(1; 2; 3); (0; 1; 2)g)
e facilmente se vê que o conjunto f(1; 2; 3); (0; 1; 2)g é linearmente independente. Logo,
dim L (f(1; 2; 3); (0; 0; 0); (0; 1; 2)g) = 2
e o conjunto f(1; 2; 3); (0; 1; 2)g é uma base de L (f(1; 2; 3); (0; 0; 0); (0; 1; 2)g).
272
(ii) Facilmente se vê que o conjunto f(1; 2; 0); (0; 1; 1)g é linearmente independente.
Logo, o conjunto f(1; 2; 0); (0; 1; 1)g é uma base de L (f(1; 2; 0); (0; 1; 1)g) e
dim L (f(1; 2; 0); (0; 1; 1)g) = 2.
(iii) Podemos colocar os vectores do conjunto f(3; 2; 2); ( 1; 2; 1); (0; 1; 0)g como colunas
de uma matriz A e de seguida aplicar a essa matriz o método de eliminação de Gauss:
2 3 2 3 2 3
3 1 0 3 1 0 3 1 0
A=4 2 2 1 5 2 ! 4 0 8=3 1 5
5
! 4 0 8=3 1 5 = A0 .
L +L !L L +L !L
2 1 0 3 1
2
2 2
0 5=3 0 8 2 3 3
0 0 5=8
3
L1 +L3 !L3

f(3; 2; 2); ( 1; 2; 1); (0; 1; 0)g é linearmente independente. Temos assim, três vectores de R3
linearmente independentes. Como a dimensão de R3 é 3, então o conjunto f(3; 2; 2); ( 1; 2; 1); (0; 1; 0)g
é desde logo uma base de R3 . Vamos agora escrever o vector ( 1; 1; 2) como combinação
linear dos vectores desta base. Isto é, procuremos ; ; 2 R tais que
( 1; 1; 2) = (3; 2; 2) + ( 1; 2; 1) + (0; 1; 0).
Temos então
2 3 2 3 2 3
3 1 0 j 1 3 1 0 j 1 3 1 0 j 1
4 2 2 1 j 1 5 ! 4 0 8=3 1 j 5=3 5 ! 4 0 8=3 1 j 5=3 5 .
2 5
L +L2 !L2 L +L3 !L3
2 1 0 j 2 3 1
2
0 5=3 0 j 4=3 8 2 0 0 5=8 j 19=8
L +L3 !L3
3 1
Logo, 8 8 3
>
> 3 = 1 >
> = 5
>
> >
>
< <
8 5 4
3
+ = 3
, = 5
>
> >
>
>
> >
>
: 5 19 : 19
8
= 8
= 5
.
Pelo que
3 4 19
( 1; 1; 2) = (3; 2; 2) + ( 1; 2; 1) + (0; 1; 0).
5 5 5
Finalmente e ainda em relação à base f(3; 2; 2); ( 1; 2; 1); (0; 1; 0)g de R3 , o vector cujas
coordenadas são ( 1; 1; 2) nessa base, é dado por:
( 1)(3; 2; 2) + ( 1; 2; 1) + ( 2)(0; 1; 0) = ( 4; 2; 1).
(iv) Facilmente se vê que o conjunto f(1; 1; 1); (0; 1; 1); (0; 0; 1)g é linearmente indepen-
dente. Temos então três vectores de R3 linearmente independentes. Como a dimensão de
R3 é 3, então o conjunto f(1; 1; 1); (0; 1; 1); (0; 0; 1)g é desde logo uma base de R3 . Vamos
agora escrever o vector ( 1; 1; 2) como combinação linear dos vectores desta base. Isto é,
procuremos ; ; 2 R tais que
( 1; 1; 2) = (1; 1; 1) + (0; 1; 1) + (0; 0; 1).
273
Temos então: 8 8
< = 1 < = 1
+ =1 , =2
: :
+ + = 2 = 3.
Pelo que
( 1; 1; 2) = ( 1)(1; 1; 1) + 2(0; 1; 1) + ( 3)(0; 0; 1).
Finalmente e ainda em relação à base B de R2 , o vector cujas coordenadas são ( 1; 1; 2)
nessa base, é dado por:
( 1)(1; 1; 1) + (0; 1; 1) + ( 2)(0; 0; 1) = ( 1; 0; 2).
(v) Como a dimensão de R3 é 3, então qualquer conjunto de vectores de R3 com mais

do que três vectores é linearmente dependente. O conjunto
f(1; 1; 1); (2; 3; 4); (4; 1; 1); (0; 1; 1)g
é formado por quatro vectores de R3 , logo é linearmente dependente. Vamos procurar o

número máximo de vectores linearmente independentes que, em conjunto, geram
L (f(1; 1; 1); (2; 3; 4); (4; 1; 1); (0; 1; 1)g) .
Podemos colocar os vectores do conjunto f(1; 1; 1); (2; 3; 4); (4; 1; 1); (0; 1; 1)g como lin-
has de uma A matriz e de seguida aplicar a essa matriz o método de eliminação de Gauss:
2 3 2 3
1 1 1 1 1 1
6 2 3 4 7 6 0 1 6 7
A=64 4 1
7 ! 6 7 !
1 5 2L1 +L2 !L2 4 0 3 3 5 3L2 +L3 !L3
4L1 +L3 !L3 L2 +L4 !L4
0 1 1 0 1 1
2 3 2 3 2 3
1 1 1 1 1 1 1 1 1
6 0 1 6 7 6 0 1 6 7 6 0 1 6 7
! 6 7 ! 6 7 ! 6 7 = A0 .
3L2 +L3 !L3 4 0 0 21 5 1
L !L3
4 0 0 1 5 L3 +L4 !L4
4 0 0 1 5
21 3
L2 +L4 !L4
0 0 7 1
L !L4
7 4
0 0 1 0 0 0
As linhas não nulas da matriz em escada A0 são linearmente independentes. Logo, o conjunto
f(1; 1; 1); (0; 1; 6); (0; 0; 1)g é formado por três vectores de R3 , linearmente independentes.
Atendendo a que a dimensão de R3 é 3, o conjunto
f(1; 1; 1); (0; 1; 6); (0; 0; 1)g
é desde logo uma base de R3 . Uma vez que L(A) = L(A0 ) temos então:
L (f(1; 1; 1); (2; 3; 4); (4; 1; 1); (0; 1; 1)g) = L (f(1; 1; 1); (0; 1; 6); (0; 0; 1)g) = R3 .
Logo,
dim L (f(1; 1; 1); (2; 3; 4); (4; 1; 1); (0; 1; 1)g) = 3.
Vamos agora escrever o vector ( 1; 1; 2) como combinação linear dos vectores da base
f(1; 1; 1); (0; 1; 6); (0; 0; 1)g :
274
Isto é, procuremos ; ; 2 R tais que
( 1; 1; 2) = (1; 1; 1) + (0; 1; 6) + (0; 0; 1).
Temos então: 8 8
< = 1 < = 1
+ =1 , =2
: :
+6 + = 2, = 15.
Pelo que
( 1; 1; 2) = ( 1)(1; 1; 1) + 2(0; 1; 6) + ( 15)(0; 0; 1).
Finalmente e ainda em relação à base f(1; 1; 1); (0; 1; 6); (0; 0; 1)g de R3 , o vector cujas
( 1)(1; 1; 1) + (0; 1; 6) + ( 2)(0; 0; 1) = ( 1; 0; 5).
(vi) Bc3 = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g é a base canónica de R3 . As coordenadas do vector
( 1; 1; 2) em relação à base Bc3 são precisamente 1; 1 e 2. Ainda em relação à base Bc3 ,
o vector cujas coordenadas nessa base são ( 1; 1; 2) é precisamente o vector ( 1; 1; 2).
10. (i) Podemos colocar os vectores do conjunto f(1; 0; 0; 1); (0; 1; 0; 0); (1; 1; 1; 1); (0; 1; 1; 1)g
Gauss: 2 3 2 3
1 0 1 0 1 0 1 0
6 0 1 1 1 7 6 0 1 1 1 7
6 7 6 7
!
4 0 0 1 1 5 L1 +L4 !L4 4 0 0 1 1 5 .
1 0 1 1 0 0 0 1
Logo, o conjunto f(1; 0; 0; 1); (0; 1; 0; 0); (1; 1; 1; 1); (0; 1; 1; 1)g é linearmente independente.
Temos assim, quatro vectores de R4 linearmente independentes. Como a dimensão de R4 é
4, então o conjunto f(1; 0; 0; 1); (0; 1; 0; 0); (1; 1; 1; 1); (0; 1; 1; 1)g é desde logo uma base de R4
e
dim L (f(1; 0; 0; 1); (0; 1; 0; 0); (1; 1; 1; 1); (0; 1; 1; 1)g) = dim R4 = 4.
(ii) Podemos colocar os vectores do conjunto f(1; 1; 0; 2); (3; 1; 2; 1); (1; 0; 0; 1)g como
colunas de uma matriz e de seguida aplicar a essa matriz o método de eliminação de Gauss:
2 3 2 3
1 3 1 1 3 1
6 1 1 0 7 6 0 2 1 7
6 7 ! 6 7 !
4 0 2 0 5 L1 +L2 !L2 4 0 2 0 5 L2 +L3 !L3
2L1 +L4 !L4 5
2 1 1 0 5 1 2 L2 +L4 !L4
2 3 2 3
1 3 1 1 3 1
6 0 2 1 7 6 0 2 1 7
! 6 7 ! 6 7.
L2 +L3 !L3 4 0 0 1 5 32 L3 +L4 !L4 4 0 0 1 5
0 0 32
5
L +L4 !L4
2 2 0 0 0
Logo, o conjunto f(1; 1; 0; 2); (3; 1; 2; 1); (1; 0; 0; 1)g é linearmente independente e é assim
uma base do subespaço de R4 :
L (f(1; 1; 0; 2); (3; 1; 2; 1); (1; 0; 0; 1)g)
275
tendo-se
dim L (f(1; 1; 0; 2); (3; 1; 2; 1); (1; 0; 0; 1)g) = 3.
Atendendo ainda ao método de eliminação de Gauss, uma base de R4 que inclui pelo
menos dois vectores do conjunto apresentado:
f(1; 1; 0; 2); (1; 0; 0; 1); (0; 0; 1; 0); (0; 0; 0; 1)g
uma vez que 2 3 2 3

1 1 0 0 1 1 0 0
6 1 0 0 0 7 6 0 1 0 0 7
6 7 !6 7.
4 0 0 1 0 5 ::: 4 0 0 1 0 5
2 1 0 1 0 0 0 1
| {z }
car=4
(iii) Podemos colocar os vectores do conjunto
f(1; 0; 0; 1); (0; 1; 1; 0); (0; 1; 0; 1); (1; 0; 1; 0); (0; 0; 1; 1)g
Gauss: 2 3 2 3
1 0 0 1 0 1 0 0 1 0
6 0 1 1 0 0 7 6 0 1 1 0 0 7
A=6 4 0
7
5 ! 6 7 !
1 0 1 1 L1 +L4 !L4 4 0 1 0 1 1 5 L2 +L3 !L3
1 0 1 0 1 0 0 1 1 1
2 3 2 3
1 0 0 1 0 1 0 0 1 0
6 0 1 1 0 0 7 6 0 1 1 0 0 7
! 6 7 ! 6 7 = A0 .
L2 +L3 !L3 4 0 0 5
1 1 1 L3 +L4 !L4 4 0 0 1 1 1 5
0 0 1 1 1 0 0 0 0 2
As colunas da matriz A correspondentes às colunas da matriz A0 que contêm os pivots,
formam um conjunto de vectores linearmente independente. Logo, os vectores das colunas
1; 2; 3 e 5 da matriz A:
f(1; 0; 0; 1); (0; 1; 1; 0); (0; 1; 0; 1); (0; 0; 1; 1)g
são uma base de R4 , por serem quatro vectores linearmente independentes de um espaço
linear de dimensão 4. E
dim L (f(1; 0; 0; 1); (0; 1; 1; 0); (0; 1; 0; 1); (0; 0; 1; 1)g) = dim R4 = 4.
(iv) Facilmente se vê que o conjunto f(1; 0; 0; 2); (1; 0; 2; 0); (1; 2; 0; 0); (3; 0; 0; 0)g é li-
nearmente independente. Temos então quatro vectores de R4 linearmente independentes.
Como a dimensão de R4 é 4, então o conjunto
f(1; 0; 0; 2); (1; 0; 2; 0); (1; 2; 0; 0); (3; 0; 0; 0)g
é desde logo uma base de R4 e
dim L (f(1; 0; 0; 2); (1; 0; 2; 0); (1; 2; 0; 0); (3; 0; 0; 0)g) = dim R4 = 4.
276
(v) Podemos colocar os vectores do conjunto
f(1; 2; 5; 3); (2; 4; 6; 2); (3; 6; 11; 1); (0; 0; 5; 5)g
Gauss: 2 3 2 3
1 2 3 0 1 2 3 0
6 2 4 6 0 7 6 1 5 7
A=6 7 ! 6 3 2 7 !
4 5 6 11 5 5 L2 $L4 4 5 6 11 5 5 3L1 +L2 !L2
5L1 +L3 !L3
3 2 1 5 2 4 6 0 2L1 +L4 !L4
2 3 2 3
1 2 3 0 1 2 3 0
6 0 8 8 5 7 6 0 8 8 5 7
! 6 7 ! 6 7 = A0 .
3L1 +L2 !L2 4 0 4 4 5 21 L2 +L3 !L3 4 0 0 0 15 5
5
5L1 +L3 !L3
2L +L !L
0 0 0 0 0 0 0 0
1 4 4

1; 2 e 4 da matriz A formam um conjunto linearmente independente:
f(1; 2; 5; 3); (2; 4; 6; 2); (0; 0; 5; 5)g .
Assim, o conjunto f(1; 2; 5; 3); (2; 4; 6; 2); (0; 0; 5; 5)g é uma base de
L (f(1; 2; 5; 3); (2; 4; 6; 2); (0; 0; 5; 5)g) ,
tendo-se
dim L (f(1; 2; 5; 3); (2; 4; 6; 2); (0; 0; 5; 5)g) = 3.
menos dois vectores do conjunto inicial:
f(1; 2; 5; 3); (0; 1; 0; 0); (2; 4; 6; 2); (0; 0; 5; 5)g
uma vez que 2 3 2 3

1 0 2 0 1 0 2 0
6 2 1 4 7
0 7 6 0 1 0 0 7
6 !6 7.
4 5 0 6 5 5 ::: 4 0 0 4 5 5
3 0 2 5 0 0 0 15
| {z }
car=4
(vi) Podemos colocar os vectores do conjunto
f(2; 1; 1; 2); ( 1; 1; 1; 2); (4; 2; 2; 2); (5; 2; 2; 2)g
Gauss: 2 3 2 3
2 1 4 5 1 1 2 2
6 1 1 2 2 7 6 5 7
A=6 7 ! 6 2 1 4 7 !
4 1 1 2 2 5 L1 $L2 4 2 2 2 2 5 2L1 +L2 !L2
L3 $L4 2L1 +L3 !L3
2 2 2 2 1 1 2 2 L +L !L 1 4 4
277
2 3 2 3
1 1 2 2 1 1 2 2
6 0 1 8 9 7 6 0 1 8 9 7
! 6 7 ! 6 7 = A0 .
2L1 +L2 !L2 4 0 4 2 6 5 4L2 +L3 !L3 4 0 0 30 30 5
2L1 +L3 !L3
L1 +L4 !L4
0 0 0 0 0 0 0 0
1; 2 e 3 da matriz A formam um conjunto linearmente independente:
f(2; 1; 1; 2); ( 1; 1; 1; 2); (4; 2; 2; 2)g .
Assim, o conjunto f(2; 1; 1; 2); ( 1; 1; 1; 2); (4; 2; 2; 2)g é uma base de
L (f(2; 1; 1; 2); ( 1; 1; 1; 2); (4; 2; 2; 2)g) ,
tendo-se
dim L (S) = dim L (f(2; 1; 1; 2); ( 1; 1; 1; 2); (4; 2; 2; 2)g) = 3.
Uma base de R4 que inclui pelo menos dois vectores do conjunto
f(2; 1; 1; 2); ( 1; 1; 1; 2); (4; 2; 2; 2)g :
f(2; 1; 1; 2); ( 1; 1; 1; 2); (4; 2; 2; 2); (0; 0; 1; 0)g .

Vejamos que (8; 3; 3; 5) 2 L (S) e determinemos uma base de L (S) que inclua o vector
(8; 3; 3; 5). Isto é, procuremos ; ; 2 R tais que
(8; 3; 3; 5) = (2; 1; 1; 2) + ( 1; 1; 1; 2) + (4; 2; 2; 2).
Temos então:
2 3 2 3
2 1 4 j 8 1 1 2 j 3
6 1 1 2 j 3 7 6 2 1 4 j 8 7
6 7 ! 6 7 !
4 1 1 2 j 3 5 L1 $L2 4 2 2 2 j 5 5 2L1 +L2 !L2
L3 $L4 2L1 +L3 !L3
2 2 2 j 5 1 1 2 j 3 L1 +L4 !L4
2 3 2 3
1 1 2 j 3 1 1 2 j 3
6 0 1 8 j 14 7 6 0 1 8 j 14 7
! 6 7 ! 6 7 . (*)
2L1 +L2 !L2 4 0 4 2 j 11 5 2L1 +L2 !L2 4 0 0 30 j 45 5
2L1 +L3 !L3 2L1 +L3 !L3
L1 +L4 !L4
0 0 0 j 0 L1 +L4 !L4
0 0 0 j 0
Logo, 8
>
> =2
>
>
<
=2
>
>
>
>
: 3
= 2
Pelo que
3
(8; 3; 3; 5) = 2(2; 1; 1; 2) + 2( 1; 1; 1; 2) + (4; 2; 2; 2).
2
278
Atendendo a (*), o conjunto
f(2; 1; 1; 2); ( 1; 1; 1; 2); (8; 3; 3; 5)g
é uma base de L (S) que inclui o vector (8; 3; 3; 5):

menos dois vectores do conjunto inicial:
f(2; 1; 1; 2); ( 1; 1; 1; 2); (0; 0; 1; 0); (8; 3; 3; 5)g
uma vez que 2 3 2 3

2 1 0 8 2 1 0 8
6 1 1 0 7
3 7 6 0 1=2 0 7 7
6 !6 7.
4 1 1 1 3 5 ::: 4 0 0 4 0 5
2 2 0 5 0 0 0 45
| {z }
car=4
11. Como B = f2 t; 2 + tg é uma base de P1 , existem escalares ; 2 R tais que
p (t) = t = (2 t) + (2 + t)
sendo e as coordenadas de p (t) nessa base ordenada. Atendendo a que
2 2 j 0 2 2 j 0
! ,
1 1 j 1 1
L +L2 !L2
2 1
0 2 j 1
1 1
2 =1, = e 2 + 2 = 0 ,1 = :
2 =2 2
1 1
Logo 2
e 2
são as coordenadas de p (t) em B.
12. (i) Podemos colocar os coe…cientes dos vectores do conjunto
2+t t2 ; 2t + 2t2 ; t2
de Gauss: 2 3 2 3
2 0 0 1 2 1
A= 4 1 2 0 5 ! 4 1 2 0 5 !
L1 $L3 L1 +L2 !L2
1 2 1 2 0 0 2L1 +L3 !L3
2 3 2 3
1 2 1 1 2 1
! 4 0 4 1 5 ! 4 0 4 1 5 = A0 .
L1 +L2 !L2 L +L !L
2L1 +L3 !L3 0 4 2 2L11 +L23 !L23 0 0 1
2+t t2 ; 2t + 2t2 ; t2 ,
279
formado por três vectores de P2 , é linearmente independente. Como a dimensão de P2 é 3,
então o conjunto
2 + t t2 ; 2t + 2t2 ; t2
é desde logo uma base de P2 tendo-se
L 2+t t2 ; 2t + 2t2 ; t2 = P2
e
dim L 2+t t2 ; 2t + 2t2 ; t2 = dim P2 = 3.
Vamos agora escrever o vector 1 t como combinação linear dos vectores da base
2+t t2 ; 2t + 2t2 ; t2 :
1 t = (2 + t t2 ) + (2t + 2t2 ) + ( t2 ).
Temos então: 8 8 1
>
> 2 =1 >
> = 2
>
> >
>
< <
3
+2 = 1 , = 4
>
> >
>
>
> >
>
: :
+2 = 0, = 2.
Pelo que
1 3
1 t = (2 + t t2 ) (2t + 2t2 ) 2( t2 ).
2 4
Finalmente e ainda em relação à base f2 + t t2 ; 2t + 2t2 ; t2 g de P2 , o vector cujas coor-
denadas são ( 1; 3; 2) nessa base, é dado por:
( 1)(2 + t t2 ) + 3(2t + 2t2 ) + 2( t2 ) = 2 + 5t + 5t2 .
(ii) Podemos colocar os coe…cientes dos vectores do conjunto
2t t2 ; 1 2t2 ; 2 + t; 1 4t
de Gauss:
2 3 2 3
0 1 2 1 2 0 1 4
A= 4 2 0 1 4 5 ! 4 0 1 2 1 5 !
L1 $L2 1
L +L3 !L3
1 2 0 0 1 2 0 0 2 1
2 3 2 3
2 0 1 4 2 0 1 4
! 4 0 1 2 1 5 ! 4 0 1 2 1 5 = A0 .
1 2L2 +L3 !L3
L +L3 !L3
2 1 0 2 21 2 0 0 9
2
0
formam um conjunto de vectores linearmente independente. Logo, o conjunto dos vectores
correspondentes às colunas 1; 2 e 3 da matriz A:
2t t2 ; 1 2t2 ; 2 + t
280
é uma base de
L 2t t2 ; 1 2t2 ; 2 + t; 1 4t .
Como a dimensão de P2 é 3, então o conjunto
2t t2 ; 1 2t2 ; 2 + t
L 2t t2 ; 1 2t2 ; 2 + t; 1 4t =L 2t t2 ; 1 2t2 ; 2 + t = P2
e
dim L 2t t2 ; 1 2t2 ; 2 + t; 1 4t = dim P2 = 3.
Vamos agora escrever o vector 1 t como combinação linear dos vectores da base f2t t2 ; 1 2t2 ; 2 + tg.
1 t = (2t t2 ) + (1 2t2 ) + (2 + t).
Temos então: 8 8 8
1 1
>
> +2 =1 >
> = 3 >
> = 3
>
> >
> >
>
< < <
1
2 + = 1 , = 1+4 , = 3
>
> >
> >
>
>
> >
> >
>
: : : 2
2 = 0, = 2 . = 3
.
Pelo que
2 1 1
1 t=(2t t2 ) + (1 2t2 ) + (2 + t).
3 3 3
2 2
Finalmente e ainda em relação à base f2t t ; 1 2t ; 2 + tg de P2 , o vector cujas coorde-
nadas são ( 1; 3; 2) nessa base, é dado por:
( 1)(2t t2 ) + 3(1 2t2 ) + 2(2 + t) = 7 5t2 .
(iii) Podemos colocar os coe…cientes dos vectores do conjunto
1 + t2 ; t t2 ; 1 t + 2t2 ; 1 + t
de Gauss:
2 3 2 3 2 3
1 0 1 1 1 0 1 1 1 0 1 1
A=4 0 1 1 1 5 ! 4 0 1 1 1 5 ! 4 0 1 1 1 5 = A0 .
L1 +L3 !L3 L2 +L3 !L3
1 1 2 0 0 1 1 1 0 0 0 0

correspondentes às colunas 1; 2 da matriz A:
1 + t2 ; t t2
281
é uma base de
L 1 + t2 ; t t2 ; 1 t + 2t2 ; 1 + t ,
tendo-se
L 1 + t2 ; t t2 ; 1 t + 2t2 ; 1 + t =L 1 + t2 ; t t2
e
dim L 1 + t2 ; t t2 ; 1 t + 2t2 ; 1 + t = dim L 1 + t2 ; t t2 = 2.
(iv) Facilmente se vê que o conjunto f 1 + 2t + t2 ; 2 tg é linearmente independente.

Logo, ele próprio é uma base de
L 1 + 2t + t2 ; 2 t ,
e tem-se
dim L 1 + 2t + t2 ; 2 t = 2.
(v) Podemos colocar os coe…cientes dos vectores do conjunto
1 + 2t t2 ; 3 + t2 ; 5 + 4t t2 ; 2 + 2t t2
de Gauss:
2 3 2 3
1 3 5 2 1 3 5 2
A=4 2 0 4 2 5 ! 4 0 6 6 6 51 !
2L1 +L2 !L2
1 1 1 1 L1 +L3 !L3 0 4 4 3 6 L2 !L2
2 3 2 3
1 3 5 2 1 3 5 2
1
! 4 0 1 1 1 5 ! 4 0 1 1 1 5 = A0 .
L !L 4L2 +L3 !L3
6 2 2
0 4 4 3 0 0 0 1
correspondentes às colunas 1; 2 e 4 da matriz A:
1 + 2t t2 ; 3 + t2 ; 2 + 2t t2
é uma base de
L 1 + 2t t2 ; 3 + t2 ; 5 + 4t t2 ; 2 + 2t t2 .
Como a dimensão de P2 é 3, então o conjunto
1 + 2t t2 ; 3 + t2 ; 2 + 2t t2
L 1 + 2t t2 ; 3 + t2 ; 5 + 4t t2 ; 2 + 2t t2 =
=L 1 + 2t t2 ; 3 + t2 ; 2 + 2t t2 = P2
e
dim L 1 + 2t t2 ; 3 + t2 ; 5 + 4t t2 ; 2 + 2t t2 = dim P2 = 3.
282
Vamos agora escrever o vector 1 t como combinação linear dos vectores da base
1 + 2t t2 ; 3 + t2 ; 2 + 2t t2 :
1 t = (1 + 2t t2 ) + (3 + t2 ) + ( 2 + 2t t2 ).
Temos então: 2 32 3 3 2
1 3 2 1
4 2 0 2 54 5 = 4 1 5.
1 1 1 0
Aplicando então o método de eliminação de Gauss à matriz aumentada do sistema anterior,
temos: 2 3 2 3
1 3 2 j 1 1 3 2 j 1
4 2 0 2 j 1 5 ! 4 0 6 6 j 3 51 !
2L1 +L2 !L2 L !L2
1 1 1 j 0 L1 +L3 !L3 0 4 3 j 1 3 2
2 3 2 3
1 3 2 j 1 1 3 2 j 1
! 4 0 2 2 j 1 5 ! 4 0 2 2 j 1 5.
1 2L2 +L3 !L3
L !L2
3 2 0 4 3 j 1 0 0 1 j 1
Logo, 8 1
>
> = 2
>
>
<
1
= 2
>
>
>
>
:
= 1.
Pelo que
1 1
1 t = (1 + 2t t2 ) + (3 + t2 ) + ( 1) ( 2 + 2t t2 ).
2 2
Finalmente e ainda em relação à base f1 + 2t t2 ; 3 + t2 ; 2 + 2t t2 g de P2 , o vector cujas
( 1)(1 + 2t t2 ) + 3(3 + t2 ) + 2( 2 + 2t t2 ) = 4 + 2t + 2t2 .
(vi) O conjunto f1; t; t2 g é a base canónica de P2 . As coordenadas do vector 1+3t+2t2

em relação a essa base são precisamente 1; 3 e 2. Ainda em relação à base f1; t; t2 g, o vector
cujas coordenadas nessa base são ( 1; 3; 2) é precisamente o vector 1 + 3t + 2t2 .
a b
13. (i) Seja A = 2 M2 2 (R). Então tr A = 0 , a + d = 0. Logo
c d
a b d b
A= 2 M2 2 (R) : tr A = 0 = : b; c; d 2 R =
c d c d
1 0 0 1 0 0
=L ; ; :
0 1 0 0 1 0
283
1 0 0 1 0 0
Como o conjunto ; ; é linearmente independente e gera o
0 1 0 0 1 0
a b
subespaço A = 2 M2 2 (R) : tr A = 0 ; é então uma base deste subespaço, o
c d
qual tem assim dimensão 3.
a b
(ii) Seja A = 2 M2 2 (R) tal que
c d
1 1 a b a b 1 1
= .
1 1 c d c d 1 1
Tem-se então
a+c b+d a+b a+b
=
a+c b+d c+d c+d
ou seja a = d e b = c. Assim
1 1 1 1 a b
A 2 M2 2 (R) : A = A = : a; b 2 R =
1 1 1 1 b a
1 0 0 1
=L ; :
0 1 1 0
1 0 0 1
Como o conjunto ; é linearmente independente e gera o subespaço
0 1 1 0
1 1 1 1
A 2 M2 2 (R) : A = A ;
1 1 1 1
é então uma base deste subespaço, o qual tem assim dimensão 2.
14.
8
> =3 8
>
<
1
< 1 =3
3 1 1 1 +2 3 1+2 3 = 1
= 1 A+ 2 B+ 3 C = , , 2 = 2
1 1 1 + 2 2 3 >
> 1+ 2 = 1 :
: 3 = 1.
2 3 = 1
Logo
3 1 1 1 0 0 0 2
=3 2 .
1 1 1 0 1 1 0 1
1 1 0 0 0 2
Seja U = L ; ; .
1 0 1 1 0 1
Existe D 2 M2 2 (R) tal que D 2
= U uma vez que
U M2 2 (R) e dim
| {z U} < dim M2 2 (R).
| {z }
3 =4
a b a b
Seja 2 U . Tem-se 2 U se e só se existirem escalares ; ; 2 R tais
c d c d
que
284
a b
= A + B + C.
c d
8
>
>=a 1
<
a b a b 1 1 +2 3 1+2 3 = b
= A+ B+ C , = ,
c d c d 1 + 2 2 3 >
> 1+ 2 = c
:
2 3 = d
2 3 2 3
1 0 0 j a 1 0 0 j a
6 1 0 2 j b 7 6 0 0 2 j b a 7
6 7 ! 6 7 !
4 1 1 0 j c 5 L1 +L2 !L2 4 0 1 0 j c a 5 L3 +L4 !L4
L1 +L3 !L3 1
0 1 1 j d 0 1 1 j d L
2 2
+L4 !L4
2 3 2 3
1 0 0 j a 1 0 0 j a
6 0 0 2 j b a 7 6 0 1 0 j c a 7
! 6 7 ! 6 7
L3 +L4 !L4 4 0 1 0 j c a 5 L2 $L3 4 0 0 2 j b a 5
j d + 12 (b + a) 1
1
L
2 2
+L4 !L4 0 0 0 c 0 0 0 j d + 2 (b + a) c.
Logo, para que o sistema linear anterior seja possível é necessário que se tenha
1
d+ (b + a) c = 0.
2
Deste modo podemos escrever
a b 1
U= 2 M2 2 (R) : d + (b + a) c=0
c d 2
a b
e assim, sendo V = 2 M2 2 (R) : d + 12 (b + a) c 6= 0 , tem-se
c d
M2 2 (R) = U V.
Ou seja, qualquer vector de V que não seja o vector nulo, esse vector não pertence a U . Por
exemplo
1 1 1 1 0 0 0 2
2=U =L ; ; .
1 1 1 0 1 1 0 1
15. Como o espaço linear M2 2 (R) tem dimensão 4, então para veri…car que as matrizes
1 1 0 0 1 0 0 1
; ; ;
0 0 1 1 0 1 1 1
formam uma base de M2 2 (R) basta ver que são linearmente independentes. Sejam ; ; ; 2
R tais que
1 1 0 0 1 0 0 1
+ + + = 0,
0 0 1 1 0 1 1 1
0 0
onde 0 é a matriz nula . Queremos provar que = = = = 0.
0 0
285
Temos então:
+ + 0 0
=
+ + + 0 0
isto é, 8
>
> + =0
<
+ =0
>
> + =0
:
+ + = 0,
ou ainda 2 32 3 3 2
1 0 1 0 0
6 1 0 0 1 7 6 7 6 0 7
6 76 7 = 6 7.
4 0 1 0 5
1 4 5 4 0 5
0 1 1 1 0
Aplicando então o método de eliminação de Gauss à matriz dos coe…cientes do sistema
homogéneo anterior, temos:
2 3 2 3
1 0 1 0 1 0 1 0
6 1 0 0 1 7 6 0 0 1 1 7
6 7 ! 6 7 !
4 0 1 0 1 5 L1 +L2 !L2 4 0 1 0 1 5 L2 $L3
0 1 1 1 0 1 1 1
2 3 2 3 2 3
1 0 1 0 1 0 1 0 1 0 1 0
6 0 1 0 1 7 6 0 1 0 1 7 6 0 1 0 1 7
! 6 7 ! 6 7 ! 6 7.
L2 $L3 4 0 0 1 1 5 L2 +L4 !L4 4 0 0 1 1 5 L3 +L4 !L4 4 0 0 1 1 5
0 1 1 1 0 0 1 0 0 0 0 1
Logo, a única solução do sistema é: ( ; ; ; ) = (0; 0; 0; 0). Assim, o conjunto
1 1 0 0 1 0 0 1
; ; ;
0 0 1 1 0 1 1 1
é uma base de M2 2 (R).
1 3 0 11 2 5 4 1 3 2
16. Seja S = ; ; , ; . Seja W um
1 2 5 3 3 1 1 5 2 3
subespaço de M2 2 (R) gerado por S. Determinemos uma base para W que inclua vectores
de S.
Sejam 1 ; 2 ; 3 ; 4 ; 5 2 R tais que
0 0 1 3 0 11 2 5 4 1 3 2
= 1 + 2 + 3 + 4 + 5 .
0 0 1 2 5 3 3 1 1 5 2 3
Temos então:
2 3 2 3
1 0 2 4 3 1 0 2 4 3
6 3 11 5 1 2 7 6 0 11 11 11 11 7
6 7 ! 6 7 !
4 1 5 3 1 2 5 3L1 +L2 !L2 4 0 5 5 5 5 5 5
L +L3 !L3
11 2
L1 +L3 !L3
2 3 1 5 3 2L1 +L4 !L4
0 3 3 3 3 3
L +L4 !L4
11 2
286
2 3
1 0 2 4 3
6 0 11 11 11 11 7
! 6 7
5
L +L3 !L3
4 0 0 0 0 0 5
11 2
3
L +L4 !L4
11 2
0 0 0 0 0
pelo que sendo as 2 primeiras colunas da matriz em escada anterior independentes, o conjunto
de matrizes
1 3 0 11
;
1 2 5 3
é uma base de W , atendendo também a que
2 5 4 1 3 2 1 3 0 11
; ; 2L ; .
3 1 1 5 2 3 1 2 5 3
17. A dimensão do espaço linear M3 2 (R) é 6. Assim, para encontrar uma base de
M3 2 (R), basta encontrar 6 matrizes do tipo 3 2 que sejam linearmente independentes. O
seguinte conjunto de 6 matrizes do tipo 3 2:
82 3 2 3 2 3 2 3 2 3 2 39
< 1 0 0 1 0 0 0 0 0 0 0 0 =
4 0 0 5;4 0 0 5;4 1 0 5;4 0 1 5;4 0 0 5;4 0 0 5
: ;
0 0 0 0 0 0 0 0 1 0 0 1
é linearmente independente. Logo, é uma base de M3 2 (R). (Chama-se a esta base, a base
canónica de M3 2 (R).)
18. (i) Uma matriz diagonal do tipo 3 3 tem a seguinte forma:

2 3
a 0 0
4 0 b 0 5 com a; b; c 2 R.
0 0 c
E tem-se 2 3 2 3 2 3 2 3
a 0 0 1 0 0 0 0 0 0 0 0
4 0 b 0 5 = a4 0 0 0 5 + b4 0 1 0 5 + c4 0 0 0 5.
0 0 c 0 0 0 0 0 0 0 0 1
Isto é, o subespaço formado por todas as matrizes diagonais do tipo 3 3, é gerado pelo
conjunto 82 3 2 3 2 39
< 1 0 0 0 0 0 0 0 0 =
D = 4 0 0 0 5;4 0 1 0 5;4 0 0 0 5 .
: ;
0 0 0 0 0 0 0 0 1
Além disso, este conjunto é linearmente independente. Temos então que o conjunto D é uma
base do subespaço formado por todas as matrizes diagonais do tipo 3 3. Logo, o subespaço
tem dimensão 3.
(ii) Uma matriz simétrica do tipo 3 3 tem a seguinte forma:

2 3
a b c
4 b d e 5 com a; b; c; d; e; f 2 R.
c e f
287
E tem-se
2 3 2 3 2 3 2 3
a b c 1 0 0 0 1 0 0 0 1
4 b d e 5 = a4 0 0 0 5 + b4 1 0 0 5 + c4 0 0 0 5+
c e f 0 0 0 0 0 0 1 0 0
2 3 2 3 2 3
0 0 0 0 0 0 0 0 0
4 5 4 5
+d 0 1 0 + e 0 0 1 + f 0 0 4 0 5.
0 0 0 0 1 0 0 0 1
Isto é, o subespaço formado por todas as matrizes simétricas do tipo 3 3, é gerado pelo
conjunto
82 3 2 3 2 3 2 3 2 3 2 39
< 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 =
S= 4 5 4
0 0 0 ; 1 0 0 5;4 0 0 0 5;4 0 1 0 5;4 0 0 1 5;4 0 0 0 5
: ;
0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1
Além disso, este conjunto é linearmente independente. Temos então que o conjunto S é uma
base do subespaço formado por todas as matrizes simétricas do tipo 3 3. Logo, o subespaço
tem dimensão 6.
19. (i)
3 1 3 1
A= ! = A0 .
6 2 2L1 +L2 !L2 0 0
formam um conjunto de vectores linearmente independente. Logo,
C(A) = L (f(3; 6)g)
e o conjunto f(3; 6)g é uma base de C(A). Por outro lado,
L(A) = L (f(3; 1)g) ,
e o conjunto f(3; 1)g é uma base de L(A). Desta forma:
carA = dim C(A) = dim L(A) = 1.
Por de…nição:
N (A) = u 2 R2 : Au = 0 .
Temos então, pelo método de eliminação de Gauss,
Au = 0 , A0 u = 0.
A equação
3 1 u1 0
=
0 0 u2 0
é equivalente à equação
3u1 + u2 = 0.
288
Logo,
N (A) = f(u1 ; 3u1 ) : u1 2 Rg = L (f(1; 3)g) .
O conjunto S = f(1; 3)g é linearmente independente. Como S é linearmente independente
e gera N (A), temos então que S é uma base de N (A) e:
nulA = dim N (A) = 1.
(ii)
3 0 6 0 3 0 6 0
A= ! = A0 .
1 0 2 0 1
L +L2 !L2
3 1
0 0 0 0
C(A) = L (f(3; 1)g)
e o conjunto f(3; 1)g é uma base de C(A). Por outro lado,
L(A) = L (f(3; 0; 6; 0)g) ,
e o conjunto f(3; 0; 6; 0)g é uma base de L(A). Desta forma:
Por de…nição:
N (A) = u 2 R4 : Au = 0 .
Au = 0 , A0 u = 0.
A equação 2 3 2 3
u1 0
3 0 6 0 6 u2 7 6 0 7
6 7 6 7
0 0 0 0 4 u3 5 = 4 0 5
u4 0
é equivalente à equação
3u1 6u3 = 0,
ou seja a
u1 = 2u3 .
Logo,
N (A) = f(2u3 ; u2 ; u3 ; u4 ) : u2 ; u3 ; u4 2 Rg .
Como
(2u3 ; u2 ; u3 ; u4 ) = u3 (2; 0; 1; 0) + u2 (0; 1; 0; 0) + u4 (0; 0; 0; 1),
tem-se:
N (A) = L (f(2; 0; 1; 0); (0; 1; 0; 0); (0; 0; 0; 1)g) .
289
O conjunto S = f(2; 0; 1; 0); (0; 1; 0; 0); (0; 0; 0; 1)g é linearmente independente. Como S é
linearmente independente e gera N (A), temos então que S é uma base de N (A) e:
(iii) 2 3
0 1 0 0
A = 4 0 0 1 0 5.
0 0 0 1
As colunas da matriz A que contêm os pivots, formam um conjunto de vectores linearmente
independente. Logo,
C(A) = L (f(1; 0; 0); (0; 1; 0); (0; 0; 1)g)
e o conjunto f(1; 0; 0); (0; 1; 0); (0; 0; 1)g é uma base de C(A). Por outro lado,
L(A) = L (f(0; 1; 0; 0); (0; 0; 1; 0); (0; 0; 0; 1)g) ,
e o conjunto f(0; 1; 0; 0); (0; 0; 1; 0); (0; 0; 0; 1)g é uma base de L(A). Desta forma:
Por de…nição:
N (A) = u 2 R4 : Au = 0 .
A equação 3 2 2 3
2 u1 3 0
0 1 0 0 6 7 6 7
4 0 0 1 0 5 6 u2 7 = 6 0 7
4 u3 5 4 0 5
0 0 0 1
u4 0
é equivalente ao sistema 8
< u2 = 0
u3 = 0
:
u4 = 0.
Logo,
N (A) = f(u1 ; 0; 0; 0) : u1 2 Rg = L (f(1; 0; 0; 0)g) .
O conjunto S = f(1; 0; 0; 0)g é linearmente independente. Como S é linearmente indepen-
dente e gera N (A), temos então que S é uma base de N (A) e:
(iv)
2 3 2 3 2 3
1 1 2 1 1 2 1 1 2
A=4 1 2 1 5 ! 4 0 3 1 5 1
! 4 0 3 1 5 = A0 .
L1 +L2 !L2 L +L3 !L3 2
0 1 1 0 1 1 3 2 0 0 3

C(A) = L (f(1; 1; 0); (1; 2; 1); ( 2; 1; 1)g)
290
e o conjunto f(1; 1; 0); (1; 2; 1); ( 2; 1; 1)g é uma base de C(A). Por outro lado,
2
L(A) = L (f(1; 1; 2); ( 1; 2; 1); (0; 1; 1)g) = L (1; 1; 2); (0; 3; 1); (0; 0; ) ,
3
e quer o conjunto f(1; 1; 2); ( 1; 2; 1); (0; 1; 1)g ; quer o conjunto
2
(1; 1; 2); (0; 3; 1); (0; 0; ) ,
3
são bases para L(A). Desta forma:
Por de…nição:
N (A) = u 2 R3 : Au = 0 .
Como se tem sempre:
no de colunas de A = carA + nulA,
então
N (A) = f0g
e
Alternativamente poderíamos veri…car que se tem mesmo
N (A) = f0g .
Pelo método de eliminação de Gauss, temos
Au = 0 , A0 u = 0.
A equação 2 32 3 2 3
1 1 2 u1 0
4 0 3 1 5 4 u2 = 0 5
5 4
2
0 0 3
u3 0
< u1 + u2 2u3 = 0
3u2 u3 = 0
: 2
u =0
3 3
ou seja a
u1 = u2 = u3 = 0.
Logo,
N (A) = f(0; 0; 0)g
e como tal
291
(v) 2 3
1 0 0
6 0 1 0 7
A=6
4 0
7.
0 1 5
0 0 0
As colunas da matriz A que contêm os pivots, formam um conjunto de vectores linearmente
independente. Logo,
C(A) = L (f(1; 0; 0; 0); (0; 1; 0; 0); (0; 0; 1; 0)g)
e o conjunto f(1; 0; 0; 0); (0; 1; 0; 0); (0; 0; 1; 0)g é uma base de C(A). Por outro lado,
L(A) = L (f(1; 0; 0); (0; 1; 0); (0; 0; 1)g) = R3 ,
e o conjunto f(1; 0; 0); (0; 1; 0); (0; 0; 1)g é uma base de L(A). Desta forma:
Por de…nição:
N (A) = u 2 R3 : Au = 0 .
A equação 2 3
1 0 0 2 3 2 3
6 0 u 0
6 1 0 7 1
7 4 u2 5 = 4 0 5
4 0 0 1 5
u3 0
0 0 0
< u1 = 0
u2 = 0
:
u3 = 0.
Logo,
N (A) = f(0; 0; 0)g e nulA = dim N (A) = 0.
(vi) 2 3 2 3
1 3 0 2 1 3 0 2
A=4 0 2 2 0 5 ! 4 0 2 2 0 5 = A0 .
L1 +L3 !L3
1 3 0 2 0 0 0 0
C(A) = L (f( 1; 0; 1); (3; 2; 3)g)
e o conjunto f( 1; 0; 1); (3; 2; 3)g é uma base de C(A). Por outro lado,
L(A) = L(A0 ) = L (f( 1; 3; 0; 2); (0; 2; 2; 0)g) ,
e o conjunto f( 1; 3; 0; 2); (0; 2; 2; 0)g é uma base de L(A). Desta forma:
292
Por de…nição:
N (A) = u 2 R4 : Au = 0 .
Au = 0 , A0 u = 0.
A equação 3 2 2 3
2 u1 30
1 3 0 2 6 7 6 7
4 0 2 2 0 56 2 7 = 6 0
u 7
4 u3 5 4 0 5
0 0 0 0
u4 0
é equivalente ao sistema
u1 + 3u2 + 2u4 = 0
2u2 + 2u3 = 0
ou seja a
u1 = 3u2 + 2u4
u 3 = u2 .
Logo,
N (A) = f(3u2 + 2u4 ; u2 ; u2 ; u4 ) : u2 ; u4 2 Rg .
Como
(3u2 + 2u4 ; u2 ; u2 ; u4 ) = (3u2 ; u2 ; u2 ; 0) + (2u4 ; 0; 0; u4 ) = u2 (3; 1; 1; 0) + u4 (2; 0; 0; 1),
tem-se:
N (A) = L (f(3; 1; 1; 0); (2; 0; 0; 1)g) .
O conjunto S = f(3; 1; 1; 0); (2; 0; 0; 1)g é linearmente independente. Como S é linearmente
independente e gera N (A), temos então que S é uma base de N (A) e:
(vii)
2 3 2 3 2 3
1 2 3 1 1 2 3 1 1 2 3 1
6 2 3 2 0 7 6 0 1 4 2 7 6 0 1 4 2 7
A=6
4 3
7 ! 6 7 ! 6 7 = A0 .
4 1 1 5 2L1 +L2 !L2 4 0 2 8 4 5 2L2 +L3 !L3 4 0 0 0 0 5
3L1 +L3 !L3 L2 +L4 !L4
1 1 1 1 L1 +L4 !L4
0 1 4 2 0 0 0 0

C(A) = L (f(1; 2; 3; 1); (2; 3; 4; 1)g)
e o conjunto f(1; 2; 3; 1); (2; 3; 4; 1)g é uma base de C(A). Por outro lado,
L(A) = L (f(1; 2; 3; 1); (0; 1; 4; 2)g) ,
293
e o conjunto f(1; 2; 3; 1); (0; 1; 4; 2)g é uma base de L(A). Desta forma:
Por de…nição:
N (A) = u 2 R4 : Au = 0 .
Au = 0 , A0 u = 0.
A equação 2 32 3 23
1 2 3 1 u1 0
6 0 1 4 7 6
2 7 6 u2 7 6 0 7
6 7=6 7
4 0 0 0 0 5 4 u3 5 4 0 5
0 0 0 0 u4 0
é equivalente ao sistema
u1 + 2u2 + 3u3 u4 = 0
u2 4u3 + 2u4 = 0
ou seja a
u1 = 2u2 3u3 + u4
u2 = 4u3 + 2u4
e ainda a
u1 = 5u3 3u4
u2 = 4u3 + 2u4 .
Logo,
N (A) = f(5u3 3u4 ; 4u3 + 2u4 ; u3 ; u4 ) : u3 ; u4 2 Rg .
Como
(5u3 3u4 ; 4u3 + 2u4 ; u3 ; u4 ) = (5u3 ; 4u3 ; u3 ; 0) + ( 3u4 ; 2u4 ; 0; u4 )

= u3 (5; 4; 1; 0) + u4 ( 3; 2; 0; 1),
tem-se:
N (A) = L (f(5; 4; 1; 0); ( 3; 2; 0; 1)g) .
O conjunto S = f(5; 4; 1; 0); ( 3; 2; 0; 1)g é linearmente independente. Como S é linear-
mente independente e gera N (A), temos então que S é uma base de N (A) e:
20. Seja A 2 M3 3 (R) tal que nul A = dim N (A) = 3. Uma vez que

2 3
0 0 0
então car A = 0. Isto é, A = 4 0 0 0 5.
0 0 0
294
21. Seja A 2 Mm n (R) tal que
C(A) = N (A):
Logo, o no de linhas de A é igual ao no de colunas de A. Isto é, m = n. Além disso, como
n = carA + nulA,
tem-se
n = 2 dim N (A).
Pelo que, A 2 Mn n (R) com n par. Exemplo:
2 3
0 0 1 0
6 0 0 0 1 7
A=6 4 0 0
7:
0 0 5
0 0 0 0
22. Sejam U e V subespaços de W tais que dim U = 4; dim V = 5 e dim W = 7. Tem-se
dim (U \ V ) = dim U + dim V dim (U + V ) = 9 dim (U + V ) :
Como U + V é subespaço de W , tem-se
5 = dim V dim (U + V ) dim W = 7
e assim dim (U + V ) 2 f5; 6; 7g. Logo,
dim (U \ V ) 2 f2; 3; 4g :
23. Determine bases e calcule as dimensões de U + V e U \ V , dizendo em que casos

U + V é a soma directa U V (determine-a) dos subespaços U e V .
(i) Em R3 , considere os subespaços:
U = L (f(1; 1; 1); (0; 1; 1)g) e V = L (f(1; 1; 2); ( 1; 1; 1)g) .
Logo, U + V = L (U [ V ) = L (f(1; 1; 1); (0; 1; 1); (1; 1; 2); ( 1; 1; 1)g). Facilmente se ver-
i…ca que f(1; 1; 1); (0; 1; 1); ( 1; 1; 1)g é uma base de U + V , ou melhor de R3 . Logo,
dim (U + V ) = 3 e
dim(U \ V ) = dim U + dim V dim (U + V ) = 2 + 2 3 = 1.
Seja (x; y; z) 2 U . Tem-se

2 3 2 3 2 3
1 0 j x 1 0 j x 1 0 j x
4 1 1 j y 5 ! 4 0 1 j x+y 5 ! 4 0 1 j x+y 5.
L1 +L2 !L2 L2 +L3 !L3
1 1 j z L1 +L3 !L3 0 1 j z x 0 0 j z 2x y
295
Logo
U = (x; y; z) 2 R3 : z 2x y=0 .
Seja (x; y; z) 2 V . Tem-se
2 3 2 3 2 3
1 1 j x 1 1 j x 1 1 j x
4 1 1 j y 5 ! 4 0 2 j y x 5 ! 4 0 2 j y x 5.
L1 +L2 !L2 3
L +L3 !L3 3 1
2 1 j z 2L1 +L3 !L3 0 3 j z 2x 2 2 0 0 j z 2y 2x
Logo
V = (x; y; z) 2 R3 : 2z 3y x=0 .
Deste modo
U \ V = (x; y; z) 2 R3 : z 2x y = 0 e 2z 3y x = 0 = L (f(1; 3; 5)g)
e como tal, f(1; 3; 5)g é uma base de U \ V , tendo-se dim (U \ V ) = 1.

Neste caso, como U \ V 6= f0g então U + V não é a soma directa dos subespaços U e V .
(ii) Sejam U = f(x; y; z) 2 R3 : x + y z = 0 e x + y = 0g ; V = L (f(1; 1; 1)g).

Tem-se (1; 1; 1) 2
= U pois 1 + 1 1 6= 0. Logo
U \ V = f0g e dim (U \ V ) = 0.
U = ( y; y; 0) 2 R3 : y 2 R = L (f( 1; 1; 0)g) ,
tem-se
U + V = L (f( 1; 1; 0); (1; 1; 1)g)
e sendo f( 1; 1; 0); (1; 1; 1)g uma base de U + V , dim (U + V ) = 2.
Além disso, como U \ V = f0g, dim U \ V = 0 e
U +V =U V = L (f( 1; 1; 0); (1; 1; 1)g) .
(iii) Em R3 , considere os subespaços:
U = L (f(1; 0; 1); ( 1; 1; 2)g) e V = f(x; y; z) : x + y + 3z = 0g .
Seja v 2 U , então
v = (1; 0; 1) + ( 1; 1; 2) = ( ; ; + 2 ),
+ + 3 ( + 2 ) = 0.
isto é,
3
4 +6 =0 , = .
2
296
Assim,
5 1 5 1
v = (1; 0; 1) + ( 1; 1; 2) = ; ; = ; 1; .
2 2 2 2
Logo,
5 1 5 1
U \V = ; 1; : 2R =L ; 1;
2 2 2 2
5
e como tal, 2
; 1; 12 é uma base de U \ V , tendo-se dim (U \ V ) = 1.
Tem-se
V = L (f( 1; 1; 0); ( 3; 0; 1)g) .
Logo,
U + V = L (U [ V ) = L (f(1; 0; 1); ( 1; 1; 2); ( 1; 1; 0); ( 3; 0; 1)g) :
Facilmente se veri…ca que f(1; 0; 1); ( 1; 1; 2); ( 1; 1; 0)g é uma base de U + V , ou melhor de
R3 . Logo, dim (U + V ) = 3:
(iv) Em R3 , considere os subespaços:
U = (x; y; z) 2 R3 : x = y = z e V = (x; y; z) 2 R3 : x = 0 .
Tem-se U = L (f(1; 1; 1)g) e V = L (f(0; 1; 0); (0; 0; 1)g).

Como f(1; 1; 1); (0; 1; 0); (0; 0; 1)g é uma base de U + V = L (U [ V ) então
dim (U + V ) = 3 e U + V = U V = R3 .
Como U \ V = f0g então dim (U \ V ) = 0.
(v) Em P2 , considere os subespaços:
U =L 1 + t; 1 t2 e V = a0 + a1 t + a2 t2 2 P2 : a2 a1 + a0 = 0 .
Seja p (t) 2 U . Então existem ; 2 R tais que
p (t) = a0 + a1 t + a2 t2 = (1 + t) + 1 t2 .
Tem-se
2 3 2 3 2 3
1 1 j a0 1 1 j a0 1 1 j a0
4 1 0 j a1 5 ! 4 0 1 j a1 a0 5 ! 4 0 1 j a1 a0 5.
L1 +L2 !L2 L2 +L3 !L3
0 1 j a2 0 1 j a2 0 0 j a2 a1 + a0
Logo, tem-se
U =V
pelo que
U +V =U =V e U \V =U =V.
Assim, f1 + t; 1 t2 g é uma base de U; de V , de U + V e de U \ V , tendo-se
dim (U + V ) = dim (U \ V ) = 2.
297
(vi) Como
p( 1) = 2p(0) p(1) , a0 a1 + a2 = 2a0 (a0 + a1 + a2 ) , a2 = 0
então
V1 = fp(t) 2 P2 : p( 1) = 2p(0) p(1)g = fa0 + a1 t + a2 t2 : a2 = 0g:

Tem-se 2 3 2 3
1 1 j a0 1 1 j a0
4 1 0 j a1 5 ! 4 0 1 j a0 + a1 5
0 1 j a2 0 0 j a0 + a1 + a2
a0 + a1 t + a2 t2 2 V2 = L(f 1 + t; 1 t2 g) , a0 + a1 + a2 = 0:
Logo
V2 = fa0 + a1 t + a2 t2 : a0 + a1 + a2 = 0g:
Pelo que
U + V = L (U [ V ) = L 1 + t; 1 t2 ; 1; t =L 1 t2 ; 1; t = P2 :
V1 \ V2 = fa0 + a1 t + a2 t2 : a0 + a1 + a2 = 0 e a2 = 0g =
= f a1 + a1 t : a1 2 Rg = L(f 1 + tg):
Como f1 t2 ; 1; tg gera V1 + V2 (uma vez que 1 + t = ( 1) 1 + 1 t) e, é também

linearmente independente, então é uma base para V1 + V2 , ou melhor de P2 . Como f 1 + tg
gera V1 \ V2 e, é também linearmente independente, então é uma base para V1 \ V2 . Como
V1 \ V2 6= f0g então V1 + V2 não é a soma directa dos subespaços V1 e V2 .
(vii) Como
p(1) = 0 , a0 + a1 + a2 = 0
então
V1 = fp(t) 2 P2 : a0 + a1 + a2 = 0g:
Tem-se 2 3 2 3
1 0 1 j a0 1 0 1 j a0
4 1 1 0 j a1 5 ! 4 0 1 1 j a0 + a1 5
0 1 1 j a2 0 0 0 j a0 + a1 + a2
a0 + a1 t + a2 t2 2 V2 = L(f1 t; t t2 ; 1 + t2 g) , a0 + a1 + a2 = 0:
Logo V2 = V1 e então: V1 \ V2 = V2 = V1 = V1 + V2 . Além disso
dim (V1 \ V2 ) = dim V1 = 3 car 1 1 1 = 2;
pelo que, como V2 = L(f1 t; t t2 g), então f1 t; t t2 g é uma base para V1 \ V2 = V2 =

V1 = V1 + V2 . Como V1 \ V2 6= f0g então V1 + V2 não é a soma directa dos subespaços V1 e
V2 .
298
(viii) Em P3 , considere os subespaços:
U =L 1 + t; 1 t3 e V =L 1 + t + t2 ; t t3 ; 1 + t + t3 .
Logo
U + V = L (U [ V ) = L 1 + t; 1 t3 ; 1 + t + t2 ; t t3 ; 1 + t + t3 :
Vejamos quais dos vectores do conjunto
1 + t; 1 t3 ; 1 + t + t2 ; t t3 ; 1 + t + t3
são linearmente independentes. Coloquemos então os coe…cientes desses vectores como col-
unas de uma matriz:
2 3 2 3 2 3
1 1 1 0 1 1 1 1 0 1 1 1 1 0 1
6 1 0 1 1 1 7 6 0 1 0 1 0 7 6 0 1 0 1 0 7
A=6 7
4 0 0 1 0 0 5 L1 +L!
6
4
7 ! 6 7 = A0 . (*)
2 !L2 0 0 1 0 0 5 L2 +L4 !L4 4 0 0 1 0 0 5
0 1 0 1 1 0 1 0 1 1 0 0 0 2 1

formam um conjunto de vectores linearmente independente. Logo, o conjunto
1 + t; 1 t3 ; 1 + t + t2 ; t t3
é uma base de U + V , tendo-se dim (U + V ) = 4 e deste modo U + V = P3 .

Por outro lado, também se conclui de (*) que o conjunto
1 + t; 1 t3
é base de U , tendo-se dim U = 2, e como

2 3 2 3 2 3 2 3
1 0 1 1 0 1 1 0 1 1 0 1
6 0 1 0 7 6 0 1 0 7 6 0 1 0 7 6 0 1 0 7
6 7 ! 6 7 ! 6 7 ! 6 7
4 1 0 0 5 L1 +L3 !L3 4 0 0 1 5 2L2 +L4 !L4 4 0 0 1 5 L3 +L4 !L4 4 0 0 1 5
L1 +L3 !L3
0 2 1 0 2 1 0 0 1 0 0 0
o conjunto
1 + t + t2 ; t t3 ; 1 + t + t3
é base de V , tendo-se dim V = 3.
Logo,
Determinemos U \ V . Seja p (t) = a0 + a1 t + a2 t2 + a3 t3 2 U . Tem-se
2 3 2 3 2 3
1 1 j a0 1 1 j a0 1 1 j a0
6 1 0 j a1 7 6 0 1 j a1 a0 7 6 0 1 j a1 a0 7
6 7 ! 6 7 ! 6 7.
4 0 0 j a2 5 L1 +L2 !L2 4 0 0 j a2 5 L2 +L4 !L4 4 0 0 j a2 5
0 1 j a3 0 1 j a3 0 0 j a3 + a0 a1
Logo
U = a0 + a1 t + a2 t2 + a3 t3 2 P3 : a2 = 0 e a3 + a0 a1 = 0 .
299
Seja q (t) = a0 + a1 t + a2 t2 + a3 t3 2 V . Tem-se
2 3 2 3
1 0 1 j a0 1 0 1 j a0
6 1 1 1 j a1 7 6 0 1 0 j a1 a0 7
6 7 6 7
4 1 0 0 j a2 5 L1 +L! 2 !L2
4 0 0 1
!
j a2 a0 5 L2 +L4 !L4
L1 +L3 !L3
0 1 1 j a3 0 1 1 j a3
2 3 2 3
1 0 1 j a0 1 0 1 j a0
6 0 1 0 j a1 a0 7 6 0 1 0 j a1 a0 7
! 6 7 6 7.
L2 +L4 !L4 4 0 0 1 j a2 a0 5 L3 +L!
4 !L4
4 0 0 1 j a2 a0 5
0 0 1 j a1 a0 + a3 0 0 0 j a1 + a2 2a0 + a3
Logo
V = a0 + a1 t + a2 t2 + a3 t3 2 P3 : a1 + a2 2a0 + a3 = 0 .
Deste modo
U \V = a0 + a1 t + a2 t2 + a3 t3 2 P3 : a2 = 0 e a0 a1 + a3 = 0 e 2a0 + a1 + a2 + a3 = 0 =
02 31
0 0 1 0
= a0 + a1 t + a2 t2 + a3 t3 2 P3 : (a0 ; a1 ; a2 ; a3 ) 2 N @4 1 1 0 1 5A .
2 1 1 1
Atendendo a que
2 3 2 3 2 3 2 3
0 0 1 0 0 0 1 0 1 1 0 1 1 1 0 1
4 1 1 0 1 5 ! 4 1 1 0 1 5 ! 4 0 0 1 0 5 ! 4 0 1 1 3 5
2L2 +L3 !L3 L1 $L2 L2 $L3
2 1 1 1 0 1 1 3 0 1 1 3 0 0 1 0
tem-se
U \V = a0 + a1 t + a2 t2 + a3 t3 2 P3 : a0 a1 + a3 = 0 e a1 + a2 + 3a3 = 0 e a2 = 0 =
= a0 + a1 t + a2 t2 + a3 t3 2 P3 : a0 = 2a3 e a1 = 3a3 e a2 = 0 =
= 2a3 + 3a3 t + a3 t3 2 P3 : a3 2 R = a3 2 + 3t + t3 2 P3 : a3 2 R = L 2 + 3t + t3 .
e como tal, f2 + 3t + t3 g é uma base de U \ V , tendo-se dim (U \ V ) = 1.
(ix) Em R4 , considere os subespaços:
U = L (f(2; 2; 1; 2); ( 1; 1; 1; 3); (0; 0; 6; 8); ( 1; 1; 5; 5)g)
e
V = L (f(0; 0; 0; 1); (0; 1; 2; 3); (0; 2; 4; 8)g) .
Tem-se
2 3 2 3
2 1 0 1 0 0 0 2 1 0 1 0 0 0
6 2 1 0 1 0 1 2 7 6 0 0 0 0 0 1 2 7
A=6
4 1
7 ! 6 7 !
1 6 5 0 2 4 5 L1 +L2 !L2 4 0 3=2 6 9=2 0 2 4 5 L2 $L4
1
2 3 8 5 1 3 8 L +L3 !L3
2 1 0 2 8 6 1 3 8
L1 +L4 !L4
300
2 3 2 3
2 1 0 1 0 0 0 2 1 0 1 0 0 0
6 0 2 8 6 1 3 8 7 6 0 2 8 6 1 3 8 7
! 6 7 ! 6 7 = A0 (*).
L2 $L4 4 0 3=2 6 9=2 0 2 4 5 3
L +L3 !L3
4 0 0 0 0 3=4 1=4 2 5
4 2
0 0 0 0 0 1 2 0 0 0 0 0 1 2
f(2; 2; 1; 2); ( 1; 1; 1; 3); (0; 1; 2; 3); (0; 2; 4; 8)g
é uma base de U + V , tendo-se dim (U + V ) = 4 e deste modo U + V = R4 .
f(2; 2; 1; 2); ( 1; 1; 1; 3)g
2 3 2 3 2 3
0 0 0 1 3 8 1 3 8
6 1 3 8 7 6 0 0 0 7 7 6 0 1 2 7
6 7 ! 6 ! 6 7 !
4 3=4 1=4 2 5 L1 $L2 4 3=4 1=4 2 5 L2 $L4 4 3 1 8 5 3L1 +L3 !L3
4L3 !L3
0 1 2 0 1 2 0 0 0
2 3 2 3
1 3 8 1 3 8
6 0 1 7
2 7 6 2 7
! 6 ! 6 0 1 7
3L1 +L3 !L3 4 0 8 16 5 8L2 +L3 !L3 4 0 0 0 5
0 0 0 0 0 0
o conjunto
f(0; 0; 0; 1); (0; 1; 2; 3)g
Logo,
Neste caso, como U \ V = f0g então dim U \ V = 0 e
U +V =U V = R4 :
(x) Em R4 , considere os subespaços:

U = (x; y; z; w) 2 R4 : x + 2y + 3z = 0 e y + 2z + 3w = 0
e
V = L (f(2; 5; 4; 1); (0; 9; 6; 1); ( 4; 1; 2; 1)g) .
Seja (x; y; z; w) 2 V . Então existem ; ; 2 R tais que
(x; y; z; w) = (2; 5; 4; 1) + (0; 9; 6; 1) + ( 4; 1; 2; 1).
Tem-se
2 3 2 3
2 0 4 j x 1 1 1 j w
6 5 9 1 j y 7 6 5 9 1 j y 7
6 7 ! 6 7 !
4 4 6 2 j z 5 L1 $L4 4 4 6 2 j z 5 5L1 +L2 !L2
4L1 +L3 !L3
1 1 1 j w 2 0 4 j x 2L1 +L4 !L4
301
2 3 2 3
1 1 1 j w 1 1 1 j w
6 0 4 4 j y 5w 7 6 0 4 4 j y 5w 7
! 6 7 ! 6 7 (*)
5L1 +L2 !L2 4 0 2 2 j z + 4w 5 1
L +L3 !L3
4 0 0 0 j 2w + 2y + z 5
3 1
2 2
4L1 +L3 !L3
2L1 +L4 !L4
0 2 2 j x 2w 1
L +L4 !L4
2 2
0 0 0 j x 29 w + 12 y
Logo, tem-se
3 1 9 1
V = (x; y; z; w) 2 R4 : w + y + z = 0 e x w+ y=0 =
2 2 2 2
= (x; y; z; w) 2 R4 : y + 2z + 3w = 0 e x + 2y + 3z = 0 = U
pelo que
U +V =U =V e U \V =U =V.
Atendendo ainda a (*), o conjunto f(2; 5; 4; 1); (0; 9; 6; 1); ( 4; 1; 2; 1)g é linearmente
dependente, sendo linearmente independente o seguinte seu subconjunto
f(2; 5; 4; 1); (0; 9; 6; 1)g .
Assim, f(2; 5; 4; 1); (0; 9; 6; 1)g é uma base de U; de V , de U + V e de U \ V , tendo-se
dim (U + V ) = dim (U \ V ) = 2.
(xi) Seja U o subespaço de R5 gerado por
f(1; 1; 1; 2; 0); (1; 2; 2; 0; 3); (1; 1; 2; 2; 1)g .
Seja V o subespaço de R5 gerado por
f(1; 2; 3; 0; 2); (1; 1; 3; 2; 4); (1; 1; 2; 2; 5)g .
Tem-se
2 3 2 3
1 1 1 1 1 1 1 1 1 1 1 1
6 1 2 1 2 1 1 7 6 0 1 0 1 0 0 7
6 7 6 7
A=6
6 1 2 2 3 3 2 7
7 ! 6
6 0 1 1 2 2 1 7
7 !
L1 +L2 !L2 L2 +L3 !L3
4 2 0 2 0 2 2 5 L1 +L3 !L3
4 0 2 0 2 4 4 5 2L2 +L4 !L4
0 3 1 2 4 5 2L1 +L4 !L4 0 3 1 2 4 5 3L2 +L5 !L5
2 3 2 3
1 1 1 1 1 1 1 1 1 1 1 1
6 0 1 0 1 0 0 7 6 0 1 0 1 0 0 7
6 7 6 7
! 6 0 0 1 1 2 1 7 6 0 0 1 1 2 1 7
L2 +L3 !L3 6 7 L3 +L!
5 !L5
6 7 3
!
2L2 +L4 !L4
4 0 0 0 0 4 4 5 4 0 0 0 0 4 4 5 L +L5 !L5
2 4
3L2 +L5 !L5 0 0 1 1 4 5 0 0 0 0 6 6

2 3
1 1 1 1 1 1
6 0 1 0 1 0 0 7
6 7
! 6 0 0 1 1 2 1 7 = A0 (*),
3 6 7
L +L5 !L5
2 4 4 0 0 0 0 4 4 5
0 0 0 0 0 0
302
f(1; 1; 1; 2; 0); (1; 2; 2; 0; 3); (1; 1; 2; 2; 1); (1; 1; 3; 2; 4)g
é uma base de U + V , tendo-se dim (U + V ) = 4.

f(1; 1; 1; 2; 0); (1; 2; 2; 0; 3); (1; 1; 2; 2; 1)g

2 3 2 3 2 3
1 1 1 1 1 1 1 1 1
6 1 0 0 7 6 0 1 1 7 6 0 1 1 7
6 7 6 7 6 7
6 1 2 1 7 6 0 1 0 7 6 0 0 1 7
6 7 L1 +L! 6 7 ! 6 7
4 0 4 4 5 L +L2 !L
!L
2
4 0 4 4 5 L2 +L3 !L3
4L2 +L4 !L4
4 0 0 0 5
1 3 3
0 0 0 0 0 0 0 0 0
o conjunto
f(1; 2; 3; 0; 2); (1; 1; 3; 2; 4); (1; 1; 2; 2; 5)g
Logo,
Determinemos uma base para U \ V . Atendendo a
2 3 2 3
1 1 1 j x1 1 1 1 j x1
6 1 2 1 j x2 7 6 0 1 0 j x1 + x2 7
6 7 6 7
6 1 2 2 j x 7 ! 6 0 1 1 j x + x 7
6 3 7 L1 +L2 !L2 6 1 3 7 L2 +L! !L3
4 2 0 2 j x4 5 L1 +L3 !L3
4 0 2 0 j 2x 1 + x 4
5 2L +L 3!L
2 4 4
0 3 1 j x5 2L1 +L4 !L4 0 3 1 j x5 3L2 +L5 !L5
2 3 2 3
1 1 1 j x1 1 1 1 j x1
6 0 1 0 j x1 + x2 7 6 0 1 0 j x1 + x2 7
6 7 6 7
! 6 0 0 1 j x2 + x3 7 6 0 0 1 j x2 + x3 7
L2 +L3 !L3 6 7 L3 +L!
5 !L5
6 7
2L2 +L4 !L4
4 0 0 0 j 4x1 + 2x2 + x4 5 4 0 0 0 j 4x1 + 2x2 + x4 5
3L2 +L5 !L5 0 0 1 j 3x1 3x2 + x5 0 0 0 j 3x1 4x2 + x3 + x5
tem-se
U = (x1 ; x2 ; x3 ; x4 ; x5 ) 2 R5 : 4x1 + 2x2 + x4 = 0 e 3x1 4x2 + x3 + x5 = 0 .

2 3 2 3
1 1 1 j x1 1 1 1 j x1
6 2 1 1 j x2 7 6 0 1 1 j 2x1 + x2 7
6 7 6 7
6 3 3 2 j x3 7 6 0 0 1 j 3x1 + x3 7
6 7 2L1 +L! 6 7 !
4 0 2 2 j x4 5 3L +L2 !L
!L
2
4 0 2 2 j x4 5 2L2 +L4 !L4
L3 +L5 !L5
1 3 3
2 4 5 j x5 2L1 +L5 !L5 0 2 3 j 2x1 + x5
303
2 3 2 3
1 1 1 j x1 1 1 1 j x1
6 0 1 1 j 2x1 + x2 7 6 0 1 1 j 2x1 + x2 7
6 7 6 7
! 6 0 0 1 j 3x1 + x3 7 6 0 0 1 j 3x1 + x3 7
2L2 +L4 !L4 6 7 2L2 +L!
5 !L5
6 7
L3 +L5 !L5
4 0 0 0 j 4x1 2x2 + x4 5 4 0 0 0 j 4x1 2x2 + x4 5
0 2 2 j 5x1 + x3 + x5 0 0 0 j 9x1 + 2x2 + x3 + x5
tem-se
V = (x1 ; x2 ; x3 ; x4 ; x5 ) 2 R5 : 4x1 2x2 + x4 = 0 e 9x1 + 2x2 + x3 + x5 = 0 .
Logo
(x1 ; x2 ; x3 ; x4 ; x5 ) 2 R5 : 4x1 + 2x2 + x4 = 0 e 3x1 4x2 + x3 + x5 = 0

U \V =
e 4x1 2x2 + x4 = 0 e 9x1 + 2x2 + x3 + x5 = 0
Como
2 3 2 3 2 3
4 2 0 1 0 4 2 0 1 0 4 2 0 1 0
6 3 4 1 0 1 7 6 3 4 1 0 1 7 6 0 5
1 34 1 7
6 7 ! 6 7 ! 6 2 7 !
4 4 2 0 1 0 5 L1 +L3 !L3 4 0 0 0 2 0 5 3
L +L2 !L2
4 0 0 0 2 0 5 4L2 +L4 !L4
4 1
9 2 1 0 1 3L2 +L4 !L4 0 10 4 0 4 0 10 4 0 4
2 3 2 3
4 2 0 1 0 4 2 0 1 0
6 0 5
1 3
1 7 6 0 10 4 3 4 7
! 6 2 4 7 ! 6 7
4L2 +L4 !L4 4 0 0 0 2 0 5 4L2 !L2 4 0 0 0 2 0 5
3
0 0 0 3 0 L
2 3
+L4 !L44 0 0 0 0 0
tem-se 8 8
< 4x1 + 2x2 + x4 = 0 < x1 = 21 x2 = 15 x3 1
x
5 5
10x2 + 4x3 + 3x4 + 4x5 = 0 , x2 = 25 x3 + 25 x5
: :
2x4 = 0 x4 = 0
pelo que
1 1 2 2
U \V = x3 x5 ; x3 + x5 ; x3 ; 0; x5 2 R5 : x3 ; x5 2 R =
5 5 5 5
1 2 1 2
= L ; ; 1; 0; 0 ; ; ; 0; 0; 1 .
5 5 5 5
Como o conjunto
1 2 1 2
; ; 1; 0; 0 ; ; ; 0; 0; 1
5 5 5 5
gera U \V e é linearmente independente, então é uma base de U \V , tendo-se dim (U \ V ) =
2.
(xii) Tem-se
2 3 2 3
1 0 1 0 1 1 0 1 0 1 0 1 1 0
6 0 1 0 0 1 2 0 7 6 0 1 0 0 1 2 0 7
A=64 1 1 0
7 ! 6 7 !
1 1 0 1 5 L1 +L3 !L3 4 0 1 1 1 2 1 1 5 L2 +L3 !L3
1 L2 +L4 !L4
0 1 2 2 1 1 1 L +L3 !L3
2 1 0 1 2 2 1 1 1
L1 +L4 !L4
304
2 3 2 3
1 0 1 0 1 1 0 1 0 1 0 1 1 0
6 0 1 0 0 1 2 0 7 6 0 1 0 0 1 2 0 7
! 6 7 ! 6 7 = A0 (*).
L2 +L3 !L3 4 0 0 1 1 1 1 1 5 2L3 +L4 !L4 4 0 0 1 1 1 1 1 5
L2 +L4 !L4
0 0 2 2 0 3 1 0 0 0 0 2 5 3
f(1; 0; 1; 0); (0; 1; 1; 1); (1; 0; 0; 2) ; (1; 1; 1; 1)g
é uma base de U + V , tendo-se dim (U + V ) = 4 e assim U + V = R4 .

f(1; 0; 1; 0); (0; 1; 1; 1); (1; 0; 0; 2)g

2 3 2 3 2 3 2 3
1 1 0 1 1 0 1 1 0 1 1 0
6 1 2 0 7 6 0 1 0 7 6 0 1 0 7 6 0 1 0 7
6 7 ! 6 7 ! 6 7 ! 6 7
4 1 1 1 5 L1 +L2 !L2 4 0 2 1 5 2L2 +L3 !L3 4 0 0 1 5 3L3 +L4 !L4 4 0 0 1 5
L1 +L3 !L3
2 5 3 2L +L !L
0 7 3 7L2 +L4 !L4 0 0 3 0 0 0
1 4 4
o conjunto
f(1; 1; 1; 1); (1; 2; 0; 1); (0; 0; 1; 1)g
é base de V , tendo-se dim V = 3. Logo,
Como U \ V 6= f0g então U + V não é a soma directa dos subespaços U e V .

Uma base para U \ V . Atendendo a
2 3 2 3
1 0 1 j x1 1 0 1 j x1
6 0 1 0 j x2 7 6 0 1 0 j x2 7
6 7 6 7
4 1 1 0 j x3 5 L1 +L! 3 !L3
4 0 1 1 j x1 + x3 5 L2 +L3 !L3
!
L2 +L4 !L4
0 1 2 j x4 0 1 2 j x4
2 3 2 3
1 0 1 j x1 1 0 1 j x1
6 0 1 0 j x2 7 6 0 1 0 j x2 7
! 6 7 ! 6 7
L2 +L3 !L3 4 0 0 1 j x1 + x3 x2 5 2L3 +L4 !L4 4 0 0 1 j x1 + x3 x2 5
L2 +L4 !L4
0 0 2 j x4 x2 0 0 0 j 2x1 3x2 + 2x3 + x4
tem-se
U = (x1 ; x2 ; x3 ; x4 ) 2 R4 : 2x1 3x2 + 2x3 + x4 = 0
2 3 2 3
1 1 0 j x1 1 1 0 j x1
6 1 2 0 j x2 7 6 0 1 0 j x2 x1 7
6 7 ! 6 7 !
4 1 0 1 j x3 5 L1 +L2 !L2 4 0 1 1 j x3 x1 5 L2 +L3 !L3
L1 +L3 !L3
1 1 1 j x4 L1 +L4 !L4
0 2 1 j x4 x1 2L2 +L4 !L4
305
2 3 2 3
1 1 0 j x1 1 1 0 j x1
6 0 1 0 j x2 x1 7 6 0 1 0 j x2 x1 7
! 6 7 ! 6 7
L2 +L3 !L3 4 0 0 1 j x2 2x1 + x3 5 L3 +L4 !L4 4 0 0 1 j x2 2x1 + x3 5
2L2 +L4 !L4
0 0 1 j 2x2 3x1 + x4 0 0 0 j x2 x1 x3 + x4
tem-se
V = (x1 ; x2 ; x3 ; x4 ) 2 R4 : x1 + x2 x3 + x4 = 0 .
Logo
U \V = (x1 ; x2 ; x3 ; x4 ) 2 R4 : 2x1 3x2 + 2x3 + x4 = 0 e x1 + x2 x3 + x4 = 0 =

4
= (x1 ; x2 ; x3 ; x4 ) 2 R : x2 = 3x4 e x1 = x3 + 4x4 =
= f( x3 + 4x4 ; 3x4 ; x3 ; x4 ) : x3 ; x4 ) 2 Rg = L (f( 1; 0; 1; 0) ; (4; 3; 0; 1)g)
Como o conjunto
f( 1; 0; 1; 0) ; (4; 3; 0; 1)g
gera U \V e é linearmente independente, então é uma base de U \V , tendo-se dim (U \ V ) =
2.
24.
U = fp(t) 2 P2 : p( 1) + p(1) = 0g = L f 1 + t2 ; tg .
a)
V = L f2 + t; 1 t + 3t2 ; 1 + t t2 ; 1 + t2 g = L f1 + t t2 ; 1 + t2 g :
Como
1+t t2 2 U e 1 + t2 2
=U
então
U \ V = L f1 + t t2 g
e assim f1 + t t2 g é uma base para U \ V .
b) Por exemplo W = L (ft2 g) é um subespaço de P2 tal que
U W = P2 ;
uma vez que dim U = 2, dim W = 1 e U \ W = f0g.
2 3 2 3
1 1 0 1 1 1 0 1
6 1 1 0 1 77 6 0 1 1 1 7
25. 6
4 0 5 !6 4
7. Uma base para U :
1 1 1 ::: 0 0 0 0 5
0 1 1 1 0 0 0 0
1 1 1 1
; .
0 0 1 1
306
26. a)
V1 = f(x; y; z) 2 R3 : x y = 0g = f(y; y; z) 2 R3 : y; z 2 Rg = L (f(1; 1; 0); (0; 0; 1)g) :
Como f(1; 1; 0); (0; 0; 1)g é linearmente independente e gera V1 , é então uma base para V1 .
b) V2 = L (f(1; 0; 1); (0; 1; 0)g). Seja (x; y; z) 2 V2 . Existem ; 2 R tais que
(x; y; z) = (1; 0; 1) + (0; 1; 0):
Logo, o seguinte sistema é possível:

2 3 2 3
1 0 p x 1 0 p x
4 0 1 p y 5!4 0 1 p y 5
1 0 p z 0 0 p z x
se e só se x + z = 0. Assim:
V2 = N 1 0 1 :
c)
dim (V1 \ V2 ) = dim V1 + dim V2 dim (V1 + V2 ) = 2 + 2 3=1
uma vez que: f(1; 1; 0); (0; 0; 1)g é base de V1 , f(1; 0; 1); (0; 1; 0)g é base de V2 e f(1; 0; 1); (0; 1; 0); (0; 0; 1)g
é base de V1 + V2 (e assim V1 + V2 = R3 )
d) Por exemplo, para W = L (f(0; 1; 0)g) tem-se
R3 = V1 W
uma vez que R3 = V1 + W e V1 \ W = f(0; 0; 0)g.
27. Como
(0; 1; 1; 2) = (0; 1; 1; 0) + 2(0; 1; 0; 1)
e f(0; 1; 1; 0); (0; 1; 0; 1)g é linearmente independente então f(0; 1; 1; 0); (0; 1; 0; 1)g é uma base
para U . Logo dim U = 2. Como
V = L (f(0; 1; 0; 1); (0; 0; 1; 0)g)
e f(0; 1; 0; 1); (0; 0; 1; 0)g é linearmente independente então dim V = 2. Assim
U + V = L (f(0; 1; 1; 0); (0; 1; 0; 1); (0; 0; 1; 0)g)
e como f(0; 1; 1; 0); (0; 1; 0; 1); (0; 0; 1; 0)g é linearmente independente é então uma base para
U + V tendo-se dim (U + V ) = 3 pelo que U + V 6= R4 uma vez que dim R4 = 4. Além disso
dim (U \ V ) = dim U + dim V dim (U + V ) = 2 + 2 3 = 1:
307
1. Sejam B1 = f(1; 2); (0; 1)g e B2 = f(1; 1); (2; 3)g duas bases ordenadas de R2 . Seja
v = (1; 5).
(i) Tem-se v = (1; 2) + 3(0; 1). Logo, 1 e 3 são as coordenadas de v em relação à base B1 .
1 2
(ii) Tem-se SB1 !B2 = , uma vez que (1; 2) = (1; 1) + (2; 3) e (0; 1) =
1 1
2(1; 1) + (2; 3).
(iii) As coordenadas de v = (1; 5) em relação à base B2 , são dadas por:
1 1 2 1 7
SB1 !B2 = = ,
3 1 1 3 4
uma vez que 1 e 3 são as coordenadas de v em relação à base B1 .
(iv) Tem-se v = (1; 5) = 7(1; 1) + 4(2; 3).
1 2
(v) Tem-se SB2 !B1 = , uma vez que (1; 1) = (1; 2) (0; 1) e (2; 3) = 2(1; 2)
1 1
(0; 1).
Observação:
1 1
SB2 !B1 = (SB1 !B2 ) e SB1 !B2 = (SB2 !B1 ) .
(vi) As coordenadas de v = (1; 5) em relação à base B1 , são dadas por:
7 1 2 7 1
SB2 !B1 = = ,
4 1 1 4 3
uma vez que 7 e 4 são as coordenadas de v em relação à base B2 .
2. Como 1 e 2 são as coordenadas de (1; 1) em B1 pois
(1; 1) = 1(1; 1) + 2(0; 1);
e sendo
1 1
SB1 !B2 =
0 1
a matriz de mudança da base B1 para a base B2 , então as coordenadas de (1; 1) em B2 são
1 e 2 uma vez que
1 1 1 1
= :
0 1 2 2
1
1 1 5 3 5 3 1 1 1 2
3. SB1 !B2 = , SB1 !B2 = = :
2 1 11 7 11 7 2 1 3 4
308
4. Sejam B1 = fv1 ; v2 g e B2 = fw1 ; w2 g duas bases ordenadas de R2 , onde
v1 = (1; 2), v2 = (0; 1).
2 1
Seja SB2 !B1 = , a matriz de mudança da base B2 para a base B1 . Determinemos
1 1
B2 .
Uma vez que
2 1
SB2 !B1 = ,
1 1
então w1 = 2v1 + v2 = 2(1; 2) + (0; 1) = (2; 5) e w2 = v1 + v2 = (1; 2) + (0; 1) = (1; 3). Logo,
B2 = f(2; 5); (1; 3)g .
w1 = 1 + t, w2 = 1 + t.
2 3
1 2
B1 .
Uma vez que
2 3
SB1 !B2 = ,
1 2
então v1 = 2 ( 1 + t) (1 + t) = 3 + t e v2 = 3 ( 1 + t) + 2 (1 + t) = 1 + 5t. Logo,
B1 = f 3 + t; 1 + 5tg .
w1 = t, w2 = 1 t.
2 3
1 2
B1 .
Uma vez que
2 3
SB2 !B1 = ,
1 2
então w1 = 2v1 v2 e w2 = 3v1 + 2v2 . Isto é, tem-se o sistema
8
< 2v1 v2 = t
:
3v1 + 2v2 = 1 t,
cuja matriz aumentada é dada por
2 1 j t
.
3 2 j 1 t
309
Pelo método de eliminação de Gauss:
2 1 j t 2 1 j t
! 7 .
3 2 j 1 t 3
L +L2 !L2
2 1
0 2
j 1 25 t
2 5
Logo, v2 = 7 7
t e v1 = 12 (v2 + t) = 1
7
+ 17 t. Logo,
1 1 2 5
B1 = + t; t .
7 7 7 7
7. Sejam B1 = f1; 1 t; t2 g e B2 = f1; 1 + t; 1 + t + t2 g duas bases ordenadas de P2 .
(i) Sejam 1; 2 e 3 as coordenadas de um vector p(t) 2 P2 em relação à base B2 . Deter-

minemos as coordenadas do mesmo vector p(t) em relação à base B1 .
Tem-se
p(t) = 1 + 2 (1 + t) + 3 1 + t + t2 = 6 + 5t + 3t2 = 1 + (1 t) + t2 .
É fácil ver que = 11, = 5 e = 3.
Resolução alternativa: Tem-se

2 3
1 2 2
SB2 !B1 =4 0 1 1 5,
0 0 1
uma vez que 1 = 1 + 0 (1 t) + 0t2 , 1 + t = 2 (1 t) + 0t2 e 1 + t + t2 = 2 (1 t) + t2 .
Logo, as coordenadas de p(t) em relação à base B1 são dadas por:
2 3 2 32 3 2 3
1 1 2 2 1 11
4 5
SB2 !B1 2 = 0 4 1 1 54 2 5 = 4 5 5,
3 0 0 1 3 3
onde 1; 2 e 3 são as coordenadas de p(t) em relação à base B2 .
(ii) Determinemos a matriz SB1 !B2 de mudança da base B1 para a base B2 .

Como
1 = 1 1 + 0 (1 + t) + 0 (1 + t + t2 )
1 t=2 1 (1 + t) + 0 (1 + t + t2 )
t2 = 0 1 (1 + t) + (1 + t + t2 )
então 2 3
1 2 0
SB1 !B2 =4 0 1 1 5.
0 0 1
Além disso, bastaria ver que
2 3 1 2 3
1 2 2 1 2 0
SB1 !B2 = (SB2 !B1 ) 1
=4 0 1 1 5 =4 0 1 1 5.
0 0 1 0 0 1
310
Logo, como
2 t + t2 = 1 + (1 t) + t2
as coordenadas do vector 2 t + t2 na base B2 são dadas por
2 3 2 32 3 2 3
1 1 2 0 1 3
4
SB1 !B2 1 5 = 4 0 1 1 54 1 5 = 4 2 5,
1 0 0 1 1 1
ou seja
2 t + t2 = 3 2 (1 + t) + 1 + t + t2 .
8. Sejam B1 = fv1 ; v2 ; v3 g e B2 = fw1 ; w2 ; w3 g duas bases ordenadas de R3 , onde

v1 = (1; 0; 1), v2 = (1; 1; 0), v3 = (0; 0; 1).
Seja 2 3
1 1 2
SB1 !B2 = 4 2 1 1 5,
1 1 1
a matriz de mudança da base B1 para a base B2 . Determinemos B2 = fw1 ; w2 ; w3 g. Uma
vez que 2 3
1 1 2
SB1 !B2 = 4 2 1 1 5,
1 1 1
então v1 = w1 + 2w2 w3 ; v2 = w1 + w2 w3 e v3 = 2w1 + w2 + w3 . Isto é, tem-se o
sistema 8
< w1 + 2w2 w3 = (1; 0; 1)
w1 + w2 w3 = (1; 1; 0)
:
2w1 + w2 + w3 = (0; 0; 1),
cuja matriz aumentada é dada por
2 3
1 2 1 j 1 0 1
4 1 1 1 j 1 1 0 5.
2 1 1 j 0 0 1
Pelo método de eliminação de Gauss:
2 3 2 3
1 2 1 j (1; 0; 1) 1 2 1 j (1; 0; 1)
4 1 1 1 j (1; 1; 0) 5 ! 4 0 0 j (0; 1; 1) 5
1 !
L1 +L2 !L2 3L2 +L3 !L3
2 1 1 j (0; 0; 1) 2L1 +L3 !L3 0 3 j ( 2; 0; 1)
3
2 3
1 2 1 j (1; 0; 1)
! 4 0 1 0 j (0; 1; 1) 5 .
3L2 +L3 !L3
0 0 3 j ( 2; 3; 2)
Tem-se então o sistema 8
>
> w1 + 2w2 w3 = (1; 0; 1)
>
>
<
w2 = (0; 1; 1)
>
>
>
>
:
3w3 = ( 2; 3; 2).
311
2
Logo, w3 = 3
; 1; 32 ; w2 = (0; 1; 1) e w1 = (1; 0; 1) 2(0; 1; 1) + 2
3
; 1; 23 =
1
3
; 1; 13 . Logo,
1 1 2 2
B2 = ; 1; ; (0; 1; 1); ; 1; .
3 3 3 3
Note que 2 32 3 2 3
1 2
3
0 3
1 1 2 1 1 0
4 1 1 1 54 2 1 1 5=4 0 1 0 5,
1 2
3
1 3
1 1 1 1 0 1
2 1 2
3 2 32 2 1
3
3
0 3
1 1 0 3
1 3
,4 1 1 5
1 = 0 14 0 54 1 1 1 5
1 2 1 1
3
1 3
1 0 1 3
0 3
em que 2 3 1 2 3
2 1
1 1 2 3
1 3
SB2 !B1 =4 2 1 1 5 =4 1 1 1 5;
1 1
1 1 1 3
0 3
2 3
1 1 2
SB1 !B2 = 4 2 1 1 5,
1 1 1
B1 = f(1; 0; 1); (1; 1; 0); (0; 0; 1)g ,
1 1 2 2
B2 = ; 1; ; (0; 1; 1); ; 1; .
3 3 3 3
9. Sejam
1 0 0 1 0 0 0 0
B1 = ; ; ,
0 0 0 0 1 0 0 1
e
1 1 1 1 1 1 1 1
B2 = ; ; ,
1 1 1 1 1 1 1 1
duas bases ordenadas de M2 2 (R). Determinemos a matriz SB1 !B2 de mudança da base B1
para a base B2 .
Queremos encontrar a1 ; a2 ; a3 ; a4 ; b1 ; b2 ; b3 ; b4 ; c1 ; c2 ; c3 ; c4 ; d1 ; d2 ; d3 ; d4 2 R tais que
1 0 1 1 1 1 1 1 1 1
= a1 + a2 + a3 + a4
0 0 1 1 1 1 1 1 1 1
0 1 1 1 1 1 1 1 1 1
= b1 + b2 + b3 + b4
0 0 1 1 1 1 1 1 1 1
0 0 1 1 1 1 1 1 1 1
= c1 + c2 + c3 + c4
1 0 1 1 1 1 1 1 1 1
0 0 1 1 1 1 1 1 1 1
= d1 + d2 + d3 + d4 .
0 1 1 1 1 1 1 1 1 1
312
Atendendo a
2 3 2 3
1 1 1 1 j 1 0 0 0 1 1 1 1 j 1 0 0 0
6 1 1 1 1 j 0 1 0 0 7 6 0 0 2 2 j 1 1 0 0 7
6 7 ! 6 7 !
4 1 1 1 1 j 0 0 1 0 5 L1 +L2 !L2 4 0 2 0 2 j 1 0 1 0 5 L2 $L4
1 1 1 1 j 0 0 0 1 LL1 +L 3 !L3
+L !L
0 2 2 0 j 1 0 0 1
1 4 4
2 3 2 3
1 1 1 1 j 1 0 0 0 1 1 1 1 j 1 0 0 0
6 0 2 2 0 j 1 0 1 7 0 6 0 2 2 0 j 1 0 0 1 7
! 6 7 ! 6 7 !
L2 $L4 4 0 2 0 2 j 1 1 0 5 0 L2 +L3 !L3 4 0 0 2 2 j 0 0 1 1 5 L3 +L4 !L4
0 0 2 2 j 1 0 0 1 0 0 2 2 j 1 1 0 0
2 3
1 1 1 1 j 1 0 0 0
6 0 2 2 0 j 1 0 0 1 7
! 6 7.
L2 +L3 !L3 4 0 0 2 2 j 0 0 1 1 5
0 0 0 4 j 1 1 1 1
Logo, tem-se
1 1 1 0 1 2 1 2 1 0
= a1 + a2 + a3 + a4
0 1 0 0 0 0 2 0 2 4
0 0 1 0 1 2 1 2 1 0
= b1 + b2 + b3 + b4
0 1 0 0 0 0 2 0 2 4
0 0 1 0 1 2 1 2 1 0
= c1 + c2 + c3 + c4
1 1 0 0 0 0 2 0 2 4
0 1 1 0 1 2 1 2 1 0
= d1 + d2 + d3 + d4 .
1 1 0 0 0 0 2 0 2 4
Isto é, tem-se os seguintes sistemas:
8 8
>
> 1 = a1 + a2 + a3 + a4 >
> 0 = b1 + b2 + b3 + b4
< <
1 = 2a2 + 2a3 0 = 2b2 + 2b3
>
> 0 = 2a3 + 2a4 >
> 0 = 2b3 + 2b4
: :
1 = 4a4 1 = 4b4
8 8
>
> 0 = c1 + c2 + c3 + c4 >
> 0 = d1 + d2 + d3 + d4
< <
0 = 2c2 + 2c3 1 = 2d2 + 2d3
>
> 1 = 2c3 + 2c4 >
> 1 = 2d3 + 2d4
: :
1 = 4c4 1 = 4d4
que são equivalentes a 8 8
1 1
>
> a1 = 4 >
> b1 = 4
>
> >
>
>
> >
>
>
> 1 >
> 1
< a2 = 4 < b2 = 4
>
> 1 >
> 1
>
> a3 = 4 >
> b3 = 4
>
> >
>
>
> >
>
: 1 : 1
a4 = 4
b4 = 4
313
8 1
8 1
>
> c1 = 4 >
> d1 = 4
>
> >
>
>
> >
>
>
> 1 >
> 1
< c2 = 4 < d2 = 4
>
> 1 >
> 1
>
> c3 = 4 >
> d3 = 4
>
> >
>
>
> >
>
: 1 : 1
c4 = 4
d4 = 4
.
Logo, a matriz SB1 !B2 de mudança da base B1 para a base B2 é dada por:
2 1 1 1 1
3
4 4 4 4
6 7
6 7
6 1 1 1 1 7
6 4 4 4 4 7
SB1 !B2 =6
6
7.
7
6 1 1 1 1 7
6 4 4 4 4 7
4 5
1 1 1 1
4 4 4 4
1 2
Assim, as coordenadas do vector em relação à base B2 são dadas por
3 4
2 1 1 1 1
3 2 3
4 4 4 4
2
6 72 3 6 7
6 7 1 6 3 7
6 1 1 1 1 7 6 7
6 4 4 4 4 76 2 7 6 2 7
6 76 7 = 6 7.
6 74 3 5 6 7
6 1 1 1 1 7 6 1 7
6 4 4 4 4 7 4 6 7
4 5 4 5
1 1 1 1 1
4 4 4 4 2
Isto é,
1 2 1 1 3 1 1 1 1 1 1 1
=2 + + + .
3 4 1 1 2 1 1 1 1 2 1 1
1
1 2 1 0 1 1 0
10. SB2 !B1 = (SB1 !B2 ) = = e como é o 2o vector
1 0 1 2 1 1
1 0
de B2 , então as coordenadas de em B1 são dadas por:
1 1
0 1 0 1
= ,
1 2 1 2
isto é, são: 1e 2.
11. Seja B = fv1 ; v2 g uma base ordenada de P1 . Sejam (1; 1) e (2; 2) respectivamente
as coordenadas de dois polinómios 1 + t e 1 t em relação à base B: Determine B.
Tem-se
1 + t = v1 v2 1+t 1 1 v1
, = ,
1 t = 2v1 + 2v2 1 t 2 2 v2
314
1 3
v1 1 1 1+t 4
+ 14 t
, = = 1 3 .
v2 2 2 1 t 4 4
t
3
Logo B = 4
+ 14 t; 1
4
3
4
t .
12. Sejam B1 = fv1 ; v2 g e B2 = fw1 ; w2 g duas bases ordenadas de P1 . Suponha que

(1; 1) e (2; 2) são respectivamente as coordenadas de um polinómio p (t) em relação às
bases B1 e B2 : Suponha ainda que (1; 1) e (2; 2) são respectivamente as coordenadas de
um polinómio q (t) em relação às bases B1 e B2 : Determine a matriz SB1 !B2 de mudança da
base B1 para a base B2 .
Seja
a b
SB1 !B2 = .
c d
Tem-se
2 a b 1 2 a b 1
= e = .
2 c d 1 2 c d 1
Logo 8 2 3 2 32 3
>
> 2 = a b 2 1 1 0 0 a
< 6 2 7 6
2=c d 0 0 1 1 7 6 b 7
,6 7 6
4 2 5=4
76 7,
>
> 2=a+b 1 1 0 0 54 c 5
:
2=c+d 2 0 0 1 1 d
2 3 2 3 12 3 2 3
a 1 1 0 0 2 2
6 b 7 6 0 0 1 1 7 6 7 6 0 7
,6 7 6 7 6 2 7=6 7 e assim
2 0
.
4 c 5=4 1 1 0 0 5 4 2 5 4 0 5
SB1 !B2 =
0 2
d 0 0 1 1 2 2
1
13. a) Como 1 t2 = t t2 + 2
( 2 + 2t) ; as coordenadas de 1 t2 na base B são
1 e 12 .
1
b) B1 = 1 (t t2 ) + 0 ( 2 + 2t) ; 1 (t t2 ) + 2
( 2 + 2t) = ft t2 ; 1 t2 g.
c)
V = L f 1 + t2 ; 2 + t t2 g :
3 t2V
Como
1 + t2 2 U e 2+t t2 2
= U;
tem-se
U + V = P2
e assim f 1 + t2 g é uma base para U \ V .
315
14.
2 3 2 3
1 1 0 2 1 1 1 0 2 1
6 0 0 2 4 0 7 6 0 0 2 4 0 7
6 7 6 7
A=6
6 2 2 1 2 1 7
7 ! 6
6 0 0 1 2 1 7
7 1
!
2L1 +L3 !L3
4 1 1 2 2 1 5 L1 +L4 !L4
4 0 0 2 4 2 5 L +L3 !L3
2 2
L2 +L4 !L4
0 0 0 0 0 0 0 0 0 0
2 3 2 3
1 1 0 2 1 1 1 0 2 1
6 0 0 2 4 0 7 6 0 0 2 4 0 7
6 7 6 7
! 6 0 0 0 0 1 7 6 0 0 0 0 1 7 = A0 .
1 6 7 2L3 +L!
4 !L4
6 7
L +L3 !L3
2 2 4 0 0 0 0 2 5 4 0 0 0 0 0 5
L2 +L4 !L4
0 0 0 0 0 0 0 0 0 0
(i)
Como A tem 5 colunas e
então
nulA = 2, isto é, dim N (A) = 2.
(ii) As colunas da matriz A correspondentes às colunas da matriz A0 que contêm os

pivots, formam um conjunto de vectores linearmente independente. Logo,
C(A) = L (f(1; 0; 2; 1; 0); (0; 2; 1; 2; 0); (1; 0; 1; 1; 0)g)
e o conjunto f(1; 0; 2; 1; 0); (0; 2; 1; 2; 0); (1; 0; 1; 1; 0)g é uma base de C(A).
Por de…nição:
N (A) = u 2 R5 : Au = 0 .
Au = 0 , A0 u = 0.
A equação matricial 2 32 3 2 3
1 1 0 2 1 u1 0
6 0 0 2 4 0 76 u2 7 6 0 7
6 76 7 6 7
6 0 0 0 0 1 76 u3 7=6 0 7
6 76 7 6 7
4 0 0 0 0 0 54 u4 5 4 0 5
0 0 0 0 0 u5 0
< u1 u2 + 2u4 + u5 = 0
2u3 + 4u4 = 0
:
u5 = 0
ou seja a 8
< u1 = u2 2u4
u3 = 2u4
:
u5 = 0.
316
Logo,
N (A) = f(u2 2u4 ; u2 ; 2u4 ; u4 ; 0) : u2 ; u4 2 Rg .
Como
(u2 2u4 ; u2 ; 2u4 ; u4 ; 0) = (u2 ; u2 ; 0; 0; 0) + ( 2u4 ; 0; 2u4 ; u4 ; 0)

= u2 (1; 1; 0; 0; 0) + u4 ( 2; 0; 2; 1; 0),
tem-se:
N (A) = L (f(1; 1; 0; 0; 0); ( 2; 0; 2; 1; 0)g) .
Facilmente se veri…ca que o conjunto S = f(1; 1; 0; 0; 0); ( 2; 0; 2; 1; 0)g é linearmente in-
dependente. Como S é linearmente independente e gera N (A), temos então que S é uma
base de N (A).
(iii) A solução geral do sistema de equações lineares homogéneo Au = 0 é dada por
(1; 1; 0; 0; 0) + ( 2; 0; 2; 1; 0),
com ; 2 R.
(iv) Uma solução particular de Au = b, com b = (1; 0; 2; 1; 0), é por exemplo u =

(1; 0; 0; 0; 0). Logo, a solução geral de Au = b é dada por:
(1; 0; 0; 0; 0) + (1; 1; 0; 0; 0) + ( 2; 0; 2; 1; 0).
Observação. Note que se tem sempre:
no de colunas de A = carA + nulA.
15. a)
0 1 0 1
N (A + B) = N =
0 0 2 0
= f(x; y; z; w) 2 R4 : y + w = 0e2z = 0g =
= f(x; y; 0; y) : x; y 2 Rg = fx(1; 0; 0; 0) + y(0; 1; 0; 1) : x; y 2 Rg =

= L (f(1; 0; 0; 0); (0; 1; 0; 1)g) :
Como
dim N (A + B) = 4 car (A + B) = 2
e f(1; 0; 0; 0); (0; 1; 0; 1)g gera N (A + B), então
f(1; 0; 0; 0); (0; 1; 0; 1)g
é base de N (A + B).
317
b)
dim (N (A) + N (B)) = dim N (A) + dim N (B) dim (N (A) \ N (B)) =
02 31
0 1 0 0
B6 0 0 1 0 7C
= (4 car A) + (4 car B) dim N B 6
@4 0
7C = 2 + 2 1=3
0 0 1 5A
0 0 1 0
2 3 2 3
1 1 1 1 1 1
16. a) A = 4 1 1 1 5 ! 4 0 2 0 5. Como as 3 colunas de A são linear-
:::
1 1 1 0 0 1
mente independentes então dim C (A) = 3 e assim C (A) = R3 , pelo que a base canónica
f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g de R3 é uma base de C (A).
T T
b) u = 1 0 1 é uma solução particular de Au = 2 0 2 . Como N (A) =
T
f0g uma vez que A é invertível atendendo à alínea a), a solução geral de Au = 2 0 2
é 2 3
1
T
u= 1 0 1 = 4 0 5.
1
c)
02 31
1 1 1
N (A + 2I) = N @4 1 1 1 5A =
1 1 1
02 31
1 1 1
= N @4 0 0 0 5A = L (f( 1; 1; 0) ; ( 1; 0; 1)g) :
0 0 0
Como o conjunto f( 1; 1; 0) ; ( 1; 0; 1)g é linearmente independente, é então uma base para

N (A + 2I).
d) Atendendo a que
02 31 02 31
2 1 1 1 1 0
N (A I) = N @4 1 2 1 5A =N @ 4 0 1 1 5A = L (f(1; 1; 1)g)
1 1 2 0 0 0
tem-se dim N (A I) = 1. Assim, como o conjunto
f(1; 1; 1) ; ( 1; 1; 0) ; ( 1; 0; 1)g
é linearmente independente e atendendo à alínea anterior, é então uma base para N (A + 2I)+
N (A I). Logo
dim (N (A + 2I) + N (A I)) = 3:
318
17. a) Uma base para R4 que inclui dois vectores de U :
f(1; 1; 1; 1); (0; 1; 0; 0) ; (0; 0; 1; 1); (0; 0; 0; 1)g :
Note-se que (1; 1; 1; 1); (0; 0; 1; 1) 2 U e que 4 vectores de R4 linearmente independentes,
formam uma base de R4 .
b) Como
U = f(y z + w; y; z; w) : y; z; w 2 Rg = L (f(1; 1; 0; 0); ( 1; 0; 1; 0); (1; 0; 0; 1)g)
e
dim U = 4 car 1 1 1 1 = 3;
então uma base para U que inclua os vectores (1; 1; 1; 1) e ( 1; 1; 1; 1) pode ser:
f(1; 1; 1; 1); ( 1; 1; 1; 1); (1; 0; 0; 1)g
uma vez que se trata de um conjunto linearmente independente de 3 vectores de U .
18. a)
2 3 2 3
1 0 1 1 0 1
6 1 0 7 6 0 2
1 7
A =6
4 0
7 ! 6 7:
0 1 1 5 L1 +L2 !L2 4 0 0 1 1 5
L1 +L4 !L4
1 0 0 0 0 1
8
< 2 se =1
car A = 3 se = 1
:
4 se 6= 1 e 6= 1.
02 31
1 1 0 1
B6 0 0 1 1 7 C
N (A 1 ) = N B 6
@4 0
7C = L (f(1; 1; 0; 0)g).
0 0 2 5A
0 0 0 0
f(1; 1; 0; 0)g é uma base para N (A 1 ).
b) Por a),
B = f( 1; 1; 0; 1) ; (0; 1; 1; 0) ; ( 1; 0; 1; 1)g
é linearmente independente e gera C (A 1 ), pelo que B é uma base para C (A 1 ). Como
1 1 1
(0; 0; 0; 1) = ( 1; 1; 0; 1) (0; 1; 1; 0) + ( 1; 0; 1; 1)
2 2 2
1 1 1
então ; e são as coordenadas de (0; 0; 0; 1) na base ordenada B.
2 2 2
c) 2 3 2 3 3 2
1 1 1
6 0 7 6 0 7 6 0 7
A0 u = 6 7
4 0 5,u=
6 7
4 0 5 +v =6 7
4 0 5;
1 0 0
solução particular de A0 u=b
319
com
v 2 N (A0 ) = f0g :
A0 é invertível
Solução geral de A0 u = b : f(1; 0; 0; 0)g.
d) f( 1; 1; 0; 1) ; (0; 0; 1; 1)g é uma base de L (A1 ) e f( 1; 1; 0; 1) ; (0; 1; 1; 0)g é uma

base de C (A1 ) .
Como
B 0 = f( 1; 1; 0; 1) ; (0; 1; 1; 0) ; (0; 0; 1; 1)g
é linearmente independente e gera L (A1 ) + C (A1 ) então B 0 é uma base de L (A1 ) + C (A1 ).
e) Por a) e b),
f( 1; 1; 0; 1) ; (0; 0; 1; 1) ; (0; 0; 0; 1)g
é uma base de L (A 1 ) e
f( 1; 1; 0; 1) ; (0; 1; 1; 0) ; ( 1; 0; 1; 1)g
é uma base de C (A 1 ). Como por f)
(0; 0; 0; 1) 2 C (A 1 ) e (0; 0; 1; 1) 2
= C (A 1 )
então f( 1; 1; 0; 1) ; (0; 0; 0; 1)g é uma base L (A1 ) \ C (A1 ).
19. a)
232 3 2 3 2 3 2 3
2 0 2 2 2 8 2
Au 4
u=0, 0 4 0 5 4 2 5 4 2 5=0,4 8 5 4 2 5=0, = 4:
2 0 2 2 2 8 2
02 31 02 31
2 0 2 2 0 2
b) N (A) = N @4 0 4 0 5A = N @4 0 4 0 5A = L (f(1; 0; 1)g).
2 0 2 0 0 0
f(1; 0; 1)g é base de N (A).

2 3 2 3 2 3 2 3
8 2 2 1
4 5
c) Au = 8 , Au = 4 2 4 5 , u= 2 5+
4 4 0 5 com 2 R.
a) e b)
8 2 2 1
d) A equação Au = b tem sempre solução se e só se b 2 C (A) = L (f(1; 0; 1) ; (0; 1; 0)g).

2 3 2 3
1 1 1 1 1 1 1 1
6 1 1 1 1 7 7 6 0 7
A=6 ! 6 0 0 0 7 (*):
4 1 1 1 1 5 L1 +L2 !L2 4 0 0 0 0 5
L1 +L3 !L3
1 1 1 1 L +L !L
0 0 0 0
1 4 4
320
a) Atendendo a (*) dim N (A) = 4 dim C (A) = 4 car A = 4 1 = 3.
b) f(1; 0; 0; 0)g não é base de C (A) uma vez que (1; 0; 0; 0) 2

= C (A). Uma base de C (A)
é por exemplo f(1; 1; 1; 1)g e (1; 0; 0; 0) 2
= Lf(1; 1; 1; 1)g.
21. a)
U = f(x; y; z; w) 2 R4 : x + y + z + w = 0g =
= f( y z w; y; z; w) : y; z; w 2 Rg =
= L (f( 1; 1; 0; 0); ( 1; 0; 1; 0); ( 1; 0; 0; 1)g) .
O conjunto
f( 1; 1; 0; 0); ( 1; 0; 1; 0); ( 1; 0; 0; 1)g
é uma base para U , uma vez que gera U e, é também linearmente independente.
b) Atendendo a que
U = L (f(1; 1; 1; 1); ( 1; 0; 0; 1); ( 1; 1; 0; 0); ( 1; 0; 1; 0)g)
e 2 3 2 3
1 1 1 1 1 1 1 1
6 1 0 1 0 77 6 0 1 0 1 7
6 ! 6 7
4 1 0 0 1 5 4 0 0 1 1 5
1 1 0 0 0 0 0 0
então
f(1; 1; 1; 1); ( 1; 0; 0; 1); ( 1; 1; 0; 0)g
é uma base para U , uma vez que gera U e, é também linearmente independente.

2 3 2 3 2 3
1 0 1 1 0 1 1 0 1
4 0 1 1 5 ! 4 0 1 1 5 ! 4 0 1 1 5:
L1 +L3 !L3 L2 +L3 !L3
1 1 0 0 1 1 0 0 0
a)
N (A) = f(x; y; z) 2 R3 : x + z = 0 e y z = 0g =
= f( z; z; z) : z 2 Rg = L (f( 1; 1; 1)g) :
Logo f( 1; 1; 1)g é uma base de N (A) uma vez que gera N (A) e é linearmente independente.
b)
C (A) = L (f(1; 0; 1); (0; 1; 1)g) :
Logo, sendo o conjunto
S = f(1; 0; 1); (0; 1; 1); (0; 0; 1)g( R3 )
linearmente independente e tendo em conta que dim R3 = 3 então S é uma base de R3 que
inclui duas colunas de A.
321
c)
L (A) = L (f(1; 0; 1); (0; 1; 1)g) :
Uma vez que f(1; 0; 1); (0; 1; 1)g é uma base de C (A) e f(1; 0; 1); (0; 1; 1)g é uma base de
L (A) então
dim L (A) = dim L (A) = car A = 2:
Atendendo a que
(1; 0; 1) 2 L (A) \ C (A) e (0; 1; 1) 2

= C (A)
(uma vez que o "sistema"

2 3 2 3 2 3
1 0 j 0 1 0 j 0 1 0 j 0
4 0 1 j 1 5 ! 4 0 1 j 1 5 ! 4 0 1 j 1 5
L1 +L3 !L3 L2 +L3 !L3
1 1 j 1 0 1 j 1 0 0 j 2
é impossível) então f(1; 0; 1)g é uma base de L (A) \ C (A), tendo-se dim L (A) \ C (A) =
1.
23. Seja
4 a b
B= 2 M2 3 (R)
c d 4
tal que
dim N (B) = 2 e (1; 0; 2) 2 L (B) :
Como
car B = dim L (B) = 3 dim N (B) = 1
então
L (B) = L (f(c; d; 4)g) = L (f(4; a; b)g) = L (f(1; 0; 2)g) ;
pelo que a = d = 0, b = 8 e c = 2.
24. a) Uma base para R4 que inclui dois vectores de U :
f(1; 1; 0; 1); (1; 1; 0; 1) ; (0; 1; 0; 0); (0; 0; 1; 0)g
Note-se que (1; 1; 0; 1); (1; 1; 0; 1) 2 U e que 4 vectores de R4 linearmente independentes,

formam uma base de R4 .
b) Seja B = f(2; 2; 0; 0); (1; 1; 0; 1)g uma base ordenada de U .

Tem-se
(1; 1; 0; 7) = 4(2; 2; 0; 0) 7 (1; 1; 0; 1) .
Logo, 4 e 7 são as coordenadas de (1; 1; 0; 7) em relação à base B
c) Determine uma base para U + V e uma base para U \ V , indicando as respectivas

dimensões.
322
Tem-se (em R4 ) U = L (f(1; 1; 0; 1); (1; 1; 0; 1)g) e
V = (x; y; z; w) 2 R4 : y = w = L (f(1; 0; 0; 0); (0; 1; 0; 1) ; (0; 0; 1; 0)g) .
Como (1; 1; 0; 1) 2
= V e (1; 1; 0; 1) 2 V , então
f(1; 1; 0; 1); (1; 0; 0; 0); (0; 1; 0; 1) ; (0; 0; 1; 0)g
é uma base de U + V , tendo-se dim (U + V ) = 4, pelo que U + V = R4 .

Além disso, como U = L (f(1; 1; 0; 1); (1; 1; 0; 1)g) e
(1; 1; 0; 1) 2
= V; (1; 1; 0; 1) 2 V
então f(1; 1; 0; 1)g é uma base de U \ V , tendo-se dim (U \ V ) = 1. De facto
dim(U \ V ) = |dim
{z U} + |dim
{z V} dim (U + V ).
| {z } | {z }
=1 =2 =3 =4
25. As coordenadas do vector 1 t em B1 são 1 e 0 uma vez que
1 t = 1 (1 t) + 0 1 t2 :
Como
1 1 2 1 1
SB1 !B2 = =
0 1 3 0 1
logo, as coordenadas do vector 1 t em B2 são 1 e 1.
26. Como C (A + B) C (A) + C (B) então
car (A + B) = dim C (A + B) dim (C (A) + C (B)) :
Como
C (AB) C (A) (v 2 C (AB) ) v = ABu = A (Bu) ) v 2 C (A))
e
C (AB) C (B) (v 2 C (AB) ) v = ABu = BAu = B (AU ) ) v 2 C (B))
AB=BA
então C (AB) C (A) \ C (B) e assim
car (AB) = dim C (AB) dim (C (A) \ C (B)) :
Logo
car (A + B) + car (AB) = dim C (A + B) + dim C (AB)

dim (C (A) + C (B)) + dim (C (A) \ C (B)) =
= dim C (A) + dim C (B) = car (A) + car (B) :
323
1. Dem. Seja fv1 ; v2 ; v3 g uma base de um espaço linear V . Observe-se que
fv1 + v2 ; v2 + v3 ; v1 + v3 g L (fv1 ; v2 ; v3 g) ,
pelo que
L(fv1 + v2 ; v2 + v3 ; v1 + v3 g) L (fv1 ; v2 ; v3 g) .
Mas, como 8
>
> v1 = 21 (v1 + v2 ) 1
(v
2 2
+ v3 ) + 21 (v1 + v3 )
>
>
<
v2 = 12 (v1 + v2 ) 1
(v
2 1
+ v3 ) + 21 (v2 + v3 )
>
>
>
>
:
v3 = 12 (v1 + v3 ) 1
(v
2 1
+ v2 ) + 21 (v2 + v3 )
tem-se
L (fv1 ; v2 ; v3 g) L(fv1 + v2 ; v2 + v3 ; v1 + v3 g).
Logo,
L(fv1 + v2 ; v2 + v3 ; v1 + v3 g) = L (fv1 ; v2 ; v3 g) = V .
Vejamos agora que o conjunto fv1 + v2 ; v2 + v3 ; v1 + v3 g é linearmente independente:
Sejam 1; 2; 3 2 R tais que 1 (v1 + v2 ) + 2 (v2 + v3 ) + 3 (v1 + v3 ) = 0. Isto é,
( 1 + 3 )v1 +( 1 + 2 )v2 +( 2 + 3 )v3 = 0.
Como fv1 ; v2 ; v3 g é uma base de V , em particular é linearmente independente. Logo,

8
< 1+ 3=0
1+ 2 = 0
:
2+ 3 = 0
o que é equivalente ao sistema homogéneo:

2 3 3
2
1 0
A4 2
5 = 4 0 5:
3 0
2 3
1 0 1
com A = 4 1 1 0 5. Como det A = 2 6= 0, então A é invertível e tem-se 1 = 2 =
0 1 1
3 = 0. Logo, fv1 + v2 ; v2 + v3 ; v1 + v3 g é uma base de V pois trata-se de um conjunto
de vectores linearmente independente que gera V .
2. Seja A uma matriz (real) invertível do tipo n n. Suponhamos que fv1 ; v2 ; : : : ; vn g é

uma base de Rn . Queremos provar que fAv1 ; Av2 ; : : : ; Avn g é também uma base de
Rn .
Dem. Vejamos primeiro que o conjunto fAv1 ; Av2 ; : : : ; Avn g é linearmente indepen-
dente. Sejam 1 ; 2 ; : : : ; n 2 R tais que
1 (Av1 ) + 2 (Av2 ) + + n (Avn ) = 0.
324
Queremos ver que 1 = 2 = ::: = n = 0. Observe-se que
1 (Av1 ) + 2 (Av2 ) + + n (Avn ) = A( 1 v1 ) + A( 2 v2 ) + + A( n vn )

= A( 1 v1 + 2 v2 + + n vn ).
Logo,
1 (Av1 ) + 2 (Av2 ) + + n (Avn ) = 0 () A( 1 v1 + 2 v2 + + n vn ) = 0.
Como A é invertível, tem-se
A 1 A( 1 v1 + 2 v2 + + n vn ) = A 1 0 ,
I( 1 v1 + 2 v2 + + n vn ) = 0 ,
1 v1 + 2 v2 + + n vn = 0.
Como fv1 ; v2 ; : : : ; vn g é uma base de Rn , então 1 = 2 = : : : = n = 0. Logo,

fAv1 ; Av2 ; : : : ; Avn g é um subconjunto de Rn formado por n vectores linearmente in-
dependentes. Como a dimensão de Rn é n, então fAv1 ; Av2 ; : : : ; Avn g é uma base de
Rn .
3. Sejam V um espaço linear e S = fv1 ; v2 ; : : : ; vn g.

Dem. ()) Suponhamos que S é uma base de V . Queremos provar que todo o vector
de V se escreve de maneira única como combinação linear dos elementos de S. Assim,
seja v um vector qualquer de V . Como S é uma base de V , então em particular gera
V . Pelo que, existem 1 ; 2 ; : : : ; n 2 R tais que
v= 1 v1 + 2 v2 + + n vn .
Suponhamos que também existiam 1; 2; : : : ; n 2 R tais que
v= 1 v1 + 2 v2 + + n vn .
Logo,
( 1 1 )v1 +( 2 2 )v2 + +( n n )vn = 0.
Como fv1 ; v2 ; : : : ; vn g é um conjunto linearmente independente (por ser base), então
temos
1 = 1; 2 = 2; : : : ; n = n.
Logo, conclui-se que todo o vector de V se escreve de maneira única como combinação
linear dos elementos de S.
(() Suponhamos agora que todo o vector de V se escreve de maneira única como
combinação linear dos elementos de S. Queremos provar que S = fv1 ; v2 ; : : : ; vn g é
uma base de V . Como todo o vector de V se escreve como combinação linear dos
elementos de S, então S gera V . Falta ver que S é linearmente independente. Assim,
sejam 1 ; 2 ; : : : ; n 2 R tais que
1 v1 + 2 v2 + + n vn = 0.
Como
0 = 0v1 + 0v2 + + 0vn ,
325
e uma vez que por hipótese todo o vector de V se escreve de maneira única como
combinação linear dos elementos de S, conclui-se que
1 = 2 = ::: = n = 0.
Logo, S = fv1 ; v2 ; : : : ; vn g é uma base de V . Fica assim provada a equivalência referida

na questão.
4. Seja fv1 ; v2 g uma base de um espaço linear U . Considere os vectores
w1 = av1 + bv2 e w2 = cv1 + dv2 ;
com a; b; c; d 2 R. Queremos provar que fw1 ; w2 g é também uma base de U se e só se

ad 6= bc.
Dem. (() Suponhamos que ad = 6 bc. Vejamos que fw1 ; w2 g é uma base de U .
Vamos começar por veri…car que o conjunto fw1 ; w2 g é linearmente independente:
Sejam 1 ; 2 2 R tais que
1 w1 + 2 w2 = 0.
Queremos ver que 1 = 2 = 0. Observe-se que
1 w1 + 2 w2 = 1 (av1 + bv2 ) + 2 (cv1 + dv2 )

= ( 1 a + 2 c)v1 + ( 1 b + 2 d)v2 .
Logo,
1 w1 + 2 w2 = 0 , ( 1a + 2 c)v1 + ( 1b + 2 d)v2 = 0.
Como o conjunto fv1 ; v2 g é uma base de U , em particular é linearmente independente.
Logo,
1 a + 2 c = 1 b + 2 d = 0 2 R.
Isto é,
a c 1 0
= .
b d 2 0
Ou seja,
A = 0,
a c 1 0
onde A = , = e0= . Como ad 6= bc e det A = ad bc, então
b d 2 0
det A 6= 0, isto é, A é invertível e como tal:
A 1A = A 10 , I = 0 , = 0.
Logo, 1 = 2 = 0 e deste modo o conjunto fw1 ; w2 g é linearmente independente.

Como dim U = 2 e como w1 ; w2 são dois vectores de U , linearmente independentes,
então conclui-se que fw1 ; w2 g é uma base de U (não sendo necessário veri…car se o
conjunto fw1 ; w2 g gera U ).
()) Reciprocamente, se fw1 ; w2 g é uma base de U , em particular é linearmente inde-
pendente, e como tal tem-se
( 1 w1 + 2 w2 = 0) ) ( 1 = 2 = 0) .
326
Isto é, a equação
A = 0,
a c 1 0
onde A = , = e0= , tem como solução única = 0. O que é
b d 2 0
equivalente a ter-se det A 6= 0, isto é, ad 6= bc.
Demonstração alternativa. Como o conjunto fv1 ; v2 g é uma base do espaço linear
U então dim U = 2. Logo, se o conjunto fw1 ; w2 g fôr linearmente independente então
será uma base do espaço linear U . Assim, bastará provar que o conjunto fw1 ; w2 g é
a b
linearmente independente se e só se a matriz fôr invertível. Seja 0 o vector
c d
nulo do espaço linear U . Sejam 1 ; 2 2 R tais que
1 w1 + 2 w2 = 0:
a b
Queremos ver que 1 = 2 = 0 se e só se a matriz fôr invertível. Observe-se
c d
que
1 w1 + 2 w2 = 1 (av1 + bv2 ) + 2 (cv1 + dv2 )

= ( 1 a + 2 c)v1 + ( 1 b + 2 d)v2 .
Logo,
1 w1 + 2 w2 = 0 , ( 1a + 2 c)v1 + ( 1b + 2 d)v2 = 0.
Como o conjunto fv1 ; v2 g é uma base do espaço linear U , em particular é linearmente
independente. Logo,
1 a + 2 c = 1 b + 2 d = 0 2 R.
Isto é,
a c 1 0
= .
b d 2 0
a c 1 0
Ou seja, A = 00 , onde A = , = e 00 = . Como a equação
b d 2 0
A = 00 apenas admite a solução trivial = 00 se e só se a matriz A fôr invertível e
a b
como a matriz A é invertível se e só se a matriz AT = fôr invertível, tem-se
c d
então o resultado pretendido.
5. Seja A 2 M3 3 (R) tal que A 6= 0 e A2 = 0. Como A 2 M3 3 (R)n f0g e A não é

invertível, então car A 2 f1; 2g. Por outro lado, como A2 = 0 então C (A) N (A)
pelo que dim C (A) dim N (A). Finalmente, atendendo a que
3 = dim N (A) + car A
então car A = 1.
6. Como B = C + B C e C (B) = C (C + B C) C (C) + C (B C) então
car B = dim C (B) dim C (C) + dim C (B C) = car C + car (B C) :
327
Pelo que car B car C car (B C). De um modo análogo, como
C = B + [ (B C)]
e
C (C) = C (B + [ (B C)]) C (B) + C (B C)
então
car C car B car (B C) :
Logo
jcar B car Cj car (B C) :
7. Sejam ; ; ; 2 R tais que

v + Av + A2 v + A3 v = 0:
Multiplicando a igualdade anterior por A3 e atendendo a que A4 = 0 e assim
A5 = A6 = A7 = 0;
então
A3 v = 0
e deste modo = 0 uma vez que
A3 v 6= 0(v 2
= N (A3 )):
Analogamente: multiplicando a igualdade
Av + A2 v + A3 v = 0
por A2 tem-se = 0, multiplicando a igualdade
A 2 v + A3 v = 0
por A tem-se = 0 e …nalmente de
A3 v = 0
obtém-se = 0. Logo, o conjunto
v; Av; A2 v; A3 v
8. Sendo A 2 M5 6 (R), tem-se AT A 2 M6 6 (R). Como N (A) N AT A e
dim N (A) = 6 car A 6 5=1
então 1 dim N (A) dim N AT A : Logo
dim N AT A 6= 0
pelo que AT A não é invertível.
328
1. Sejam a; b 2 R. A aplicação Ta;b : R ! R de…nida por Ta;b (x) = ax + b é linear se e

só se b = 0 e a 2 R.
2. (i) Seja T : R2 ! R2 com T (x; y) = (x + 2y; 3x y). T é linear e tem-se
1 2
M (T ; Bc2 ; Bc2 ) = ,
3 1
uma vez que T (1; 0) = (1; 3) e T (0; 1) = (2; 1). Tem-se
N (T ) = (x; y) 2 R2 : T (x; y) = (0; 0) = (x; y) 2 R2 : (x + 2y; 3x y) = (0; 0) =

= (x; y) 2 R2 : x = 2y e 3x = y = f(0; 0)g .
Logo T é injectiva e dim N (T ) = 0. Uma vez que
dim R2
|{z} = dim N (T ) + dim I(T ),
espaço de partida
então dim I(T ) = 2. Vejamos como encontrar uma base para I(T ). Tem-se
I(T ) = f(x + 2y; 3x y) : x; y 2 Rg = fx(1; 3) + y(2; 1) : x; y 2 Rg = L (f(1; 3); (2; 1)g) .
Como o conjunto f(1; 3); (2; 1)g é linearmente independente e como gera I(T ) então f(1; 3); (2; 1)g
é uma base de I(T ).
Por outro lado, como I(T ) é subespaço de R2 e dim I(T ) = dim R2 então I(T ) = R2 , isto
é, T é sobrejectiva. Sendo T sobrejectiva e tendo-se dim (espaço de partida) = dim (espaço de
chegada) então T também é injectiva, como se constatou no facto de se ter N (T ) = f(0; 0)g.
Como T é injectiva e sobrejectiva, então T é bijectiva.
Observação: T é injectiva se e só se N (T ) = f0g, onde 0 é o vector nulo do espaço de
partida.
Resolução alternativa para encontrar uma base para I(T ). Sendo
1 2
M (T ; Bc2 ; Bc2 ) = ,
3 1
a matriz que representa a transformação linear T em relação à base canónica Bc2 no espaço
de partida e no espaço de chegada, tem-se
x
T (x; y) = M (T ; Bc2 ; Bc2 ) .
y
Logo,
1 2 1 2
N (T ) = N M (T ; Bc2 ; Bc2 ) = N =N = f(0; 0)g
3 1 0 7
329
e
1 2
I(T ) = C M (T ; Bc2 ; Bc2 ) = C = L (f(1; 3); (2; 1)g) .
3 1
O conjunto f(1; 3); (2; 1)g é uma base de I(T ).
(ii) Seja T : R2 ! R2 com T (x; y) = (1 y; 2x). T não é linear pois T (0; 0) = (1; 0) 6=
(0; 0).
(iii) Seja T : R3 ! R3 com T (x; y; z) = (x; 2x; x). T é linear e tem-se

2 3
1 0 0
3 3
M (T ; Bc ; Bc ) = 4 2 0 0 5,
1 0 0
uma vez que T (1; 0; 0) = (1; 2; 1); T (0; 1; 0) = (0; 0; 0) e T (0; 0; 1) = (0; 0; 0). Tem-se
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0; 0) = (x; y; z) 2 R3 : (x; 2x; x) = (0; 0; 0) =

= (0; y; z) 2 R3 : y; z 2 R = y(0; 1; 0) + z(0; 0; 1) 2 R3 : y; z 2 R =
= L (f(0; 1; 0); (0; 0; 1)g) .
Como o conjunto f(0; 1; 0); (0; 0; 1)g é linearmente independente e como gera N (T ) então
f(0; 1; 0); (0; 0; 1)g
é uma base de N (T ). Logo, dim N (T ) = 2. Uma vez que
dim R3
|{z} = dim N (T ) + dim I(T ),
espaço de partida
I(T ) = f(x; 2x; x) : x 2 Rg = fx(1; 2; 1) : x 2 Rg = L (f(1; 2; 1)g) .
Como o conjunto f(1; 2; 1)g é linearmente independente e como gera I(T ) então f(1; 2; 1)g
Por outro lado, como I(T ) 6= R3 então T não é sobrejectiva. Como N (T ) 6= f(0; 0; 0)g
então T não é injectiva.
Resolução alternativa para encontrar bases para N (T ) e I(T ). Sendo
2 3
1 0 0
M (T ; Bc3 ; Bc3 ) = 4 2 0 0 5 ,
1 0 0
2 3
x
T (x; y; z) = M (T ; Bc3 ; Bc3 ) 4 y 5 .
z
330
Logo,
02 31 02 31
1 0 0 1 0 0
N (T ) = N M (T ; Bc3 ; Bc3 ) = N @4 2 0 0 5A = N @4 0 0 0 5A = L (f(0; 1; 0); (0; 0; 1)g)
1 0 0 0 0 0
e 02 31
1 0 0
I(T ) = C M (T ; Bc3 ; Bc3 ) = C @4 2 0 0 5A = L (f(1; 2; 1)g) .
1 0 0
O conjunto f(0; 1; 0); (0; 0; 1)g é uma base de N (T ) e o conjunto f(1; 2; 1)g é uma base de
I(T ).
(iv) Seja T : R3 ! R2 com T (x; y; z) = (0; 0). T é linear e tem-se
0 0 0
M (T ; Bc3 ; Bc2 ) = ,
0 0 0
uma vez que T (1; 0; 0) = T (0; 1; 0) = T (0; 0; 1) = (0; 0). Tem-se
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0) = (x; y; z) 2 R3 : x; y; z 2 R = R3 .
Uma base para N (T ) poderá ser a base canónica Bc3 . Logo, dim N (T ) = 3. Uma vez que
dim R3
|{z} = dim N (T ) + dim I(T ),
espaço de partida
então dim I(T ) = 0. De facto

I(T ) = f(0; 0)g .
Resolução alternativa para encontrar uma base para N (T ). Sendo
0 0 0
M (T ; Bc3 ; Bc2 ) = ,
0 0 0
a matriz que representa a transformação linear T em relação às bases canónicas Bc3 e Bc2 nos
espaços de partida e de chegada respectivamente, tem-se
2 3
x
T (x; y; z) = M (T ; Bc ; Bc ) y 5 .
3 2 4
Logo,
0 0 0
N (T ) = N M (T ; Bc3 ; Bc2 ) = N = R3 = L (f(1; 0; 0); (0; 1; 0); (0; 0; 1)g)
0 0 0
e
0 0 0
I(T ) = C M (T ; Bc3 ; Bc2 ) = C = f(0; 0)g .
0 0 0
331
Uma base para N (T ) poderá ser a base canónica Bc3 .
(v) Seja T : R2 ! R com T (x; y) = 3x. T é linear e tem-se
M (T ; Bc2 ; Bc ) = 3 0 ,
uma vez que T (1; 0) = 3 e T (0; 1) = 0. Note que Bc = f1g é a base canónica de R.
Tem-se
N (T ) = (x; y) 2 R2 : T (x; y) = 0 = (x; y) 2 R2 : 3x = 0 =

= (0; y) 2 R2 : y 2 R = y(0; 1) 2 R2 : y 2 R = L (f(0; 1)g) .
Como o conjunto f(0; 1)g é linearmente independente e como gera N (T ) então f(0; 1)g é
uma base de N (T ). Logo, dim N (T ) = 1. Uma vez que
dim R2
|{z} = dim N (T ) + dim I(T ),
espaço de partida
I(T ) = f 3x : x 2 Rg = L (f1g) .
Como o conjunto f1g é linearmente independente e como gera I(T ) então f1g é uma base
de I(T ), a base canónica de R.
Por outro lado, como I(T ) é subespaço de R e dim I(T ) = dim R então I(T ) = R, isto
é, T é sobrejectiva. Como N (T ) 6= f(0; 0)g então T não é injectiva.
M (T ; Bc2 ; Bc ) = 3 0 ,
a matriz que representa a transformação linear T em relação às bases canónicas Bc2 no espaço
de partida e Bc no espaço de chegada, tem-se
x
T (x; y) = M (T ; Bc2 ; Bc ) .
y
Logo,
N (T ) = N M (T ; Bc2 ; Bc ) = N 3 0 = L (f(0; 1)g)
e
I(T ) = C M (T ; Bc2 ; Bc ) = C 3 0 = L (f 3g) = L (f1g) .
O conjunto f(0; 1)g é uma base de N (T ) e o conjunto f1g é uma base de I(T ).
(vi) T : R3 ! R3 com T (x; y; z) = (0; 1; 2). T não é linear pois T (0; 0; 0) = (0; 1; 2) 6=
(0; 0; 0).
(vii) T : R ! R3 com T (x) = (2x; 0; x). T é linear e tem-se

2 3
2
M (T ; Bc ; Bc3 ) = 4 0 5 ,
1
332
uma vez que T (1) = (2; 0; 1). Tem-se
N (T ) = fx 2 R : T (x) = (0; 0; 0)g = fx 2 R : (2x; 0; x) = (0; 0; 0)g = f0g .
Logo, dim N (T ) = 0. Uma vez que
dim R
|{z} = dim N (T ) + dim I(T ),
espaço de partida
I(T ) = f(2x; 0; x) : x 2 Rg = fx(2; 0; 1) : x 2 Rg = L (f(2; 0; 1)g) .
Como o conjunto f(2; 0; 1)g é linearmente independente e como gera I(T ) então f(2; 0; 1)g
Por outro lado, como I(T ) 6= R3 então T não é sobrejectiva. Como N (T ) = f0g então T
é injectiva.
2 3
2
M (T ; Bc ; Bc3 ) = 4 0 5 ,
1
a matriz que representa a transformação linear T em relação às bases canónicas Bc no espaço

de partida e Bc3 no espaço de chegada, tem-se
T (x) = M (T ; Bc3 ; Bc3 ) [x] .
Logo,
02
31 02 31
2 2
3
N (T ) = N M (T ; Bc ; Bc ) = N @ 4 0 5A =N @ 4 0 5A = L (f0g) = f0g
1 0
e 3102
2
I(T ) = C M (T ; Bc ; Bc3 ) = C @4 0 5A = L (f(2; 0; 1)g) .
1
O conjunto f(2; 0; 1)g é uma base de I(T ).
(viii) T : R3 ! R2 com T (x; y; z) = (x2 y; 2y). T não é linear, pois por exemplo:
T ((1; 0; 0) + (1; 0; 0)) = T (2; 0; 0) = (4; 0) 6= (2; 0) = T (1; 0; 0) + T (1; 0; 0).
(ix) Seja T : R4 ! R2 com T (x; y; z; w) = (x y; 3w). T é linear e tem-se
1 1 0 0
M (T ; Bc4 ; Bc2 ) = ,
0 0 0 3
333
uma vez que T (1; 0; 0; 0) = (1; 0); T (0; 1; 0; 0) = ( 1; 0); T (0; 0; 1; 0) = (0; 0) e T (0; 0; 0; 1) =
(0; 3). Tem-se
N (T ) = (x; y; z; w) 2 R4 : T (x; y; z; w) = (0; 0) = (x; y; z; w) 2 R4 : (x y; 3w) = (0; 0) =

= (x; y; z; w) 2 R4 : x = y e w = 0 = (y; y; z; 0) 2 R4 : y; z 2 R =
= y(1; 1; 0; 0) + z(0; 0; 1; 0) 2 R4 : y; z 2 R = L (f(1; 1; 0; 0); (0; 0; 1; 0)g) .
Como o conjunto f(1; 1; 0; 0); (0; 0; 1; 0)g é linearmente independente e como gera N (T ) então
f(1; 1; 0; 0); (0; 0; 1; 0)g é uma base de N (T ). Logo, dim N (T ) = 2. Uma vez que
dim R4
|{z} = dim N (T ) + dim I(T ),
espaço de partida
I(T ) = f(x y; 3w) : x; y; w 2 Rg = fx(1; 0) + y( 1; 0) + w(0; 3) : x; y; w 2 Rg =

= L (f(1; 0); ( 1; 0); (0; 3)g) .
Por outro lado, como I(T ) é subespaço de R2 e dim I(T ) = dim R2 então I(T ) = R2 ,
isto é, T é sobrejectiva. Como N (T ) 6= f(0; 0; 0; 0)g então T não é injectiva.
1 1 0 0
M (T ; Bc4 ; Bc2 ) = ,
0 0 0 3
a matriz que representa a transformação linear T em relação às bases canónicas Bc4 no espaço
de partida e Bc2 no espaço de chegada, tem-se
2 3
x
6 y 7
T (x; y; z; w) = M (T ; Bc4 ; Bc2 ) 6 7
4 z 5.
w
Logo,
1 1 0 0
N (T ) = N M (T ; Bc4 ; Bc2 ) = N = L (f(1; 1; 0; 0); (0; 0; 1; 0)g)
0 0 0 3
e
1 1 0 0
I(T ) = C M (T ; Bc2 ; Bc2 ) = C = L (f(1; 0); (0; 3)g) .
0 0 0 3
O conjunto f(1; 1; 0; 0); (0; 0; 1; 0)g é uma base de N (T ) e o conjunto f(1; 0); (0; 3)g é uma
base de I(T ).
(x) Seja T : R3 ! R4 com T (x; y; z) = ( z; y 2z; 2y; y + z). T é linear e tem-se

2 3
0 0 1
6 0 1 2 7
M (T ; Bc3 ; Bc4 ) = 6
4 0
7,
2 0 5
0 1 1
334
uma vez que T (1; 0; 0) = (0; 0; 0; 0); T (0; 1; 0) = (0; 1; 2; 1) e T (0; 0; 1) = ( 1; 2; 0; 1).
Tem-se
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0; 0; 0) =

= (x; y; z) 2 R3 : ( z; y 2z; 2y; y + z) = (0; 0; 0; 0) =
= (x; 0; 0) 2 R3 : x 2 R = L (f(1; 0; 0)g) .
Como o conjunto f(1; 0; 0)g é linearmente independente e como gera N (T ) então f(1; 0; 0)g
é uma base de N (T ). Logo, dim N (T ) = 1. Uma vez que
dim R3
|{z} = dim N (T ) + dim I(T ),
espaço de partida
I(T ) = f( z; y 2z; 2y; y + z) : y; z 2 Rg = L (f(0; 1; 2; 1); ( 1; 2; 0; 1)g) .
Como o conjunto f(0; 1; 2; 1); ( 1; 2; 0; 1)g é linearmente independente e como gera I(T )
então f(0; 1; 2; 1); ( 1; 2; 0; 1)g é uma base de I(T ).
2 3
0 0 1
6 0 1 2 7
M (T ; Bc3 ; Bc4 ) = 6 7
4 0 2 0 5,
0 1 1
2 3
x
T (x; y; z) = M (T ; Bc3 ; Bc4 ) 4 y 5 .
z
Logo,
02 31
0 0 1
B 6 2 7C
N (T ) = N M (T ; Bc3 ; Bc4 ) = N B 6 0 1 7C =
@4 0 2 0 5A
0 1 1
02 31 02 31
0 0 1 0 0 1
B6 0 1 0 7C B6 0 1 0 7 C
= NB 6
@4 0 2 0 5A = N @4
7C B6 7C = L (f(1; 0; 0)g)
0 0 0 A 5
0 1 0 0 0 0
e
022 331
0 0 1
B 66 2 77C
I(T ) = C M (T ; Bc3 ; Bc4 ) = C B 66 0 1 77C = L (f(0; 1; 2; 1); ( 1; 2; 0; 1)g) .
@44 0 2 0 5A
5
0 1 1
335
O conjunto f(1; 0; 0)g é uma base de N (T ) e o conjunto f(0; 1; 2; 1); ( 1; 2; 0; 1)g é uma
base de I(T ).
(xi) Seja T : R ! R2 com T (x) = (0; 0). T é linear e tem-se
0
M (T ; Bc ; Bc2 ) = ,
0
uma vez que T (1) = (0; 0). Tem-se
N (T ) = fx 2 R : T (x) = (0; 0)g = fx : x 2 Rg = R.
Uma base para N (T ) poderá ser a base canónica Bc = f1g. Logo, dim N (T ) = 1. Uma vez
que
dim R
|{z} = dim N (T ) + dim I(T ),
espaço de partida
então dim I(T ) = 0. De facto

I(T ) = f(0; 0)g .
Por outro lado, como I(T ) 6= R2 então T não é sobrejectiva. Como N (T ) 6= f0g então T
não é injectiva.
Resolução alternativa para encontrar uma base para N (T ). Sendo
0
M (T ; Bc ; Bc2 ) = ,
0
a matriz que representa a transformação linear T em relação às bases canónicas Bc e Bc2 nos
espaços de partida e de chegada respectivamente, tem-se
T (x) = M (T ; Bc ; Bc2 ) x .
Logo,
0
N (T ) = N M (T ; Bc ; Bc2 ) = N = R = L (f1g)
0
e
0
I(T ) = C M (T ; Bc ; Bc2 ) = C = f(0; 0)g .
0
Uma base para N (T ) poderá ser a base canónica Bc = f1g.
(xii) Seja T : R3 ! R3 com T (x; y; z) = (x + 2y; 3z; x z). T é linear e tem-se

2 3
1 2 0
M (T ; Bc3 ; Bc3 ) = 4 0 0 3 5 ,
1 0 1
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0; 0) =

= (x; y; z) 2 R3 : (x + 2y; 3z; x z) = (0; 0; 0) =
= f(0; 0; 0)g .
336
Logo, dim N (T ) = 0 e T é injectiva. Uma vez que
dim R3
|{z} = dim N (T ) + dim I(T ),
espaço de partida
I(T ) = f(x + 2y; 3z; x z) : x; y; z 2 Rg =

= fx(1; 0; 1) + y(2; 0; 0) + z(0; 3; 1) : x; y; z 2 Rg
= L (f(1; 0; 1); (2; 0; 0); (0; 3; 1)g) .
Como o conjunto f(1; 0; 1); (2; 0; 0); (0; 3; 1)g é linearmente independente e como gera I(T )
então f(1; 0; 1); (2; 0; 0); (0; 3; 1)g é uma base de I(T ).
isto é, T é sobrejectiva.
2 3
1 2 0
M (T ; Bc3 ; Bc3 ) = 4 0 0 3 5 ,
1 0 1
2 3
x
T (x; y; z) = M (T ; Bc3 ; Bc3 ) 4 y 5 .
z
Logo,
02 31
1 2 0
3 3
N (T ) = N M (T ; Bc ; Bc ) = N @ 4 0 0 3 5A =
1 0 1
02 31 02 31
1 2 0 1 2 0
= N @ 4 1 0 1 5A =N @ 4 0 2 1 5A = f(0; 0; 0)g
0 0 3 0 0 3
e
02 31
1 2 0
3 3
I(T ) = C M (T ; Bc ; Bc ) = C @ 4 0 0 3 5A = L (f(1; 0; 1); (2; 0; 0); (0; 3; 1)g) .
1 0 1
O conjunto f(1; 0; 1); (2; 0; 0); (0; 3; 1)g é uma base de I(T ).
(xiii) Seja T : R3 ! R3 com T (x; y; z) = (x; y; z). T é linear e tem-se

2 3
1 0 0
M (T ; Bc3 ; Bc3 ) = 4 0 1 0 5,
0 0 1
337
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0; 0) = f(0; 0; 0)g .
dim R3
|{z} = dim N (T ) + dim I(T ),
espaço de partida
I(T ) = f(x; y; z) : x; y; z 2 Rg = R3 ,
isto é, T é sobrejectiva. Como o conjunto f(1; 0; 0); (0; 1; 0); (0; 0; 1)g é linearmente indepen-
dente e como gera I(T ) então f(1; 0; 0); (0; 1; 0); (0; 0; 1)g é uma base de I(T ).
(xiv) Seja T : P2 ! P2 com
T (p (t)) = 2p (1 t) tp0 (t) :
T é linear uma vez que, para todos os p (t) ; p1 (t) ; p2 (t) 2 P2 , para todo o 2 R,
T (p1 (t) + p2 (t)) = T ((p1 + p2 ) (t)) = 2 (p1 + p2 ) (1 t) t (p1 + p2 )0 (t) =

= 2p1 (1 t) + 2p2 (1 t) tp01 (t) tp02 (t) =
= 2p1 (1 t) tp01 (t) + 2p2 (1 t) tp02 (t) =
= T (p1 (t)) + T (p2 (t)) ,
T ( p (t)) = T (( p) (t)) = 2 ( p) (1 t) t ( p)0 (t) =

= 2p (1 t) t p0 (t) = (2p (1 t) tp0 (t)) = T (p (t)).
Sendo B = f1; t; t2 g a base canónica de P2 , tem-se

2 3
2 2 2
M (T ; B; B) = 4 0 3 4 5,
0 0 0
uma vez que T (1) = 2 1 t 0 = 2; T (t) = 2 (1 t) t 1=2 3t e
T (t2 ) = 2 (1 t)2 t2t = 2 4t + 2t2 2t2 = 2 4t:
Uma base para N (T ):

Como 02 31
2 2 2
N (M (T ; B; B)) = N @ 4 0 3 4 5A = L (f(1; 4; 3)g) ,
0 0 0
então
N (T ) = a0 + a1 t + a2 t2 2 P2 : (a0 ; a1 ; a2 ) 2 L (f(1; 4; 3)g) = L 1 4t + 3t2 .
338
Como f1 4t + 3t2 g é uma base de N (T ), dim N (T ) = 1. Logo, T não é injectiva, uma
vez que dim N (T ) 6= 0.
Resolução alternativa para encontrar uma base para N (T ):
N (T ) = a0 + a1 t + a2 t2 2 P2 : T a0 + a1 t + a2 t2 = 0 =
= a0 + a1 t + a2 t2 2 P2 : 2 a0 + a1 (1 t) + a2 (1 t)2 t (a1 + 2a2 t) = 0 =
= a0 + a1 t + a2 t 2 P2 : 2a0 + 2a1 2a1 t + 2a2 4a2 t + 2a2 t2 a1 t 2a2 t2 = 0 =
2
= a0 + a1 t + a2 t2 2 P2 : 2a0 + 2a1 + 2a2 + ( 3a1 4a2 ) t = 0 =

4 1
= a0 + a1 t + a2 t2 2 P2 : a1 = a2 e a0 = a2 =
3 3
1 4 1 4
= a2 a2 t + a2 t2 2 P2 : a2 2 R = L t + t2 = L 1 4t + 3t2 .
3 3 3 3
Como f1 4t + 3t2 g é uma base de N (T ), dim N (T ) = 1.

Uma base para I(T ):
Como f1; t; t2 g gera P2 , tem-se
I (T ) = L T (1) ; T (t) ; T t2 = L (f2; 2 3t; 2 4tg) = L (f2; 2 3tg) :
Uma vez que o conjunto f2; 2 3tg é linearmente independente e gera I (T ), então f2; 2 3tg
é uma base de I (T ), tendo-se dim I (T ) = 2.
Como dim P2 = 3, tem-se I (T ) 6= P2 , pelo que T não é sobrejectiva.
Resolução alternativa para encontrar uma base para I(T ):
Sendo p (t) = a0 + a1 t + a2 t2 , com a0 ; a1 ; a2 2 R, tem-se
T (p (t)) = 2 a0 + a1 (1 t) + a2 (1 t)2 t (a1 + 2a2 t) =

= 2a0 + 2a1 2a1 t + 2a2 4a2 t + 2a2 t2 a1 t 2a2 t2 =
= a0 2 + a1 (2 3t) + a2 (2 4t) .
Logo, I(T ) = L (f2; 2 3t; 2 4tg) = L (f2; 2 3tg). Uma vez que o conjunto f2; 2 3tg é
linearmente independente e gera I (T ), então f2; 2 3tg é uma base de I (T ).
(xv) Seja T : P2 ! P2 com
T (p (t)) = p (0) p ( 1) + (p ( 1) + p (1)) t + (p ( 1) p (1) 2p (0)) t2 :
T (p1 (t) + p2 (t)) = T ((p1 + p2 ) (t)) =
= (p1 + p2 ) (0) (p1 + p2 ) ( 1) + ((p1 + p2 ) ( 1) + (p1 + p2 ) (1)) t +

+ ((p1 + p2 ) ( 1) (p1 + p2 ) (1) 2 (p1 + p2 ) (0)) t2
= p1 (0) p1 ( 1) + (p1 ( 1) + p1 (1)) t + (p1 ( 1) p1 (1) 2p1 (0)) t2 +

+p2 (0) p2 ( 1) + (p2 ( 1) + p2 (1)) t + (p2 ( 1) p2 (1) 2p2 (0)) t2
339
= T (p1 (t)) + T (p2 (t)) ,
T ( p (t)) = T (( p) (t)) = p (0) p ( 1) + (p ( 1) + p (1)) t + (p ( 1) p (1) 2p (0)) t2 =

= T (p (t)).
Sendo B = f1; t; t2 g a base canónica de P2 , tem-se

2 3
0 1 1
M (T ; B; B) = 4 2 0 2 5,
2 2 0
uma vez que T (1) = 1 1 + (1 + 1) t + (1 1 2) t2 = 2t 2t2 ;
T (t) = 0 ( 1) + (( 1) + 1) t + (( 1) 1 2 0) t2 = 1 2t2
e
T (t2 ) = 0 1 + (1 + 1) t + (1 1 2 0) t2 = 1 + 2t:
Uma base para N (T ):
Como
02 31 02 31 02 31
0 1 1 0 1 1 2 0 2
N (M (T ; B; B)) = N @ 4 2 0 2 5A =N @ 4 2 0 2 5A =N @4 0 1 1 5A =
2 2 0 0 2 2 0 0 0
= L (f( 1; 1; 1)g) ,
então
N (T ) = a0 + a1 t + a2 t2 2 P2 : (a0 ; a1 ; a2 ) 2 L (f( 1; 1; 1)g) = L 1 + t + t2 .
Como f 1 + t + t2 g é uma base de N (T ), dim N (T ) = 1. Logo, T não é injectiva, uma vez

que dim N (T ) 6= 0.
N (T ) = a0 + a1 t + a2 t2 2 P2 : T a0 + a1 t + a2 t2 = 0 =
a0 + a1 t + a2 t2 2 P2 : p (0) p ( 1) + (p ( 1) + p (1)) t+
= =
+ (p ( 1) p (1) 2p (0)) t2 = 0
a0 + a1 t + a2 t2 2 P2 : p (0)
p ( 1) = 0 e p ( 1) + p (1) = 0 e
= =
p ( 1)
p (1) 2p (0) = 0
8 2
9
< a0 + a1 t + a2 t 2 P2 : a0 (a0 a1 + a2 ) = 0 e =
= (a0 a1 + a2 ) + (a0 + a1 + a2 ) = 0 e =
: ;
(a0 a1 + a2 ) (a0 + a1 + a2 ) 2a0 = 0
= a0 + a1 t + a2 t2 2 P2 : a1 = a2 e a0 = a2 =
= a2 + a2 t + a2 t2 2 P2 : a2 2 R = a2 1 + t + t2 2 P2 : a2 2 R =
= L 1 + t + t2 .
Como f 1 + t + t2 g é uma base de N (T ), dim N (T ) = 1.

340
I (T ) = L T (1) ; T (t) ; T t2 =L 2t 2t2 ; 1 2t2 ; 1 + 2t =L 1 2t2 ; 1 + 2t :
Uma vez que o conjunto f1 2t2 ; 1 + 2tg é linearmente independente e gera I (T ), então
1 2t2 ; 1 + 2t
T (p (t)) = p (0) p ( 1) + (p ( 1) + p (1)) t + (p ( 1) p (1) 2p (0)) t2 =
= a0 a0 + a1 ( 1) + a2 ( 1)2 + a0 + a1 ( 1) + a2 ( 1)2 + a0 + a1 + a2 t+
+ a0 + a1 ( 1) + a2 ( 1)2 (a0 + a1 + a2 ) 2a0 t2 =
= a1 a2 + (2a0 + 2a2 ) t + ( 2a0 2a1 ) t2 = a0 2t 2t2 + a1 1 2t2 + a2 ( 1 + 2t) .
Logo, I(T ) = L (f2t 2t2 ; 1 2t2 ; 1 + 2tg) = L (f2t 2t2 ; 1 2t2 g). Como o conjunto
2t 2t2 ; 1 2t2
é linearmente independente e gera I (T ), então f2t 2t2 ; 1 2t2 g é uma base de I (T ).
p (1) p (0)
(xvi) Seja T : P2 ! M2 2 (R) com T (p (t)) = .
p (0) p ( 1)
(p1 + p2 ) (1) (p1 + p2 ) (0)
T (p1 (t) + p2 (t)) = T ((p1 + p2 ) (t)) =
(p1 + p2 ) (0) (p1 + p2 ) ( 1)
p1 (1) + p2 (1) p1 (0) + p2 (0) p1 (1) p1 (0) p2 (1) p2 (0)

= = + =
p1 (0) + p2 (0) p1 ( 1) + p2 ( 1) p1 (0) p1 ( 1) p2 (0) p2 ( 1)
= T (p1 (t)) + T (p2 (t)) ,
( p) (1) ( p) (0) p (1) p (0)

T ( p (t)) = T (( p) (t)) = = =
( p) (0) ( p) ( 1) p (0) p ( 1)
p (1) p (0)
= = T (p (t)).
p (0) p ( 1)
Sendo B1 = f1; t; t2 g a base canónica de P2 e

1 0 0 1 0 0 0 0
B2 = ; ; ;
0 0 0 0 1 0 0 1
a base canónica de M2 2 (R) tem-se
2 3
1 1 1
6 1 0 0 7
M (T ; B1 ; B2 ) = 6
4 1
7,
0 0 5
1 1 1
341
uma vez que
1 1 1 0 1 0
T (1) = ; T (t) = ; T (t2 ) =
1 1 0 1 0 1
Cálculo de N (T ):
Como
02 31 02 31
1 1 1 1 1 1
B6 1 0 0 7C B6 0 1 1 7C
N (M (T ; B1 ; B2 )) = N B 6 7C
@4 1 0 0 5A = N @4 0
B6 7C =
1 1 5A
1 1 1 0 2 0
02 31
1 1 1
B6 0 2 0 7 C
=NB 6
@4 0 0
7C = f(0; 0; 0)g ;
1 5A
0 0 0
então
N (T ) = a0 + a1 t + a2 t2 2 P2 : (a0 ; a1 ; a2 ) = (0; 0; 0) = f0g .
Logo, T é injectiva uma vez que dim N (T ) = 0.
Resolução alternativa para calcular N (T ):
0 0
N (T ) = p (t) = a0 + a1 t + a2 t2 2 P2 : T (p (t)) = =
0 0
p (1) p (0) 0 0
= p (t) = a0 + a1 t + a2 t2 2 P2 : = =
p (0) p ( 1) 0 0
a0 + a1 + a2 a0 0 0
= a0 + a1 t + a2 t2 2 P2 : = =
a0 a0 a1 + a2 0 0
= a0 + a1 t + a2 t2 2 P2 : a0 = 0 e a1 = a2 = 0 = f0g .
1 1 1 0 1 0
I (T ) = L T (1) ; T (t) ; T t2 =L ; ; :
1 1 0 1 0 1
1 1 1 0 1 0
Uma vez que o conjunto ; ; é linearmente independente e
1 1 0 1 0 1
gera I (T ), então
1 1 1 0 1 0
; ;
1 1 0 1 0 1
Como dim M2 2 (R) = 4, tem-se I (T ) 6= M2 2 (R), pelo que T não é sobrejectiva.
p (1) p (0) a0 + a1 + a2 a0
T (p (t)) = = =
p (0) p ( 1) a0 a0 a1 + a2
342
a0 a0 a1 0 a2 0
= + + =
a0 a0 0 a1 0 a2
1 1 1 0 1 0
= a0 + a1 + a2 .
1 1 0 1 0 1
1 1 1 0 1 0
Logo, I(T ) = L ; ; . Como o conjunto
1 1 0 1 0 1
1 1 1 0 1 0
; ;
1 1 0 1 0 1
é linearmente independente e gera I (T ), então é uma base de I (T ).
1 2
(xvii) Seja T : M2 2 (R) ! M2 2 (R) com T (X) = tr (X) . Resolva ainda a
2 1
1 2
equação linear T (X) = . Seja
2 1
1 0 0 1 0 0 0 0
Bc2 2
= ; ; ; .
0 0 0 0 1 0 0 1
Logo 2 3
1 0 0 1
6 2 0 0 2 7
M (T ; Bc2 2 ; Bc2 2 ) = 6
4 2
7.
0 0 2 5
1 0 0 1
Cálculo de N (T ):
Como
02 31 02 31
1 0 0 1 1 0 0 1
B6 2 7C B6 0 0 7C
N M (T ; Bc2 2 ; Bc2 2 ) = N B6 2 0 0 7C = N B6 0 0 7C =
@4 2 0 0 2 5A @4 0 0 0 0 5A
1 0 0 1 0 0 0 0
= L (f( 1; 0; 0; 1); (0; 1; 0; 0); (0; 0; 1; 0)g) ;

então
1 0 0 1 0 0
N (T ) = L ; ; .
0 1 0 0 1 0
1 0 0 1 0 0
; ; é uma base para N (T ). Logo, T não é injectiva uma vez
0 1 0 0 1 0
que dim N (T ) = 3 6= 0.
Como Bc2 2 gera M2 2 (R), tem-se
1 0 0 1 0 0 0 0
I (T ) = L T ;T ;T ;T =
0 0 0 0 1 0 0 1
1 2
= L :
2 1
343
1 2
Uma vez que o conjunto é linearmente independente e gera I (T ), então
2 1
1 2
2 1

Como dim M2 2 (R) = 4, tem-se I (T ) 6= M2 2 (R), pelo que T não é sobrejectiva.
1 2
Solução geral de T (X) = :
2 1
1 0 1 0 0 1 0 0
+L ; ; .
0 0 0 1 0 0 1 0
cos sen
3. (i) M (T ; Bc2 ; Bc2 ) = , uma vez que T (1; 0) = (cos ; sen ) e
sen cos
T (0; 1) = ( sen ; cos ). Além disso, para todo (x; y) 2 R2
cos sen cos sen x

(T T ) (x; y) = =
sen cos sen cos y
cos sen cos sen x
sen cos sen cos y
cos cos sen sen cos sen cos sen x
= =
cos sen + cos sen cos cos sen sen y
cos ( + ) sen ( + ) x
= =
sen ( + ) cos ( + ) y
= T + (x; y).
1
Logo T T =T + . E assim (T ) =T .
2 3
1 0 0
(ii) M (T ; Bc3 ; Bc3 ) = 4 0 cos sen 5.
0 sen cos
cos 2 sen 2
(iii) M (T ; Bc2 ; Bc2 ) = .
sen 2 cos 2
cos2 sen cos

(iv) M (T ; Bc2 ; Bc2 ) = .
sen cos sen2
1 k
(v) M (T ; Bc2 ; Bc2 ) = .
0 1
1 0
(vi) M (T ; Bc2 ; Bc2 ) = .
k 1
k 0
(vii) e (viii) M (T ; Bc2 ; Bc2 ) = .
0 k
344
k 0
(ix) e (x) M (T ; Bc2 ; Bc2 ) = .
0 1
4. Considere a transformação linear T : R3 ! R3 que em relação à base canónica

(ordenada) Bc3 = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g de R3 é representada pela matriz
2 3
1 2 1
M (T ; Bc3 ; Bc3 ) = 4 1 1 0 5.
2 1 0
Tem-se
2 3 2 32 3
x 1 2 1 x
T (x; y; z) = M (T ; Bc3 ; Bc3 ) 4 y 5 = 4 1 1 0 5 4 y 5 = (x + 2y + z; x + y; 2x y).
z 2 1 0 z
Tem-se
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0; 0) =

= (x; y; z) 2 R3 : (x + 2y + z; x + y; 2x y) = (0; 0; 0) =
= f(0; 0; 0)g .
dim R3
|{z} = dim N (T ) + dim I(T ),
espaço de partida
I(T ) = f(x + 2y + z; x + y; 2x y) : x; y; z 2 Rg = L (f(1; 1; 2); (2; 1; 1); (1; 0; 0)g) .
então f(1; 1; 2); (2; 1; 1); (1; 0; 0)g é uma base de I(T ).
2 3
1 2 1
M (T ; Bc3 ; Bc3 ) = 4 1 1 0 5,
2 1 0
2 3
x
T (x; y; z) = M (T ; Bc ; Bc ) y 5 .
3 3 4
345
Logo,
02 31
1 2 1
N (T ) = N M (T ; Bc3 ; Bc3 ) = N @4 1 1 0 5A =
2 1 0
02 31 02 31
1 2 1 1 2 1
= N @4 0 1 1 5A = N @4 0 1 1 5A = f(0; 0; 0)g
0 5 2 0 0 3
e
02 31
1 2 1
3 3
I(T ) = C M (T ; Bc ; Bc ) = C @ 4 1 1 0 5A = L (f(1; 1; 2); (2; 1; 1); (1; 0; 0)g) .
2 1 0
O conjunto f(1; 1; 2); (2; 1; 1); (1; 0; 0)g é uma base de I(T ).
5. Considere a base ordenada B = fv1 ; v2 g de R2 , em que v1 = (1; 1) e v2 = (1; 0) e seja

T : R2 ! R2 a transformação linear tal que
T (v1 ) = (1; 2), T (v2 ) = ( 3; 1).
(i) Tem-se T (2; 1) = T ((1; 1) + (1; 0)) |{z}
= T (1; 1) + T (1; 0) = (1; 2) + ( 3; 1) =
T é linear
( 2; 1).
(ii) Seja (x; y) 2 R2 . Tem-se

(x; y) = y(1; 1) + (x y)(1; 0).
Logo,
T (x; y) = T (y(1; 1) + (x y)(1; 0)) |{z}
= yT (1; 1) + (x y)T (1; 0) =
T é linear
= y(1; 2) + (x y)( 3; 1) = ( 3x + 4y; x 3y).
(iii) Tem-se
3 4
M (T ; Bc2 ; Bc2 ) = ,
1 3
uma vez que, pela alínea (ii), T (1; 0) = ( 3; 1) e T (0; 1) = (4; 3).
Observação: Poderíamos ter calculado T (1; 0) e T (0; 1) sem recorrer à alinea (ii), uma
vez que
(1; 0) = 0(1; 1) + (1; 0) e (0; 1) = (1; 1) (1; 0).
Logo, sendo T linear, tem-se (usando só o enunciado)
T (1; 0) = ( 3; 1) e T (0; 1) = T (1; 1) T (1; 0) = (1; 2) ( 3; 1) = (4; 3).
(iv) Tem-se
0 1
SBc2 !B =
1 1
346
uma vez que
(1; 0) = 0(1; 1) + (1; 0) e (0; 1) = (1; 1) (1; 0).
Tem-se
1 1
SB!Bc2 =
1 0
uma vez que
(1; 1) = (1; 0) + (0; 1) e (1; 0) = (1; 0) + 0(0; 1).
As coordenadas do vector (2; 1) na base B são dadas por:
2 0 1 2 1
SBc2 !B = = .
1 1 1 1 1
Observação 1: Na verdade poderíamos ter determinado as coordenadas do vector (2; 1) na

base B usando a de…nição de coordenadas de um vector numa base:
(2; 1) = (1; 1) + (1; 0).
Logo, as coordenadas do vector (2; 1) na base B são precisamente 1 e 1.

Observação 2: Tem-se
1 1
SB!Bc2 = SBc2 !B e SBc2 !B = SB!Bc2 .
(v) Determinemos a matriz M (T ; B; B) usando só a de…nição de matriz que representa

uma transformação linear em relação a uma base ordenada B no espaço de partida e no
espaço de chegada. Tem-se
2 1
M (T ; B; B) = ,
3 4
uma vez que
T (1; 1) = (1; 2) = 2(1; 1) + 3(1; 0) e T (1; 0) = ( 3; 1) = (1; 1) 4(1; 0).
Determinemos agora as coordenadas do vector T (2; 1) na base B sem usar as alíneas anteri-
ores. Tem-se
T (2; 1) = T ((1; 1) + (1; 0)) |{z}

= T (1; 1) + T (1; 0) =
T é linear
= (1; 2) + ( 3; 1) = ( 2; 1) = (1; 1) (1; 0).
Logo, as coordenadas do vector T (2; 1) na base B são 1 e 1.

Resolução alternativa: Determinemos a matriz M (T ; B; B) e as coordenadas do vector
T (2; 1) na base B usando as alíneas anteriores. Tem-se
M (T ;Bc2 ;Bc2 )
(R2 ; Bc2 ) ! (R2 ; Bc2 )
T
T
(R2 ; B) ! (R2 ; B)
M (T ;B;B)
Logo,
1
M (T ; B; B) = SBc2 !B M (T ; Bc2 ; Bc2 ) SBc2 !B = SBc2 !B M (T ; Bc2 ; Bc2 )SB!Bc2 =
347
0 1 3 4 1 1 1 3 1 1 2 1
= = = .
1 1 1 3 1 0 4 7 1 0 3 4
Além disso tem-se
coordenadas de (2; 1) M (T ;Bc2 ;Bc2 ) coordenadas de T (2; 1)
!
na base Bc2 T na base Bc2
coordenadas de (2; 1) T coordenadas de T (2; 1)

!
na base B M (T ;B;B) na base B.
Logo, sendo 2 e 1 as coordenadas do vector (2; 1) na base Bc2 então as coordenadas do vector
T (2; 1) na base B são dadas por
2 2 1 0 1 2 1 3 2 1
M (T ; B; B)SBc2 !B = = = .
1 3 4 1 1 1 4 7 1 1
(vi) Determinemos a matriz M (T ; Bc2 ; B) usando só a de…nição de matriz que representa

uma transformação linear em relação às bases ordenadas no espaço de partida e no espaço
de chegada. Tem-se
1 3
M (T ; Bc2 ; B) = ,
4 7
uma vez que
T (1; 0) = ( 3; 1) = (1; 1) 4(1; 0)
e
T (0; 1) = T ((1; 1) (1; 0)) = T (1; 1) T (1; 0) =

= (1; 2) ( 3; 1) = (4; 3) = 3(1; 1) + 7(1; 0).
Resolução alternativa: Tendo em conta o diagrama

M (T ;Bc2 ;Bc2 )
(R2 ; Bc2 ) ! (R2 ; Bc2 )
T
T
(R2 ; B) ! (R2 ; B)
M (T ;B;B)
tem-se
2 1 0 1 1 3
M (T ; Bc2 ; B) = M (T ; B; B)SBc2 !B = = .
3 4 1 1 4 7
(vii) Determinemos a matriz M (T ; B; Bc2 ) usando só a de…nição de matriz que representa

uma transformação linear em relação às bases ordenadas no espaço de partida e no espaço
de chegada. Tem-se
1 3
M (T ; B; Bc2 ) = ,
2 1
348
uma vez que
T (1; 1) = (1; 2) = (1; 0) 2(0; 1)
e
T (1; 0) = ( 3; 1) = 3(1; 0) + (0; 1).
Resolução alternativa: Tendo em conta o diagrama
M (T ;B;B)
(R2 ; B) ! (R2 ; B)
T
SB!Bc2 # I I # SB!Bc2
T
(R2 ; Bc2 ) ! (R2 ; Bc2 )
M (T ;Bc2 ;Bc2 )
tem-se
3 4 1 1 1 3
M (T ; B; Bc2 ) = M (T ; Bc2 ; Bc2 )SB!Bc2 = = .
1 3 1 0 2 1
6. Considere as transformações lineares T1 e T2 cujas matrizes que as representam em

relação às bases canónicas (ordenadas) de R2 e R3 são dadas respectivamente por
2 3
0 1
2 0 1
M (T1 ; Bc3 ; Bc2 ) = e M (T2 ; Bc2 ; Bc3 ) = 4 0 1 5 .
1 1 0
1 1
Tem-se T1 : R3 ! R2 com
2 3 2 3
x x
2 0 1
T1 (x; y; z) = M (T1 ; Bc3 ; Bc2 ) 4 y 5 = 4 y 5 = (2x + z; x + y).
1 1 0
z z
Tem-se T2 : R2 ! R3 com
23
0 1
x x
T2 (x; y) = M (T2 ; Bc2 ; Bc3 ) =4 0 1 5 = (y; y; x + y).
y y
1 1
Logo, tem-se T1 T2 : R2 ! R2 linear com
x
(T1 T2 ) (x; y) = M (T1 ; Bc3 ; Bc2 )M (T2 ; Bc2 ; Bc3 ) =
y
2 3
0 1
2 0 1 4 x 1 3 x
= 0 1 5 = = (x + 3y; 2y)
1 1 0 y 0 2 y
1 1
e T2 T1 : R3 ! R3 linear com
2
3 2 3 2 3
x 0 1 x
2 0 1
(T2 T1 ) (x; y; z) = M (T2 ; Bc2 ; Bc3 )M (T1 ; Bc3 ; Bc2 ) 4 y 5 = 4 0 1 5 4 y 5=
1 1 0
z 1 1 z
349
2 32 3
1 1 0 x
= 4 1 1 0 5 4 y 5 = (x + y; x + y; 3x + y + z).
3 1 1 z
Resolução alternativa: Tendo-se T1 : R3 ! R2 com T1 (x; y; z) = (2x + z; x + y) e
T2 : R2 ! R3 com T2 (x; y) = (y; y; x + y), então T1 T2 : R2 ! R2 é linear com
(T1 T2 ) (x; y) = T1 (T2 (x; y)) = T1 (y; y; x + y) = (x + 3y; 2y)
e T2 T1 : R3 ! R3 é linear com
(T2 T1 ) (x; y; z) = T2 (T1 (x; y; z)) = T2 (2x + z; x + y) = (x + y; x + y; 3x + y + z).
T (x; y; z) = (2y; y x; x).
Considere a base ordenada B = fv1 ; v2 ; v3 g de R3 com
v1 = (1; 0; 1), v2 = (1; 2; 0), v3 = ( 1; 1; 1).
Tem-se 2 3
2 4 5
M (T ; B; B) = 4 1 3 3 5,
1 5 4
uma vez que
T (1; 0; 1) = (0; 1; 1) = 2(1; 0; 1) (1; 2; 0) + ( 1; 1; 1),
T (1; 2; 0) = (4; 1; 1) = 4(1; 0; 1) + 3(1; 2; 0) 5( 1; 1; 1) e
T ( 1; 1; 1) = (2; 2; 1) = 5(1; 0; 1) + 3(1; 2; 0) 4( 1; 1; 1):
8. Seja
1 0 0 1 0 0 0 0
Bc2 2
= ; ; ;
0 0 0 0 1 0 0 1
a base canónica (ordenada) de M2 2 (R). Considere a transformação linear
S : M2 2 (R) ! M2 2 (R) de…nida por S(A) = AT .
Tem-se 2 3
1 0 0 0
6 0 0 1 0 7
M (S; Bc2 2 ; Bc2 2 ) = 6
4 0
7,
1 0 0 5
0 0 0 1
350
uma vez que
1 0 1 0 0 1 0 0
S = S = ;
0 0 0 0 0 0 1 0
0 0 0 1 0 0 0 0
S = S = :
1 0 0 0 0 1 0 1
9. Considere a transformação linear T : R3 ! R3 e a base canónica (ordenada)
Bc3 = fv1 ; v2 ; v3 g de R3 , com v1 = (1; 0; 0), v2 = (0; 1; 0), v3 = (0; 0; 1).
Suponha que se tem
T (v3 ) = 3v1 + v2 2v3 , T (v2 + v3 ) = v1 e T (v1 + v2 + v3 ) = v2 + v3 .
Logo,
T (0; 0; 1) = T (v3 ) = (3; 1; 2),
T (0; 1; 0) = T (v2 ) = T (v2 + v3 ) T (v3 ) = 2v1 v2 + 2v3 = ( 2; 1; 2)
e
T (1; 0; 0) = T (v1 ) = T (v1 + v2 + v3 ) T (v2 + v3 ) = v1 + v2 + v3 = ( 1; 1; 1).
Assim:
(i)
T (2v1 v2 + 3v3 ) = 2T (v1 ) T (v2 ) + 3T (v3 ) =
= 2( 1; 1; 1) ( 2; 1; 2) + 3(3; 1; 2) = (9; 6; 6);
(ii) 2 3
1 2 3
3 3
M (T ; Bc ; Bc ) = 4 1 1 1 5.
1 2 2
(iii) Seja B1 = Bc3 a base canónica ordenada de R3 . Determinemos uma base ordenada
B2 = fw1 ; w2 ; w3 g de R3 de modo a que a matriz M (T ; B1 ; B2 ) que represente T em relação
a essas bases B1 e B2 seja a matriz identidade:
2 3
1 0 0
4 0 1 0 5.
0 0 1
Tem-se T (1; 0; 0) = w1 ; T (0; 1; 0) = w2 e T (0; 0; 1) = w3 . Logo,
B2 = f( 1; 1; 1); ( 2; 1; 2); (3; 1; 2)g .
10. Considere a transformação linear T : R2 ! R3 que em relação às bases ordenadas

B1 = fu1 ; u2 g de R2 e B2 = fv1 ; v2 ; v3 g de R3 com
u1 = (1; 1), u2 = (2; 1), v1 = (1; 0; 1), v2 = (1; 1; 2), v3 = (0; 1; 1),
351
é representada pela matriz 3 2
1 2
M (T ; B1 ; B2 ) = 4 1 1 5 .
3 0
0 0 0 0 0 0 0
Considere ainda as bases ordenadas B1 = u1 ; u2 de R2 e B2 = v1 ; v2 ; v3 de R3 com
0 0 0 0 0
u1 = (1; 0), u2 = (1; 1), v1 = (1; 0; 0), v2 = (1; 1; 0), v3 = (1; 1; 1).
(i) Tem-se
( 1; 2) = (1; 1) (2; 1).
Logo, as coordenadas do vector ( 1; 2) na base B1 são 1 e 1. Deste modo, as coordenadas
do vector T ( 1; 2) na base B2 são dadas por
2 3 2 3
1 2 1
1 1
M (T ; B1 ; B2 ) =4 1 1 5 = 4 2 5.
1 1
3 0 3
(ii) Tem-se
( 1; 2) = 3(1; 0) + 2(1; 1).
Logo, as coordenadas do vector ( 1; 2) na base B10 são 3 e 2.
Resolução alternativa: Tem-se
0 3
SB1 !B10 = ,
1 1
0 0 0 0
uma vez que u1 = 0u1 + u2 e u2 = 3u1 u2 . Tendo em conta (por (i)) que as coordenadas
do vector ( 1; 2) na base B1 são 1 e 1, então as coordenadas do vector ( 1; 2) na base B10
são dadas por
1 0 3 1 3
SB1 !B10 = = .
1 1 1 1 2
(iii) Uma vez que (por (i)) as coordenadas do vector T ( 1; 2) na base B2 são 1; 2 e
3, então
T ( 1; 2) = (1; 0; 1) 2(1; 1; 2) + 3(0; 1; 1) = ( 3; 1; 8).
Por outro lado, tem-se
( 3; 1; 8) = 4(1; 0; 0) + 9(1; 1; 0) 8(1; 1; 1).
Logo, as coordenadas do vector T ( 1; 2) na base B20 são 4; 9 e 8.

Resolução alternativa: Determinemos a matriz de mudança de base SB2 !B20 . Tem-se
2 3
1 0 1
SB2 !B20 =4 1 1 2 5,
1 2 1
352
0 0 0 0 0 0 0 0 0
uma vez que v1 = v1 v2 + v3 ; v2 = 0v1 v2 + 2v3 e v3 = v1 + 2v2 v3 . Tendo em
conta que (por (i)) as coordenadas do vector T ( 1; 2) na base B2 são 1; 2 e 3, então as
coordenadas do vector T ( 1; 2) na base B20 são dadas por
2 3 2 32 3 2 3
1 1 0 1 1 4
SB2 !B20 4 2 5 = 4 1 1 2 54 2 5 = 4 9 5.
3 1 2 1 3 8
(iv) Determinemos uma base para N (T ). Seja u 2 R2 e sejam ( 1; 2) as coordenadas

de u em relação à base
B1 = f(1; 1); (2; 1)g :
Tem-se
u 2 N (T ) , ( 1; 2) 2 N (M (T ; B1 ; B2 ))
e como
02 31 02 31 02 31
1 2 1 2 1 2
N (M (T ; B1 ; B2 )) = N @ 4 1 1 5A =N @ 4 0 3 5A = N @4 0 3 5A = f(0; 0)g ,
3 0 0 6 0 0
N (T ) = f0(1; 1) + 0(2; 1)g = f(0; 0)g .

Assim, dim N (T ) = 0 e T é injectiva.
(v) Determinemos uma base para I (T ). Como f(1; 1); (2; 1)g gera R2 , tem-se
I(T ) = L (fT (1; 1); T (2; 1)g) =
= L (f1(1; 0; 1) + ( 1) (1; 1; 2) + 3(0; 1; 1); 2(1; 0; 1) + 1(1; 1; 2) + 0(0; 1; 1)g) =

= L (f(0; 2; 4); (3; 1; 4)g) .
Uma vez que o conjunto f(0; 2; 4); (3; 1; 4)g é linearmente independente e gera I (T ), então
f(0; 2; 4); (3; 1; 4)g

Como dim R3 = 3, tem-se I (T ) 6= R3 , pelo que T não é sobrejectiva.
(vi) Determinemos a expressão geral de T , isto é, T (x; y), para todo o (x; y) 2 R2 .
Considerando as bases canónicas de R2 e de R3 respectivamente:
Bc2 = f(1; 0); (0; 1)g ; Bc3 = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g ,
tem-se
1
M (T ; Bc2 ; Bc3 ) = SB2 !Bc3 M (T ; B1 ; B2 ) SB1 !Bc2 =
2 32 3 2 3 2 3
1 1 0 1 2 1 0 3 1 2 1 1
1 2
=4 0 1 1 54 1 1 5 = 4 2 1 5 31 3
1 =4 1 1 5.
1 1 3 3
1 2 1 3 0 4 4 0 4
353
Logo, para todo o (x; y) 2 R2 ,
2 3 2 3
1 1 x y
x x
T (x; y) = M (T ; Bc2 ; Bc3 ) =4 1 1 5 = 4 x + y 5 = (x y; x + y; 4y) .
y y
0 4 4y
Resolução alternativa à alínea (v) para encontrar uma base para I(T ):
Tem-se
I(T ) = T (x; y) : (x; y) 2 R2 = (x y; x + y; 4y) : (x; y) 2 R2 =

= (x; x; 0) + ( y; y; 4y) : (x; y) 2 R2 =
= x (1; 1; 0) + y ( 1; 1; 4) : (x; y) 2 R2 =
= L (f(1; 1; 0) ; ( 1; 1; 4)g)
Como o conjunto f(1; 1; 0) ; ( 1; 1; 4)g é linearmente independente e gera I (T ), então
f(1; 1; 0) ; ( 1; 1; 4)g
é uma base de I (T ).
Note que:
L (f(1; 1; 0) ; ( 1; 1; 4)g) = L (f(0; 2; 4); (3; 1; 4)g) .
(vii) Tem-se
M (T ;B1 ;B2 )
(R2 ; B1 ) ! (R3 ; B2 )
T
SB1 !B10 # I I # SB2 !B20
T
(R2 ; B10 ) ! (R3 ; B20 )
M (T ;B10 ;B20 )
Logo,
1
M (T ; B10 ; B20 ) = SB2 !B20 M (T ; B1 ; B2 ) SB1 !B10 = SB2 !B20 M (T ; B1 ; B2 )SB10 !B1 =
2 32 3 2 3 2 3
1 0 1 1 2 2 2 0 2
4 1=3 1 1=3 1
= 1 1 2 54 1 1 5 = 4 6 3 5 4
= 1 6 5.
1=3 0 1=3 0
1 2 1 3 0 4 4 0 4
T (x; y; z) = (x + y; x + y z).
(i) Tem-se
1 1 0
M (T ; Bc3 ; Bc2 ) = ,
1 1 1
uma vez que T (1; 0; 0) = (1; 1); T (0; 1; 0) = (1; 1) e T (0; 0; 1) = (0; 1).
354
(ii) Tem-se
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0) =
= (x; y; z) 2 R3 : (x + y; x + y z) = (0; 0) =
= (x; x; 0) 2 R3 : x 2 R = L (f(1; 1; 0)g) .
Logo, o conjunto f(1; 1; 0)g é uma base de N (T ) e dim N (T ) = 1. T não é injectiva, uma
vez que N (T ) 6= f(0; 0)g.
(iii) Tem-se
1 1 0
I(T ) = f(x + y; x + y z) : x; y; z 2 Rg = C = L (f(1; 1); (0; 1)g) .
1 1 1
é uma base de I(T ) e tem-se dim I(T ) = 2.
(iv) O vector (1; 0; 0) é uma solução particular da equação linear

T (x; y; z) = (1; 1).
Logo, a solução geral da equação linear T (x; y; z) = (1; 1) é dada por:
f(1; 0; 0)g + N (T ) = (1 + t; t; 0) 2 R3 : t 2 R .
(v) Não existe nenhum vector (a; b) 2 R2 para o qual a equação linear T (x; y; z) = (a; b)
seja impossível, uma vez que T é sobrejectiva.
(vi) Não existe nenhum vector (a; b) 2 R2 para o qual a equação linear T (x; y; z) = (a; b)
seja possível e determinada, uma vez que T não é injectiva.
12. Considere a transformação linear T : R3 ! R3 cuja matriz M (T ; Bc3 ; Bc3 ) que a

representa em relação à base canónica (ordenada) Bc3 de R3 é dada por
2 3
1 2 2
M (T ; Bc3 ; Bc3 ) = 4 2 1 4 5 .
0 0 2
(i) Seja (x; y; z) 2 R3 . Tem-se

2 3 2 32 3
x 1 2 2 x
3 4 5 4 5 4
3
T (x; y; z) = M (T ; Bc ; Bc ) y = 2 1 4 y 5 = (x + 2y + 2z; 2x + y + 4z; 2z).
z 0 0 2 z
(ii) Tem-se
02 31 02 31
1 2 2 1 2 2
N (T ) = N @4 2 1 4 5A = N @4 0 3 0 5A = f(0; 0; 0)g .
0 0 2 0 0 2
355
Logo, T é injectiva e dim N (T ) = 0.
(iii) Tem-se
I(T ) = f(x + 2y + 2z; 2x + y + 4z; 2z) : x; y; z 2 Rg =

= fx(1; 2; 0) + y(2; 1; 0) + z(2; 4; 2) : x; y; z 2 Rg
= L (f(1; 2; 0); (2; 1; 0); (2; 4; 2)g) .
então f(1; 2; 0); (2; 1; 0); (2; 4; 2)g é uma base de I(T ) e tem-se dim I(T ) = 3. Por outro lado,
como I(T ) é subespaço de R3 e dim I(T ) = dim R3 então I(T ) = R3 , isto é, T é sobrejectiva.
(iv) Como T (1; 1; 0) = T (1; 0; 0) + T (0; 1; 0) = (2; 1; 0) + (1; 2; 0) = (3; 3; 0), então o
vector (1; 1; 0) é uma solução particular da equação linear
T (x; y; z) = (3; 3; 0).
Logo, a solução geral da equação linear T (x; y; z) = (3; 3; 0) é dada por:
f(1; 1; 0)g + N (T ) = f(1; 1; 0)g .
(v) Não existe nenhum vector (a; b; c) 2 R3 para o qual a equação linear T (x; y; z) =
(a; b; c) seja impossível, uma vez que T é sobrejectiva.
(vi) Não existe nenhum vector (a; b; c) 2 R3 para o qual a equação linear T (x; y; z) =
(a; b; c) seja possível e indeterminada, uma vez que T é injectiva.
13. Considere a transformação linear T : R3 ! R3 cuja matriz M (T ; B; B) que a

representa em relação à base (ordenada) B = fv1 ; v2 ; v3 g de R3 com
v1 = (1; 1; 1), v2 = (1; 1; 0), v3 = (1; 0; 0),
é dada por 2 3
1 2 2
M (T ; B; B) = 4 2 4 4 5 .
0 0 2
(i) Seja A = M (T ; B; B). Seja u 2 R3 e sejam ( 1; 2; 3) as coordenadas de u em relação
à base B. Tem-se
u 2 N (T ) , ( 1 ; 2 ; 3) 2 N (A)
e como
02 31 02 31
1 2 2 1 2 0
N (A) = N @4 2 4 4 5A = N @4 0 0 0 5A = f( 2y; y; 0) : y 2 Rg = L (f( 2; 1; 0)g) ,
0 0 2 0 0 2
N (T ) = L (f( 2) (1; 1; 1) + 1(1; 1; 0) + 0(1; 0; 0)g) = L (f(1; 1; 2)g) .

O conjunto f(1; 1; 2)g é uma base de N (T ) pois gera N (T ) e é linearmente independente.
Assim, dim N (T ) = 1. T não é injectiva, uma vez que N (T ) 6= f(0; 0; 0)g.
356
Como
dim R3
|{z} = dim N (T ) + dim I(T ),
espaço de partida
então dim I(T ) = 2 e assim I(T ) 6= R3 (pois dim R3 = 3), isto é, T não é sobrejectiva.
Expressão geral de T :
2 32 32 3 1 2 3
1 1 1 1 2 2 1 1 1 x
4
T (x; y; z) = 1 1 0 5 4 2 4 4 54 1 1 0 5 4 y 5=
1 0 0 0 0 2 1 0 0 z
= (8x 2y 3z; 6x 3z; 2x z).

Cálculo alternativo de N (T ): Tem-se
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0; 0) =

= (x; y; z) 2 R3 : (8x 2y 3z; 6x 3z; 2x z) = (0; 0; 0) =
= (x; y; z) 2 R3 : z = 2x e x = y
= (x; x; 2x) 2 R3 : x 2 R =
= L (f(1; 1; 2)g) .
(ii) Quanto ao contradomínio:
I(T ) = L (fT (1; 1; 1); T (1; 1; 0); T (1; 0; 0)g) =
= L(f1(1; 1; 1) + 2(1; 1; 0) + 0(1; 0; 0); 2(1; 1; 1)+

+4(1; 1; 0) + 0(1; 0; 0); 2(1; 1; 1) + 4(1; 1; 0) + 2(1; 0; 0)g) =
= L (f(3; 3; 1); (6; 6; 2); (8; 6; 2)g) = L (f(6; 6; 2); (8; 6; 2)g) = L (f(8; 6; 2); ( 2; 0; 0)g) .
Como o conjunto f(8; 6; 2); ( 2; 0; 0)g é linearmente independente e como gera I(T ) então
f(8; 6; 2); ( 2; 0; 0)g
é uma base de I(T ) e tem-se dim I(T ) = 2.

Cálculo alternativo de I(T ): Tem-se
I(T ) = f(8x 2y 3z; 6x 3z; 2x z) : x; y; z 2 Rg =

= L (f(8; 6; 2); ( 2; 0; 0); ( 3; 3; 1)g) =
= L (f(8; 6; 2); ( 2; 0; 0)g) = C M (T ; Bc3 ; Bc3 ) .
(iii) É fácil ver que (2; 4; 0) 2

= I(T ). Logo, a equação linear T (x; y; z) = (2; 4; 0) não tem
soluções.
(iv) Tem-se T (1; 1; 1) = 1(1; 1; 1) + 2(1; 1; 0) + 0(1; 0; 0) = (3; 3; 1) e assim
1 1 1 1
T ; ; = 1; 1;
3 3 3 3
357
Logo, a solução geral de
1
T (x; y; z) = 1; 1;
3
é dada por:
1 1 1 1
(x; y; z) 2 R3 : T (x; y; z) = 1; 1; = ; ; + N (T ) =
3 3 3 3
1 1 1
= ; ; ) + s (1; 1; 2) : s 2 R .
3 3 3
(v) Por exemplo o vector (1; 0; 0) ou qualquer vector (a; b; c) 2 I(T ), uma vez que sendo
T não injectiva, sempre que a equação linear fôr possível, ela será indeterminada.
(vi) Tem-se
T (v1 ) = (1; 1; 1) + 2(1; 1; 0) + 0(1; 0; 0) = (3; 3; 1);
T (v2 ) = 2(1; 1; 1) + 4(1; 1; 0) + 0(1; 0; 0) = (6; 6; 2)
e
T (v3 ) = 2(1; 1; 1) + 4(1; 1; 0) + 2(1; 0; 0) = (8; 6; 2).
Logo,
T (1; 0; 0) = T (v3 ) = (8; 6; 2);
T (0; 1; 0) = T (v2 ) T (v3 ) = ( 2; 0; 0)
e
T (0; 0; 1) = T (v1 ) T (v2 ) = ( 3; 3; 1).
Assim, 2 3
8 2 3
3 3 4
M (T ; Bc ; Bc ) = 6 0 3 5
2 0 1
e deste modo, para (x; y; z) 2 R3 ,
2 3 2 32 3
x 8 2 3 x
T (x; y; z) = M (T ; Bc3 ; Bc3 ) 4 y 5 = 4 6 0 3 54 y 5 =
z 2 0 1 z
= (8x 2y 3z; 6x 3z; 2x z).
T (x; y; z) = (x + y + z; x + 2y 4z; z).
(i) Tendo em conta que T (1; 0; 0) = (1; 1; 0); T (0; 1; 0) = (1; 2; 0) e T (0; 0; 1) = (1; 4; 1),
tem-se 2 3
1 1 1
M (T ; Bc3 ; Bc3 ) = 4 1 2 4 5
0 0 1
358
que representa T em relação à base canónica (ordenada) Bc3 de R3 .
(ii) A matriz M (T ; Bc3 ; Bc3 ) é invertível pois

2 3 2 3
1 1 1 1 1 1
3 3
M (T ; Bc ; Bc ) = 1 24 5 4
4 ! 0 1 5 5.
0 0 1 0 0 1
Logo, T é injectiva e como tal invertível, tendo-se

1
M (T ; Bc3 ; Bc3 ) = M (T 1
; Bc3 ; Bc3 ).
1
Determinemos (M (T ; Bc3 ; Bc3 )) .
2 3 2 3
1 1 1 j 1 0 0 1 1 1 j 1 0 0
M (T ; Bc3 ; Bc3 ) j I = 4 1 2 4 j 0 1 0 5!4 0 1 5 j 1 1 0 5!
0 0 1 j 0 0 1 0 0 1 j 0 0 1
2 3 2 3
1 1 0 j 1 0 1 1 0 0 j 2 1 6
! 4 0 1 0 j 1 1 5 5 4
! 0 1 0 j 1 1 5 5.
0 0 1 j 0 0 1 0 0 1 j 0 0 1
Logo, 2 3
2 1 6
1
M (T ; Bc3 ; Bc3 ) = 4 1 1 5 5
0 0 1
e como tal, para (x; y; z) 2 R3 ,
2 3 2 32 3
x 2 1 6 x
1
T 1
(x; y; z) = M (T ; Bc3 ; Bc3 ) 4 y 5=4 1 1 5 5 4 y 5=
z 0 0 1 z
= (2x y 6z; x + y + 5z; z).

1 1
Observação: T T =T T = I. Isto é, para qualquer (x; y; z) 2 R3 ;
1 1
T T (x; y; z) = T T (x; y; z) = (x; y; z),
como se pode ver:

1
T T (x; y; z) = T 1 (T (x; y; z)) = T 1 (x + y + z; x + 2y 4z; z) =
= (2x + 2y + 2z x 2y + 4z 6z; x y z + x + 2y 4z + 5z; z) =
= (x; y; z);
1
T T (x; y; z) = T T 1 (x; y; z) = T (2x y 6z; x + y + 5z; z) =
= (2x y 6z x + y + 5z + z; 2x y 6z 2x + 2y + 10z 4z; z) =
= (x; y; z).
359
Demonstração alternativa da injectividade de T : Tem-se
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = (0; 0; 0) =

= (x; y; z) 2 R3 : (x + y + z; x + 2y 4z; z) = (0; 0; 0) =
= f(0; 0; 0)g .
Logo, T é injectiva.
(iii) Sendo T injectiva, como os espaços de partida e de chegada têm a mesma dimensão,
então T é sobrejectiva. Logo, T é linear e bijectiva, isto é, T é um isomor…smo.
(iv) Tem-se
1
T (x; y; z) = (1; 1; 2) , (x; y; z) = T (1; 1; 2) = ( 11; 10; 2).
Logo, a solução geral da equação linear T (x; y; z) = (1; 1; 2) é: f( 11; 10; 2)g.
15. Seja
1 0 0 1 0 0 0 0
Bc2 2
= ; ; ;
0 0 0 0 1 0 0 1
a base canónica (ordenada) de M2 2 (R). Considere a transformação
0 1
T : M2 2 (R) ! M2 2 (R) de…nida por T (X) = AX XA, com A = :
1 0
(i) Sejam X; X1 ; X2 2 M2 2 (R) e 2 R. Tem-se
T (X1 + X2 ) = A(X1 + X2 ) (X1 + X2 )A = AX1 + AX2 X1 A X2 A =

= AX1 X1 A + AX2 X2 A = T (X1 ) + T (X2 )
e
T ( X) = A( X) ( X)A = (AX XA) = T (X).
a b
(ii) Seja 2 M2 2 (R). Tem-se
c d
a b 0 1 a b a b 0 1 b+c d a
T = = .
c d 1 0 c d c d 1 0 d a b c
Logo, a expressão geral de T é dada por:
a b b+c d a
T = .
c d d a b c
(iii) Tem-se 2 3
0 1 1 0
6 1 0 0 1 7
M (T ; Bc2 2 ; Bc2 2 ) = 6
4 1
7,
0 0 1 5
0 1 1 0
360
uma vez que
1 0 0 1 1 0 1 0 0 1 0 1
T = = ,
0 0 1 0 0 0 0 0 1 0 1 0
0 1 0 1 0 1 0 1 0 1 1 0
T = = ,
0 0 1 0 0 0 0 0 1 0 0 1
0 0 0 1 0 0 0 0 0 1 1 0
T = = ,
1 0 1 0 1 0 1 0 1 0 0 1
0 0 0 1 0 0 0 0 0 1 0 1
T = = :
0 1 1 0 0 1 0 1 1 0 1 0
(iv) Tem-se
a b 0 0
N (T ) = X= 2 M2 2 (R) : T (X) = =
c d 0 0
a b 1 0 0 1
= 2 M2 2 (R) : a; b 2 R =L ; .
b a 0 1 1 0
0 0
Logo, dim N (T ) = 2. Como N (T ) 6= então T não é injectiva.
0 0
(v) Atendendo a que dim N (T ) = 2 e dim M2 2 (R) = 4, então dim I(T ) = 2. T não é
sobrejectiva uma vez que I(T ) 6= M2 2 (R). Determinemos uma base para I(T ). Tem-se
a b
I(T ) = T (X) : X = 2 M2 2 (R) =
c d
b+c d a
= 2 M2 2 (R) : a; b; c; d 2 R =
a+d b c
0 1 1 0 0 1
= L ; ; =
1 0 0 1 1 0
1 0 0 1
= L ; .
0 1 1 0
1 0 0 1
Como o conjunto ; gera I(T ) e é linearmente independente, então é
0 1 1 0
uma base de I(T ).
16. Considere as transformações lineares T1 ; T2 : R2 ! R2 de…nidas respectivamente por
T1 (x; y) = (x + y; x y) e T2 (x; y) = (2x + y; x 2y).
(i) Tem-se
1 1
M (T1 ; Bc2 ; Bc2 ) =
1 1
361
e
2 1
M (T2 ; Bc2 ; Bc2 ) =
1 2
uma vez que T1 (1; 0) = (1; 1); T1 (0; 1) = (1; 1); T2 (1; 0) = (2; 1) e T2 (0; 1) = (1; 2).
(ii) A matriz M (T2 T1 ; Bc2 ; Bc2 ) que representa T2 T1 em relação à base canónica (or-
denada) Bc2 de R2 , é dada por
M (T2 T1 ; Bc2 ; Bc2 ) = M (T2 ; Bc2 ; Bc2 )M (T1 ; Bc2 ; Bc2 ) =

2 1 1 1 3 1
= = .
1 2 1 1 1 3
(iii) Tem-se, para qualquer (x; y) 2 R2 ,
x
(T2 T1 )(x; y) = M (T2 T1 ; Bc2 ; Bc2 ) =
y
3 1 x
= = (3x + y; x + 3y).
1 3 y
(iv) Tem-se, para qualquer (x; y) 2 R2 ,
x
T1 (x; y) = M (T1 ; Bc2 ; Bc2 ) =
y
1 1 x
= = (x + y; x y)
1 1 y
e
x
T2 (x; y) = M (T2 ; Bc2 ; Bc2 ) =
y
2 1 x
= = (2x + y; x 2y).
1 2 y
Logo,
(T2 T1 )(x; y) = T2 (T1 (x; y)) = T2 (x + y; x y) =
= (2x + 2y + x y; x + y 2x + 2y) = (3x + y; x + 3y):
(v) Tem-se
N (T1 ) = (x; y) 2 R2 : T (x; y) = (0; 0) = (x; y) 2 R2 : (x + y; x y) = (0; 0) = f(0; 0)g
N (T2 ) = (x; y) 2 R2 : T (x; y) = (0; 0) = (x; y) 2 R2 : (2x + y; x 2y) = (0; 0) = f(0; 0)g .
Logo, T1 e T2 são injectivas e como tal são invertíveis.
362
(vi) Tem-se então
1 1
M (T1 ; Bc2 ; Bc2 ) = M (T1 1 ; Bc2 ; Bc2 ) e M (T2 ; Bc2 ; Bc2 ) = M (T2 1 ; Bc2 ; Bc2 )
1 1
Determinemos (M (T1 ; Bc2 ; Bc2 )) e (M (T2 ; Bc2 ; Bc2 )) .
1 1 j 1 0 1 1 j 1 0
M (T1 ; Bc2 ; Bc2 ) j I = ! !
1 1 j 0 1 0 2 j 1 1
1 0 j 1=2 1=2 1 0 j 1=2 1=2
! ! ;
0 2 j 1 1 0 1 j 1=2 1=2
2 1 j 1 0 2 1 j 1 0
M (T2 ; Bc2 ; Bc2 ) j I = ! !
1 2 j 0 1 0 5=2 j 1=2 1
2 0 j 4=5 2=5 1 0 j 2=5 1=5
! ! .
0 5=2 j 1=2 1 0 1 j 1=5 2=5
Logo,
1 1=2 1=2 1 2=5 1=5

M (T1 ; Bc2 ; Bc2 ) = e M (T2 ; Bc2 ; Bc2 ) =
1=2 1=2 1=5 2=5
e como tal, para (x; y) 2 R2 ,
1 x 1=2 1=2 x 1 1 1 1
T1 1 (x; y) = M (T1 ; Bc2 ; Bc2 ) = = x + y; x y ,
y 1=2 1=2 y 2 2 2 2
1 x 2=5 1=5 x 2 1 1 2
T2 1 (x; y) = M (T2 ; Bc2 ; Bc2 ) = = x + y; x y ,
y 1=5 2=5 y 5 5 5 5
e …nalmente
1 1 1
T1 T2 (x; y) = T1 T2 1 (x; y) =
2 1 1 2
= T1 1 x + y; x y =
5 5 5 5
3 1 1 3
= x y; x + y .
10 10 10 10
(vii) Tem-se
M ((T2 T1 ) 1 ; Bc2 ; Bc2 ) = M (T1 1

T2 1 ; Bc2 ; Bc2 ) = M (T1 1 ; Bc2 ; Bc2 )M (T2 1 ; Bc2 ; Bc2 ) =
1 1 1=2 1=2 2=5 1=5 3=10 1=10

= M (T1 ; Bc2 ; Bc2 ) M (T2 ; Bc2 ; Bc2 ) = = :
1=2 1=2 1=5 2=5 1=10 3=10
De facto,
1
1 3=10 1=10 3 1 1
M ((T2 T1 ) ; Bc2 ; Bc2 ) = = = M (T2 T1 ; Bc2 ; Bc2 ) .
1=10 3=10 1 3
363
(viii) Tendo em conta (vii) tem-se
3=10 1=10 x 3 1 1 3
(T2 T1 ) 1 (x; y) = = x y; x + y .
1=10 3=10 y 10 10 10 10
Logo, como seria de esperar,
(T2 T1 ) 1 (x; y) = T1 1
T2 1
(x; y).
1 0
17. Seja A = M (T ; Bc2 ; Bc2 ). Como A = é invertível, pois det A = 1 6= 0,
2 1
T é injectiva. Logo, se a equação linear T (x; y) = (1; 2) tiver solução, ela é única. Como
1 1 1 0
C (A) = I (T ) e uma vez que 2 C (A) pois: =1 +0 , então (1; 0) é a
2 2 2 1
solução única da equação linear T (x; y) = (1; 2).
Resolução alternativa da equação linear T (x; y) = (1; 2):
Como A é invertível, T é invertível e
1 1 1 1 0 1 1
T (x; y) = (1; 2) , (x; y) = T (1; 2) = A = = .
2 2 1 2 0
18. Tem-se M (T1 ; Bc2 ; Bc1 ) = 1 0 , pois T1 (1; 0) = 1 e T1 (0; 1) = 0. Logo
1 1 0
M T2 T1 ; Bc2 ; Bc2 = M T2 ; Bc1 ; Bc2 M T1 ; Bc2 ; Bc1 = 1 0 =
0 0 0
1 0
e assim N (T2 T1 ) = N (M (T2 T1 ; Bc2 ; Bc2 )) = N = L (f(0; 1)g). Pelo que
0 0
f(0; 1)g é base de N (T2 T1 ), uma vez que f(0; 1)g é linearmente independente e gera
N (T2 T1 ).
1 0 1
19. Como M (T ; B1 ; B2 ) = , tem-se T (1; 0; 1) = 1(1; 1) (0; 1) = (1; 0),
1 0 1
T (0; 1; 1) = 0(1; 1) + 0(0; 1) = (0; 0) e T (1; 0; 1) = 1(1; 1) (0; 1) = (1; 0). Por outro lado,
como B1 = f(1; 0; 1); (0; 1; 1); (0; 0; 1)g gera o "espaço de partida" R3 , tem-se
I (T ) = L (fT (1; 0; 1); T (0; 1; 1); T (0; 0; 1)g) = L (f(1; 0)g) .
Pelo que f(1; 0)g é base de I (T ), pois (1; 0) é linearmente independente e gera I (T ).
1 0 1
Tem-se dim I (T ) = car (M (T ; B1 ; B2 )) = car = 1. Como I (T ) 6= R2 ,
0 0 0
pois dim I (T ) = 1 6= 2 = dim R2 , então T não é sobrejectiva.
20. Considere a transformação linear T1 : R3 ! R2 de…nida por T1 (x; y; z) = (2x + y; y +

2z). Considere ainda a transformação linear T2 : R2 ! R3 cuja representação matricial em
364
2 3 3
relação à base (ordenada) 2 B = 3f(2; 1); (1; 2)g de R e à base canónica Bc de R é dada pela
2 1
matriz M (T2 ; B; Bc3 ) = 4 1 1 5.
1 2
(i)
N (T1 ) = (x; y; z) 2 R3 : T1 (x; y; z) = (0; 0) = (x; y; z) 2 R3 : (2x + y; y + 2z) = (0; 0) =

n yo n y y o
3
= (x; y; z) 2 R : x = z = = ; y; : y 2 R = L (f(1; 2; 1)g) .
2 2 2
O conjunto f(1; 2; 1)g gera N (T1 ) e é linearmente independente, logo é uma base de N (T1 ).
Tem-se
dim N (T1 ) = 1 e dim N (T1 ) + dim I(T1 ) = dim R3 ,
e assim dim I(T1 ) = 2. Logo, como I(T1 ) é um subespaço de R2 e dim I(T1 ) = dim R2 = 2,
então I(T1 ) = R2 e assim, T1 é sobrejectiva.
(ii) Como B = f(2; 1); (1; 2)g gera o "espaço de partida" R2 , tem-se
I (T2 ) = L (fT2 (2; 1); T2 (1; 2)g) = L (f(2; 1; 1) ; (1; 1; 2)g) .
Como o conjunto f(2; 1; 1) ; (1; 1; 2)g gera I (T2 ) e é linearmente independente, então é uma
base de I (T2 ).
Tem-se
dim I (T2 ) = 2 e dim N (T2 ) + dim I (T2 ) = dim R2 ,
e assim dim N (T2 ) = 0. Logo, T2 é injectiva.
(iii) Tem-se
2 3 2 3 2 3
1 2 1 1 2 1 1 2 1
4 2 1 1 5 ! 4 0 5 1 5 ! 4 0 5 1 5
2L1 +L2 !L2 3
L +L3 !L3 8
1 1 2 L1 +L3 !L3 0 3 1 5 2 0 0 5
logo o conjunto f(1; 2; 1) ; (2; 1; 1) ; (1; 1; 2)g gera N (T1 ) + I(T2 ) e é linearmente indepen-
dente, então é uma base de N (T1 ) + I(T2 ).
Logo, como N (T1 ) + I(T2 ) é um subespaço de R3 e dim (N (T1 ) + I(T2 )) = dim R3 = 3,
então N (T1 ) + I(T2 ) = R3 .
Tem-se
dim (N (T1 ) \ I(T2 )) = dim N (T1 ) + dim I(T2 ) dim (N (T1 ) + I(T2 )) = 1 + 2 3 = 0.
2 1 1 2
(iv) Como (1; 0) = (2; 1) (1; 2) e (0; 1) = (2; 1) + (1; 2), tem-se
3 3 3 3
2 1 2 1
T2 (1; 0) = T2 (2; 1) (1; 2) = T2 (2; 1) T2 (1; 2) =
3 3 T é linear 3 3
2 1 4 2 2 1 1 2 1
= (2; 1; 1) (1; 1; 2) = ; ; + ; ; = 1; ; 0
3 3 3 3 3 3 3 3 3
365
e
1 2 1 2
T2 (0; 1) = T2 (2; 1) + (1; 2) = T2 (2; 1) + T2 (1; 2) =
3 3 T é linear 3 3
1 2 2 1 1 2 2 4 1
= (2; 1; 1) + (1; 1; 2) = ; ; + ; ; = 0; ; 1
3 3 3 3 3 3 3 3 3
Logo, a matriz M (T2 ; Bc2 ; Bc3 ) que representa T2 em relação às bases canónicas Bc2 e Bc3 de R2
e R3 respectivamente, é dada por
2 3
1 0
M (T2 ; Bc2 ; Bc3 ) = 4 1=3 1=3 5 .
0 1
(v) A matriz M (T1 ; Bc3 ; Bc2 ) que representa T1 em relação às bases canónicas Bc3 e Bc2 de
R3 e R2 respectivamente, é dada por
2 1 0
M (T1 ; Bc3 ; Bc2 ) = ,
0 1 2
uma vez que
T1 (1; 0; 0) = (2; 0); T1 (0; 1; 0) = (1; 1) e T1 (0; 0; 1) = (0; 2).
Logo, a matriz que representa T1 T2 em relação à base canónica Bc2 de R2 é dada por
2 3
1 0
2 1 0 4 7=3 1=3
M (T1 T2 ; Bc2 ; Bc2 ) = M (T1 ; Bc3 ; Bc2 )M (T2 ; Bc2 ; Bc3 ) = 1=3 1=3 5 = .
0 1 2 1=3 7=3
0 1
Logo, tem-se
7=3 1=3 x
(T1 T2 ) (x; y) = .
1=3 7=3 y
7=3 1=3
Assim, como a matriz é invertível, a solução geral da equação (T1 T2 ) (x; y) =
1=3 7=3
8=3
, é dada
8=3
1
x 7=3 1=3 8=3 7=16 1=16 8=3 1
= = = .
y 1=3 7=3 8=3 1=16 7=16 8=3 1
21.
T (1; 0; 0) = (0; 1; 0) ; T (0; 1; 0) = (0; 1; 0) ; T (0; 0; 1) = (0; 0; 1) ;
Como
L (f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g) = R3
e T é linear então
I (T ) = L (fT (1; 0; 0) ; T (0; 1; 0) ; T (0; 0; 1)g) = L (f(0; 1; 0) ; (0; 0; 1)g) :
Além disso, uma vez que o conjunto f(0; 1; 0) ; (0; 0; 1)g é linearmente independente é então
uma base para I (T ). Por outro lado, como
dim R3 = dim N (T ) + dim I (T ) , 3 = dim N (T ) + 2 , dim N (T ) = 1 6= 0
366
1. Considere a transformação linear T1 : R2 ! R3 de…nida por T1 (x; y) = (2x + y; 0; x +

2y): Considere ainda a transformação linear T2 : R3 ! R2 cuja representação matricial em
relação à base (ordenada) B = f(1; 1; 1); (1; 1; 0); (1; 0; 0)g de R3 e à base canónica Bc2 de R2
é dada pela matriz:
1 1 1
M (T2 ; B; Bc2 ) = .
1 1 1
(i) T2 (0; 1; 0) = T2 (1; 1; 0) T2 (1; 0; 0) = ( 1; 1) (1; 1) = ( 2; 2):
T2 (0; 0; 1) = T2 (1; 1; 1) T2 (1; 1; 0) = (1; 1) ( 1; 1) = (2; 2):
(ii) Tem-se
I (T1 ) = T1 (x; y) : (x; y) 2 R2 = (2x + y; 0; x + 2y) : (x; y) 2 R2 =

= fx(2; 0; 1) + y(1; 0; 2) : x; y 2 Rg = L (f(2; 0; 1); (1; 0; 2)g) .
Como o conjunto f(2; 0; 1); (1; 0; 2)g gera I (T1 ) e é linearmente independente, então é uma
base de I (T1 ).
Como dim I(T1 ) = 2 < 3 = dim R3 então I(T1 ) 6= R3 e assim, T1 não é sobrejectiva.
(iii)
1 1 1 1 1 1
N M (T2 ; B; Bc2 ) = N =N =
1 1 1 0 0 0
= f(y z; y; z) : y; z 2 Rg = L (f(1; 1; 0); ( 1; 0; 1)g) :

Como os vectores (1; 1; 0) e ( 1; 0; 1) são as coordenadas na base B de vectores que geram o
núcleo de T2 , tem-se
1(1; 1; 1) + 1(1; 1; 0) + 0(1; 0; 0) = (2; 2; 1)
e
1(1; 1; 1) + 0(1; 1; 0) + 1(1; 0; 0) = (0; 1; 1)
Como o conjunto f(2; 2; 1); (0; 1; 1)g gera N (T2 ) e é linearmente independente, então é
uma base de N (T2 ). Como N (T2 ) 6= f0g então T2 não é injectiva.
(iv) Pela de…nição de M (T2 ; B; Bc2 ) tem-se T2 (1; 0; 0) = (1; 1). Atendendo à alínea
a), tem-se T2 (0; 1; 0) = ( 2; 2) e T2 (0; 0; 1) = (2; 2). Logo, a matriz M (T2 ; Bc3 ; Bc2 ) que
representa T2 em relação às bases canónicas Bc3 e Bc2 de R3 e R2 respectivamente, é dada por
1 2 2
M (T2 ; Bc3 ; Bc2 ) = .
1 2 2
Por outro lado, como T1 (1; 0) = (2; 0; 1) e T1 (0; 1) = (1; 0; 2). Logo, a matriz M (T1 ; Bc2 ; Bc3 )
que representa T1 em relação às bases canónicas Bc2 e Bc3 de R2 e R3 respectivamente, é dada
por 2 3
2 1
M (T1 ; Bc2 ; Bc3 ) = 4 0 0 5 .
1 2
367
Logo, a matriz que representa T2 T1 em relação à base canónica Bc2 de R2 é dada por
2 3
2 1
1 2 2 4 4 5
M (T2 T1 ; Bc2 ; Bc2 ) = M (T2 ; Bc3 ; Bc2 )M (T1 ; Bc2 ; Bc3 ) = 0 0 5= .
1 2 2 4 5
1 2
Logo, tem-se
4 5 x
(T2 T1 ) (x; y) =
4 5 y
e assim,
4 5 x 1
(T2 T1 ) (x; y) = ( 1; 1) , = .
4 5 y 1
A solução geral de (T2 T1 ) (x; y) = ( 1; 1) é dada por:
4 5 x 1 4 5 x 0
Solução particular de = + Solução geral de = .
4 5 y 1 4 5 y 0
1 4 5 x 1
Como o vector ;0 é uma solução particular de = e
4 4 5 y 1
4 5 4 5 5
N =N =L ;1
4 5 0 0 4
então, a solução geral de (T2 T1 ) (x; y) = ( 1; 1) é dada por:
1 4 5 1 5
;0 + N = ;0 + s ;1 :s2R .
4 4 5 4 4
2. Considere a transformação linear T : R3 ! P3 de…nida por
T (1; 1; 1) = 2 + 2t2 ; T (1; 1; 1) = t t3 e T ( 1; 1; 1) = 2 + t + 2t2 + t3 .
(i) Determinemos a expressão geral de T , isto é, determinemos T (x; y; z) para qualquer

(x; y; z) 2 R3 .
Seja (x; y; z) 2 R3 . Como f(1; 1; 1); (1; 1; 1); ( 1; 1; 1)g gera R3 , existem escalares
; ; 2 R tais que
(x; y; z) = (1; 1; 1) + (1; 1; 1) + ( 1; 1; 1).
Atendendo a
2 3 2 3 2 3
1 1 1 j x 1 1 1 j x 1 1 1 j x
4 1 1 1 j y 5!4 0 2 2 j y x 5!4 0 2 2 j y x 5,
1 1 1 j z 0 2 0 j z+x 0 0 2 j y+z
tem-se 8
> 1
8 >
> = (x + y)
< + =x >
< 2
1
2 +2 =y x , = (x + z)
: >
> 2
2 =y+z >
> 1
: = (y + z) .
2
368
Logo
1 1 1
(x; y; z) =(x + y) (1; 1; 1) + (x + z) (1; 1; 1) + (y + z) ( 1; 1; 1),
2 2 2
e assim, como T é linear,
1 1 1
T (x; y; z) = (x + y) T (1; 1; 1) + (x + z) T (1; 1; 1) + (y + z) T ( 1; 1; 1) =
2 2 2
1 1 1
= (x + y) 2 + 2t2 + (x + z) t t3 + (y + z) 2 + t + 2t2 + t3 =
2 2 2
1 1
= x + 2y + z + (y x) t + (x + 2y + z) t2 + (y x) t3 .
2 2
(ii) Tem-se N (T ) = f(x; y; z) 2 R3 : T (x; y; z) = 0g =
1 1
= (x; y; z) 2 R3 : x + 2y + z + (y x) t + (x + 2y + z) t2 + (y x) t3 = 0 + 0t + 0t2 + 0t3 =
2 2
1
= (x; y; z) 2 R3 : x + 2y + z = 0 e (y x) = 0 =
2
= (x; y; z) 2 R3 : x = y e z= 3y = y(1; 1; 3) 2 R3 : y 2 R = L (f(1; 1; 3)g)
Logo, o conjunto f(1; 1; 3)g é uma base de N (T ) e dim N (T ) = 1. T não é injectiva, uma
vez que N (T ) 6= f(0; 0; 0)g.
(iii) Determine, se possível, uma base para o contradomínio I(T ). Determine a dimensão
de I(T ). Diga se T é sobrejectiva.
Como f(1; 1; 1); (1; 1; 1); ( 1; 1; 1)g gera R3 ; tem-se
I (T ) = L (fT (1; 1; 1); T (1; 1; 1); T ( 1; 1; 1)g) = L 2 + 2t2 ; t t3 ; 2 + t + 2t2 + t3 :
Como: 2 3 2 3
2 0 2 2 0 2
6 0 1 1 7 6 0 1 1 7
6 7!6 7
4 2 0 2 5 4 0 0 0 5
0 1 1 0 0 0
então o conjunto f2 + 2t2 ; t t3 g é linearmente independente e gera I(T ); sendo assim
uma base de I(T ).
Logo, tem-se dim I(T ) = 2.
Por outro lado, como I(T ) é subespaço de P3 e dim P3 = 4 então I(T ) 6= P3 , isto é, T
não é sobrejectiva.
(iv) Atendendo a ter-se
T (1; 1; 1) = 2 + 2t2 ; T (1; 1; 1) = t t3 e T ( 1; 1; 1) = 2 + t + 2t2 + t3 .

1 1
1 + t + t2 + t3 = 2| + t +{z2t2 + t}3 2 + 2t2 = T ( 1; 1; 1) T (1; 1; 1) =
2 | {z } 2 T é linear
= T ( 1;1;1) = T (1;1; 1)
369
1 3 1 3
=T ( 1; 1; 1) (1; 1; 1) =T ; ; ,
2 2 2 2
3 1 3
; ;
2 2 2
é uma solução particular da equação linear T (x; y; z) = 1 + t + t2 + t3 :
Como, a solução geral de T (x; y; z) = 1 + t + t2 + t3 é dada por:
Solução particular de T (x; y; z) = 1 + t + t2 + t3 + (Solução geral de T (x; y; z) = 0)
e como a solução geral de T (x; y; z) = 0 é dada por
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = 0 = L (f(1; 1; 3)g)
então, a solução geral de T (x; y; z) = 1 + t + t2 + t3 é dada por:

3 1 3 3 1 3
; ; + L (f(1; 1; 3)g) = ; ; + s(1; 1; 3) : s 2 R .
2 2 2 2 2 2
3. Seja 2 R. Considere a transformação linear T : R3 ! P2 de…nida por
T (x; y; z) = z y + (y x) t + xt2 .
(i) Tem-se
N (T ) = (x; y; z) 2 R3 : T (x; y; z) = 0 =
= (x; y; z) 2 R3 : z y + (y x) t + xt2 = 0 + 0t + 0t2 =
= (x; y; z) 2 R3 : z = y e (y = x ou = 0) e x = 0 =
3
= (0; y; z) 2 R : z = y e (y = 0 ou = 0) =
8 8
< f(0; 0; 0)g se 6= 0 < f(0; 0; 0)g se 6= 0
= =
: :
fy(0; 1; 1) 2 R3 : y 2 Rg se =0 L (f(0; 1; 1)g) se =0
Logo, se = 0 então f(0; 1; 1)g é uma base de N (T0 ) e assim T0 não é injectiva.
8
< 0 se 6 0
=
dim N (T ) =
:
1 se = 0:
Logo, como N (T ) = f(0; 0; 0)g, para todo o 2 Rn f0g, então T é injectiva, para todo o
2 Rn f0g.
(ii) Seja (x; y; z) 2 R3 , tem-se
T (x; y; z) = z y + (y x) t + xt2 = z + x t + t2 + y ( 1 + t)
Logo,
I(T ) = T (x; y; z) : (x; y; z) 2 R3 = z + x t + t2 + y ( 1 + t) : x; y; z 2 R =

8
< L (f1; t + t2 ; 1 + tg) se 6= 0
= L 1; t + t2 ; 1 + t =
:
L (f1; t2 g) se =0
370
Se 6= 0 então o conjunto f1; t + t2 ; 1 + tg é linearmente independente e gera
I (T ), sendo assim uma base de I (T ).
Se = 0 então o conjunto f1; t2 g é linearmente independente e gera I (T0 ), sendo assim
uma base de I (T0 ).
Logo 8
< 3 se 6= 0
dim I(T ) =
:
2 se = 0:
Como I (T ) é um subespaço de P2 e neste caso ( 6= 0) dim I (T ) = dim P2 , então
I (T ) = P2 , isto é, T é sobrejectiva se 6= 0.
Se = 0, como I (T0 ) 6= P3 , T0 não é sobrejectiva.
Note que: para todo o 2 R,
dim R3
|{z} = dim N (T ) + dim I(T ),
espaço de partida
(iii) Considere = 0 e resolva a equação linear T0 (x; y; z) = 1 + t2 . Atendendo a ter-se

T0 (1; 0; 1) = 1 + t2 então (1; 0; 1) é uma solução particular da equação linear T0 (x; y; z) =
1 + t2 .
Como, a solução geral de T0 (x; y; z) = 1 + t2 é dada por:
Solução particular de T0 (x; y; z) = 1 + t2 + (Solução geral de T0 (x; y; z) = 0)
e como a solução geral de T0 (x; y; z) = 0 é dada por
N (T0 ) = (x; y; z) 2 R3 : T0 (x; y; z) = 0 = L (f(0; 1; 1)g)
então, a solução geral de T0 (x; y; z) = 1 + t2 é dada por:
(1; 0; 1) + L (f(0; 1; 1)g) = f(1; 0; 1) + s(0; 1; 1) : s 2 Rg .
T (p (t)) = p0 (t) 2p (t) ,
onde p0 (t) é a derivada de primeira ordem de p (t).
(i) Seja p (t) 2 P2 . Tem-se p (t) = a0 + a1 t + a2 t2 ; com a0 ; a1 ; a2 2 R. Tem-se

0
T a0 + a1 t + a2 t2 = a0 + a1 t + a2 t2 2 a0 + a1 t + a2 t2 =
= a1 + 2a2 t 2a0 2a1 t 2a2 t2 = 2a0 + a1 + (2a2 2a1 ) t 2a2 t2 .

Logo, a expressão geral de T : P2 ! P2 é dada por:
T a0 + a1 t + a2 t2 = 2a0 + a1 + (2a2 2a1 ) t 2a2 t2 .
371
(ii) Seja B = f1; t; t2 g a base canónica (ordenada) de P2 . Determinemos a matriz
Como
T (1) = 0 2 = 2, T (t) = 1 2t; T t2 = 2t 2t2
tem-se 2 3
2 1 0
M (T ; B; B) = 4 0 2 2 5
0 0 2
(iii) Como a transformação linear T : P2 ! P2 é invertível, pois M (T ; B; B) é invertível

então T é linear e bijectiva, isto é, T é um isomor…smo. Sendo T um isomor…smo, T 1
também é um isomor…smo.
Seja p (t) 2 P2 . Tem-se p (t) = a0 + a1 t + a2 t2 , com a0 ; a1 ; a2 2 R.
Tem-se
1 1 0 1 00 1 1 1
p (t) p (t) p (t) = a0 + a1 t + a2 t2 (a1 + 2a2 t) 2a2 =
2 4 8 2 4 8
1 1 1 1 1 a2 2
= a0 a1 a2 + a1 a2 t t (*)
2 4 4 2 2 2
e 3 2 2 3 12 3
a0 2 1 0 a0
(M (T ; B; B)) 1 4 a1 5 = 4 0 2 2 5 4 a1 5 =
a2 0 0 2 a2
2 1 1 1
3 2 3 2 1 1 1
3
2 4 4
a 0 2
a 0 4
a 1 4
a 2
=4 0 1
2
1 54
2
a1 5 = 4 1
a
2 1
1
a
2 2
5
1 1
0 0 2
a2 a
2 2
Logo
1 1 1 1 1 1 a2 2
T (p (t)) = a0 a1 a2 + a1 a2 t t (**)
2 4 4 2 2 2
1
Atendendo a (*) e a (**) conclui-se que a expressão geral do isomor…smo T é dada por
1 1 1 0 1 00
T (p (t)) = p (t) p (t) p (t)
2 4 8
para todo o p (t) 2 P2 .
(iv) Tem-se
p0 (t) 2p (t) = (2 3t)2 , T (p (t)) = (2 3t)2 , p (t) = T 1

(2 3t)2 =
T é um isomor…smo (iii)
1 1 1 5 3 9 2
= (2 3t)2 (2 (2 3t) ( 3)) (2 ( 3) ( 3)) = + t t.
(iii) 2 4 8 4 2 2
Logo,
5 3 9 2
p (t) = + t t
4 2 2
é a única solução da equação diferencial linear p0 (t) 2p (t) = (2 3t)2 .
372
T (p (t)) = t2 p00 (t) 2p (t) ,
onde p00 (t) é a derivada de segunda ordem de p (t).
(i) Seja p (t) 2 P2 . Tem-se p (t) = a0 + a1 t + a2 t2 ; com a0 ; a1 ; a2 2 R. Tem-se

00
T a0 + a1 t + a2 t2 = t2 a0 + a1 t + a2 t2 2 a0 + a1 t + a2 t2 =
= t2 2a2 2a0 2a1 t 2a2 t2 = 2a0 2a1 t.

Logo, a expressão geral de T : P2 ! P2 é dada por:
T a0 + a1 t + a2 t2 = 2a0 2a1 t.
(ii) Seja B = f1; t; t2 g a base canónica (ordenada) de P2 . Determinemos a matriz

Como
T (1) = 0 2 = 2, T (t) = 2t; T t2 = 2t2 2t2 = 0
tem-se 2 3
2 0 0
M (T ; B; B) = 4 0 2 0 5
0 0 0
(iii) Uma base para N (T ):

Como 02 31
2 0 0
N (M (T ; B; B)) = N @ 4 0 2 0 5A = L (f(0; 0; 1)g) ,
0 0 0
então
N (T ) = a0 + a1 t + a2 t2 2 P2 : (a0 ; a1 ; a2 ) 2 L (f(0; 0; 1)g) = L t2 .
Como ft2 g é uma base de N (T ), dim N (T ) = 1. Logo, T não é injectiva, uma vez que
dim N (T ) 6= 0.
N (T ) = a0 + a1 t + a2 t2 2 P2 : T a0 + a1 t + a2 t2 = 0 =
= a0 + a1 t + a2 t2 2 P2 : t2 2a2 2 a0 + a1 t + a2 t2 = 0 =
= a0 + a1 t + a2 t2 2 P2 : 2a0 2a1 t = 0 =
= a0 + a1 t + a2 t2 2 P2 : a0 = 0 e a1 = 0 = L t2 .
Como ft2 g é uma base de N (T ), dim N (T ) = 1.
373
I (T ) = L T (1) ; T (t) ; T t2 = L (f 2; 2t; 0g) = L (f 2; 2tg) :
Uma vez que o conjunto f 2; 2tg é linearmente independente e gera I (T ), então f 2; 2tg
(iv) (a) Resolva, em P2 ; a equação diferencial linear t2 p00 (t) 2p (t) = 2 t.

Como 2 3 02 31
2 2 0 0
4 1 5 2 C (M (T ; B; B)) = C @4 0 2 0 5A ;
0 0 0 0
uma vez que 2 3 2 32 3
2 2 0 0 1
4 1 5=4 0 2 0 5 4 12 5 ,
0 0 0 0 0
1
então 1 + t é uma solução particular da equação diferencial linear t2 p00 (t) 2p (t) = 2 t:
2
Como a solução geral de t2 p00 (t) 2p (t) = 2 t é dada por:
Solução particular de t2 p00 (t) 2p (t) = 2 t + Solução geral de t2 p00 (t) 2p (t) = 0
e como a solução geral de t2 p00 (t) 2p (t) = 0 é dada por
N (T ) = L t2 ,
então a solução geral de t2 p00 (t) 2p (t) = 2 t é dada por:
1 1
1+ t+L t2 = 1 + t + at2 : a 2 R .
2 2
(b) Resolva, em P2 ; a equação diferencial linear 2tp0 (t) 2p (0) = 2 t.
Seja T1 (p (t)) = 2tp0 (t) 2p (0), em que p (t) = a0 + a1 t + a2 t2 ; com a0 ; a1 ; a2 2 R.

Logo
T1 (p (t)) = 2tp0 (t) 2p (0) = 2t (a1 + 2a2 t) 2a0 = 2a0 + 2a1 t + 4a2 t2
Como 2 3
2 0 0
M (T1 ; B; B) = 4 0 2 0 5 ;
0 0 4
uma vez que T1 (1) = 2; T1 (t) = 2t; T1 (t2 ) = 4t2 , onde B = f1; t; t2 g é a base canónica
(ordenada) de P2
374
Logo
3 2 2 3
a0 2
2tp0 (t) 2p (0) = 2 t , T1 (p (t)) = 2 t , M (T1 ; B; B) 4 a1 5 = 4 1 5 ,
a2 0
2 3 2 3
a0 2
, 4 a1 5 = (M (T1 ; B; B)) 1 4 1 5
M (T1 ;B;B) é invertível
a2 0
2 3 2 3 12 3 2 1 32 3 2 3
a0 2 0 0 2 2
0 0 2 1
, 4 a1 5 = 4 0 2 0 5 4 1 5 = 4 0 21 0 5 4 1 5 = 4 1
2
5.
a2 0 0 4 0 0 0 41 0 0
Isto é, a solução geral de
2tp0 (t) 2p (0) = 2 t
é:
1
1 t .
2
Veri…cação:
0
1 1 1 1
T1 1 t = 2t 1 t 2 1 0 = 2t +2=2 t.
2 2 2 2
Nota importante: Como
dim N (T1 ) = dim N (M (T1 ; B; B)) = 0
então T1 é injectiva e tendo-se
dim R3
|{z} = dim N (T1 ) + dim I(T1 ) = dim I(T1 ),
espaço de partida
então I(T1 ) = R3 , isto é, T1 é sobrejectiva e uma base para I(T1 ) é por exemplo
B = 1; t; t2
a base canónica (ordenada) de P2 .
Cálculo alternativo de uma base de I(T1 ):

Seja p (t) = a0 + a1 t + a2 t2 ; com a0 ; a1 ; a2 2 R. Como
T1 (p (t)) = T1 a0 + a1 t + a2 t2 = 2tp0 (t) 2p (0) = 2a0 + 2a1 t + 4a2 t2
então
I(T1 ) = fT1 (p (t)) : p (t) 2 P2 g = L 2; 2t; 4t2 .
I (T1 ) = L T (1) ; T (t) ; T t2 =L 2; 2t; 4t2
375
e sendo o conjunto f 2; 2t; 4t2 g linearmente independente então
2; 2t; 4t2
é uma base de I (T1 ), tendo-se
dim R3
|{z} = dim N (T1 ) + dim I(T1 ) = dim N (T1 ) + 3 , dim N (T1 ) = 0,
espaço de partida
isto é, T1 é injectiva.
6. Seja U o subespaço das matrizes simétricas de M2 2 (R), isto é,
U = A 2 M2 2 (R) : A = AT .
T (A) = AB + BA
0 1
com B = .
1 0
a b
(i) Seja 2 U , com a; b; c 2 R. Tem-se
b c
a b a b 0 1 0 1 a b 2b a + c
T = + =
b c b c 1 0 1 0 b c a + c 2b
Logo, a expressão geral de T : U ! U é dada por:
a b 2b a + c
T = .
b c a + c 2b
(ii) Determinemos uma base para U e a matriz que representa T em relação a essa base.
Seja A 2 U . Tem-se
a b 1 0 0 1 0 0
A= =a +b +c
b c 0 0 1 0 0 1
com a; b; c 2 R. Como o conjunto
1 0 0 1 0 0
B= ; ;
0 0 1 0 0 1
376
gera U e é linearmente independente, então B é uma base de U . Por outro lado, como
1 0 1 0 0 1 0 1 1 0 0 1
T = + = =
0 0 0 0 1 0 1 0 0 0 1 0
1 0 0 1 0 0
= 0 +1 +0
0 0 1 0 0 1
0 1 0 1 0 1 0 1 0 1 2 0
T = + = =
1 0 1 0 1 0 1 0 1 0 0 2
1 0 0 1 0 0
= 2 +0 +2
0 0 1 0 0 1
0 0 0 0 0 1 0 1 0 0 0 1
T = + = =
0 1 0 1 1 0 1 0 0 1 1 0
1 0 0 1 0 0
= 0 +1 +0
0 0 1 0 0 1
então a matriz que representa T em relação à base B é dada por:
2 3
0 2 0
4
M (T ; B; B) = 1 0 1 5.
0 2 0
(iii) Uma base para N (T ):

Como
02 31 02 31
0 2 0 1 0 1
N (M (T ; B; B)) = N @4 1 0 1 5A = N @4 0 2 0 5A = L (f(1; 0; 1)g) ,
0 2 0 0 0 0
então
a b 1 0
N (T ) = A= 2 U : (a; b; c) 2 L (f(1; 0; 1)g) =L .
b c 0 1
1 0
Como é uma base de N (T ), dim N (T ) = 1. Logo, T não é injectiva, uma
0 1
vez que dim N (T ) 6= 0.
a b 0 0
N (T ) = A= 2 U : T (A) = =
b c 0 0
a b 0 1 0 1 0 0
A= 2U :A + A=
b c 1 0 1 0 0 0
a b 2b a + c 0 0
= A= 2U : = =
b c a + c 2b 0 0
a b
= A= 2 U : 2b = 0 e a + c = 0 =
b c
c 0 1 0 1 0
= A= :c2R =L =L .
0 c 0 1 0 1
377
1 0
Como é uma base de N (T ), dim N (T ) = 1.
0 1
1 0 0 1 0 0
Como ; ; gera U , tem-se
0 0 1 0 0 1
1 0 0 1 0 0
I (T ) = L T ;T ;T =
0 0 1 0 0 1
0 1 2 0 0 1
= L ; ; =
1 0 0 2 1 0
0 1 2 0
= L ; :
1 0 0 2
0 1 2 0
Uma vez que o conjunto ; é linearmente independente e gera I (T ),
1 0 0 2
então
0 1 2 0
;
1 0 0 2
Como dim U = 3, tem-se I (T ) 6= U , pelo que T não é sobrejectiva.
(iv) Resolva, em U; a equação linear T (A) = B.

Como
1 1 1
0 1 2
0 0 1 0 1 2
0 2
0
= 1 + 1 =T 1
1 0 0 2
1 0 1 0 0 2
0 2
1
2
0
então é uma solução particular da equação linear T (A) = B.
0 12
Como a solução geral de T (A) = B é dada por:
(Solução particular de T (A) = B) + (Solução geral de T (A) = 0)
e como a solução geral de T (A) = 0 é dada por
1 0
N (T ) = L ,
0 1
então a solução geral de T (A) = B é dada por:

1 1
2
0 1 0 2
+a 0
1 +L = 1 :a2R .
0 2
0 1 0 2
a
7. Considere a transformação linear T : M2 2 (R) ! P3 cuja matriz M (T ; B1 ; B2 ) que a

representa em relação às bases ordenadas
1 1 1 1 0 1 1 0
B1 = ; ; ;
1 0 0 1 1 1 1 1
378
de M2 2 (R) e B2 = f1 + t; t + t2 ; t2 + t3 ; t3 g de P3 é dada por
2 3
1 1 1 1
6 0 1 1 1 7
M (T ; B1 ; B2 ) = 6 4 0
7 . (*)
0 1 1 5
0 0 0 1
a b
(i) Seja 2 M2 2 (R), com a; b; c; d 2 R. De (*), tem-se
c d
1 1
T = 1+t
1 0
1 1
T = 1 + t + t + t2 = 1 + 2t + t2
0 1
0 1
T = 1 + t + t + t2 + t2 + t3 = 1 + 2t + 2t2 + t3
1 1
1 0
T = 1 + t + t + t2 + t2 + t3 + t3 = 1 + 2t + 2t2 + 2t3
1 1
como
1 0 1 1 1 1 1 1 2 0 1 1 1 0
= + +
0 0 3 1 0 3 0 1 3 1 1 3 1 1
0 1 1 1 1 1 1 1 1 0 1 2 1 0
= + +
0 0 3 1 0 3 0 1 3 1 1 3 1 1
0 0 1 1 1 2 1 1 1 0 1 1 1 0
= + +
1 0 3 1 0 3 0 1 3 1 1 3 1 1
0 0 2 1 1 1 1 1 1 0 1 1 1 0
= + + +
0 1 3 1 0 3 0 1 3 1 1 3 1 1
então
a b 1 0 0 1 0 0 0 0
T = aT +bT +cT +dT =
c d T é linear 0 0 0 0 1 0 0 1
1 1 2 1
= a (1 + t) + 1 + 2t + t2 1 + 2t + 2t2 + t3 + 1 + 2t + 2t2 + 2t3 +
3 3 3 3
1 1 1 2
+b (1 + t) + 1 + 2t + t2 + 1 + 2t + 2t2 + t3 1 + 2t + 2t2 + 2t3 +
3 3 3 3
1 2 1 1
+c (1 + t) 1 + 2t + t2 + 1 + 2t + 2t2 + t3 + 1 + 2t + 2t2 + 2t3 +
3 3 3 3
2 1 1 1
+d (1 + t) + 1 + 2t + t2 + 1 + 2t + 2t2 + t3 + 1 + 2t + 2t2 + 2t3
3 3 3 3
1 1 1 2 1 1 1 2 1 1 2 1 4 5
=a + t t +b + t t t3 +c + t + t2 + t3 +d + t + t2 + t3 =
3 3 3 3 3 3 3 3 3 3 3 3
379
1 1 1 1 1 1 1 4 1 1 2 5
= a+ b+ c+ d+ a + b + c + d t+ a b + c + d t2 +( b + c + d) t3
3 3 3 3 3 3 3 3 3 3 3 3
Logo, a expressão geral de T : M2 2 (R) ! P3 é dada por:
a b 1 1 1 1 1 1 1 4 1 1 2 5
T = a+ b+ c+ d+ a + b + c + d t+ a b + c + d t2 +( b + c + d) t3 .
b c 3 3 3 3 3 3 3 3 3 3 3 3
(ii) Como a transformação linear T : M2 2 (R) ! P3 é invertível, pois M (T ; B1 ; B2 ) é

invertível então T é linear e bijectiva, isto é, T é um isomor…smo. Sendo T um isomor…smo,
T 1 também é um isomor…smo.
Determinemos a expressão geral do isomor…smo T 1 , isto é, determinemos
1
T a0 + a1 t + a2 t2 + a3 t3 .
Primeiro determinemos M (T ; B2c 2 ; B3c ), onde
1 0 0 1 0 0 0 0
B2c 2 = ; ; ;
0 0 0 0 1 0 0 1
e
B3c = 1; t; t2 ; t3
são respectivamente as bases canónicas de M2 2 (R) e de P3 .
A matriz de mudança da base B1 para a base B2c 2 é dada por:
2 3
1 1 0 1
6 1 1 1 0 7
SB1 !B2c 2 = 6 7
4 1 0 1 1 5.
0 1 1 1
A matriz de mudança da base B2 para a base B3c é dada por:

2 3
1 0 0 0
6 1 1 0 0 7
SB2 !B3c = 6
4 0 1 1 0 5.
7
0 0 1 1
Logo, a matriz que representa T em relação às bases B2c 2 e B3c é dada por:
1
M (T ; B2c 2 ; B3c ) = SB2 !B3c M (T ; B1 ; B2 ) SB1 !B2c 2
=
2 32 32 3 1
1 0 0 0 1 1 1 1 1 1 0 1
6 1 1 0 0 7 6 0 1 1 1 7 6 1 1 1 0 7
=6
4 0
76 76 7 =
1 1 0 54 0 0 1 1 54 1 0 1 1 5
0 0 1 1 0 0 0 1 0 1 1 1
380
2 1 1 1 2
3 2 1 1 1 1
3
3 3 3 3 3 3 3 3
2 36 7 6 7
1 1 1 1 6 6 1 1 2 1
7 6
7 6 1 1 1 4
7
7
6 1 2 2 2 7 6 3 3 3 3 7 6 3 3 3 3 7
=6 76 7=6 7.
4 0 1 2 2 566 2 1 1 1
7 6
7 6 1 1 2 5
7
7
0 0 1 2 6 4
3 3 3 3 7 6
5 4
3 3 3 3 7
5
1 2 1 1
3 3 3 3
0 1 1 1
Note que a expressão geral de T obtida na alínea (i) pode ser obtida através da matriz
M (T ; B2c 2 ; B3c ) anterior:
a b
as coordenadas de T na base B3c são dadas por
b c
2 1 1 1 1
3
3 3 3 3
2 3 6 72 3 2 1 3
a 6 7 a a + 1
b + 1
c + 1
d
6 1 1 1 4 7 3 3 3 3
6
c 6 b 7
7 6 3 3 3 3 76 b 7 6 1 1 1 4 7
M (T ; B2 2 ; B3 ) 4 5 = 6
c 76 7 = 6 23 a + 13 b + 13 c + 35 d 7 .
c 6 74 c 5 4 3c 3b 3a + 3d 5
6 1 1 2 5 7
d 6 3 3 3 3 7 d c b+d
4 5
0 1 1 1
Logo
a b 1 1 1 1 1 1 1 4 1 1 2 5
T = a+ b+ c+ d+ a + b + c + d t+ a b + c + d t2 +( b + c + d) t3
b c 3 3 3 3 3 3 3 3 3 3 3 3
Seja p (t) 2 P3 , isto é, p (t) = a0 + a1 t + a2 t2 + a3 t3 , com a0 ; a1 ; a2 ; a3 2 R.

Atendendo a que as coordenadas de T 1 (a0 + a1 t + a2 t2 + a3 t3 ) em relação à base B2c 2
são dadas por:
2 3 2 32 3 2 3
a0 1 2 2 1 a0 2a1 a0 2a2 + a3
1 6 a1 7 6 1 7 6 7 6 7
M (T ; B2c 2 ; B3c ) 6 7 6 2 1 1 7 6 a1 7 = 6 2a0 a1 + a2 a3 7 ,
4 a2 5 = 4 3 2 1 0 5 4 a2 5 4 3a0 2a1 + a2 5
a3 1 1 0 0 a3 a1 a0
tem-se
1 1 0
T a0 + a1 t + a2 t2 + a3 t3 = (2a1 a0 2a2 + a3 ) +
0 0
0 1 0 0 0 0
+ (2a0 a1 + a2 a3 ) + (3a0 2a1 + a2 ) + (a1 a0 ) =
0 0 1 0 0 1
2a1 a0 2a2 + a3 2a0 a1 + a2 a3
= .
3a0 2a1 + a2 a1 a0
1
Ou seja, a expressão geral do isomor…smo T : P3 ! M2 2 (R) é dada por:
1 2a1 a0 2a2 + a3 2a0 a1 + a2 a3

T a0 + a1 t + a2 t2 + a3 t3 = .
3a0 2a1 + a2 a1 a0
381
Tem-se de facto:
1 1
T T = IM2 2 (R) e T T = IP3 .
(iii) Atendendo à alínea anterior, a solução geral da equação linear
a b
T = 1 + 2t + 3t2 + 4t3
c d
é dada por:
a b 1 4 1 6+4 2 2+3 4 1 1
=T 1 + 2t + 3t2 + 4t3 = = .
c d 3 4+3 2 1 2 1
8. Seja U o espaço linear das funções reais de variável real duas vezes diferenciável.
T (f ) = f 00 2f 0 + f .
Considere o subespaço S = ff 2 U : f 00 2f 0 + f = 0g de U .
(i) Mostre que o conjunto fet ; tet g é uma base de S. Sugestão: Mostre que se f 2 S,
então f (t) e t é um polinómio de grau menor ou igual a 1.
Seja f 2 S. Como
t 00 0
f (t) e = f 0 (t) e t f (t) e t = f 00 (t) e t f 0 (t) e t
f 0 (t) e t
+ f (t) e t
=
= (f 00 (t) 2f 0 (t) + f (t)) e t = 0
f 2S
então existe c 2 R tal que para todo o t 2 R

t 0
f (t) e = c.
Assim, existe d 2 R tal que para todo o t 2 R

t
f (t) e = ct + d 2 P1 = L (f1; tg) .
Logo
f (t) 2 L et ; tet .
Tem-se assim:
S=L et ; tet ;
onde o conjunto fet ; tet g é linearmente independente uma vez que o conjunto f1; tg é linear-
mente independente.
Logo o conjunto fet ; tet g é uma base de S.
(ii) Mostre que dados a; b 2 R, existe uma única função f 2 S tal que f (0) = a e
f 0 (0) = b.
Sejam a; b 2 R. Sejam f; g 2 S tais que
f (0) = g (0) = a e f 0 (0) = g 0 (0) = b:
382
Como S = L (fet ; tet g), existem 1; 2; 1; 2 2 R tais que
t t t t
f (t) = 1e + 1 te e g (t) = 2e + 2 te .
Como f (0) = g (0) = a tem-se
a = f (0) = 1 e a = g (0) = 2.
Logo
1 = 2:
Por outro lado, como f 0 (0) = g 0 (0) = b,

t 0
b = f 0 (0) = 1e
t
+ 1 te t=0 = 1e
t
+ 1e
t
+ t
1 te t=0 = 1 + 1
e
t 0
b = g 0 (0) = 2e
t
+ 2 te t=0 = 2e
t
+ 2e
t
+ t
2 te t=0 = 2 + 2
Assim,
1 + 1 = 2 + 2
e uma vez que 1 = 2, então

1 = 2.
Deste modo, para todo o t 2 R

t t t t
f (t) = 1e + 1 te = 2e + 2 te = g (t) ;
isto é,
f = g.
Pelo que dados a; b 2 R, existe uma única função f 2 S tal que f (0) = a e f 0 (0) = b.
(iii) Determine a única solução f da equação diferencial linear T (f ) = 1 que veri…ca

f (0) = 1 e f 0 (0) = 0.
A função identicamente igual a 1 : f = 1 (f (t) = 1;para todo o t 2 R) é uma solução
particular de
ff 2 U : T (f ) = 1 e f (0) = 1 e f 0 (0) = 0g :
Atendendo à alínea anterior, existe uma única função f 2 S tal que f (0) = 0 e f 0 (0) = 0.
Como
f (t) = et + tet
e
0 = f (0) = e 0 = f 0 (0) =
então
f (t) = 0,
para todo o t 2 R, é a solução geral de
ff 2 U : T (f ) = 0 e f (0) = 0 e f 0 (0) = 0g
Como a solução geral de
ff 2 U : T (f ) = 1 e f (0) = 1 e f 0 (0) = 0g :
383
é dada por:
(Solução particular de ff 2 U : T (f ) = 1 e f (0) = 1 e f 0 (0) = 0g) +

+ (Solução geral de ff 2 U : T (f ) = 0 e f (0) = 0 e f 0 (0) = 0g) ,
então a solução geral de
ff 2 U : T (f ) = 1 e f (0) = 1 e f 0 (0) = 0g
é dada por:
f (t) = 1,
para todo o t 2 R.
0 1
9. (i) M (T ; B; B) = :
1 0
(ii) Como M (T ; B; B) é invertível então T é invertível e

1
T (u) = (2; 3; 3; 2) , u = T (2; 3; 3; 2).
Como
1
1 0 1 0 1
M (T ; B; B) = = ;
1 0 1 0
então atendendo a que as coordenadas de (2; 3; 3; 2) em B são 2 e 3 pois (2; 3; 3; 2) =
2v1 3v2 , tem-se que
0 1 2 3
=
1 0 3 2
são as coordenadas de u na base B. Logo
T (u) = (2; 3; 3; 2) , u = 3v1 2v2 = ( 3; 2; 2; 3);
ou seja u = ( 3; 2; 2; 3) é a única solução da equação linear T (u) = (2; 3; 3; 2):
(iii) Como
R(1; 0; 0; 0) = R (v1 ) + R (w2 ) = v2 = (0; 1; 1; 0);
R(0; 1; 0; 0) = R (v2 ) + R (w1 ) R (w2 ) = v1 = ( 1; 0; 0; 1);

R(0; 0; 1; 0) = R (w1 ) R (w2 ) = (0; 0; 0; 0)
e
R(0; 0; 0; 1) = R (w2 ) = (0; 0; 0; 0)
então, sendo Bc a base canónica de R4 ,
2 3
0 1 0 0
6 1 0 0 0 7
M (R; Bc ; Bc ) = 6
4 1
7
0 0 0 5
0 1 0 0
384
pelo que 3 2
2
6 3 7
R(u) = (2; 3; 3; 2) , M (R; Bc ; Bc )u = 6 7
4 3 5,
2
, u 2 f(a; b; c; d) 2 R4 : b = 2; a = 3; c; d 2 Rg = f( 3; 2; c; d) : c; d 2 Rg:
Isto é, a solução geral de R
(u) = (2; 3; 3; 2)
é:
f( 3; 2; c; d) : c; d 2 Rg:
10. a) T2 (1) = 1 t = 0 (1 + t) + 1 (1 t) + 0t2 ;
T2 (t) = 2 + 8t 2t2 = 5 (1 + t) 3 (1 t) 2t2 ;
logo 2 3
0 5
4
M (T2 ; B; B1 ) = 1 3 5:
0 2
b)
1 2 0
N (M (T1 ; B1 ; B2 )) = N = f( 2y; y; y) : y 2 Rg = L (f( 2; 1; 1)g) :
0 1 1
Logo
N (T1 ) = L ( 2) (1 + t) + 1 (1 t) + 1t2 =L 1 3t + t2 :
Base para
N (T1 ) : 1 3t + t2 :
T1 é sobrejectiva:
dim I(T1 ) = dim P2 dim N (T1 ) = 2 = dim P1 :
c) T1 (t) = 12 [T1 (1 + t) T1 (1 t)] =
1 1
= [1 (1 + t) + 0 (1 + 2t) 2 (1 + t) + 1 (1 + 2t)] = t , T1 (2t) = t
2 2
(uma vez que T1 é linear), logo a solução geral da equação T1 (p (t)) = t é:
f2tg + N (T1 ) = 2t + c 1 3t + t2 : c 2 R :
d) f1; tg é uma base de P1 . Como
(T1 T2 ) (1) = T1 (T2 (1)) = T1 (1 t) = 2 (1 + t) 1 (1 + 2t) = 1
385
e
(T1 T2 ) (t) = T1 (T2 (t)) = T1 2 + 8t 2t2 =
= 5T1 (1 + t) 3T1 (1 t) 2T1 t2 =
= 5 [1 (1 + t) + 0 (1 + 2t)] 3 [2 (1 + t) (1 + 2t)] 2 [0 (1 + t) + 1 (1 + 2t)] = t;
então T1 T2 = I.
02 31 02 31
1 0 2 1 0 2
11. a) N (T ) = N (M (T ; Bc ; B 0 )) = N @4 1 1 3 5A = N @4 0 1 5 5A =
4 2 2 0 0 0
(x; y; z) 2 R3 : x + 2z = 0 e y + 5z = 0 = (2z; 5z; z) 2 R3 : z 2 R = L (f(2; 5; 1)g) .
Como o conjunto f(2; 5; 1)g gera N (T ) e é linearmente independente então é uma base de
N (T ).
Logo dim N (T ) = 1.
b) Como Bc = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g gera R3 , tem-se
I (T ) = L (fT (1; 0; 0); T (0; 1; 0); T (0; 0; 1)g) .
Atendendo a que
T (1; 0; 0) = (1; 1; 0)) + 1(1; 1; 1) + 4 (0; 1; 1) = (0; 2; 5) ;

T (0; 1; 0) = 0(1; 1; 0)) + 1(1; 1; 1) + 2 (0; 1; 1) = (1; 1; 3) ;
T (0; 0; 1) = 2(1; 1; 0)) + 3(1; 1; 1) + 2 (0; 1; 1) = (5; 1; 5)
e dim I (T ) = car M (T ; Bc ; B 0 ) = 2, tem-se
I (T ) = L (f(0; 2; 5) ; (1; 1; 3) ; (5; 1; 5)g) = L (f(0; 2; 5) ; (1; 1; 3)g)
uma vez que f(0; 2; 5) ; (1; 1; 3)g é linearmente independente, é assim uma base de I (T ) :
c) Atendendo à alínea anterior, tem-se

3 22 32 3
x 0 1 5 x
4 5 4
T (x; y; z) = M (T ; Bc ; Bc ) y = 2 1 1 5 4 y 5=
z 5 3 5 z
= (y + 5z; 2x + y + z; 5x + 3y + 5z) ,
para todo (x; y; z) 2 R3 .
12. a) Como B = f1; t; t2 g gera P2 , tem-se
I (T ) = L T (1); T (t); T t2 = L (f1; 4tg) .
Como f1; 4tg é linearmente independente e gera I (T ), é assim uma base de I (T ), tendo-se
dim I (T ) = 2:
386
Como
dim N (T ) = dim N (M (T1 ; B; B)) = nul (M (T1 ; B; B)) = 3 car (M (T1 ; B; B)) = 3 2 = 1 6= 0

1 1 0 0 1
b) T2 (p (t)) = + 2t , (tp0 (t))0 = + 2t , t (a0 + a1 t + a2 t2 ) = + 2t ,
2 2 2
1 1 1 1 1
, a1 + 4a2 t = + 2t , a1 = , a2 = e a0 2 R , p (t) 2 t + t2 + L (f1g) .
2 2 2 2 2
13. a) Como
1 1 1 0 1 1 2 1
T =T + =
0 1 2 1 0 2 1 2
1 0 1 1 2 1 1 1 1 1
= T + T = t + t2 + (1 + t) = + t + t2 =
2 1 0 2 1 2 2 2 2 2
1 1 1
= + t + t2 = 1 + 2t + t2 + 0 1 t2
2 2 2
e
1 0 1 0 1 1 2 1
T =T + =
1 1 2 1 0 2 1 2
1 0 1 1 1
2 1 1 1 1 2
= T + T t + t2 + (1 + t) =
= t =
2 1 0 2 1 2
2 2 2 2
1
= 0 1 + 2t + t2 + 1 t2
2
a matriz que representa a aplicação linear T em relação às bases
1 1 1 0
B1 = ; e B2 = 1 + 2t + t2 ; 1 t2
0 1 1 1
de U e V respectivamente, é dada por

1
2
0
M (T ; B1 ; B2 ) = 1
0 2
a b
b) Seja 2 U . Existem ; 2 R tais que
c d
a b 1 1 1 0
= +
c d 0 1 1 1
Logo a = + = d, =ce = b, tendo-se
a b
U= 2 M2 2 (R) : a = b + c = d .
c d
387
e, para b; c 2 R,
b+c b 1 1 1 0
T = bT + cT =
c b+c 0 1 1 1
1 1 1 1 2 b+c b c 2
=b + t + t2 +c t = + bt + t
2 2 2 2 2 2
14. a) Sendo B = f1; t; t2 g, como T (1) = 2; T (t) = t e T (t2 ) = 2t2 então

2 3
2 0 0
M (T ; B; B) = 4 0 1 0 5
0 0 2
b) Como f1; t; t2 g gera P2 , tem-se
I (T ) = L T (1) ; T (t) ; T t2 =L 2; t; 2t2 =L 1; t; t2 = P2
e dim I (T ) = 3, uma vez que f1; t; t2 g é uma base de I (T ) (contradomínio de T ). Como
3 = dim P2 = dim N (T ) + dim I (T ) = dim N (T ) + 3 , dim N (T ) = 0
então T é injectiva.
15. a)
1 2 1 1 2 1
N (M (T ; B1 ; B2 )) = N =N =
2 4 2 0 0 0
= (x; y; z) 2 R3 : x 2y + z = 0 = (2y z; y; z) 2 R3 : y; z 2 R .
Logo
N (T ) = f(2y z) (1; 0; 1) + y(0; 1; 1) + z(1; 1; 0) : y; z 2 Rg =
= f(2y; y + z; 3y z) : y; z 2 Rg = L (f(2; 1; 3) ; (0; 1; 1)g) .
Como o conjunto f(2; 1; 3) ; (0; 1; 1)g gera N (T ) e é linearmente independente então é uma
base de N (T ).
Logo dim N (T ) = 2. Como
dim R3 = dim N (T ) + dim I (T ) , 3 = 2 + dim I (T ) , dim I (T ) = 1
então I (T ) 6= R3 e como tal T não é sobrejectiva.
b) Como
1 1 1 3
T (1; 0; 1) = 1 (1; 1) + ( 2) (1; 1) = ( 1; 3) , T ; 0; = ; ;
2 2 2 2
388
1 3
a solução geral de T (x; y; z) = ; é dada por:
2 2
1 3 1 1
(x; y; z) 2 R3 : T (x; y; z) = ; = ; 0; + N (T ) =
2 2 2 2
1 1
= ; 0; + s (2; 1; 3) + t (0; 1; 1) : s; t 2 R .
2 2
2 3
0 0 0
16. a) M (T ; B; B) = 4 1 0 0 5 uma vez que
0 1 0
T (p1 (t)) = p2 (t); T (p2 (t)) = p3 (t); T (p3 (t)) = 0
e B = fp1 ; p2 ; p3 g é uma base ordenada de P2 .
b) Atendendo a que
233 2 3
0 0 0 0 0 0
M T 3 ; B; B = 4 1 0 0 5 = 4 0 0 0 5 ;
0 1 0 0 0 0
sendo ; e as coordenadas de p(t) em B então as coordenadas de T 3 (p(t)) em B são dadas

por: 2 3 2 3
0
M T 3 ; B; B 4 5 = 4 0 5:
0
Pelo que T 3 (p(t)) = 0, para todo o p(t) 2 P2 .
c) Como N (M (T ; B; B)) = L (f(0; 0; 1)g), então
N (T ) = L (f0p1 (t) + 0p2 (t) + 1p3 (t)g) = L (fp3 (t)g) = L (f1g) .
O conjunto f1g é uma base de N (T ) pois gera N (T ) e é linearmente independente.

Quanto ao contradomínio, como B = fp1 ; p2 ; p3 g gera P2 :
I(T ) = L (fT (p1 (t)) ; T (p2 (t)) ; T (p3 (t))g) = L (fp2 (t); p3 (t)g) = L (f2 + 3t; 1g) :
O conjunto f2 + 3t; 1g é uma base de I(T ) pois gera I(T ) e é linearmente independente.
d) Como
T (p(t)) = 3 + 3t = (2 + 3t) + 1 = T (p1 (t)) + T (p2 (t)) =
= T (p1 (t) + p2 (t)) = T 3 + 5t + 3t2 ;
T é linear
logo 3 + 5t + 3t2 é uma solução particular de
T (p(t)) = 3 + 3t;
389
pelo que a solução geral de T (p(t)) = 3 + 3t é dada por:
N (T ) + 3 + 5t + 3t2 = + 3 + 5t + 3t2 com 2 R.
17. a) Como
dim I (T2 ) = car M T2 ; Bc2 ; B = 2 = dim P1
então T2 é sobrejectiva e assim a base canónica Bc2 = f1; tg de P1 é uma base para o
contradomínio de T2 .
b) Como
2 1 2 1 3 0
M T1 T2 ; Bc2 ; Bc2 = M T1 ; B; Bc2 M T2 ; Bc2 ; B = =
1 2 1 2 0 3
é invertível, então T1 T2 é invertível e
1 1
1 3 0 0
M (T1 T2 ) ; Bc2 ; Bc2 = = 3
1 :
0 3 0 3
Além disso
1 1 1 1
3
0 a0 a
3 0 1
1 = 1 , (T1 T2 ) (a0 + a1 t) = a0 + a1 t
0 3
a1 a
3 1 3 3
| {z }
1
=M ((T1 T2 ) ;Bc2 ;Bc2 )
pelo que a solução de

(T1 T2 ) (p (t)) = 3 + 3t
é única e dada por
1
p (t) = (T1 T2 ) (3 + 3t) = 1 + t:
18. a) Como dim P1 = 2 e o conjunto f2 2t; 1 + 2tg é linearmente independente

então gera P1 . Assim
fT2 (2 2t) ; T2 ( 1 + 2t)g = f6 2t; 6tg
gera o contradomínio de T2 e atendendo a que é linearmente independente, o conjunto

f6 2t; 6tg é então uma base para P1 . Logo
I (T2 ) = P1 ;
isto é, T2 é sobrejectiva.
b) Como
I (T1 ) + I (T1 ) = I (T1 )
e o conjunto f1; tg gera P1 então
2 1 0 0 2 1
I (T1 ) = L (fT1 (1) ; T1 (t)g) = L ; =L
1 2 0 0 1 2
390
2 1
Logo é uma base para o contradomínio de T1 .
1 2
c)
4 2 1
= T1 (2) = T1 (3 (6 2t) + 6t) =
2 4 9
1 1
T1 (3T2 (2 2t) + T2 ( 1 + 2t)) = (T1 T2 ) (3 (2 2t) + ( 1 + 2t)) =
9 T2 é linear 9
5 4
= (T1 T2 ) t :
9 9
Logo
5 4
t
9 9
é uma solução particular de
4 2
(T1 T2 ) (p (t)) = :
2 4
Como
N (T1 T2 ) = = fp (t) 2 P1 : T2 (p (t)) 2 N (T1 )g =
N (T1 )=L(ftg)
= fp (t) 2 P1 : T2 (p (t)) 2 L (ftg)g = L (f 1 + 2tg) ;

N (T1 )=L(ftg) N (T2 )=f0g
logo a solução geral de

4 2
(T1 T2 ) (p (t)) =
2 4
é:
5 4
t + L (f 1 + 2tg) :
9 9
Resolução alternativa: Como
T2 (1) = T2 ((2 2t) + ( 1 + 2t)) = T2 (2 2t) + T2 ( 1 + 2t) = 6 2t + 6t = 6 + 4t
e
1 1 1
T2 (t) = T2 (2 2t) + ( 1 + 2t) = T2 (2 2t)+T2 ( 1 + 2t) = (6 2t)+6t = 3+5t
2 2 2
então, para p (t) = a0 + a1 t 2 P1 tem-se
T2 (a0 + a1 t) = a0 T2 (1)+a1 T2 (t) = a0 (6 + 4t)+a1 (3 + 5t) = 6a0 +3a1 +(4a0 + 5a1 ) t.

T2 é linear
Por outro lado, para p (t) = a0 + a1 t 2 P1 tem-se

2a0 a0
T1 (a0 + a1 t) = .
a0 2a0
Assim, a expressão geral de T1 T2 é dada por
12a0 + 6a1 6a0 + 3a1
(T1 T2 ) (a0 +a1 t) = T1 (T2 (a0 + a1 t)) = T1 (6a0 + 3a1 + (4a0 + 5a1 ) t) = .
6a0 + 3a1 12a0 + 6a1
391
Logo
4 2 12a0 + 6a1 6a0 + 3a1 4 2 2

(T1 T2 ) (p (t)) = , = , 6a0 +3a1 = 2 , a1 = 2a0
2 4 6a0 + 3a1 12a0 + 6a1 2 4 3
e assim, a solução geral de

4 2
(T1 T2 ) (p (t)) =
2 4
é dada por:
2 2
a0 + 2a0 t : a0 2 R = t + (1 2t) a0 : a0 2 R .
3 3
De facto:
5 4 2
t + L (f 1 + 2tg) = t + (1 2t) a0 : a0 2 R
9 9 3
uma vez que
5 4 5 4
t + L (f 1 + 2tg) = t + ( 1 + 2t) : 2R
9 9 9 9
5
e considerando a mudança de variável (livre) a0 = + tem-se
9
2 2 5 5 4
t + (1 2t) a0 : a0 2 R = t + (1 2t) + : 2R = t + ( 1 + 2t) : 2R .
3 3 9 9 9
19. a) Seja B = fsen x; cos x; ex g uma base ordenado de U , uma vez que por um exo da
…cha 4 o conjunto anterior é linearmente independente. Então
2 3
0 1 0
M (T ; B; B) = 4 1 0 0 5
0 0 1
uma vez que
T (sen x) = cos x, T (cos x) = sen x, T (ex ) = ex .
Logo
N (T ) = f0g
e portanto T é injectiva.
b) Como
U = L (fsen x; cos x; ex g)
e
T (sen x) = cos x, T (cos x) = sen x, T (ex ) = ex
então T (U ) U.
c) fsen x; cos x; ex g é uma base para U .
392
d) Como
T ( cos x + ex ) = sen x + ex
e N (T ) = f0g então a solução geral da equação linear
T (f (x)) = sen x + ex
é
f cos x + ex g .
20. M (T ; B1 ; B2 ) é do tipo 2 2 e car M (T ; B1 ; B2 ) = 2 logo T é invertível e

1
1 1 7 1 1
M T ; B2 ; B1 = =
1 9 1 1
1 1
2 2
1 0
= 9 7 =
2 2
1 1
então
2 1 1 2 1
T (p(t)) = , p(t) = T ,
1 2 1 2
, p(t) = 0 (1 + t) + ( 1) (1 t) = 1 + t.
2 1
Logo, a solução geral de T (p(t)) = é
1 2
f 1 + tg .
21. (i) Como B é base de P2 então
I (T1 ) = L T1 1 t2 ; T1 (1 t) ; T1 (2 t) =
= L (f(1; 1; 0) ; (0; 1; 1) ; (1; 0; 1)g) =
= L (f(1; 1; 0) ; (0; 1; 1)g) .
Como f(1; 1; 0) ; (0; 1; 1)g é linearmente independente então dim I (T1 ) = 2 e
dim N (T1 ) = dim P2 dim I (T1 ) = 3 2 = 1 6= 0

logo T1 não é injectiva.
(ii)
M T1 ; Bc ; Bc3 = M T1 ; B; Bc3 SBc !B =

2 32 3 1 2 3
1 0 1 1 1 2 1 1 0
=4 1 1 0 54 0 1 1 5 =4 1 2 0 5
0 1 1 1 0 0 0 1 0
393
Como
2 3 2 32 3 2 3
a0 1 1 0 a0 a0 + a1
M T1 ; Bc ; Bc3 4 a1 5 = 4 1 2 0 5 4 a1 5 = 4 a0 2a1 5
a2 0 1 0 a2 a1
então
T1 a0 + a1 t + a2 t2 = (a0 + a1 ; a0 2a1 ; a1 ) ;
para todos os a0 ; a1 ; a2 2 R3 .
(iii)
2 1 1
dim I (T2 ) = dim C (M (T2 ; B1 ; B2 )) = car = 2 = dim P1
1 1 2
logo T2 é sobrejectiva.
(iv)
M T2 ; Bc3 ; B2 = M (T2 ; B1 ; B2 ) SBc3 !B1 =
2 3 1
1 1 0
2 1 1 4 0 1 2 1
= 1 1 5 =
1 1 2 1 2 0
1 0 1
logo
M (T2 T1 ; Bc ; B2 ) = M T2 ; Bc3 ; B2 M T1 ; Bc ; Bc3 =
2 3
1 1 0
1 2 1 4 1 1 4 0
= 2 0 5= :
1 2 0 1 3 0
0 1 0
Como
I (T2 T1 ) = L (f( 1) (1 t) + ( 1) (1 + t) ; ( 4) (1 t) + ( 3) (1 + t)g) =
= L (f 2; 7 + tg)
e f 2; 7 + tg é linearmente independente então f 2; 7 + tg é uma base para I (T2 T1 ) :
Como
1 4 0
N (M (T2 T1 ; Bc ; B2 )) = N = L (f(0; 0; 1)g)
0 1 0
então uma base para N (T2 T1 ) é por exemplo: ft2 g
(v) Como
7
t= ( 2) + ( 7 + t) =
2
7
= (T2 T1 ) (1) + (T2 T1 ) (t) =
2
7
= (T2 T1 ) +t
2
394
então a solução geral de (T2 T1 ) (p (t)) = t é dada por:
7
+ t + t2 : 2R .
2
22. Seja v 2 V . Considere-se

u=v T (v) .
Como T 2 = T então
T (u) = T (v T (v)) = T (v) T 2 (v) = T (v) T (v) = 0
e assim u 2 N (T ). Logo
v = u + T (v)
com u 2 N (T ) e T (v) 2 I (T ). E esta decomposição é única porque
N (T ) \ I (T ) = f0g .
De facto, sendo v 2 N (T ) \ I (T ) tem-se T (v) = 0 e
v = T (w) = T (T (w)) = T (v)
e assim v = 0. Logo
V = N (T ) I (T ) .
23. ( ) Seja v 2 I (T ). Então existe u 2 U tal que v = T (u). Como
(T I) (v) = T (v) v = T (T (u)) v = T (u) v=0
então v 2 N (T I). Logo

I (T ) N (T I) :
( ) Seja v 2 N (T I). Então (T I) (v) = 0, isto é, T (v) I (v) = 0, ou seja
v = I (v) = T (v) 2 I (T ) :
Logo
N (T I) I (T ) :
Logo
N (T I) = I (T ) :
24. a)
N (T1 ) = (x; y; z; w) 2 R4 : T1 (x; y; z; w) = 0 + 0t + 0t2 =
= f(2z; 2w; z; w) : z; w 2 Rg = L (f(2; 0; 1; 0); (0; 2; 0; 1)g)
395
e como f(2; 0; 1; 0); (0; 2; 0; 1)g é linearmente independente é então uma
base para N (T1 ).
b) Como dim I(T1 ) = dim R4 dim N (T1 ) = 2 6= 3 = dim P2 então T1 não é sobrejectiva.
Resolução alternativa:
I(T1 ) = T1 (x; y; z; w) : (x; y; z; w) 2 R4 =

= x + 2z + ( y + 2w) t + (x 2z) t2 : x; y; z; w 2 R =
= x 1 + t2 + y ( t) + z 2 2t2 + w (2t) : x; y; z; w 2 R =
= L 1 + t2 ; t; 2 2t2 ; 2t = L 1 + t2 ; t
e como f 1 + t2 ; tg é linearmente independente é então uma base para I(T1 ). Logo
dim I(T1 ) = 2 6= 3 = dim P2
e então T1 não é sobrejectiva.
c) Como T1 (1; 0; 0; 0) = 1 + t2 , então, a solução geral de
T1 (x; y; z; w) = 1 + t2
é dada por:
f(1; 0; 0; 0)g + N (T1 ) = f(1 + 2 ; 2 ; ; ) : ; 2 Rg :

Resolução alternativa:
T1 (x; y; z; w) = 1 + t2 , ( x + 2z = 1 e y = 2w) :

T1 (x; y; z; w) = 1 + t2
é dada por:
f(1 + 2z; 2w; z; w) : z; w 2 Rg :
d) Seja B = fw1 ; w2 ; w3 g. Tem-se
w3 = T1 (1; 0; 0; 0) = 1 + t2 e w2 w3 = T1 (0; 1; 0; 0) = t:
Logo w2 = 1 t + t2 e w1 tem que ser tal que fw1 ; 1 t + t2 ; 1 + t2 g seja uma base
ordenada de P2 . Assim, uma base ordenada de P2 nas condições do enunciado poderá ser
B = f1; 1 t + t2 ; 1 + t2 g.
25. a) Como f1 t; 1 + tg é uma base de P1 e T2 é linear, então
I(T2 ) = L (fT2 (1 t) ; T2 (1 + t)g) =
= L (f(0; 0; 0; 2) ; (0; 0; 2; 0)g) :
396
Assim e uma vez que f(0; 0; 0; 2) ; (0; 0; 2; 0)g é linearmente independente é então uma base
para I(T2 ).
b) A matriz M (T3 ; B1 ; B2 ) é do tipo 2 2 e car M (T ; B1 ; B2 ) = 2 logo T3 é invertível e

como
3 t = 1 (1 + t) + 2 (1 t)
tem-se
1
1 1 1 2 1 3 2 1 1
M (T3 ) ; B2 ; B1 = = =
2 1 3 2 1 1 2 1
então
a b
T3 =3 t,
b a
a b 1 1 0 0 1 1 1
, =T (3 t) = ( 1) +1 = :
b a 0 1 1 0 1 1
a b 1 1
T3 =3 t é: :
b a 1 1
c) Sendo Bc4 a base canónica de R4 tem-se
2 3 2 3
0 0 0 0
6 0 0 7 1 2 6 0 0 7
M T2 T3 ; B1 ; Bc4 = M T2 ; B2 ; Bc4 M (T3 ; B1 ; B2 ) = 6
4 2
7 =6 7:
0 5 1 3 4 2 4 5
0 2 2 6
Logo
a b 1 0 0 1
(T2 T3 ) = a (T2 T3 ) + b (T2 T3 ) =
b a 0 1 1 0
= a (0; 0; 2; 2) + b (0; 0; 4; 6) = (0; 0; 2a + 4b; 2a + 6b) :
26. a) Como L (f(1; 2; 0) ; ( 1; 0; 1) ; (0; 1; 1)g) = R3 e T2 é linear então
I (T2 ) = L (fT2 (1; 2; 0) ; T2 ( 1; 0; 1) ; T2 (0; 1; 1)g) = L 1 + t2 ; t t2 ; t2
e sendo f 1 + t2 ; t t2 ; t2 g linearmente independente é então uma base para I (T2 )

tendo-se
dim I (T2 ) = 3 = dim R3
397
pelo que T2 é sobrejectiva. Além disso, como
dim R3 = dim N (T2 ) + dim I (T2 ) , 3 = dim N (T2 ) + 3 , dim N (T2 ) = 0
então T2 é injectiva. Logo T2 é bijectiva e a equação linear T2 (x; y; z) = 1 + t + t2 terá uma

única solução.
Por outro lado:
1 + t + t2 = ( 1) 1 + t2 + ( 1) t t2 + ( 1) t2 =
= ( 1) T2 (1; 2; 0) + ( 1) T2 ( 1; 0; 1) + ( 1) T2 (0; 1; 1) =
= T2 (( 1) (1; 2; 0) + ( 1) ( 1; 0; 1) + ( 1) (0; 1; 1)) = T2 (0; 1; 0) :
Logo (0; 1; 0) é uma solução particular de T2 (x; y; z) = 1 + t + t2 e atendendo a que T2 é

injectiva, a solução geral da equação linear T2 (x; y; z) = 1 + t + t2 é dada por: f(0; 1; 0)g.
b) T2 (0; 1; 0) = 1 + t + t2
por a)
T2 (1; 0; 0) = T2 ( (1; 2; 0) 2 ( 1; 0; 1) 2 (0; 1; 1)) =

= T2 (1; 2; 0) 2T2 ( 1; 0; 1) 2T2 (0; 1; 1) =
= 1 + t2 2 t t2 2 t2 = 1 + 2t + 3t2
T2 (0; 0; 1) = T2 ( (1; 2; 0) ( 1; 0; 1) 2 (0; 1; 1)) =

= T2 (1; 2; 0) T2 ( 1; 0; 1) 2T2 (0; 1; 1) =
= 1 + t2 t t2 2 t2 = 1 + t + 2t2
Logo, a matriz da transformação linear T2 relativamente às bases canónicas de R3 e P2

respectivamente é dada por: 2 3
1 1 1
4 2 1 1 5
3 1 2
e assim, tem-se
T2 (x; y; z) = 1 + 2t + 3t2 x + 1 + t + t2 y + 1 + t + 2t2 z =

= x + y + z + (2x + y + z) t + (3x + y + 2z) t2 :
Logo a expressão geral de T1 T2 é dada por:
(T1 T2 ) (x; y; z) = T1 (T2 (x; y; z)) =

= T1 x + y + z + (2x + y + z) t + (3x + y + 2z) t2 =
x + y + z 6x + 3y + 4z
= :
2x + y + 2z x+y+z
398
1. (i) Consideremos a aplicação h; i : R2 R2 ! R, de…nida por
h(x1 ; x2 ); (y1 ; y2 )i = x21 y12 + x22 y22 ,
com (x1 ; x2 ); (y1 ; y2 ) 2 R2 .

Por exemplo
h(1; 1); (1; 0) + (1; 0)i = h(1; 1); (2; 0)i = 4 6= 2 = h(1; 1); (1; 0)i + h(1; 1); (1; 0)i .
Logo, esta aplicação h; i não é um produto interno, uma vez que a condição de linearidade
não é veri…cada.
(ii) Consideremos a aplicação h; i : R2 R2 ! R, de…nida por
h(x1 ; x2 ); (y1 ; y2 )i = x1 y1 x2 y1 x1 y2 + 3x2 y2 ,
com (x1 ; x2 ); (y1 ; y2 ) 2 R2 .

Tem-se
1 1 y1
h(x1 ; x2 ); (y1 ; y2 )i = x1 x2
1 3 y2
1 1 p p
e como é simétrica e os seus valores próprios ( 2 + 2 e 2 2) são todos
1 3
positivos, logo, a aplicação h; i de…ne um produto interno em R2 .
0 0
Resolução alternativa: Para todos os (x1 ; x2 ); (x1 ; x2 ); (y1 ; y2 ) 2 R2 e 2 R tem-se:
h(x1 ; x2 ); (y1 ; y2 )i = x1 y1 x2 y1 x1 y2 + 3x2 y2 =

= y1 x1 y1 x2 y2 x1 + 3y2 x2 =
= y1 x1 y2 x1 y1 x2 + 3y2 x2 =
= h(y1 ; y2 ); (x1 ; x2 )i .
D 0 0
E D 0 0
E
(x1 ; x2 ) + (x1 ; x2 ); (y1 ; y2 ) = (x1 + x1 ; x2 + x2 ); (y1 ; y2 ) =
0 0 0 0
= (x1 + x1 )y1 (x2 + x2 )y1 (x1 + x1 )y2 + 3(x2 + x2 )y2 =
0 0 0 0
= x1 y1 + x1 y1 x2 y1 x2 y1 x1 y2 x1 y2 + 3x2 y2 + 3x2 y2 =
0 0 0 0
= x1 y1 x 2 y1 x1 y2 + 3x2 y2 + x1 y1 x2 y1 x1 y2 + 3x2 y2 =
D 0 0 E
= h(x1 ; x2 ); (y1 ; y2 )i + (x1 ; x2 ); (y1 ; y2 ) .
h (x1 ; x2 ); (y1 ; y2 )i = h x1 ; x2 ); (y1 ; y2 )i =

= x 1 y1 x 2 y1 x 1 y2 + 3 x 2 y2 =
= (x1 y1 x2 y1 x1 y2 + 3x2 y2 ) =
= h(x1 ; x2 ); (y1 ; y2 )i .
399
p
h(x1 ; x2 ); (x1 ; x2 )i = x21 2x1 x2 + 3x22 = (x1 x2 )2 + ( 2x2 )2 0
e
p
h(x1 ; x2 ); (x1 ; x2 )i = 0 , (x1 x2 = 0 e 2x2 = 0) ,
, (x1 = x2 e x2 = 0)
, (x1 = 0 e x2 = 0):
Logo:
h(x1 ; x2 ); (x1 ; x2 )i > 0,
para todo o (x1 ; x2 ) 6= (0; 0).
Assim, a aplicação h; i : R2 R2 ! R, de…nida por
h(x1 ; x2 ); (y1 ; y2 )i = x1 y1 x2 y1 x1 y2 + 3x2 y2
é um produto interno.
(iii) Consideremos a aplicação h; i : R2 R2 ! R, de…nida por
h(x1 ; x2 ); (y1 ; y2 )i = 2x1 y1 + 3x2 y2 ,
com (x1 ; x2 ); (y1 ; y2 ) 2 R2 .

Tem-se
2 0 y1
h(x1 ; x2 ); (y1 ; y2 )i = x1 x2 :
0 3 y2
2 0
Como os valores próprios de não são todos positivos ( 2 e 3), logo, a aplicação
0 3
h; i não de…ne um produto interno em R2 , uma vez que a condição de positividade não é
satisfeita.
Resolução alternativa: Vejamos que a condição de positividade não é satisfeita.

r
3
h(x1 ; x2 ); (x1 ; x2 )i = 0 , 2x21 + 3x22 = 0 , x1 = jx2 j .
2
Logo, por exemplo tem-se:
* r ! r !+ r !
3 3 3
;1 ; ;1 =0 e ; 1 6= (0; 0).
2 2 2
Assim, a condição:
h(x1 ; x2 ); (x1 ; x2 )i > 0, 8(x1 ; x2 ) 6= (0; 0)
não é satisfeita. Logo, a aplicação h; i : R2 R2 ! R, de…nida por
h(x1 ; x2 ); (y1 ; y2 )i = 2x1 y1 + 3x2 y2
não é um produto interno.
400
2. (i) Consideremos a aplicação h; i : R3 R3 ! R, de…nida por
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 + x2 y2 + x3 y3 ,
com (x1 ; x2 ; x3 ); (y1 ; y2 ; y3 ) 2 R3 .

Tem-se
2 32 3
1 0 0 y1
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 x2 x3 4 0 1 0 5 4 y2 5 .
0 0 1 y3
2 3
1 0 0
e como 04 1 0 5 é simétrica e os seus valores próprios (1) são todos positivos, logo, a
0 0 1
aplicação h; i de…ne um produto interno em R3 .
0 0 0
Resolução alternativa: Para todos os (x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )(y1 ; y2 ; y3 ) 2 R3 e 2R
tem-se:
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 + x2 y2 + x3 y3 =
= y1 x1 + y2 x2 + y3 x3 =
= h(y1 ; y2 ; y3 ); (x1 ; x2 ; x3 )i .
D 0 0 0
E
(x1 ; x2 ; x3 ) + (x1 ; x2 ; x3 ); (y1 ; y2 ; y3 ) =
D 0 0 0
E
= (x1 + x1 ; x2 + x2 ; x3 + x3 ); (y1 ; y2 ; y3 ) =
0 0 0
= (x1 + x1 )y1 + (x2 + x2 )y2 + (x3 + x3 )y3 =
0 0 0
= x1 y1 + x1 y1 + x2 y2 + x2 y2 + x3 y3 + x3 y3 =
0 0 0
= x1 y1 + x 2 y2 + x3 y3 + x1 y1 + x2 y2 + x3 y3 =
D 0 0 0 E
= h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i + (x1 ; x2 ; x3 ); (y1 ; y2 ; y3 ) .
h (x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = h x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i =

= x 1 y1 + x 2 y2 + x 3 y3 =
= (x1 y1 + x2 y2 + x3 y3 ) =
= h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i .
h(x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )i = x21 + x22 + x23 0

e
h(x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )i = 0 , (x1 = 0 e x2 = 0 e x3 = 0):
Logo:
h(x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )i > 0, 8(x1 ; x2 ; x3 ) 6= (0; 0; 0).
401
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 + x2 y2 + x3 y3
é um produto interno, o chamado produto interno usual de R3 .
(ii) Consideremos a aplicação h; i : R3 R3 ! R, de…nida por
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y2 x2 y1 .
Tem-se
2 32 3
0 1 0 y1
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 x2 x3 4 1 0 0 5 4 y2 5 .
0 0 0 y3
2 3
0 1 0
e como 4 1 0 0 5 não é simétrica, logo, a aplicação h; i não de…ne um produto interno
0 0 0
3
em R .
Resolução alternativa: Por exemplo
h(1; 1; 1); (1; 0; 0)i = 1 6= 1 = h(1; 0; 0); (1; 1; 1)i .
Logo, esta aplicação h; i não é um produto interno, uma vez que a condição de simetria não
é veri…cada.
(iii) Consideremos a aplicação h; i : R3 R3 ! R, de…nida por
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = 2x1 y1 + x1 y3 + x3 y1 + 2x2 y2 + x3 y3 ,
com (x1 ; x2 ; x3 ); (y1 ; y2 ; y3 ) 2 R3 .

Tem-se
2 32 3
2 0 1 y1
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 x2 x3 4 0 2 0 5 4 y2 5 .
1 0 1 y3
2 3
2 0 1
e como 4 0 2 0 5 é simétrica e os seus valores próprios
1 0 1
2 3
2 0 1
2 1
det 4 0 2 0 5 = (2 ) det =
1 1
1 0 1
2
= (2 ) [(2 ) (1 ) 1] = (2 ) 3 +1 =
p ! p !
3 5 3 5
= (2 ) +
2 2 2 2
402
p p
5 3 5
( 32 + ;
2 2 2
;2 ) são todos positivos, logo, a aplicação h; i de…ne um produto interno em
R3 .
0 0 0
Resolução alternativa: Para todos os (x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )(y1 ; y2 ; y3 ) 2 R3 e 2R
tem-se:
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = 2x1 y1 + x1 y3 + x3 y1 + 2x2 y2 + x3 y3 =

= 2y1 x1 + y3 x1 + y1 x3 + 2y2 x2 + y3 x3 =
= h(y1 ; y2 ; y3 ); (x1 ; x2 ; x3 )i .
D 0 0 0
E D 0 0 0
E
(x1 ; x2 ; x3 ) + (x1 ; x2 ; x3 ); (y1 ; y2 ; y3 ) = (x1 + x1 ; x2 + x2 ; x3 + x3 ); (y1 ; y2 ; y3 ) =
0 0 0 0 0
= 2(x1 + x1 )y1 + (x1 + x1 )y3 + (x3 + x3 )y1 + 2(x2 + x2 )y2 + (x3 + x3 )y3 =
0 0 0 0 0
= 2x1 y1 + 2x1 y1 + x1 y3 + x1 y3 + x3 y1 + x3 y1 + 2x2 y2 + 2x2 y2 + x3 y3 + x3 y3 =
0 0 0 0 0
= 2x1 y1 + x1 y3 + x3 y1 + 2x2 y2 + x3 y3 + 2x1 y1 + x1 y3 + x3 y1 + 2x2 y2 + x3 y3 =
D 0 0 0 E
= h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i + (x1 ; x2 ; x3 ); (y1 ; y2 ; y3 ) .
h (x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = h x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i =

= 2 x 1 y1 + x 1 y3 + x 3 y1 + 2 x 2 y2 + x 3 y3 =
= (2x1 y1 + x1 y3 + x3 y1 + 2x2 y2 + x3 y3 ) =
= h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i .
h(x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )i = 2x21 + 2x1 x3 + 2x22 + x23 =

p 2
= x21 + (x1 + x3 )2 + 2x2 0
e
p
h(x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )i = 0 , (x1 = 0 e x1 + x3 = 0 e 2x2 = 0) ,
, (x1 = 0 e x2 = 0 e x3 = 0):
Logo:
h(x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )i > 0, 8(x1 ; x2 ; x3 ) 6= (0; 0; 0).
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = 2x1 y1 + x1 y3 + x3 y1 + 2x2 y2 + x3 y3
é um produto interno.
3. Sejam (x1 ; x2 ); (y1 ; y2 ) 2 R2 . Consideremos a aplicação h; i : R2 R2 ! R, de…nida

por
3 2 y1
h(x1 ; x2 ); (y1 ; y2 )i = x1 x2 = 3x1 y1 + 2x2 y1 + 2x1 y2 + 3x2 y2 .
2 3 y2
403
3 2
Atendendo a que a matriz é simétrica e tem os seus valores próprios (1 e 5) todos
2 3
positivos, então esta aplicação de…ne em R2 um produto interno. Além disso, veri…ca-se
h(1; 0); (0; 1)i = 2, uma vez que
3 2 h(1; 0); (1; 0)i h(1; 0); (0; 1)i

= .
2 3 h(0; 1); (1; 0)i h(0; 1); (0; 1)i
4. Considere os vectores u = p1 ; p1 ev= p2 ; p3 . Considere o produto interno

5 5 30 30
de…nido em R2 por
h(x1 ; x2 ); (y1 ; y2 )i = 3x1 y1 + 2x2 y2 .
Tem-se
1 1 2 3 1 2 1 3
hu; vi = p ; p ; p ;p = 3p p + 2 p p =0
5 5 30 30 5 30 5 30
e
2 2 2 2
1 1 2 3
hu; ui = 3 p +2 p =1 e hv; vi = 3 p +2 p = 1.
5 5 30 30
Logo, o conjunto fu; vg é ortonormado relativamente ao produto interno anterior.
No entanto, relativamente ao produto interno usual h; i0 de…nido em R2 :
h(x1 ; x2 ); (y1 ; y2 )i0 = x1 y1 + x2 y2 ,
tem-se
1 2 13
hu; vi0 = , hu; ui0 =
p e hv; vi0 = .
150 5 30
Logo, o conjunto fu; vg não é ortonormado relativamente ao produto interno usual de…nido
em R2 .
5. Considere em R4 o produto interno usual.

Seja U = L (f(1; 0; 0; 0); (1; 0; 0; 1)g). Logo, o subespaço de R4 ortogonal a U é dado por:
(x; y; z; w) 2 R4 : h(x; y; z; w); (1; 0; 0; 0)i = 0 e

U? = =
h(x; y; z; w); (1; 0; 0; 1)i = 0
1 0 0 0 1 0 0 0
=N =N =
1 0 0 1 0 0 0 1
= (x; y; z; w) 2 R4 : x = 0 e w = 0 = (0; y; z; 0) 2 R4 : y; z 2 R =
= L (f(0; 1; 0; 0); (0; 0; 1; 0)g) .
Como o conjunto f(0; 1; 0; 0); (0; 0; 1; 0)g é independente e gera U ? então é uma base de
U ? e tem-se
R4 = U U ? =
404
= L (f(1; 0; 0; 0); (1; 0; 0; 1)g) L (f(0; 1; 0; 0); (0; 0; 1; 0)g) .
6. Considere em R3 o produto interno de…nido por:
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 + x1 y2 + x2 y1 + 2x2 y2 + x3 y3 ,
isto é, por
2 32 3
1 1 0 y1
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 x2 x3 4 1 2 0 5 4 y2 5 .
0 0 1 y3
(i) Seja u = (x1 ; x2 ; x3 ) 2 R3 . Tem-se

p q
kuk = h(x1 ; x2 ; x3 ); (x1 ; x2 ; x3 )i = x21 + 2x1 x2 + 2x22 + x23 .
(ii) Considere os vectores u1 = (1; 0; 0), u2 = ( 1; 1; 0) e u3 = (0; 0; 1). Tem-se
hu1 ; u2 i 0
arccos = arccos = ,
ku1 k ku2 k 1:1 2
hu2 ; u3 i 0
arccos = arccos =
ku2 k ku3 k 1:1 2
e
hu1 ; u3 i 0
arccos = arccos =
ku1 k ku3 k 1:1 2
(iii) Atendendo a que
hu1 ; u2 i = hu2 ; u3 i = hu1 ; u3 i = 0 e ku1 k = ku2 k = ku3 k = 1
então o conjunto fu1 ; u2 ; u3 g é uma base ortonormada de R3 .

Seja u = (x1 ; x2 ; x3 ) 2 R3 . Tem-se
u = hu; u1 i u1 + hu; u2 i u2 + hu; u3 i u3 =

= (x1 + x2 ) u1 + x2 u2 + x3 u3 .
Logo, as coordenadas de um vector u = (x1 ; x2 ; x3 ) 2 R3 em relação à base ortonormada

fu1 ; u2 ; u3 g são dadas por:
x1 + x2 , x2 e x3 .
7. Considere R4 com o produto interno usual. Seja
U = L (f(1; 0; 1; 0); ( 1; 2; 0; 1); (2; 0; 2; 1)g) .
405
Determinemos a dimensão de U e uma base ortonormada para U . Tem-se
2 3 2 3 2 3 2 3
1 1 2 1 1 2 1 1 2 1 1 2
6 0 2 0 77 6 0 2 0 7 7 6 0 2 7
0 7 6 0 2 0 7
6 !6 !6 !6 7.
4 1 0 2 5 4 0 1 4 5 4 0 0 4 5 4 0 0 4 5
0 1 1 0 1 1 0 0 1 0 0 0
Logo, o conjunto fv1 ; v2 ; v3 g, com v1 = (1; 0; 1; 0); v2 = ( 1; 2; 0; 1) e v3 = (2; 0; 2; 1), é uma

base de U e como tal dim U = 3.
Sejam
u1 = v 1 , u2 = v 2 proju1 v2 e u3 = v 3 proju1 v3 proju2 v3 .
Logo, o conjunto fu1 ; u2 ; u3 g, com u1 = (1; 0; 1; 0),
1 1 1
u2 = ( 1; 2; 0; 1) (1; 0; 1; 0) = ; 2; ;1
2 2 2
e
0 1 1 1
u3 = (2; 0; 2; 1) (1; 0; 1; 0) ; 2; ;1 =
2 11=2 2 2
1 21 4 21 13
= (2; 0; 2; 1) + ( 1; 4; 1; 2) = ; ; ;
11 11 11 11 11
é uma base ortogonal de U . Uma base ortonormada para U :
u1 u2 u3
; ; =
ku1 k ku2 k ku3 k
( p p ! p p p p ! )
2 2 22 2 22 22 22 21 4 21 13
= ; 0; ;0 ; ; ; ; ; p ;p ;p ;p :
2 2 22 11 22 11 1067 1067 1067 1067
8. (i) O conjunto f(0; 1; 1); (0; 0; 1)g gera U e é linearmente independente logo é uma
base de U . Atendendo ao método de ortogonalização de Gram-Schmidt, uma base ortogonal
para U é: fu1 ; u2 g em que u1 = (0; 1; 1) e
h(0; 0; 1); (0; 1; 1)i

u2 = (0; 0; 1) Proj (0; 0; 1) = (0; 0; 1) (0; 1; 1) =
(0;1;1) k(0; 1; 1)k2
1 1 1
= (0; 0; 1) (0; 1; 1) = 0; ; .
2 2 2
1 1
Assim uma base ortogonal para U é: (0; 1; 1); 0; ;
2 2
.
Tem-se
V = (x; y; z) 2 R3 : y z = 0 = f(x; y; y) : x; y 2 Rg = L (f(1; 0; 0); (0; 1; 1)g) :
Atendendo a que h(1; 0; 0); (0; 1; 1)i = 0, uma base ortonormada para V é:
406
( pp !)
(1; 0; 0) (0; 1; 1) 2 2
; = (1; 0; 0); 0; ; :
k(1; 0; 0)k k(0; 1; 1)k 2 2
(ii) Como
?
? 1 1
U = L (0; 1; 1); 0; ; = L (f(1; 0; 0)g) ;
2 2
uma base ortonormada para R3 que inclui dois vectores geradores de U é:

( p p ! p p !)
2 2 2 2
(1; 0; 0); 0; ; ; 0; ; :
2 2 2 2
Como
? ?
V ? = (x; y; z) 2 R3 : y z=0 = (x; y; z) 2 R3 : h(x; y; z); (0; 1; 1)i = 0 =
?
= (L (f(0; 1; 1)g))? = L (f(0; 1; 1)g) ;
e atendendo à alínea anterior, uma base ortonormada para R3 que inclui dois vectores ger-
adores de V é: ( p p ! p p !)
2 2 2 2
(1; 0; 0); 0; ; ; 0; ; :
2 2 2 2
(iii) O elemento de U mais próximo de (1; 1; 1) é:
PU (1; 1; 1) = (1; 1; 1) PU ? (1; 1; 1) =
= (1; 1; 1) h(1; 1; 1); (1; 0; 0)i (1; 0; 0) = (0; 1; 1):

?
A distância entre (1; 1; 1) e V é:
p
d (1; 1; 1); V ? = kPV (1; 1; 1)k = k(1; 1; 1)k = 3
(1;1;1)2V
9. a)
1 0 1 1 1 0 1 1
U =N =N = L (f( 1; 0; 1; 0) ; ( 1; 0; 0; 1)g) :
1 1 1 1 0 1 0 0
Logo
U ? = L (f(1; 0; 1; 1) ; (0; 1; 0; 0)g) :
Como o conjunto f(1; 0; 1; 1) ; (0; 1; 0; 0)g é ortogonal é então uma base ortogonal para
U ?.
407
b)
d ((1; 1; 1; 1) ; U ) = proj (1; 1; 1; 1) = k(1; 1; 1; 1)k = 2:
U? (1;1;1;1)2U ?
c) Como V = L (f(1; 0; 1; 1) ; (0; 1; 0; 0)g) = U ? então
(1; 0; 0; 0) = PU (1; 0; 0; 0) + PU ? (1; 0; 0; 0) = u + proj (1; 0; 0; 0) + proj (1; 0; 0; 0) =

| {z } | {z } (1;0;1;1) (0;1;0;0)
u v
h(1; 0; 0; 0) ; (1; 0; 1; 1)i h(1; 0; 0; 0) ; (0; 1; 0; 0)i 1 1 1

= u+ 2 (1; 0; 1; 1)+ 2 (0; 1; 0; 0) = u+ ; 0; ; :
k(1; 0; 1; 1)k k(0; 1; 0; 0)k 3 3 3
Logo
2 1 1 1 1 1
(1; 0; 0; 0) = ; 0; ; + ; 0; ;
3 3 3 3 3 3
com
1 1 1 2 1 1 1 1
; 0; ; 2V e ; 0; ; = ( 1; 0; 1; 0) ( 1; 0; 0; 1) 2 U .
3 3 3 3 3 3 3 3
1 0 0
10. Como V = L (f(1; 0; 0); (0; 1; 1)g) então V ? = N = L (f(0; 1; 1)g).
0 1 1
Logo f(1; 0; 0); (0; 1; 1); (0; 1; 1)g é uma base ortogonal para R3 que inclui um vector de
?
V . Como os planos U e V são paralelos, tem-se:
p
d (U; V ) = kPV ? ((0; 1; 1) (0; 0; 0))k = k(0; 1; 1)k = 2:
(0; 1;1)2V ?
11. Um produto interno em R3 em relação ao qual a base B = f(1; 0; 1); (0; 1; 0); ( 1; 0; 2)g
é ortonormada, é dado por:
T T T
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = SBc3 !B x1 x2 x3 GSBc3 !B y1 y2 y3 =
T
= 2x1 + x3 x2 x1 + x3 2y1 + y3 y2 y1 + y3 =
= 5x1 y1 + 3x1 y3 + x2 y2 + 3x3 y1 + 2x3 y3

com G = I e 2 3 2 3
1
1 0 1 2 0 1
SBc3 !B = 4 0 1 0 5 = 4 0 1 0 5:
1 0 2 1 0 1
408
Relativamente a ele, tem-se
(L (f( 2; 0; 3); (0; 1; 0)g))? = L (f(0; 0; 1)g) :
Logo, o conjunto f(0; 0; 1)g é uma base para (L (f( 2; 0; 3); (0; 1; 0)g))? .
2 3
1 0 2
12. Seja A = 4 0 0 0 5 e considere o produto interno usual. Sejam N (A), C (A) e
2 0 1
L (A) respectivamente o núcleo, espaço das colunas e espaço das linhas de A.
(i) O conjunto f(1; 0; 2); (2; 0; 1)g é uma base para C (A) pois gera C (A) e é linearmente
independente.
O conjunto f(1; 0; 2); (2; 0; 1); (0; 1; 0)g é uma base para R3 . Como (2; 0; 1) e (0; 1; 0) são
ortogonais, basta aplicar Gram-Schmidt a (1; 0; 2):
(1; 0; 2) P(2;0;1) (1; 0; 2) P(0;1;0) (1; 0; 2) =
h(1; 0; 2); (2; 0; 1)i h(1; 0; 2); (0; 1; 0)i
= (1; 0; 2) (2; 0; 1) (0; 1; 0) =
k(2; 0; 1)k2 k(0; 1; 0)k2
4 3 6
= (1; 0; 2) (2; 0; 1) = ; 0; .
5 5 5
Logo, o conjunto
( ) ( p p ! p p !)
3 6
(2; 0; 1) (0; 1; 0) 5
; 0; 5 2 5 5 5 2 5
; ; 3 6
= ; 0; ; (0; 1; 0); ; 0;
k(2; 0; 1)k k(0; 1; 0)k 5
; 0; 5
5 5 5 5
p p
2 5 5
é uma base ortonormada para R3 que inclui dois vectores de C (A): 5
; 0; 5
e
p p
5
5
; 0; 2 5 5 .
(ii) O elemento de L (A) mais próximo de (1; 1; 1) é:

PL(A) (1; 1; 1) = (1; 1; 1) PN (A) (1; 1; 1) =
N (A)=L(f(0;1;0)g)
h(1; 1; 1); (0; 1; 0)i

= (1; 1; 1) (0; 1; 0) =
k(0; 1; 0)k2
= (1; 1; 1) (0; 1; 0) = (1; 0; 1).
A distância entre (1; 1; 1) e N (A) é:
p
d ((1; 1; 1); N (A)) = P(N (A))? (1; 1; 1) = PL(A) (1; 1; 1) = k(1; 0; 1)k = 2:
2 3
1 0 1
13. Seja A = 4 0 2 0 5 e considere o produto interno usual. Sejam N (A), C (A) e
1 0 1
L (A) respectivamente o núcleo, espaço das colunas e espaço das linhas de A.
409
(i) Tem-se (N (A))? = L (A). O conjunto f(1; 0; 1); (0; 2; 0)g é uma base para N (A) pois
gera N (A) e é linearmente independente. Como h(1; 0; 1); (0; 2; 0)i = 0, os vectores (1; 0; 1)
e (0; 2; 0) são ortogonais. Logo, o conjunto
( p p ! )
(1; 0; 1) (0; 2; 0) 2 2
; = ; 0; ; (0; 1; 0)
k(1; 0; 1)k k(0; 2; 0)k 2 2
é uma base ortonormada para (N (A))? .
(ii) O conjunto f(1; 0; 1); (0; 2; 0)g é uma base para C (A) pois gera C (A) e é linearmente
independente.
O conjunto f(1; 0; 1); (0; 2; 0); (0; 0; 1)g é uma base para R3 . Como (1; 0; 1) e (0; 2; 0) são
ortogonais, basta aplicar Gram-Schmidt a (0; 0; 1):
(0; 0; 1) P(1;0;1) (0; 0; 1) P(0;2;0) (0; 0; 1) =
h(0; 0; 1); (1; 0; 1)i h(0; 0; 1); (0; 2; 0)i

= (0; 0; 1) (1; 0; 1) (0; 2; 0) =
k(1; 0; 1)k2 k(0; 2; 0)k2
1 1 1
= (0; 0; 1) (1; 0; 1) = ; 0; .
2 2 2
Logo, o conjunto
( ) ( p p ! p p !)
1 1
(1; 0; 1) (0; 2; 0) 2
; 0; 2 2 2 2 2
; ; 1 1
= ; 0; ; (0; 1; 0); ; 0;
k(1; 0; 1)k k(0; 2; 0)k 2
; 0; 2
2 2 2 2
p p
2
é uma base ortonormada para R3 que inclui dois vectores de C (A): 2
; 0; 22 e (0; 1; 0).
(iii) O elemento de L (A) mais próximo de (1; 2; 3) é:
PL(A) (1; 2; 3) = (1; 2; 3) PN (A) (1; 2; 3) =

N (A)=L(f( 1;0;1)g)
h(1; 2; 3); ( 1; 0; 1)i

= (1; 2; 3) ( 1; 0; 1) =
k( 1; 0; 1)k2
= (1; 2; 3) ( 1; 0; 1) = (2; 2; 2).
A distância entre (1; 2; 3) e L (A)? é:

p
d (1; 2; 3); (L (A))? = PL(A) (1; 2; 3) = k(2; 2; 2)k = 2 3:
14. Seja U = L (f(1; 1; 1; 0); (0; 1; 1; 1)g). Tem-se
?
1 1 1 0 1 1 1 0
U = L (f(1; 1; 1; 0); (0; 1; 1; 1)g) = L = N =
0 1 1 1 0 1 1 1
410
?
1 1 0 1 1 1 0 1
= (L (f(1; 1; 0; 1); (0; 1; 1; 0)g))? = L =N .
0 1 1 0 0 1 1 0
Logo
1 1 0 1
U = N (A), com A = .
0 1 1 0
Resolução alternativa: Seja (x; y; z; w) 2 U . Então existem x; y 2 R tais que
(x; y; z; w) = x(1; 1; 1; 0) + y(0; 1; 1; 1):
Deste modo, o seguinte sistema (nas variáveis x e y) tem que ser possível e determinado:
8
>
> x=x
<
x+y =y
>
> x+y =z
:
y=w
Considerando então a matriz aumentada deste sistema, tem-se:

2 3 22 33 22 33
1 0 j x 1 0 j x 1 0 j x
6 1 1 j y 7 66 0 1 j y x 77 66 0 1 j y x 7 7
6 7 ! 66 77 ! 66 77 .
4 1 1 j z 5 L1 +L2 !L2 44 0 1 j z x 55 L2 +L3 !L3 44 0 0 j z y 55
L1 +L3 !L3 L2 +L4 !L4
0 1 j w 0 1 j w 0 0 j x y+w
Logo, para que o sistema anterior seja possível e determinado, é preciso que se tenha z y = 0
e x y + w = 0.
Assim, U = f(x; y; z; w) 2 R4 : x y + w = 0 e z y = 0g, isto é,
1 1 0 1
U = N (A), com A = .
0 1 1 0
15. Seja B = f(1; 0); (1; 1)g uma base de R2 . Vamos de…nir um produto interno em R2
em relação ao qual a base B é ortonormada.
Seja Bc2 = f(1; 0); (0; 1)g a base canónica de R2 . A matriz de mudança de base de Bc2
para B é dada por
1
1 1 1 1 1
SBc2 !B = SB!Bc2 = = .
0 1 0 1
Sejam u; v 2 R2 . Tem-se
u = (x1 ; x2 ) e v = (y1 ; y2 ) ,
onde x1 ; x2 e y1 ; y2 são as coordenadas na base Bc2 de u e v respectivamente. Seja S = SBc2 !B .
Logo, tem-se a aplicação h; i : R2 R2 de…nida por
hv1 ; v1 i hv1 ; v2 i 1 0
hu; vi = (Su)T G (Sv) , com G = = ,
hv2 ; v1 i hv2 ; v2 i 0 1
411
ou seja,
T
1 1 x1 1 0 1 1 y1
h(x1 ; x2 ) ; (y1 ; y2 )i = =
0 1 x2 0 1 0 1 y2
= x1 y1 + x1 y2 + x2 y1 + 2x2 y2 .
Como
1 1 y1
h(x1 ; x2 ) ; (y1 ; y2 )i = x1 y1 + x1 y2 + x2 y1 + 2x2 y2 = x1 x2
1 2 y2
1 1 p p
e a matriz é simétrica, sendo os seus valores próprios ( 21 5+ 32 e 3
2
1
2
5) positivos,
1 2
então a expressão
h(x1 ; x2 ) ; (y1 ; y2 )i = x1 y1 + x1 y2 + x2 y1 + 2x2 y2
de…ne um produto interno em R2 . Além disso, é fácil veri…car que para este produto interno
a base B = f(1; 0); (1; 1)g é ortonormada:
h(1; 0) ; (1; 1)i = 0 e h(1; 0) ; (1; 0)i = h(1; 1) ; (1; 1)i = 1.
16. Considere a aplicação h; i : R3 R3 ! R de…nida por
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 x1 y2 x2 y1 + 4x2 y2 + x3 y3 .
(i) Tem-se
2 32 3
1 1 0 y1
h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 x2 x3 4 1 4 0 5 4 y2 5 .
0 0 1 y3
2 3
1 1 0 p p
Como 4 1 4 0 5 é simétrica e os seus valores próprios ( 5+2 13 e 5
2
13
) são todos
0 0 1
positivos, logo, a aplicação h; i de…ne um produto interno em R3 .
(ii) Seja V = L (f(3; 4; 0)g) R3 . Uma base ortonormada para V :

(3; 4; 0) (3; 4; 0) 3 4
= = ; ;0
k(3; 4; 0)k 7 7 7
O ponto de V mais próximo de (0; 1; 0) é
3 4 3 4 13 3 4 39 52
PV (0; 1; 0) = (0; 1; 0); ; ;0 ; ;0 = ; ;0 = ; ;0 .
7 7 7 7 7 7 7 49 49
Nota. Em alternativa, como dim V = 1,
h(0; 1; 0); (3; 4; 0)i 13 39 52
PV (0; 1; 0) = proj(3;4;0) (0; 1; 0) = 2 (3; 4; 0) = (3; 4; 0) = ; ;0 .
k(3; 4; 0)k 49 49 49
412
(iii) Tem-se
V ? = (x; y; z) 2 R3 : h(x; y; z); (3; 4; 0)i = 0 =
= (x; y; z) 2 R3 : 3x 4x 3y + 16y = 0 =
= (x; y; z) 2 R3 : x + 13y = 0 =
= (13y; y; z) 2 R3 : y; z 2 R =
= L (f(13; 1; 0); (0; 0; 1)g) .
Como o conjunto fv1 ; v2 g, com v1 = (13; 1; 0) e v2 = (0; 0; 1), é independente e gera V ? então
é uma base de V ? . Sejam
u1 = v 1 e u2 = v 2 proju1 v2 .
Logo, o conjunto fu1 ; u2 g, com u1 = (13; 1; 0) e u2 = (0; 0; 1) 0(13; 1; 0) = (0; 0; 1), é uma
base ortogonal de V ? .
(iv) Seja
3 4 13 1
B= ; ;0 ; p ;p ; 0 ; (0; 0; 1) :
7 7 147 147
Como
13 1
p ;p ; 0 ; (0; 0; 1)
147 147
é uma base ortonormada para V ? , então B é uma base ortonormada de R3 . Atendendo a
que
3 4 3 4 3 4 3 4
PV ; ;0 = ; ;0 ; ; ;0 ; ;0 =
7 7 7 7 7 7 7 7
2
3 4 3 4 3 4
= ; ;0 ; ;0 = ; ;0 =
7 7 7 7 7 7
3 4 13 1
= 1 ; ;0 + 0 p ;p ; 0 + 0(0; 0; 1),
7 7 147 147
13 1 13 1 3 4 3 4
PV p ;p ;0 = p ;p ;0 ; ; ;0 ; ;0 =
147 147 147 147 7 7 7 7
3 4
= 0 ; ; 0 = (0; 0; 0) =
7 7
3 4 13 1
= 0 ; ;0 + 0 p ;p ; 0 + 0(0; 0; 1)
7 7 147 147
e
3 4 3 4
PV (0; 0; 1) = (0; 0; 1); ; ;0 ; ;0 =
7 7 7 7
3 4
= 0 ; ; 0 = (0; 0; 0) =
7 7
3 4 13 1
= 0 ; ;0 + 0 p ;p ; 0 + 0(0; 0; 1),
7 7 147 147
413
a matriz que representa PV em relação à base B é dada por:
2 3
1 0 0
4 0 0 0 5.
0 0 0
4 3
17. Consideremos em R3 o produto interno usual. Seja U = L (0; 1; 0); 5
; 0; 5
.
Tem-se
0 1 0 0 1 0
U? = N =N = L (f(3; 0; 4)g) .
4=5 0 3=5 4 0 3
Logo,
h(1; 2; 3); (3; 0; 4)i 9 12
PU ? (1; 2; 3) = (3; 0; 4) = ; 0;
k(3; 0; 4)k2 5 5
e assim
9 12 4 3
PU (1; 2; 3) = (1; 2; 3) PU ? (1; 2; 3) = (1; 2; 3) ; 0; = ; 2; .
5 5 5 5
Deste modo,
4 3 9 12
(1; 2; 3) = ; 2; + ; 0; ,
5 5 5 5
4
com 5
; 2; 35 2U e 9
5
; 0; 12
5
2 U ?.
18. Considere R4 com o produto interno usual.

(i) Seja U = L (f(1; 0; 0; 0); (1; 1; 0; 1)g). Logo,
U ? = (x; y; z; w) 2 R4 : h(x; y; z; w); (1; 0; 0; 0)i = 0 e h(x; y; z; w); (1; 1; 0; 1)i = 0 .
Tem-se então: 8 8
< x=0 < x=0
,
: :
x+y+w =0 y= w.
Logo,
U ? = (0; w; z; w) 2 R4 : z; w 2 R = L (f(0; 1; 0; 1); (0; 0; 1; 0)g) .
Como
h(0; 1; 0; 1); (0; 0; 1; 0)i = 0
então o conjunto f(0; 1; 0; 1); (0; 0; 1; 0)g é uma base ortogonal de U ? .
(ii) Seja U = L (f(1; 0; 1; 1)g). Logo,
U ? = (x; y; z; w) 2 R4 : h(x; y; z; w); (1; 0; 1; 1)i = 0 .
414
Tem-se então:
x+z+w =0,x= z w.
Logo,
U? = ( z w; y; z; w) 2 R4 : y; z; w 2 R = L (f(0; 1; 0; 0); ( 1; 0; 1; 0); ( 1; 0; 0; 1)g) ,
pois
( z w; y; z; w) = y(0; 1; 0; 0) + z( 1; 0; 1; 0) + w( 1; 0; 0; 1).
Como o conjunto f(0; 1; 0; 0); ( 1; 0; 1; 0); ( 1; 0; 0; 1)g é independente (basta colocar esses
três vectores como linhas ou como colunas de uma matriz e aplicar de seguida o método de
eliminação de Gauss obtendo-se uma matriz em escada de linhas) e gera U ? então é uma
base de U ? .
Como (0; 1; 0; 0) e ( 1; 0; 1; 0) são ortogonais, basta aplicar Gram-Schmidt a ( 1; 0; 0; 1):
( 1; 0; 0; 1) P(0;1;0;0) ( 1; 0; 0; 1) P( 1;0;1;0) ( 1; 0; 0; 1) =
h( 1; 0; 0; 1); (0; 1; 0; 0)i h( 1; 0; 0; 1); ( 1; 0; 1; 0)i

= ( 1; 0; 0; 1) (0; 1; 0; 0) ( 1; 0; 1; 0) =
k(0; 1; 0; 0)k2 k( 1; 0; 1; 0)k2
1 1 1
= ( 1; 0; 0; 1) ( 1; 0; 1; 0) = ; 0; ;1 .
2 2 2
Logo, o conjunto
1 1
(0; 1; 0; 0); ( 1; 0; 1; 0); ; 0; ;1
2 2
é uma base ortogonal de U ? .
(iii) Seja U = f(x; y; z; w) 2 R4 : x + 2y + z + 2w = 0g. Logo, atendendo a que o pro-

duto interno é o usual (de R4 ), Tem-se:
U = (x; y; z; w) 2 R4 : h(x; y; z; w); (1; 2; 1; 2)i = 0 = (L (f(1; 2; 1; 2)g))? .
Assim,
U ? = (L (f(1; 2; 1; 2)g))?? = L (f(1; 2; 1; 2)g) .
Logo, o conjunto f(1; 2; 1; 2)g é uma base ortogonal de U ? .
(iv) Seja U = f(x; y; z; w) 2 R4 : x z = 0 e 2x y + 2z w = 0g. Logo, atendendo

a que o produto interno é o usual (de R4 ), Tem-se:
U = (x; y; z; w) 2 R4 : h(x; y; z; w); (1; 0; 1; 0)i = 0 e h(x; y; z; w); (2; 1; 2; 1)i = 0

= (L (f(1; 0; 1; 0); (2; 1; 2; 1)g))? .
Assim,
U ? = (L (f(1; 0; 1; 0); (2; 1; 2; 1)g))?? = L (f(1; 0; 1; 0); (2; 1; 2; 1)g) .
415
Como
h(1; 0; 1; 0); (2; 1; 2; 1)i = 0
então o conjunto f(1; 0; 1; 0); (2; 1; 2; 1)g é uma base ortogonal de U ? .
de R3 :
U = L (f(1; 1; 1); (1; 0; 0)g) .
(i) Aplicando o método de ortogonalização de Gram-Schmidt, sejam
v1 = (1; 1; 1) e v2 = (1; 0; 0) proj(1;1;1) (1; 0; 0).
Tem-se então:
v2 = (1; 0; 0) proj(1;1;1) (1; 0; 0)

h(1; 0; 0); (1; 1; 1)i
= (1; 0; 0) (1; 1; 1)
k(1; 1; 1)k2
1
= (1; 0; 0) (1; 1; 1)
3
2 1 1
= ; ; .
3 3 3
Logo, o conjunto
2 1 1
(1; 1; 1); ; ;
3 3 3
é uma base ortogonal de U .
2 1 1
(ii) Como o conjunto (1; 1; 1); 3
; 3
; 3
é uma base ortogonal de U , então
p
p 2 1 1 6
k(1; 1; 1)k = 3 e ; ; = ,
3 3 3 3
então o conjunto
( ) ( p p p ! p p p !)
2 1 1
(1; 1; 1) 3
; 3
; 3 3 3 3 6 6 6
; 2 1 1
= ; ; ; ; ;
k(1; 1; 1)k 3
; 3
; 3
3 3 3 3 6 6
é uma base ortonormada de U .

Por outro lado, tem-se:
U ? = (x; y; z) 2 R3 : h(x; y; z); (1; 1; 1)i = 0 e h(x; y; z); (1; 0; 0)i = 0 =
1 1 1 0 1 1
=N =N .
1 0 0 1 0 0
Logo, 8 8
< y+z =0 < y= z
,
: :
x=0 x = 0.
416
Assim,
U ? = (0; z; z) 2 R3 : z 2 R = L (f(0; 1; 1)g) .
Como p
k(0; 1; 1)k = 2,
então o conjunto ( p p !)
1 1 2 2
0; p ;p = 0; ;
2 2 2 2
é uma base ortonormada de U ? .
Deste modo, uma vez que se tem
R3 = U U ?,
então
(3; 2; 1) = PU (3; 2; 1) + PU ? (3; 2; 1) =
* p p p !+ p p p !
3 3 3 3 3 3
= (3; 2; 1); ; ; ; ; +
3 3 3 3 3 3
* p p p !+ p p p !
6 6 6 6 6 6
+ (3; 2; 1); ; ; ; ; +
3 6 6 3 6 6
* p p !+ p p !
2 2 2 2
+ (3; 2; 1); 0; ; 0; ; =
2 2 2 2
3 3 1 1
= 3; ; + 0; ; .
2 2 2 2
| {z } | {z }
2U 2U ?
Isto é,
3 3 1 1
(3; 2; 1) = 3; ; + 0; ; .
2 2 2 2
| {z } | {z }
2U 2U ?
(iii) A distância entre o ponto (1; 0; 1) e o plano f(1; 1; 0)g + U é dada por:
p
d((1; 0; 1); f(1; 1; 0)g+U ) = kPU ? ((1; 0; 1) (1; 1; 0))k = kPU ? (0; 1; 1)k = k(0; 1; 1)k = 2.
(0; 1;1)2U ?
(iv) A distância entre o ponto (x; y; z) e o subespaço U é dada por:
d((x; y; z); U ) = kPU ? ((x; y; z) (0; 0; 0))k = kPU ? (x; y; z)k

* p p !+ p p !
2 2 2 2
= (x; y; z); 0; ; 0; ;
2 2 2 2
p
2
= j y + zj .
2
417
de R4 :
U = (x; y; z; w) 2 R4 : x y + z = 0 e y z + w = 0 .
(i) Tem-se então
U = (y z; y; z; z y) 2 R4 : y; z 2 R = L(f(1; 1; 0; 1); ( 1; 0; 1; 1)g).
Aplicando o método de ortogonalização de Gram-Schmidt, sejam
v1 = (1; 1; 0; 1) e v2 = ( 1; 0; 1; 1) proj(1;1;0; 1) ( 1; 0; 1; 1).
Tem-se então:
v2 = ( 1; 0; 1; 1) proj(1;1;0; 1) ( 1; 0; 1; 1)
h( 1; 0; 1; 1); (1; 1; 0; 1)i
= ( 1; 0; 1; 1) (1; 1; 0; 1)
k(1; 1; 0; 1)k2
2
= ( 1; 0; 1; 1) + (1; 1; 0; 1)
3
1 2 1
= ; ; 1; .
3 3 3
Logo, o conjunto
1 2 1
(1; 1; 0; 1); ; ; 1;
3 3 3
é uma base ortogonal de U . Como
p
p 1 2 1 15
k(1; 1; 0; 1)k = 3 e ; ; 1; = ,
3 3 3 3
então o conjunto
( p p p ! p p p p !)
3 3 3 15 2 15 3 15 15
; ; 0; ; ; ; ;
3 3 3 15 15 15 15
(ii) Como
U = (x; y; z; w) 2 R4 : x y+z =0 e y z+w =0
e atendendo ao produto interno usual de R4 , Tem-se:
U = (x; y; z; w) 2 R4 : h(x; y; z; w); (1; 1; 1; 0)i = 0 e h(x; y; z; w); (0; 1; 1; 1)i = 0

= (L (f(1; 1; 1; 0) ; (0; 1; 1; 1)g))? .
Logo,
U ? = (L (f(1; 1; 1; 0) ; (0; 1; 1; 1)g))?? = L (f(1; 1; 1; 0) ; (0; 1; 1; 1)g) .
418
v1 = (1; 1; 1; 0) e v2 = (0; 1; 1; 1) proj(1; 1;1;0) (0; 1; 1; 1) .
Tem-se então:
v2 = (0; 1; 1; 1) proj(1; 1;1;0) (0; 1; 1; 1)
h(0; 1; 1; 1) ; (1; 1; 1; 0)i
= (0; 1; 1; 1) (1; 1; 1; 0)
k(1; 1; 1; 0)k2
2
= (0; 1; 1; 1) + (1; 1; 1; 0)
3
2 1 1
= ; ; ;1 .
3 3 3
Logo, o conjunto
2 1 1
(1; 1; 1; 0) ; ; ; ;1
3 3 3
é uma base ortogonal de U ? . Como
p
p 2 1 1 15
k(1; 1; 1; 0)k = 3 e ; ; ;1 = ,
3 3 3 3
então o conjunto
( p p p ! p p p p !)
3 3 3 2 15 15 15 15
; ; ;0 ; ; ; ;
3 3 3 15 15 15 5
(iii) A projecção ortogonal PU de R4 sobre U é de…nida por:

PU : R 4 ! R4
* p p p !+ p p p !
3 3 3 3 3 3
(x; y; z; w) ! (x; y; z; w); ; ; 0; ; ; 0; +
3 3 3 3 3 3
* p p p p !+ p p p p !
15 2 15 3 15 15 15 2 15 3 15 15
+ (x; y; z; w); ; ; ; ; ; ; ,
15 15 15 15 15 15 15 15
uma vez que o conjunto
( p p p ! p p p p !)
3 3 3 15 2 15 3 15 15
; ; 0; ; ; ; ;
3 3 3 15 15 15 15
é uma base ortonormada de U . Logo, a projecção ortogonal de (0; 0; 1; 0) sobre U é dada
por:
* p p p !+ p p p !
3 3 3 3 3 3
PU (0; 0; 1; 0) = (0; 0; 1; 0); ; ; 0; ; ; 0; +
3 3 3 3 3 3
* p p p p !+ p p p p !
15 2 15 3 15 15 15 2 15 3 15 15
+ (0; 0; 1; 0); ; ; ; ; ; ;
15 15 15 15 15 15 15 15
1 2 3 1
= ; ; ; :
5 5 5 5
419
A projecção ortogonal PU ? de R4 sobre U ? é de…nida por:
PU ? : R 4 ! R4
* p p p !+ p p p !
3 3 3 3 3 3
(x; y; z; w) ! (x; y; z; w); ; ; ;0 ; ; ;0 +
3 3 3 3 3 3
* p p p p !+ p p p p !
2 15 15 15 15 2 15 15 15 15
+ (x; y; z; w); ; ; ; ; ; ; ,
15 15 15 5 15 15 15 5
( p p p ! p p p p !)
3 3 3 2 15 15 15 15
; ; ;0 ; ; ; ;
3 3 3 15 15 15 5
é uma base ortonormada de U ? . Logo, a projecção ortogonal de (0; 0; 1; 0) sobre U ? é dada
por:
* p p p !+ p p p !
3 3 3 3 3 3
PU ? (0; 0; 1; 0) = (0; 0; 1; 0); ; ; ;0 ; ; ;0 +
3 3 3 3 3 3
* p p p p !+ p p p p !
2 15 15 15 15 2 15 15 15 15
+ (0; 0; 1; 0); ; ; ; ; ; ;
15 15 15 5 15 15 15 5
1 1 1 2 1 1 1 1 2 2 1
; =; ;0 + ; ; ; = ; ; ; :
3 3 3 15 15 15 5 5 5 5 5
Nota muito importante: Uma vez que se tem
R4 = U U ?,
então para todo o (x; y; z; w) 2 R4 ,
(x; y; z; w) = PU (x; y; z; w) + PU ? (x; y; z; w).
Logo, uma vez calculado PU (0; 0; 1; 0) pela de…nição, como se fêz atrás, obtendo-se PU (0; 0; 1; 0) =
1 2 3 1
; ; ; , então não precisamos de efectuar o cálculo de PU ? (0; 0; 1; 0) pela de…nição.
5 5 5 5
Basta efectuar:
PU ? (0; 0; 1; 0) = (0; 0; 1; 0) PU (0; 0; 1; 0)
1 2 3 1
= (0; 0; 1; 0) ; ; ;
5 5 5 5
1 2 2 1
= ; ; ; .
5 5 5 5
(iv) Seja Bc4 = f(1; 0; 0; 0); (0; 1; 0; 0); (0; 0; 1; 0); (0; 0; 0; 1)g a base canónica de R4 . Tem-
se:
* p p p !+ p p p !
3 3 3 3 3 3
PU (1; 0; 0; 0) = (1; 0; 0; 0); ; ; 0; ; ; 0; +
3 3 3 3 3 3
* p p p p !+ p p p p !
15 2 15 3 15 15 15 2 15 3 15 15
(1; 0; 0; 0); ; ; ; ; ; ;
15 15 15 15 15 15 15 15
1 1 1 1 2 3 1 2 1 1 2
= ; ; 0; + ; ; ; = ; ; ; .
3 3 3 15 15 15 15 5 5 5 5
420
* p p p !+ p p p !
3 3 3 3 3 3
PU (0; 1; 0; 0) = (0; 1; 0; 0); ; ; 0; ; ; 0; +
3 3 3 3 3 3
* p p p p !+ p p p p !
15 2 15 3 15 15 15 2 15 3 15 15
(0; 1; 0; 0); ; ; ; ; ; ;
15 15 15 15 15 15 15 15
1 1 1 2 4 6 2 1 3 2 1
= ; ; 0; + ; ; ; = ; ; ; .
3 3 3 15 15 15 15 5 5 5 5
* p p p !+ p p p !
3 3 3 3 3 3
PU (0; 0; 1; 0) = (0; 0; 1; 0); ; ; 0; ; ; 0; +
3 3 3 3 3 3
* p p p p !+ p p p p !
15 2 15 3 15 15 15 2 15 3 15 15
(0; 0; 1; 0); ; ; ; ; ; ;
15 15 15 15 15 15 15 15
1 2 3 1
= ; ; ; .
5 5 5 5
* p p p !+ p p p !
3 3 3 3 3 3
PU (0; 0; 0; 1) = (0; 0; 0; 1); ; ; 0; ; ; 0; +
3 3 3 3 3 3
* p p p p !+ p p p p !
15 2 15 3 15 15 15 2 15 3 15 15
(0; 0; 0; 1); ; ; ; ; ; ;
15 15 15 15 15 15 15 15
1 1 1 1 2 3 1 2 1 1 2
= ; ; 0; + ; ; ; = ; ; ; .
3 3 3 15 15 15 15 5 5 5 5
Logo, a representação matricial de PU : R4 ! R4 em relação à base canónica de R4 , é dada
por: 2 3
2=5 1=5 1=5 2=5
6 1=5 3=5 2=5 1=5 7
M (PU ; Bc4 ; Bc4 ) = 6 4 1=5
7.
2=5 3=5 1=5 5
2=5 1=5 1=5 2=5
Tem-se:
* p p p !+ p p p !
3 3 3 3 3 3
PU ? (1; 0; 0; 0) = (1; 0; 0; 0); ; ; ;0 ; ; ;0 +
3 3 3 3 3 3
* p p p p !+ p p p p !
2 15 15 15 15 2 15 15 15 15
(1; 0; 0; 0); ; ; ; ; ; ;
15 15 15 5 15 15 15 5
1 1 1 4 2 2 2 3 1 1 2
= ; ; ;0 + ; ; ; = ; ; ; .
3 3 3 15 15 15 5 5 5 5 5
* p p p !+ p p p !
3 3 3 3 3 3
PU ? (0; 1; 0; 0) = (0; 1; 0; 0); ; ; ;0 ; ; ;0 +
3 3 3 3 3 3
* p p p p !+ p p p p !
2 15 15 15 15 2 15 15 15 15
(0; 1; 0; 0); ; ; ; ; ; ;
15 15 15 5 15 15 15 5
1 1 1 2 1 1 1 1 2 2 1
= ; ; ;0 + ; ; ; = ; ; ; .
3 3 3 15 15 15 5 5 5 5 5
421
* p p p !+ p p p !
3 3 3 3 3 3
PU ? (0; 0; 1; 0) = (0; 0; 1; 0); ; ; ;0 ; ; ;0 +
3 3 3 3 3 3
* p p p p !+ p p p p !
2 15 15 15 15 2 15 15 15 15
(0; 0; 1; 0); ; ; ; ; ; ;
15 15 15 5 15 15 15 5
1 1 1 2 1 1 1 1 2 2 1
= ; ; ;0 + ; ; ; = ; ; ; .
3 3 3 15 15 15 5 5 5 5 5
* p p p !+ p p p !
3 3 3 3 3 3
PU ? (0; 0; 0; 1) = (0; 0; 0; 1); ; ; ;0 ; ; ;0 +
3 3 3 3 3 3
* p p p p !+ p p p p !
2 15 15 15 15 2 15 15 15 15
(0; 0; 0; 1); ; ; ; ; ; ;
15 15 15 5 15 15 15 5
2 1 1 3
= ; ; ; .
5 5 5 5
Logo, a representação matricial de PU ? : R4 ! R4 em relação à base canónica de R4 , é dada
por: 2 3
3=5 1=5 1=5 2=5
6 1=5 2=5 2=5 1=5 7
M (PU ? ; Bc4 ; Bc4 ) = 6
4 1=5
7.
2=5 2=5 1=5 5
2=5 1=5 1=5 3=5
(v) Escolhendo um ponto de U , por exemplo (0; 0; 0; 0), a distância entre (0; 0; 1; 0) e U
é dada por:
d((0; 0; 1; 0); U ) = kPU ? ((0; 0; 1; 0) (0; 0; 0; 0))k = kPU ? (0; 0; 1; 0)k =
* p p p !+ p p p !
3 3 3 3 3 3
= (0; 0; 1; 0); ; ; ;0 ; ; ;0 +
3 3 3 3 3 3
* p p p p !+ p p p p !
2 15 15 15 15 2 15 15 15 15
+ (0; 0; 1; 0); ; ; ; ; ; ;
15 15 15 5 15 15 15 5
p
1 1 1 2 1 1 1 1 2 2 1 10
= ; ; ;0 + ; ; ; = ; ; ; = .
3 3 3 15 15 15 5 5 5 5 5 5
(vi) A distância entre (x; y; z; w) e U é dada por:

d((x; y; z; w); U ) = kPU ? ((x; y; z; w) (0; 0; 0; 0))k = kPU ? (x; y; z; w)k =
* p p p !+ p p p !
3 3 3 3 3 3
= (x; y; z; w); ; ; ;0 ; ; ;0 +
3 3 3 3 3 3
* p p p p !+ p p p p !
2 15 15 15 15 2 15 15 15 15
+ (x; y; z; w); ; ; ; ; ; ; =
15 15 15 5 15 15 15 5
422
p p ! p
p p p !
3 3 3 3 3 3
= x y +z ; ; ;0 +
3 3 3 3 3 3
p p p p ! p p p p !
2 15 15 15 15 2 15 15 15 15
+ x +y z +w ; ; ; =
15 15 15 5 15 15 15 5
2 3 1 1 1 1 2 2 1 1 2 2 3 2 1 1
= w+ x y + z; w x+ y z; x w y + z; w + x + y z =
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
q
1
= (2w + 3x y + z)2 + (w x + 2y 2z)2 + (x w 2y + 2z)2 + (3w + 2x + y z)2 .
5
21. Em P2 :
hp(t); q(t)i = p( 1)q( 1) + p(0)q(0) + p(1)q(1).
Considere também o seguinte subespaço de P2 :
U = fp(t) 2 P2 : p(0) = 0g .
(i) Em P2 , para p(t) = a0 + a1 t + a2 t2 e q(t) = b0 + b1 t + b2 t2 tem-se
hp(t); q(t)i = p( 1)q( 1) + p(0)q(0) + p(1)q(1) =
= (a0 a1 + a2 ) (b0 b1 + b2 ) + a0 b0 + (a0 + a1 + a2 ) (b0 + b1 + b2 ) =

= 3a0 b0 + 2a0 b2 + 2a1 b1 + 2a2 b0 + 2a2 b2 =
2 32 3
3 0 2 b0
= a0 a1 a1 4 0 2 0 5 4 b1 5 .
2 0 2 b1
Assim, relativamente à base canónica ordenada f1; t; t2 g de P2 :
2 32 3
3 0 2 b0
hp(t); q(t)i = a0 a1 a1 4 0 2 0 5 4 b1 5
2 0 2 b1
onde 2 3 2 3
3 0 2 h1; 1i h1; ti h1; t2 i
4 0 2 0 5 = 4 ht; 1i ht; ti ht; t2 i 5
2 0 2 ht2 ; 1i ht2 ; ti ht2 ; t2 i
2 3
3 0 2 p p
Como 4 0 2 0 5 é simétrica e os seus valores próprios ( 21 17 + 52 ; 5
2
1
2
17 e 2) são todos
2 0 2
positivos, logo, a aplicação h; i de…ne um produto interno em P2 .
(ii) Tem-se:
U = a1 t + a2 t2 : a1 ; a2 2 R = L(ft; t2 g).
423
ht2 ; ti
p1 (t) = t e p2 (t) = t2 t.
ktk2
Logo,
( 1)2 ( 1) + 02 0 + 12 1
p2 (t) = t2 t = t2 .
( 1):( 1) + 0:0 + 1:1
Logo, o conjunto ft; t2 g é uma base ortogonal de U . Assim, o conjunto
(p p )
t t2 t t2 2 2 2
; 2 = p ;p = t; t
ktk kt k 2 2 2 2
(iii) Tem-se:
U ? = p(t) 2 P2 : hp(t); ti = 0 e p(t); t2 = 0 .
Logo, 8 8
< (a0 a1 + a2 )( 1)2 + a0 0 + a0 + a1 + a2 = 0 < a0 = a2
,
: :
(a0 a1 + a2 )( 1) + a0 0 + a0 + a1 + a2 = 0 a1 = 0.
Logo,
U? = a2 + a2 t2 : a2 2 R = L(f 1 + t2 g).
Como k 1 + t2 k = 1 então f 1 + t2 g é uma base ortonormada de U ? .
Observação. Note que P2 = U U ? , tendo-se, neste caso, dim U = 2 e dim U ? = 1.
(iv) A projecção ortogonal PU de P2 sobre U é de…nida por:
PU P 2 ! P2
:
* p +p * p +p
2 2 2 2 2 2
p(t) ! p(t); t t + p(t); t t,
2 2 2 2
uma vez que o conjunto (p p )

2 2 2
t; t
2 2
é uma base ortonormada de U . Logo, a projecção ortogonal de 1 + t sobre U é dada por:
* p +p * p +p
2 2 2 2 2 2
PU (1 + t) = 1 + t; t t + 1 + t; t t = t + t2
2 2 2 2
A projecção ortogonal PU ? de R3 sobre U ? é de…nida por:
PU ? : P2 ! P 2
p(t) ! p(t); 1 + t2 ( 1 + t2 ),
424
f 1 + t2 g
é uma base ortonormada de U ? . Logo, a projecção ortogonal de 1 + t sobre U ? é dada por:
PU ? (1 + t) = 1 + t; 1 + t2 ( 1 + t2 ) = 1 t2
Nota muito importante: Uma vez que se tem
P2 = U U ?,
então para todo o p(t) 2 P2 ,
p(t) = PU (p(t)) + PU ? (p(t)).
Logo, uma vez calculado PU ? (1+t) pela de…nição, como se fêz atrás, obtendo-se PU ? (1+t) =
1 t2 , então não precisamos de efectuar o cálculo de PU (1 + t) pela de…nição. Basta efectuar:
PU (1 + t) = 1 + t PU ? (1 + t) = t + t2 .
(v) Seja B = f1; t; t2 g a base canónica de P2 . Atendendo à alínea (iii), tem-se

* p +p * p +p
2 2 2 2 2 2
PU (1) = 1; t t + 1; t t = t2
2 2 2 2
* p +p * p +p
2 2 2 2 2 2
PU (t) = t; t t + t; t t =t
2 2 2 2
* p +p * p +p
2 2 2 2 2 2
PU (t2 ) = t2 ; t t + t2 ; t t = t2
2 2 2 2
PU ? (1) = 1; 1 + t2 1 + t2 = 1 t2
PU ? (t) = t; 1 + t2 1 + t2 = 0
PU ? (t2 ) = t2 ; 1 + t2 1 + t2 = 0
e assim 2 3
0 0 0
M (PU ; B; B) = 4 0 1 0 5
1 0 1
e 2 3
1 0 0
M (PU ? ; B; B) = 4 0 0 0 5 .
1 0 0
Note que
I = PU + PU ? .
(vi) Escolhendo um ponto de U , por exemplo t, a distância entre 1 + t e U é dada por:
d(1 + t; U ) = kPU ? (1 + t t)k = kPU ? (1)k = 1; 1 + t2 ( 1 + t2 ) = 1.
425
(vii) Escolhendo um ponto de U , por exemplo o polinómio nulo 0, a distância entre
a0 + a1 t + a2 t2 e U , com a0 ; a1 ; a2 2 R, é dada por:
d(a0 + a1 t + a2 t2 ; U ) = PU ? (a0 + a1 t + a2 t2 ) =
= a0 + a1 t + a2 t2 ; 1 + t2 ( 1 + t2 ) = ja0 j 1 t2 = ja0 j .
22. Considere no espaço linear M2 2 (R) o produto interno de…nido da seguinte forma:
hA; Bi = tr(AB T ).
Considere também o subespaço U de M2 2 (R) constituído por todas as matrizes simétricas

reais do tipo 2 2:
a b
U= 2 M2 2 (R) : b = c .
c d
(i) Sejam x; y 2 R e A; A0 ; B 2 M2 2 (R). Tem-se
hxA + yA0 ; Bi = tr((xA + yA0 ) B T ) = tr(xAB T + yA0 B T ) =

tr é linear
= xtr(AB T ) + ytr(A0 B T ) = x hA; Bi + y hA0 ; Bi

T T
hA; Bi = tr(AB T ) = tr( AT B T ) = tr( BAT ) = tr(BAT ) = hB; Ai
!
T
a b a b
hA; Ai = tr(AAT ) = tr = a2 + b2 + c2 + d2 0
c d c d
a b
para todo o 2 M2 2 (R) e
c d
a b a b a b 0 0
; =0,a=b=c=d=0, = .
c d c d c d 0 0
Logo, a aplicação h; i de…ne um produto interno em M2 2 (R).
(ii) Tem-se:
a b
U= : a; b; d 2 R =
b d
1 0 0 1 0 0
=L ; ;
0 0 1 0 0 1
pois
a b 1 0 0 1 0 0
=a +b +d .
b d 0 0 1 0 0 1
1 0 0 1 0 0
O conjunto ; ; é uma base de U , uma vez que gera U , e é
0 0 1 0 0 1
linearmente independente pois se tivermos:
1 0 0 1 0 0 0 0
1 + 2 + 3 =
0 0 1 0 0 1 0 0
426
então
1 2 0 0
= :
2 3 0 0
1 0 0 1 0 0
Logo, 1 = 2 = 3 e como tal, o conjunto ; ; é linearmente
0 0 1 0 0 1
independente. Vamos aplicar agora a este conjunto o método de ortogonalização de Gram-
Schmidt. Sejam
1 0 0 1 0 1
A1 = , A2 = projA1 ,
0 0 1 0 1 0
0 0 0 0 0 0
A3 = projA1 projA2 .
0 1 0 1 0 1
Logo,
0 1 0 1
A2 = projA1 =
1 0 1 0
0 1
; A1 A1
0 1 1 0
= =
1 0 kA1 k2
0 1
tr AT1 A1
0 1 1 0
= =
1 0 kA1 k2
0 0
tr A1
0 1 1 0
= =
1 0 kA1 k2
0 1 0A1 0 1
= 2 = .
1 0 kA1 k 1 0
e
0 0 0 0 0 0
A3 = projA1 projA2 =
0 1 0 1 0 1
0 0 0 0
; A1 A1 ; A2 A2
0 0 0 1 0 1
= =
0 1 kA1 k2 kA2 k2
0 0 0 0
tr AT1 A1 tr AT2 A2
0 0 0 1 0 1
= =
0 1 kA1 k2 kA2 k2
0 0 0 0
tr A1 tr A2
0 0 0 0 1 0
= =
0 1 kA1 k2 kA2 k2
0 0 0A1 0A2 0 0
= 2 = .
0 1 kA1 k kA2 k2 0 1
427
1 0 0 1 0 0
Logo, o conjunto ; ; é uma base ortogonal de U . Como:
0 0 1 0 0 1
s
p q
1 0
kA1 k = hA1 ; A1 i = tr (A1 AT1 ) = tr = 1,
0 0
s
p q p
1 0
kA2 k = hA2 ; A2 i = tr (A2 AT2 ) = tr = 2,
0 1
s
p q
0 0
kA3 k = hA3 ; A3 i = tr (A3 AT3 ) = tr = 1,
0 1
então o conjunto
( " p # )
1 2
1 0 0 1 0 0 1 0 0 2
0 0
;p ; = ; p ;
0 0 2 1 0 0 1 0 0 2
0 0 1
2
(iii) Tem-se
a b a b 1 0
U? = 2 M2 2 (R) : ; =0 e
c d c d 0 0
a b 0 1 a b 0 0
; =0 e ; =0 .
c d 1 0 c d 0 1
Logo, 8
>
> a=0
>
>
<
b+c=0
>
>
>
>
:
d = 0.
Ou seja,
0 b 0 1
U? = :b2R =L .
b 0 1 0
Como
s
0 1 0 1 0 1
= ;
1 0 1 0 1 0
v !
u
u 0 1 0 1
T
= ttr
1 0 1 0
s
0 1 0 1
= tr
1 0 1 0
s
1 0 p
= tr = 2,
0 1
428
então o conjunto (" p #)
2
0p 2
2
2
0
1 0 0 1 0 0 0 0
(iv) Seja B = ; ; ; a base canónica de M2 2 (R).
0 0 0 0 1 0 0 1
Atendendo à alínea (iii), tem-se
1 0 1 0 1 0 1 0
PU = ; +
0 0 0 0 0 0 0 0
* " p #+ " p #
2 2
1 0 0 0
+ ; p2 2 p 2 +
0 0 0 2
0
2 2
1 0 0 0 0 0 1 0
+ ; =
0 0 0 1 0 1 0 0
0 1 0 1 1 0 1 0
PU = ; +
0 0 0 0 0 0 0 0
* " p #+ " p #
2 2
0 1 0 0
+ ; p2 2 p 2 +
0 0 0 2
0
2 2
1
0 1 0 0 0 0 0 2
+ ; = 1
0 0 0 1 0 1 2
0
0 0 0 0 1 0 1 0
PU = ; +
1 0 1 0 0 0 0 0
* " p #+ " p #
2 2
0 0 0 0
+ ; p2 2 p 2 +
1 0 0 2
0
2 2
1
0 0 0 0 0 0 0 2
+ ; = 1
1 0 0 1 0 1 2
0
0 0 0 0 1 0 1 0
PU = ; +
0 1 0 1 0 0 0 0
* " p #+ " p #
2 2
0 0 0 0
+ ; p2 2 p 2 +
0 1 0 2
0
2 2
0 0 0 0 0 0 0 0
+ ; =
0 1 0 1 0 1 0 1
* " p #+ " p #
2 2
1 0 1 0 0p 2
0p 2
0 0
PU ? = ; =
0 0 0 0 2
0 2
0 0 0
2 2
* " p #+ " p #
2 2 1
0 1 0 1 0p 2
0p 2
0 2
PU ? = ; = 1
0 0 0 0 2
0 2
0 2
0
2 2
429
* " p #+ " p #
2 2 1
0 0 0 0 0p 2
0p 2
0 2
PU ? = ; = 1
1 0 1 0 2
0 2
0 2
0
2 2
* " p #+ " p #
2 2
0 0 0 0 0p 2
0p 2
0 0
PU ? = ; =
0 1 0 1 2
0 2
0 0 0
2 2
e assim 2 3
1 0 0 0
6 0 1 1 0 7
M (PU ; B; B) = 6 2 2
4 0 1 1
7
2 2
0 5
0 0 0 1
e 2 3
0 0 0 0
6 0 1 1
0 7
M (PU ? ; B; B) = 6
4 0
2 2 7.
1
2
1
2
0 5
0 0 0 0
Note que
I = PU + PU ? .
1 1
(v) A projecção ortogonal da matriz sobre U ? é dada por:
0 1
1 1 1 1
PU ? = proj2 p
2
3 =
0 1 6 0p 2 7
0 1
4 5
2
2
0
* p #+ "
" p #
2 2
1 1 0p 2
0 2
= ; p =
0 1 2
0 2
0
2 2
0 " p #T
1" p #
2 2
1 1 0 0
= tr @ p 2 A p 2 =
0 1 2
0 2
0
2 2
" p #! " p #
2 2
1 1 0 2
0 2
= tr p p =
0 1 2
0 2
0
2 2
" p p #! " p #
2 2 2
p2 2
0 2
= tr 2
p
2
=
2
0 2
0
p " p #
2
2 0p 2
0 12
= = 1 .
2 2
0 2
0
2
Como se tem:
M2 2 (R) = U U ?,
a b
então para todo 2 M2 2 (R),
c d
a b a b a b
= PU + PU ? .
c d c d c d
430
Logo,
1 1 1 1 1 1
PU = PU ? =
0 1 0 1 0 1
1
1 1 0 2
= 1 =
0 1 2
0
1
1 2
= 1 .
2
1
1 1
(vi) A matriz simétrica mais próxima da matriz é a matriz
0 1
1
1 1 1 2
PU = 1 .
0 1 2
1
1 1
(vii) A distância entre e U é dada por:
0 1
1
1 1 1 1 0 2
d ;U = PU ? = 1 =
0 1 0 1 2
0
s
1 1
0 2
0 2
= 1 ; 1 =
2
0 2
0
s
1 1
0 2
0 2
= tr 1 1 =
2
0 2
0
s p
1 2
4
0
= tr 1 = .
0 4 2
431
a b
(viii) A distância entre e U é dada por:
c d
a b a b
d ;U = PU ? =
c d c d
a b
= proj2 p
2
3 =
6 0p 2 7
c d
4 5
2
2
0
* " p #+ " p #
2 2
a b 0p 2
0p 2
= ; =
c d 2
0 2
0
2 2
* " p #+
2
a b 0p 2
= ; =
c d 2
0
2
" p #!
2
a b 0 2
= tr p =
c d 2
0
2
1
p p
1
p
2p
2b 2p
2a 2
= tr 1 1 = jb cj .
2
2d 2
2c 2
23. a) Sejam u1 = (1; 0; 1) e

u2 = (0; 1; 1) proj(1;0; 1) (0; 1; 1) =
h(0; 1; 1); (1; 0; 1)i
= (0; 1; 1) (1; 0; 1) =
k(1; 0; 1)k2
1
= (0; 1; 1) (1; 0; 1) = (1=2; 1; 1=2).
2
Logo, o conjunto fu1 ; u2 g é uma base ortogonal para U .
b) O conjunto
( p p ! p p p !)
1 1 2 2 6 6 6
u1 ; u2 = ; 0; ; ; ;
ku1 k ku2 k 2 2 6 3 6
é uma base ortonormada para U .

Uma vez que
U ? = (x; y; z) 2 R3 : h(x; y; z); (1; 0; 1)i = 0 e h(x; y; z); (0; 1; 1)i = 0 =
= (x; y; z) 2 R3 : x = z e y = z = L (f(1; 1; 1)g) ,
n o n p p p o
3
1
o conjunto k(1;1;1)k (1; 1; 1) = 3
; 33 ; 33 é uma base ortonormada para U ? .
Logo, o conjunto
( p p ! p p p ! p p p !)
2 2 6 6 6 3 3 3
; 0; ; ; ; ; ; ;
2 2 6 3 6 3 3 3
432
é uma base ortonormada para R3 que inclui dois vectores geradores de U .
c) Tem-se
* p p p !+ p p p !
3 3 3 3 3 3 1 1 1
PU ? (1; 0; 0) = (1; 0; 0); ; ; ; ; = ; ; .
3 3 3 3 3 3 3 3 3
d) Tem-se
d (1; 0; 0); U ? = kPU (1; 0; 0)k = k(1; 0; 0) PU ? (1; 0; 0)k =

p
1 1 1 2 1 1 6
= (1; 0; 0) ; ; = ; ; = .
3 3 3 3 3 3 3
24. a) Sejam p(t); q(t) 2 P2 , isto é, p(t) = a0 + a1 t + a2 t2 e q(t) = b0 + b1 t + b2 t2 , com

a0 ; a1 ; a2 ; b0 ; b1 ; b2 2 R. Tem-se
2 32 3
3 0 0 b0
2 2
a0 + a1 t + a2 t ; b 0 + b 1 t + b 2 t = a0 a1 a2 4 0 1 0 5 4 b1 5 .
0 0 2 b2
2 3
3 0 0
Assim, a aplicação h; i é desde logo bilinear. Além disso, atendendo a que a matriz 4 0 1 0 5
0 0 2
é simétrica e todos os seus valores próprios (3; 1 e 2) são positivos, conclui-se que a aplicação
h; i de…ne em P2 um produto interno.
b) Tem-se
W = p(t) = a0 + a1 t + a2 t2 2 P2 : p(0) = p(1) e p(1) = p( 1) =

= p(t) = a0 + a1 t + a2 t2 2 P2 : a1 = a2 e a1 = 0 =
= fp(t) = a0 : a0 2 Rg = L (f1g) .
Logo,
W ? = p(t) = a0 + a1 t + a2 t2 2 P2 : a0 + a1 t + a2 t2 ; 1 = 0 =
= p(t) = a0 + a1 t + a2 t2 2 P2 : a0 = 0 = L t; t2 .
n o n p o
1
Assim, o conjunto ktk t; kt12 k t2 = t; 22 t2 é uma base ortonormada para W ? .
2 3
1 1 0
25. Seja A = 4 1 0 1 5.
1 0 1
433
a) O conjunto f(1; 0; 1); (1; 1; 0)g é uma base para L (A) pois gera L (A) e é linearmente
independente.
Aplicando Gram-Schmidt, o conjunto (1; 0; 1); (1; 1; 0) proj (1;0;1) (1; 1; 0) =
h(1; 1; 0); (1; 0; 1)i 1 1

= (1; 0; 1); (1; 1; 0) (1; 0; 1) = (1; 0; 1); ; 1;
k(1; 0; 1)k2 2 2
é uma base ortogonal para L (A).
b) Uma base ortonormada para R3 que inclui dois vectores de C (A):

( p p ! p p !)
2 2 2 2
(1; 0; 0); 0; ; ; 0; ; .
2 2 2 2
p p
2 2
Note que (1; 0; 0); 0; 2
; 2
2 C (A).
c) O elemento de (N (A))? = L (A) mais próximo de ( 1; 1; 1) é:
PL(A) ( 1; 1; 1) = ( 1; 1; 1) PN (A) ( 1; 1; 1) =
N (A)=L(f(1; 1; 1)g)
h( 1; 1; 1); (1; 1; 1)i

= ( 1; 1; 1) (1; 1; 1) =
k(1; 1; 1)k2
1 2 2 4
= ( 1; 1; 1) + (1; 1; 1) = ; ;
3 3 3 3
e a distância entre ( 1; 1; 1) e (L (A))? é:

p
? 2 2 4 2 6
d ( 1; 1; 1); (L (A)) = PL(A) ( 1; 1; 1) = ; ; = :
3 3 3 3
26. a) Aplicando o método de ortogonalização de Gram-Schmidt, sejam
v1 = (1; 0; 1) e v2 = (0; 1; 2) proj(1;0; 1) (0; 1; 2).
Tem-se então:
h(0; 1; 2); (1; 0; 1)i 2
v2 = (0; 1; 2) (1; 0; 1) = (0; 1; 2) (1; 0; 1) = (1; 1; 1).
k(1; 0; 1)k2 2
Logo, o conjunto
f(1; 0; 1); (1; 1; 1)g
é uma base ortogonal de U .
434
b) Tem-se
U? = (x; y; z) 2 R3 : h(x; y; z); (1; 0; 1)i = 0 e h(x; y; z); (1; 1; 1)i = 0 =

1 0 1 1 0 1
= N =N = L (f(1; 2; 1)g) ,
1 1 1 0 1 2
sendo f(1; 2; 1)g uma base ortogonal de U ? . Deste modo, uma vez que se tem
R3 = U U ?,
e sendo f(1; 0; 1); (1; 1; 1)g uma base ortogonal de U , então
(2; 3; 4) = PU (2; 3; 4) + PU ? (2; 3; 4) =
h(2; 3; 4) ; (1; 0; 1)i h(2; 3; 4) ; (1; 1; 1)i h(2; 3; 4) ; (1; 2; 1)i

= 2 (1; 0; 1)+ 2 (1; 1; 1)+ (1; 2; 1) =
k(1; 0; 1)k k(1; 1; 1)k k(1; 2; 1)k2
= (1; 0; 1) + (1; 1; 1) + 2(1; 2; 1) =
= (0; 1; 2) + (2; 4; 2).
| {z } | {z }
2U 2U ?
Isto é,
(2; 3; 4) = (0; 1; 2) + (2; 4; 2).
| {z } | {z }
2U 2U ?
c) A distância entre o ponto (2; 3; 7) e o plano f(1; 2; 3)g + U é dada por:
d((2; 3; 7); f(1; 2; 3)g + U ) = kPU ? ((2; 3; 7)

(1; 2; 3))k = kPU ? (1; 1; 4)k =
p
h(1; 1; 4); (1; 2; 1)i 1 6
= 2 (1; 2; 1) = k(1; 2; 1)k = .
k(1; 2; 1)k 2 2
27. a) Como (1; 0; 1) = (1; 1; 1) (0; 1; 0) então (1; 0; 1); (0; 1; 0) 2 C (A) :
Além disso h(1; 0; 1); (0; 1; 0)i = 0: Por outro lado, como
?
(C (A))? = L AT = N AT = L (f( 1; 0; 1)g)
e
R3 = C (A) (C (A))?
uma base ortogonal para R3 que inclua um vector de (C (A))? poderá ser: f(1; 0; 1); (0; 1; 0) ; ( 1; 0; 1)g.
b) A distância d entre (1; 1; 0) e L (A) é dada por:
d ((1; 1; 0); L (A)) = P(L(A))? (1; 1; 0) = PN (A) (1; 1; 0) =
435
p
h(1; 1; 0); ( 1; 0; 1)i 1 1 2
= proj ( 1;0;1) (1; 1; 0) = ( 1; 0; 1) = ; 0; = :
k( 1; 0; 1)k2 2 2 2
c) Como
(N (A))? = N (B) , N (A) = (N (B))? = L (B)
e
N (A) = L (f( 1; 0; 1)g)
logo poderá ter-se B = 1 0 1 .
28. a) Os vectores u1 = (1; 1; 0; 0); u2 = (1; 0; 1; 1) formam uma base de V . Seja

fv1 ; v2 g a base ortogonal de V que se obtém aplicando o processo de ortogonalização de
Gram-Schmidt aos vectores u1 e u2 . Portanto,
v1 = u1 = (1; 1; 0; 0)
e
hu2 ; u1 i 1 1 1
v2 = u2 u1 = (1; 0; 1; 1) (1; 1; 0; 0) = ; ; 1; 1 :
hu1 ; u1 i 2 2 2
Assim,
h(2; 2; 1; 1); v1 i h(2; 2; 1; 1); v2 i

u = PV (2; 2; 1; 1) = v1 + v2 =
fv1 ;v2 g base ortogonal de V hv1 ; v1 i hv2 ; v2 i
0 4 1 1 4 4 8 8
= (1; 1; 0; 0) + ; ; 1; 1 = ; ; ;
2 5=2 2 2 5 5 5 5
e
6 6 3 3
v = PV ? (2; 2; 1; 1) = (2; 2; 1; 1) PV (2; 2; 1; 1) = ; ; ; :
5 5 5 5
Finalmente
d((1; 1; 1; 1); V ) = jjPV ? (1; 1; 1; 1)jj = jj(1; 1; 1; 1) PV (1; 1; 1; 1)jj =
h(1; 1; 1; 1); v1 i h(1; 1; 1; 1); v2 i

= jj(1; 1; 1; 1) v1 v2 jj =
fv1 ;v2 g base ortogonal de V hv1 ; v1 i hv2 ; v2 i
p
jj(1; 1; 1; 1) (1; 1; 0; 0)jj = jj(0; 0; 1; 1)jj = 2:
b) Como
x=y 2z 3w
e
(y 2z 3w; y; z; w) = y(1; 1; 0; 0) + z( 2; 0; 1; 0) + w( 3; 0; 0; 1)
436
concluí-se que
W = L((1; 1; 0; 0); ( 2; 0; 1; 0); ( 3; 0; 0; 1)):
Portanto,
W ? = N (A)
2 3
1 1 0 0
com A = 4 2 0 1 0 5.
3 0 0 1
c)
(1; 1; 0; 0); (1; 0; 1; 1) 2 W;
pelo que qualquer combinação linear entre eles também pertence a W (porque W é um
espaço linear). Portanto V W . Assim, W ? V ? , donde
W ? \ V ? = W ?:
Mais, f(1; 1; 2; 3)g é uma base de W ? pois
W? = L 1 1 2 3 :
d) Não, pois pela alínea c) podemos concluir que W ? V ? e portanto
W ? + V ? = V ? 6= R4 :
29. a)
? ? ?
V? = N 4 3 2 1 = L 4 3 2 1 =L 4 3 2 1 :
Logo f(4; 3; 2; 1)g é uma base ortogonal para V ? :
b)
p
? 2 5 6
d (1; 2; 3; 4); V = k(1; 2; 3; 4) PV ? (1; 2; 3; 4)k = (1; 2; 3; 4) (4; 3; 2; 1) = :
3 3
c) Os vectores (0; 1; 1; 1) e (1; 1; 1; 0) geram U e são ortogonais. Faltará encontrar uma

base ortogonal para U ? . Como
0 1 1 1
U? = N = L (f( 2; 1; 1; 0) ; ( 1; 1; 0; 1)g) :
1 1 1 0
437
Atendendo ao método de ortogonalização de Gram-Schmidt,
( )
( 2; 1; 1; 0) ; ( 1; 1; 0; 1) proj ( 1; 1; 0; 1) =
( 2; 1;1;0)
1
= ( 2; 1; 1; 0) ; ( 1; 1; 0; 1) ( 2; 1; 1; 0) =
2
1 1
= ( 2; 1; 1; 0) ; 0; ; ;1
2 2
é uma base para U ? . Logo,
1 1
(0; 1; 1; 1); (1; 1; 1; 0); ( 2; 1; 1; 0) ; 0; ; ;1
2 2
é uma base ortogonal de R4 que inclui os vectores (0; 1; 1; 1) e (1; 1; 1; 0).
d)
0 02 311?
2 1
?
0 1 1 1 B B6 1 1 7CC
U = L (f(0; 1; 1; 1); (1; 1; 1; 0)g) = N =B B6
@C @4 1
7CC :
1 1 1 0 0 5AA
0 1
30.
W = f(x; y; z) 2 R3 : x 2y 3z = 0g:
a) Como W = L (f(2; 1; 0); (3; 0; 1)g), então
(x 1; y 1; z 1) 2 W ? ,
, (h(x 1; y 1; z 1); (2; 1; 0)i = 0 e h(x 1; y 1; z 1); (3; 0; 1)i = 0)

, (2 (x 1) + (y 1) = 0 e 3 (x 1) + (z 1) = 0) , (2x + y = 3 e 3x + z = 4)
pelo que, as equações cartesianas da recta que passa pelo ponto u = (1; 1; 1) e é perpendicular
ao plano W são:
2x + y = 3 e 3x + z = 4:
b)
W = (x; y; z) 2 R3 : h(x; y; z); (1; 2; 3)i = 0 :
Logo, a equação cartesiana do plano que passa pelo ponto u = (1; 1; 1) e é paralelo ao plano
W é:
h(x 1; y 1; z 1); (1; 2; 3)i = 0 , x 2y 3z = 4:
438
31. Considere a recta
r = (1; 1; 1) + L (f(1; 1; 1)g) :
a) Seja W = L (f(1; 1; 1)g). Então

? ?
W = W? = N 1 1 1 = (L (f(1; 1; 0); ( 1; 0; 1)g))? .
Logo,
(x 1; y 1; z 1) 2 W ,
, (h(x 1; y 1; z 1); (1; 1; 0)i = 0 e h(x 1; y 1; z 1); ( 1; 0; 1)i = 0)
, (x + y = 2 e 3x + z = 4)
pelo que, as equações cartesianas da recta r são:
x+y =2 e x + z = 0:
b) Como
W ? = (x; y; z) 2 R3 : h(x; y; z); (1; 1; 1)i = 0 ;
então a equação cartesiana do plano que passa pelo ponto u = (1; 0; 0) e é perpendicular à
recta r é:
h(x 1; y 0; z 0); (1; 1; 1)i = 0 , x y + z = 1.
32. Seja P o plano (em R3 ) que passa pelos pontos: (1; 1; 1) ; (2; 0; 3) e (0; 2; 2). Tem-se
P = f(1; 1; 1)g + L (f(1; 1; 2); ( 1; 1; 1)g)

uma vez que
(1; 1; 2) = (2; 0; 3) (1; 1; 1) e ( 1; 1; 1) = (0; 2; 2) (1; 1; 1) .
a) Seja
U = L (f(1; 1; 2); ( 1; 1; 1)g) .
Logo,
? ?
? ? 1 1 2 1 1 2
U= U = N = N
1 1 1 0 0 1
= (L (f(1; 1; 0)g))? = (x; y; z) 2 R3 : h(x; y; z); (1; 1; 0)i = 0

e assim, a equação cartesiana do plano P que passa pelo ponto (1; 1; 1) é dada por:
(h(x 1; y 1; z 1); (1; 1; 0)i = 0) , (1 (x 1) + 1 (y 1) + 0 (z 1) = 0) ,
ou seja por
x + y = 2.
439
b) Equações paramétricas de P:
8
< x=1+
y=1 +
:
z =1+2 +
com ; 2 R.
c) Equação vectorial de P:
(x; y; z) = (1; 1; 1) + (1; 1; 2) + ( 1; 1; 1); com ; 2 R:
33. Determine a solução de mínimos quadrados de Au = b, com

2 3 2 3
1 2 3
A=4 2 4 5 e b=4 2 5
1 2 1
calculando o correspondente vector erro de mínimos quadrados.

Tem-se car AT A = car A = 2 e como tal a solução de mínimos quadrados é única e
dada por:
1 T
u = AT A A b=
0 2 31 1 2 3
1 2 3
@ 1 2 1 4 5 A 1 2 1 4 5 6=5
= 2 4 2 = .
2 4 2 2 4 2 1=10
1 2 1
O vector erro de mínimos quadrados b Au é dado por:
2 3 2 3 2 8 3
3 1 2 5
6=5
b Au = 4 2 5 4 2 4 5 = 4 45 5
1=10
1 1 2 0
sendo o erro de mínimos quadrados dado por:
8 4 4p
kb Auk = ; ;0 = 5.
5 5 5
440
1. (i) (312645) é par pois tem 4 inversões. (ii) (234516) é par pois tem 4 inversões.
(iii) (654321) é ímpar pois tem 15 inversões. (iv) (123456) é par pois tem 0 inversões.
(v) (546321) é ímpar pois tem 13 inversões. (vi) (453261) é par pois tem 10
inversões.
(vii) (634125) é ímpar pois tem 9 inversões. (viii) (123465) é ímpar pois tem 1
inversão.
2. (i) (234516) é par pois tem 4 inversões e (312645) é par pois tem 4 inversões. Logo,
tem-se
+a23 a31 a42 a56 a14 a65
uma vez que (234516) e (312645) têm a mesma paridade.
(ii) (123456) é par pois tem 0 inversões e (654321) é ímpar pois tem 15 inversões. Logo,
tem-se
a16 a25 a34 a43 a52 a61
uma vez que (123456) e (654321) têm paridades diferentes.
(iii) (546321) é ímpar pois tem 13 inversões e (453261) é par pois tem 10 inversões. Logo,
tem-se
a54 a45 a63 a32 a26 a11
(iv) (123465) é ímpar pois tem 1 inversão e (634125) é ímpar pois tem 9 inversões. Logo,
tem-se
+a16 a23 a34 a41 a62 a55
3. (i) (123) é par pois tem 0 inversões e (321) é ímpar pois tem 3 inversões. Atendendo
à de…nição de determinante, tem-se
0 0 a13
0 a22 a23 = a13 a22 a31
a31 a32 a33
(ii) (1234) é par pois tem 0 inversões e (4321) é par pois tem 6 inversões. Atendendo à
de…nição de determinante, tem-se
0 0 0 a14
0 0 a23 a24
= a14 a23 a32 a41
0 a32 a33 a34
a41 a42 a43 a44
441
(iii) Ao efectuar n 1 + n 2 + ::: + 2 + 1 trocas de linhas: linha 1 com cada uma das
n 1 linhas que lhe estão abaixo, nova linha 1 com cada uma das n 2 linhas que lhe estão
abaixo (excluindo a nova linha n) e assim sucessivamente, tem-se
2 3 2 3
0 0 a1n an1 ann
6 7 6 an 1 n 7
7 = ( 1)n 2 det 6 0 an 1 2
n 1
det 6
4 0 an 1 2
7=
an 1 n 5 4 5
an1 ann 0 0 a1n
n 1
= ( 1)n 2 a1n :::an 1 2 an1
atendendo a que
n 1+1 n 1
n 1+n 2 + ::: + 2 + 1 = (n 1) =n :
2 2
4.
1 2
(i) =4 6= 2 6= 0, logo a matriz é invertível.
3 4
18563 18573 18563 10 18563 10

(ii) = = = 29090 6= 0, logo a matriz é
21472 21482 21472 10 2909 0
invertível.
p p
1 + p2 2 p3
(iii) = 1 2 (4 3) = 2 6= 0, logo a matriz é invertível.
2+ 3 1 2
cos sen
(iv) = cos2 ( sen2 ) = 1 6= 0, logo a matriz é invertível.
sen cos
2 0 1
(v) 5 3 0 = 12 + 5 ( 15) = 8 6= 0, logo a matriz é invertível.
5 1 2
2 3 2
(vi) 5 1 3 = 2 + 18 + 10 4 15 ( 6) = 13 6= 0, logo a matriz é invertível.
2 1 1
2 1 1 2 3 2
(vii) 5 1 3 = 5 1 3 = 13 6= 0, logo a matriz é invertível.
por (vi)
2 3 2 2 1 1
8 12 8 2 3 2
(viii) 5 1 3 =4 5 1 3 = 52 6= 0, logo a matriz é invertível.
por (vi)
2 1 1 2 1 1
1 2 3 1 2 3 1 2 3
(ix) 4 5 6 = 2 1 0 = 2 1 0 = 0, logo a matriz não é invertível.
7 8 9 4 2 0 0 0 0
442
0 1 0 0 0 1 0 0 1 0 0 0
1 0 1 0 1 0 0 0 0 1 0 0
(x) = = = 1 6= 0, logo a matriz é invertível.
0 1 0 1 0 0 0 1 0 0 1 0
0 0 1 0 0 0 1 0 0 0 0 1
2 2 8 6
0 1 2 0
(xi) = 30 6= 0, logo a matriz é invertível.
0 0 3 23
0 0 0 5
(xii)
1 3 1 1 1 3 1 1
3 1 1 1 3 1
1 2 1 1 0 1 2 2 4+1 4+3
= = 2( 1) 1 2 2 +( 2)( 1) 0 1 2 =
2 1 1 1 2 1 1 1
1 1 1 2 1 1
2 0 2 0 2 0 2 0
= 2 [ 6 + 1 + ( 2) ( 1) ( 2) 6] + 2 [1 + 12 2 2] = 20 + 18 = 38 6= 0,
logo a matriz é invertível.
0 0 0 5 2 2 8 6
0 0 3 23 0 1 2 0
(xiii) = = 30 6= 0, logo a matriz é
0 1 2 0 0 0 3 23 por (xi)
2 2 8 6 0 0 0 5
invertível.
12 22 32 42 12 22 32 42 12 22 32 42 12 22 32 42
22 32 42 52 3 5 7 9 3 5 7 9 3 5 7 9
(xiv) 2 = = = =
3 42 52 62 5 7 9 11 2 2 2 2 2 2 2 2
42 52 62 72 7 9 11 13 2 2 2 2 0 0 0 0
= 0, logo a matriz não é invertível.

0 4 0 0 0 2 3
4 0 0 0
0 0 0 2 0 0 2 0
0 0 2 0
(xv) 0 0 0 0 1 = 5( 1)5+1 = 5 44( 1)1+1 0 0 1 5 = 120 6= 0,
0 0 0 1
0 0 3 0 0 3 0 0
0 3 0 0
5 0 0 0 0
logo a matriz é invertível.
a 0 0 0 b
b a 0 0 0
(xvi) 0 b a 0 0 = a5 + b5 6= 0 se e só se a 6= b, logo a matriz é invertível se e
0 0 b a 0
0 0 0 b a
só se a 6= b.
7 4 0 5
7 4 5 1 2 2 1 2 2
1 2 0 2
(xvii) = 3 ( 1)6 1 2 2 = 3 2 2 4 = 3 0 6 8 =
2 1 3 8
2 2 4 7 4 5 0 18 19
2 2 0 4
443
= 3 (6 ( 19 + 3 8)) = 3 (6 ( 19 + 3 8)) = 3 30 = 90 6= 0, logo a matriz é
invertível.
9 0 6 4 2
9 6 4 2 2 6 4 9
5 3 0 1 2
8 4 1 1 1 4 1 8
(xviii) 8 0 4 1 1 = 3 ( 1)4 =3 =
6 3 1 3 3 3 1 6
6 0 3 1 3
7 5 2 3 3 5 2 7
7 0 5 2 3
1 4 1 8 1 4 1 8
2 6 25 2 6 25
2 6 4 9 0 2 6 25
3 = 3 = 3 7 2 5 = 3 7 2 5 =
3 3 1 6 0 9 4 30
7 1 17 0 3 12
3 5 2 7 0 7 1 17
2 0 1 2 0 1
3 7 2 5 = 3 7 2 13 = 3 (21 78) = 171 6= 0, logo a matriz é
0 3 12 0 3 0
invertível.
7 4 1 3 6
7 4 1 6
0 0 0 2 0
0 0 5 1
(xix) 0 0 5 8 1 = 2 ( 1)6 =
0 0 3 p0
0 0 3 p0
5 3 7 3
5 3 7 9 3
7 4 6
6 6 7 4
= 2 ( 1) ( 3) 0 0 p1 = 6 ( 1)5 = 6 6= 0, logo a matriz é invertível.
5 3
5 3 3
2 1 0 0
2 1 0
7 3 0 2 6 2 1
(xx) = ( 1) 7 3 2 = 2 ( 1)5 = 30 6= 0, logo a
3 1 1 3 9
3 9 0
3 9 0 0
matriz é invertível.
1 1 1 1 1
1 1 1 1 1 2 0 0
1 1 1 1 1
1 1 1 1 1 0 2 0
(xxi) 1 1 1 1 1 =( 1) ( 1)4+2 = =
1 1 1 1 1 0 0 2 (2314)
0 1 0 0 0
0 0 0 1 0 0 0 1 é par
0 1 0 0 1
4.
..
n n 1 . 2 1 1 1 1 1
.. 1 2 2 2
n 1 n 1 . 2 1
(xxii) .. .. = .... . . =
... . . .
. .
2 2 2 1 1 2 n 1 n 1
1 1 1 1 1 2 n 1 n
444
1 1 1 1 1 1 1
0 1 1 1 . . . ..
.. .. . . 0 1 .
= . . . = = . . . = 1 6= 0, logo a matriz é
.. . . .. 1
0 1 n 2 n 2
0 1 n 2 n 1 0 0 1
invertível.
2 3
0 a 0 0 0
6 e 0 b 0 0 7
6 7
5. (i) Seja A = 66 0 f 0 c 0 7, com a; b; c; d; e; f; g; h 2 R. Se a = 0 ou h = 0 então
7
4 0 0 g 0 d 5
0 0 0 h 0
det A = 0, isto é, A não é invertível. Se a 6= 0 e h 6= 0 então
0 a 0 0 0 0 a 0 0 0
e 0 b 0 0 e 0 b 0 0
det A = 0 f 0 c 0 = 0 0 0 0 0 = 0,
0 0 g 0 d 0 0 g 0 d
0 0 0 h 0 0 0 0 h 0
isto é, A não é invertível. Logo, A não é invertível para quaisquer a; b; c; d; e; f; g; h 2 R.
Em alternativa, pelo teorema de Laplace
0 0 0 0 0 a 0 0
e b 0 0 e 0 b 0
det A = ( 1)5 f + ( 1)7 c = 0.
0 g 0 d 0 0 g d
0 0 h 0 0 0 0 0
(ii) Diga, para que valores de a; b; c; d; e; f; g; h; i; j 2 R, é invertível a seguinte matriz

2 3
0 a 0 0 0 0 2 3
6 f 7 f b 0 0 0
6 0 b 0 0 0 7 6 0 0 c 0 0 7
6 0 g 0 c 0 0 7 6 7
det 6
6 0
7 = a ( 1)3 det 6 0 h 0 d 0 7 =
7 6 7
6 0 h 0 d 0 7 4 0 0 i 0 e 5
4 0 0 0 i 0 e 5
0 0 0 j 0
0 0 0 0 j 0
2 3
f b 0 0 2 3
6 7 f b 0
0 h d 0 7
= ac ( 1)5 det 6 7 4
4 0 0 0 e 5 = ace ( 1) det 0 h d = acef hj,
5
0 0 j
0 0 j 0
pelo que a matriz será invertível se e só se a; c; e; f; h; j 2 Rn f0g.
6. Determinemos todos os valores do escalar para os quais a matriz A I não é

invertível, isto é, todos os valores próprios de A.
3 2
(i) det (A I) = = (1 + ) 6= + 6.
2 1
445
Logo, det (A I) = 0 , ( = 2 ou = 3).
10 2
2
(ii) det (A I) = 0 1 2 = 1 + 4 (1 + ) 4 (1 )=
2 2
2
= 1 + 8 . Logo, det (A I) = 0 , ( = 0 ou = 3 ou = 3).
2 3 2 3
1 1 1 1 1 1
(iii) det (A I) = det 4 1 1 1 5 = det 4 0 5=
1 1 1 0
2 3 2 3
2 1 1 3 1 1
= det 4 0 5 = det 4 0 0 5 = ( 1)3 ( 3) 2
.
0 0 0 0
Logo, det (A I) = 0 , ( = 0 ou = 3).
(iv)
2 3
2 3 1 1 1 1
1 1 1 6 7
6 ... ... .. 7 6 0 0 7
6 1 . 7 6 .. .. ..7
det (A I) = det 6 .. 7 = det 6 . 0 . .7=
4 .. 5 L1 +Li !Li 6 7
. . 1 4 .. .. ..
i=2;:::;n . . . 0 5
1 1 1 n n 0 0
2 3
n 1 1 1
6 0 0 0 7
6 .. ..7
6 ..
.
..
. 7 n n 1
= det 6 . .7 = ( 1) ( n) :
Ci +C1 !C1 6 ... 7
i=2;:::;n 4 0 5
0 0
Logo, det (A I) = 0 , ( = 0 ou = n).

2
0 2
1
7. , 1 1 , .
1 4 2
0
2 3 2 3
1 0 1 1 0 1
6 1 0 7 6 0 2
1 7
8. a) A = 6
4 0
7 ! 6 7.
0 1 1 5 L1 +L2 !L2 4 0 0 1 1 5
L1 +L4 !L4
1 0 0 0 0 1
8
< 2 se =1
Logo car A = 3 se = 1
:
4 se 6= 1 e 6= 1.
A é 4 4. Logo A é invertível se e só se car A = 4. Assim, A é invertível se e só se

2 Rn f 1; 1g.
446
b) det (A0 )n + (A0 )n+2 = det (A0 )n I + (A0 )2 =
2 3
3 0 0 1
6 0 2 0 0 7
= (det A0 )n det I + (A0 )2 = det 6
4 1
7 = 20:
| {z } 0 2 1 5
=1
1 0 0 2
1 0
1 1 1 1+3
c) (A ) = (cof A )(1;3) = ( 1) 0 0 1 =
(3;1) det A (1 )2 (1 + ) 1
2
1 1
= 2 = :
(1 ) (1 + ) 1
T
1 1 4 3 2 1
9. (i) A 1
= (cof A)T = =
det A 2 2 1 3=2 1=2
2 3T 2 3
1 0 0 1 1 0
1 14 5 4
(ii) A 1
= T
(cof A) = 1 1 0 = 0 1 1 5
det A 1
0 1 1 0 0 1
3T 2 2 3
18 0 6 3 4 2=3
1 1
(iii) A 1
= (cof A)T = 4 24 0 6 5 = 4 0 0 1=6 5
det A 6
4 1 1 1 1 1=6
10. 2 3
1 3 0 1 2 3
6 2 1 1
2 0 1 1 7
det A = 2 ( 1)3+4 det 6
4 0
7 = 2 ( 3) ( 1)1+2 det 4 0 2 1 5 =
0 2 1 5
2 1 1
2 0 1 1
24 6= 0
logo A é invertível e 2 3
1 0 0 1
6 2 1 0 1 7
(A 1 )(2;3) = 1
(cof A)T = 1
(cof A)(3;2) = 1
( 1)3+2 det 6
4 0
7=
det A
(2;3)
det A 24 2 0 1 5
2 1 0 1
0:
11. det 2B T ABA 1

3B T = det B T (2ABA21 3I) = det B T
3 det (A (2B 3I) A 1 ) =
3 0 2
= det B det A det (2B 3I) det A 1
= ( 1) det 4 0 1 0 5 = 5:
2 0 3
1
0 1 0 1 2 1 2 1
12. I A = A det , A = I , A = =
2 2 2 2 2 0 2 0
0 12
:
1 1
447
13.
det AT A + A det A 5A = det A det AT + I det A 5I =

det A=4
02 3 1 2 3
1 1 1 2 1 1
= 4 det @4 1 1 1 5 I A = 4 det 4 1 2 1 5 = 0;
1 1 1 1 1 2
logo a matriz AT A + A det A 5A é não invertível.
14.
3 1 1 ( 2)3 1
det 2A 1 AT det A 2
= 2 det(A 2 ) det AT = ( 2)3 = = :
det A (det A)6 ( 2)6 8
15.
2 3
0 a 0 1 2 3 2 3
6 1 7 1 2 0 1 0 2
0 2 0 7
det 6
4 0
1+2 4 5 1+4 4
= 1 , a ( 1) det 0 0 1 + ( 1) det 0 2 0 5=1,
2 0 1 5
1 a 0 1 0 a
1 0 a 0
1 2 1 2
, a ( 1)2+3 det + ( 1) ( 2) ( 1)2+2 det =1,
1 a 1 a
p p
, a (a 2) + 2 (a 2) = 1 , a2 4 = 1 , (a = 5 ou a = 5).
16.
2 3 2 3 2 3
1 1 0 0 1 1 0 0 1 1 0 0
6 0 1 0 2 7 6 0 1 0 2 7 6 0 1 0 2 7
det 6
4
7 = det 6 7 = det 6 7=
1 1 2 2 5 4 1 0 2 0 5 4 1 0 2 0 5
1 0 2 1 1 0 2 1 0 0 0 1
2 3
1 1 0
4 1 1
= det 0 1 0 5 = 2 det = 2:
0 1
1 0 2
Logo
2 3
2 1 0 0
6 0 0 0 2 7
det A3 + A4 = (det A)3 det (I + A) = 8 det 6
4
7=
1 1 3 2 5
1 0 2 2
2 3
2 1 0 0 2 3
6 2 1 0
0 0 0 2 7
= 8 det 6
4
7= 8 2 det 4 1 1 3 5 = 48:
1 1 3 2 5
1 0 2
1 0 2 2
17.
448
0 2 315 2 3
0 0 0 1 1 0 0 1
B 6 1 0 0 0 7C 6 0 1 0 2 7
det (A6 A5 ) = (det A)5 det (A I) = B 6
@det 4 0
7C det 6 7=
1 0 0 5A 4 0 0 1 0 5
0 0 1 0 0 0 0 3
3:
0 1
18. AXB B = AX det AT A , AX @B Idet AT A A = B ,

| {z }
=1
23 1 2 32 3 1 2 3
0 0 1 1 0 1 0 0 1 1 0 1
,X=4 0 1 0 5 4 0 2 0 54 0 1 0 5 4
= 0 2 0 5:
1 0 0 1 0 1 1 0 0 1 0 1
3 2 0 2
3 2 2
1 0 0 3 3+3
19. (i) Tem-se det A = = ( 2) ( 1) 1 0 3 =
0 9 2 0
3 1 2
3 1 0 2
6 0
= ( 2) (2 + 18 ( 4) 9) = 30 = pelo que A é invertível. Logo,
3 0 2
1 1 1 4
A 1
(2;2)
= (cof A)T = (cof A)(2;2) = ( 1)2+2 0 2 0 = :
det A (2;2) det A 30 5
3 0 2
1 0 0 2 1 0 0 2
0 1 8
4 0 1 0 0 0 1 8 1+1
det B = = = ( 1)( 1) 1 0 3 = 17 6= 0
0 1 0 3 0 1 0 3
0 2 1
0 1 2 2 0 0 2 1
pelo que B é invertível. Logo,
1 0 2
1 1 1 14
B 1
(2;3)
= (cof B)T = (cof B)(3;2) = ( 1)3+2 4 1 0 = .
det B (2;3) det B 17 17
0 2 2
2 3
4 2 0 4
6 3 0 1 3 7
(ii) det (A + B) = det 6
4 0 10
7= 134 6= 47 = 30 17 = det A +
2 3 5
3 2 2 4
det B
2 3
2 2 0 0
6 5 0 1 3 7
det (A B) = det 64 0 8
7 = 138 6=
5 13 = 30 + 17 = det A det B
2 3
3 0 2 0
449
1 3 2 1
3 7 2 5 3 1
20. (i) x = = =2 e y= = = 1
2 3 1 2 3 1
5 7 5 7
(ii)
1 1 0 1 1 0 1 1 1
1 0 1 2 1 1 2 0 1
1 2 2 5 1 1 2 1 2 1 5
x= = = 1; y = = 0 e z= = = 1
1 1 0 5 1 1 0 1 1 0 5
2 0 1 2 0 1 2 0 1
1 2 2 1 2 2 1 2 2
1 0 1 9 8 1
21. det C = 2 3 2 = 6 6= 0, logo C é invertível. det D = 7 3 0 =
0 1 2 2 0 0
6 6= 0, logo D é invertível.
1 1 4
(i) det (2C ) = 23 =
det C 3
1 1 1 1 9
(ii) det C 3 (2C) = (det C)3 3
= (det C)2 =
2 det C 8 2
2
T 1 11 1 T 1 1 1 1 1
(iii) det C 2C = det C (C ) = 3 det (C ) det (C )= 3 =
2 2 2 det C
1
288
1 1 1 1 1 1
(iv) det C T 12 C 2
= det C T det (C 2
)= det C 2 = 3 =
23 23
(det C) 2 det C 48
(v) 02 3 2 31 2 3
1 1 1 9 8 1 19 15 3
2
det (C + 2D) = det @ 4 8 11 4 5 +2 4 7 3 0 5A = det 4 6 5 4 5=
2 1 6 2 0 0 2 1 6
62
1 1 1 1 1
(vi) det 2C T 2 3
3
D DT C = ( 2)3 det C T 2 3 1 =
det 3
D det (DT ) C
3
3 1 det D 1 27 27 3
= 8 (det C) 3 =8 2 = = .
2 (det D) det C (det D) 8 36 4
1 p
22. det(2AT B 3 ) = 23 det AT det(B 3 ) = 8 det A 3 = 64 3.
(det B)
450
1 1 a a+3 1 2
1 T 1
23. (i) 2 b 1 = 2 (ii) b+3 b 2 2 = 2 (iii) det 2
B B = 2
c 2 2 c+3 2 c c
a b 0 c
a b c
d e 0 f
24. =5, d e f =5
g h 0 i
g h i
x y 1 z
d e f a b c a+d b+e c+f

(i) g h i =5 (ii) 2d 2e 2f = 10 (iii) d e f =5
a b c g h i g h i
2i
2h 2g a g d
(iv) f 3c e 3b d 3a = 10 (v) b h e = 5
c b a c i f
a b c a b c
3
25. (i) 6 3 0 = (ii) 2a + 2 2b + 1 2c =1
1 1 2
2
1 2
a+1 b+2 c+1
a 1 b 2 c 1
(iii) 3 3 1 =1
1 2 1
1 1 1 1 1 1
(iv) 2 1 0 = 2 1 0 =
3a + 1 3b + 2 3c + 1 3a + 1 3b + 2 3c + 1
1 2 1 1 2 1 a b c
= 2 1 0 = 2 1 0 =3 2 1 0 =3
3a + 1 3b + 2 3c + 1 3a 3b 3c 1 2 1
1 2
2
26. + 2 = .
1 1 1 1 1 1 1 1 1 1
+1 2 2 2 2 0 1 1 1 1
+1 +2 3 3 3 0 0 1 1 1 6
27. = = .
+1 +2 +3 4 4 0 0 0 1 1
+1 +2 +3 +4 5 0 0 0 0 1
+1 +2 +3 +4 +5 0 0 0 0 0
::: 0 0 ::: 0
1 +1 1 ::: 1 1 0 ::: 0
.. . .. ...
. 1 + 1 .. . 0 n
28. .. .. .. = .. . . = .
. 1 . 1 . . 0 . . 0 ..
.. ... .. . .
. +1 1 . . 0
1 1 1 ::: 1 +1 1 0 0 ::: 0
451
29. Sejam 6= 0 e A = (aij )n n.
1 1 1 1
a11 a12 a13
2 ::: n 2 a1 n 1 n 1 a1n
1 1 1
a21 a22 a23 ::: n 3 a2 n 1 n 2 a2n
.. ..
i j
. a32 a33 .
det aij = .. ... 1 .. =
. a43 an 2n 1 .
.. ... 1
. an 1 n 1 an 1 n
n 1 n 2 n 3
an1 an2 an3 : : : an n 1 ann
n 1 n 2 n 3
a11 a12 a13 : : : a1 n 1 a1n
n 1 n 2 n 3
a21 a22 a23 : : : a2 n 1 a2n
.. .
1 1 1 . n 2
a32 n 3
a33 . .
= ::: .. . .. =
n 2 n 1
. n 3
a43 . . an 2n 1 .
.. ..
. . a n 1 n 1 an 1 n
n 1 n 2 n 3
a11 a12 a13 : : : a1 n 1 a1n
a21 a22 a23 : : : a2 n 1 a2n
.. ..
1 1 1 n 1 n 2
. a32 a33 .
= ::: ::: .. . .. = det A.
n 2 n 1
. a43 . . an 2 n 1 .
.. . .
. . an 1 n 1 an 1 n
30. Seja 2 3
1 a a2
A = 4 1 b b2 5 ,
1 c c2
com a; b; c 2 R. A matriz A é invertível se e só se det A 6= 0. Tem-se
1 a a2 1 a a2
det A = 1 b b2 = 0 b a b 2
a2 =0
1 c c2 0 c a c 2 a2
se a = b ou a = c. Se a 6= b e a 6= c então
1 a a2 1 a a2 1 a a2
det A = 1 b b2 = 0 b a b 2
a2 = 0 b a b 2
a2 =
1 c c2 0 c a c 2 a2 0 0 c2 a 2
(c a)(b + a)
1 a a2 1 a a2
2 2 2
= 0 b a b a = 0 b a b a2 =0
0 0 (c a) [(c + a) (b + a)] 0 0 (c a) (c b)
se b = c.
Logo, a matriz A é invertível se e só se a 6= b; a 6= c e b 6= c.
452
31. (i)
1 1 1 1 0 0
1 0
x1 y1 y1 = x1 y1 x1 y1 x1 = (y1 x1 ) ( 1)2+2 det = (y1 x1 ) (y2 x2 ) .
x2 y2 x2
x2 x2 y2 x2 0 y2 x2
(ii)
2 3 2 3
(x1 )3 (x1 )2 x1 1 1 x1 (x1 )2 (x1 )3
6 (x2 )3 (x2 )2 x2 1 7 6 1 x2 (x2 )2 (x2 )3 7
det 6
4 (x3 )3
7 = det 6 7=
(x3 )2 x3 1 5 4 1 x3 (x3 )2 (x3 )3 5
(x4 )3 (x4 )2 x4 1 1 x4 (x4 )2 (x4 )3
2 3
1 x1 (x1 )2 (x1 )3 (x1 )3
6 0 x2 x1 (x2 )2 (x1 )2 (x2 )3 (x1 )3 7
= det 64 0 x3 x1 (x3 )2 (x1 )2
7=
(x3 )3 (x1 )3 5
0 x4 x1 (x4 )2 (x1 )2 (x4 )3 (x1 )3
2 3
1 x1 (x1 )2 (x1 )3 (x1 )3
6 0 1 x2 + x1 x21 + x1 x2 + x22 7
= (x4 x1 ) (x3 x1 ) (x2 x1 ) det 6
4 0 1
7=
x3 + x1 x21 + x1 x3 + x23 5
0 1 x4 + x1 x21 + x1 x4 + x24
2 3
1 x1 (x1 )2 (x1 )3 (x1 )3
6 0 1 x2 + x1 x21 + x1 x2 + x22 7
= (x4 x1 ) (x3 x1 ) (x2 x1 ) det 6 7
4 0 0 x3 x2 x1 (x3 x2 ) + x23 x22 5 =
0 0 x4 x2 x1 (x4 x2 ) + x24 x22
2 3
1 x1 (x1 )2 (x1 )3 (x1 )3
6 0 1 x2 + x1 x2 + x1 x2 + x2 7
= (x4 x1 ) (x3 x1 ) (x2 x1 ) (x3 x2 ) (x4 x2 ) det 6
4 0 0
1 2 7=
5
1 x1 + x3 + x2
0 0 1 x1 + x4 + x2
2 3
1 x1 (x1 )2 (x1 )3 (x1 )3
6 0 1 x2 + x1 x2 + x1 x2 + x2 7
= (x4 x1 ) (x3 x1 ) (x2 x1 ) (x3 x2 ) (x4 x2 ) det 6
4 0 0
1 2 7=
5
1 x1 + x3 + x2
0 0 0 x4 x3
= (x4 x1 ) (x3 x1 ) (x2 x1 ) (x3 x2 ) (x4 x2 ) (x4 x3 ) =
= (x1 x2 ) (x1 x3 ) (x1 x4 ) (x2 x3 ) (x2 x4 ) (x3 x4 )
b+c c+a b+a a+b+c a+b+c a+b+c 0 0 0

32. (i) a b c = a b c = a b c =0
1 1 1 1 1 1 1 1 1
a1 + b 1 a1 b1 c 1 2a1 a1 b1 c1 2a1 b1 c1 a1 b 1 c 1
(ii) a2 + b2 a2 b2 c 2 = 2a2 a2 b2 c 2 = 2a2 b2 c2 = 2 a2 b 2 c 2
a3 + b 3 a3 b3 c 3 2a3 a3 b3 c 3 2a3 b3 c3 a3 b 3 c 3
453
a1 b 1 a1 + b 1 + c 1 a1 b 1 c 1
(iii) a2 b 2 a2 + b 2 + c 2 = a2 b 2 c 2
a3 b 3 a3 + b 3 + c 3 a3 b 3 c 3
a1 + b1 c1 + d1
33. = (a1 + b1 ) (c2 + d2 ) (a2 + b2 ) (c1 + d1 ) =
a2 + b2 c2 + d2
= a1 c 2 a2 c1 + a1 d2 b2 c1 + b1 c2 a2 d1 + b1 d2 b2 d1 =
a1 c 1 a c b d b d
= + 1 1 + 1 1 + 1 1 :
a2 c 2 b2 d2 a2 c 2 b2 d2
0 0 2 0 0 2 4 2 2 0 0 0
34. 2 1 1 = 2 1 1 =0 e 2 1 1 = 2 1 1 =0
0 0 5 0 0 0 0 0 5 0 0 5
2x x 1 2
1 x 1 1
35. O coe…ciente de x3 na expressão é 1, uma vez que as permutações
3 2 x 1
1 1 1 x
correspondentes ao produto x
| 1 {z x } são (1234)
x (a das linhas) e (2134) (a das colunas):
| {z } | {z }
=x3 par ímpar
1 x 1 1 x 0
36. (i) 0 1 1 =0, 0 1 1 =0, 1+x=0,x=1
1 0 2 1 0 1
x x x x x x x x
x 4 x x 0 4 x 0 0
(ii) =0, = 0 , x (4 x)3 = 0 , (x = 0 ou x = 4)
x x 4 x 0 0 4 x 0
x x x 4 0 0 0 4 x
x 1 1 1 x 1 1 1
1 x 1 1 0 x 1 0 1 x
(iii) =0, =0,
1 1 x 1 0 0 x 1 1 x
1 1 1 x 1 1 1 x
x 1 x 1 x 1 x 0 1 x 1 x 1 x2
0 x 1 0 1 x 0 x 1 0 1 x
, =0, =0,
0 0 x 1 1 x 0 0 x 1 1 x
1 0 0 x 1 1 0 0 x 1
0 0 0 3 2x x2 0 0 0 3 2x x2
0 x 1 0 1 x 0 x 1 0 0
, =0, =0,
0 0 x 1 1 x 0 0 x 1 0
1 0 0 0 1 0 0 0
1 0 0 0
0 x 1 0 0
, =0, (x 1)2 (3 2x x2 ) = 0 , (x = 1 ou x = 3)
0 0 x 1 0
0 0 0 3 2x x2
454
5 3 3 5 3 533 5 3 13 5 3 13
37. 7 1 5 = 7 1 715 = 7 1 13 = 13 7 1 13 .
100C1 +10C2 +C3 !C3
8 7 1 8 7 871 8 7 13 8 7 13
2 1 8 2 1 5 2 1 1
38. 1 0 10 = 1 0 10 =5 1 0 2 .
3C2 +C3 !C3
3 7 4 3 7 25 3 7 5
39. Seja A = (aij )n n com n ímpar e tal que aij + aji = 0, para todos os i; j = 1; :::; n:
Mostre que A não é invertível.
Dem. (aij + aji = 0, para todos os i; j = 1; :::; n), AT = A. Logo
det A = det AT = det ( A) = ( 1)n det A = det A , det A = 0:

n é ímpar
Pelo que A não é invertível.
40. Se A (real) fôr ortogonal então det A = 1 ou det A = 1:
Dem. Sendo A ortogonal, tem-se
AT A = AAT = I
pelo que
(det A)2 = det A det A = det AT det A = det AT A = det I = 1 ,
, (det A = 1 ou det A = 1) .
Sendo A unitária, tem-se
AH A = AAH = I
pelo que
jdet Aj2 = det A det A = det AH det A = det AH A = det I = 1 ,
, jdet Aj = 1.
41. Sendo A 2 M5 6 (R), tem-se AT A 2 M6 6 (R). Como N (A) N AT A e
dim N (A) = 6 car A 6 5=1
então
1 dim N (A) dim N AT A :
Logo dim N AT A 6= 0 pelo que AT A não é invertível, isto é,
det AT A = 0:
455
1. Seja 2 3
9 8 7
A = 4 6 5 4 5.
3 2 1
Como
2 3 2 3 2 3
9 8 7 3 2 1 1 2 3
det (A 4
0I) = det 6 5 4 5 = det 4 6 5 4 5 = det 4 4 5 6 5 =
3 2 1 9 8 7 7 8 9
2 3 2 3
1 2 3 1 2 3
4
= det 0 3 6 5 = det 4 0 3 6 5=0
0 6 12 0 0 0
| {z }
então 0 é valor próprio de A e atendendo a (*) (1; 2; 1) 2 N (A) = L f(1; 2; 1)g, logo
tem-se 2 3 2 3 2 3
1 0 1
A4 2 5 = 4 0 5 = 04 2 5
1 0 1
isto é, (1; 2; 1) é um vector próprio de A associado ao valor próprio 0.
2. Tem-se
2 32 3 2 3 2 32 3 2 3
5 5 5 0 0 5 5 5 1 1
4 5 5 5 54 1 5 = 04 1 5 e 4 5 5 5 54 1 5 = 04 1 5.
5 5 5 1 1 5 5 5 0 0
2 3
5 5 5
Logo, 0 é um valor próprio de 4 5 5 5 5 e (0; 1; 1) e (1; 1; 0) são dois vectores próprios
5 5 5
(associados ao valor próprio 0) linearmente independentes.
3. Determinemos os valores próprios de uma matriz A 2 2 cujo traço seja igual a 5 e

cujo determinante seja igual a 6.
a b
Seja A = 2 M2 2 (R). Tem-se
c d
tr A = 5 , a + d = 5 e det A = 6 , ad bc = 6.
Sejam 1 e 2 dois valores próprios de A. Como
tr A = 1 + 2 e det A = 1 2
456
então
1 + 2 =5 e 1 2 =6
Logo
[ 1 =5 2 e (5 2) 2 = 6] , ( = 3 ou = 2),
isto é, os valores próprios de A são 3 e 2.
4. Determinemos uma matriz A real simétrica (AT = A) 2 2 cujos valores próprios

sejam 2 e 2 e tal que (2; 1) seja um vector próprio associado ao valor próprio 2.
a b
Seja A = 2 M2 2 (R) tal que A = AT . Logo b = c. Além disso, sendo 2 e 2
c d
dois valores próprios de A tem-se
a+2 b
0 = det (A + 2I) = det = b2 + 2a + 2d + ad + 4
b d+2
e
a 2 b
0 = det (A 2I) = det = b2 2a 2d + ad + 4
b d 2
sendo (2; 1) um vector próprio associado ao valor próprio 2 tem-se
a b 2 2
=2 , (2a + b = 4 e 2b + d = 2).
b d 1 1
Logo 8
8 > a = 56
> 2
b + 2a + 2d + ad + 4 = 0 >
>
>
< >
<
b2 2a 2d + ad + 4 = 0
, b = 85
>
> 2a + b = 4 >
>
: >
>
2b + d = 2 : 6
d= 5
e assim 2 3
6 8
a b 5 5
A= =4 5.
b d 8 6
5 5
5. Considere a transformação linear T : R3 ! R3 que admite os vectores próprios
v1 = (1; 2; 1); v2 = ( 1; 0; 1); v3 = (0; 1; 0);
associados respectivamente aos valores próprios 1; 2 e 3.

Determinemos a expressão geral de T .
Seja (x; y; z) 2 R3 . Existem ; ; 2 R tais que
(x; y; z) = (1; 2; 1) + ( 1; 0; 1) + (0; 1; 0).
457
Logo
2 3 2 3 2 3
1 1 0 j x 1 1 0 j x 1 1 0 j x
4 2 5
0 1 j y ! 04 5 4
2 1 j y 2x ! 0 2 1 j y 2x 5
1 1 0 j z 0 2 0 j z x 0 0 1 j z y+x
e assim = x+y z, = 12 ( x + z), = 21 (x + z). Pelo que

1 1
T (x; y; z) = (x + z) T (1; 2; 1) + ( x + z) T ( 1; 0; 1) + ( x + y z) T (0; 1; 0) =
2 2
1 1
= (x + z) (1; 2; 1) + ( x + z) 2( 1; 0; 1) + ( x + y z) 3(0; 1; 0) =
2 2
3 1 3 1
= x z; 3y 2x 2z; z x
2 2 2 2
ou seja, a expressão geral de T é dada por:
3 1 3 1
T (x; y; z) = x z; 3y 2x 2z; z x .
2 2 2 2

T (x; y; z) = (0; y + 3z; 3y + z).
(i) T (v1 ) = (0; 4; 4). Como não existe 2 R tal que T (v1 ) = v1 , então v1 não é vector
próprio de T .
T (v2 ) = (0; 2; 2) = ( 2)(0; 1; 1) = ( 2)v2 . Logo, v2 é um vector próprio de T
associado ao valor próprio 2.
T (v3 ) = (0; 0; 0) = 0(1; 0; 0) = 0v3 . Logo, v3 é um vector próprio de T associado ao valor
próprio 0.
T (v4 ) = (0; 10; 6). Como não existe 2 R tal que T (v4 ) = v4 , então v4 não é vector
próprio de T .
T (v5 ) = (0; 12; 12) = 4(0; 3; 3) = 4v5 . Logo, v5 é um vector próprio de T associado ao
valor próprio 4.
(ii) Determinemos os valores próprios de T . Seja A = M (T ; Bc3 ; Bc3 ). Tem-se

2 3
0 0 0
A = 4 0 1 3 5,
0 3 1
uma vez que T (1; 0; 0) = (0; 0; 0), T (0; 1; 0) = (0; 1; 3) e T (0; 0; 1) = (0; 3; 1) constituem
respectivamente a 1a , 2a e 3a colunas de A.
0 0
det(A I) = 0 1 3 = (1 )2 9 =
0 3 1
= ((1 ) 3) ((1 ) + 3) = ( 2 ) (4 ).
458
Os valores próprios de T são os valores próprios de A, isto é, são os valores de para os
quais det(A I) = 0. Logo, os valores próprios de T são
1 = 0, 2 = 2 e 3 = 4.
(iii) Como 0 é valor próprio de T então T não é invertível. Como T tem 3 valores
próprios distintos, os vectores próprios correspondentes a cada um deles irão ser linearmente
independentes e como tal irá existir uma base de R3 formada só com vectores próprios de T ,
ou seja, T é diagonalizável.
(iv) O subespaço próprio E 1 é dado por

E 1 = N (T 1 I) = N (A 1 I) = N (A)
base canónica
02 31 02 31
0 0 0 0 0 0
= N @4 0 1 3 5A = N @4 0 1 3 5A =
0 3 1 0 0 8
= f(x; y; z) : y = z = 0g =
= f(x; 0; 0) : x 2 Rg = L (f(1; 0; 0)g) .
O conjunto f(1; 0; 0)g é uma base de E 1 .
Os vectores próprios de T associados ao valor próprio 1 = 0 são
u = (s; 0; 0), com s 2 Rn f0g .
O subespaço próprio E 2 é dado por
E 2 = N (T 2 I) = N (A
= N (A + 2I) 2 I)
base canónica
02 31 02
31
2 0 0 2 0 0
= N @4 0 3 3 5A = N @4 0 3 3 5A =
0 3 3 0 0 0
= f(x; y; z) : x = 0 e y + z = 0g =
= f(x; y; z) : x = 0 e y + z = 0g =
= f(0; z; z) : z 2 Rg = L (f(0; 1; 1)g) .
u = (0; s; s), com s 2 Rn f0g .
E 3 = N (T 3 I) N (A
= 3 I) = N (A 4I)
base canónica
02 31 02 31
4 0 0 4 0 0
= N @4 0 3 3 5A = N @4 0 3 3 5A =
0 3 3 0 0 0
= f(x; y; z) : x = 0 e y + z = 0g =
= f(x; y; z) : x = 0 e y = zg =
= f(0; z; z) : z 2 Rg = L (f(0; 1; 1)g) .
459
u = (0; s; s) , com s 2 Rn f0g .
T (1; 2) = (5; 5) = T (2; 1).
(i) Como
(1; 1) = (1; 2) + (2; 1)
Tem-se
T (v1 ) = T (1; 1) = T [ (1; 2) + (2; 1)] = T (1; 2) + T (2; 1) =
T é linear
= (5; 5) + (5; 5) = (0; 0) = 0(1; 1) = 0v1 :

Como
1 1
(1; 1) = (1; 2) + (2; 1)
3 3
Tem-se
1 1 1 1
T (v2 ) = T (1; 1) = T (1; 2) + (2; 1) = T (1; 2) + T (2; 1) =
3 3 T é linear 3 3
1 10 10
= [(5; 5) + (5; 5)] = (1; 1) = v2 :
3 3 3
Logo, v2 é um vector próprio de T associado ao valor próprio 10
3
.
(ii) Como 0 é valor próprio de T então T não é invertível. Como os vectores v1 = (1; 1)
e v2 = (1; 1) formam uma base de R2 pois são dois vectores linearmente independentes em
R2 e dim R2 = 2 e além disso, v1 e v2 são vectores próprios de T , então existe uma base de
R2 formada só com vectores próprios de T , ou seja, T é diagonalizável.
(iii) Seja Bvp = fv1 ; v2 g = f(1; 1); (1; 1)g. Tem-se
0 0
M (T ; Bvp ; Bvp ) = 10 ,
0 3
uma vez que T (v1 ) = 0v1 = 0v1 +0v2 e T (v2 ) = 10 v = 0v1 + 10

3 2
v e deste modo as coordenadas
3 2
10 a a
(0; 0) e (0; 3 ) constituem respectivamente a 1 e 2 colunas de M (T ; Bvp ; Bvp ).
Logo, Bvp é uma base de R2 em relação à qual T pode ser representada por uma matriz
diagonal, por ser uma base formada só com vectores próprios de T .
(iv) Seja A = M (T ; Bvp ; Bvp ), com Bvp = f(1; 1); (1; 1)g. O polinómio característico é
dado por
0 10
det(A I) = 10 = .
0 3 3
460
10
1 =0 e 2 = .
3
E 1 = N (T 1 I) = f (1; 1) + (1; 1) : ( ; ) 2 N (A 1 I)g =

= f (1; 1) + (1; 1) : ( ; ) 2 L (f(1; 0)g)g =
= f (1; 1) : 2 Rg = L (f(1; 1)g) .
O conjunto f(1; 1)g é uma base de E 1 .

u = (s; s) , com s 2 Rn f0g .
E 2 = N (T 2 I) = f (1; 1) + (1; 1) : ( ; ) 2 N (A 2 I)g =

= f (1; 1) + (1; 1) : ( ; ) 2 L (f(0; 1)g)g =
= f (1; 1) : 2 Rg = L (f(1; 1)g) .

10
Os vectores próprios de T associados ao valor próprio 2 = 3
são
u = (s; s) , com s 2 Rn f0g .
8. Considere a transformação linear T : R3 ! R3 que em relação à base canónica de

3
R é representada pela matriz: 2 3
0 1 0
A=4 0 1 0 5.
0 1 0
(i) Sejam v1 = (1; 0; 0), v2 = (1; 1; 1), v3 = (0; 0; 1). Atendendo à matriz, tem-se
T (v1 ) = T (1; 0; 0) = 0(1; 0; 0) + 0(0; 1; 0) + 0(0; 0; 1) =
= (0; 0; 0) = 0(1; 0; 0) = 0v1 ;

T (v2 ) = T (1; 1; 1) = 1(1; 0; 0) + 1(0; 1; 0) + 1(0; 0; 1) =
(1; 1; 1) = 1(1; 1; 1) = 1v2 ;
T (v3 ) = T (0; 0; 1) = 0(1; 0; 0) + 0(0; 1; 0) + 0(0; 0; 1) =
(0; 0; 0) = 0(0; 0; 1) = 0v3 :
Logo, v1 é um vector próprio de T associado ao valor próprio 0; v2 é um vector próprio de T
associado ao valor próprio 1; v3 é um vector próprio de T associado ao valor próprio 0.
461
(ii) Como 0 é valor próprio de T então T não é invertível. Como os vectores v1 =
(1; 0; 0); v2 = (1; 1; 1) e v3 = (0; 0; 1) formam uma base de R3 pois são três vectores linear-
mente independentes em R3 e dim R3 = 3 e além disso, v1 ; v2 e v3 são vectores próprios
de T , então existe uma base de R3 formada só com vectores próprios de T , ou seja, T é
diagonalizável.
(iii) Seja A = M (T ; Bc3 ; Bc3 ). Tem-se

2 3
0 1 0
A = 4 0 1 0 5,
0 1 0
Determinemos os valores próprios de T . Os valores próprios de T são os valores próprios
de A, isto é, são os valores de para os quais det(A I) = 0.
1 0
2
det(A I) = 0 1 0 = (1 ).
0 1
Logo, os valores próprios de T são
1 =0 e 2 = 1.
E = N (T = N (A
1 I) 1 I) =
1
02 31 02 31
1 1 0 0 1 0
= N @4 0 1 1 0 5A = N @4 0 1 0 5A =
0 1 1 0 1 0
02 31
0 1 0
= N @ 4 0 0 0 5A = (x; y; z) 2 R3 : y = 0 =
0 0 0
= f(x; 0; z) : x; z 2 Rg = L (f(1; 0; 0); (0; 0; 1)g) .
O conjunto f(1; 0; 0); (0; 0; 1)g é uma base de E 1 .
u = (s; 0; t), com s 6= 0 ou t 6= 0.
E = N (T = N (A
2 I) 2 I) =
2
02 31 02 31
2 1 0 1 1 0
= N @ 4 0 1 2 0 5A =N @4 0 0 0 5A =
0 1 2 0 1 1
= f(x; y; z) : x + y = 0 e y z = 0g =
= f(x; x; x) : x 2 Rg = L (f(1; 1; 1)g) .
462
u = (s; s; s), com s 2 Rn f0g .
(iv) É possível ter então uma base de R3 constituída só por vectores próprios de T :
Bvp = f(1; 0; 0); (1; 1; 1); (0; 0; 1)g ,
uma vez que

dim E 1 + dim E 2 = 3.
Note ainda que 2 3
1 0 0
M (T ; Bvp ; Bvp ) = 4 0 2 0 5
0 0 1
e 2 3
1 0 0
1
M (T ; Bvp ; Bvp ) = 4 0 2 0 5 = SBc3 !Bvp A SBc3 !Bvp
0 0 1
com 2 3
1 1 0
1
SBc3 !Bvp = SBvp !B3c =4 0 1 0 5 e A = M (T ; Bc3 ; Bc3 ).
0 1 1
Isto é, a matriz A é diagonalizável e a matriz M (T ; Bvp ; Bvp ) é diagonal tendo-se
A
(R3 ; Bc3 ) ! (R3 ; Bc3 )
T
SBc3 !Bvp # I I # SBc3 !Bvp
T
(R3 ; Bvp ) ! (R3 ; Bvp )
M (T ;Bvp ;Bvp )
1
Em resumo, existe P = SBvp !B3c tal que
1
D = P AP
2 3
1 0 0
com D = M (T ; Bvp ; Bvp ) = 4 0 2 0 5.
0 0 1

B1 = f(1; 2) ; (2; 1)g de R2 é representada pela matriz:
2 3
A= .
3 2
(i) Tem-se
det (A 0I) = det A = 5 6= 0.
463
Logo, como 0 não é valor próprio de T então T é invertível.
quais det(A I) = 0.
2 3
det(A I) = = (2 )2 9 = [(2 ) 3] [(2 ) + 3] =
3 2
=( 1 ) (5 )
1 = 1 e 2 = 5.
Como T tem 2 valores próprios distintos, os vectores próprios correspondentes a cada um

deles irão ser linearmente independentes e como tal irá existir uma base de R2 formada só
com vectores próprios de T , ou seja, T é diagonalizável.
(ii) O subespaço próprio E 1 é dado por
E 1 = N (T = f (1; 2) + (2; 1) : ( ; ) 2 N (A
1 I) ( 1) I)g =
3 3
= (1; 2) + (2; 1) : ( ; ) 2 N =
3 3
3 3
= (1; 2) + (2; 1) : ( ; ) 2 N =
0 0
= f (1; 2) + (2; 1) : ( ; ) 2 L (f( 1; 1)g)g =
= f ( 1; 1) : 2 Rg = L (f( 1; 1)g) .
O conjunto f( 1; 1)g é uma base de E 1 .

u = ( s; s), com s 2 Rn f0g .
E 1 = N (T = f (1; 2) + (2; 1) : ( ; ) 2 N (A 5I)g =

1 I)
3 3
= (1; 2) + (2; 1) : ( ; ) 2 N =
3 3
3 3
= (1; 2) + (2; 1) : ( ; ) 2 N =
0 0
= f (1; 2) + (2; 1) : ( ; ) 2 L (f(1; 1)g)g =
= f (1; 1) : 2 Rg = L (f(1; 1)g) .

u = (s; s), com s 2 Rn f0g .
464
(iii) É possível ter uma base de R2 constituída só por vectores próprios de T :
Bvp = f( 1; 1); (1; 1)g ,
uma vez que

dim E 1 + dim E 2 = 2 = dim R2 .
Logo,
1 0 1 0
M (T ; Bvp ; Bvp ) = =
0 2 0 5
uma vez que
T ( 1; 1) = 1( 1; 1) = 1( 1; 1) + 0(1; 1)
e
T (1; 1) = 2 (1; 1) = 0( 1; 1) + 2 (1; 1).
Deste modo, ( 1 ; 0) e (0; 2 ) constituem respectivamente a 1a e 2a colunas de M (T ; Bvp ; Bvp ).

Além disso, sendo B1 = f(1; 2) ; (2; 1)g, tem-se
1
M (T ; Bvp ; Bvp ) = SB1 !Bvp A SB1 !Bvp
com
1
1 1 3
SB1 !Bvp = SBvp !B1 = 1 e A = M (T ; B1 ; B1 )
1 3
uma vez que
1 1
( 1; 1) = (1; 2) (2; 1) e (1; 1) = (1; 2) + (2; 1) .
3 3
Logo, a matriz A é diagonalizável e tem-se
1
D = P AP
com
1
1 1 3
1 0
P = SBvp !B1 = 1 e D = M (T ; Bvp ; Bvp ) =
1 3
0 5
Observação:
A
(R2 ; B1 ) ! (R2 ; B1 )
T
1
P "I I#P
T
(R2 ; Bvp ) ! 2
(R ; Bvp )
D
10. Seja V um espaço linear de dimensão …nita. Seja T : V ! V uma transformação lin-
ear tal que T 2 = T . Uma tranformação linear nas condições anteriores chama-se projecção.
(i) Mostre que os valores próprios de T são 0 e 1:
Dem. Seja um valor próprio de T . Logo existe v 6= 0 tal que
T (v) = v.

2
v = T (v) = T 2 (v) = (T T ) (v) = T (T (v)) = T ( v) = T (v) = v= v
T é linear
465
tem-se
2
v= v, (1 ) v = 0 , ( = 0 ou = 1) .
v6=0
Logo, os valores próprios de T são 0 e 1.
(ii) Tem-se
T 2 = T , (T I) T = 0
logo, para todo o u 2 V
(T I) (T (u)) = 0 (u) = 0 ,T (u) 2 N (T I)
pelo que
I (T ) N (T I) .
Seja agora u 2 N (T I). Logo (T I) (u) = 0, isto é, T (u) = u, ou seja u 2 I (T ). Deste
modo
N (T I) I (T )
e assim
I (T ) = N (T I) .
Por outro lado, sendo n = dim V , atendendo a que
n = dim V
|{z} = dim N (T ) + dim I (T ) =
espaço de partida
= dim N (T 0I) + dim N (T 1I) = mg (0) + mg (1)

isto é,
n = mg (0) + mg (1)
então T é diagonalizável, uma vez que existirá assim uma base de V formada só com vectores
próprios de T .
T (x; y; z) = (x; y; x y) .
(i) Determinemos os valores próprios e os subespaços próprios de T .

Seja Bc3 = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g a base canónica de R3 . Seja A = M (T ; Bc3 ; Bc3 ).
Tem-se 2 3
1 0 0
A=4 0 1 0 5,
1 1 0
466
1 0 0
det(A I) = 0 1 0 = (1 )2 .
1 1
1 =0 e 2 = 1.
E = N (T = N (A 0I) =
1 I)
1
02 31 02 31
1 0 0 1 0 0
= N @4 0 1 0 5A = N @4 0 1 0 5A =
1 1 0 0 0 0
= f(0; 0; z) : z 2 Rg = L (f(0; 0; 1)g) .

u = (0; 0; s), com s 2 Rn f0g .

02 31
0 0 0
E 2 = N (T 2 I) = N (A I) = N @4 0 0 0 5A =
1 1 1
= (x; y; z) 2 R3 : x + y + z = 0 =
= (x; y; z) 2 R3 : x = y z =
= f( y z; y; z) : y; z 2 Rg = L (f( 1; 1; 0); ( 1; 0; 1)g) .
O conjunto f( 1; 1; 0); ( 1; 0; 1)g é uma base de E 2 .

u=( s t; s; t), com s 6= 0 ou t 6= 0.
(ii) Tem-se T 2 = T , razão pela qual a transformação linear T é uma projecção. Como
f( 1; 1; 0); ( 1; 0; 1); (0; 0; 1)g é uma base de R3 formada só por vectores próprios de T , cujos
valores próprios associados são respectivamente 1 e 0, tendo-se
T ( 1; 1; 0) = 1( 1; 1; 0) = ( 1; 1; 0)
T ( 1; 0; 1) = 1( 1; 0; 1) = ( 1; 0; 1)
T (0; 0; 1) = 0(0; 0; 1) = (0; 0; 0).
Assim, T projecta os elementos de R3 sobre um plano, paralelamente a um vector, sendo o

plano dado por:
L (f( 1; 1; 0); ( 1; 0; 1)g)
467
isto é, por:
x+y+z =0
e o vector dado por:
(0; 0; 1).
12. Considere a transformação linear T : R3 ! R3 que representa geometricamente a

projecção sobre o plano x + y + z = 0, paralelamente ao vector (0; 0; 1).
(i) O plano
(x; y; z) 2 R3 : x + y + z = 0 = L (f( 1; 1; 0); ( 1; 0; 1)g)
é tal que
T ( 1; 1; 0) = ( 1; 1; 0) e T ( 1; 0; 1) = ( 1; 0; 1)
e o vector (0; 0; 1) é tal que
T (0; 0; 1) = (0; 0; 0)
Ou seja, os vectores que de…nem o plano são vectores (de I (T )) (linearmente independentes)
próprios de T associados ao valor próprio 1 e o vector (0; 0; 1) é um vector (de N (T )) próprio
de T associado ao valor próprio 0:
(ii) Seja (x; y; z) 2 R3 . Como

f( 1; 1; 0); ( 1; 0; 1); (0; 0; 1)g
é uma base de R3 , as coordenadas de (x; y; z) em relação à base ordenada anterior irão ser
; ; tais que
(x; y; z) = ( 1; 1; 0) + ( 1; 0; 1) + (0; 0; 1).
Atendendo a
2 3 2 3 2 3
1 1 0 j x 1 1 0 j x 1 1 0 j x
4 1 0 0 j y 5!4 0 1 0 j x+y 5!4 0 1 0 j x+y 5
0 1 1 j z 0 1 1 j z 0 0 1 j x+y+z
e assim = x + y + z, = x y; = y. Pelo que
T (x; y; z) = yT ( 1; 1; 0) + ( x y) T ( 1; 0; 1) + (x + y + z) T (0; 0; 1) =
= y( 1; 1; 0) + ( x y) ( 1; 0; 1) + (x + y + z) (0; 0; 0) =
= (x; y; x y),
isto é, a expressão geral de T é dada por:
T (x; y; z) = (x; y; x y).
32
0 0 0
13. Seja A = M (T ; Bc3 ; Bc3 ). Tem-se A = 4 1 1 0 5, uma vez que
0 0 1
T (1; 0; 0) = (0; 1; 0), T (0; 1; 0) = (0; 1; 0) e T (0; 0; 1) = (0; 0; 1):
468
Como
0 0
det(A I) = 1 1 0 = ( 1)2
0 0 1
então os valores próprios de T são: 0 e 1. Como
N (T ) = N (A) = L (f( 1; 1; 0)g) ; I (T ) = C (A) = L (f(0; 1; 0) ; (0; 0; 1)g)
e h( 1; 1; 0) ; (0; 1; 0)i = 1 6= 0 então (N (T ))? 6= I (T ), ou seja, T não é uma projecção

ortogonal.
14. a) e b) Como
T ( 1; 1; 1) = 2 ( 1; 1; 1) ; T (1; 0; 1) = 2 (1; 0; 1) e T ( 1; 0; 1) = 0 ( 1; 0; 1)
então
R3 = N (T ( 2) I) N (T 0I)
com
dim N (T ( 2) I) = 2 e dim N (T 0I) = 1:
Logo 2 e 0 são os únicos valores próprios de T .
Como
N (T ( 2) I) = L (f( 1; 1; 1) ; (1; 0; 1)g)
e
(1; 1; 1) = ( 1; 1; 1) + 2 (1; 0; 1)
então
(1; 1; 1) 2 N (T ( 2) I)
e assim (1; 1; 1) é vector próprio de T associado ao valor próprio 2.

R2 é representada pela matriz:
2 1
A= .
0 2
(i) O polinómio característico é dado por
2 1
det(A I) = = (2 )2 = 2
4 + 4.
0 2
quais det(A I) = 0. Logo, o valor próprio de T é
= 2.
O subespaço próprio E é dado por

0 1
E = N (T I) = N (A 2I) = N
0 0
= (x; y) 2 R2 : y = 0 = f(x; 0) : x 2 Rg = L (f(1; 0)g) .
469
O conjunto f(1; 0)g é uma base de E .
Os vectores próprios de T associados ao valor próprio = 2 são
u = (s; 0), com s 2 Rn f0g .
(ii) Não existe nenhuma base de R2 constituída só por vectores próprios de T uma vez
que dim E = 1 < 2 = dim R2 . Logo, T não é diagonalizável.

T (x; y; z) = (3x; 2y + z; 2z).
Seja A = M (T ; Bc3 ; Bc3 ). Tem-se 2 3
3 0 0
A = 4 0 2 1 5,
0 0 2
3 0 0
det(A I) = 0 2 1 = (3 ) (2 )2 = 3
+7 2
16 + 12.
0 0 2
1 =3 e 2 = 2.
E = N (T = N (A 1 I)
I) =
1
02 31 1 02 31
0 0 0 0 0 0
= N @ 4 0 1 1 5A =N @ 4 0 1 0 5A =
0 0 1 0 0 1
= f(x; y; z) : y = z = 0g =
= f(x; 0; 0) : x 2 Rg = L (f(1; 0; 0)g) .
u = (s; 0; 0), com s 2 Rn f0g .
E = N (T 2 I) = N (A 2 I) =
2
02 31
1 0 0
= N @4 0 0 1 5A = f(x; y; z) : x = z = 0g =
0 0 0
= f(0; y; 0) : y 2 Rg = L (f(0; 1; 0)g) .
470
u = (0; s; 0), com s 2 Rn f0g .
(ii) Não existe nenhuma base de R3 constituída só por vectores próprios de T uma vez
que
dim E 1 + dim E 2 = 2 < 3 = dim R3 :
Logo, a matriz A não é diagonalizável, isto é, não existe nenhuma base de R3 em relação à
qual T possa ser representada por uma matriz diagonal.
T (x; y; z) = (y + z; 2y + z; y + 2z).
Seja A = M (T ; Bc3 ; Bc3 ). Tem-se 2 3

0 1 1
A = 4 0 2 1 5,
0 1 2
1 1
det(A I) = 0 2 = 1(2 )2 + = (2 )2 1 =
0 1 2
= [((2 ) 1) ((2 ) + 1)] = (1 ) (3 )
3 2
= +4 3 .
(ii) Os valores próprios de T são os valores próprios de A, isto é, são os valores de para
os quais det(A I) = 0. Logo, os valores próprios de T são
1 = 0, 2 =1 e 3 = 3.
E = N (T = N (A
1 I) 1 I) =
1
02 31 0 2 31
0 1 1 0 1 1
= N @4 0 2 1 5A = N @4 0 1 0 5A =
0 1 2 0 0 1
= f(x; y; z) : y = z = 0g =
= f(x; 0; 0) : x 2 Rg = L (f(1; 0; 0)g) .
471
u = (s; 0; 0), com s 2 Rn f0g .
E = N (T = N (A
2 I) 2 I) =
2
02 31 02 31
1 1 1 1 1 1
= N @4 0 1 1 5A = N @4 0 1 1 5A =
0 1 1 0 0 0
= f(x; y; z) : x + y + z = 0 e y + z = 0g =
= f(x; y; z) : x = 0 e y + z = 0g =
= f(0; z; z) : z 2 Rg = L (f(0; 1; 1)g) .

u = (0; s; s), com s 2 Rn f0g .
E = N (T = N (A
3 I) I) =
3
02 31 3 02 31
3 1 1 3 1 1
= N @4 0 1 1 5A = N @4 0 1 1 5A =
0 1 1 0 0 0
= f(x; y; z) : 3x + y + z = 0 e y + z = 0g =
2
= (x; y; z) : x = z e y = z =
3
2
= z; z; z : z 2 R = L (f(2; 3; 3)g) .
3

u = (2s; 3s; 3s) , com s 2 Rn f0g .
Bvp = f(1; 0; 0); (0; 1; 1); (2; 3; 3)g ,
uma vez que

dim E 1 + dim E 2 + dim E 3 = 3 = dim R3 .
Logo, a matriz que representa T na base Bvp é dada por
2 3 2 3
0 0 0 1 0 0
M (T ; Bvp ; Bvp ) = 4 0 1 0 5 = 4 0 2 0 5,
0 0 3 0 0 3
472
uma vez que
T (1; 0; 0) = (0; 0; 0) = 0(1; 0; 0) + 0(0; 1; 1) + 0 (2; 3; 3) ,
T (0; 1; 1) = (0; 1; 1) = 0(1; 0; 0) + 1(0; 1; 1) + 0 (2; 3; 3)
e
T (2; 3; 3) = (6; 9; 9) = 0(1; 0; 0) + 0(0; 1; 1) + 3 (2; 3; 3) .
Deste modo, ( 1 ; 0; 0), (0; 2 ; 0) e (0; 0; 3) constituem respectivamente a 1a , 2a e 3a colunas
de M (T ; Bvp ; Bvp ).
(iv) Seja A a matriz que representa T na base canónica de R3 , isto é, A = M (T ; Bc3 ; Bc3 ).
Tem-se, por (iii),
2 3 2 3
1 0 0 0 0 0
M (T ; Bvp ; Bvp ) = 4 0 2 0 5 = 4 0 1 0 5.
0 0 3 0 0 3
Logo, atendendo ao diagrama
A
(R3 ; Bc3 ) ! (R3 ; Bc3 )
T
1
SBc3 !Bvp "I I # SBc3 !Bvp
3 T
(R ; Bvp ) ! (R3 ; Bvp )
M (T ;Bvp ;Bvp )
tem-se
1
D = P AP ,
com 2 3 2 3
0 1 0 0 0 0
D = M (T ; Bvp ; Bvp ) = 4 0 2 0 5 = 4 0 1 0 5,
0 0 3 0 0 3
com 2 3
1 0 2
1
P 1
= SBc3 !Bvp = SBvp !B3c = 4 0 1 3 5 e A = M (T ; Bc3 ; Bc3 ).
0 1 3
Isto é, a matriz A é diagonalizável e a matriz M (T ; Bvp ; Bvp ) é diagonal.
(v) Atendendo a que

1
D = P AP ,
tem-se
1
A=P DP .
Logo,
2 32 n 32 3 1
1 0 2 0 0 0 1 0 2
An = P 1 Dn P = 4 0 1 3 5 4 0 1n 0 5 4 0 1 3 5 =
0 1 3 0 0 3n 0 1 3
2 1 n 1 n
3
0 3
3 3
3
= 4 0 12 + 21 3n 1
2
+ 1 n 5
2
3
1
0 2
+ 12 3n 1
2
+ 231 n
473
e 23 2 3
1 n
x 3
3 y + 31 3n z
T n (x; y; z) = An 4 y 5 = 4 1
2
+ 12 3n y + 1
2
+ 1 n
2
3 z 5,
1 1 n 1 1 n
z 2
+ 2
3 y + 2
+ 2
3 z
para todo o (x; y; z) 2 R3 .
18. Considere a transformação linear T : R3 ! R3 que em relação à base
B = f(0; 1; 0) ; (1; 0; 1) ; (1; 0; 1)g
(ordenada) de R3 é representada pela matriz:

2 3
7 4 2
A=4 1 7 1 5.
1 2 10
Logo, a matriz que representa T em relação à base canónica Bc de R3 é dada por:

2 3
7 4 2
B = M (T ; Bc ; Bc ) = SB!Bc 4 1 7 1 5 (SB!Bc ) 1 =
1 2 10
2 32 32 3 2 3
0 1 1 7 4 2 0 1 0 9 0 0
= 4 1 0 0 54 1 7 1 5 4 21 0 1 5
2
=4 3 7 1 5.
1 1
0 1 1 1 2 10 2
0 2 3 2 8
Note que deste modo, para todo o (x; y; z) 2 R3 tem-se
2 3
x
T (x; y; z) = B y 5 = (9x; 3x + 7y z; 3x
4 2y + 8z) .
z
9 0 0
det(A I) = det(B I) = 3 7 1 = (9 ) [(7 ) (8 ) 2] =
3 2 8
2
= (9 ) 15 + 54 = (9 )( 9) ( 6) =
2
= ( 9) ( 6) .
(ii) Os valores próprios de T são os valores próprios de B, isto é, são os valores de para
os quais det(B I) = 0. Logo, os valores próprios de T são
1 =9 e 2 = 6.
474
E = N (T 1 I)= N (B I) =
1
02 31 1 02 31
0 0 0 0 0 0
= N @ 4 3 2 1 5A =N @ 4 0 0 0 5A =
3 2 1 3 2 1
= (x; y; z) 2 R3 : 3x 2y z = 0 =
= f(x; y; 3x 2y) : x; y 2 Rg = L (f(1; 0; 3); (0; 1; 2)g) .

u = (s; t; 3s 2t), com s 6= 0 ou t 6= 0.
E = N (T 2 I)= N (B I) =
2
02 31 2 02 31
3 0 0 3 0 0
= N @4 3 1 1 5A = N @4 0 1 1 5A =
3 2 2 0 0 0
= f(x; y; z) : 3x = 0 e y z = 0g =
= f(0; z; z) : z 2 Rg = L (f(0; 1; 1)g) .

u = (0; s; s), com s 2 Rn f0g .
Bvp = f(1; 0; 3); (0; 1; 2); (0; 1; 1)g ,
uma vez que

dim E 1 + dim E 2 = 3 = dim R3 .
2 3 2 3
9 0 0 1 0 0
M (T ; Bvp ; Bvp ) = 4 0 9 0 5 = 4 0 1 0 5,
0 0 6 0 0 2
uma vez que

T (1; 0; 3) = (9; 0; 27) = 9(1; 0; 3) + 0(0; 1; 2) + 0(0; 1; 1),
T (0; 1; 2) = (0; 9; 18) = 0(1; 0; 3) + 9(0; 1; 2) + 0(0; 1; 1)
e
T (0; 1; 1) = (0; 6; 6) = 0(1; 0; 3) + 0(0; 1; 2) + 6(0; 1; 1).
475
Deste modo, ( 1 ; 0; 0), (0; 2 ; 0) e (0; 0; 3) constituem respectivamente a 1a , 2a e 3a colunas
de M (T ; Bvp ; Bvp ).
B
(R3 ; Bc3 ) ! (R3 ; Bc3 )
T
1
SBc3 !Bvp "I I # SBc3 !Bvp
3 T
(R ; Bvp ) ! (R3 ; Bvp )
M (T ;Bvp ;Bvp )
tem-se
1
D = P BP ,
com 2 3 2 3
1 0 0 9 0 0
D = M (T ; Bvp ; Bvp ) = 4 0 1 0 5 = 4 0 9 0 5,
0 0 2 0 0 6
com 2 3
1 0 0
1
P 1
= SBc3 !Bvp = SBvp !B3c =4 0 1 1 5 e B = M (T ; Bc3 ; Bc3 ).
3 2 1
Isto é, a matriz B é diagonalizável e a matriz M (T ; Bvp ; Bvp ) é diagonal.
(iv) Atendendo a que

1
D = P BP ,
tem-se
1
B=P DP .
Logo,
2 32 n 32 3 1
1 0 0 9 0 0 1 0 0
Bn = P 1 n
D P = 04 1 1 5 4 0 9n 0 5 4 0 1 1 5 =
3 2 1 0 0 6n 3 2 1
2 32 3 2 3
1 0 0 9n 0 0 1 0 0
= 4 0 1 1 54 0 9 n
0 5 4 1 1=3 1=3 5 =
n
3 2 1 0 0 6 1 2=3 1=3
2 3 2 3
9n 0 0 1 0 0
= 4 0 9n 6n 5 4 1 1=3 1=3 5 =
n n n
9 3 9 ( 2) 6 1 2=3 1=3
2 n
3
9 0 0
= 4 9n 6n 13 9n + 32 6n 9 + 13 6n 5
1 n
3
2 n
9n 6n 3
9 + 32 6n 32 9n + 13 6n
e
1
An = (SB!Bc ) B n SB!Bc =
2 3 1 2 32 3
0 1 1 9n 0 0 0 1 1
=4 1 0 0 5 4 9n 6n 1 n
3
9 + 2 n
3
6 1 n
3
9 + 1 n 54
3
6 1 0 0 5=
2 n 2 n 2 n 1 n
0 1 1 9n 6n 3
9 + 36 3
9 + 36 0 1 1
476
2 2 n
3
3
6 + 13 9n 4 n
3
9 4 n
3
6 2 n
3
9 2 n
3
6
=4 1 n
3
9 1 n
3
6 2 n
3
6 + 1 n
3
9 1 n
3
6 1 n
3
9 5.
1 n 1 n 2 n 2 n 4 n 1 n
3
6 3
9 3
9 3
6 3
9 3
6
Por outro lado,
2
3 2 3
x 9n x
T n (x; y; z) = B n 4 y 5 = 4 (9n 6n ) x + 31 9n + 32 6n y + 1 n
3
9 + 31 6n z 5 ,
2 n
z (9n 6n ) x + 3
9 + 32 6n y + 2 n
3
9 + 31 6n z
para todo o (x; y; z) 2 R3 .
19. Sabendo que os vectores (1; 1; 1); (1; 0; 1) e (1; 1; 0) são vectores próprios da matriz
2 3
1 1 1
A= a 4 b c 5,
d e f
existem 1; 2 e 3 2 R tais que
(1; 1; 1) 2 N (A 1 I), (1; 0; 1) 2 N (A 2 I) e (1; 1; 0) 2 N (A 3 I),
isto é, 2 32
3 2 3
1 1 1 1 1 0
4 a b 1 c 54 1 5 = 4 0 5,
d e f 1 1 0
2 32 3 2 3
1 2 1 1 1 0
4 a b 2 c 5 4 0 5 = 0 5
4
d e f 2 1 0
e 2 32 3 2 3
1 3 1 1 1 0
4 a b 3 c 54 1 5 = 4 0 5.
d e f 3 0 0
Logo, tem-se respectivamente
8 8
>
> 3 1 = 0 >
> 1 = 3
>
> >
>
< <
a+b+c 1 = 0 , a+b+c=3
>
> >
>
>
> >
>
: :
d+e+f 1 = 0 d + e + f = 3,
8 8
>
> 2 = 0 >
> 2 = 0
>
> >
>
< <
a c=0 , a=c
>
> >
>
>
> >
>
: :
d f+ 2=0 d=f
477
e 8 8
>
> 3 =0 >
> 3 =0
>
> >
>
< <
a b+ 3 =0 , a=b
>
> >
>
>
> >
>
: :
d e=0 d = e.
Assim, 8
>
> 1 =3
>
>
>
>
>
>
< 2 =0
>
>
>
> 3 =0
>
>
>
>
:
a = b = c = d = e = f = 1.
20. Considere a transformação linear T : M2 2 (R) ! M2 2 (R) de…nida por
T (A) = A + AT .
(i) Seja
1 0 0 1 0 0 0 0
Bc2 2
= ; ; ;
0 0 0 0 1 0 0 1
a base canónica (ordenada) de M2 2 (R).
A matriz M (T ; Bc2 2 ; Bc2 2 ) que representa T em relação à base canónica (ordenada) Bc2 2
é dada por 2 3
2 0 0 0
6 0 1 1 0 7
M (T ; Bc2 2 ; Bc2 2 ) = 6 7
4 0 1 1 0 5,
0 0 0 2
uma vez que
1 0 2 0 1 0 0 1 0 0 0 0
T = =2 +0 +0 +0 ,
0 0 0 0 0 0 0 0 1 0 0 1
0 1 0 1 1 0 0 1 0 0 0 0
T = =0 + + +0 ,
0 0 1 0 0 0 0 0 1 0 0 1
0 0 0 1 1 0 0 1 0 0 0 0
T = =0 + + +0 ,
1 0 1 0 0 0 0 0 1 0 0 1
e
0 0 0 0 1 0 0 1 0 0 0 0
T = =0 +0 +0 +2 .
0 1 0 2 0 0 0 0 1 0 0 1
478
(ii) Seja A = M (T ; Bc2 2 ; Bc2 2 ). O polinómio característico é dado por
2 0 0 0
0 1 1 0
det(A I) = = (2 )2 (1 )2 1 =
0 1 1 0
0 0 0 2
2
= (2 ) [((1 ) 1) ((1 ) + 1)] =
= (2 )3 .

1 =0 e 2 = 2.
a b a b 0 0
E 1 = N (T 1 I) = 2 M2 2 (R) : (T 1 I) = =
c d c d 0 0
a b a b a b 0 0
= 2 M2 2 (R) : T 1I = =
c d c d c d 0 0
a b 2a b + c 1a 1b 0 0
= 2 M2 2 (R) : = =
c d c + b 2d 1c 1d 0 0
a b 2a b + c 0 0 0 0
= 2 M2 2 (R) : = =
c d c + b 2d 0 0 0 0
a b 2a b + c 0 0
= 2 M2 2 (R) : = =
c d c + b 2d 0 0
a b
= 2 M2 2 (R) : 2a = 0 e b + c = 0 e 2d = 0 =
c d
0 c
= 2 M2 2 (R) : c 2 R =
c 0
0 1
= L .
1 0
0 1
O conjunto é uma base de E 1 .
1 0
0 s
U= , com s 2 Rn f0g .
s 0
479
a b a b 0 0
E 2 = N (T 2 I) = 2 M2 2 (R) : (T 2 I) = =
c d c d 0 0
a b a b a b 0 0
= 2 M2 2 (R) : T 2I = =
c d c d c d 0 0
a b 2a b + c 2a 2b 0 0
= 2 M2 2 (R) : = =
c d c + b 2d 2c 2d 0 0
a b 2a b + c 2a 2b 0 0
= 2 M2 2 (R) : = =
c d c + b 2d 2c 2d 0 0
a b 0 b+c 0 0
= 2 M2 2 (R) : = =
c d c+b 0 0 0
a b
= 2 M2 2 (R) : b = c =
c d
a c
= 2 M2 2 (R) : a; c; d 2 R =
c d
1 0 0 1 0 0
= L ; ; .
0 0 1 0 0 1
1 0 0 1 0 0
O conjunto ; ; é uma base de E 2 .
0 0 1 0 0 1
r s
U= , com r 6= 0 ou s 6= 0 ou t 6= 0.
s t
(iii) É possível ter uma base de M2 2 (R) constituída só por vectores próprios de T :
1 0 0 1 0 1 0 0
Bvp = ; ; ; ,
0 0 1 0 1 0 0 1
uma vez que
dim E 1 + dim E 2 = 4 = dim M2 2 (R).
2 3 2 3
2 0 0 0 2 0 0 0
6 0 2 0 7 6
0 7 6 0 0 0 7
M (T ; Bvp ; Bvp ) = 6
4 0 0 0 = 2 7,
0 5 4 0 0 1 0 5
0 0 0 2 0 0 0 2
uma vez que
1 0 2 0 1 0 0 1 0 1 0 0
T = =2 +0 +0 +0 ,
0 0 0 0 0 0 1 0 1 0 0 1
0 1 0 2 1 0 0 1 0 1 0 0
T = =0 +2 +0 +0 ,
1 0 2 0 0 0 1 0 1 0 0 1
480
0 1 0 0 1 0 0 1 0 1 0 0
T = =0 +0 +0 +0 ,
1 0 0 0 0 0 1 0 1 0 0 1
e
0 0 0 0 1 0 0 1 0 1 0 0
T = =0 +0 +0 +2 .
0 1 0 2 0 0 1 0 1 0 0 1
Deste modo, ( 2 ; 0; 0; 0), (0; 2 ; 0; 0), (0; 0; 1 ; 0) e (0; 0; 0; 2) constituem respectivamente a

1a , 2a , 3a e 4a colunas de M (T ; Bvp ; Bvp ).
A
(M2 2 (R); Bc2 2 ) ! (M2 2 (R); Bc2 2 )
T
1
SBc2 2
!Bvp "I I # SBc2 2
!Bvp
T
(M2 2 (R); Bvp ) ! (M2 2 (R); Bvp )
M (T ;Bvp ;Bvp )
tem-se
1
D = P AP ,
com 2 3 2 3
2 0 0 0 2 0 0 0
6 0 0 7
0 7 6 06 2 0 0 7
D = M (T ; Bvp ; Bvp ) = 6
4 0
2
= 7,
0 1 0 5 4 0 0 0 0 5
0 0 0 2 0 0 0 2
com
1
1
P = SBc2 2
!Bvp = SBvp !B2c 2 e A = M (T ; Bc2 2 ; Bc2 2 ).
Isto é, a matriz A é diagonalizável e a matriz M (T ; Bvp ; Bvp ) é diagonal.
21. (i) Seja

2 1
A1 = .
2 5
Tem-se
2 1 2
det(A1 I) = = (2 ) (5 )+2= 7 + 12 = (3 ) (4 ).
2 5
Os valores próprios de A1 são
1 =3 e 2 = 4.
E 1 = N (A 1 I) =
2 1 1 1 1
= N =N =
2 5 1 2 2
1 1
= N = (x; y) 2 R2 : x+y =0 =
0 0
= f(y; y) : y 2 Rg = L (f(1; 1)g) .
481
Os vectores próprios de A1 associados ao valor próprio 1 = 3 são
u = (s; s), com s 2 Rn f0g .
E 2 = N (A2 2 I) =
2 2 1 2 1
= N =N =
2 5 2 2 1
2 1
= N = (x; y) 2 R2 : 2x + y = 0 =
0 0
= f(x; 2x) : x 2 Rg = L (f(1; 2)g) .

u = (s; 2s), com s 2 Rn f0g .
É possível ter uma base de R2 constituída só por vectores próprios de A1 :
Bvp = f(1; 1); (1; 2)g ,
uma vez que

dim E 1 + dim E 2 = 2.
Logo, a matriz A1 é diagonalizável e tem-se
D 1 = P 1 A1 P 1 1 ,
com
1 1 1
P1 = SBvp !B2c =
1 2
e
1 0 3 0
D1 = = .
0 2 0 4
(ii) Seja 3 2
2 1 1
A2 = 4 0 3 1 5 .
0 1 3
Tem-se
2 1 1
det(A2 I) = 0 3 1 = (2 ) (3 )2 1 =
0 1 3
= (2 ) [(3 ) 1] [(3 ) + 1] = (2 )2 (4 ).
482
1 =2 e 2 = 4.
E = N (A2 1 I) =
1
02 31 02 31
2 1 1 1 0 1 1
= N @4 0 3 1 1 5A = N @4 0 1 1 5A =
0 1 3 1 0 1 1
02 31
0 1 1
= N @ 4 0 0 0 5A = (x; y; z) 2 R3 : y + z = 0 =
0 0 0
= f(x; z; z) : x; z 2 Rg = L (f(1; 0; 0); (0; 1; 1)g) .

u = (s; t; t), com s 6= 0 ou t 6= 0.
E = N (A2 2 I) =
2
02 31 02 31
2 2 1 1 2 1 1
= N @4 0 3 2 1 5A = N @4 0 1 1 5A =
0 1 3 2 0 1 1
02 31
2 1 1
= N @ 4 0 1 1 5A = (x; y) 2 R2 : 2x + y + z = 0 e y+z =0 =
0 0 0
= f(z; z; z) : z 2 Rg = L (f(1; 1; 1)g) .

u = (s; s; s), com s 2 Rn f0g .
Bvp = f(1; 0; 0); (0; 1; 1); (1; 1; 1)g ,
uma vez que

dim E 1 + dim E 2 = 3.
D 2 = P 2 A2 P 2 1 ,
com 2 3
1 0 1
P2 1
= SBvp !B3c =4 0 1 1 5
0 1 1
483
e 2 3 2 3
1 0 0 2 0 0
D2 = 4 0 1 0 5 = 4 0 2 0 5.
0 0 2 0 0 4
(iii) Seja 23
1 1 0
A3 = 4 1 1 0 5 .
0 0 0
Tem-se
1 1 0
det(A3 I) = 1 1 0 =( ) (1 )2 1 =
0 0
2
= ( ) [(1 ) 1] [(1 ) + 1] = (2 ).
1 =0 e 2 = 2.
E = N (A3 1 I) =
1
02 31 02 31
1 1 1 0 1 1 0
= N @4 1 1 1 0 5A = N @4 1 1 0 5A =
0 0 1 0 0 0
02 31
1 1 0
= N @ 4 0 0 0 5A = (x; y; z) 2 R3 : x + y = 0 =
0 0 0
= f( y; y; z) : y; z 2 Rg = L (f( 1; 1; 0); (0; 0; 1)g) .
O conjunto f( 1; 1; 0); (0; 0; 1)g é uma base de E 1 .

u = ( s; s; t), com s 6= 0 ou t 6= 0.
E = N (A2 2 I) =
2
02 31 02 31
1 2 1 0 1 1 0
= N @4 1 1 2 0 5A = N @4 1 1 0 5A =
0 0 2 0 0 2
02 31
1 1 0
= N @ 4 0 0 0 5A = (x; y) 2 R2 : x+y =0 e 2z = 0 =
0 0 2
= f(y; y; 0) : y 2 Rg = L (f(1; 1; 0)g) .
484
u = (s; s; 0), com s 2 Rn f0g .
Bvp = f( 1; 1; 0); (0; 0; 1); (1; 1; 0)g ,
uma vez que

dim E 1 + dim E 2 = 3.
D3 = P3 A3 P3 1 ,
com
2 3 2 3 2 3
1 0 1 1 0 0 0 0 0
P3 1
= SBvp !B3c =4 1 0 1 5 e D3 = 4 0 1 0 5 = 4 0 0 0 5.
0 1 0 0 0 2 0 0 2

4
R é representada pela matriz 2 3
0 0 0 0
6 a 0 0 0 7
6 7,
4 0 b 0 0 5
0 0 c 0
com a; b; c 2 R.
Determinemos os valores próprios de T . Tem-se
0 0 0
a 0 0
=( )4 = 4
.
0 b 0
0 0 c
O valor próprio de T é = 0.
O subespaço próprio E é dado por
02 31 02 31
0 0 0 0 0 0 0
B6 a 0 0 7C B6 a 0 0 0 7C
E = NB 6
@4 0
7C = N B6 7C =
b 0 5A @4 0 b 0 0 5A
0 0 c 0 0 c 0
= (x; y; z; w) 2 R4 : ax = 0 e by = 0 e cz = 0 .
Assim, para que exista uma base de R4 constituída só por vectores próprios de T é necessário
que se tenha
a = b = c = 0.
485
Caso contrário, teríamos
dim E < 4.
23. (i) Como

Au1 = ( + 1)u1
e
Au2 = ( 1)u2
então u1 ; u2 são vectores próprios de A, associados respectivamente aos valores próprios +1
e 1.
(ii)
p( ) = det(A I) = (3 ) ( )2 1 = (3 )( 1)( + 1):
Para ( + 1 6= 3 e 1 6= 3) , 62 f2; 4g os valores próprios de A: 3; +1 e 1 são

todos distintos.
(iii) Para 62 f2; 4g, fu1 g; fu2 g e f(3 ; 2 6 + 8; 1)g são bases de E +1 , E 1 e
E3 , respectivamente.
Para = 2, E3 = E +1 . Além disso, fu2 g é uma base de E 1 e fu1 g é uma base de E3 .
Para = 4, E3 = E 1 . Além disso, fu2 g é uma base de E3 e fu1 g é uma base de E +1 .
(iv) Para 62 f2; 4g a matriz A é diagonalizável, pois os seus valores próprios são todos
distintos. Se = 2 ou = 4 então 3 é valor próprio de A e mg (3) = 1 < 2 = ma (3), pelo
que A não é diagonalizável. Logo A é diagonalizável , 62 f2; 4g.
24. a) e b) Seja Bc3 = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g a base canónica de R3 . Seja A =
M (T ; Bc3 ; Bc3 ). Tem-se 2 3
1 0 2
A = 4 0 1 0 5,
2 0 1
1 0 2
1 2
det(A I) = 0 1 0 = (1 ) =
2 1
2 0 1
= (1 ) (1 )2 4 = (1 )( 1 ) (3 ).
486
Logo, os valores próprios de T são 1 = 1, 2 = 1 e 2 =3
0231
0 0 2
E 1 = N (T 1 I) = N (A I) = N @4 0 0 0 5A = L (f(0; 1; 0)g) :
2 0 0
Os vectores próprios de T associados ao valor próprio 1 = 1 são u = (0; s; 0), com
s 2 Rn f0g.
02 31
2 0 2
E 2 = N (T 2 I) = N (A + I) = N
@4 0 2 0 5A = L (f( 1; 0; 1)g) :
2 0 2
O conjunto f( 1; 0; 1)g é uma base de E 2 .
Os vectores próprios de T associados ao valor próprio 2 = 1 são u = ( s; 0; s), com
s 2 Rn f0g.
02 31
2 0 2
E 3 = N (T 3 I) = N (A 3I) = N @4 0 2 0 5A = f(x; 0; x) : x 2 Rg = L (f(1; 0; 1)g) :
2 0 2

Os vectores próprios de T associados ao valor próprio 3 = 3 são u = f(s; 0; s)g, com
s 2 Rn f0g.
Como 0 não é valor próprio de T então T é invertível. Como T tem 3 valores próprios
distintos, os vectores próprios associados serão linearmente independentes, pelo que existirá
uma base ordenada de R3 formada só por vectores próprios, por exemplo:
f(0; 1; 0); ( 1; 0; 1); (1; 0; 1)g .

2 3
1 0 0
Isto é, T é representada em relação à base anterior pela matriz diagonal: 4 0 1 0 5.
0 0 3
25. a) O polinómio caracterísico de A é

2 3
1 0 1
p( ) = det(A I) = det 4 0 2 0 5=
1 0 1
= (2 ) (1 )2 12 = ( 2)2 ;
donde f0; 2g é o conjunto dos valores próprios de A com ma (0) = 1 e ma (2) = 2.
487
b) f(1; 0; 1)g é uma base para o espaço próprio E0 = N (A) e f(1; 0; 1); (0; 1; 0)g é uma
base para o espaço próprio
2 3
1 0 1
E2 = N (A 2I) = N 4 0 0 0 5 :
1 0 1
Portanto f(1; 0; 1); (1; 0; 1); (0; 1; 0)g é uma base de R3 formada só por vectores próprios de
A.
c) (1; 0; 1) é vector próprio da matriz A pela alínea b), mas não é vector próprio da
transformação linear T , pois
T (1; 0; 1) = (0; 2; 0) 6= (1; 0; 1);
note que
T (1; 0; 1) = T [1(1; 0; 0) + 1(1; 1; 0) 1(1; 1; 1)] =
= T (1; 0; 0) + T (1; 1; 0) T (1; 1; 1) = (1; 0; 1) + (0; 2; 0) (1; 0; 1) = (0; 2; 0):
d) (1; 0; 0) é uma solução particular de
T (x; y; z) = (2; 1; 1);
i.e. T (1; 0; 0) = (2; 1; 1). Por outro lado f( 1; 0; 1)g é uma base para N (A) e portanto
f(0; 1; 1)g é uma base para N (T ), pois
(0; 1; 1) = 1(1; 0; 0) + 0(1; 1; 0) + 1(1; 1; 1):
Logo a solução geral da equação linear T (x; y; z) = (2; 1; 1) é:
f(1; 0; 0) + c(0; 1; 1) : c 2 Rg = f(1; c; c) : c 2 Rg :
26. a) 2 32 3 2 3
1 0 2 4 4
4 1 3 5 4 1 + 5 = ( 1) 4 1 + 5 ;
2 0 1 4 4
logo (4; 1 + ; 4) é um vector próprio de A associado ao valor próprio 1.
b)
1 0 2
det(A I) = 1 3 = (3 ) (1 )2 4 = (3 )2 ( 1 );
2 0 1
logo, os valores próprios de A são: 3 e 1 onde ma (3) = 2 e ma ( 1) = 1 são as respectivas

multiplicidades algébricas.
488
c) Espaços próprios de A: N (A ( 1) I) e N (A 3I). Tem-se
02 31
2 0 2
N (A ( 1) I) = N @4 1 4 5A = L (f(4; 1 + ; 4)g) :
2 0 2
O conjunto f(4; 1 + ; 4)g é uma base de N (A ( 1) I) pois gera N (A ( 1) I) e é

linearmente independente.
02 31 8
2 0 2 < L (f(0; 1; 0)g) se 6= 1
N (A 3I) = N @4 1 0 5A =
:
2 0 2 L (f(0; 1; 0); (1; 0; 1)g) se = 1:
O conjunto f(0; 1; 0)g é uma base de N (A 3I) se 6= 1. O conjunto f(0; 1; 0); (1; 0; 1)g
é uma base de N (A 3I) se = 1.
A é diagonalizável se e só se existir uma base de R3 formada só por vectores próprios de
A (f(4; 2; 4); (0; 1; 0); (1; 0; 1)g) se e só se = 1:
d) Não há nenhum valor de para o qual exista uma base ortogonal de R3 constituída
só por vectores próprios de A, uma vez que A não é simétrica, isto é, A 6= AT para todo o .
27. T (1) = 2 (1 + t) + 1 t = 3 + t e T (t) = 1 + t + 2 (1 t) = 3 t: Logo
3 3
M T ; Bc2 ; Bc2 =
1 1
3 3 p
e os valores próprios de T são os zeros de: = 0, ou seja, = 1+ 7 ou
1 1
p
=1 7.
28. a) Como T (1 + t) = 9 (1 + t) então 1 + t é um vector próprio de T associado ao

valor próprio 9 de T . Como
T (1) = T ((2 2t) + ( 1 + 2t)) = T (2 2t) + T ( 1 + 2t) =

T é linear
= 6 2t + 6t = 6 + 4t
e
1 1 1
T (t) = T (2t) = (T ((2 2t) + 2 ( 1 + 2t))) = T (2 2t) + T ( 1 + 2t) =
2 2 T é linear 2
1
= (6 2t) + 6t = 3 + 5t
2
então os valores próprios de T são os da matriz
6 3
M (T ; f1; tg ; f1; tg) = :
4 5
489
Atendendo a que
6 3 2
det I =0, 11 + 18 = 0 , ( = 9 ou = 2) ;
4 5
logo os valores próprios de T são 2 e 9.
6 2 3
b) Como N = L (f( 3; 4)g) ; o vector ( 3) 1 + 4t é um vector
4 5 2
próprio de T associado ao valor próprio 2. Assim e atendendo à alínea anterior, o conjunto
f 3 + 4t; 1 + tg é uma base de P1 formada por vectores próprios de T .
29. a)
1 0 1
det(A I) = 1 1 1 = (1 ) (1 )2 1 = (1 ) (2 ):
1 0 1
Logo, os valores próprios de A são 1, 0 e 2. Como 0 é valor próprio de A então A não é
invertível.
b) Como A tem 3 valores próprios distintos, qualquer conjunto de 3 vectores próprios

associados respectivamente a cada um desses valores próprios, será linearmente independente,
pelo que existirá uma base ordenada de R3 formada só por vectores próprios de A. Uma tal
base poderá ser f(0; 1; 0); ( 1; 0; 1); (1; 2; 1)g uma vez que os subespaços próprios associados
aos valores próprios 1, 0 e 2 são respectivamente dados por:
N (A I) = L (f(0; 1; 0)g) , N (A) = L (f( 1; 0; 1)g) , N (A 2I) = L (f(1; 2; 1)g) .
2 3
2 0 1
30. A = 4 0 1 0 5.
1 0 2
02 31
2 0 1
det(A I) = det @4 0 1 0 5A = ( 3) ( 1)2 :
1 0 2
Tem-se
dim N (A 3I) = mg (3) = ma (3) = 1
A é simétrica
dim N (A 1I) = mg (1) = ma (1) = 2.

A é simétrica
31.
2 3
2 0 1
det(A I) = det 4 0 2 0 5= ( 1) ( 2) ( 3) ;
1 0 2
490
pelo que f1; 2; 3g é o conjunto dos valores próprios de A com
ma (1) = ma (2) = ma (3) = 1:
Sendo a matriz simétrica, os vectores próprios correspondentes a valores próprios distintos

serão ortogonais. Como
2 3
1 0 1
N (A 1I) = N 4 0 1 0 5 = L (f( 1; 0; 1)g) ;
0 0 0
2 3
0 0 1
N (A 2I) = N 4 0 0 0 5 = L (f(0; 1; 0)g)
1 0 0
e 2 3
1 0 1
N (A 3I) = N 4 0 1 0 5 = L (f(1; 0; 1)g)
0 0 0
então ( p p ! p p ! )
2 2 2 2
; 0; , ; 0; ,(0; 1; 0)
2 2 2 2
é uma base ortonormada para R3 formada só por vectores próprios de A.
2 3
1 0 3
32. A = 4 2 0 2 5. Como A não é simétrica, não é possível encontrar uma base
3 0 1
ortogonal para R3 formada só por vectores próprios de A.
2 3
3 1 2
33. A = 4 1 3 2 5. Como A é simétrica então é ortogonalmente diagonalizável,
2 2 0
isto é, existem uma matriz ortogonal P T (P T P = P P T = I; isto é, P T = P 1 ) e uma matriz
diagonal D tais que
D = P AP T .
Como
3 1 2
det(A I) = 1 3 2 = ( 2) ( + 4)2 ,
2 2
os valores próprios de A são 2 e 4 e tem-se
1 1
N (A 2I) = L ; ;1
2 2
N (A + 4I) = L (f(2; 0; 1) ; (1; 1; 0)g) .
491
Note-se que os vectores de N (A 2I) são ortogonais aos vectores de N (A + 4I). Para
determinar uma base ortonormada de R3 formada só com vectores próprios de A basta
aplicar o método de ortogonalização de Gram-Schmidt ao conjunto
f(2; 0; 1) ; (1; 1; 0)g .
Assim, relativamente ao produto interno usual em R3 , o seguinte conjunto é uma base or-
togonal de N (A + 4I):
( )
(2; 0; 1) ; (1; 1; 0) proj (1; 1; 0) =
(2;0;1)
h(1; 1; 0) ; (2; 0; 1)i

= (2; 0; 1) ; (1; 1; 0) (2; 0; 1) =
h(2; 0; 1) ; (2; 0; 1)i
2 1 2
= (2; 0; 1) ; (1; 1; 0) (2; 0; 1) = (2; 0; 1) ; ; 1;
5 5 5
ou seja:
f(2; 0; 1) ; (1; 5; 2)g .
Base ortonormada de R3 = N (A 2I) N (A + 4I) formada só por vectores próprios de
A: ( )
1 1 1 1 1
1 1
; ;1 ; (2; 0; 1) ; (1; 5; 2) =
; ;1
2 2
2 2 k(2; 0; 1)k k(1; 5; 2)k
( p p p ! p p ! p p p !)
6 6 6 2 5 5 30 30 30
= ; ; ; ; 0; ; ; ; .
6 6 3 5 5 30 6 15
Logo 2 p p p 3
6 2 5 30
6 p6 5 p30 7
P T = SBvp !Bc = 4 p6
6
0
p p
30
6 5
6 5 30
3 5 15
e
2 3 2 1
p 1
p 1
p 32 32 p
6
p
2 5
p
30
3
2 0 0 6p
6 6
6 3p
6 3 1 2 p6 5 p30
6 7
D=4 0 4 0 5=4 2
5p
5 0
p
1
5 p
5 54 1 3 2 54
p6
6
p
0 p
30
6 5
0 0 4 1 1 1 2 2 0 6 5 30
30
30 6
30 15
30
| {z } | 3 5
{z 15
}
=P =P T
2 3
3 1 0
34. A = 4 1 2 1 5. Como
0 1 3
3 1 0
det(A I) = 1 2 1 = ( 1) ( 3) ( 4) ,
0 1 3
os valores próprios de A são 1; 3 e 4. Como A é simétrica (A = AT ) e de…nida positiva uma
vez que os valores próprios de A são todos positivos, então existe uma única raíz quadrada
492
de…nida positiva B, isto é, existe uma única matriz simétrica B de…nida positiva tal que
A = B 2 . De facto, como A é ortogonalmente diagonalizável (por ser simétrica) tem-se
2
A = P T DP = P T (D0 ) P = P T D0 P P T D0 P = BB = B 2
com 2 3
1 0 0
D=4 0 3 0 5
0 0 4
Note-se que sendo os 3 valores próprios distintos, os correspondentes espaços próprios são
ortogonais entre si. Base ordenada ortonormada de R3 formada só com vectores próprios de
A:
1 1 1
(1; 2; 1) ; ( 1; 0; 1) ; (1; 1; 1) =
k(1; 2; 1)k k( 1; 0; 1)k k(1; 1; 1)k
( p p p ! p p ! p p p !)
6 6 6 2 2 3 3 3
= ; ; ; ; 0; ; ; ; .
6 3 6 2 2 3 3 3
Logo 2 p p p 3
6 2 3
6 p6 2 3p
7
P T = SBvp !Bc = 4 p3
6
0
p p3
3
5.
6 2 3
6 2 3
Assim, com 2 3
1 p0 0
D0 = 4 0 3 0 5
0 0 2
tem-se 2 1p p 3
5 1 5 1
2
3+ 6 3 6
3 2
B = P T D0 P = 4 1
3p
4
3 p
5
1
3
5 1 1 1
6 2
3 3 2
3 + 56
de…nida positiva e
BB = A.
No entanto, se …zermos ou
2 3 2 3
1 p0 0 1 0
p 0
D0 = 4 0 3 0 5 ou D 0
= 4 0 3 0 5
0 0 2 0 0 2
tem-se as 3 raízes quadradas seguintes, isto 3 matrizes B tais que B 2 = A :

2 p p p 32 3 2 p6 p p 3T 2 p p 3
6 2 3 2 3 1
1 p0 0 3 + 56 1 5
31
6 p66 2 3p
7 6 p6 2 3p
7 2 3 6 2
B = 4 p3 p
0 p3
3
54 0 3 0 5 4 p36 p0 p3
3
5 =4 1
3p
4
3 p
1
3
5
5 1 1 1 5
6 2 3 0 0 2 6 2 3
6 2
3 3 2
3+ 6
6 2 3 6 2 3
ou
2 p p p 32 32 p p p 3T 2 1p p 3
6 2 3 6 2 3
p6 2 3p 1 p0 0 p6 2 3p 2
3 + 12 1 1
2
31
2
6 74 6 7
B=4 p3
6
0
p p3
3
5 0 3 0 54 p3
6
0
p p3
3
5 =4 1p 0 p 1 5
1 1 1 1
6 2 3 0 0 2 6 2 3
2 2
3 1 2
3+ 2
6 2 3 6 2 3
493
ou
2 p p p 32 32 p p p 3T 2 p p 3
6 2 3 6 2 3 5 1 1 1 5
p6 2 3p 1 0
p 0 p6 2 3p 6 2
3 3 2
3+ 6
6 74 6 7
B=4 p3
6
0
p p3
3
5 0 3 0 54 p3
6
0
p p3
3
5 =4 p 1
3
4
3
1
3p
5.
1 5 1 5 1
6 2 3 0 0 2 6 2 3
2
3+ 6 3 6 2
3
6 2 3 6 2 3
De facto:
2 1p p 32 2 1 p p 32 2 5 1 p p 32
2
3 + 56 1
3
5
6
31
2 2
3 + 12 1 21 12 3 6 2
3 1
3
1
2
3+ 5
6
4 1 4 15 =4 1p 0 5 4 1 4 1 5 =
5
3p
1
3
1 1
p 5
3
1 1 1
p 1 1 =
1
p 3 5 3
1 5
3p
1
6 2
3 3 2
3 + 6 2 2
3 1 2
3 + 2 2
3+ 6 3 6 2
3
2 3
3 1 0
=4 1 2 1 5.
0 1 3
35. 2 3
1 0 0
det (A I) = det 4 0 1 2 5= ( 1) ( 5) :
0 2 4
Logo os valores próprios de A são: 0; 1 e 5. Como A é simétrica, então A é ortogonalmente
diagonalizável. Assim, uma vez que
N (A) = L (f(0; 2; 1)g) , N (A I) = L (f(1; 0; 0)g) e N (A 5I) = L (f(0; 1; 2)g)
tem-se uma base ortogonal de R3 formada só por vectores próprios de A:
f(0; 2; 1) ; (1; 0; 0) ; (0; 1; 2)g :

0 12
B2 0p 1 0
32 32 p
2 5
p 3C
5
2
1 0 0
32
B p 0 0 0 0 5 5C p p
B C
Logo: A = B4 2 5
p5
0 5
5 54 0 1 0 54 1
p 0 0 5C = 4 0 5
5 2 5
5
5 =
B 5
p
2 5
p
5
p
2 5 C p
2 5
p
4 5
@ 0 0 0 5 0 A 0
| 5
{z 5
}| {z
p
} | 5
{z 5
} 5 5
PT D P
2 3
1 0 0
4 0 1 2 5:
0 2 4
2 3
1 p
0 0
p
4
Logo B = 0 5 2 5 5 é a matriz de valores próprios não negativos tal que B 2 = A:
5
p 5
p
2 5 4 5
0 5 5
36. a) Como 2 32 3 2 3 2 3
2 1 1 1 4 1
4 1 2 1 54 1 5 = 4 4 5 = 44 1 5;
1 1 2 1 4 1
então (1; 1; 1) é um vector próprio de A associado ao valor próprio 4.
494
b) 2 32 3
2 1 1 1
T ( 1; 1; 0) = 4 1 2 1 5 4 1 5 = ( 1; 1; 0)
1 1 2 0
e 2 32 3
2 1 1 1
T ( 1; 0; 1) = 4 1 2 1 5 4 0 5 = ( 1; 0; 1):
1 1 2 1
c) Por a) e b): (1; 1; 1); ( 1; 1; 0) e ( 1; 0; 1) são vectores próprios de A. Como f( 1; 1; 0); ( 1; 0; 1)g
é uma base de N (A I), aplicando Gram-Schmidt,
( )
1 1
( 1; 1; 0); ( 1; 0; 1) proj ( 1; 0; 1) = ( 1; 1; 0); ; ;1
( 1;1;0) 2 2
é uma base ortogonal para N (A I). Além disso, sendo A simétrica, vectores próprios
associados a valores próprios distintos são ortogonais. Logo
1 1
(1; 1; 1); ( 1; 1; 0); ; ;1
2 2
é uma base ortogonal para R3 formada só por vectores próprios de A.
d) Por c)
( p p p ! p p ! p p p !)
3 3 3 2 2 6 6 6
; ; ; ; ;0 ; ; ;
3 3 3 2 2 6 6 3
é uma base ortonormada para R3 formada só por vectores próprios de A. Logo

2 p p p 32 3 2 p3 p p 3T
3 2 6 2 6
p3 p2 p6 7
4 0 0 p3 p2 p6 7
6 4 6
T
A = P DP = 4 p3 3
2
2 6
5 0 1 0 5 4 33 2 6
5 =
p6 p 2 p6
3
0 6 0 0 1 3
0 6
3 3 3 3
02 p p p 32 32 p p p 3T 12 2 32
3 2 6 3 2 6 4 1 1
p3 p2 p6
2 0 0 p3 p2 p6 3 3 3
B6 74 6 7 C
= @4 p3
3
2
2
p6
6
5 0 1 0 54 p3
3
2
2
p6
6
5 A =4 1
3
4
3
1
3
5 :
1 1 4
3
0 6 0 0 1 3
0 6
3 3 3
3 3 3 3
2 4 1 1
3
3 3 3
Assim, B = 4 1
3
4
3
1
3
5 é a única matriz B de…nida positiva tal que A = B 2 .
1 1 4
3 3 3
37. Como A é simétrica e como 1 e 1 são os únicos valores próprios de A, uma vez que
mg (1) = 2,
então
1 1 1 1 1 0
N (A + I) = (N (A I))? = N =N = L (f(1; 1; 0)g) .
2 2 1 0 0 1
495
Logo, aplicando o método de ortogonalização de Gram-Schmidt à base f(1; 1; 1) ; (2; 2; 1)g
do espaço
próprio N (A I), obtem-se uma base ortogonal de R3 formada só por vectores próprios
de A:
( )
5
(1; 1; 0) ; (1; 1; 1) ; (2; 2; 1) proj (2; 2; 1) = (1; 1; 0) ; (1; 1; 1) ; (2; 2; 1) (1; 1; 1) =
(1;1;1) 3
1 1 2
= (1; 1; 0) ; (1; 1; 1) ; ; ; ou ainda: f(1; 1; 0) ; (1; 1; 1) ; (1; 1; 2)g .
3 3 3
2 p p p 32 32 p p 3 2 3
2 3 6 2 2
2p p3 p6
1 0 0 p2 p2
0
p
0 1 0
6 6 74 0 6 7 4
Logo A = 4 2
2 3
6p 5
1 0 54 3 3 3
5 = 1 0 0 5.
p3 p3 p3 3p
0 3 6 0 0 1 6 6 6 0 0 1
| 3
{z 3
}| {z }| 6 6
{z 3
}
D P
PT
2 1+i
38. A = .
1 i 3
(i)
H
H 2 1+i 2 1+i 6 5 + 5i
AA = =
1 i 3 1 i 3 5 5i 11
H
H 2 1+i 2 1+i 6 5 + 5i
A A= = .
1 i 3 1 i 3 5 5i 11
Logo A é normal.
(ii)
H
2 1+i 2 1+i
A= = = AH
1 i 3 1 i 3
logo A é hermitiana e em particular é normal:
AAH = AA = AH A.
(iii) Como A é hermitiana então é unitariamente diagonalizável (embora o recíproco

não seja verdadeiro), isto é, existem uma matriz unitária U H (U H U = U U H = I; isto é,
U H = U 1 ) e uma matriz diagonal D tais que
D = U AU H .
Note-se que: A normal , A unitariamente diagonalizável.

Como
2 1+i
det(A I) = =( 1) ( 4) ,
1 i 3
496
os valores próprios de A são 1 e 4 e tem-se
N (A 1I) = L (f( 1 i; 1)g)
1 1
N (A 4I) = L + i; 1 .
2 2
Note-se que os vectores de N (A 1I) são ortogonais aos vectores de N (A 4I). Logo,
uma base ortonormada de C2 formada só com vectores próprios de A pode ser:
( )
1 1 1 1
( 1 i; 1) ; 1 1 + i; 1 =
k( 1 i; 1)k 2
+ 2 i; 1 2 2
( p p p ! p p p !)
3 3 3 6 6 6
= i; ; + i; .
3 3 3 6 6 3
Logo " p p p p #
3 3 6 6
i + i
U H = SBvp !Bc = 3 p
3
3 6 p 6
6
3 3
e
" p p p p #H " p p p p #
3 3 6 6 3 3 6 6
1 0 3 p 3
i +
6 p 6
i 2 1+i 3 p 3
i +
6 p 6
i
D= = .
0 4 3 6 1 i 3 3 6
3 3 3 3
| {z } | {z }
=U =U H
2 3
1 1 0
39. A matriz 4 0 1 1 5 não sendo simétrica não é ortogonalmente diagonalizável. No
1 0 1
entanto, como
2 3T 2 3 2 32 3T 2 3
1 1 0 1 1 0 1 1 0 1 1 0 2 1 1
4 0 1 1 5 4 0 1 1 5 = 4 0 1 1 54 0 1 1 5 = 4 1 2 1 5
1 0 1 1 0 1 1 0 1 1 0 1 1 1 2
2 3
1 1 0
então 4 0 1 1 5 é normal e como tal é unitariamente diagonalizável.
1 0 1
1 2
40. Como A = não é simétrica ((A )T 6= A ) então não existe qualquer
2
base ortogonal de R2 formada só por vectores próprios de A . A matriz A é unitariamente
diagonalizável se e só se A fôr normal, isto é, se e só se
(A )T A = A (A )T :
Como
(A )T A = A (A )T ,
497
T T
1 2 1 2 1 2 1 2
, = ,
2 2 2 2
5 2 2 5 2 2
, 2 = 2 ,
2 2 +4 2 2 +4
,2 2=2 2 , = 1:
Assim, A é unitariamente diagonalizável se e só se = 1.
41. (i) 8 0
< u1 = 2u3
u0 = u1 + 2u2 + u3
: 20
u3 = u1 + 3u3
8 0 2 0 3 2 32 3
< u1 = 2u3 u1 (t) 0 0 2 u1 (t)
u0 = u1 + 2u2 + u3 , 4 u02 (t) 5 = 4 1 2 1 5 4 u2 (t) 5 : ( )
: 20
u3 = u1 + 3u3 u03 (t) 1 0 3 u3 (t)
2 3
0 0 2
1 e 2 são os valores próprios da matriz A = 1 2 1 5, sendo os espaços próprios
4
1 0 3
dados por:
N (A 1I) = L (f( 2; 1; 1)g)
N (A 2I) = L (f(0; 1; 0) ; ( 1; 0; 1)g) .
Como existe2uma base de3R3 formada só por vectores próprios: f(0; 1; 0) ; ( 1; 0; 1) ; ( 2; 1; 1)g
0 0 2
4
então a matriz 1 2 1 5 é diagonalizável. Assim, fazendo
1 0 3
2 3 2 3
0 1 2 1 1 1
1
P = 1 04 1 5 tem-se P = 4 1 0 2 5
0 1 1 1 0 1
e 2 3 2 3
2 0 0 0 0
2
4 5
,D= 0 2 0 =P 1 4 1 5P 1 ,
2
0 0 1 1 30
2 3 2 3
0 0 2 2 0 0
, 4 1 2 1 5 = P 14 0 2 0 5P.
1 0 3 0 0 1
o sistema (*) é equivalente a
2 0 3 0 2 3 12 3
u1 (t) 2 0 0 u1 (t)
4 u02 (t) 5 = @P 1 4 0 2 0 5PA4 u2 (t) 5 ,
u03 (t) 0 0 1 u3 (t)
2 0 3 2 30 2 31
u1 (t) 2 0 0 u1 (t)
, P 4 u02 (t) 5 = 4 0 2 0 5 @P 4 u2 (t) 5A
u03 (t) 0 0 1 u3 (t)
498
Assim, considerando a mudança de variável
2 3 2 3
v1 (t) u1 (t)
4 v2 (t) 5 = P 4 u2 (t) 5
v3 (t) u3 (t)
tem-se 2 3 2 30 2 31
v10 (t) 2 0 0 v1 (t)
4 v20 (t) 5 = 4 0 2 0 5 @P 4 v2 (t) 5A ,
v30 (t) 0 0 1 v3 (t)
8 0
> v1 (t) = 2
>
>
8 0 >
> v (t)
< v1 (t) = 2v1 (t) >
< v10 (t)
2
, v 0 (t) = 2v2 (t) , =2 ,
: 20 >
v1 (t)6=0, v2 (t)6=0 > v2 (t)
v3 (t) = v3 (t) e v3 (t)6=0, 8t >
> v 0 (t)
>
> 3
: =1
v3 (t)
8 8
< log jv1 (t)j = 2t + k1 < v1 (t) = c1 e2t
, log jv2 (t)j = 2t + k2 , v2 (t) = c2 e2t
: :
log jv3 (t)j = t + k2 v3 (t) = c3 et
com c1 ; c2 ; c3 2 R. De facto, se u (t) fôr solução de u0 (t) = u (t) então u (t) e t
= c
0
(constante) uma vez que (u (t) e t ) = 0. Logo u (t) = ce t .
Assim, a solução geral do sistema de equações diferenciais lineares é dada por:
2 3 2 3
u1 (t) c1 e2t
4 u2 (t) 5 = P 1 4 c2 e2t 5 =
u3 (t) c3 et
2 32 3 2 3
0 1 2 c1 e2t c2 e2t 2c3 et
=4 1 0 1 5 4 c2 e2t 5 = 4 c1 e2t + c3 et 5 =
0 1 1 c3 et c2 e2t + c3 et
2 3 2 3 2 3
0 1 2
= c1 4 1 5 e2t + c2 4 0 5 e2t + c3 4 1 5 et .
0 1 1
8
< u1 (0) = 2
(ii) Com u2 (0) = 1 tem-se
:
u3 (0) = 0
2 3 2 3
c2 2c3 2
4 c1 + c3 5 = 4 1 5 ,
c2 + c3 0
2 32 3 2 3
0 1 2 c1 2
,4 1 0 1 5 4 c2 5 = 4 1 5 ,
0 1 1 c3 0
499
2 3 2 32 3 2 3
c1 1 1 1 2 1
, 4 c2 5 = 4 1 0 2 54 1 5 = 4 2 5
c3 1 0 1 0 2
então a única solução geral do sistema de equações diferenciais lineares que satisfaz
8
< u1 (0) = 2
u2 (0) = 1
:
u3 (0) = 0
é dada por
2 3 2 3 2 3 2 3 2 3
u1 (t) 2e2t + 4et 0 1 2
4 u2 (t) 5 = 4 2et + e2t 5 = 4 1 5 e2t + 2 4 0 5 e2t 2 4 1 5 et .
u3 (t) 2e2t 2et 0 1 1
42.
Q : R3 ! R
Q (x1 ; x2 ; x3 ) = 3x21 2x1 x2 + 2x22 2x2 x3 + 3x23 =
2 32 3
3 1 0 x1
= x1 x2 x3 4 1 2 1 5 4 x2 5 =
0 1 3 x3
2 p p p 32 32 p p p 3T 2 3
6 2 3 6 2 3
p6 2 3p 1 0 0 p6 2 3p x1
6 74 6 7 4
= x1 x2 x3 4 p3
6
0
p p3
3
5 0 3 0 54 p3
6
0
p p3
3
5 x2 5 =
31)
6 2 3 0 0 4 6 2 3 x3
6 2 3 6 2 3
02 p p p 3T 2 31T 2 32 p p p 3T 2 3
6 2 3 6 2 3
p6 2 3p x1 1 0 0 p6 2 3p x1
B6 7 4 C 6 7 4
= @4 6
0 3
5 x2 5A 4 0 3 0 5 4 6
0 3
5 x2 5 =
p3 p p3 p3 p p3
6 2 3 x3 0 0 4 6 2 3 x3
6 2 3 6 2 3
2 32 3
1 0 0 y1
= y1 y2 y3 4 0 3 0 5 4 y2 5
0 0 4 y3
logo a forma quadrática é de…nida positiva pois os valores próprios de A são todos positivos.
Fazendo a mudança de variável
2 p p p 3T 2 3 2 3
6 2 3
p6 2 3p x1 y1
6 6 3 7 4 x 5 = 4 y 5.
4 p3 0
p p 3 5 2 2
6 2 3 x3 y3
6 2 3
Tem-se então a forma quadrática diagonal:
Q0 (y1 ; y2 ; y3 ) = y12 + 3y22 + 4y32 .
500
1. Seja V um espaço euclidiano real. As alíneas (i), (ii), (iii) e (iv) são consequência da
de…nição de produto interno.
Sejam u; v; w 2 V; 2 R.
(v) Atendendo à condição de linearidade do produto interno:
hu + w; v + wi = hu; vi + hu; wi + hw; vi + hw; wi =

= hu; vi + hu; wi + hw; vi + kwk2 .
(vi) Atendendo à condição de linearidade do produto interno:
hu; 0i = hu; 0vi = 0 hu; vi = 0 e h0; ui = h0v; ui = 0 hv; ui = 0.
(vii) Se hu; vi = 0 então
ku + vk2 = hu + v; u + vi = kuk2 + 2 hu; vi + kvk2 =

= kuk2 + kvk2 =
= kuk2 2 hu; vi + kvk2 =
= hu v; u vi =
= ku vk2 ,
isto é, ku + vk = ku vk.
Se ku + vk = ku vk então ku + vk2 = ku vk2 e esta última equação é equivalente
à equação
kuk2 + 2 hu; vi + kvk2 = kuk2 2 hu; vi + kvk2 ,
isto é, hu; vi = 0.
(viii) Atendendo a que
ku + vk2 = hu + v; u + vi = kuk2 + 2 hu; vi + kvk2 ,
então tem-se ku + vk2 = kuk2 + kvk2 se e só se hu; vi = 0.

(ix) Seja c 2 R. Se hu; vi = 0 então
ku + cvk2 = hu + cv; u + cvi = kuk2 + 2c hu; vi + c2 kvk2 =

= kuk2 + c2 kvk2 kuk2 ,
para todo o real c, isto é, ku + cvk kuk para todo o real c.

Se ku + cvk kuk para todo o real c, então
kvk2 c2 + 2 hu; vi c 0,
para todo o real c, se e só se hu; vi = 0 (fórmula resolvente).
501
(x) Se hu + v; u vi = 0 então
0 = hu + v; u vi = kuk2 kvk2 .
Logo, kuk = kvk.

Se kuk = kvk então
0 = kuk2 kvk2 = hu + v; u vi .
Logo, hu + v; u vi = 0.
(xi)
ku vk2 + ku + vk2 = hu v; u vi + hu + v; u + vi =
= kuk2 2 hu; vi + kvk2 + kuk2 + 2 hu; vi + kvk2 =
= 2 kuk2 + 2 kvk2 .
2. Seja V um espaço euclidiano real.

(i) Seja u 2 V . Se hu; vi = 0 para qualquer v 2 V então, em particular para v = u,
tem-se
hu; ui = 0.
Logo, u = 0.
(ii) Sejam u; v 2 V . Se u = v então
hu; wi = hv; wi ,
para qualquer w 2 V .
Se hu; wi = hv; wi para qualquer w 2 V , então
hu v; wi = 0,
para qualquer w 2 V . Logo, atendendo à alínea anterior, tem-se u = v.
3. Seja V um espaço euclidiano com dim V = n. Seja S = fu1 ; :::; un g uma base orto-
normada de V . Seja T : V ! V uma transformação linear. A matriz A = (aij ) que
representa T em relação à base S é dada por
A = (aij ) = (hT (uj ); ui i) ,
uma vez que, para j = 1; :::; n,
T (uj ) = hT (uj ); u1 i u1 + ::: + hT (uj ); un i un .
4. Seja V um espaço euclidiano de dimensão n. Seja fu1 ; :::; uk g um conjunto linearmente

independente de k vectores de V . Considere a transformação linear T : V ! V de…nida
por
X
k
T (v) = hv; ui i ui ,
i=1
com v 2 V .
502
Mostre que T é invertível se e só se k = n.
Dem. Atendendo a que T é invertível se e só se N (T ) = f0g, bastará ver que
N (T ) = f0g se e só se k = n.
Se N (T ) = f0g então teremos k = n, caso contrário, isto é, caso k < n ter-se-ia
(L (fu1 ; :::; uk g))? 6= f0g :
Assim, para v 2 (L (fu1 ; :::; uk g))? , com v 6= 0, teríamos T (v) = 0, ou seja N (T ) 6=

f0g. O que não pode ser pois suposemos N (T ) = f0g. Logo, se N (T ) = f0g então
tem-se k = n.
Suponhamos agora que se tem k = n. Nesse caso, o conjunto fu1 ; :::; un g é uma base
de V . Queremos ver que se tem N (T ) = f0g. Seja v 2 V tal que T (v) = 0. Logo,
X
n
hv; ui i ui = 0.
i=1
Assim, atendendo a que o conjunto fu1 ; :::; un g é linearmente independente, tem-se

hv; ui i = 0, para todo o i = 1; :::; n. Finalmente, como o conjunto fu1 ; :::; un g gera V ,
tem-se hv; ui = 0, para qualquer u 2 V . Logo v = 0 e assim N (T ) = f0g.
5. Seja V um espaço euclidiano real. Seja T : V ! V uma transformação linear tal que
kT (w)k = kwk para qualquer w 2 V . Mostre que
hT (u); T (v)i = hu; vi ,
para quaisquer u; v 2 V .
Dem. Sejam u; v 2 V . Tem-se
1 1
hu; vi = ku + vk2 kuk2 kvk2 = kT (u + v)k2 kT (u)k2 kT (v)k2 =
2 2
1
= kT (u) + T (v)k2 kT (u)k2 kT (v)k2 = hT (u); T (v)i .
2
6. Seja U uma matriz unitária. Isto é:
UH = U 1
.
Seja um valor próprio de U e v um vector próprio associado:
U v = v.
Logo
v H U H = (U v)H = ( v)H = v H
e assim
vH U H U v = vH U v , v H U H U v = v H (U v) ,
, v H Iv = v H v , v H v = v H v j j2 , 1 j j2 kvk2 = 0 , j j = 1.
v6=0
503
7. Existência.
Rn = N (T ) (N (T ))? :
Se N (T ) = Rn então u0 = 0.
Se N (T ) 6= Rn então existe v0 2 (N (T ))? n f0g. Seja u 2 Rn arbitrário. Logo
T (u)v0 T (v0 )u 2 N (T )
pois
T (T (u)v0 T (v0 )u) = T (u)T (v0 ) T (v0 )T (u) = 0.
Deste modo
hT (u)v0 T (v0 )u; v0 i = 0
o que é equivalente a
T (v0 )
T (u) = hu; v0 i:
hv0 ; v0 i
Assim existe
T (v0 )
u0 := v 0 2 Rn
hv0 ; v0 i
tal que
T (u) = hu; u0 i;
para todo o u 2 Rn .
Unicidade. Suponhamos que existem u0 ; u1 2 Rn tais que
hu; u0 i = T (u) = hu; u1 i;
para todo o u 2 Rn . Assim

hu; u0 u1 i = 0;
para todo o u 2 Rn , isto é
u0 u1 2 (Rn )? = f0g ;
ou seja
u0 = u1 :
8. Os casos k = 0 ou k = n são triviais, pelo que vamos supôr que 1 k n 1. Sejam

fv1 ; :::vk g uma base ortogonal de V e fw1 ; :::; wn k g uma base ortogonal de V ? de modo
a que B =fv1 ; :::vk ; w1 ; :::; wn k g seja uma base ortogonal ordenada de Rn . A matriz
que representa P em relação a B é a matriz diagonal com as primeiras k entradas
da diagonal principal iguais a 1 e as restantes iguais a zero (note que P (vi ) = vi e
P (wj ) = 0 para todos os i 2 f1; :::; kg; j 2 f1; :::; n kg). Logo P é diagonalizável e
o polinómio característico é dado por:
n k
p( ) = ( 1)n ( 1)k :
9. Sejam u 2 C(A) e v 2 N (A) quaisquer. Usando o produto interno usual, tem-se
N (A) = N (AT A)
504
e assim
? ?
C(A) = L(AT ) = N (AT ) = N (AAT ) = L(AAT ) = C (AAT )T = C AAT :
Logo
u = AAT v 0
para algum v 0 2 Rn e como
AT Av = 0
tem-se
T T T T
hu; vi = uT v = AAT v 0 v = (v 0 ) AAT v = (v 0 ) AT Av = (v 0 ) 0 =0.
AAT =AT A
Assim
C(A) (N (A))?
e como
Rn = (N (A))? N (A)
e
n = dim C(A) + dim N (A)
então
dim C(A) = dim (N (A))? :
Pelo que
C(A) = (N (A))? isto é (C(A))? = N (A).
10. Para todos os u; v 2 V ,
0 = hT (u + v); u + vi = hT (u) + T (v); u + vi = hT (u); ui + hT (v); vi + hT (v); ui + hT (u); vi =

= hT (v); ui + hT (u); vi :
Logo, para todos os u; v 2 V ,
0 = hT (iv); ui + hT (u); ivi = hiT (v); ui + hT (u); ivi = i hT (v); ui + i hT (u); vi :
Assim, para todos os u; v 2 V ,

1
0 = hT (v); ui + hT (u); vi + ( i hT (v); ui + i hT (u); vi) = 2 hT (u); vi ;
i
ou seja, para todos os u; v 2 V , hT (u); vi = 0. Assim, fazendo v = T (u), tem-se
kT (u)k2 = hT (u); T (u)i = 0;
para todo o u 2 V , ou seja T (u) = 0, para todo o u 2 V , isto é, T = 0.
505
11. Seja T : Rn ! Rn uma transformação linear invertível. Seja u um vector próprio de T
associado a um valor próprio de T . Veri…que que u é também um vector próprio de
T 1 e determine o valor próprio de T 1 que lhe está associado.
1
Dem. Tem-se T (u) = u, com u 6= 0. Como T é invertível e T é linear,
1 1
u=T ( u) = T (u).
Por outro lado, tem-se 6= 0 uma vez que u 6= 0 e T é invertível. Logo,
1 1
T (u) = u.
1 1 1
Isto é, u é um vector próprio de T associado ao valor próprio de T .
12. Seja V um espaço linear. Seja T : V ! V uma transformação linear. Seja u um vector
próprio de T associado a um valor próprio de T . Veri…que que u é também um vector
próprio de T 2 associado ao valor próprio 2 de T 2 .
Dem. Tem-se T (u) = u, com u 6= 0. Logo, como T é linear,
2
T 2 (u) = (T T ) (u) = T (T (u)) = T ( u) = T (u) = u= u,
2
isto é, u é um vector próprio de T 2 associado ao valor próprio de T 2 .
k
13. Seja A uma matriz do tipo n n. Mostre que se é um valor próprio de A então
é um valor próprio de Ak , onde k é um inteiro positivo.
Dem. Sendo k um inteiro positivo, tem-se
k k 2 k 1
Ak I = (A I)(Ak 1
+ Ak 2
+ +A + I).
k
Logo, se é um valor próprio de A então é um valor próprio de Ak , onde k é um
inteiro positivo.
14. Uma matriz A do tipo n n diz-se nilpotente se Al = 0 para algum inteiro positivo l.
Mostre que se A é nilpotente então o único valor próprio de A é 0.
Dem. Suponhamos que Al = 0 para algum inteiro positivo l. Seja um valor próprio
de A. Pelo exo anterior, l é um valor próprio de Al . Como Al = 0, então:
l l
0 = det(Al I) = det( I) = ( 1)n l .
Logo = 0 e como tal, 0 é o único valor próprio de A.
15. Seja A uma matriz n n. Veri…que que A e AT têm os mesmos valores próprios.
Dem. Tem-se det(A I) = det (A I)T = det(AT I). Isto é, as matrizes A
e AT têm os mesmos valores próprios.
16. Seja A uma matriz n n cuja soma das suas colunas é constante e igual a r. Mostre
que r é um valor próprio de A:
Dem. Tem-se 2 3 2 32 3
1 a11 a12 a1n 1
6 1 7 6 a21 a22 a2n 76 1 7
6 7 6 76 7
A6 .. 7=6 .. .. ... .. 76 .. 7=
4 . 5 4 . . . 54 . 5
1 an1 an2 ann 1
506
2 3 2 3 2 3 2 3 2 3
a11 a12 a1n r 1
6 a21 7 6 a22 7 6 a2n 7 6 r 7 6 1 7
6 7 6 7 6 7 6 7 6 7
=6 .. 7+6 .. 7+ +6 .. 7=6 .. 7 = r6 .. 7.
4 . 5 4 . 5 4 . 5 4 . 5 4 . 5
an1 an2 ann r 1
Logo r é um valor próprio de A, associado ao vector próprio (1; 1; : : : ; 1).
17. Seja A 2 Mn n (R). Seja P uma matriz diagonalizante para A. Determine uma matriz
diagonalizante para AT em termos de P .
1 T 1 T
Dem. Tem-se D = P AP 1 e D = DT = (P AP ) = (P ) AT P T . Logo, a matriz
T
(P 1 ) é uma matriz diagonalizante para AT .
18. Seja Q uma matriz n n real ortogonal, isto é, tal que Q 1 = QT . Mostre que se n
fôr ímpar então Q tem o valor próprio 1 ou tem o valor próprio 1.
Dem. Atendendo a que QQT = I tem-se
(det Q)2 = det Q det Q = det Q det QT = det QQT = det I = 1 ,
, (det Q = 1 ou det Q = 1).

Logo:
Se
det Q = 1 det (Q I) = det Q I QT = det Q det I QT =
h i
= ( 1)n det Q det QT I = det Q det (Q I)T = det (Q I) ,
n é ímpar
, 2 det (Q I) = 0 , det (Q I) = 0
isto é, 1 é valor próprio de Q;
Se det Q = 1
det (Q + I) = det Q I + QT = det Q det I + QT =

h i
= det Q det QT + I = det (Q + I)T = det (Q + I) ,
, 2 det (Q + I) = 0 , det (Q + I) = 0 , det (Q ( 1) I) = 0

isto é, 1 é valor próprio de Q.
19. Seja A 2 M2 2 (R) tal que det A < 0. Mostre que A é diagonalizável.
a b
Dem. Seja A = 2 M2 2 (R). Sejam 1 e 2 dois valores próprios de A.
c d
Como
1 2 = det A < 0
então 1 e 2 são dois valores próprios distintos de A, pelo que os vectores próprios
correspondentes são linearmente independentes, constituindo assim uma base de R2 ,
razão pela qual A é diagonalizável.
507
20. Seja A uma matriz n n e seja um valor próprio de A com multiplicidade algébrica
igual a n. Mostre que se A fôr diagonalizável então A é uma matriz diagonal.
Dem. Seja um valor próprio de A com multiplicidade algébrica igual a n. Como A
é do tipo n n, então é o único valor próprio de A. Assim, A fôr diagonalizável se
e só se
dim N (A I) = mg ( ) = ma ( ) = n
o que é equivalente a ter-se
A I = 0 (matriz nula)
isto é, 2 3
0 0
6 ... ... .. 7
6 0 . 7
A= I=6 .. .. .. 7
4 . . . 0 5
0 0
ou seja, A é uma matriz diagonal.
21. Seja V um espaço linear e seja T : V ! V uma transformação linear tal que todos
os vectores não nulos de V são vectores próprios. Mostre que T tem um único valor
próprio.
Dem. Suponhamos, com vista a uma contradição, que 1 e 2 eram dois valores
próprios distintos de T . Sejam v1 e v2 vectores próprios de T associados respectivamente
aos valores próprios 1 e 2 . Logo, o conjunto fv1 ; v2 g é linearmente independente. Por
outro lado
T (v1 + v2 ) = T (v1 ) + T (v2 ) = 1 v1 + 2 v2
e como cada vector não nulo de V é um vector próprio de T , então v1 + v2 é um vector
próprio de T e assim, existe um escalar 3 tal que
T (v1 + v2 ) = 3 (v1 + v2 ) = 3 v1 + 3 v2 .
Deste modo, tem-se

1 v1 + 2 v2 = 3 v1 + 3 v2
ou seja
( 1 3 ) v1 +( 3 2 ) v2 = 0.
Como o conjunto fv1 ; v2 g é linearmente independente, então ter-se-ia
1 = 3 e 3 = 2 isto é, 1 = 2
contrariando o facto de se ter assumido que 1 e 2 eram dois valores próprios distintos
de T .
Logo, T tem um único valor próprio.
22. Sejam A e B duas matrizes do tipo n n. Mostre que AB e BA têm os mesmos valores
próprios.
508
Dem. Sejam A; B 2 Mn n (R). Atendendo a que
det (AB 0I) = det (AB) = det (BA) = det (BA 0I) ;
0 é valor próprio de AB se e só se 0 é valor próprio de BA.

Seja um valor próprio de AB, com 6= 0. Então existe u 6= 0 tal que ABu = u.
Seja w = Bu: Como u 6= 0 e B é invertível então w 6= 0. Logo,
(BA) w = (BA) Bu = B (AB) u = B u = (Bu) = w.
Isto é, é valor próprio de BA com w como vector próprio associado.

Seja um valor próprio de BA, com 6= 0. Então existe u 6= 0 tal que BAu = u.
Seja w = Au: Como u 6= 0 e A é invertível então w 6= 0. Logo,
(AB) w = (AB) Au = A (BA) u = A u = (Au) = w.
Isto é, é valor próprio de AB com w como vector próprio associado.
23. Seja A uma matriz n n e sejam 1; 2 escalares, com 1 6= 2, tais que
(A 1 I) (A 2 I) = 0:
Atendendo a que
det (A 1 I) det (A 2 I) = 0 , (det (A 1 I) = 0 ou det (A 2 I) = 0)
então 1 é valor próprio de A ou 2 é valor próprio de A. Uma vez que
(A 1 I) (A 2 I) = (A 2 I) (A 1 I) ,
suponhamos sem perda de generalidade que 1 é um valor próprio de A. Atendendo a

que
C (A 2 I) N (A 6 f0g
1 I) =
então
n nul (A 2 I) = car (A 2 I) = dim C (A 2 I)
dim N (A 1 I) = nul (A 1 I)
isto é,
n nul (A 1 I) + nul (A 2 I) .
Logo, atendendo a que
nul (A 1 I) + nul (A 2 I) n;
tem-se
nul (A 1 I) + nul (A 2 I) =n
ou seja, A é diagonalizável.
509
k+1
24. Se é valor próprio de A então é valor próprio de Ak+1 , pois Au = u implica
k+1
Ak+1 u = u:
k+1
Sendo A é nilpotente, então = 0, logo = 0 é o único valor próprio de A.
Se A fosse diagonalizável então existiria uma matriz invertível S tal que
1
A=S DS
onde D é a matriz diagonal cujas entradas na diagonal são formadas pelos valores
próprios de A. Como = 0 é o único valor próprio de A, D = 0 e portanto
1
A=S 0S = 0;
o que é absurdo porque Ak 6= 0.

2 3
y1
25. h(x1 ; x2 ; x3 ); (y1 ; y2 ; y3 )i = x1 y1 + x1 y3 + 2x2 y2 + x3 y1 + x3 y3 = x1 x2 x3 A 4 y2 5,
y3
com 2 3
1 0 1
A=4 0 2 0 5
1 0 1
simétrica e cujos valores próprios são: 0 e 2. Como os vectores próprios (0; 1; 0) e
(1; 0; 1) associados ao valor próprio 2 são linearmente independentes, formam uma
base do subespaço de R3 com a maior dimensão possível, neste caso dimensão 2, rel-
ativamente ao qual a aplicação anterior de…ne um produto interno. Esse subespaço é
então dado por:
L (f(0; 1; 0) ; (1; 0; 1)g) :
26. Como A é ortogonalmente diagonalizável então A = P T DP , com D matriz diagonal

em que a diagonal principal é formada pelos valores próprios não negativos de A.
2 2
Como A2 B = BA2 então P T DP B = B P T DP isto é P T D2 P B = BP T D2 P .
Por outro lado: P T D2 P B = BP T D2 P , D2 P BP T = P BP T D2 . Sendo C =
P BP T tem-se então ( i )2 cij = cij ( j )2 . Se cij 6= 0 então i = j uma vez que os valores
próprios são não negativos. Logo DC = CD pelo que D P BP T = P BP T D isto é
P T DP B = B P T DP ou seja AB = BA.
27. Sejam 1 ; :::; k os valores próprios não nulos de A 2 Mn n (R). Como para todo o
i = 1; :::; k se tem Aui = i ui com ui 6= 0 então
A2 u i = i Aui = ( i )2 ui
e assim, para todo o i = 1; :::; k, ( i )2 é valor próprio de A2 . Logo, tem-se:
(n 1) tr A2 < (tr A)2 = ( 1 + ::: + k)

2
= (h(1; :::; 1) ; ( 1 ; :::; k )i)
2
Cauchy-Schwarz
2 2 2 2
k(1; :::; 1)k k( 1 ; :::; k )k = k ( 1 ) + ::: + ( k ) = k tr A2
e assim k = n, pelo que 0 não é valor próprio de A, ou seja, A é invertível.
510

Sebenta IST

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Sebenta IST

Enviado por

Direitos autorais:

Formatos disponíveis

.

Instituto Superior Técnico

Parte I (Aulas teóricas e …chas de exercícios)

Resolução da 1a …cha de exercícios para as aulas de problemas.......................................189

De…nição 1. Uma equação linear com n incógnitas x1 ; x2 ; :::; xn é uma equação da

em que a1 ; a2 ; :::; an e b são constantes (reais ou complexas). A b chama-se termo indepen-

De…nição 2. Um sistema de m equações lineares com n incógnitas x1 ; x2 ; :::; xn é

em que aij e bk são constantes (reais ou complexas), para i; k = 1; :::; m e j = 1; :::; n.

De…nição 3. Uma solução (caso exista) de um sistema de m equações lineares com n

(s1 ; s2 ; :::; sn ) 2 Rn := f(a1 ; a2 ; :::; an ) : a1 ; a2 ; :::; an 2 Rg

que satisfaz as equações desse sistema quando substituímos

(No caso das variáveis serem complexas ter-se-ia soluções em Cn .)

satisfaz a equação matricial

isto é, fazendo X = S tem-se a condição verdadeira AS = B. Ao conjunto de todas as

associada ao sistema ( ) chama-se matriz aumentada do sistema.

Exemplo 1. O sistema linear de duas equações e duas incógnitas

pode ser escrito do seguinte modo:

A solução geral do sistema acima é dada por

f(x; y) : x + 2y = 1 e 2x + y = 0g = f( 1=3; 2=3)g ;

De…nição 5. A um sistema de equações lineares da forma

Observação 1. (i) Todo o sistema linear homogéneo AX = 0 admite pelo menos a

(a) Trocar a posição de duas equações do sistema;

(b) Multiplicar uma equação por um escalar diferente de zero;

De…nição 7. Dois sistemas de equações lineares que se obtêm um do outro através de

Observação 2. Quando aplicamos operações elementares às equações de um sistema de

De…nição 8. As operações elementares que podem ser aplicadas às linhas (i e j) de

(i) Trocar a posição de duas linhas (i e j) da matriz: Li $ Lj

Teorema 1. Se dois sistemas lineares AX = B e CX = D são tais que a matriz

De…nição 9. Uma matriz A = (aij )m n diz-se em escada de linhas se:

De…nição 10. O método de resolver sistemas de equações lineares que consiste em

De…nição 11. Um sistema de equações lineares diz-se:

Exemplo 3. O sistema de equações lineares de variáveis reais x; y e z

Considere-se então a matriz aumentada e o consequente método de eliminação de Gauss:

Considere-se então a matriz aumentada e o consequente método de eliminação de Gauss:

Exemplo 5. Seja a 2 R. O sistema de equações lineares de variáveis reais x; y e z

Considere-se então a matriz aumentada e o consequente método de eliminação de Gauss:

isto é, o conjunto solução é dado por: f(3t + 1; 2t + 1; t) : t 2 Rg.

Exemplo 6. Considere-se as matrizes do exemplo 2. Pivot de A1 : 4. Pivots de A2 :

Observação 3. Seja [A j B] a matriz aumentada associada a um sistema de equações

(i) Se car A = car [A j B] = n então o sistema é possível e determinado (tem uma

(ii) Se car A = car [A j B] < n então o sistema é possível e indeterminado (tem um

= no de pivots = no de incógnitas não livres:

(ii) nul A = no de incógnitas livres:

1. Quais das seguintes equações são equações lineares em x; y e z ?

2. Diga qual dos seguintes pontos:

(0; 0) ; (1; 1) ; (1; 1) ; ( 1; 1)

é a solução do seguinte sistema de equações lineares nas variáveis x; y.

3. Diga quais dos seguintes pontos:

(0; 0; 0; 0) ; (1; 1; 1; 0) ; (1; 1; 1; 2) ; 3; 9; 7;

são soluções do sistema de equações lineares nas variáveis x; y; z e w.

5. Resolva os seguintes sistemas de equações lineares.

a) Determine os valores de para os quais o sistema anterior é possível e indeterminado.

8. Classi…que em função do parâmetro real os seguintes sistemas de equações lineares

10. Determine um sistema de equações lineares cujo conjunto de soluções seja:

Usa-se também a notação A = (aij )m n ou simplesmente A = (aij ), na qual aij é a entrada

(iv) À matriz do tipo n n

são dos seguintes tipos: A é 2 2, B é 2 4, C é 1 3, D é 4 1. Tem-se, por exemplo,

Observação 5. Uma matriz (real) A do tipo m n é uma aplicação:

A : f1; :::; mg f1; :::; ng ! R

Notação 1. O conjunto de todas as matrizes reais (complexas) do tipo m n é denotado

De…nição 16. A soma de duas matrizes do mesmo tipo

De…nição 17. O produto de um escalar (número real ou complexo) por uma

Notação 2. A matriz ( 1)A será denotada por A.