UNIVERSIDADE SÃO FRANCISCO

DISCIPLINA

ÁLGEBRA LINEAR

Adalberto Nobiato Crespo 2014 versão 1

 SUMÁRIO
1   MATRIZES...................................................................................................................... 1  
1.1   INTRODUÇÃO .............................................................................................................. 1  
1.2   MATRIZES ESPECIAIS ................................................................................................. 1  
1.3   ADIÇÃO DE MATRIZES................................................................................................ 4  
1.4   PROPRIEDADES DA ADIÇÃO ........................................................................................ 4  
1.5   MULTIPLICAÇÃO DE MATRIZES .................................................................................. 5  
1.6   PROPRIEDADES DA MULTIPLICAÇÃO .......................................................................... 6  
1.7   PRIMEIRA LISTA DE EXERCICIOS – MATRIZES ........................................................... 7  

2   DETERMINANTES ...................................................................................................... 10  
2.1   PROPRIEDADES DOS DETERMINANTES. ..................................................................... 12  

3   INVERSÃO DE MATRIZES ........................................................................................ 16  

3.1   INTRODUÇÃO ............................................................................................................ 16  
3.2   MATRIZ INVERSA ..................................................................................................... 16  
3.3   INVERSÃO DE MATRIZ POR OPERAÇÕES ELEMENTARES ........................................... 18  
3.4   SEGUNDA LISTA DE EXERCÍCIOS – MATRIZ INVERSA E DETERMINANTES ................ 18  

4   SISTEMAS DE EQUAÇÕES LINEARES ................................................................... 20  

4.1   EQUAÇÃO LINEAR .................................................................................................... 20  
4.2   SISTEMAS LINEARES. ................................................................................................ 21  
4.3   EXPRESSÃO MATRICIAL DE UM SISTEMA DE EQUAÇÕES LINEARES.......................... 22  
4.4   SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES ................................................ 23  
4.5   REGRA DE CRAMER .................................................................................................. 27  
4.6   SISTEMAS TRIANGULARES OU ESCALONADOS.......................................................... 30  
4.7   PROCESSO PARA ESCALONAR UM SISTEMA LINEAR ................................................. 32  
4.8   MÉTODO DE ELIMINAÇÃO DE GAUSS ....................................................................... 34  
4.9   EXERCÍCIOS SOBRE SISTEMAS DE EQUAÇÕES LINEARES .......................................... 35  

5   VETORES...................................................................................................................... 38  
5.1   INTRODUÇÃO ............................................................................................................ 38  
5.2   OPERAÇÃO COM VETORES........................................................................................ 42  
5.3   VETORES NO RN........................................................................................................ 50  

2
 5.4   OPERAÇÃO COM VETORES NO RN ............................................................................. 51  
5.5   PRODUTO INTERNO .................................................................................................. 59  
5.6   DECOMPOSIÇÃO DE VETORES ................................................................................... 61  
5.7   PRODUTO VETORIAL ................................................................................................ 62  
5.8   PRODUTO MISTO ...................................................................................................... 63  

6   ESPAÇOS VETORIAIS ................................................................................................ 68  

6.1   SUBESPAÇOS VETORIAIS .......................................................................................... 69  
6.2   COMBINAÇÃO LINEAR .............................................................................................. 70  
6.3   DEPENDÊNCIA E INDEPENDÊNCIA LINEAR ................................................................ 70  
6.4   BASE E DIMENSÃO DE UM ESPAÇO VETORIAL .......................................................... 73  
6.5   COORDENADAS DE UM VETOR.................................................................................. 75  
6.6   MUDANÇA DE BASE ................................................................................................. 75  

7   TRANSFORMAÇÕES LINEARES .............................................................................. 77  

7.1   INTRODUÇÃO ............................................................................................................ 77  
7.2   TRANSFORMAÇÕES DO PLANO NO PLANO ................................................................. 80  
7.3   OPERADORES LINEARES NO ESPAÇO VETORIAL R2 .................................................. 80  
7.4   LEI DE UMA TRANSFORMAÇÃO LINEAR .................................................................... 83  
7.5   IMAGEM E NÚCLEO DE UMA TRANSFORMAÇÃO LINEAR ........................................... 83  
7.6   ESPAÇOS VETORIAIS ISOMORFOS ............................................................................. 85  
7.7   MATRIZ ASSOCIADA A UMA TRANSFORMAÇÃO LINEAR ........................................... 86  

8   AUTOVALORES E AUTOVETORES ......................................................................... 90  

8.1   DETERMINAÇÃO DOS AUTOVALORES E AUTOVETORES ............................................ 90  

9   EXERCICIOS ADICIONAIS ................................................................................................ 94  

9.1   EXERCÍCIOS SOBRE VETORES ................................................................................... 94  
9.2   EXERCÍCIOS SOBRE PRODUTO INTERNO.................................................................... 96  
9.3   EXERCÍCIOS SOBRE PRODUTO MISTO ....................................................................... 98  
9.4   EXERCÍCIOS SOBRE ESPAÇOS VETORIAIS ................................................................. 99  
9.5   EXERCÍCIOS SOBRE DEPENDÊNCIA LINEAR ............................................................ 101  
9.6   EXERCÍCIOS SOBRE BASE, DIMENSÃO, COORDENADAS E MUDANÇA DE BASE ....... 102  
9.7   EXERCÍCIOS SOBRE TRANSFORMAÇÕES LINEARES ................................................. 103

3
1 MATRIZES

1.1 Introdução
Esta secção, apresenta um conjunto de exercícios que possibilitam ao aluno, revisar conceitos básicos
sobre matrizes. É muito importante que o aluno se detenha nas propriedades apresentadas, pois são de
grande importância dentro da Álgebra Linear. Algumas aplicações do estudo das matrizes são
resolução de sistemas de equações lineares, mudança de bases de um espaço vetorial, representação e
composição de transformações lineares.

Matriz m x n à tabela com m linhas e n colunas.

Elemento ai, j índice i à linha na qual se encontra o elemento

índice j à coluna na qual se encontra o elemento

⎛ 3 1 − 5 ⎞
Exemplo.1. ⎜⎜ ⎟⎟
⎝ 4 − 2 2 ⎠ 2 X 3

Tabela com __ elementos.

a12 = ___; a21= ___; a33 = ___; a13 = ___.
⎡ i 2 2i ⎤
Exemplo.2. Encontre a matriz A = ai ( )
j 2x2 tal que A = ⎢ ⎥ .
⎣− j 2 j ⎦

1.2 Matrizes Especiais

1 - Matriz Linha L = [1 5]

⎡− 2⎤
2 - Matriz Coluna C = ⎢ ⎥
⎣ 7 ⎦

⎡1 − 9⎤
3 - Matriz Quadrada Q = ⎢ ⎥
⎣0 1 ⎦

⎡0 0⎤
4 - Matriz Nula N = ⎢ ⎥ M = [0 0 0]
⎣0 0⎦

Observação: Diagonal principal (i = j)

Diagonal secundária (soma dos índices i + j = n + 1).

1
 ⎡ a11 a12 a13 ⎤ ⎡a11 ⎤ ⎡ a13 ⎤
P = ⎢⎢a 21 a 22 a 23 ⎥⎥ P = ⎢⎢ a 22 ⎥
⎥ P = ⎢⎢ a 22 ⎥
⎥
⎢⎣ a31 a32 a33 ⎥⎦ ⎢⎣ a33 ⎥⎦ ⎢⎣a31 ⎥⎦

OBS.: As matrizes estão aqui exemplificadas com apenas alguns elementos somente para destacar o
descrito. Lembre-se de que as matrizes devem conter todos os seus elementos, mesmo que
sejam nulos.

5 - Matriz Triangular Superior.

É uma matriz quadrada onde aij = 0 para i > j.
⎡1 3 0 3⎤
⎡1 9 0 ⎤ ⎢ ⎥
⎡1 − 9⎤ 0 0 6 0⎥
1.2.1.1 Exemplos. A = ⎢0 7 − 2⎥ B = ⎢ ⎥ C = ⎢
⎢ ⎥
⎢⎣0 0 1 ⎥⎦ ⎣0 1 ⎦ ⎢0 0 1 2⎥
⎢ ⎥
⎣⎢0 0 0 1⎦⎥
6 - Matriz Triangular Inferior.
É uma matriz quadrada onde aij = 0 para i < j.
⎡1 0 0 0⎤
⎡ 4 0 0⎤ ⎢6 5
⎡1 0⎤ 0 0⎥⎥
Exemplos. A = ⎢9 2 0⎥ B = ⎢ ⎥ C = ⎢
⎢ ⎥ ⎢4 − 3 9 0⎥
⎢⎣π 7 1⎥⎦ ⎣3 1⎦
⎢ ⎥
⎣2 0 0 1⎦

7 - Igualdade de Matrizes
Elementos de mesmo índice são correspondentes.
Exemplo.1. Determine, a, b, x, y, sabendo que:
⎛ x + y 2a + b ⎞ ⎛ 3 − 1⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ 2 x − y a − b ⎠ ⎝ 0 7 ⎠

Exemplo.2. Determine os valores de “x”, “y” e “z” para que as igualdades sejam verdadeiras.
⎡ x − y z − 3⎤ ⎡− 2 − 8 ⎤ ⎡x 2 − 9x 3x ⎤ ⎡− 20 10 + x ⎤
a) ⎢ 2 ⎥
= ⎢ 21 ⎥ b) ⎢ ⎥ = ⎢
⎣ 2 x + 3 y z ⎦ ⎣ 25 ⎦ ⎣5 x − y 5 ⎦ ⎣− 9 5 ⎥⎦

8 - Matriz Oposta
A oposta de M é –M.
⎡ 2 7 31 ⎤
Exemplo. Qual é a matriz oposta de B = − 1 12 − 25⎥ ?
⎢
⎢ ⎥
⎢⎣ 3 15 − 18 ⎥⎦
9 - Matriz Transposta
t
( )
Seja a matriz A = ai, j
mxn
. A transposta de A é determinada por A = a j , i ( )
nxm
.
Exemplo. Obtenha as transpostas das matrizes:

2
 ⎡ 2 5 2 ⎤
⎛ 1 7 ⎞ ⎛ 2 4 − 6 ⎞ ⎢ ⎥
a) A = ⎜⎜ ⎟⎟ b) B = ⎜⎜ ⎟⎟ c) C = ⎢− 1 7 2 ⎥
5
⎝ 4 9 ⎠ ⎝ − 5 0 9 ⎠ ⎢ 3 − 9 0 ⎥
⎣ ⎦

Propriedades da Matriz Transposta

a) ( A + B )t = At + Bt
b) (k . A)t = k . At , k ∈ R

( )t
c) At = A
( )
d) A . B t = Bt . At

10 - Matriz Simétrica
Toda matriz quadrada A de ordem n, tal que: At = A
⎡ 1 − 1 4⎤
⎛ 1 4 ⎞
Exemplo. As matrizes A = ⎜⎜ ⎟⎟ e B = ⎢− 1 5 2⎥ são simétricas pois,
⎢ ⎥
⎝ 4 9 ⎠ ⎢⎣ 4 2 7⎥⎦
11 - Matriz anti-simétrica
Toda matriz quadrada A de ordem n, tal que: At = − A
⎡ 0 1 − 3⎤ ⎡ 0 1 − 4⎤
⎢
Exemplo. As matrizes A = − 1 0 ⎥ ⎢
5 ⎥ e B = ⎢− 1 0 2 ⎥⎥ são anti-simétricas.
⎢
⎢⎣ 3 − 5 0 ⎥⎦ ⎢⎣ 4 − 2 0 ⎥⎦

12 - Matriz Identidade
Matriz identidade de ordem n (indica-se por I n ) à todos os elementos da diagonal principal são iguais
a 1 e os demais elementos são iguais a zero.
Exemplos.1.

a) I 2 = b) I 3 = c) I 4 = d) I 5 =

Exemplo.2.
⎡ 3 5⎤ ⎡1 0⎤
Calcule ⎢ ⎥.⎢ ⎥ .
⎣− 1 2⎦ ⎣0 1⎦

3
1.3 Adição de Matrizes
(só é possível se todas as matrizes a serem adicionadas forem do mesmo tipo mxn)
⎡5 0 2⎤ ⎡ 2 7 31 ⎤
⎡− 3 1 − 9⎤ ⎡8 5 2 ⎤
Exemplo. Sendo A = 0 1 3 , B = − 1 12 − 25⎥ , C = ⎢
⎢ ⎥ ⎢ e D = ⎢6 − 3 − 5⎥ ,
⎢ ⎥ ⎢ ⎥
⎣ 0 4 12 ⎥⎦ ⎣ ⎦
⎢⎣4 2 1⎥⎦ ⎢⎣ 3 15 − 18 ⎥⎦
calcule:
a) A + B
b) A + C
c) C + D

Subtração de Matrizes

A – B = A + (-B)
⎡5 0 2⎤ ⎡ 2 7 31 ⎤
Exemplo. Sendo A = 0 1 3 e B = − 1 12 − 25⎥ , calcule A – B.
⎢ ⎥ ⎢
⎢ ⎥ ⎢ ⎥
⎢⎣4 2 1⎥⎦ ⎢⎣ 3 15 − 18 ⎥⎦

1.4 Propriedades da Adição

a) Comutativa A+B=B+A
b) Associativa (A + B) + C = A + (B + C)
c) Elemento neutro A + 0 = A = 0 + A
d) Oposto A + (-A) = 0 = a = (-A) + A

( )
Exemplo. Sejam as matrizes A = ai j 2x2 ( )
, com ai j = 2i − j 2 e B = bi j 2x2 , com bi j = ai j + 1,
encontre a matriz X de modo que:
a) X − A + B = 0
b) − A − X = − B

Produto de um Número Real (escalar) por uma Matriz

⎡1 − 2 0⎤ ⎡− 3 6 12 ⎤

Exemplo. Dadas as matrizes A = ⎢ ⎥ e B = ⎢ 9 − 6 15⎥ , determine:
⎣5 − 4 3⎦ ⎣ ⎦
a) − 2 A
1
b) ( A + B )
2
1
c) B
3

4
1.5 Multiplicação de Matrizes
Dadas duas matrizes Am× n = [aij ] m × n e Bn× p = [b jk ] n × p , então: A ⋅ B = C = [cik ] m × p , ou seja,
Am x n . Bn x p = C m x p .
⎡ a a12 ⎤ ⎡b b b13 ⎤ ⎡ c c c13 ⎤
Se A = ⎢ 11 e B = ⎢ 11 12 ⎥ , então C = ⎢ 11 12 , onde:
⎥
⎣a21 a22 ⎦ ⎣b21 b22 b23 ⎦ ⎣c21 c22 c23 ⎥⎦
2
cik = ai1 ⋅ b1k + ai 2 ⋅ b2k = ∑ aij ⋅ b jk , isto é,
j =1
c11 = a11 ⋅ b11 + a12 ⋅ b21 c12 = a11 ⋅ b12 + a12 ⋅ b22 c13 = a11 ⋅ b13 + a12 ⋅ b23
c21 = a21 ⋅ b11 + a22 ⋅ b21 c22 = a21 ⋅ b12 + a22 ⋅ b22 c23 = a21 ⋅ b13 + a22 ⋅ b23
⎡− 4 0 3 − 1⎤
⎡ 1 3 − 1⎤
Exemplo.1. Se A = ⎢ ⎥ e B = 5 − 2 − 1 1 ⎥ , calcule C = A ⋅ B e D = B ⋅ A .
⎢
⎢ ⎥
⎣− 2 − 1 1 ⎦ ⎢⎣ − 1 2 0 6 ⎥⎦
Exemplo.2. Determine, se existirem, os produtos:
⎡1 2⎤ ⎡− 5 7 ⎤
a) ⎢ ⎥ .⎢ ⎥
⎣3 4⎦ 2 x 2 ⎣ 6 − 8⎦ 2 x 2

⎡− 5 7 ⎤ ⎡1 2⎤

b) ⎢ ⎥ .⎢ ⎥
⎣ 6 − 8⎦ 2 x 2 ⎣3 4⎦ 2 x 2

⎡1 − 2⎤ ⎡− 2 3 2 − 1⎤

c) ⎢ ⎥ .⎢ ⎥
⎣3 4 ⎦ 2 x 2 ⎣ − 1 0 0 − 4⎦ 2 x 4
⎡ 1 − 3⎤
⎡− 2 1⎤
d) ⎢ ⎥ .⎢⎢− 2 5 ⎥⎥
⎣ 0 3⎦ 2 x 2 ⎢ 1 − 4⎥
⎣ ⎦ 3 x 2
⎡2⎤
e) ⎢3⎥ .[6 − 2 8]1x3
⎢ ⎥
⎢⎣5⎥⎦
3 x1

⎡1⎤ ⎡3⎤
f) ⎢ ⎥ .⎢ ⎥
⎣2⎦ 2 x1 ⎣4⎦ 2 x1

g) [1 2]1x 2 .[3 4]1x 2

5
1.6 Propriedades da Multiplicação
a) Associativa (A x B) x C = A x (B x C)
b) Distributiva à direita em relação à adição A.(B + C) = A.B + A.C
c) Distributiva à esquerda em relação à adição (A + B).C = A.C + B.C
d) Elemento neutro A.I = A = I.A, sendo I a matriz identidade.
e) ( ) ( ) ( )
k. A . B = k . A .B = A. k . B , onde k é um escalar.

Observaçãoes:
1. Em geral, A . B ≠ B . A

2. Se A . B = 0 , não necessariamente, A = 0 ou B = 0

⎡ 2 1 ⎤
Exemplo. Seja A = ⎢ ⎥ . Calcule A2 .
⎣− 4 − 2⎦

6
1.7 Primeira Lista de Exercicios – Matrizes
1) Uma confecção vai fabricar 3 tipos de roupa utilizando materiais diferentes. Considerando a matriz
( )
A = ai j , em que ai j representa quantas unidades do material j serão empregados para fabricar
uma roupa do tipo i.
⎡5 0 2⎤
A = ⎢⎢0 1 3⎥⎥
⎢⎣4 2 1⎥⎦
a) Quantas unidades do material 3 serão empregadas na confecção de uma roupa do tipo 2?
b) Calcule o total de unidades do material 1 que será empregado para fabricar cinco roupas do tipo
1, quatro roupas do tipo 2 e duas roupas do tipo 3.

2) Determine o valor de cada incógnita para que as matrizes sejam iguais:

⎡ 3 a b⎤ ⎡ x − 2 − 5 1 ⎤
⎢c − 1 4 0⎥ = ⎢ 4 y z + 3⎥⎦
⎣ ⎦ ⎣

⎡1 2 3⎤ ⎡ 1 x 2⎤

3) A matriz A = ⎢ x y z ⎥ admite a transposta ⎢
t
A = ⎢ x − 2 y 1⎥⎥ . Nessas condições, calcule x,
⎢ ⎥
⎢⎣ 2 1 z ⎥⎦ ⎢⎣ 3 y 6 − y z ⎥⎦
y e z.
⎡− 1 2 y ⎤ ⎡ y 2 1 ⎤ ⎡0 3⎤
4) Sejam as matrizes A = ⎢ e B = ⎢ ⎥ . Se A + B = ⎢ ⎥ , determine a transposta de A.
⎣ 3 x ⎥⎦ ⎣ 0 y ⎦ ⎣3 3⎦

5) Efetue, quando possível:

⎛ 5 − 3 ⎞ ⎛ 3 ⎞ ⎛ 2 ⎞ ⎛ 1 6 ⎞
a) ⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ ⎜ ⎟ ⎛ 3 5 ⎞ ⎜ ⎟
⎝ − 1 4 ⎠ ⎝ − 2 ⎠ b) (1 3 5).⎜ 0 ⎟ c) ⎜⎜ ⎟⎟.⎜ − 2 1 ⎟
⎜ 3 ⎟ ⎝ − 1 2 ⎠ ⎜ 4 0 ⎟
⎝ ⎠ ⎝ ⎠
⎛ 3 ⎞ ⎛ − 1 1 ⎞ ⎛ 3 1 − 5 ⎞ ⎛ 1 2 ⎞
⎜ ⎟ ⎛ 1 4 0 ⎞ ⎜ ⎟ f) ⎜⎜ ⎟⎟.⎜⎜ ⎟⎟
d) ⎜ 2 ⎟.(0 − 3 2) e) ⎜⎜ ⎟⎟.⎜ 2 5 ⎟ ⎝ 4 − 2 2 ⎠ ⎝ 4 5 ⎠
⎜ 1 ⎟ ⎝ 2 − 3 5 ⎠ ⎜ − 3 3 ⎟
⎝ ⎠ ⎝ ⎠
⎛ 4 1 ⎞ ⎛ 24 ⎞
6) Sendo A = ⎜⎜ ⎟⎟ e B = ⎜⎜ ⎟⎟ , calcule a matriz X, tal que A. X = B .
⎝ 2 − 1⎠ ⎝ 6 ⎠

7) Uma indústria farmacêutica produz, diariamente, p unidades do medicamento X e q unidades do

medicamento Y, ao custo unitário de r e s reais, respectivamente. Considere as matrizes
⎡ r ⎤
M = [2 p q] e N = ⎢ ⎥ . A matriz produto M . N representa o custo de produção de quantos
⎣2 s ⎦
dias?

7
8) Um construtor tem contratos para construir 3 estilos de casa: moderno, mediterrâneo e colonial. A
quantidade de material empregada em cada tipo de casa é dada pela matriz:
Ferro Madeira Vidro Tinta Tijolo
Moderno 5 20 16 7 17
Mediterrâneo 7 18 12 9 21
Colonial 6 25 8 5 13
a) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterrâneo e colonial respectivamente,
quantas unidades de cada material serão empregadas?
b) Suponha agora que os preços por unidade de ferro, madeira, vidro, tinta e tijolo sejam,
respectivamente, $ 15, $ 8, $ 5, $ 1 e $ 10. Qual é o preço unitário de cada tipo de casa?
c) Qual foi o custo total de material empregado?

9) Uma construtora recebe encomendas para fazer arcabouços de três edifícios - escola, hospital e
teatro – em duas cidades. As quantidades, em unidades convenientes, de cada material utilizado
estão descritas nas matrizes a seguir:
Cidade A Ferro Cimento Madeira Areia Mão-de-
obra
Escola 15 51 25 42 63
Hospital 17 53 21 52 73
Teatro 18 57 27 33 85

Cidade B Ferro Cimento Madeira Areia Mão-de-

obra
Escola 16 50 27 41 65
Hospital 19 53 23 45 75
Teatro 19 58 28 55 86
a) Se fizer as construções em ambas as cidades, quanto gastará de cada item para cada tipo de
edificação?
b) Se a construtora recebe a encomenda de duas escolas, dois hospitais e dois teatros, na cidade A,
qual a quantidade de cada matéria utilizada em cada tipo de obra para atender a esse pedido?
c) Se a construtora recebe a encomenda de cinco escolas, três hospitais e dois teatros, na cidade B,
qual a quantidade de cada matéria utilizada para atender a esse pedido?
d) Sabendo que os preços por unidade (específica) de ferro, cimento, madeira, areia e mão-de-obra
são, respectivamente, $ 1.000,00, $ 800,00, $ 500,00, $ 300,00 e $ 2.000,00, calcule o custo de
cada tipo de construção?
e) Qual é o custo total a ser pago pela encomenda realizada pela cidade B?

10) Dadas as matrizes A = [aij ]2 x 2 tal que aij = i j e B = [bij ]2 x 2 tal que bij = j i , determine:
a) a11 + b11 b) a22.(b11 + b22 ) c) a21.b21
⎡1 − 2⎤
⎡1 2 − 3⎤ t
11) Dadas as matrizes A = ⎢ ⎥ e B = ⎢3 0 ⎥ , determine A + 2 B .
⎢ ⎥
⎣4 5 6 ⎦ ⎢⎣4 − 3⎥⎦

8
 Gabarito
1) a) 3 b) 33
2) a = -5; b = 1; c = 5; x = 5; y = 4 e z = -3.
3) x = 4; y = 1 e z = 5.
⎡− 1 3⎤
4) At = ⎢ ⎥
⎣ 2 2⎦
⎛ 0 − 9 6 ⎞
⎛ 21 ⎞ ⎜ ⎟ ⎛ 7 21⎞
5) a) ⎜⎜ ⎟⎟ ; b) (17); c) não é possível; d) ⎜ 0 − 6 4 ⎟ ; e) ⎜⎜ ⎟⎟ ; f} não é possível.
⎝ −11⎠ ⎜ 0 − 3 2 ⎟ ⎝ − 23 2 ⎠
⎝ ⎠
⎡5⎤
6) X = ⎢ ⎥ . 7) 2 dias.
⎣4⎦
8) a) 8)b)
Ferro Madeira Vidro Tinta Tijolo Preço
Total 146 526 260 158 388 Unitário
Moderno 492
Mediterrâneo 528
Colonial 465
8) c) $ 11.736,00.

9) a) Ferro Cimento Madeira Areia Mão-de-

obra
Escola 31 101 52 83 128
Hospital 36 106 44 97 148
Teatro 37 115 55 88 171
9) b)
Cidade A Ferro Cimento Madeira Areia Mão-de-
obra
Escola 30 102 50 84 126
Hospital 34 106 42 104 146
Teatro 36 114 54 66 170
9) c) Cidade B Ferro Cimento Madeira Areia Mão-de-
obra
175 525 260 450 722
9) d)
Cidade A Total Cidade B Total
Escola 206.900 Escola 211.800
Hospital 231.500 Hospital 236.400
Teatro 257.000 Teatro 267.900
9) e) $ 2.304.000,00.

10) a) 2 b) 20 c) 2

⎡3 8 5⎤
11) ⎢ ⎥
⎣0 5 0⎦

9
2 DETERMINANTES
O determinante é um número real associado a toda matriz quadrada A=[aij] , segundo uma determinada
lei.
⎡2 3⎤ 2 3
A notação para o determinante da matriz A = ⎢ ⎥ será Det A ou
⎣0 5⎦ 0 5

1 - Determinante de Primeira Ordem :

A = [a11 ] ⇒ Det A = a11 ou a11 = a11

Exemplos :

a) A = [−3] , Det A= -3
b) B = [5] , 5 =5

2 - Determinante de Segunda Ordem :

⎡a11 a12 ⎤
A = ⎢ ⎥ ⇒ Det A = a11a22 − a12a21
a a
⎣ 21 22 ⎦

Exemplos:

⎡2 1⎤
a) A = ⎢ , Det A= 6 – 5 = 1
⎣5 3⎥⎦

−3 −2
b) = 15 − ( −2) = 17
1 −5

3 - Determinante de Terceira Ordem :

⎡a11 a12 a13 ⎤

A = ⎢⎢a21 a22 a23 ⎥⎥
⎢⎣a31 a32 a33 ⎥⎦

10
Regra de Sarrus para Cálculo de Determinante de 3a. Ordem

Regra de Sarrus : a 11 a12 a13 a11 a12

a21 a22 a23 a21 a22

a31 a32 a33 a31 a32

P4 P5 P6 P1 P2 P3

Det A = P1 + P2 + P3 – P4 – P5 – P6

Exemplo :

⎡ 5 0 2⎤
a) A = ⎢−1 − 2 4 ⎥⎥
⎢
⎢⎣ 3 6 1 ⎥⎦

5 0 2 5 0

-1 -2 4 -1 -2

3 6 1 3 6

-12 120 0 -10 0 -12

Det A = (- 10 + 0 - 12) - (-12 + 120 + 0) = -130

1 2 3
b) −5 0 6 = 170
4 −2 8

4 - Cofator

Seja A=[aij] uma matriz quadrada de ordem n ≥ 2 . Cofator de aij ∈ A é o produto de (-1) i + j pelo
determinante da matriz que se obtém de A, suprimindo a linha de ordem i e a coluna de ordem j .
Notação: cij
Exemplos:

⎡ 2 3⎤ 1+1 1+ 2
a) A = ⎢ ⎥ c11 = ( −1) . 5 = 5, c12 = (−1) . − 1 = 1 c21 = (−1)2 +1. 3 =− 3, c22 = (−1)2 + 2 . 2 = 2
⎣ − 1 5⎦

11
 ⎡ 1 3 4 ⎤
1 4
b) A = ⎢−2 0 5 ⎥ c32 = ( −1)3+ 2 . = −1.(5 + 8) = −13
⎢ ⎥ −2 5
⎢⎣ 7 6 8⎥⎦

5 - Determinante de Ordem n ≥ 2

Teorema de Laplace.
O determinante de uma matriz quadrada de ordem n ≥ 2 é a soma dos produtos dos elementos de uma
fila (linha ou coluna) pelos respectivos cofatores.
Nota : É mais prático considerar a fila que contém o maior número de zeros.
Exemplos :
⎡ 1 3 4 ⎤
a) A = ⎢−2 0 5⎥ Det A = 3 . C12 + 0 . C22 + 6 . C32
⎢ ⎥
⎢⎣ 7 6 8 ⎥⎦

−2 5
c12 = ( −1)1+2 . = −1.( −51) = 51 , c32 = −13 (exemplo anterior)
7 8

Det A= 3 . 51 + 6 . (-13) = 153 - 78 = 75

2 3 1 0
2 3 1
0 2 0 3 4+ 4
b) = 0. c41 + 0. c42 + 0. c43 + 6. c44 = 6.6 = 36 c44 = ( −1) . 0 2 0 = 16
. =6
5 −1 4 0
5 −1 4
0 0 0 6

2.1 Propriedades dos Determinantes.

Seja A e B duas matrizes quadradas de ordem n .

1ª Propriedade
Se todos os elementos de uma linha ou coluna de uma matriz quadrada forem nulos, o seu
determinante é zero.

2ª Propriedade
Se 2 linhas ou 2 colunas de uma matriz quadrada forem iguais ou proporcionais, seu
determinante é nulo.

3ª Propriedade
Se uma linha ou uma coluna de uma matriz quadrada for combinação linear de outras linhas ou
colunas, seu determinante é nulo.
Exemplos:
12
 3 5 1 1 3 2 2 4 4
a) 0 0 0 =0 b) 0 − 1 4 = 0 c ) −1 0 − 2 = 0
2 −1 7 1 3 2 3 5 6

L2 = 0 L1 = L3 C3 = 2.C1

4ª Propriedade
O determinante de uma matriz quadrada é igual ao determinante de sua transposta.

Exemplo :
⎡ 1 1 − 1⎤ ⎡ 1 − 1 1 ⎤
A = ⎢⎢−1 0 3⎥⎥ , det A = - 6 ; A = ⎢ 1 0 5⎥ , det A t = −6
t
⎢ ⎥
⎢⎣ 1 5 1 ⎥⎦ ⎢⎣−1 3 1 ⎥⎦

5ª Propriedade
Se multiplicarmos todos os elementos de uma linha ou de uma coluna por um número real k,
então o determinante da nova matriz é o produto de k pelo determinante da primeira matriz.
Exemplos :
1 1 −1 2 1 −1 3 3 −3
−1 0 3 = −6 ; − 2 0 3 = −12 ; −1 0 3 = −18
1 5 1 2 5 1 1 5 1

2 C1 3.L1

6ª Propriedade
Se trocarmos de posição entre si duas linhas ou duas colunas de uma matriz quadrada, o
determinante da nova matriz é o oposto do determinante da primeira matriz.
Exemplos:
1 1 −1 1 5 1 1 1 −1
−1 0 3 = −6 ; −1 0 3 =6 ; 0 −1 3 =6
1 5 1 1 1 −1 5 1 1

L13 C12

7ª Propriedade
Se A e B são matrizes quadradas de mesma ordem, então Det (A.B)= Det A.det B

8ª Propriedade
O determinante de uma matriz A triangular (superior ou inferior) é igual ao produto dos
elementos da diagonal principal .
Exemplos :

13
 ⎡ 3 0 0 0 0 ⎤
⎡1 3 4 ⎤ ⎢4 3 0 0 0 ⎥
⎢ ⎥ ⎢ ⎥
A = ⎢0 6 4 ⎥ ; Det A = 18 B = ⎢5 7 2 0 0 ⎥ ; Det B = - 36
⎢ ⎥
⎢2 8 6 1 0 ⎥
⎢⎣0 0 3⎥⎦
⎢⎣7 4 3 7 − 2 ⎥⎦

9ª Propriedade

O determinante da matriz A o determinante da matriz inversa de A têm a seguinte relação:

1
det A −1 =
det A

Exercícios:

1. Calcule os determinantes:

−5 4 x y x− y −y
a) b) c)
7 −2 y x x x+ y

1 2 3 3 4 2 4 3 2
d) 5 9 4 e) 1 5 1 f) 4 2 3
0 8 7 2 3 4 2 1 0

1 2 3 4 1 0 −2 1 2 −1 0 0
2 0 0 5 −3 4 1 3 −1 0 1 1
g) h) i)
6 0 3 0 2 1 3 −1 2 4 3 2
1 0 0 −4 0 4 3 2 0 0 1 −1

2. Resolva as equações abaixo :

2 3 −2 x x2 3
2x −2
a) 0 1 x =2 b) =2 1 0
−3 2
2 x −3 4 1 3

3. Explique porque nulidade dos determinantes :

−2 3 5 2 0 4 −4 1 2
a) 1 0 − 2 b) −1 0 5 c) 2 0 −1
−4 6 10 3 0 6 −6 2 3

14
 1 3 4 3
−2 5 4
0 −1 −1 −1
d) e) 0 1 −1
2 5 5 5
0 −1 1
1 0 0 0

a b 4c 4d
4.1. Sendo = k , calcule
c d −a −b

m n 2m 2p
4.2. Sendo = k , calcule
p q − 3n − 3q

x y 1 x y 1 x 1 y
4.3. Sendo a b 1 =d , calcular: a) c d 1 b) c 1 d
c d 1 a b 1 a 1 b

a b c 2a b c a 3b c
4.4. Sendo d e f = 5 , calcular: a) 2 d e f b) d 3e f
g h i 2g h i 2 g 6h 2i

2a 2b 2c 3b a c a b c a b c
c) 3d 3e 3 f d) 3e d f e) g h i f) d e f
−g − h − i 3h g i −d −e − f 2a + g 2b + h 2c + i

Respostas :

1. a) -18 b) x² - y² c) 2x² - y² d) 81

e) 29 f) 6 g) 78 h)12 i) 25

2. a) x = 2 ou x = 1 b) x = 0 ou x = -1/6

3. a) L3 = 2L1 b) C2 = 0 c) C1 = -2C3 d) C2 = C4 e)L3 = - L2

4.1) 4k 4.2) –6k 4.3) a) -d b) d

4.4) a) 10 b) 30 c) –30 d) -15 e) 5 f) 5

15
3 INVERSÃO DE MATRIZES

3.1 Introdução
No início desta secção, o aluno encontrará alguns exercícios que possibilitam revisar o cálculo de
determinantes, importante para a identificação de uma matriz inversível. O estudo de matriz inversa
tem várias aplicações na Álgebra Linear, como por exemplo, na mudança de base de um espaço
vetorial e resolução de equações matriciais.

E1) Calcule os determinantes:

−1 0 0 0
1 2 0 1 −1 3
2 1 4 6 0 0
a) − 2 b) c) 5 4 1 d) 0 4 6 e)
−1 3 −3 0 10 0
3 −2 4 0 0 3
1 10 0 2
E2) Resolva as equações:

4 −5 1 1 2 3−x 2x 0 0
2x 9 − sen x cos x
a) − 1 x 0 =0 b) = 2 3 1 c) 4 3 0 =
2 x cos x sen x
0 −1 x 3 1 2+x 1 5 3

3.2 Matriz Inversa

Uma matriz quadrada A é inversível se existir uma matriz quadrada B tal que AB = BA = I.
A matriz B é chamada matriz inversa de A e é representada por A −1 .

3.2.1.1 Exemplo:
⎡2 3⎤
1 - Ache a inversa da matriz A = ⎢ ⎥
⎣1 4⎦

⎡2 3⎤ ⎡a b ⎤ ⎡1 0⎤ ⎡2a + 3c 2b + 3d ⎤ ⎡1 0⎤ ⎧2a + 3c = 1 4 1

⎢1 4⎥ ⋅ ⎢ c d ⎥ = ⎢0 1⎥ ⇒ ⎢ a + 4c b + 4d ⎥ = ⎢0 1⎥ ⇒ ⎨a + 4c = 0 ⇒ a = 5 e c = − 5 e
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎩
⎧2b + 3d = 0 3 2
⎨ ⇒b=− e d =
⎩b + 4d = 1 5 5

⎡ 4 3 ⎤
⎢ − ⎥
Logo A −1 = ⎢ 5 5
1 2 ⎥
⎢− ⎥
⎣ 5 5 ⎦
⎡a b ⎤ ⎡2 3⎤ ⎡1 0⎤
Obs: O mesmo resultado seria obtido fazendo: ⎢ ⎥ ⋅ ⎢ ⎥ = ⎢ ⎥
⎣ c d ⎦ ⎣1 4⎦ ⎣0 1⎦
Exemplo. Determine, se existir, a inversa de:

16
 ⎡2 1⎤ ⎡3 2⎤ ⎡ 2 − 5⎤ ⎡4 6⎤
a) ⎢ ⎥ b) ⎢ ⎥ c) ⎢ ⎥ d) ⎢ ⎥
⎣5 3⎦ ⎣5 4⎦ ⎣− 1 3 ⎦ ⎣2 3⎦

⎡ a b ⎤
Exercicio: Use a definição acima para calcular a inversa da matriz A = ⎢
⎣ c d ⎥⎦
Sugestão: Resolva os sistemas pela regra de Cramer.

DISPOSITIVO PRÁTICO
⎡a b ⎤ 1 ⎡ d − b ⎤
Se A = ⎢ ⎥ e det A ≠ 0 , então A −1 = ⎢− c
⎣c d ⎦ det A ⎣ a ⎥⎦

∃A −1 ⇔ det A ≠ 0

⎡3 − 2⎤ ⎡− 1 5⎤

E4) Calcule as inversas das matrizes A = ⎢ e B = ⎢ ⎥ .
⎣2 − 1⎥⎦ ⎣− 2 7 ⎦

Propriedades da Matriz Inversa

a) (A −1 ) −1 = A
b) I −1
n = In

c) (αA) −1 = (1/α)A −1 , α ≠ 0
d) (AB) −1 = B −1 A −1

Operações Elementares de Uma Matriz

L ij - Permutação das linhas de ordem i e j.

kL i - Multiplicação da linha de ordem i por k ≠ 0.
L i + kL j - Substituição da linha de ordem i pela sua soma com a linha de ordem j multiplicada por
k ≠ 0.

Exercício: Complete corretamente as matrizes:

⎡2 5⎤ ⎡.... ....⎤ ⎡.... ....⎤ ⎡.... ....⎤ ⎡1 0⎤
A= ⎢ ⎥ L 12 ⎢.... ....⎥ L 2 - 2L 1 ⎢.... ....⎥ - L2 ⎢.... ....⎥ L 1 - 3L 2 ⎢0 1⎥
⎣1 3 ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

Nota: Toda matriz inversível pode ser transformada, mediante um número finito de operações
elementares, na matriz I

17
 ⎡1 0⎤
Exercício Aplique a seqüência L 12 , L 2 - 2L 1 , - L 2 , L 1 - 3L 2 na matriz ⎢ ⎥ .
⎣0 1⎦

⎡1 0⎤ ⎡.... ....⎤ ⎡.... ....⎤ ⎡.... ....⎤ ⎡ ⎤

⎢0 1⎥ L 12 ⎢.... ....⎥ L 2 - 2L 1 ⎢ ⎥ - L2 ⎢.... ....⎥ L 1 - 3L 2 ⎢ ⎥ =B
⎣ ⎦ ⎣ ⎦ ⎣.... ....⎦ ⎣ ⎦ ⎣ ⎦

Exercício: Calcule AB e BA considerando A e B matrizes dos exercícios E5 e E6. O que se pode

concluir ?

3.3 Inversão de Matriz por Operações Elementares

A mesma seqüência de operações elementares que transforma uma matriz A em I n , transforma I n em
A −1 .
[ A I n ] seqüência de operações elementares [ I n A −1 ]

Exercício: Determine a matriz inversa, caso exista, de cada uma das matrizes dadas:
⎡0 2 1 0⎤
⎡ 0 1 0 ⎤ ⎢0 ⎡ 1 − 1 0 ⎤
⎡1 2⎤ 1 0 0 ⎥⎥
A = ⎢⎢ 1 4 − 1⎥⎥ , B = ⎢ ⎥ , C = ⎢ e D = ⎢⎢− 2 0 2⎥⎥
⎢⎣− 2 5 3⎥⎦ ⎣3 5⎦ ⎢1 0 3 0 ⎥
⎢⎣ 4 0 − 3 ⎥⎦
⎢ ⎥
⎣1 0 2 1 ⎦

Exercício: Mostre que (A t ) −1 = (A −1 ) t .

Exercício: Resolva as equações matriciais na variável X, sabendo-se que A, B, C e X são matrizes

inversíveis:

a) AX = B b) AXB = C c) X −1 AB −1 = C d) (AX −1 ) t = B e) AXB = BA f) A t X t = B

Resposta: a) X=A-1B b) X=A-1CB-1 c) X= AB-1C-1 d) X=(Bt)-1A e) X=A-1BAB-1 f) X=BtA-1

3.4 Segunda Lista de Exercícios – Matriz Inversa e Determinantes

1) Determine, se existir, a inversa de:
⎡− 4 − 2⎤
⎡7 − 3⎤ ⎢ 3 ⎥ ⎡− 6 15⎤
a) ⎢ ⎥ b) ⎢ ⎥ c) ⎢ ⎥
⎣2 − 1⎦ ⎢⎣ 8 ⎣ 2 5 ⎦
12 ⎥⎦
2) Calcule o valor dos determinantes:
2 2 0 0 5 3 5 3 1
a) 1 1 1 b) 0 4 −2 c) 2 − 1 − 1
4 3 0 0 1 6 1 3 −2

18
 1 0 3 1 3 8
d) 2 1 1 e) 2 4 9
0 4 −2 1 1 1

3) Resolva as equações:
x x+2 x x
a) =0 b) =0
5 7 5 x

⎡1 3⎤ ⎡− 1 2⎤

4) Dadas as matrizes A = ⎢ ⎥ e B = ⎢ ⎥ , calcular o determinante da matriz (A . B).
⎣2 4⎦ ⎣ 3 1⎦
5) Dadas as matrizes abaixo, calcule o valor de x de modo que det A = det B.
⎛ 2 x − 1⎞
⎛ 5 1 ⎞ ⎜ ⎟
A = ⎜⎜ ⎟⎟ e B = ⎜ x 1 2 ⎟
⎝ 1 x ⎠ ⎜ 2 1 − 1⎟
⎝ ⎠
2 1 0 0 x 1
6) Encontre os valores reais de x, na equação 0 − 1 3 + 1 3x 0 = 14 .
0 0 x −2 x 2

GABARITO
⎛ − 1 1 ⎞
⎛ 1 − 3 ⎞ ⎜ 12 4 ⎟
1) a) ⎜⎜ ⎟⎟ b) não é inversível c) ⎜ ⎟
⎝ 2 − 7 ⎠ ⎜
⎜ 1 1 ⎟
⎟
⎝ 30 10 ⎠
2) a) 2 b) 0 c) 41 d) 18 e) 0
3) a) 5 { 5}
3) b) 0,

5) {− 1, 3}
⎧14 ⎫
4) 14 6) ⎨ ⎬
⎩ 3 ⎭

19
4 SISTEMAS DE EQUAÇÕES LINEARES
O estudo de sistemas de equações lineares é de fundamental importância na Álgebra Linear.
Resolvendo sistemas de equações lineares podemos determinar: a dependência ou independência
linear de vetores, o subespaço vetorial gerado por um conjunto de vetores, a matriz que representa
uma transformação linear em bases dadas e vetores próprios de um operador linear. No final dessa
secção, apresentaremos o método de Castilhos que pode ser utilizado na resolução de sistemas de
equações lineares.

4.1 Equação Linear

Toda equação da forma a1 x1 + a2 x2 + ... + an xn = b é denominada equação linear, em que:

a1 , a 2 ,..,a n são coeficientes

x1 , x2 ,..., xn são as incógnitas
b é um termo independente
Exemplos:
a) 2 x1 − 3x2 + x3 = 5 é uma equação linear de três incógnitas.
b) x + y − z + t = −1 é uma equação linear de quatro incógnitas.
Observações:
1º) Quando o termo independente b for igual a zero, a equação linear denomina-se equação linear
homogênea. Por exemplo: 5 x + y = 0 .
2º) Uma equação linear não apresenta termos da forma x12 , x1 .x2 etc., isto é, cada termo da equação
tem uma única incógnita, cujo expoente é sempre 1.
As equações 3x12 + 2 x2 = −3 e 4 x. y + z = 2 não são lineares.
3º) A solução de uma equação linear a n incógnitas é a sequencia de números reais ou ênupla
(α1 ,α 2 ,...,α n ), que, colocados respectivamente no lugar de x1 , x2 ,..., xn , tornam verdadeira a
igualdade dada.
4º) Uma solução evidente da equação linear homogênea 3x + y = 0 é a dupla (0,0).
Vejamos alguns exemplos:

Exemplo 1: Dada a equação linear 4 x − y + z = 2 , encontrar uma de suas soluções.

Resolução: Vamos atribuir valores arbitrários a x e y e obter o valor de z.
x=2 2 .4 − 0 + z = 2
⇒
y=0 z = −6
Resposta: Uma das soluções é a tripla ordenada (x, y, z) = (2, 0, -6).

20
Exemplo 2: Dada a equação 3 x − 2 y = 5 , determinar α para que a dupla (-1, α) seja solução da equação.
3.(− 1) − 2α = 5
x = −1
Resolução: (− 1, α ) ⇒ ⇒ − 3 − 2α = 5
y =α
− 2α = 8 ⇔ α = −4
Resposta: α = – 4
4.2 Sistemas lineares.
Denomina-se sistema linear de m equações nas n incógnitas x1 , x2 ,..., xn todo sistema da forma:

⎧a11 x1 + a12 x 2 + ... + a1n x n = b1

⎪a x + a x + ... + a x = b
⎪⎪ 21 1 22 2 2n n 2

⎨ ... → a11 , a12 ,..., a1n , b'1 , b'2 ,..., b'n são números reais.
⎪...
⎪
⎩⎪a m1 x1 + a m 2 x 2 + ... + a mn x n = bn
Se o conjunto ordenado de números reais (α '1 , α '2 ,...,α 'n ) satisfizer a todas as equações do sistema, será
denominado solução do sistema linear.

Observações:
1ª) Se o termo independente de todas as equações do sistema for nulo, isto é, b1 = b' 2 = ... = b' n = 0 ,
o sistema linear será dito homogêneo. Veja o exemplo:
⎧2 x + y − z = 0
⎪
⎨ x + y + 4 z = 0
⎪5 x − 2 y + 3z = 0
⎩
Uma solução evidente do sistema linear homogêneo é x = y = z = 0.
Esta solução chama-se solução trivial do sistema homogêneo. Se o sistema homogêneo admitir
outra solução em que as incógnitas não são todas nulas, a solução será chamada solução não-
trivial.
2ª) Se dois sistemas lineares, S1 e S2, admitem a mesma solução, eles são ditos sistemas
equivalentes. Veja o exemplo:
⎧ x + 3 y = −5
S1 : ⎨ ⇒ S = {(1,−2)}
⎩2 x − y = 4
⎧ y
⎪⎪3x + 2 = 2
S 2 : ⎨ ⇒ S = {(1,−2)}
⎪ − x + y = −1
⎪⎩ 3

21
 Como os sistemas admitem a mesma solução {(1, -2)}, S1 e S2 são equivalentes.

4.3 Expressão Matricial de um Sistema de Equações Lineares.

Dentre suas variadas aplicações, as matrizes são utilizadas na resolução de um sistema de equações
lineares.
Seja o sistema linear:
⎧a11 x1 + a12 x2 + ... + a1n xn = b1
⎪a x + a x + ... + a x = b
⎪⎪ 21 1 22 2 2n n 2

⎨...
⎪...
⎪
⎪⎩am1 x1 + am 2 x2 + ... + amn xn = bn
Utilizando matrizes, podemos representar este sistema da seguinte forma:
⎡ a11 a12 ... a1n ⎤ ⎡ x1 ⎤ ⎡ b1 ⎤
⎢ a a 22 ... a 2 n ⎥⎥ ⎢ x ⎥ ⎢b ⎥
⎢ 21 ⎢ 2 ⎥ ⎢ 2 ⎥
⎢ ... ... ... ... ⎥ . ⎢ ... ⎥ = ⎢ ... ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ... ... ... ... ⎥ ⎢ ... ⎥ ⎢ ... ⎥
⎢⎣a m1 am2 ... a mn ⎥⎦ ⎢⎣ x n ⎥⎦ ⎢⎣bn ⎥⎦

↑ ↑ ↑
Matriz A constituída Matriz X coluna Matriz B coluna
pelos coeficientes constituída pelas constituída pelos
das incógnitas incógnitas termos independentes

Observe que se você efetuar a multiplicação das matrizes indicadas irá obter o sistema dado.
Se a matriz constituída pelos coeficientes das incógnitas for quadrada, o seu determinante é dito
determinante do sistema.
Exemplo3:
⎧2 x1 + 5 x 2 − x3 = 0
⎪
Seja o sistema: ⎨4 x1 − 3x 2 + 6 x3 = −1.
⎪7 x + x − 2 x = 8
⎩ 1 2 3

O sistema pode ser representado por meio de matrizes, da seguinte forma:

⎡2 5 − 1⎤ ⎡ x1 ⎤ ⎡ 0 ⎤
⎢4 − 3 6 ⎥.⎢ x ⎥ = ⎢− 1⎥ ou seja A X = B
⎢ ⎥ ⎢ 2 ⎥ ⎢ ⎥
⎢⎣7 1 − 2⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣ 8 ⎥⎦

22
 onde:
⎡2 5 − 1⎤ ⎡ x1 ⎤ ⎡ 0 ⎤
A = ⎢4 − 3 6 ⎥; X = x 2 e B = ⎢− 1⎥
⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣7 1 − 2⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣ 8 ⎥⎦

Exercícios sobre Expressão Matricial

1. Expresse matricialmente os sistemas:

⎧2 x + y = 5
a) ⎨
⎩ x − 3 y = 0
⎧2a + b + c = −1
⎪
b) ⎨a +c =0
⎪− 3a + 5b − c = 2
⎩
⎡2 − 5⎤ ⎡a ⎤ ⎡− 4⎤
2. A expressão matricial de um sistema S é: ⎢ ⎥ .⎢ ⎥ = ⎢ ⎥ .
⎣3 1 ⎦ ⎣b ⎦ ⎣ 7 ⎦
Determine as equações de S.
4.4 Solução de um Sistema de Equações Lineares
Os sistemas lineares são classificados, quanto ao número de soluções, da seguinte forma:

Considere o sistema de uma equação e uma incógnita: a.x = b

Existem três possibilidades:
b
i) a ≠ 0. Neste caso a equação tem uma única solução: x =
a
ii) a = 0 e b = 0 ⇒ 0.x = 0. Qualquer número real será solução da equação.

23
iii) a = 0 e b ≠ 0 ⇒ 0.x = b. Não existe solução para esta equação.

⎧2 x + y = 5
Exemplo 1: ⎨
⎩ x − 3 y = 6
O conjunto de pontos (x,y) ∈ RxR que satisfaz cada equação deste sistema representa uma reta no
plano.
⎧ y = 5 − 2 x
⎪
⎨ −6+ x
⎪⎩ y = 3
5
Deste modo, temos uma única solução. y = (– 6 + x)/3
2,5
⎡2 1 5⎤ 6
A matriz ampliada do sistema é ⎢ ⎥ –2
⎣1 − 3 6⎦ y = 5 – 2x
Transformando-a em matriz linha reduzida a forma
escada:

⎡2 1 5⎤ ⎡1 − 3 6⎤ ⎡1 − 3 6 ⎤

⎢1 − 3 6⎥ L1 ↔ L2 à ⎢2 1 5⎥ –2L1+ L2 = L2 à ⎢0 7 − 7⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦

⎡1 − 3 6 ⎤ ⎡1 0 3 ⎤
L2/7à L2 -à ⎢
0 1 − 1⎥ 3L2 + L1 à L1 à ⎢0 1 −1⎥ à x = 3 y = –1
⎣ ⎦ ⎣ ⎦

Observação: Posto da matriz dos coeficientes = posto da matriz ampliada = 2

y
⎧2 x + y = 5
Exemplo 2: ⎨
⎩6 x + 3 y = 15 5
As duas retas são coincidentes:
2,5
x
⎡2 1 5 ⎤ −3.L1 +l2 = L2 ⎡2 1 5⎤ L1 / 2 = L1 ⎡1 1 / 2 5 / 2⎤
⎢6 3 15⎥ ⎯⎯ ⎯ ⎯→ ⎢0 0 0⎥ ⎯⎯ ⎯ ⎯→ ⎢0 0 0 ⎥⎦
⎣ ⎦ ⎣ ⎦ ⎣
⎧ 1 5
⎪ x + y =
Portanto, o sistema acima é equivalente ao sistema ⎨ 2 2
⎪⎩0 x + 0 y = 0
Onde a 2ª equação pode ser ignorada pois não estabelece nenhuma condição sobre x ou y.

O conjunto de soluções deste sistema será dado atribuindo-se valores arbitrários para uma das
incógnitas (no caso y) e tomando a outra (x) em função da primeira.
5 1
x= – y
2 2

24
Assim, para y = λ, temos:
⎧ 5 1
⎪ x = − λ
⎨ 2 2
⎪⎩ y = λ
Atribuindo diversos valores para λ obtemos várias soluções para o sistema. Por exemplo:
⎧ 5
⎪ x = ⎧ x = 2
λ = 0 à ⎨ 2 λ = 1 ⎨ , etc.
⎪⎩ y = 0 ⎩ y = 1
Obs.: posto da matriz dos coeficientes = posto da matriz amplificada = 1
Nulidade da matriz dos coeficientes = 2 – 1 = 1
Grau de liberdade do sistema = 1: o sistema apresenta uma variável livre.

⎧2 x + y = 5
Exemplo 3: ⎨ à retas paralelas
⎩6 x + 3 y = 10 y
⎧ y = 5 − 2 x
⎪
⎨ 10
⎪⎩ y = 3 − 2 x

x
Portanto, não possuem nenhum ponto em comum.
Logo, o sistema não tem solução.

⎡2 1 5 ⎤ ⎡2 1 5 ⎤ ⎡1 1 / 2 5 / 2⎤

⎢6 3 10 ⎥ –3L1+L2 = L2 à ⎢0 0 − 5⎥ L2/-5 = L2 e L1/2 = L1 ⎢0 0 1 ⎥⎦
⎣ ⎦ ⎣ ⎦ ⎣
⎧ 1 5
⎪ x + y =
Portanto, o sistema inicial é equivalente a ⎨ 2 2
⎪⎩0 x + 0 y = 1
Não existe nenhum valor de x ou y que satisfaça a 2ª equação. Assim, o sistema inicial não tem
solução.
Obs.: posto da matriz dos coeficientes = 1
Posto da matriz ampliada = 2

25
CASO GERAL

Considere o sistema de m equações lineares com n incógnitas:

⎧a11 x1 + a12 x 2 + .... + a1n x n = b1
⎪a x + a x + ... + a x = b
⎪ 21 1 22 2 2n n 2
⎨ aij, bi ∈ R (ou C)
⎪...
⎪⎩a m1 x1 + a m 2 x 2 + ... + a mn x n = bm
Este sistema poderá ter:

⎧2 x + y = 5
i) Solução única (possível e determinado) Ex: ⎨ Solução = {(3, –1)}
⎩ x − 3 y = 6
ii) Infinitas soluções (possível e indeterminado)
⎧ 5 1
⎧2 x + y = 5 ⎪ x = − λ
Ex: ⎨ Solução = ⎨ 2 2 , λ ∈ R.
⎩6 x + 3 y = 15 ⎪⎩ y = λ
iii) Nenhuma solução (impossível ou incompatível)
⎧2 x + y = 5
Ex: ⎨ a segunda equação será do tipo: 0x + 0y = c
⎩6 x + 3 y = 10

Observação: Lembramos que: dado um sistema como na definição acima, temos duas matrizes a ele
associado:
⎡ a11 a12 ... a1n ⎤ ⎡ a11 a12 ... a1n b1 ⎤
⎢ a a 22 ... a 2 n ⎥⎥ ⎢ a a22 ... a2 n b2 ⎥⎥
21 21
C = ⎢ A = ⎢
⎢ ... ... ... ... ⎥ ⎢ ... ... ... ... ... ⎥
⎢ ⎥ ⎢ ⎥
⎣a m1 am 2 ... a mn ⎦ ⎣am1 am 2 ... amn bn ⎦
Matriz dos Coeficientes Matriz Ampliada

Teorema:
i) Um sistema de m equações e n incógnitas admite solução se, e somente se o posto da matriz
ampliada é igual ao posto da matriz dos coeficientes;
ii) Se as duas matrizes têm o mesmo posto p e p = n, a solução será única;
iii) Se as duas matrizes têm o mesmo posto p e p < n, podemos escolher n – p incógnitas, e as outras p
incógnitas serão dadas em função destas. Neste caso, dizemos que o grau de liberdade do sistema é
(n – p).
Em cada exemplo, é dada a matriz-linha reduzida a forma escada da matriz ampliada. Usamos a
notação
pc = posto da matriz dos coeficientes e
pa = posto da matriz ampliada. Se pc = pa denotamos simplesmente por p.

26
Exemplos:
⎧ x − 2 y + z = 5
⎪
1) ⎨2 x + y − 3z = −35 S = {(− 10, − 6, 3)}
⎪ − x − y + 4 z = 28
⎩

⎧ x − 2 y + z = 12
⎪
2) ⎨ y − 2 z = −10 S = {(1, − 4, 3)}
⎪ 3z = 9
⎩

⎧ x + 4 y + z = 28
3) ⎨ S = {(− 32 + 3α , 15 − α , α ) / α ∈ ℜ}
⎩ y + z = 15

⎧ x + y + z + w = 4 ⎧⎛ 3 − α − β 5 − α − β ⎞ ⎫
4) ⎨ S = ⎨⎜ , , α β ⎟ / α , β ∈ ℜ⎬
⎩ 2y + z + w = 5 ⎩⎝ 2 2 ⎠ ⎭

⎧ x + y + z = 15
⎪ ⎧⎛ 35 10 ⎞ ⎫
5) ⎨ 2 x − y − z = 20 S = ⎨⎜ , , − α , α ⎟ / α ∈ ℜ⎬
⎪3x − 3 y − 3z = 25 ⎩⎝ 3 3 ⎠ ⎭
⎩

⎧ x + y + z = −3
⎪
6) ⎨ − x + y + 3z = 9 S = {(− 7, 5, − 1)}
⎪3x + y − 2 z = −14
⎩

⎧ x − 2 y − z = 10
⎪
7) ⎨− 3x + y − z = −5 S =φ
⎪ − x − 3 y − 3z = 9
⎩

4.5 Regra de Cramer

A regra de Cramer consiste num método para se resolver um sistema linear.
⎧a11 x1 + a12 x 2 + .. + a1n x n = b1
⎪a x + a x + .. + a x = b
⎪⎪ 21 1 22 2 2n n 2

Seja o sistema : ⎨...

⎪...
⎪
⎪⎩a m1 x1 + a m 2 x 2 + .. + a mn x n = bn
Vamos determinar a matriz A dos coeficientes das incógnitas:

27
 ⎡ a11 a12 ... a1n ⎤
⎢ a a 22 ... a 2 n ⎥⎥
⎢ 21
⎢ ... ⎥
A = ⎢ ⎥
⎢ ... ⎥
⎢ ... ⎥
⎢ ⎥
⎣⎢a m1 am2 ... a mn ⎦⎥
Vamos determinar agora a matriz Ax1, que se obtém a partir da matriz A, substituindo-se a coluna dos
coeficientes de x1 pela coluna dos termos independentes.
⎡ b1 a12 ... a1n ⎤
⎢b a 22 ... a 2 n ⎥
⎢ 2 ⎥
⎢ ... ⎥ det Ax1
Ax1 = ⎢ ⎥ Pela regra de Cramer, temos : x1 =
⎢ ... ⎥ det A
⎢ ... ⎥
⎢ ⎥
⎣bn am 2 ... a mn ⎦
De maneira análoga podemos determinar os valores das demais incógnitas:
⎡ a11 b1 ... a1n ⎤ ⎡ a11 a12 ... b1 ⎤
⎢ a ... a2 n ⎥⎥ ⎢ a ... b2 ⎥⎥
⎢ 21 b2 ⎢ 21 a22
⎢ ... ⎥ det Ax2 ⎢ ... ⎥ det Axn
Ax 2 = ⎢ ⎥ ⇔ x 2 = Axn = ⎢ ⎥ ⇔ x n =
⎢ ... ⎥ det A ⎢ ... ⎥ det A
⎢ ... ⎥ ⎢ ... ⎥
⎢ ⎥ ⎢ ⎥
⎣⎢am1 bn ... amn ⎦⎥ ⎣⎢am1 am 2 ... bn ⎦⎥
Generalizando, num sistema linear o valor da incógnita x1 é dado pela expressão:
⎧A é a matriz incompleta do sistema.
det Ai ⎪A é a matriz obtida de A substituindo - se
xi = ⎪
→ ⎨ i
det A ⎪ as colunas dos coeficientes de x i
⎪⎩ pela coluna dos termos independentes.

Exemplo para um sistema com 3 equações e 3 incógnitas:

Seja o sistema temos a matriz

As matrizes constituídas pelos coeficientes das incógnitas são:

28
Assim, temos as soluções:

Vejamos alguns exemplos.

⎧2 x − y = 7
Exemplo 4: Resolver o sistema ⎨ .
⎩ x + 5 y = −2
⎡2 − 1⎤ ⎡ 7 − 1⎤
A = ⎢ ⎥ ⇒ det A = 11 A1 = ⎢ ⎥ ⇒ det A1 = 33
⎣1 5 ⎦ ⎣− 2 5 ⎦
⎡2 7 ⎤ det A1 33 det A2 − 11
A2 = ⎢ ⎥ ⇒ det A2 = −11 x= = =3y= = = −1
⎣1 − 2⎦ det A 11 det A 11
Resposta: S = {(3,−1)}

⎧ x + y = 5
Exemplo 5: Resolver o sistema ⎨ .
⎩− x − y = 2
⎡ 1 1 ⎤ ⎡5 1 ⎤
A = ⎢ ⎥ ⇒ det A = 0 Ax = ⎢ ⎥ ⇒ det Ax = −7
⎣− 1 − 1⎦ ⎣2 − 1⎦
⎡ 1 5⎤ det Ax − 7 det Ay 7
Ay = ⎢ ⎥ ⇒ det Ay = 7 x = = impossível y= = impossível
⎣− 1 2⎦ det A 0 det A 0
Resposta: S = φ

⎧ x1 + 2 x2 − x3 = 0
⎪
Exemplo 6: Resolver o sistema ⎨3x1 − 4 x2 + 5 x3 = 10 .
⎪ x + x + x = 1
⎩ 1 2 3

1º) Cálculo do determinante da matriz incompleta.

⎡1 2 − 1⎤
A = ⎢⎢3 − 4 5 ⎥⎥ ⇒ det A = −4 + 10 − 3 − 4 − 5 − 6 = −12
⎣⎢1 1 1 ⎥⎦
2º) Cálculo do determinante das incógnitas.
⎡ 0 2 − 1⎤
A1 = ⎢⎢10 − 4 5 ⎥⎥ ⇒ det A1 = 0 + 10 − 10 − 4 + 0 − 20 = −24
⎢⎣ 1 1 1 ⎥⎦

⎡1 0 − 1⎤
A2 = ⎢⎢3 10 5 ⎥⎥ ⇒ det A2 = 10 + 0 − 3 + 10 − 5 + 0 = 12
⎢⎣1 1 1 ⎥⎦

29
 ⎡1 2 0 ⎤
A3 = ⎢⎢3 − 4 10 ⎥⎥ ⇒ det A3 = −4 + 20 + 0 + 0 − 10 − 6 = 0
⎢⎣1 1 1 ⎥⎦
3º) Cálculo das incógnitas.
det A1 − 24 det A2 12 det A3 0
x1 = = =2 x2 = = = −1 x3 = = =0
det A − 12 det A − 12 det A − 12
Resposta: S = {(2, − 1, 0)} Sistema Possível e Determinado.

Exercícios sobre Regra de Cramer

1. Solucione os sistemas a seguir, utilizando a regra de Cramer.

⎧ x + 2 y = 5 ⎧3x − 4 y = 1
a) ⎨ Resp: {(1,2)} b) ⎨ Resp: {(3,2)}
⎩2 x − 3 y = −4 ⎩ x + 3 y = 9
2. Calcule os valores de x, y e z nos sistemas:
⎧ x + 2 y − z = 2 ⎧ x + y − 10 = 0
⎪ ⎪
a) ⎨2 x − y + 3z = 9 Resp: {(1,2,3)} b) ⎨ x − z − 5 = 0 Resp: {(6,4,1)}
⎪3x + 3 y − 2 z = 3 ⎪ y − z − 3 = 0
⎩ ⎩

3. Resolva as equações matriciais:

⎛ 1 4 7 ⎞ ⎛ x ⎞ ⎛ 2 ⎞ ⎛ 1 ⎞
⎛ 2 1 ⎞ ⎛ x ⎞ ⎛ 9 ⎞ ⎛ 2 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
a) ⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ Resp: ⎜⎜ ⎟⎟ b) ⎜ 2 3 6 ⎟.⎜ y ⎟ = ⎜ 2 ⎟ Resp: ⎜ 2 ⎟
⎝ 1 − 3 ⎠ ⎝ y ⎠ ⎝ − 13 ⎠ ⎝ 5 ⎠ ⎜ 5 1 − 1⎟ ⎜ z ⎟ ⎜ 8 ⎟ ⎜ −1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
4.6 Sistemas Triangulares ou Escalonados

Considerando um sistemas genérico m x n, dizemos que ele é triangular ou esta na forma escalonada
quando os coeficientes aij, com i > j , são todos nulos. Ou seja a matriz estendida está na forma
triangular.
Exemplo 11:
⎧ x − 2 y + 5 z = 7
⎪ ⎧3x + 2 y + 7 z = 11 ⎧ x + 2 y + z + t = 9
a) ⎨ 3 y + 2 z = 1 b) ⎨ c) ⎨
⎪ ⎩ 4 y + 5 z = −4 ⎩ 4 z + 5t = 10
⎩ 4z = 8
Classificação e resolução de sistemas lineares escalonados.
Exemplo 12:

30
 ⎧3x − 2 y + z = −6
⎪
⎨ 4 y − 2 z = 0
⎪ 5 z = 10
⎩
Sistema 3 x 3 já escalonado (número de equações = número de incógnitas)
Da 3ª equação tiramos z = 2
Da 2ª equação, fazendo z = 2, tiramos y = 1
Fazendo y =1 e z = 2 na 1ª equação tiramos x = -2
Podemos concluir que o sistema é possível e determinado, com S={(-2,1,2)}.
Exemplo 13:
⎧9 x − 2 y + 3z − w = 1
⎪ y − 2 z + 4w = 6
⎪
⎨ Sistema 4 x 4 na forma triangular ou escalonado.
⎪ 5 z + 2w = 3
⎪⎩ 0w = 9
A 4ª equação permite dizer que o sistema é impossível, logo S = ∅ .
Exemplo 14:
⎧ x + y + z = 0
⎨
⎩ 3 y − 6 z = 0
Sistema 2 x 3 já escalonado (número de equações menor que o número de incógnitas)
Quando um sistema escalonado tem mais incógnitas que equações e pelo menos um coeficiente não
nulo em cada equação, ele é possível e indeterminado. A variável que não aparece no começo das
equações é chamada variável livre. Nesse exemplo z é a variável livre. Fazemos z = k, com k ∈ R, para
descobrir a solução geral do sistema.
Da 2ª equação, temos 3 y − 6 z = 0 ⇒ y = 2k .
Usando z = k e y = 2k, temos x + 2k + k = 0 ⇒ x = −3k .
Portanto, o sistema é possível e indeterminado e sua solução geral é (-3k, 2k, k).

Exemplo 15:
⎧2 x − y + z − t = 2
⎨
⎩ 2 z + 3t = 1
Aqui o sistema é possível e indeterminado (está escalonado e tem 2 equações e 4
incógnitas) e duas são variáveis livres (y e t).
Fazemos y = α e t = β,com α ∈ R e β ∈ R .
Substituindo nas equações:

31
 1 − 3β
2 z + 3β = 1 ⇒ 2 z = 1 − 3β ⇒ z =
2
1 − 3β
2x − α + − β = 2 ⇒ 4 x = 2α − 1 + 3β + 2β + 4 ⇒
2
2α + 5β + 3
⇒ 4 x = 2α + 5β + 3 ⇒ x =
4
⎛ 2α + 5β + 3 1 − 3β ⎞
Solução geral: ⎜ ,α , , β ⎟
⎝ 4 2 ⎠

Exercícios:
Classifique e resolva os sistemas lineares escalonados:
⎧2 x − y + 3z = 0
⎪ ⎧3x − 2 y + z = 2 ⎧a + 2b − c + d = 2
a) ⎨ 2 y − z = 1 b) ⎨ c) ⎨
⎪ ⎩ y−z =0 ⎩ c−d =0
⎩ 2 z = −6

4.7 Processo para Escalonar um Sistema Linear

Para escalonar um sistema linear pode utilizar as transformações elementares sobre as linhas do
sistema.
Transformações Elementares
1º Trocar a posição de duas equações do sistema.
Exemplo 16:
⎧3x − 2 y = 6 ⎧ x + 4 y = 1
⎨ ⇒ ⎨
⎩ x + 4 y = 1 ⎩3x − 2 y = 6
2º Multiplicar todos os termos de uma equação por um número real diferente de zero:
Exemplo 17: 3x − y + z = 5 ⇒ 6 x − 2 y + 2 z = 10
3º Adicionar duas equações do sistema.
Exemplo 18:
⎧ x − 2 y + 4 z = 7 ⋅ (− 3) ⎧ x − 2 y + 4 z = 7
⎨ ⇒ ⎨
⎩3x − 5 y + 9 z = 25 ↵ + ⎩ y − 3z = 4
Exemplo 19:

32
 ⎧ x + 2 y + z = 7 ⋅ (− 2 ) ⋅3 ⎧ x + 2 y + z = 7 ⎧ x + 2 y + z = 7
⎪ ⎪ ⎪
⎨2 x + 7 y + z = 21 ↵ + ↓ ⇒ ⎨ 3 y − z = 7 ⇒ ⎨ y + 5 z = 13 ⋅ (− 3)
⎪− 3 x − 5 y + 2 z = −8 ↵ + ⎪⎩ y + 5 z = 13 ⎪⎩ 3y − z = 7 ↵+
⎩
⎧ x + 2 y + z = 7
⎪
⎨ y + 5 z = 13
⎪ − 16 z = −32
⎩
O sistema obtido está escalonado e é equivalente ao sistema dado. Podemos agora resolver:
32
z= =2
16
y + 5 ⋅ 2 = 13 ⇒ y = 3
x + 2 ⋅ 3 + 2 = 7 ⇒ x = −1
Sistema possível e determinado, com S = {(-1,3,2)}

Exemplo 20:
⎧ x + 2 y − z = 3 ⋅ (− 3) ⋅ (− 2)
⎧ x + 2 y − z = 3
⎪ ⎪
⎨3x − y + z = 1 ↵+ ↓ ⇒ ⎨ − 7 y + 4 z = −8 ⇒
⎪2 x + 4 y − 2 z = 6 ⎪
⎩ ↵+ ⎩0 x + 0 y + 0 z = 0 ( e lim inar )
⎧ x + 2 y − z = 3
⎨
⎩ − 7 y + 4 z = −8
Sistema possível e indeterminado (escalonado e 2 x 3). Variável livre: z.
z = α ⇒ −7 y + 4α = −8 ⇒
⎛ 8 + 4α ⎞ 5−α
8 + 4α x + 2 ⋅ ⎜ ⎟ − α = 3 ⇒ x =
y= ⎝ 7 ⎠ 7
7
⎛ 5 − α 8 + 4α ⎞
Solução geral: ⎜ , ,α ⎟
⎝ 7 7 ⎠

Nota: Se no processo de escalonamento obtivermos uma equação com todos os coeficientes nulos e
o termo independente diferente de zero, esta equação é suficiente para afirmar que o
sistema é impossível., isto é, S = ∅ .

33
4.8 Método de Eliminação de Gauss

⎡ a11 a12 ... a1n b1 ⎤

⎢ a a 22 ... a 2 n b2 ⎥
Dado o sistema Sn , a matriz estendida é: B = ⎢ 21 ⎥
⎢      ⎥
⎢ ⎥
⎣ a n 1 a n 2  a nn bn ⎦
O método de Gauss consiste em transformar a matriz B em uma matriz triangular superior, da seguinte
⎡1 a12 a13  a1n b1 ⎤
⎢ ⎥
⎢0 1 a 23  a 2 n b2 ⎥
forma: ⎢0 0 1  a 3n b3 ⎥ ,
⎢ ⎥
⎢       ⎥
⎢0 0 0  1 bn ⎥⎦
⎣
onde os índices superiores indicam o número de modificações realizadas em cada linha.
Aplica-se o processo retroativo para se obter a solução desejada.

Exempo21: Resolver o sistema pelo método de Eliminação

de Gauss.
Solução:

⎡ 2 3 40 39 ⎤ ⎡36 106 7 − 63⎤ L1 = L1 / 36 ⎡1 2,94 0,19 − 1,75⎤

⎢36 106 7 ⎥
− 63 → 2 ⎢ 3 40 39 → L2 = L2 − 2 L1 → 0 − 2,88 39,62 42,5 ⎥ →
⎥ ⎢
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣25⎡1 52,9412 032
,19 ⎥ −⎢125
⎦ ⎣
,75⎤ 5 12 32 ⎥ L = L⎡1− 25
L = L2 /(⎦−68,5)3 3
2,94
L 1
0⎢,019 − 68−,51,757⎤,25 75,5 ⎥
⎣ ⎦
→⎢0 − 68,5 7,25 75,75 ⎥ → 2 → ⎢0 1 − 0,106 − 1,106⎥ →
⎢ ⎥ L = L + 2,88 L ⎢ ⎥
3 3 2
⎢⎣0 − 2,88 39,62 42,5 ⎥⎦ ⎢⎣0 0 39,315 39,315⎥⎦

⎡1 2,94 0,19 − 1,75 ⎤

⎢
→ L3 = L3 / 39,315 → 0 1 − 0,106 − 1,106⎥
⎢ ⎥
⎢⎣0 0 1 1 ⎥⎦

Pelo Processo Retroativo temos:

x3 = 1
x2 = - 1,106 + 0,106 = -1
x1 = -1,75 - 0,19 + 2,94 = 1 Resp.: = (1 -1 1)t

34
4.9 Exercícios sobre Sistemas de Equações Lineares
1. Dada a equação linear 2 x − y = 7 , verifique se os pares abaixo são soluções:
a) (2, -3) b) (2, 7) c) (5, 3)

2. Verifique se as triplas ordenadas abaixo são soluções da equação x + 2 y + 4 z = 1.

a) (-1, 3, -1) b) (0, -4, -1) c) (1, 1, 1)

3. Determine m de modo que o par (m, 2m + 1) seja solução da equação 3x − 11 y = 4 .

⎧ x + 5 y − z = 5
⎪
4. Verifique se (1, 1, 1) é solução do sistema: ⎨7 x − 2 y + 3z = 8
⎪2 x − 5 y + 11z = 8
⎩
5. (UE-RJ) Em um restaurante há 12 mesas, todas ocupadas. Algumas, por 4 pessoas; outras por
apenas 2 pessoas, num total de 38 fregueses. Qual o número de mesas ocupadas por apenas 2
pessoas?

6. Resolva os sistemas abaixo usando o método de escalonamento:

⎧ x + y − z = 0 ⎧ x + 3 y − 2 z = 0
⎧ x + 2 y = 0 ⎪ ⎪ ⎧ x + y − 3z = 0
a) ⎨ b) ⎨2 x + 3 y + z = 0 c) ⎨ 4 x + y − z = 0 d) ⎨
⎩3 x + 5 y = 0 ⎪5 x + 7 y + z = 0 ⎪ 3x − y − z = 0 ⎩ x − y = 0
⎩ ⎩
⎧ x − z = 1
⎧ x − y + 6 z − w = 1 ⎧ x − 2 y + z = 1 ⎪ x + 4 w = 2 ⎧ x − w = 2
⎪ ⎪ ⎪ ⎪
e) ⎨ x − y = 0 f) ⎨ x − 2 y − 3z = 2 g) ⎨ h) ⎨ x − w = 3
⎪w = −1 ⎪ x − 2 y + 8 z = −5 ⎪ y − 2 x = 3 ⎪ x + y − 3z + w = 7
⎩ ⎩ ⎪⎩2 x + 2 y = −1 ⎩

7. (FUVEST) João diz a Pedro: se você me der 1/5 do dinheiro que possui eu ficarei com uma quantia
igual ao dobro do que lhe restará. Por outro lado, se eu lhe der R$ 6.000,00 do meu dinheiro nós
ficaremos com quantias iguais. Quanto dinheiro possui cada um?

8. (UNICAMP) Em um restaurante, todas as pessoas de um grupo pediram um mesmo prato principal

e uma mesma sobremesa. Com o prato principal o grupo gastou R$56,00 e com a sobremesa
R$35,00; cada sobremesa custou R$3,00 a menos do que o prato principal.
a) Encontre o número de pessoas neste grupo.
b) Qual o preço do prato principal?

9. O sistema abaixo é escalonado. Para que valores de m o sistema admite somente a solução nula ou
trivial?
⎧ x − 3 y = 0
⎨
⎩(m + 1)y = 0
⎧ x − 2 y = 0
10. Seja o sistema ⎨ . Escalone-o e determine m para que o sistema admita:
⎩2 x + my = 0
a) solução nula:
b) soluções não-nulas.
35
11. Resolva os sistemas pelo método que achar mais conveniente.
⎧3x − y + z = 1 ⎧ x + y + z = 1
⎧ x + 4 y = 0 ⎧2 x − y = 2 ⎧5 x − 4 y = 6 ⎪ ⎪
a) ⎨ b) ⎨ c) ⎨ d) ⎨2 x + 3z = −1 e) ⎨ x + y − z = −1
⎩3x + 2 y = 5 ⎩− x + 3 y = −3 ⎩− x + y = −1 ⎪4 x + y − 2 z = 7 ⎪2 x + 3 y + 2 z = 0
⎩ ⎩
12. Discuta, em função de m, os seguintes sistemas:
⎧ x + y = 3 ⎧2 x + my = m ⎧ x + 2 y = mx ⎧mx − y = 1
a) ⎨ b) ⎨ c) ⎨ d) ⎨
⎩2 x + my = 6 ⎩6 x − 3 y = 2 ⎩my − 2 x = y ⎩(m − 1)x + 2my = 4
⎧mx + y = 2 ⎧mx + y − z = 4 ⎧mx + y = −2
⎪ ⎪ ⎪
e) ⎨ x − y = m f) ⎨ x + my + z = 0 g) ⎨− 2 x + y − z = m
⎪ x + y = 2 ⎪ x − y = 2 ⎪4 x + y + mz = −5
⎩ ⎩ ⎩
13. Nos exercícios abaixo encontre condições para as constantes a, b, c e d, de forma que estes sistemas
sejam consistentes.
⎧ x − y + 3 z + 2 w = a
⎧ x − 2 y + 5 z = a ⎪− 2 x + y + 5 z + w = b
⎧6 x − 4 y = a ⎪ ⎪
a) ⎨ b) ⎨4 x − 5 y + 8 z = b c) ⎨
⎩3x − 2 y = b ⎪− 3x + 3 y − 3z = c ⎪− 3 x + 2 y + 2 z − w = c
⎩ ⎪⎩4 x − 3 y + z + 3w = d
14. Em cada item abaixo determine se o sistema homogêneo tem uma solução não trivial.
⎧2 x + y − 3z + w = 0 ⎧5 x + y + 4 z + w = 0
⎪5 y + 4 z + 3w = 0 ⎪2 z − w = 0
⎪ ⎪
a) ⎨ b) ⎨
⎪ z + 2w = 0 ⎪ z + w = 0
⎪⎩3w = 0 ⎪⎩7 w = 0

15) Um comerciante compra no exterior vidros de vitaminas de dois tipos. Cada vidro do tipo I custa
10 dólares e, do tipo II, 15 dólares. Se ele fez uma compra de 35 vidros, gastando 400 dólares, quantos
vidros de cada tipo comprou?

Gabarito
1) a) O par (2, –3) é solução b) O par (2, 7) não é solução c) O par (5, 3) é solução

2) a) a tripla (-1, 3, -1) é solução b) (0, -4, -1) não é solução. c) (1, 1, 1) não é solução

3) (m = –15/19)

4) Como a terna (1, 1, 1) é solução para todas as equações, a terna é solução do sistema.

5) Há 5 mesas ocupadas por duas pessoas.

6) Resolva os sistemas abaixo: Resolução por escalonamento.

36
 3α 3α
a) S = {(0, 0)}; b) S = {(4α, -3α, α), com α ∈ R}; c) S = {(0, 0, 0)}; d) S = {( , , α), com α ∈ R}
2 2

1 7 2 13 19
e) S = {(1 + α, α, − , - 1), com α ∈ R}; f) S = Ø; g) S = {( − , ,− , )}; h) S = Ø
6 6 3 6 24

7) João tem R$ 42 000 e Pedro, R$ 30 000.;

8) Há 7 pessoas no grupo que está no restaurante e o preço do prato principal é 8 reais.

9) m deve ser diferente de -1.

10) a) m ≠ - 4; b) o sistema admite solução não nula quando m = - 4. Nesse caso o sistema será possível
e indeterminado (SPI)

3 4
11) a) {(2, -1/2)} b) S = {( , − )} c) S = {(2, – 11)} d) S = {(1, 1, –1)} e) S = {(2, –2, 1)}
5 5

15) O comerciante comprou 25 vidros do tipo I e 10 vidros do tipo II.

37
5 VETORES

5.1 Introdução

Noção Intuitiva de vetores.

Existem grandezas, chamadas escalares, que são caracterizadas por um número (unidade): 50M2 de
área, 4m de comprimento, 7Kg de massa. Outras, no entanto, requerem mais que isso. Por exemplo,
para caracterizarmos uma força ou uma velocidade, precisamos dar a direção, a intensidade (ou
módulo) e o sentido:

F
5
3
4

60º 4

Uma força de 4 N Uma velocidade de 5m/s

38
Tais grandezas são chamadas vetoriais. Nos exemplos acima as flechas nos dão ideia exata das
grandezas mencionadas.

Vetores são seguimentos de reta orientados que têm uma direção um sentido e um comprimento.

possui:

Definição 1: Um segmento orientado é um par ordenado (A,B) de pontos do espaço. A é dito origem,
B extremidade do segmento orientado. Os segmentos orientados da forma (A,A) são
ditos nulos. Observe que se A ≠ B, (A,B) é diferente de (B, A).

Definição 2 : Comprimento
Dizemos que os segmentos orientados (A,B) e (C,D) têm o mesmo comprimento se os
segmentos geométricos AB e CD têm o mesmo comprimento. Podemos dizer ainda que,
fixada uma unidade de comprimento, a cada segmento podemos fixar um número real
(positivo ou nulo),que é a sua medida em relação àquela unidade.
NOTAÇÃO : AB à comprimento do segmento AB.

39
Direção:
Dados dois segmentos orientados não nulos AB e CD, dizemos que eles têm a mesma
direção se AB e CD são paralelas ou coincidentes

Sentido:
Se os segmentos orientados AB e CD têm o mesmo sentido caso os segmentos AC e BD
tenham interseção vazia. Caso AB ∩ CD ≠ ø, dizemos que AB e CD têm o mesmo sentido.

40
 B D C
B

A C A D

Mesma direção e mesmo sentido Mesma direção e sentidos opostos

Só podemos comparar os sentidos de dois segmentos orientados se eles têm a mesma direção, ou seja,
forem paralelos. Dois segmentos opostos têm sentidos contrários.

mesmo sentido Sentidos opostos

41
5.2 Operação com Vetores

42
43
 A

..........

44
......

45
46
47
48
49
5.3 Vetores no Rn

considerar uma
quádrupla

50
5.4 Operação com Vetores no Rn

51
52
53
colineares

54
55
56
57
GABARITO

1. a) 7 b) 2 c) 1 d) 1 e) 6 f) 5
2. d
3. a) AH b) BE c) CA d) AF e) CF f) AF
4. módulo: 300 m sentido: para a esquerda direção: leste-oeste.
5. F1 = 40kgf e F2 = 30kgf ou F1 = 30kgf e F2 = 40kgf .
6. AG = BH

58
5.5 Produto Interno

59
Distancia entre dois vetores

Chama-se distância do vetor x ao vetor y, o número real positivo definido por:

d(x,y) = √ (x1 - y1)2 + (x2 - y2) 2 + ….+ (xn - yn) 2

60
5.6 Decomposição de Vetores

61
5.7 Produto Vetorial

62
 paralelogramo

5.8 Produto Misto

63
64
65
66
67
6 ESPAÇOS VETORIAIS
Definição: Seja V um conjunto não vazio de objetos, chamados vetores, no espaço K (K = R ou
K = C). Dizemos que V é um espaço vetorial sobre R se, e somente se, existe uma ‘adição’
entre os elementos de V e uma ‘multiplicação’ entre os elementos de K e os elementos de V.
Então V é chamado de espaço vetorial sobre K (e os elementos de V são chamados
vetores), se:

1. (x + y) ∈ V, ∀ x, y ∈ V.
2. ∀ α ∈ K, ∀ x ∈ v ⇒ (αx ) ∈ V.
3. ∀ x, y, z ∈ V ⇒ (x + y ) + z = x + (y + z ).
4. ∀ x, y ∈ V ⇒ x + y = y + x.
5. .∃ 0 ∈ V / x + 0 = x, ∀ x ∈ V.
6. ∀ x ∈ V ⇒ ∃ (− x ) ∈ V / x + (− x ) = 0.
7. ∀α ∈ K, ∀ x, y ∈ V ⇒ α(x + y ) = αx + αy.
8. ∀ α, β ∈ K, ∀ x ∈ V ⇒ (α + β)x = αx + βx.
9. ∀ α, β ∈ K, ∀ x ∈ V ⇒ (α ⋅ β)x = α(β ⋅ x ).
10. 1 ⋅ x = x, ∀ x ∈ V.

Exemplo: V = Rn, K = R
x, y ∈ R n
n
⎧ x = ( x1 , x2 ,..., xn ) ⎪⎧ x + y = ( x1 + y1 , x2 + y 2 ,..., xn + y n ) ∈ R
α ∈K ⇔ ⎨ ⇒ ⎨
⎩ y = ( y1 , y 2 ,..., y n ) ⎪⎩α ⋅ x = (αx1 , αx2 ,..., αxn ) ∈ R
n

Propriedades imediatas:
∀ α ∈ K ⇒ α⋅0 = 0
∀ x ∈ V⇒0 ⋅ x=0
⎧(−α) x = −(αx ) = α(− x )
∀ α ∈ K, ∀ x ∈ V ⇒ ⎨
⎩(- α )(− x ) = αx
∀ α ∈ K, ∀ x ∈ V, α ⋅ x = 0 ⇒ α = 0 ou x = 0

Exemplos:
⎧⎡ x ⎤ ⎫
1) Seja V o primeiro quadrante do plano xy , isto é, seja V = ⎨⎢ ⎥ : x ≥ 0, y ≥ 0⎬ .
⎩⎣ y ⎦ ⎭
a) Se u e v estão em V , será que u + v está em V ?
b) Determine um certo vetor v , em V , e um certo escalar c tal que cv não pertença a V . (Isto é
suficiente para mostrar que V não é um espaço vetorial.)
2) Verifique se R2 é um espaço vetorial.

68
3) Verifique se R3 é um espaço vetorial.
4) Verificar se são espaços vetoriais do R3:
a) V= {(x, y, z) ∈ R3 / x = 0}. b) V = {(x, y, z) ∈ R3 / x + y = 0 e z = -2}.

6.1 Subespaços Vetoriais

Genericamente podemos dizer que um subespaço é um subconjunto de um espaço vetorial desde que
seja ele mesmo um espaço vetorial em relação às mesmas operações em V.

Definição: Seja V um espaço vetorial e W um subconjunto não-vazio de V. Se W é um espaço vetorial

em relação às operações em V, dizemos que W é um subespaço de V, ou seja:
1. 0 ∈ W.
2. ∀ x, y ∈ W ⇒ (x + y) ∈ W.
3. ∀ α ∈ K, ∀ x ∈ W ⇒ (α . x) ∈ W.

Exemplo 1: Todo espaço vetorial tem pelo menos dois subespaços, ele mesmo e o subespaço {0} que
tem como único elemento o vetor nulo.
Observe que: 0 + 0 = 0 e k . 0 = 0 em qualquer espaço vetorial. O subespaço {0} é
chamado subespaço nulo.

Exemplo 2: Seja W o subconjunto de R3 formado por todos os vetores da forma (a, b, 0), onde a e b
são números reais quaisquer. Para verificar se W é um subespaço de R3, devemos verificar
as propriedades.
Desta forma, sejam u = (m, n, 0) e v = (p, q, 0) vetores em W. Temos que u + v = (m+p,
n+q, 0) que também pertence a W. Consideremos agora r um escalar qualquer e o vetor u,
então ru = (rm, rn, 0) que também pertence a W.
Logo as propriedades de espaço vetorial estão satisfeitas e, portanto W é um subespaço de
R3.

Exemplos:

1) Mostre que os seguintes subconjuntos de R4 são subespaços:

a) W = {(x, y, z, t) ∈ R4 / x + y = 0 e z – t = 0}
b) U = {(x, y, z, t) ∈ R4 / 2x + y – t = 0 e z = 0}

2) Verifique se S = {(x, y, z, t) ∈ R4 / x + 2y – z = 0 e t = 0} é um subespaço vetorial. (Resp. S é

subespaço de R4).

3) Seja V = R2 e K = R. Verifique se W = {(a, b) ∈ R2 / (a + b) ∈ Z} é subespaço de V. (Resp. W não

é subespaço de V.)
⎧⎡a − b 2a ⎤ ⎫
4) Verificar se S = ⎨⎢ ⎥; a, b ∈ R ⎬ é um subespaço de M(2, 2). (Resp. S é subespaço
⎩⎣a + b − b⎦ ⎭
de M(2, 2)).

69
 5) Seja V = R2 e K = R. Verifique se W = {(a, b) ∈ R2 / a + b = 0} é subespaço de V.

6.2 Combinação Linear

Definição: Seja V um espaço vetorial sobre um corpo K. Dizemos que o vetor y ∈ V é combinação
linear dos vetores x1, x2, ..., xn de V se, e somente se, existem escalares α1 , α 2 ,..., α n
tais que y = α1 x1 + α 2 x 2 + ... + α n x n .

Exemplos
( ) (
1) Escreva, se possível, z como combinação linear de u e v em R3 onde z = 1, 2, 3 , u = − 2, 1, 4 )
(
e v = 1, 7, 13 .)
2) Escreva, se possível, v = 1 − 2t + 3t 2 como combinação linear de x = 1 + 2t , y = t − t 2 e
z = 1 + 3t + t 2 em P (R).
2

3) Consideremos os vetores u = (1, -3, 2) e v = (2, -1, 1) em R3.

a) Escreva (1, 7, -4) como combinação linear de u e v.
b) Escreva (2, -5, 4) como combinação linear de u e v.
c) Para que valor de k, w = (1, k, 5) é uma combinação linear de u e v?
4) Escreva u como combinação linear dos polinômios v = 2t 2 + 3t − 4 e x = t 2 − 2t − 3, onde:
a) u = 3t2 + 8t - 5
b) u = 4t2 - 6t - 1

6.3 Dependência e Independência Linear

O primeiro fato importante a destacar sobre combinações lineares é que elas são resultados das
operações com vetores, definidas no espaço vetorial: adição e multiplicação por um escalar.

Definição. Sejam v1, v2, ..., vn, vetores de um espaço vetorial V. Diz-se que o conjunto {v1, v2, ..., vn} é
linearmente independente (LI), ou que os vetores v1, v2, ..., vn são LI., se a equação
a1v1 + a2v2 + ... + anvn = 0; implica que a1 = a2 = ... = an = 0.

No caso em que a igualdade se verifique para algum ai ≠ 0 diz-se que {v1, v2, ..., vn} é linearmente
dependente (LD), ou que os vetores v1, v2, ..., vn são LD.

Propriedades:

1. Um único vetor v é LD, se e somente se, v = 0.

2. Um conjunto de vetores {v1, v2, ..., vn} é LD, se e somente se, um destes vetores for uma
combinação linear dos outros.

70
Decorre dessa propriedade o que segue:

a) Dois vetores u e v são LD, se e somente se, um é múltiplo escalar do outro.

Por exemplo, os vetores (– 1, 1, 2) e (2, – 2, 4) são LD pois (2, – 2, – 4) = – 2(– 1, 1, 2).

b) Três vetores em R3 são LD se e somente se são coplanares. Então, para verificar a dependência ou
independência linear de 3 vetores em R3 podemos calcular o produto misto.

Exemplo. Os vetores u = (2, – 1, 3), v = (– 2, 1 ,– 3) e w = (1, 0, 1) são LD pois,

Também podemos pensar da seguinte forma: u e v são colineares (pois são múltiplos). Então, não
importa como seja definido w, pela propriedade 2 sendo um dos vetores combinação linear dos outros,
no caso, u = – 1v + 0w, temos que o conjunto {u, v, w} é LD.

Exemplo. Os vetores u = (2, – 1, 1, 3), v = (1, 0, – 1, 2), w = (1, 3, – 1, 1) e t = (– 1, 2, 1, 0) são l.i.

pois nenhuma linha de K pode ser anulada:

Nota. Não é necessário realizar operações elementares sobres as linhas de K até chegar (ou tentar
chegar) na matriz identidade pois isto é válido somente para matrizes quadradas. As operações
podem ser suspensas quando for possível garantir que nenhuma linha se anula ou que mais
nenhuma se anula.

3. Um conjunto de m vetores em Rn é sempre LD se m > n.

Exemplo. Quatro vetores em R3 são LD. Tomemos u = (2, – 3, 4), v = (4, 7, – 6), w = (18, – 11, 4) e
t = (2, – 7, 3). A equação a.u + b.v + c.w + d.t = 0 origina o sistema

que é compatível e indeterminado. Assim os escalares a, b, c e d não são todos nulos

(obrigatoriamente) e os vetores u, v, w e t são LD.

4. Um conjunto de vetores LI, em Rn contém, no máximo, n vetores.

Essa propriedade é uma consequência imediata da propriedade anterior (Propriedade 3).

5. Qualquer conjunto que contenha o vetor nulo é LD.

6. Qualquer conjunto de n vetores LI em Rn gera o Rn.

71
Exemplos:
1) Quais os subconjuntos abaixo do R3 são LI?
a) {(1, 0, 0), (0, 1, 0), (0, 0, 1), (2, 3, 5)}.
b) {(1, 1, 1), (1, 0, 1), (1, 0, -2)}.
c) {(0, 0, 0), (1, 2, 3), (4, 1, -2)}.
d) {(1, 1, 1), (1, 2, 1), (3, 2, -1)}.

2) Determinar o valor de k para que o conjunto {(1, 0, -1), (1, 1, 0), (k, 1, -1)} seja LI. Resp. k ≠ 2

3) Classificar os seguintes subconjuntos de vetores em LD ou LI:

a) {(0, 1, 0, -1), (1, 1, 1, 1), (-1, 2, 0, 1), (1, 2, 1, 0)} ⊂ R4. Resp. LD

b) {(1, -1, 0, 0), (0, 1, 0, 0), (0, 0, 1, -1), (1, 2, 1, -2)} ⊂ R4. Resp. LI
c) {(1, 1, 2, 4), (1, -1, -4, 2), (0, -1, -3, 1), (2, 1, 1, 5)} ⊂ R4. Resp. LD
⎡− 1 2 1⎤ ⎡ 0 −1 2⎤ ⎡− 1 0 5⎤
d) A = ⎢ ⎥ , B = ⎢ ⎥ e C = ⎢ ⊂
⎣ 3 −2 4⎦ ⎣− 2 1 0⎦ ⎣− 1 0 3⎥⎦
M(2, 3). Resp. LI

4) Verificar quais dos seguintes conjuntos de vetores do espaço vetorial R3, são LI:
a) {(1, 1, 0), (1, 4, 5), (3, 6, 5)}.
b) {(1, 2, 3), (1, 4, 9), (1, 8, 27)}.
c) {(1, 2, 1), (2, 4, 2), (5, 10, 5)}.

5) Verifique se os subconjuntos abaixo de P4(R) são LI ou LD.

a) {2x, x2 + 1, x + 1, x2 - 1}.
b) {x (x - 1), x3, 2x3 - x2, x}.
⎧⎡1 0⎤ ⎡1 1⎤ ⎡ 2 − 1⎤ ⎫
6) Determinar k para que ⎨⎢ ⎥ , ⎢ ⎥ , ⎢ ⎬ seja LD.
⎩⎣1 0⎦ ⎣0 0⎦ ⎣k 0 ⎥⎦ ⎭
7) Determinar m e n para que os conjuntos de vetores dados abaixo sejam LI, em R3.
a) {(3, 5m, 1), (2, 0, 4), (1, m, 3)}. Resp. m ≠ 0
b) {(1, 3, 5), (2, m+1, 10)}. Resp. m ≠ 5
c) {(m, 2, n), (m + n, m - 1)}. Resp. m ≠ 3 e m ≠ 0

8) Sejam os vetores v1 = (-1, 2, 1), v2 = (1, 0, 2) e v3 = (-2, -1, 0). Expressar w = (-4, -3, 3) como
1 17 31
combinação linear de v1, v2 e v3. Resp. w = − v1 + v2 + v3
11 11 11

9) Considere no espaço P2(R) os vetores p1 = t2 - 2t + 1, p2 = t + 22 e p3 = 2t2 - t.

a) Escrever p = 5t2 - 5t + 7 como combinação linear de p1 e p2 Resp. não é possível.
b) É possível escrever p1 como combinação linear de p2 e p3? Resp. não é possível.

10) Verifique se os vetores a seguir são LI ou LD:

a) v1 = (2, -1, 3), v2 = (-1, 0, -2) e v3 = (2, -3, 1) no espaço vetorial V = R3. Resp. LD
b) v1 = (2, 2, 3, 4), v2 = (0, 5, -3, 1) e v3 = (0, 0, 4, -2) o espaço vetorial V = R4. Resp. LI
c) {(2, -1), (1, 3)} ⊂ R2. Resp. LI
72
 d) {(-1, -2, 0, 3), (2, -1, 0, 0), (1, 0, 0, 0)} ⊂ R4. Resp. LI

11) Expressar o vetor u = (-1, 4, -4, 6) ∈ R4 como combinação linear dos vetores v1 = (3, -3, 1, 0), v2
= (0, 1, -1, 2) e v3 = (1, -1, 0, 0). ) Resp. u = −7v1 + 3v2 + 20v3

12) Verificar se o conjunto de vetores {1, x, x2, 2 + x + 2x2} de P3(R) é LD. Resp. LD

13) Sejam os vetores u = (2, -3, 2) e v = (-1, 2, 4) em R3.Escrever o vetor w = (7, -11, 2) como
combinação linear de u e v. Resp. w = 3u − v

6.4 Base e Dimensão de um Espaço Vetorial

{ }
Definição. Um conjunto v1 , v2 , …, vn de vetores de V será uma base de V se:
{
i) v1 , v2 , …, vn é LI;}
ii) [v1 , v2 , …, vn ] = V , ou seja os vetores da base geram qualquer vetor em V.
3
Exemplo.1. Os vetores de B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} formam uma base de R .
Observa-se que os vetores de B são LI e que todo (x, y, z) pode ser escrito como:
3
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1), portanto B gera uma base para R .

2
Exemplo.2. Verifique se (1, 1) e (1, -1) formam uma base de R .
( ) ( ) ( )
i) a 1, 1 + b 1, −1 = 0, 0
⎡1 1 0⎤ ⎡1 1 0⎤ ⎧a = 0
⎢1 − 1 0⎥ ≈ ⎢0 2 0⎥ ⇒ ⎨b = 0 ⇒ os vetores são LI.
⎣ ⎦ ⎣ ⎦ ⎩

( ) ( ) (
ii) a 1, 1 + b 1, −1 = x, y )
⎧ x+ y
a=
⎡1 1 x ⎤ ⎡1 1 x ⎤ ⎪⎪ 2 2
⎢1 − 1 y ⎥ ≈ ⎢0 2 x − y ⎥ ⇒ ⎨ ⇒ ou seja, todo vetor do R é uma
⎣ ⎦ ⎣ ⎦ ⎪b = x − y
⎪⎩ 2
combinação linear dos vetores (1, 1) e (1, -1). Portanto os vetores (1, 1) e (1, -1) geram
2
uma base para R .

2
Exemplo.3. Verifique se (0, 1) e (0, 2) formam uma base de R .

3
Exemplo.4. Verifique se (1, 1, 2), (2, -1, 1) e (-1, 2, -1) formam uma base de R .

73
 ⎧⎛ 1 2 ⎞ ⎛ 1 0 ⎞ ⎛ 2 − 1⎞ ⎛ − 1 1 ⎞⎫
Exemplo.5. Verifique se as matrizes em B = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, , ⎜⎜ ⎟⎟, , ⎜⎜ ⎟⎟⎬ formam
⎩⎝ 0 − 1⎠ ⎝ − 1 2 ⎠ ⎝ 1 0 ⎠ ⎝ 2 0 ⎠⎭
uma base para M 2 (R).
⎧ 2 ⎫ 2
Exemplo.6. Verifique se os elementos de B = ⎨1 + x, 1 − x, 1 − x ⎬ formam uma base para P (R ).
⎩ ⎭

Teorema. Sejam v1 , v2 , …, vn vetores não nulos que geram um espaço vetorial V. Então, dentre
estes vetores podemos extrair uma base de V.

Teorema. Seja um espaço vetorial V gerado por um conjunto finito de vetores v1, v2 , …, vn . Então,
qualquer conjunto com mais de n vetores é necessariamente LD (e, portanto, qualquer
conjunto LI tem no máximo n vetores).

Corolário1. Qualquer base de um espaço vetorial tem sempre o mesmo número de elementos. Este
número é chamado dimensão de V, e denotado por dim V.

2
Exemplo.1. V = R .
{(1, 0), (0, 1)} e {(1, 1), (0, 1)} são bases de V, então dim V = 2.

Exemplo.2. V = R 3 .
{(1, 0, 0), (0, 1, 0), (0, 0, 1)} é uma base de V, então dim V = 3.

Exemplo.3. V = M (2, 2 ) .
⎧⎛ 1 0 ⎞ ⎛ 0 1 ⎞ ⎛ 0 0 ⎞ ⎛ 0 0 ⎞⎫
⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟⎬ é uma base de V, então dim V = 4.
⎩⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 1 ⎠⎭

Exemplo.4. V = P 2 (R ).
1, x , x 2 é uma base de V, então dim V = 3.

De forma geral, temos:

dim R n = n
dim M m×n ( R) = m ⋅ n
dim P n ( R) = n + 1

Teorema. Qualquer conjunto de vetores LI de um espaço vetorial V de dimensão finita pode ser
completado de modo a formar uma base de V.

Corolário. Se dim V = n, qualquer conjunto de n vetores LI formará uma base de V.

74
Teorema. Se U e W são subespaço de um espaço vetorial V que tem dimensão finita, então
dim U ≤ dim V e dim W ≤ dim V . Além disso, dim(U + V ) = dimU + dimV − dim(U ∩ V ).

{ }
Teorema. Dada uma base B = v1 , v2 , …, vn de V, cada vetor de V é escrito de maneira única
como combinação linear de v1 , v2 , …, vn .

6.5 Coordenadas de um Vetor

{ }
Definição. Sejam B = v1 , v2 , …, vn base de V e v ∈ V onde v = a1v1 + a2 v2 + ... + an vn .
Chamamos estes números a1 , a2 , ..., an de coordenadas do vetor v em relação à base B
e denotamos por:
⎡ a1 ⎤
⎢a ⎥
[v]B = ⎢ 2 ⎥
⎢  ⎥
⎢ ⎥
⎣a n ⎦
Exemplo.1. Verifique se os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) formam uma base de R 3 . Em caso
positivo, encontre as coordenadas de (1, 2, 0) ∈ R 3 com relação à esta base.

Exemplo.2. Verifique se os polinômios 1, x , x 2 − x formam uma base de P 2 ( R) . Em caso positivo,

encontre as coordenadas de 1 + x + x 2 com relação à esta base.

Exemplo.3. Verifique se os polinômios 1, x 2 , x 2 + x formam uma base de P 2 ( R) . Em caso positivo,

encontre as coordenadas de 1 + x + x 2 com relação à esta base.

6.6 Mudança de Base

C
Matriz de Mudança da Base C para a Base B ( M B )

As coordenadas de um elemento de um espaço vetorial podem variar quando se consideram bases

distintas. Mas, como esta mudança ocorre, ou seja, como é possível encontrar as coordenadas de um
vetor com relação a uma base conhecendo-se suas coordenadas com relação a uma outra?

Exemplo. Considere a base B em R 3 formada pelos vetores (1, 0, 1), (1, 1, 1) e (1, 1, 2). Considere
também a base C formada pelos vetores (1, 0, 0),(0, 1, 0) e (0, 0, 1).
Encontre M BC a matriz de mudança da base C para a base B.
Precisamos escrever os vetores da base C como combinação linear dos vetores da base B.
(1, 0, 0) = a11 (1, 0, 1) + a 21 (1, 1, 1) + a 31 (1, 1, 2)
(0, 1, 0) = a12 (1, 0, 1) + a 22 (1, 1, 1) + a 32 (1, 1, 2)

75
(0, 0, 1) = a13 (1, 0, 1) + a 23 (1, 1, 1) + a 33 (1, 1, 2)

⎡1 1 1 1⎤ ⎡1 1 1 1⎤ ⎧a11 = 1

⎢0 1 1 0⎥ ≈ ⎢0 1 1 0⎥ ⇒ ⎪a = 1
⎢ ⎥ ⎢ ⎥ ⎨ 21
⎢⎣1 1 2 0⎦⎥ ⎣⎢0 0 − 1 1⎥⎦ ⎪⎩a31 = −1
⎡1 1 1 0⎤ ⎡1 1 1 0⎤ ⎧a12 = −1
⎢0 1 1 1⎥ ≈ ⎢0 1 1 1⎥ ⇒ ⎪a = 1
⎢ ⎥ ⎢ ⎥ ⎨ 22
⎢⎣1 1 2 0⎥⎦ ⎢⎣0 0 − 1 0⎥⎦ ⎪⎩a32 = 0

⎡1 1 1 0⎤ ⎡1 1 1 0 ⎤ ⎧a13 = 0

⎢0 1 1 0⎥ ≈ ⎢0 1 1 0 ⎥ ⇒ ⎪a = −1
⎢ ⎥ ⎢ ⎥ ⎨ 23
⎢⎣1 1 2 1⎥⎦ ⎢⎣0 0 − 1 − 1⎥⎦ ⎪⎩a33 = 1

⎛ 1 − 1 0 ⎞
C
⎜ ⎟
M B = ⎜ 1 1 − 1⎟
⎜ − 1 0 1 ⎟
⎝ ⎠

76
7 TRANSFORMAÇÕES LINEARES

7.1 Introdução

Estamos familiarizados com funções ordinárias tais como a função f definida pela equação f(x) = x2. Essa função
transforma um número real em outro número real, no caso, no seu quadrado.
Por exemplo, o número 2 é transformado em 4, isto é, f(2) = 4.
Estudaremos agora funções que transformam vetores em vetores.
Em geral, se V e W são espaços vetoriais, uma função ou TRANSFORMAÇÃO T de V para W é uma regra que
associa a todo vetor x em V um único vetor em W que é denotado por T(x).
Se x é um vetor em V, então T(x) é chamada a IMAGEM de x sobre a transformação T.
Por exemplo, se T é uma transformação do ℜ3 para o ℜ2 definida pela equação:
T(x1, x2, x3) = (x1 + x2, x2 + x3)
Então T leva o vetor (1,1,1) no vetor T(1,1,1) = (2,2) e o vetor (3,2,0) no vetor T(3,2,0) = (5,2).

Definição
Sejam V e W dois espaços vetoriais. Uma transformação (ou aplicação) T: V → W é chamada de LINEAR se
para todos os vetores x e y em V e para todo escalar α,
• T(x + y) = T(x) + T(y)
• T(αx) = α T(x)
Uma transformação linear T: V → W preserva a adição e a multiplicação por escalar entre os vetores.
Usando-se as duas propriedades simultaneamente chegamos a uma terceira propriedade:
Sejam v1 e v2 vetores em V e α1 e α2 dois escalares, então:
T(α1v1 + α2v2) = T(α1v1) + T(α2v2) = α1 T(v1) + α2 T(v2)
Diz-se que uma transformação linear satisfaz o princípio da superposição, que é essa terceira propriedade. Mas o
princípio da superposição pode ser aplicado a n vetores em V e n escalares. Ora, mas isso é uma combinação
linear. Logo, T preserva combinações lineares.

Exemplo 1: V=ReW=R
F:R→R
u → αu ou F(u) = αu
• F(u + v) = α(u + v) = αu +αv
F(u) + F(v) = αu + αv
• F(ku) = α(ku) = kαu
kF(u) = kαu

77
 Então F é uma transformação linear.

Exemplo 2: Seja T a transformação dada por T(x,y)= (x-y, x+y). Pergunta-se T é linear?
• u = (a, b) e v = (c, d)
• T(u + v) = T(a+c, b+d) = (a+c-b-d, a+c+b+d)
T(u) + T(v) = T(a, b) + T(c, d) = (a-b, a+b) + (c-d, c+d) = (a-b+c-d, a+b+c+d)
• T(αu) = T(αa, αb) = (αa-αb, αa+αb)
αT(u) = α(a-b, a+b)= (αa-αb, αa+αb)
Então T é uma transformação linear.

Exemplo 3: F(u) = u2 é uma transformação linear?

Não, pois F(u + v) = (u + v)2 = u2 + 2vu + v2
F(u) + 2vu + F(v) ≠ F(u) + F(v).

Exemplo 4: L: ℜ2 → ℜ, L(v) = L(x,y) = 2x + 4 é uma transformação linear?

Sejam u = (u1, u2) e v = (v1, v2)
• L(u + v) = L(u1 + v1, u2 + v2) = 2 (u1 + v1) + 4
• L(u + v) = 2u1 + 2v1 + 4 ≠ L(u) + L(v).
Portanto L não é uma transformação linear.
Exemplo 5: Seja D : Pn → Pn, onde Pn é um polinômio e D é a aplicação derivada. Pelas propriedades das
derivadas, sabe-se que:
• D(f + g) = D(f) + D(g).
• D(kf) = k D(f).
Então D é uma transformação linear.

78
Exemplo 6:

Exemplo 7:

Observação: Decorre da definição que uma transformação linear T, T: V → W leva o vetor nulo de V no vetor
nulo de W, isto é, se 0 ∈ V, T(0) = 0 ∈ W. Isto nos ajuda a detectar transformações não lineares.
Se T(0) ≠ 0, T não é linear. No entanto, T(0) = 0 NÃO é suficiente para que T seja linear.
Exemplo: T: ℜ3 → ℜ3 onde T(x, y, z) = (x+1, y, z) é linear?

79
7.2 Transformações do plano no plano

Vamos apresentar uma visão geométrica das transformações lineares, dando alguns exemplos de transformações
do plano no plano.
a) Expansão ou contração uniforme:
T : R2 → R2 , α ∈ V tal que T(u) = αu
(x, y) → α (x, y)
b) Reflexão em torno do eixo x:
T: R2 → R2
(x, y) → (x, -y)
c) Reflexão na origem:
T: R2 → R2
(x, y) → (-x, -y)
d) Rotação de um ângulo t no sentido anti horário:
R t: R 2 → R2
(x,y) → (x cos t – y sen t, y cos t + x sen t)

7.3 Operadores Lineares no Espaço Vetorial R2

80
81
Teorema: Dados dois espaços vetoriais reais V e W e uma base de V, {v1, ..., vn}. Sejam w1, ..., wn elementos
arbitrários de W. Então existe uma única aplicação linear T : V → W tal que:
T(v1) = w1, ...., T(vn) = wn.
Se v = a1v1 +... anvn, esta aplicação é dada por
T(v) = a1T(v1) + ... + anT(vn) = a1w1 +... anwn
Isto significa que as aplicações lineares são determinadas conhecendo-se apenas seu valor nos
elementos de uma base.

82
7.4 Lei de uma Transformação Linear

Exemplo: Qual é a transformação linear T: R2 → R3 tal que T(1, 0) = (2, -1, 0) e T(0, 1) = (0, 0, 1)?

7.5 Imagem e Núcleo de uma Transformação Linear

Imagem:
Im (T) = {w ∈ W; T(v) = w, para algum v ∈ V}.
Isto é, a imagem de T é o conjunto dos vetores w de W tais que existe um vetor v ∈ V, que satisfaz
T(v) = w.
Im (T) ⊂ W é um subconjunto de W e, além disso, um subespaço vetorial de W.

Núcleo:
Ker(T) = {v ∈ V; T(v) = 0}.
Ou seja, o conjunto de todos os vetores v ∈ V tais que T(v) = 0 é chamado núcleo de T, sendo
denotado por Ker(T).

83
 Ker(T) ⊂ V é um subconjunto de V e, ainda mais, é um subespaço vetorial de V.

Exemplo: T: R2 → R
(x,y) → x+y
• Im(T) = ℜ, pois dado w ∈ ℜ, w = T(w,0).
• Ker(T) = {(x,y) ∈ ℜ2 / x + y = 0} ou x = -y; v = (-1,1) gera o núcleo. O núcleo tem a dimensão
de W, nesse caso.

Definição: Dada uma aplicação T: V → W, diremos que T é INJETORA se dados u, v ∈ V com u ≠ v, então
T(u) ≠ T(v)

Definição: A aplicação T: V → W será SOBREJETORA se a imagem de T coincidir com W, ou seja, T(V)

= W.

Propriedade: Uma transformação linear é injetora se, e somente se, Ker(T) = {0}.

84
7.6 Espaços Vetoriais Isomorfos

Quando uma transformação linear T : V → W for injetora e sobrejetora ao mesmo tempo, dá-se o nome de
ISOMORFISMO. Quando há tal transformação entre dois espaços vetoriais dizemos que estes são
ISOMORFOS. Sob o ponto de vista da Álgebra Linear, espaços vetoriais isomorfos são, por assim dizer,
idênticos.
Em outras palavras, quando a correspondência biunívoca entre dois espaços vetoriais preserva as operações de
adição e multiplicação por escalar, T(v + w) = T(v) + T(w) e T(kv) = k T(v), diz-se que esses espaços são
isomorfos.
T:V→W
dim Ker(T) + dim Im(T) = dim V

Obs: Toda transformação linear pode ser representada por uma matriz.
Exemplos:

85
 1) Reflexão em torno do eixo x:
T: R2 → R2
(x,y) → (x, -y)

⎡ x ⎤ ⎡ x ⎤ ⎡ x ⎤ ⎡1 0 ⎤ ⎡ x ⎤
⎢ y ⎥ → ⎢− y ⎥ ou ⎢ y ⎥ → ⎢0 − 1⎥ ⎢ y ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
2) Reflexão na origem:
T: R2 → R2
(x,y) → (-x, -y)

⎡ x ⎤ ⎡ − x ⎤ ⎡ x ⎤ ⎡− 1 0 ⎤ ⎡ x ⎤
⎢ y ⎥ → ⎢− y ⎥ ou ⎢ y ⎥ → ⎢ 0 − 1⎥ ⎢ y ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

7.7 Matriz Associada a uma Transformação Linear

86
87
5) Verificar se as transformações são lineares:
3 2 ⎛ 2 ⎞
( )
a) T : R → R onde T x, y, z = ⎜ x , y + z ⎟
⎝ ⎠

88
 3 2
b) ( ) ( )
T : R → R onde T x, y, z = x, 2 y
2 2
c) T : R → R onde T (x, y ) = (x + a, y + b), a, b ∈ R − {0}
3
d) T : R → R onde T (x, y, z ) = x − 3 y + 1
2
e) T : R → R onde T (x, y ) =| x |
3
( ) (
6) Para que valores de k ∈ R a transformação no R tal que T x, y, z = 2 x + 3k , y, 3z é linear? )
3 2
7) Seja T : R → R uma transformação linear tal que T 1, 0, ( 0) = (2, 4), T (0, 1, 0) = (3, 5) e
( ) ( )
T 1, 1, 1 = 1, 1 . Indique a lei de T.
3 2
( ) ( ) (
8) Seja T : R → R uma transformação linear definida por T 1, 1, 1 = 1, 2 , T 1, 1, 0 = 2, 3 e ) ( )
( ) ( )
T 1, 0, 0 = 3, 4 .
f) Determine T (x, y, z ).
3
g) Determine (x, y, z )∈ R tal que T (x, ) (
y, z = − 3, −2 . )
3
h) Determine (x, y, z )∈ R tal que T (x, y, z ) = (0, 0).

89
8 AUTOVALORES E AUTOVETORES

Definição: Seja T:V à V um operador linear num espaço vetorial V sobre um corpo K. Um escalar α é
chamado de autovalor de T se existe um vetor não nulo v Є V tal que :

T(v) = αv

Todo vetor que satisfaça essa relação é chamado de autovetor de T pertencente ao autovalor α.
Estaremos interessados, nesse capítulo, em saber quais vetores são levados em um múltiplo de si
mesmo, isto é, procuraremos um vetor v Є V e um escalar α Є R tais que
T(v) = α v. ( I )
Neste caso T(v) será um vetor de mesma "direção" que v, ou melhor, T(v) e v estão sobre a mesma reta
suporte.
Como v = 0 satisfaz a equação (I) para todo α , estaremos interessados em determinar v ≠ 0 que
satisfaça a condição acima. Tentaremos elucidar o exposto através dos exemplos que seguem.
Exemplo 1. I : R2 à R2 (aplicação identidade)
(x, y) (x, y)
Neste caso, todo v = (x, y) Є R2 é tal que I(v) = 1. v.
Exemplo 2. T2: R2 à R2 / T2(x, y) = (4x + 5y, 2x + y).
a) T2(5, 2) = (30, 12) = 6(5, 2) d) T2(10, 4) = (60, 24) = 6(10,4)
b) T2(2, 1) = (13, 5) não é autovetor e) T2(– 5/2, – 1) = (– 15, – 6) = 6(– 5/2, – 1)
c) T2(– 5, – 2) = (– 30, – 12) = 6(– 5, – 2)

Vemos que nos itens a,c,d,e respeitam a igualdade T(v) = α v. Já o item b não seguem a mesma
igualdade, portanto (13,5) não é um autovetor por não haver um múltiplo chamado autovalor.

8.1 Determinação dos Autovalores e Autovetores

Para determinar os autovalores e autovetores de um operador linear T:VàV usamos a sua

representação matricial.
Seja A a matriz canônica de T, de forma que TA(v) = Av. Então, autovalores α de A e autovetores vα
de V são soluções da equação Av = α v.
Ou seja: Av = αv Av – αIv = 0 (A – αI)v = 0,
onde I é a matriz identidade de mesma ordem que A.

90
Observamos que a última equação, (A – αI)v = 0, representa um sistema homogêneo, que é sempre
compatível, cuja solução desejada, conforme definição, é a não-trivial, ou seja, v ≠ 0. Assim, devemos
ter o sistema em questão como compatível e indeterminado, de forma que :

det(A – αI) = 0 .
As raízes da equação det(A – αI) = 0, chamada equação característica de A (ou de T), são os
autovalores de A (ou de T). Para cada autovalor α, corresponde um conjunto W = {v Є V / Av = αv} de
autovetores, que é obtido pela solução da equação Av = αv ou, equivalentemente, da equação (A –
αI)v = 0.

Exemplo 3: Consideremos o operador linear definido no Exemplo 2:

T:R2àR2
(x, y) (4x + 5y, 2x + y)

• autovalores de , matriz canônica de T.

Resolvemos a equação característica det (A – αI) = 0:
A – αI = 4 5 -α 1 0 = 4–α 5
2 1 0 1 2 1-α

Assim, det(A – αI) = 0 <==> (4 – α) (1 – α) – 10 = 0

Teremos então: α2 - 5α – 6 = 0 à α = -1 e α = 6
• autovetores de A ou de T:
Para cada autovalor α encontrado, resolvemos o sistema linear (A – αI)v = 0:
α1 = -1; v = x
y
(A – αI)v = 0 <==> 4 – (-1) 5 x = 0
2 1 – (-1) y 0

91
Assim temos: 5x + 5y = 0
2x + 2y = 0 à x = -y
Então, vα1 = (– y, y) sendo um de seus representantes o vetor v1 = (– 1, 1).

α2 = 6; v = x
y
(A – αI)v = 0 <==> 4 – (6) 5 x = 0
2 1 – (6) y 0
-2x + 5y = 0
2x – 5y = 0 à x = 5/2y

Então vα2= (5/2y, y) sendo um de seus representantes o vetor v2 = (5/2 , 1).

Observe que:
T(vα1) = T(– y, y) = – 1. (– y, y) e
T(vα2)= T(5/2y, y) = 6. (5/2y, y).
Se tomarmos a lei (x, y) ==> (4x + 5y, 2x + y) para provarmos a igualdade T(v) = α v teremos:
T(-1,1) = (1,-1) , onde temos como autovalor -1 , ficando assim a igualdade:
T(-1,1) = -1(-1,1)
Exercícios:
1) Seja T: R2 à R2 / T(x,y) = (x + 2y, 3x + 2y). Ache os autovalores e autovetores e verifique a
igualdade T(v) = α v.
2) Seja T: R2 à R2 / T(x,y) = (-y, x). Ache os autovalores e autovetores, se houver e verifique a
igualdade T(v) = α v.
3) Seja T: R2 à R2 / T(x,y) = (x + y , 2x + y). Ache os autovalores e autovetores e verifique a
igualdade T(v) = α v.

4) eja T: R2 à R2 o operador linear . Ache os autovalores e autovetores e ache a lei que

leva R2 à R2 Verifique também a igualdade T(v) = α v.

92
5) Seja T: R2 à R2 o operador linear . Ache os autovalores e autovetores. E ache a lei que

leva R2 à R2 . Verifique também a igualdade T(v) = α v.

93
9 Exercicios Adicionais

9.1 Exercícios sobre Vetores

1. Dados os vetores a , b e c , determine o módulo de:

a) a+b
b) a+c
c) b+c
d) a −b
e) a−c
f) b−c

2. (Mack-SP) O vetor resultante da Soma de AB, BE E CA é:

a) AE
b) AD
c) CD
d) CE
e) BC

3. Dada a figura, determine:

a) AE + AD
b) BF + GH
c) CH − AH
d) EF + DH
e) CB − FB
f) AC + CH − FH

4. Pouso Alegre) Uma pessoa para dar um passeio

(Medicina
pela cidade, faz o seguinte percurso: sai de casa e
anda 2 quarteirões para o norte; logo após, dobrar à
esquerda ela anda mais 3 quarteirões para oeste,
virando a seguir, novamente à esquerda e andando
mais 2 quarteirões para o Sul. Sabendo que um
quarteirão mede 100m, determine o deslocamento da
pessoa.

94
9.1.1.1
5. (PUC - SP) Os esquemas ao lado mostram um barco retirado de um rio por dois
homens. Em (a) são usadas cordas que transmitem ao barco forças
paralelas de intensidades F1 e F2. Em (b) são usadas cordas inclinadas de
90º que transmitem ao barco forças de intensidades iguais às anteriores.
Sabe-se que, no caso (a), a força resultante transmitida ao barco tem
intensidade 70kgf e que, no caso (b), tem intensidade de 50kgf. Nessas
condições, determine os esforços desenvolvidos pelos dois homens.

6. Calcule a soma dos vetores indicados, sabendo que:

a) a figura 1 é um cubo;
b) a figura 1 tem centro em O e está dividida em oito cubos congruentes
por planos paralelos às faces.
c) a resultante deve ser formada, geométrica e algebricamente, apenas
pelos pontos da figura que contem o conjunto de vetores a ser somado.

E I
H
J
M L
F K G
S N T
R
O U
Q V
P
D X C
Y Z W
A
λ B
Figura 1

7. Sejam a = (-1, 2, -3), b = (0, 1, -3) e c = (2, 0, 4). Calcule:

3
a) 4a − 2b b) a − 3b + c
2

8. Calcule α , β , γ e δ , se (2, 3, -7, 2) = α (0, 1, 2, 0) + β (2, 0, 0, -2)

+ γ (0, -5, 3, 0) + δ (-1, 0, 0, 3).

9. Determine o valor de m para que u = (1, 5m + 5, 4m + 4) seja paralelo a

v = (3, 30m, 24m).

95
GABARITO

7. a) 7 b) 2 c) 1 d) 1 e) 6 f) 5
8. d
9. a) AH b) BE = CE c) CA d) AF = DG e) CF
f) AF
10. módulo: 300 m sentido: para a esquerda direção: leste-
oeste.
11. F1 = 40kgf e F2 = 30kgf ou F1 = 30kgf e F2 = 40kgf .
12. AG = DH = YL
13. a) (-4, 6, -6) b) (2, -1, 12)
14. α = -2, β = 2, γ = -1 e δ= 2
15. m =1

9.2 Exercícios sobre Produto Interno

Propriedades do Produto Interno

n
Para quaisquer vetores u , v e w ∈ R e qualquer escalar k ∈ R .
( )
1. u + v ⋅ w = u ⋅ w + v ⋅ w ;
2. (ku)⋅ v = k (u ⋅ v);
3. u ⋅ v = v ⋅ u ;
4. u ⋅ u ≥ 0 , u ⋅ u = 0 , see, u = 0 .

Como consequência das propriedades do produto interno, temos:

2
1. v ⋅ v = v ;
2 2 2
2. u + v = u +2u ⋅ v + v ;
2 2 2
3. u − v = u − 2u ⋅ v + v

n
Teorema de Cauchy-Schwarz. Para quaisquer vetores u , v ∈ R ,
| u ⋅ v |≤| u | × | v |

96
Dados os pontos A(-1, 0, 2), B(-4, 1, 1) e C(0, 1, 3), determine o vetor v tal que
v − 2AB = (AB ⋅ BC) ⋅ AC .

Sendo A(1, 0, -1), B(4, 2, 1) e C(1, 2, 0), determine o valor de m para que a norma de a seja igual a 7,
se a = mAC + BC .
w = 35
Dado o vetor w = (5, m, m + 4), calcule o valor de m para que .
Sendo A(2, 4, 6), B(1, 2, -5) e C(1, 0, 4), determine o versor do vetor a = 2AC − BC .
Calcule o perímetro do triângulo de vértices A(1, 0, 3), B(2, -2, 1) e C(-1, 2, 0).
Dados os vértices do triângulo ABC, A(-1, -2, 4), B(-4, -2, 0) e C(3, -2, 1). Determine o ângulo interno
ao vértice B.
π
rad
Sendo 3 o ângulo entre os vetores a = (2, 1, -1) e b = (1, -1, m + 2), determine o valor de m.
 ⎛ 1 1 ⎞  ⎛ − 2 0 ⎞
A = ⎜⎜ ⎟⎟ B = ⎜⎜ ⎟⎟
Calcule o produto interno entre ⎝ 0 2 ⎠ e ⎝ 1 1 ⎠ .
Uma estação de radar detecta um míssil que se aproxima do leste. Ao primeiro contato, a distância do
míssil é 3.600 m, a 40° acima do horizonte. O míssil é seguido por 123° no plano Leste-Oeste, e a
distância no contato final era de 7.800 m. Ache o deslocamento do míssil durante o período de contato
com o radar.

Calcular o valor de n para que o ângulo entre os vetores w = (1, n, 2) e j seja 30°.

97
GABARITO
(
1. v = − 20, −12, −16 )
2. m = 3 ou m = -2,6
3. m = −3 ou m = −1
⎛ 2 209 − 6 209 − 13 209 ⎞
4. a = ⎜⎜ − ; ; ⎟ .
⎟
⎝ 209 209 209 ⎠
5. 12,22 u
6. 45°
7. m = -4
 
8. A ⋅ B = 0
9. 8.182,65 m
10. n = ± 15

9.3 Exercícios sobre Produto Misto

          
1) Dados os vetores u = 2i − j + k , v = i − j e w = −i + 2 j + 2k , calcule:
 
a) w × v
 
b) 2u × 3v
 
2) Determine o valor de m para que o vetor a = (1, 2, m) seja ortogonal aos vetores b = (2, −1, 0) e

c = (1, −3, −1) .
 
( ) (
3) Calcular a área do paralelogramo definido pelos vetores u = 3, 1, 2 e v = 4, −1, 0 . )
4) Calcular a área do triângulo de vértices A(−1, 0, 2) , B (−4, 1, 1) e C (0, 1, 3) .
5) Verificar se os vetores são coplanares:
  
( ) ( ) (
a) u = 3, −1, 2 , v = 1, 2, 1 e w = − 2, 3, 4 ; )
  
( ) ( ) (
b) u = 2, −1, 0 , v = 3, 1, 2 e w = 7, −1, 2 . )
98
        
6) Dados os vetores u = (− 4, 1, 0 ), v = (− 2, 0, −1),
w1 = 3u − 2v , w2 = u + 3v e
      
w3 = −2i + 3 j − 5k . Calcule o volume do paralelepípedo definido pelos vetores w1, w2 e w3 .
  
7) Calcular o valor de m para que o volume do paralelepípedo determinado pelos vetores v1 = 2i − j ,
      
v 2 = 6i + mj − 2k e v3 = −4i + k seja igual a 10.
8) Calcular o volume do tetraedro ABCD, sendo A = (1, 0, 0) , B = (0, 1, 0) , C = (0, 0, 1) e
D = (4, 2, 7) .
  
( ) ( )
9) Determinar o valor de m para que os vetores u = 2, −1, m , v = 1, 0, 2 e w = m; 3; m sejam ( )
coplanares.

GABARITO
         
1) a) w × v = 2i + 2 j − k b) 2u × 3v = 6i + 6 j − 6k
2) m = −5
3) 117 u 2
4) 6
5) a) não são coplanares b) são coplanares.
3
6) 220 u
7) m = 6 ou m = −4 .
8) 2
9) m = 6

9.4 Exercícios sobre Espaços Vetoriais

Vôo Espacial e Sistema de Controle2

(...) Produto de dez anos de intensa pesquisa e desenvolvimento, o primeiro ônibus espacial dos EUA foi uma vitória da
engenharia de controle de sistemas, envolvendo muitas áreas da engenharia – aeronáutica, química, elétrica, hidráulica e
mecânica.
(...) Matematicamente, os sinais de entrada e saída de um sistema de engenharia são funções. É importante para as
aplicações que essas funções possam ser somadas (...) e multiplicadas por escalares. Essas duas operações em funções
têm propriedades algébricas que são completamente análogas às operações de soma de vetor e multiplicação de vetor por
n
escalar no R (...) o conjunto de todas as entradas possíveis (funções) é chamado de um espaço vetorial. (...)

ESPAÇO VETORIAL SUBESPAÇO VETORIAL

V é chamado de espaço vetorial sobre W é um subespaço de V, se:

K, se:
1. 0 ∈ W.
2. ∀ x, y ∈ W ⇒ (x + y) ∈ W.
3. ∀ α ∈ K, ∀ x ∈ W ⇒ (α . x) ∈ W.

99
1. (x + y) ∈ V, ∀ x, y ∈ V.
2. ∀ α ∈ K, ∀ x ∈ v ⇒ (αx ) ∈ V.
3. ∀ x, y, z ∈ V ⇒ (x + y ) + z = x + (y + z ).
4. ∀ x, y ∈ V ⇒ x + y = y + x.
5. .∃ 0 ∈ V / x + 0 = x, ∀ x ∈ V.
6. ∀ x ∈ V ⇒ ∃ (− x ) ∈ V / x + (− x ) = 0.
7. ∀α ∈ K, ∀ x, y ∈ V ⇒ α(x + y ) = αx + αy.
8. ∀ α, β ∈ K, ∀ x ∈ V ⇒ (α + β)x = αx + βx.
9. ∀ α, β ∈ K, ∀ x ∈ V ⇒ (α ⋅ β)x = α(β ⋅ x ).
10. 1 ⋅ x = x, ∀ x ∈ V.

5) Verificar se são espaços vetoriais do R3:

a) V= {(x, y, z) ∈ R3 / x = 1}.
b) V = {(x, y, z) ∈ R3 / x2 + y + z = 0}.
{
c) V= ( x, y, z ) ∈ R 3 / x ≤ y ≤ z . }
d) V = {(x, y, z) ∈ R3 / x + y ∈ Q}.
6) Verifique se S = {(x, y, 0) ∈ R3 / x, y ∈ R} é um subespaço vetorial.
⎧⎛ x y ⎞ ⎫
7) Verificar se o subconjunto W = ⎨⎜⎜ ⎟⎟ ∈ M 2 (R ) / y = −x ⎬ é subespaço de M2(R).
⎩⎝ z t ⎠ ⎭
8) Verificar quais dos subconjuntos do R são subespaços:
3

a) S = {(x, y, z) / x = z2}
b) S = {(x, x, x) / x ∈ R}
c) S = {(x, x, 0) / x ∈ R}
d) S = {(x, y, z) / x = 0 e y = ⎢z⎢}
e) S = {(x, -3x, 4x) / x ∈ R}

GABARITO
1) a) Não é espaço vetorial do R3. b) Não é espaço vetorial do R3. c) Não é espaço vetorial do R3. d) Não é
espaço vetorial do R3.
2) S é subespaço de R3
3) W é subespaço de M2(R)
4) a) S não é subespaço de R3 b) S é subespaço de R3 c) S é subespaço de R3 d) S não é subespaço de R3
e) S é subespaço de R3

100
9.5 Exercícios sobre Dependência Linear

DEPENDÊNCIA E INDEPENDÊNCIA LINEAR

Propriedades
1. Um único vetor v é LD, se e somente se, v = 0.
2. Um conjunto de vetores {v1, v2, ..., vn} é LD, se e somente se, um destes
vetores for uma combinação linear dos outros.
Decorre dessa propriedade o que segue:
c) Dois vetores u e v são LD, se e somente se, um é múltiplo escalar do
outro.
d) Três vetores em R3 são LD se e somente se são coplanares. Então, para
verificar a dependência ou independência linear de 3 vetores em R3
podemos calcular o produto misto.
3. Um conjunto de m vetores em Rn é sempre LD se m > n.
4. Um conjunto de vetores LI, em Rn contém, no máximo, n vetores.
5. Qualquer conjunto que contenha o vetor nulo é LD.
6. Qualquer conjunto de n vetores LI em Rn gera o Rn.

1) Sejam os vetores v1 = (-1, 2, 1), v2 = (1, 0, 2) e v3 = (-2, -1, 0). Expressar cada um dos vetores a
seguir como combinação linear de v1, v2 e v3.
a) u = (-8, 4, 1) Resp. u = 3v1 − v2 + 2v3
b) v = (0, 2, 3) Resp. v = v1 + v2 + 0v3

2) Sejam os vetores u = (2, -3, 2) e v = (-1, 2, 4) em R3. Para que valor de k o vetor (-8, 14, k) é
combinação linear de u e v? Resp. k = 12

3) Considere no espaço P2(R) os vetores p1 = t 2 − 2t + 1, p2 = t + 22 e p3 = 2t 2 − t t. Escrever o

vetor p = 5t 2 − 5t + 7 como combinação linear de p1 , p2 e p3 . Resp.
31 4 27
p= p1 + p2 + p3
17 17 17

4) Verifique se os subconjuntos abaixo de P4(R) são LI ou LD.

c) {
1; x − 1; x 2 + 2 x + 1; x 2 . } Resp. LD
d) {x 4
+ x − 1; x 3 − x + 1; x 2 − 1 } Resp. LI

⎧⎡ 1 2 ⎤ ⎡ 3 6 ⎤ ⎫
5) Verifique se os vetores ⎨⎢ , ⎬ ⊂ M (2, 2 ) são LI ou LD.
⎩⎣− 4 − 3⎥⎦ ⎢⎣− 12 − 9⎥⎦ ⎭
Resp. LD

101
6) Determinar o valor de k para que seja LI o conjunto {(-1, 0, 2), (1, 1, 1), (k, -2, 0)}.
Resp. k ≠ 3
⎧⎡1 0⎤ ⎡1 1⎤ ⎡ 2 − 1⎤ ⎫
7) Determinar k para que ⎨⎢ ⎥ , ⎢ ⎥ , ⎢ ⎬ seja LD. Resp.
⎩⎣1 0⎦ ⎣0 0⎦ ⎣k 0 ⎥⎦ ⎭
k =3

9.6 Exercícios sobre Base, Dimensão, Coordenadas e Mudança de Base

1) Verificar em cada um dos casos se o subconjunto B do espaço vetorial V é uma base para V.
⎧ 2 2 3 ⎫ 3
a) B = ⎨1; 1 + t ; 1 − t , 1 − t − t − t ⎬ , V = P (R )
⎩ ⎭
⎧⎛ 1 1 ⎞ ⎛ 2 1 ⎞ ⎛ 0 1 ⎞ ⎛ 0 0 ⎞ ⎫
b) B = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎬ , V = M 2 (R)
⎩⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 2 ⎠ ⎭
4
c) {( ) ( ) ( ) (
B = 1, 1, 1, 1 , 1, 1, 1, 0 , 1, 1, 0, 0 , 1, 0, 0, 0 , V = R )}
2) Encontrar uma base e a dimensão do subespaço
⎧ 4 ⎫ 4
( )
W = ⎨ x, y, z, t ∈ R / x − y = 0 e x + 2 y + t = 0⎬ do espaço vetorial V = R .
⎩ ⎭
3 3
( )
3) Determinar as coordenadas do vetor u = − 1, 8, 5 ∈ R em relação a cada uma das bases de R a
seguir:
a) base canônica
b) {( ) (
0, 0, 1 , 0, 1, 1 , 1, 1, 1) ( )}
c) {(1, 2, 1), (0, 3, 2), (1, 1, 4)}
2 3 3 3
4) Determinar as coordenadas de p(t ) = 10 + t + 2t com t ∈ R e p (t ) ∈ P (R ), em relação as
seguintes bases:
a) base canônica
⎧ 2 2 3 ⎫
b) ⎨1, 1 + t , 1 + t + t , 1 + t + t + t ⎬
⎩ ⎭
⎧ 2 3 ⎫
c) ⎨4 + t , 2, 2 − t , t + t ⎬
⎩ ⎭
⎛ 2 5 ⎞
5) Determinar as coordenadas do vetor ⎜⎜ ⎟⎟ ∈ M 2 (R ) em relação as seguintes bases de M 2 (R ):
⎝ − 8 7 ⎠
a) base canônica
⎧⎛ 1 0 ⎞ ⎛ 1 1 ⎞ ⎛1 1 ⎞ ⎛1 1⎞⎫
b) ⎨⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟⎬
⎩⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝1 0 ⎠ ⎝1 1⎠⎭

102
 6) Considerando as bases a seguir, determine M AB .
a) A = {(1, -4), (3, -5)} e B = {(-9, 1), (-5, -1)}.
b) A = {(3, 2, -1), (5, -1, 3), (1, 0, 1)} e B ={(1, 2, 3), (-2, -1, -4), (2, 1, 1)}
⎧⎛ 1 1 ⎞ ⎛ − 1 1 ⎞ ⎛ − 2 0 ⎞ ⎛ 2 3 ⎞⎫ ⎧⎛ 1 1 ⎞ ⎛1 0 ⎞ ⎛ 0 1⎞ ⎛1 1⎞⎫
c) A = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟⎬ e B = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟⎬
⎩⎝ 2 3 ⎠ ⎝ 2 3 ⎠ ⎝ 1 1 ⎠ ⎝ 1 5 ⎠⎭ ⎩⎝ 0 0 ⎠ ⎝1 0 ⎠ ⎝ 1 1⎠ ⎝1 1⎠⎭

9.7 Exercícios sobre Transformações Lineares

TRANSFORMAÇÕES LINEARES
2
Operadores Lineares no Espaço R

Reflexão em torno do eixo x: T(x, y) = (x, -y).

Reflexão em torno do eixo y: T(x, y) = (-x, y).

Reflexão em torno da origem: T(x, y) = (-x, -y).

Reflexão em torno da reta x = y: T(x, y) = (y, x).

Reflexão em torno da reta x = -y: T(x, y) = (-y, -x).
Dilatação ou Contração de fator k na direção do vetor: T(x, y) = (kx, ky) com k
∈R.
Se |k| > 1: dilatação.
Se k < 1: troca de sentido.
Se k = 1: operador identidade.
Dilatação ou Contração de fator k na direção do eixo x: T(x, y) = (kx, y) com k
∈ R , k > 0.
Se k > 1: dilatação.
Se 0< k < 1: contração.
Dilatação ou Contração de fator k na direção do eixo y: T(x, y) = (x, ky) com k
∈ R , k > 0.
Se k > 1: dilatação.
Se 0< k < 1: contração.

103
Cisalhamento na direção do eixo x: T(x, y) = (x + ky, y) com k
∈R.
Cisalhamento na direção do eixo y: T(x, y) = (x, kx + y) com k
∈R

Rotacao: T(x, y) = (xcos θ - ysen θ , xsen θ + ycos θ ) com 0 ≤ θ ≤ 2π .

2) Verificar se as transformações são lineares:

3 2 ⎛ 2 ⎞
( )
a) T : R → R onde T x, y, z = ⎜ x , y + z ⎟
⎝ ⎠
3 2
b) (
T : R → R onde T x, y, z = x, 2 y ) ( )
3
c) ( )
T : R → R onde T x, y, z = x − 3 y + 1
3
( ) (
3) Para que valores de k ∈ R a transformação no R tal que T x, y, z = 2 x + 3k , y, 3z é linear? )
3 2
4) Seja T : R → R uma transformação linear tal que T 1, 0, ( 0) = (2, 4), T (0, 1, 0) = (3, 5) e
( ) ( )
T 1, 1, 1 = 1, 1 . Indique a lei de T.
3 2
( ) ( ) (
5) Seja T : R → R uma transformação linear definida por T 1, 1, 1 = 1, 2 , T 1, 1, 0 = 2, 3 e ) ( )
( ) ( )
T 1, 0, 0 = 3, 4 .
a) Determine T (x, y, z ).
3
b) Determine (x, y, z )∈ R tal que T (x, ) (
y, z = − 3, −2 . )
3
c) Determine (x, y, z )∈ R tal que T (x, y, z ) = (0, 0).

104