Escolar Documentos
Profissional Documentos
Cultura Documentos
Outubro de 2021
Índice
2 O Espaço Vetorial Rn 63
2.1 Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.2 Combinações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.3 Dependência e Independência Linear . . . . . . . . . . . . . . . . . . . . . . . 82
2.4 Base e Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2.5 Coordenadas de um vetor com relação a uma base . . . . . . . . . . . . . . . . 94
3
4 ÍNDICE
Capı́tulo 1
1.1 Matrizes
Notação:
a11 a12 ··· a1n
a21 a22 ··· a2n
A= .. .. .. .. A = (aij )m×n
. . . .
am1 am2 · · · amn
h i
i-ésima linha de A: ai1 ai2 · · · ain i = 1, · · · , m.
a1j
a2j
j-ésima coluna de A:
..
j = 1, · · · , n.
.
amj
# "
−1 2
Exemplo 1. A = matriz 2 × 2 elemento a12 da matriz A = (aij ): a12 = 2
3 0
5
6 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
" #
−1 7 53 √
B= √ matriz 2 × 3 elemento b23 da matriz B = (bij ): b23 = 3
88 9 3
h i
C = 1 1 0 7 matriz 1 × 4 elemento c11 da matriz C = (cij ): c11 = 1
−1
elemento d21 da matriz D = (dij ): d21 = 73
3
D = 7 matriz 3 × 1
1
8
−1 −7 0
E= 0 1 π matriz 3 × 3 elemento e23 da matriz E = (eij ): e23 = π
−1
7 3 5
Tipos de matrizes
• Matriz quadrada: Seja A = (aij )m×n uma matriz. Se m = n, vamos dizer que A é
quadrada de ordem n. Sua diagonal principal é formada pelos elementos a11 , a22 , · · · , ann .
" # −1 0 π
2 −1
As matrizes A = e B= 3 8 7 são exemplos de matrizes quadradas.
3 0
−1 −1 −10
Os elementos 2, 0 formam a diagonal principal de A e os elementos −1, 8, −10 formam a
diagonal principal da matriz B.
• Matriz diagonal: Seja A = (aij )n×n uma matriz (quadrada). A é uma matriz diagonal se
aij = 0 quando i 6= j i, j = 1, · · · , n
[In ]ij = 0, se i 6= j e
[In ]ij = 1, se i = j
1.1. MATRIZES 7
i, j = 1, ..., n.
A matriz In é uma matriz diagonal e todos os elementos da diagonal principal são iguais
a 1. In é chamada matriz identidade de ordem n.
1 0 0 0
" # 1 0 0
1 0 0 1 0 0
I2 = , I3 = 0 1 0, I4 =
0 1 0 0 1 0
0 0 1
0 0 0 1
0 0 0
• Matriz triangular superior: Uma matriz quadrada A = (aij )n×n é triangular superior se
• Matriz triangular inferior: Uma matriz quadrada A = (aij )n×n é triangular inferior se
Vamos denotar:
C =A+B
Exemplo 2. 1.
3 4 −1 1
A = −1 0 e B = 5 3
3
5
2 −1 − 12
3 + (−1) 4+1 2 5
A + B = −1 + 5 0 + 3 = 4 3
3 1
− 25 32
5
+ (−1) 2 + − 2
1.1. MATRIZES 9
2. " √ # "
#
−1 2 0 1 3 −1
C= e D=
5 2 −4 2 −2 −2
" √ # " √ #
−1 + 1 2+3 0 + (−1) 0 2 + 3 −1
C +D = =
5 + 2 2 + (−2) −4 + (−2) 7 0 −6
Definição 3. Seja A = (aij )m×n uma matriz. O produto da matriz A por um escalar α é a
matriz B = (bij )m×n de tamanho m × n, cujos elementos são dados por:
bij = α aij
i = 1, · · · , m e j = 1, · · · , n.
B = αA
Vamos denotar:
[αA]ij = αaij
−7 −1 −4(−7) −4(−1) 28 4
Exemplo 3. A = 3 2 −4A = −4 · 3 −4 · 2 = −12 −8
0 1 −4 · 0 −4 · 1 0 −4
i = 1, ..., m j = 1, ..., n.
1 1 1
0 −3 2 ·0 · (−3) ·2 0 − 32 1
√ √
2 2 2 √
1
· 0 = 52 22
1 1 1
B = 5 2 0 B= ·5 · 2 0
2 2 2
2
0 7 15 1
2
·0 1
2
·7 1
2
· 51 0 72 1
10
Definição 4. Sejam A = (aij )m×p e B = (bij )p×n duas matrizes, onde o número de colunas
de A é igual ao número de linhas de B. O produto de A com B (notação: AB) é uma matriz
C = (cij )m×n de tamanho m × n, cujos elementos são dados por
i = 1, · · · , m e j = 1, · · · , n.
Vamos denotar:
C = AB
10 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
" # −1 13 " #
1 0 1 1 0
Exemplo 4. A = B = 7 13 C=
3 −2 −1 −1 2
2×3 0 3 3×2 2×2
" # " #
1.(−1) + 0.7 + 1.0 1. 13 + 0. 31 + 1.3 −1 + 0 + 0 31 + 0 + 3
AB = =
3.(−1) + (−2).7 + (−1).0 3. 31 + (−2) 13 + (−1).3 −3 − 14 + 0 1 − 32 − 3
" # 2×2
−1 103
=
−17 − 38
−1.1 + 13 .3 −1.0 + 31 .(−2) −1.1 + 13 .(−1) −1 + 1 0 − 32 −1 − 13
BA = 7.1 + 31 .3 7.0 + 13 .(−2) 7.1 + 13 .(−1) = 7 + 1 0 − 32 7 − 13 =
0.1 + 3.3 0.0 + 3.(−2) 0.1 + 3.(−1) 3×3 0+9 0−6 0−3
0 − 23 − 43
8 − 23 20
3
9 −6 −3
−1.1 + 31 .(−1) (−1).0 + 31 .2 −1 − 13 0 + 23 − 34 23
BC = 7.1 + 13 .(−1) 7.0 + 31 .2 = 7 − 13 0 + 32 = 20 2
3 3
0.1 + 3.(−1) 0.0 + 3.2 3×2 0−3 0+6 −3 6
Definição 5. Seja A = (aij )m×n uma matriz. A transposta de A é uma matriz B = (bij )n×m
tal que seus elementos são da forma
bij = aji
1.1. MATRIZES 11
i = 1, · · · , n e j = 1, · · · , m.
"
# " #
1 2 1 3
Exemplo 5. 1. A = At =
3 4 2 4
"# 1 1
1 7 9
B= B t = 7 0
1 0 3
9 3
0 −1 9 −3
2 0 1 0 3 0
C t + 3D = −1 1 + 3 6 = 2 7
0 −1 9 −3 9 −4
Então:
" #
3 2 9
(C t + 3D)t =
0 7 −4
(As demonstrações das propriedades abaixo podem ser vistas em livros de álgebra linear).
a) Comutatividade
Sejam A = (aij )m×n e B = (bij )m×n matrizes.
Então: A + B = B + A
12 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
b) Associatividade
Sejam A = (aij )m×n , B = (bij )m×n e C = (cij )m×n matrizes. Então A + (B + C) =
(A + B) + C.
d) Elemento simétrico
Para cada matriz Am×n , existe uma única matriz −A de tamanho m × n, tal que
A + (−A) = 0
5 −3 −5 3
Observação 2. Temos que: −A = (−1)A, qualquer que seja a matriz A.
e) Associatividade
Se α e β são escalares e A = (aij )m×n é uma matriz, então:
α(βA) = (αβ)A
f) Distributividade
Se α é um escalar, A = (aij )m×n e B = (bij )m×n são matrizes, então
α (A + B) = αA + αB
g) Distributividade
Se α e β são escalares e A = (aij )m×n é uma matriz, então:
(α + β)A = αA + βA.
h) Associatividade
1.1. MATRIZES 13
(AB) C = A (BC)
AIn = A e Im A = A
j) Distributividade
Se A = (aij )m×p , B = (bij )p×n e C = (cij )p×n , então:
A (B + C) = AB + AC
(B + C) A = BA + CA
" # " #
1 2 1 −1
A= B=
3 4 0 0
então:
" # " #
1 · 1 + 2 · 0 1 · (−1) + 2 · 0 1 −1
AB = =
3 · 1 + 4 · 0 3 · (−1) + 4 · 0 3 −3
" # " #
1·1−1·3 1·2−1·4 −2 −2
BA = =
0·1+0·3 0·2+0·4 0 0
AB 6= BA.
A − B = A + (−B)
" # " √ #
1 −5 0 −1 3 − 2
A= B=
3 2 −2 7 12 0
Definição 6. Uma matriz quadrada An×n é dita simétrica se At = A. Ela é dita anti-simétrica
quando At = −A.
1.1. MATRIZES 15
0 3 −2 0
−1 3 0 −3 0 1 3
0 −1 −5
A = 3 0 7 B = C = −1 5 2
2 1 0 8
0 7 5 3 2 0
0 5 −8 0
3 2 0
3 2 0 −3 −2 0
Exercı́cios Resolvidos:
a −1 1
A = −3 4 −3
−5 b −4
−5 b −4 −5 b −4 −5 b −4
a2 − 2 −a + b − 4 a−1 a −1 1
=⇒ −3a + 3 −3b + 19 −3 = −3 4 −3
−5a − 3b + 20 5 −3b + 11 −5 b −4
16 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
a2 − 2 = a
−a + b − 4 = −1
a − 1 = 1 (∗)
−3a + 3 = −3
=⇒ −3b + 19 = 4 De (∗) e (∗∗), vemos que a = 2 e b = 5.
−3 = −3
−5a − 3b + 20 = −5
5 = b (∗∗)
−3b + 11 = −4
cos θ − sen θ 0
M = sen θ cos θ 0
0 0 1
cos θ sen θ 0
Resolução: Temos que M t é dada por: M t = − sen θ cos θ 0
0 0 1
cos θ sen θ 0 cos θ − sen θ 0
t
M M = − sen θ cos θ 0 sen θ cos θ 0 =
0 0 1 0 0 1
cos2 θ + sen 2 θ − cos θ sen θ + sen θ cos θ 0 1 0 0
− sen θ cos θ + cos θ sen θ sen 2 θ + cos2 θ 0 = 0 1 0 = I3 .
0 0 1 0 0 1
" #
2 3
A=
1 4
Resolução: Temos:
1.1. MATRIZES 17
1
(X + A) = 3BC + A
2
" # " # 0 −1
2 0 −1 0 1
A= B= C = 3 3
−4 −2 0 1 2
1 0
1
(X + A) = 3BC + A
2
1 1
X + A = 3BC + A
2 2
1 1
X = 3BC + A − A
2 2
1 1
X = 3BC + A
2 2
X = 6BC + A
Assim:
" # 0 −1 " #
−1 0 1 2 0
X=6 3 3 + =
0 1 2 −4 −2
1 1
18 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
Exercı́cios:
# " " # " #
2 −5 1 1 −2 −3 0 1 −2
1) Considere as matrizes A = , B= e C= .
3 0 −4 0 −1 5 1 −1 −1
Encontre a matriz D = 3A + 4B − 2C.
" #
10 −25 −5
Resposta: D = .
7 −2 10
Resposta: x = 2, y = 4, z = 1, w = 3.
" # " #
1 3 2 0 −4
3) Dadas as matrizes e , encontre AB e BA, se possı́vel.
2 −1 3 −2 6
" #
11 −6 14
Resposta: AB =
1 2 −14
Não é possı́vel calcular BA.
2 −1 " # " #
3 −2 0 1 0
A= 0 2 B= C=
0 5 −1 0 −2
−3 1
a). A + 2X = B t + 3A.
1
b). 2C − X t = BA + 5C.
2
7
2
−1
9
Resposta: a). X = −1 .
2
1
−3 2
" #
−18 −6
b). X = .
14 −6
h i h i
t
6) Encontre um valor para x tal que AB = 0, onde A = x 4 −2 e B = 2 −3 5
(Do livro: Matrizes, Vetores e Geometria Analı́tica, Reginaldo J. Santos, UFMG; ex. 1.1.5).
Resposta: x = 11.
7) Seja A = (aij ) uma matriz n × n. O traço da matriz A, indicado por tr A, é a soma dos
elementos da diagonal principal de A, ou seja: tr A = a11 + a22 + ... + ann .
20 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
1
5 2 −3 8
0 −3 2 −1 1 4 0
a). Dadas as matrizes A = −1 −1 4 eB = , calcule tr A e
1
−2 0 − 2 −3
9 − 45
8
2 −1 1 0
tr B.
Resposta: tr A = − 59 tr B = 11
2
.
1.2. SISTEMAS DE EQUAÇÕES LINEARES 21
a1 x1 + · · · + an xn = b
• 3x + 5y − 7z = 2
• 3x1 − 25 x2 − 7x3 + x4 = 0
√
• 2x + 7y + 5z − w = 8
a11 x1 + a12 x2 + · · · + a1n xn = b1
a x + a x + · · · + a x = b
21 1 22 2 2n n 2
(∗) .
..
am1 x1 + am2 x2 + · · · + amn xn = bm
(∗∗) AX = B
onde:
a11 a12 ··· a1n
a21 a22 ··· a2n
A=
.. .. ... ..
. . .
am1 am2 · · · amn m×n
22 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
x1 b1
x2 b2
X=
..
e B=
..
. .
xn n×1
bm m×1
Uma solução para o sistema linear (∗) é uma n-upla s1 , s2 , · · · , sn tal que todas as equações
de (∗) são satisfeitas quando fazemos x1 = s1 , x2 = s2 , · · · , xn = sn .
Na forma matricial, uma solução para o sistema (∗∗) é uma matriz:
s1
s2
S=
..
tal que AS = B
.
sn n×1
.
O conjunto solução ou solução geral de um sistema é o conjunto de todas as soluções do
sistema.
Se b1 = b2 = · · · = bn = 0 em (∗) (de forma equivalente, se B = O em (∗∗)), o sistema é
chamado de sistema homogêneo. Um sistema homogêneo sempre admite solução (pelo menos,
a solução s1 = s2 = ... = sn = 0).
a11 a12 ··· a1n | b1
a21 a22 ··· a2n | b2
Matriz aumentada do sistema:
.. .. ... ..
. . .
am1 am2 · · · amn | bm m×(n+1)
Exemplo 9.
x + 2y + 2z = 2
5x + 6y − 6z = −14
y + 4z = 6
5x + 8y + 2z = −2
é um sistema linear com 4 equações e 3 variáveis x, y, z. O sistema acima pode ser reescrito
da forma:
AX = B
1.2. SISTEMAS DE EQUAÇÕES LINEARES 23
onde
1 2 2 2
x
5 6 −6
−14
A= X= y B=
0 1 4 6
z
5 8 2 −2
1 2 2 | 2
5 6 −6 | −14
.
0 1 4 | 6
5 8 2 | −2
Exemplo 10. O sistema
(
3x1 + 2x2 + x3 − x4 = 0
−x1 + 5x2 − 32 x3 + 5x4 = 0
O objetivo agora é estudar um método que nos permita ”resolver um sistema”, ou seja,
encontrar sua solução geral.
Operações elementares:
Definição 9. Uma operação elementar sobre as linhas de uma matriz é uma das seguintes
operações:
a)Troca da posição de 2 linhas da matriz.
b)Multiplicar uma linha da matriz por um escalar diferente de zero.
c)Somar a uma linha da matriz um múltiplo escalar de outra linha.
24 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
√
1 2 −7 2
Exemplo 11. a) 3 0 L1 ↔ L3 3 0
√
−7 2 1 2
Troca da posição das linhas 1 e 3.
1 0 5 1 0 5
b) 0 −1 2 − 15 L2 → L2 0 51 − 25
1 2 3 1 2 3
Multiplicação da linha 2 pelo escalar − 51 .
1 0 −2 −3 1 0 −2 −3
c) 0 0 1 2 L2 + 3L1 → L2 3 0 −5 −7
√ √
−1 2 1 3 −1 2 1 3
Substituição linha 2 por ela, somada à linha 1 multiplicada por 3.
a)
A Li ↔ Lj B
B L i ↔ Lj A
b)
A αLi → Li B (α 6= 0).
1
B Li → Li A (α 6= 0).
α
1.2. SISTEMAS DE EQUAÇÕES LINEARES 25
1
(Multiplicação da linha i por α
).
c)
A Li + αLj → Li B
B Li − αLj → Li A
Ilustração:
a11 a12 a11 a12 a11 a12
a) A = a21 a22 L2 ↔ L3 B = a31 a32 L2 ↔ L3 A = a21 a22
a31 a32
Definição 10. Dois sistemas lineares são equivalentes quando possuem o mesmo conjunto
solução.
O seguinte resultado nos garante que, após operações elementares sobre as linhas da matriz
aumentada de um sistema, vamos obter um novo sistema equivalente ao primeiro.
26 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
Observação 5. Se uma matriz satisfaz as condições (1) e (3) acima, dizemos que ela está na
forma escalonada.
Exemplo 12.
1 1 1 1 3 −1 1
A = 0 −1 2 B = 0 0 1 7
0 0 7 0 0 0 0
1 2 0 1 1 0 0 1 0 0 0
C = 0 0 1 3 D = 0 1 0 E = 0 0 0 0
0 0 0 0 0 0 0 0 0 0 1
1 1 0 2 0 0 2 0 1 7
F = 0 0 1 3 0 G = 0 0 0 3 −3
0 0 0 0 1 0 0 0 0 0
O teorema abaixo nos garante que, dada uma matriz A m × n, é sempre possı́vel obtermos
uma (única) matriz R m × n na forma escalonada reduzida fazendo-se operações elementares:
Teorema 2. Toda matriz A m × n é equivalente por linhas a uma única matriz escalonada
reduzida R m × n.
O Método de Gauss-Jordan
Para resolvermos um sistema linear, devemos aplicar operações elementares sobre as linhas
da matriz aumentada do sistema linear até obtermos a matriz na forma escalonada reduzida
28 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
.
h i
A .. B
m×(n+1)
.
h i
Fazendo operações elementares sobre as linhas de A .. B , obtemos uma nova matriz
m×(n+1)
.
h i
C .. D na forma escalonada reduzida, onde C = (cij )m×n e D é uma matriz m × 1.
m×(n+1)
Isto é possı́vel
h pelo último hteorema que
i estudamos: como só fizemos operações elementares
.. ..
i
para irmos de A . B até C . D , então os sistemas
AX = B e CX = D
−y − 4z = −6
5x + 8y + 2z = −2
.. ..
1 2 2 . 2 1 0 −6 . −10
.. −2L2 + L1 → L1 .
0 1 4 . 6 0 1 4 .. 6
L2 + L3 → L3
0 −1 −4 .. ..
. −6
2L2 + L4 → L4
0
0 0 . 0
.. ..
0 −2 −8 . −12 0 0 0 . 0
Solução do sistema: (−10 + 6z, 6 − 4z, z), onde z ∈ R. O sistema possui infinitas soluções.
b)
x + 2z = 1
2x − y − 2z + w = 0
4x − 3y − 9z + w = −1
3x − 2y + z − 11w = 3
. ..
1 0 2 0 .. 1 1
0 2 0 . 1
. .
0 1
6 −1 .. 2 3L2 + L3 → L3 1 6 −1 .. 2
0
0 −3 −17 1 ... .
0 1 −2 .. 1
−5 2L2 + L4 → L4 0
. ..
0 −2 −5 −11 .. 0 0 7 −13 . 4
0
.. ..
1 0 0 4 . −1 1 0 0 0 . 11
−2L3 + L1 → L1 .. −4L4 + L1 → L1 ..
0 1 0 11 . −4
0 1
0 0 . 29
−6L3 + L2 → L2 −11L4 + L2 → L2
.. ..
−7L3 + L4 → L4 0
0 1 −2 . 1 2L4 + L3 → L3 0 0
1 0 . −5
. ..
0 0 0 1 .. −3 0 0 0 1 . −3
Solução do sistema: (11, 29, −5, −3). O sistema possui solução única.
c)
x + 2y + 2z = 2
5x + 6y − 6z = −14
3x + 2y − 10z = 0
. .
1 0 −6 .. −10 1 0 −6 .. −10
. ..
1 4 .. 6
1
0
L → L3
18 3 0 1 4 . 6 10L3 + L1 → L1 e − 6L3 + L2 → L2
.. .
0 0 0 . 18 0 0 0 .. 1
..
1 0 −6 . 0
.
0
1 4 .. 0
..
0 0 0 . 1
A matriz está na forma escalonada reduzida. Transformando em um sistema linear, obte-
mos:
x + 0y − 6z = 0 x − 6z = 0
0x + y + 4z = 0 ; ou seja: y + 4z = 0
0x + 0y + 0z = 1
0 = 1
Observemos que a última equação não é satisfeita para qualquer que seja o valor de x, y e
z.
Logo o sistema não possui solução.
d)
2x − y + 4z = 0
2x + 2y − 4z = 0
3x − y − z = 0
Escrevendo a ”matriz aumentada sem a última coluna”(ou seja, escrevendo a matriz dos
coeficientes), temos:
1 1 1 1 1 1 1 1 1 1 1 1
L2 − L1 → L2
1 −5 1 −1 0 −6 0 −2 L2 − 2L3 → L2 0 0 0 0
L3 − 2L1 → L3
2 −1 2 1 0 −3 0 −1 0 −3 0 −1
1 1 1 1 1 1 1 1 1 0 1 32
1
L2 ↔ L3 0 −3 0 −1 − L2 → L2 0 1 0 31 L1 − L2 → L1 0 1 0 13
3
0 0 0 0 0 0 0 0 0 0 0 0
Observação 9. Usando o resultado da proposição acima, temos que um sistema linear possui
solução única ou possui infinitas soluções ou não possui solução. No caso do sistema trabalhado
ser homogêneo, temos solução única ou infinitas soluções.
De fato, temos:
a). Sendo X1 e X2 soluções para o sistema, temos que AX1 = 0 e AX2 = 0. Assim:
Exemplo 17. Dado o sistema linear abaixo, para quais valores (reais) de a o sistema:
1) Possui solução única;
2) Possui infinitas soluções;
34 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
x + y + z = 2
2x − 5y + 2z = 11
2x + (a2 − 7)z = 9 − a
.. 1
0 1 0 ... −1 −L3 + L1 → L1 0 1 0 ...
0 1
0 . −1
a2 − 9 L 3 → L 3 −1
2 .. .. −1 .. −1
0 0 a −9 . 3−a 0 0 1 . a+3 0 0 1 . a+3
1 3a+10
x = 3 + =
a+3 a+3
y = −1
z = −1
a+3
2 3a + 10 −1
Neste caso (a − 9 6= 0), temos que o sistema possui solução única: , −1,
a+3 a+3
Agora, se a2 − 9 = 0, teremos duas possibilidades para o valor de a: a = 3 ou a = −3
1.2. SISTEMAS DE EQUAÇÕES LINEARES 35
.. .
1 0 1 . 3 1 0 1 .. 3
..
0 1 0 ... −1
0 1
0 . −1 =
.. ..
0 0 a2 − 9 . 3−a 0 0 0 . 0
x + z = 3 x = 3 − z
y = −1 ⇒ y = −1
0 = 0
0 = 0
.. .
1 0 1 . 3 1 0 1 .. 3
..
0 1 0 ... −1
0 1
0 . −1 =
.. ..
0 0 a2 − 9 . 3−a 0 0 0 . 6
x + z = 3
y = −1
0 = 6
A última equação não é satisfeita, qualquer que seja o valor de x, y e z. Logo, o sistema
não possui solução neste caso (a = −3).
Resposta:
1) a 6= 3 e a 6= −3
2) a = 3
3) a = −3
36 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
Exercı́cios:
1) Faça o que se pede.
x + y − z = 3
2x + 3y − z = 1
a). Resolva o seguinte sistema pelo método de Gauss-Jordan:
−x + 2y + z = 0
−3x − 5y + z
= 1
Explicite os passos da resolução.
9 3
b). Se X1 e X2 são soluções do sistema linear AX = B, verifique se Xo = X1 − X2 também
7 7
é solução para esse sistema.
5 2
b). Se X1 e X2 são soluções do sistema linear AX = B, mostre que Xo = X1 − X2 também
3 3
é solução para esse sistema.
x + 2y − 3z = a
3) Considere o seguinte sistema linear: 2y − 4z = b , onde a, b, c ∈ R. A
x − 2y + 5z = c
condição sobre a, b e c para que o sistema possua solução é:
a). a=c
b). a+b+c=0
c). c + 2b − a = 0.
d). a + 2c − b = 0.
e). c = 0.
x + 2y − 3z = a
4) Considere o sistema: 2y − 4z = b , a, b, c ∈ R.
x + y − z = c
a). Qual deve ser a condição sobre a, b e c para que o sistema possua infinitas soluções?
x + 2y − 3z = 1
5) Considere o sistema: + 2y − 4z = −2 , c ∈ R.
x + y + cz = 2
a). Resolva o sistema para c = −1.
x + 2y − 3z = 1
6) Resolva o sistema: 2y − 4z = 1
x + y + 2z = 21
1
Resposta: 0, , 0 (solução única).
2
a). o sistema em questão não possui solução, qualquer que seja o valor de k.
b). o sistema possui solução para todo k ∈ R − {1}.
c). o sistema possui solução para todo k ∈ R − {−1}.
d). x = 3 − 2z e y = 1 + z, z ∈ R é a solução do sistema independentemente do valor de k.
38 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
x + 2y − 3z = 0
2y − 4z = 1
9) Resolva o sistema linear:
x + y − z = 3
− 8z = 5
2x + 5y
Definição 13. Uma matriz quadrada A = (aij )n×n é invertı́vel ou não singular quando existe
uma matriz B = (bij )n×n tal que
AB = In = BA
Se não existir B tal que AB = In = BA, diremos que A não é invertı́vel ou singular.
"
# " #
−2 1 − 12 1
6
Exemplo 18. A = B= 1
0 3 0 3
Fazendo as contas:
" #" # " # " #
−2 1 − 21 16 1 + 0 − 13 + 13 1 0
AB = 1
= = = I2
0 3 0 3 0+0 0+1 0 1
e
" #" # " # " #
− 21 16 −2 1 1 + 0 − 12 + 12 1 0
BA = 1
= = = I2
0 3 0 3 0+0 0+1 0 1
Teorema 3. Se A é uma matriz n × n invertı́vel, então existe uma única matriz B n × n tal
que AB = In = BA
AB = In = BA e AC = In = CA
Então:
Ou seja: B = C
Logo, existe única matriz B n × n tal que AB = In = BA.
Propriedades:
1) Se A é uma matriz n × n invertı́vel, então a matriz A−1 também é invertı́vel e (A−1 )−1 = A.
Demonstração: Temos que: A · A−1 = In = A−1 A. Então, A−1 é invertı́vel.
Como a inversa de uma matriz é única, segue que (A−1 )−1 = A (ou seja, a inversa de A−1
é A).
Assim, AB é invertı́vel (pois existe C = B −1 A−1 tal que (AB)C = In = C(AB)). Pela
unicidade da matriz inversa, segue que (AB)−1 = B −1 A−1 .
3) Se A é uma matriz n × n invertı́vel, então sua transposta At também é invertı́vel, e (At )−1 =
(A−1 )t .
Demonstração: Temos que:
At (A−1 )t = (A−1 A)t = (In )t = In .
(A−1 )t At = (AA−1 )t = (In )t = In .
Logo, At é invertı́vel (pois existe uma matriz C = (A−1 )t tal que At C = In = CAt ). Pela
unicidade da inversa, segue que (At )−1 = (A−1 )t .
A demonstração do Teorema seguinte será omitida. Ele nos diz que, se verificarmos que
AB = In , não haverá necessidade de verificarmos também que BA = In .
−2 a 0 2 1 −1 0 2
3 1 −2 −2 b 2 2 0
A= B=
−4 −1 2 c 0 −1 0 1
3 1 −1 −2 1 0 1 d
Temos que AB = I4 . Assim:
−2 a 0 2 1 −1 0 2 −2 + ab + 2 2 + 2a 2a + 2 −4 + 2d
3 1 −2 −2 b 2 2 0 3 + b − 2 −3 + 2 + 2 2 − 2 6 − 2 − 2d
I4 = AB = =
−4 −1 2 c 0 −1 0 1 −4 − b + c 4 − 2 − 2 −2 + c −8 + 2 + cd
3 1 −1 −2 1 0 1 d 3 + b − 2 −3 + 2 + 1 2 − 2 6 − 1 − 2d
Então
2 + 2a = (I4 )12 = 0 ⇒ a = −1
−4 + 2d = (I4 )14 = 0 ⇒ d = 2
3 + b − 2 = (I4 )21 = 0 ⇒ b = −1
−2 + c = (I4 )33 = 1 ⇒ c = 3
Exemplo 20. Se A = (aij )n×n é uma matriz tal que A3 = O, mostre que a inversa de (In − A)
é a matriz In + A + A2 .
Devemos mostrar que:
(In − A)(In + A + A2 ) = In .
Assim:
(In − A)(In + A + A2 ) = In In + In A + In A2 − AIn − AA − AA2 = In + A + A2 − A − A2 − A3 =
In − A3 = In − O = In .
Logo: (In − A)−1 = In + A + A2
CD = AB t A−1 A(AB −1 )−1 = AB t In (AB −1 )−1 = AB t (AB −1 )−1 = AB t (B −1 )−1 A−1 = AB t BA−1 =
AB −1 BA−1 = AIn A−1 = AA−1 = In
Logo: C −1 = D.
42 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
Observemos que o Teorema acima nos oferece uma nova maneira para decidirmos se A é
invertı́vel ou não. Se A for equivalente por linha a In , A será invertı́vel. Caso contrário, ela
não é invertı́vel.
Por exemplo, a matriz A dada por:
0 1 4
A = 1 2 0
0 0 1
0 0 1 0 0 1 0 0 1
1 0 0 1 0 0
0 1 4 L2 − 4L3 → L2 0 1 0 = I3
0 0 1 0 0 1
−1 0 8
0 1 4 1 2 0 1 2 0
C = 1 2 0 L1 ↔ L2 0 1 4 L3 + L1 → L3 0 1 4 L1 − 2L2 → L1
−1 0 8 −1 0 8 0 2 8
1 0 −8 1 0 −8
0 1 4 L3 − 2L2 → L3 0 1 4 =D
0 2 8 0 0 0
D está na forma escalonada reduzida, mas não é a matriz identidade. Logo, C não é
equivalente por linhas a I3 e, assim, C não é invertı́vel.
Precisamos agora de um método para inversão de matrizes.
Seja A uma matriz n × n invertı́vel. Pelo Teorema anterior, A é equivalente por linhas
à matriz identidade In . Vamos chamar as operações elementares para ir de A até In de
op1 , op2 , · · · , opk . Dessa forma:
Exemplo 22. Calcule a matriz A−1 (se possı́vel), sabendo que a matriz A é dada por:
0 1 4
A = 1 2 0
0 0 1
De fato, já mostramos que a matriz acima é equivalente por linhas à matriz identidade I3 .
Assim, A é invertı́vel e é possı́vel encontrarmos A−1 . Usando as mesmas operações ele-
mentares:
1 0 0 0 1 0 −2 1 0 −2 1 8
0 1 0 L1 → L2 1 0 0 L1 − 2L2 → L1 1 0 0 L1 + 8L3 → L1 1 0 0
0 0 1 0 0 1 0 0 1 0 0 1
44 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
−2 1 8
L2 − 4L3 → L2 1 0 −4
0 0 1
Então:
−2 1 8
A−1 = 1 0 −4
0 0 1
Observação 11. Dada uma matriz A n × n, podemos fazer o seguinte para encontrarmos sua
inversa (se ela for invertı́vel):
.. .. −1
h i h i
A.In operações elementares In .A
1 2 −2
B = 2 5 −4
3 7 −5
Temos:
.. ..
1 2 −2 . 1 0 0 1 2 −2 . 1 0 0
.. ..
L2 − 2L1 → L2 e L3 − 3L1 → L3
2 5 −4 . 0 1 0 . −2 1
0 1 0 0
.. ..
3 7 −5 . 0 0 1 0 1 1 . −3 0 1
. .
1 0 −2 .. 5 −2 0 1 0 0 .. 3 −4 2
.. .
L1 − 2L2 → L1 e L3 − L2 → L3 0 1 0 . −2 1 0 L1 + 2L3 → L1 0 1 0 .. −2 1 0
. ..
0 0 1 .. −1 −1 1 0 0 1 . −1 −1 1
3 −4 2
B −1 = −2 1 0
−1 −1 1
−1 5 1
C= 0 3 1
1 −2 0
Temos:
.. .
−1 5 1 . 1 0 0 1 −5 −1 .. −1 0 0
.. .
0
3 1 . 0 1 0 −L1 → L1 0 3
1 .. 0 L3 − L1 → L3
1 0
.. .
1 −2 1 . 0 0 1 1 −2 0 .. 0 0 1
.. .
1 −5 −1 . −1 0 0 1 −5 −1 .. −1 0 0
.. . 1
0 3
1 . 0 1 0 L 3 − L 2 → L 3
0 3
1 .. 0 1 0 3 L2 → L2
.. .
0 3 1 . 1 0 1 0 0 0 .. 1 −1 1
.. .
1 −5 −1 . −1 0 0 1 0 23 .. 5
−1 3 0
0 1 1 .. 1 5L2 + L1 → L1 0 1 1 ...
1
3
. 0 3
0 3
0 3
0
.. .
0 0 0 . 1 −1 1 0 0 0 .. 1 −1 1
1 0 23
A matriz 0 1 13 já está na forma escalonada reduzida. Então, C não é invertı́vel, pois
0 0 0
não é equivalente por linhas à matriz I3 . A matriz ”à direita”obtida após o escalonamento não
tem significado.
O Teorema abaixo nos dá uma relação entre matrizes invertı́veis e solução de sistemas.
Teorema 6. Seja A uma matriz n × n (quadrada). O sistema associado AX = B tem solução
única se, e somente se, A é invertı́vel. Neste caso, a solução é X = A−1 B
−2x1 + 3x2 − x3 = 1
x1 − 3x2 + x3 = 7
−x1 + 2x2 − x3 = 0
−2 3 −1
A matriz A = 1 −3 1 dos coeficientes do sistema é uma matriz invertı́vel e sua
−1 2 −1
−1
inversa A é dada por:
−1 −1 0
A−1 = 0 −1 −1
1 −1 −3
x1 1
Resolvendo então o sistema AX = B, onde X = x2 e B = 7 , obtemos:
x3 0
1 −1 −3 0 1−7 −6
Solução do sistema:
1.3. INVERSÃO DE MATRIZES 47
−8
X = −7 ou x1 = −8, x2 = −7, x3 = −6
−6
0 0 −1 0 2 2
−1 x
Se C = 0 e X = y , resolva o sistema: BA−1 X = C
2 z
Temos:
BA−1 X = C =⇒ B −1 BA−1 X = B −1 C =⇒ I3 A−1 X = B −1 C =⇒ A−1 X = B −1 C =⇒
AA−1 X = AB −1 C =⇒ I3 X = AB −1 C =⇒ X = AB −1 C
Assim:
1 2 −3 −1 0 0 −1 −1 + 4 2 − 6 −6 −1 3 −4 −6 −1
X = 0 −1 1 2 1 0 0 = −2 −1 + 2 2 0 = −2 1 2 0 =
0 0 −1 0 2 2 2 0 −2 −2 2 0 −2 −2 2
−3 − 12 −15
2+4 = 6
−4 −4
−15
Solução: X = 6
−4
Exercı́cios:
−1 0 1 −1 0 0
1) Considere as matrizes invertı́veis A = 2 2 0 e B −1 = 0 1 0 . Considere
0 −1 1 2 0 1
t −1
a matriz C = A B. Sobre a matriz C , podemos afirmar que a soma dos elementos de sua
última linha vale:
48 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
5 3 3 1
a). b). −2 c). d). e).
2 4 2 4
−1 0 1
3) Considere a matriz invertı́vel A = 2 1 0 . Considere a matriz C = At (a matriz
0 2 2
−1
transposta de A). Sobre a matriz C , podemos afirmar que a soma dos elementos de sua
última coluna vale:
5 3 1 3
a). b). − c). −2 d). e).
2 4 2 2
− 12 1 − 12
−2 2
−1 0 1
5) Considere a matriz invertı́vel A = 2 2 0 . Considere a matriz C = At (a matriz
0 −1 1
−1
transposta de A). Sobre a matriz C , podemos afirmar que a soma dos elementos de sua
última coluna vale:
5 3 5 3
a). b). − c). −2 d). e).
2 4 4 2
0 0 −1 1 −1
Sabendo que M A−1 = −3B t , sobre a matriz M , podemos afirmar que:
a). a soma dos elementos de sua diagonal principal é 3.
b). a soma dos elementos de sua última coluna é 10.
c). a soma dos elementos de sua primeira coluna é −12.
d). a soma dos elementos de sua primeira linha é 5.
e). a soma dos elementos de sua última linha é -3.
" #
3 6 −6
M= .
0 6 −9
2 0 2 0 2 2 0 −1 1
−1 0 1 1 0 0
D= 2 3 2 E= 3 0 0
0 2 2 2 −9 5
Resposta:
−1 0 1 1 1 − 21 − 21 1
4
1
2
A−1 = 3 1 −3 B −1 = −2 −1 1 C −1 = 1 1
− 12
2 4
1 0 − 12 2 1 − 21 1
2
1
4
1
2
1 1 − 32
D−1 = −2 −1 2
2 1 − 32
.
E não é invertı́vel.
1.4. DETERMINANTES 51
1.4 Determinantes
Definição 14. Seja A = (aij )n×n uma matriz n × n (quadrada). O determinante de A (que
indicamos por detA) é calculado da seguinte forma:
• n=2:
" #
a11 a12
sendo A = , temos detA = a11 a22 − a12 a21
a21 a22
• n>2
i+j
Vamos definir: af ij = (−1) detA
fij onde A
fij é a matriz (n−1)×(n−1) obtida retirando-
se a i-ésima linha de A e j-ésima coluna de A, i, j = 1, · · · , n.
detA = ai1 af
i1 + ai2 a
fi2 + · · · + ain a
fin
detA = a1j af
1j + a2j a
f2j + · · · + anj a
f nj
−1 3 0
b) B = 2 −1 1 Podemos escolher qualquer linha ou qualquer coluna para o
5 2 2
cálculo do determinante. Por exemplo, escolhendo a linha 1 e usando que B = (bij )3×3 , temos:
" #
1+1 −1 1
bf
11 = (−1) det = (−1) · (2) − 1 · 2 = −4
2 2
"#
1+2 2 1
bf
12 = (−1) det = (−1)3 · [2 · 2 − 1 · 5] = 1
5 2
detB = −bf
11 + 3b12 = 4 + 3 · 1 = 7
f
1 2 0 −1
−1 1 1 0
c) C =
0 5 2 0
4 −1 1 3
detC = c14 cf
14 + c24 c
f 24 + c34 c
f 34 + c44 c
f 44 =
= −1f
c14 + 0f
c24 + 0f
c34 + 3f
c44 =
= −f
c14 + 3f
c44
−1 1 1 −1 1 1
1+4
cf
14 = (−1) det 0 5 2 = (−1)det 0 5 2
4 −1 1 4 −1 1
−1 1 1
Vamos chamar a matriz 0 5 2 de D = (dij )3×3 .
4 −1 1
detD = d21 df
21 + d22 d22 + d23 d23 =
f f
= 0df
21 + 5d22 + 2d23 = 5d22 + 2d23 =
f f f f
1.4. DETERMINANTES 53
" # " #
−1 1 −1 1
= 5(−1)2+2 det + 2(−1)2+3 det
4 1 4 −1
= 5(−1 − 4) + 2(−1)(1 − 4) = 5(−5) − 2(−3) = −25 + 6
= −19 ⇒ detD = −19
Então:
1+4
cf
14 = (−1) detD = (−1)(−19) = 19
1 2 0 1 2 0
4+4
cf
44 = (−1) det −1 1 1 = det −1 1 1
0 5 2 0 5 2
1 2 0
Vamos chamar a matriz −1 1 1 de E = (eij )3×3 . Calculemos o valor de detE usando
0 5 2
a 1a coluna:
detE = e11 ef
11 + e21 e
f21 + e31 e
f31 =
= 1ef
11 + (−1)ef21 + 0e
f31 = e
f11 − e
f21 =
" # " #
1 1 2 0
= (−1)1+1 det − (−1)2+1 det =
5 2 5 2
= (1 · 2 − 1 · 5) − 1(−1)(4 − 0) = −3 + 4 = 1
Assim: cf
44 = detE = 1.
−1 1 3 −2
0 0 2 1
Exemplo 28. Considere a matriz: A = . Sabendo que detA = 0, calcule o
2 0 −1 α
2 6 0 −2
valor de α.
detA = a21 af
21 + a22 a
f 22 + a23 a
f23 + a22 a
f 24 =
= 0af
21 + 0a
f22 + 2a
f23 + 1a
f24 = 2a
f23 + a
f24
Calculando os cofatores af
23 e a
f24 :
−1 1 −2 −1 1 −2
2+3
af
23 = (−1) det 2 0 α = (−1) det 2 0 α .
2 6 −2 2 6 −2
−1 1 −2
Chamando B = 2 0 α e escolhendo a 2a coluna para o cálculo de detB, temos:
2 6 −2
detB = b12 bf
12 + b22 b22 + b32 b32 = 1b12 + 0b22 + 6b32 = b12 + 6b32 =
f f f f f f f
" # " #
2 α −1 −2
= (−1)1+2 det + 6(−1)3+2 det = −1(−4 − 2α) + 6(−1)(−α + 4) =
2 −2 2 α
= 4 + 2α − 6(−α + 4) = 4 + 2α + 6α − 24 = 8α − 20.
23 = (−1) detB = 20 − 8α
Assim: af
Cálculo de af
24 :
−1 1 3 −1 1 3
2+4
af
24 = (−1) det 2 0 −1 = det 2 0 −1
2 6 0 2 6 0
−1 1 3
Chamando C = 2 0 −1, e escolhendo a 2a linha para o cálculo de detC, temos:
2 6 0
detC = c21 cf
21 + c22 c
f 22 + c23 c
f 23 = 2f c22 − 1f
c21 + 0f c21 − cf
c23 = 2f 23 =
" # " #
1 3 −1 1
= 2(−1)2+1 det − (−1)2+3 det = −2(0 − 18) + (−6 − 2) = 36 − 8 = 28
6 0 2 6
af
24 = detC = 28.
Voltando ao cálculo de A:
68 17
0 = detA = 68 − 16α ⇒ α = ⇒α=
16 4
Propriedades e exemplos:
A L1 ↔ L3 B 5L2 → L2 C −7L1 + L2 → L2 D
Assim:
Logo: detD = 10
56 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
Exemplo 30. Mostre que se A é uma matriz n × n que possui 2 linhas iguais, então detA = 0.
De fato, suponhamos que as linhas k e l de A sejam iguais. Vamos fazer uma operação
elementar em A:
A Lk ↔ Ll B
Pela propriedade 3, temos que detB = −detA. Mas B = A, já que as linhas k e l são
iguais. Logo, detA = −detA, o que nos diz que detA = 0.
" # " #
a11 a12 a11 a21
• n=2 A= At =
a21 a22 a12 a22
a11 a12 a13 a11 a21 a31
• n=3 A = a21 a22 a23 At = a12 a22 a32
Usando a 1a coluna de At para o cálculo de seu determinante e o que foi provado para
matrizes 2 × 2, temos:
" # " # " #
a22 a32 a21 a31 a21 a31
detAt = a11 (−1)1+1 det +a12 (−1)2+1 det +a13 (−1)3+1 det =
a23 a33 a23 a33 a22 a32
" # " # " #
a22 a23 a21 a23 a21 a22
= a11 (−1)1+1 det +a12 (−1)1+2 det +a13 (−1)1+3 det =
a32 a33 a31 a33 a31 a32
= detA
Exemplo 31. Se A é uma matriz que possui duas colunas iguais, então o seu determinante vale
0. De fato, a matriz At possui duas linhas iguais. Então, det At = 0. Como det A = det At ,
segue que det A = 0.
1.4. DETERMINANTES 57
(6) Se A = (aij )n×n é uma matriz triangular superior (ou inferior), então detA = a11 a22 · · · ann
(produto dos elementos da diagonal principal).
2 0 0 0
−2 3 0 0 1
Por exemplo: det = 2.3. .10 = 12.
0 −4 15 0 5
9 −8 3 10
(7) Se A = (aij )n×n é uma matriz diagonal, então detA = a11 · a22 · · · ann
2 0 0 0
0 −3 0 0
Por exemplo: det = 2.(−3).π.(−10) = 60π.
0 0 π 0
0 0 0 −10
Demonstração
A · A−1 = In =⇒ det(A · A−1 ) = det(In ) =⇒ detA · detA−1 = det(In )
=⇒ detA · detA−1 = 1
1
Temos então que detA 6= 0. E ainda: detA−1 =
detA
Exemplo 32. Seja A uma matriz n × n invertı́vel tal que A−1 = A2 . Mostre que detA = 1.
Temos que:
58 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
A−1 = A2
detA−1 = detA2
1
= det(A · A)
detA
1
= detA · detA
detA
(detA)3 = 1 =⇒ detA = 1
a11 a12 a13 αa11 αa12 αa13
A = a21 a22 a23 e αA = αa21 αa22 αa23
αa11 αa12 αa13 αa11 αa12 αa13
A αL1 → L1 a21 a22 a23 = A1 αL2 → L2 αa21 αa22 αa23 = A2
detA1 = α detA
detA2 = α detA1 = α (α detA) = α2 detA
det(αA) = α detA2 = α(α2 detA) = α3 detA
Ou seja:
det(αA) = α3 detA
1.4. DETERMINANTES 59
Temos:
1
= 64 detA detA detA = 64(detA)2 = 64 · 4 = 256
detA
Observação 15. Ainda podemos mostrar como propriedade de determinantes: se uma matriz
A possui uma linha múltipla de outra linha, então seu determinante vale 0. O resultado vale
também para colunas.
Teorema 7. Seja A uma matriz n × n. A é uma matriz invertı́vel se, e somente se, detA 6= 0.
1
Neste caso: detA−1 = .
detA
Exercı́cios:
" #
k k
1) Determine os valores de k ∈ R para os quais det = 0.
4 2k
Resposta: 0 ou 2.
3 −2 −5 4
t+3 0 1 a b c
−5 2 8 −5
A= 5 t−2 1 B= C= c a b
−2 4 7 −3
6 t−2 t+4 b c a
2 −3 −5 8
1 1 −1 0 −1 2 3 −4
1 −2 3
0 0 −2 1 4 2 0 0
D= E= 2 1 −1 F =
1 2 0 −3 −1 2 −3 0
−2 −1 2
−1 0 1 1 2 5 3 1
60 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
b3
Resposta: a). 34. b). .
81
1 0 2 4
0 1 2 2
4) Considere a matriz A = . Se C é uma matriz 4 × 4 tal que det C = −8,
1 0 3 6
1 0 6 10
5) A partir de uma matriz A de tamanho 3×3 invertı́vel, foi feita a seguinte operação elementar
para se obter a matriz B (troca de posição de duas linhas):
A 1a linha ↔ 3a linha B
1.4. DETERMINANTES 61
1 1
a). det 2A−1 = −4 b). det 2A−1 = − c). det 2A−1 = d). det 2A−1 = −2
2 2
e). det 2A−1 = 2
6) Considere a matriz A de tamanho 4 × 4 invertı́vel tal que sua inversa é dada por:
0 1 0 0
−1
1 0 0 1
A = , a, b, c ∈ R
a 2 −1 0
b −1 c 2
" #
a −1
Calcule o valor do determinante de A, sabendo que det = 5.
b c
1
Resposta: − .
3
A 1a linha ↔ 3a linha B
5 1
a). det A−1 = b). det A−1 = − c). det A−1 = −5 d). det A−1 = 5 e).
2 5
−1 1
det A =
5
8) Considere uma matriz A de tamanho 3 × 3 tal que det A = −4. Seja B a matriz
1
B = A2 At A−1 . O determinante de B vale:
2
62 CAPÍTULO 1. MATRIZES, SISTEMAS E DETERMINANTES
1 1
a). det B = 8 b). det B = 2 c). det B = 32 d). det B = e). det B =
8 2
r s t t 5t + z −2c
1
Resposta: a). −1. b). .
27
Capı́tulo 2
O Espaço Vetorial Rn
R1 = R
R2 = {(x1 , x2 ) ; x1 , x2 ∈ R}
R3 = {(x1 , x2 , x3 ) ; x1 , x2 , x3 ∈ R}
√
5
Por exemplo, as duplas −1, 5 e 0, pertecem ao conjunto R2 . As 3-uplas (2, 0, 0)
7
e (−π, 3, −6) pertencem ao conjunto R3 .
63
64 CAPÍTULO 2. O ESPAÇO VETORIAL RN
u + (v + w) = (x1 , ..., xn ) + [(y1 , ..., yn ) + (z1 , ..., zn )] = (x1 , ..., xn ) + (y1 + z1 , ..., yn + zn )
4). Para cada u ∈ Rn , existe (e é único) v ∈ Rn tal que u + v = 0. Esse elemento v é denotado
por −u. Se u = (x1 , ..., xn ), temos que −u = (−x1 , ..., −xn ). Assim, temos: u + (−u) = 0.
(ab)u = ((ab)x1 , ..., (ab)xn ) = (a (bx1 ) , ..., a (bxn )) = a (bx1 , ..., bxn ) = a(bu)
a(u + v) = a [(x1 , ..., xn ) + (y1 , ..., yn )] = a (x1 + y1 , ..., xn + yn ) = (a (x1 + y1 ) , ..., a (xn + yn ))
= (ax1 + ay1 , ..., axn + ayn ) = (ax1 , ..., axn )+(ay1 , ..., ayn ) = a (x1 , ..., xn )+a (y1 , ..., yn ) = au+av
(a + b)u = ((a + b)x1 , ..., (a + b)xn ) = (ax1 + bx1 , ..., axn + bxn ) = (ax1 , ..., axn ) + (bx1 , ..., bxn )
b). As operações de adição e multiplicação por escalar definidas no inı́cio são as chamadas
operações usuais de Rn .
c). Podemos também trabalhar em Rn com outras operações, diferentes das usuais. Caso as
8 propriedades sejam verificadas para Rn com essas operações, então podemos dizer que Rn ,
com essas novas operações, é um espaço vetorial.
66 CAPÍTULO 2. O ESPAÇO VETORIAL RN
a). Se u, v, w ∈ Rn e u + v = u + w, então v = w.
d). Se a ∈ R, u ∈ Rn e au = 0, então a = 0 ou v = 0.
ii) Se u, v ∈ W , então u + v ∈ W .
iii) Se u ∈ W e a ∈ R, então au ∈ W .
O teorema acima nos diz que, se verificarmos que o vetor nulo de Rn está em W e ainda,
se existe o fechamento das operações em W , então podemos garantir que W , munido das
operações de Rn , é um espaço vetorial. Em outras palavras, podemos garantir que W é um
subespaço vetorial de Rn .
Exemplo 34. O conjunto W = {(x, 0); x ∈ R} ⊂ R2 é um subespaço vetorial de R2 (com as
operações usuais).
i) O vetor nulo 0 = (0, 0) de R2 está em W , pois satisfaz a condição dos vetores do conjunto
W , isto é, é um vetor de R2 que tem sua segunda componente nula.
ii) Sejam w1 = (x1 , 0) e w2 = (x2 , 0) vetores de W (observemos que ambos possuem sua
segunda componente nula: essa é a condição para que eles façam parte de W ). Vamos mostrar
agora que o vetor w1 + w2 é um vetor de W :
Como o vetor aw = (ax, 0) satisfaz a condição dos vetores de W (isto é, é um vetor de R2
que tem sua segunda componente nula), temos que aw ∈ W .
Logo, W é um subespaço vetorial de R2 .
Exemplo 35. O conjunto W = (x, y, z) ∈ R3 ; x = 2z ⊂ R3 é um subespaço vetorial de R3
i) O vetor nulo 0 = (0, 0, 0) de R3 está em W , pois satisfaz a condição dos vetores do conjunto
W , isto é, é um vetor de R3 tal que sua primeira componente (que é zero) é igual a 2 vezes a
sua terceira componente (que é zero).
68 CAPÍTULO 2. O ESPAÇO VETORIAL RN
Assim:
Como o vetor aw = (2(az), ay, az) satisfaz a condição dos vetores de W (isto é, é um vetor
de R3 que tem sua primeira componente igual a 2 vezes a terceira componente), temos que
w ∈ W.
Logo, W é um subespaço vetorial de R3 .
bespaço vetorial de R4 .
i) O vetor nulo de R4 , 0 = (0, 0, 0, 0), pertence a W , pois satisfaz a condição 3x1 − x2 +2x4 = 0
(no caso do vetor nulo, temos x1 = x2 = x3 = x4 = 0).
ii) Sejam u = (x1 , x2 , x3 , x4 ) e v = (y1 , y2 , y3 , y4 ) vetores de W , com 3x1 − x2 + 2x4 = 0 e
3y1 − y2 + 2y4 = 0. Vamos verificar agora que o vetor u + v também pertence a W .
Na igualdade acima, usamos que 3x1 −x2 +2x4 = 0 e 3y1 −y2 +2y4 = 0. Assim, u+v ∈ W .
iii) Sejam a ∈ R e u = (x1 , x2 , x3 , x4 ) ∈ W , com 3x1 − x2 + 2x4 = 0. Vamos provar que au
pertence a W .
a terceira condição.
Portanto, W = W1 W2 é um subespaço vetorial Rn .
T
R3 (prove).
\
W = (x1 , x2 , x3 ) ∈ R3 ; 3x1 − x2 + 2x3 = 0 e x1 + 2x2 + x3 = 0 é
O conjunto V = U
um subespaço de R3 . Vamos reescrever o conjunto V de uma forma mais simples.
Vamos resolver o sistema:
(
3x1 − x2 + 2x3 = 0
x1 + 2x2 + x3 = 0
" # " #
3 −1 2 | 0 1 2 1 | 0
L1 ←→ L2 L2 − 3L1 −→ L2
1 2 1 | 0 3 −1 2 | 0
" # " #
1 2 1 | 0 1 2 1 | 0
− 71 L2 −→ L2
0 −7 −1 | 0 0 1 17 | 0
" #
1 0 57 | 0
L1 − 2L2 −→ L1
0 1 17 | 0
( (
x1 + 57 x3 = 0 x1 = − 57 x3
=⇒
x2 + 17 x3 = 0 x2 = − 71 x3
\ 5 1
Assim: V = U W = − x 3 , − x 3 , x3 ; x 3 ∈ R .
7 7
(
y = −x
Para que um elemento (x, y, z, t) pertença ao subespaço U , deve ocorrer:
t=0
Para que um elemento (x, y, z, t) pertença ao subespaço W , deve ocorrer: z = y.
T y = −x
Assim, para que (x, y, z, t) esteja em V = U W , deve ocorrer: t=0 . Ou seja:
z=y
z = y = −x, t = 0. Logo, o subespaço V pode ser escrito da seguinte forma:
Vamos agora trabalhar com soma de subespaços. Iniciamos com a seguinte definição:
É importante resaltarmos aqui que o resultado acima vale para um número finito de sub-
espaços de Rn , ou seja: se W1 , ..., Wk são subespaços vetoriais de Rn , então W = W1 + ... + Wk
é um subespaço vetorial de Rn .
Façamos agora alguns exemplos de somas de subespaços.
Exemplo 43. Consideremos W1 = {(a, a, 0, 0); a ∈ R} e W2 = {(x, −x, 0, t); x, t ∈ R}. Ambos
os conjuntos são subespaços vetoriais de R4 (prove). Temos que:
Exemplo 45. Consideremos W1 = {(a, a, 0, 0); a ∈ R} e W2 = {(x, −x, 0, t); x, t ∈ R}. Ambos
os conjuntos são subespaços vetoriais de R4 . Inicialmente, vamos reescrever os subespaços W1 e
W2 :
W1 = (a, b, c, d) ∈ R4 ; a = b, c = d = 0
74 CAPÍTULO 2. O ESPAÇO VETORIAL RN
W2 = (a, b, c, d) ∈ R4 ; b = −a, c = 0
Assim:
\
W2 = (a, b, c, d) ∈ R4 ; a = b, b = −a, c = d = 0 .
W1
\
Como a = b e b = −a, segue que a = 0 e b = 0. Então: W1 W2 = {(0, 0, 0, 0)} e temos
que a soma de W1 com W2 é direta.
Exemplo 46. Consideremos W1 = {(0, a, 0); a ∈ R} e W2 = {(x, 0, x); x ∈ R}. Ambos os
conjuntos são subespaços vetoriais de R3 .
Inicialmente, vamos reescrever os subespaços W1 e W2 :
W1 = (x, y, z) ∈ R3 ; x = z = 0
W2 = (x, y, z) ∈ R3 ; x = z y = 0
Assim:
\
W2 = (x, y, z) ∈ R3 ; x = z = 0 x = z, y = 0 = {(0, 0, 0)} .
W1
W1 = (a, b, c, d) ∈ R4 ; d = 0
W2 = (a, b, c, d) ∈ R4 ; b = c = 0
Assim:
\
W2 = (a, b, c, d) ∈ R4 ; b = c = d = 0 = {(a, 0, 0, 0); a ∈ R} =
W1 6 {(0, 0, 0, 0)} .
\
W2 = (x, y, z) ∈ R3 ; x = z = 0, x + y = 0 = {(0, 0, 0)} .
W1
R3 .
\
O subespaço V = U W pode ser escrito como (as contas já foram feitas em outro exem-
plo):
\
W = (x1 , x2 , x3 ) ∈ R3 ; 3x1 − x2 + 2x3 = 0 e x1 + 2x2 + x3 = 0
V =U
5 1
= − x 3 , − x 3 , x3 ; x 3 ∈ R .
7 7
T
Notemos que V = U W 6= {(0, 0, 0} e, assim, a soma de U com W não é direta.
Definição 18. Uma combinação linear dos vetores v1 , ..., vm ∈ Rn é um vetor da forma:
v = a1 v1 + ... + am vm ∈ Rn
onde a1 , ..., am ∈ R.
1 1
u = 3v1 − v2 + v3 = 3(−1, 2, 0) − (1, 1, 1) + (0, −2, 4)
2 2
= (−3, 6, 0) − (1, 1, 1) + (0, −1, 2) = (−4, 4, 1)
√ √
w= 2v1 + 3v2 − v3 = 2(−1, 2, 0) + 3(1, 1, 1) − (0, −2, 4)
76 CAPÍTULO 2. O ESPAÇO VETORIAL RN
√ √ √ √
= − 2, 2 2, 0 + (3, 3, 3) − (0, −2, 4) = − 2 + 3, 2 2 + 5, −1
1 1 1
u = −v1 + 6v2 + v3 + v4 = −(−1, 3) + 6 , 1 + (0, −2) + (−6, 0)
2 3 2
= (1, −3) + (2, 6) + (0, −2) + (−3, 0) = (0, 1)
1 19
w = πv1 + v2 − v4 = π(−1, 3) + , 1 − (−6, 0) = −π + , 3π + 1
3 3
são combinações lineares dos vetores v1 , v2 , v3 e v4 .
[S] = {a1 v1 + a2 v2 + a3 v3 + a4 v4 ; a1 , a2 , a3 , a4 ∈ R}
1
= a1 (−1, 3) + a2 , 1 + a3 (0, −2) + a4 (−6, 0); a1 , a2 , a3 , a4 ∈ R
3
n a2 o
= −a1 + − 6a4 , 3a1 + a2 − 2a3 ; a1 , a2 , a3 , a4 ∈ R .
3
2.2. COMBINAÇÕES LINEARES 77
Exemplo 55. Consideremos S = {(1, 1, 0), (0, 0, 1)} um subconjunto de R3 . Vamos encontrar
o subespaço gerado por S:
Observemos que todo vetor de W pode ser escrito como combinação linear de (1, 0, 0) e
(0, 1, −1). Assim, podemos escrever que esses dois vetores são geradores de W :
Observemos que todo vetor de W pode ser escrito como combinação linear de (1, 0, 0, −2)
e (0, 1, 0, 0). Assim, podemos escrever que esses dois vetores são geradores de W :
W = (x, y, z, w, t) ∈ R5 ; x + y − z = 0, t − w = 0
.
Vamos reescrever o conjunto W :
78 CAPÍTULO 2. O ESPAÇO VETORIAL RN
W = (x, y, z, w, t) ∈ R5 ; x + y − z = 0, t − w = 0 = (x, y, z, w, t) ∈ R5 ; z = x + y, t = w
= {(x, y, x + y, w, w); x, y, w ∈ R}
Observemos que todo vetor de W pode ser escrito como combinação linear de (1, 0, 1, 0, 0),
(0, 1, 1, 0, 0) e (0, 0, 0, 1, 1). Assim, podemos escrever que esses três vetores são geradores de
W:
Exercı́cios:
1) Verifique quais dos subconjuntos abaixo são subespaços vetoriais dos espaços indicados
(prove, no caso de ser subespaço e justifique, caso não seja):
a). W1 = (x, y) ∈ R2 ; x = 0
; Espaço vetorial R2 (com operações usuais).
b). W2 = (x, y) ∈ R2 ; x = −y
; Espaço vetorial R2 (com operações usuais).
c). W3 = (x, y, z) ∈ R3 ; x ∈ Z
; Espaço vetorial R3 (com operações usuais).
d). W4 = (x, y, z, w) ∈ R4 ; x + y − z = 2
; Espaço vetorial R4 (com operações usuais).
e). W5 = {(y + z − t, y, z, t); y, z, t ∈ R} ; Espaço vetorial R4 (com operações usuais).
f). W6 = {(x, 1); x ∈ R} ; Espaço vetorial R2 (com operações usuais).
g). W7 = (x, y) ∈ R2 ; 3x + 2y = 0
; Espaço vetorial R2 (com operações usuais).
h). W8 = (x, y, z) ∈ R3 ; x < y ≤ z
; Espaço vetorial R3 (com operações usuais).
i). W9 = (x, y, z, t) ∈ R4 ; −x − 2y + 3z = t
; Espaço vetorial R4 (com operações
usuais).
j). W10 = (x, y, z) ∈ R3 ; z − y ≤ 0
; Espaço vetorial R3 (com operações usuais).
k). W11 = (x, y, z) ∈ R3 ; 2x + z − y = 0
; Espaço vetorial R3 (com operações usuais).
l). W12 = (x, y, z) ∈ R3 ; 3z − y = 0
; Espaço vetorial R3 (com operações usuais).
m). W13 = (x, y, z, t) ∈ R4 ; 2x = y, z = t
; Espaço vetorial R4 (com operações
usuais).
2.2. COMBINAÇÕES LINEARES 79
Resposta: Os conjuntos dos exercı́cios (c), (d), (f), (h), (j) não são subespaços vetoriais dos
espaços indicados.
3) Diga quais das somas abaixo são diretas. Os subespaços aqui usados são aqueles do exercı́cio
1. Justifique sua resposta:
a). W1 + W2 .
b). W7 + W2 .
80 CAPÍTULO 2. O ESPAÇO VETORIAL RN
c). W1 + W7 .
d). W5 + W9 .
e). W11 + W12 .
f). W9 + W13 .
g). W5 + W13 .
h). W5 + W14 .
4). Dados os vetores e1 = (1, 1, 1), e2 = (1, 2, 3), e3 = (2, −1, 1) de R3 , escreva os vetores
abaixo como combinação linear de e1 , e2 , e3 , quando possı́vel:
a). u = (1, −2, 5).
b). u = (2, 1, 0).
c). u = (−13, 3, −6).
d). u = (−6, 3, −3).
e). u = (4, 2, 1).
f). u = (2, −2, −1).
g). u = (3, −1, 4).
5). Para qual valor real de k o vetor v = (1, −2, k) será combinação linear dos vetores u =
(3, 0, 2) e w = (2, −1, −5)?
Resposta: k = −12.
2.2. COMBINAÇÕES LINEARES 81
6). Verifique se os vetores u = (3, 1, 1, −1), v = (−5, −3, −3, 1) e w = (0, 5, 1, −1) pertencem
ao espaço: W = [(1, 1, 1, 0), (0, 0, 1, 1), (0, 2, 0, −1)].
7). Mostre que os vetores u = (1, 2, 3), v = (0, 1, 2) e w = (0, 0, 1) geram o espaço R3 , isto é,
mostre que: [u, v, w] = R3 .
Resposta:
W1 = [(0, 1)].
W2 = [(−1, 1)].
W5 = [(1,
1, 0, 0),
(1, 0, 0, 1), (−1, 0, 1, 0)].
2
W7 = − ,1 .
3
W9 = [(1, 0, 0, −1) , (0, 1, 0, −2), (0, 0, 1, 3)].
W11 = [(1, 2, 0) , (0, 1, 1)].
W12 = [(1, 0, 0) , (0, 3, 1)].
W13 = [(1, 2, 0, 0) , (0, 0, 1, 1)].
W14 = [(1, 2, 0, 0)].
82 CAPÍTULO 2. O ESPAÇO VETORIAL RN
Exemplo 59. No espaço vetorial R4 , consideremos o conjunto S = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 0, 2)}.
Notemos que nenhum vetor de S pode ser escrito em função dos outros (como combinação lin-
ear). Assim, o conjunto S é LI.
Exemplo 60. No espaço vetorial R3 , consideremos o conjunto S = {(1, 0, 0), (3, −2, 0), (0, −1, 0)}.
S é um conjunto LD, pois
Exemplo 61. No espaço vetorial R2 , consideremos o conjunto S = {(2, −1), (3, 0), (−4, 2)}.
S é um conjunto LD, pois
1
(2, −1) = − (−4, 2)
2
isto é, um dos vetores (2, 1) é combinação linear (múltiplo escalar, no caso) de um outro vetor
(−4, 2) de S.
Observação 17. 1. Todo conjunto S ⊂ Rn que contém o vetor nulo é linearmente dependente.
Por exemplo, em R3 , o conjunto S = {(1, 2, 0), (0, 0, 0), (9, 7, 0), (−3, 4, 1)} é linearmente de-
pendente, pois podemos escrever:
ou seja, um dos vetores de S pode ser escrito como combinação linear dos demais.
2. Todo subconjunto de um conjunto linearmente independente é linearmente independente.
2.3. DEPENDÊNCIA E INDEPENDÊNCIA LINEAR 83
Teorema 11. Um conjunto S é linearmente independente (LI) se, e somente se, sempre que
tivermos c1 v1 + ... + cn vn = 0, com v1 , ..., vn ∈ S e c1 , ..., cn ∈ R, então obrigatoriamente
c1 = ... = cn = 0.
O teorema acima nos diz que, em um conjunto S linearmente independente, a única forma
de escrevermos o vetor nulo do espaço como combinação linear de vetores de S é usando todos
os escalares nulos.
Vimos acima que o conjunto S = {(1, 2, 0), (0, 0, 0), (9, 7, 0), (−3, 4, 1)} é LD. Notemos que
é possı́vel escrever o vetor nulo de R4 usando escalares não todos nulos da seguinte forma:
Exemplo 62. Consideremos o conjunto S = {(1, 2, 0), (0, 1, 1)} em R3 . Vamos mostrar que
S é LI.
Sejam a, b ∈ R. Vamos escrever:
a(1, 2, 0) + b(0, 1, 1) = (0, 0, 0) =⇒ (a, 2a, 0) + (0, b, b) = (0, 0, 0) =⇒ (a, 2a + b, b) = (0, 0, 0).
a=0
Daı́: 2a + b = 0 Resolvendo o sistema, obtemos a = b = 0 como única solução. Assim,
b=0
na combinação linear a(1, 2, 0) + b(0, 1, 1) = (0, 0, 0), temos obrigatoriamente a = b = 0. Isso
nos diz que o conjunto S é LI.
84 CAPÍTULO 2. O ESPAÇO VETORIAL RN
Exemplo 63. Consideremos o conjunto M = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} em R3 . Vamos
mostrar que M é LI.
Sejam a, b, c ∈ R. Vamos escrever:
=⇒ (a, b, c) = (0, 0, 0) =⇒ a = b = c = 0.
Vimos então que a única possibilidade de escrever o vetor nulo de R3 como combinação
linear dos vetores de M é usando todos os escalares nulos. Logo, o conjunto M é LI.
Exemplo 64. Consideremos o conjunto M = {(1, 2, 0, 0), (0, 1, 1, 0), (−2, −3, 1, 0)} em R4 .
Vamos mostrar que M é LD.
Sejam a, b, c ∈ R tais que a(1, 2, 0, 0) + b(0, 1, 1, 0) + c(−2, −3, 1, 0) = (0, 0, 0, 0). Então:
Estamos escrevendo o vetor nulo como uma combinação linear dos vetores de M usando
escalares não (todos) nulos. É claro que sempre é possı́vel escrever:
2.3. DEPENDÊNCIA E INDEPENDÊNCIA LINEAR 85
mas, no caso deste exemplo, essa não é a única possibilidade de escrever o vetor nulo como
combinação linear dos vetores de M . Por isso, M é LD.
Exemplo 65. Consideremos o conjunto M = {(1, 2), (0, −1), (−2, 5), (4, 2)} em R2 . Vamos
mostrar que M é LD.
Sejam a, b, c, d ∈ R tais que a(1, 2) + b(0, −1) + c(−2, 5) + d(4, 2) = (0, 0).Assim:
(
a − 2c + 4d = 0
=⇒
2a − b + 5c + 2d = 0
(
a = 2c − 4d
Resolvendo o sistema, obtemos: e podemos escrever a solução da seguinte
b = 9c − 6d
forma: (2c − 4d, 9c − 6d, c, d), c, d ∈ R.
Novamente, podemos usar qualquer uma das infinitas soluções do sistema para escrevermos
a combinação linear a(1, 2)+b(0, −1)+c(−2, 5)+d(4, 2) = (0, 0). Por exemplo, tomando c = 1
e d = 0, podemos escrever:
A mesma observação feita no exemplo anterior também vale aqui: sempre é possı́vel usar-
mos os escalares todos nulos para escrevermos a combinação linear 0(1, 2)+0(0, −1)+0(−2, 5)+
0(4, 2) = (0, 0), mas ela não é a única possı́vel. Logo, M é LD.
86 CAPÍTULO 2. O ESPAÇO VETORIAL RN
Na definição, quando dizemos que B gera Rn , estamos dizendo que todo vetor do espaço
Rn pode ser escrito como combinação linear dos vetores de B. Analogamente, dizer que B gera
um subespaço W de Rn significa dizer que todo vetor de W pode ser escrito como combinação
linear dos vetores de B.
Vamos fazer agora alguns exemplos.
Exemplo 66. Consideremos o espaço vetorial R3 . Seja B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Va-
mos mostrar que B é uma base para R3 (chamada de base canônica de R3 ). Já mostramos que
este conjunto é LI. Vamos mostrar agora que B gera R3 . Para isso, consideremos v = (x, y, z)
um vetor de R3 . Podemos escrever:
Exemplo 67. Consideremos o espaço vetorial R3 . Seja B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}. Va-
mos mostrar que B é uma base para R3 .
Se v = (x, y, z) ∈ R3 , vamos verificar se v pode ser escrito como combinação linear dos
vetores de B:
para a, b, c ∈ R. Temos:
2.4. BASE E DIMENSÃO 87
a+b+c=x
v = (x, y, z) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0) = (a + b + c, a + b, a) =⇒ a+b=y
a=z
Temos agora um sistema com 3 equações e 3 variáveis (a, b, c) para resolver. Resolvendo o
sistema, obtemos: a = z b = y − z c = x − y. Assim:
Ou seja: é possı́vel escrever qualquer vetor de R3 como combinação linear dos vetores de
B. Assim, B gera R3 .
Resta mostrarmos agora que B é LI. Sejam a, b, c ∈ R tais que a(1, 1, 1) + b(1, 1, 0) +
c(1, 0, 0) = (0, 0, 0). Então:
a+b+c=0
(0, 0, 0) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0) = (a + b + c, a + b, a) =⇒ a+b=0
a=0
Exemplo 68. Consideremos o espaço vetorial R2 . Seja B = {(1, 1), (−1, 2)}. Vamos mostrar
que B é uma base para R2 .
Se v = (x, y) ∈ R2 , vamos verificar se v pode ser escrito como combinação linear dos
vetores de B. Sejam a, b ∈ R. Então:
(
a−b=x
(x, y) = a(1, 1) + b(−1, 2) = (a − b, a + 2b) =⇒
a + 2b = y
2x + y y−x
Resolvendo o sistema, obtemos que: a = eb= . Assim, podemos escrever:
3 3
2x + y y−x
(x, y) = (1, 1) + (−1, 2).
3 3
88 CAPÍTULO 2. O ESPAÇO VETORIAL RN
(
a−b=0
(0, 0) = a(1, 1) + b(−1, 2) = (a − b, a + 2b) =⇒
a + 2b = 0
a − 2c = 0
(0, 0, 0) = a(1, 2, 0)+b(0, 1, 1)+c(−2, −3, 1) = (a−2c, 2a+b−3c, b+c) =⇒ 2a + b − 3c = 0
b+c=0
1 2 0 1 2 0 1 0 −2
L1 − 2L2 → L1
0 1 1 L3 + 2L1 → L3 0 1 1 0 1 1 .
L3 − L2 → L3
−2 −3 1 0 1 1 0 0 0
Vemos então que W é gerado pelo vetores (1, 0, 0, 0) e (0, 0, 1, 0). Como esses dois vetores
formam um conjunto LI (prove!), segue que o conjunto B = {(1, 0, 0, 0), (0, 0, 1, 0)} é uma base
para o subespaço W .
V = (x, y, z, w, t) ∈ R5 ; x + y − z = 0, t − w = 0 = (x, y, z, w, t) ∈ R5 ; z = x + y, t = w
Pelo que vimos acima, os vetores (1, 0, 1, 0, 0), (0, 1, 1, 0, 0) e (0, 0, 0, 1, 1) são geradores de
V . Como B = {(1, 0, 1, 0, 0), (0, 1, 1, 0, 0), (0, 0, 0, 1, 1)} é um conjunto LI (prove!), segue que
B é uma base para V .
V = (x, y, z) ∈ R3 ; 2x − y = 0, z = −x = (x, y, z) ∈ R3 ; 2x = y, z = −x
Vamos agora fazer algumas observações acerca de bases para espaços vetoriais. Qualquer
base de Rn possui n elementos. Vamos dizer, então, que Rn tem dimensão n e indicamos:
dim Rn = n. Se W é um subespaço vetorial de Rn , então as bases de W têm o mesmo número
de elementos. O número de elementos de uma base de W (qualquer uma delas, já que possuem
o mesmo número de elementos) é chamado de dimensão de W . Indicamos esse número da
forma dim W .
Vamos encontrar agora a dimensão de todos os subespaços dos exemplos anteriores.
Exemplo 73. {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e {(1, 1, 1), (1, 1, 0), (1, 0, 0)} são exemplos de bases
para o espaço R3 . Qualquer base de R3 possui 3 vetores. A dimensão de R3 é 3.
{(1, 1), (−1, 2)} e {(1, 0), (0, 1)} são exemplos de bases para o espaço R2 . Qualquer base de
R2 tem 2 vetores e a dimensão de R2 é 2.
W = [(1, 2, 0), (0, 1, 1), (−2, −3, 1)], que é um subespaço de R3 , tem B = {(1, 0, −2), (0, 1, 1)}
como uma base de W . Como essa base tem 2 vetores, então dim W = 2.
W = {(a, 0, b, 0); a, b ∈ R}, subespaço de R4 , tem como uma de suas bases o conjunto
B = {(1, 0, 0, 0), (0, 0, 1, 0)}. Como esse conjunto tem 2 vetores, temos que dim W = 2.
de suas bases o conjunto B = {(1, 0, 1, 0, 0), (0, 1, 1, 0, 0), (0, 0, 0, 1, 1)}. Como essa base tem 3
vetores, então dim V = 3.
como uma de suas bases. Como essa base possui um único vetor, temos que dim V = 1.
Mais algumas observações importantes: todas elas possuem demonstrações, mas que serão
omitidas.
(3) Se B é um subconjunto de Rn que possui n vetores que geram Rn , então B é uma base
para Rn .
e possui 3 vetores (lembre-se: 3 = dim R3 ). Logo, B é uma base de R3 (por esta observação,
não precisamos mostrar que B gera R3 ).
Exercı́cios:
a) W = (x, y) ∈ R2 ; x = −y subespaço de R2 .
b) W = (x, y, z) ∈ R3 ; x = 0 subespaço de R3 .
c) W = (x, y, z) ∈ R3 ; x + y − z = 0 subespaço de R3 .
Resposta:
a) (−1, 1).
b) (0, 1, 0), (0, 0, 1).
c) (1, 0, 1), (0, 1, 1).
d) (1, −1, 0, 3), (0, 2, −1, 0).
e) (1, 1, 0, 0), (1, 0, 1, 0), (−1, 0, 0, 1).
3) Verifique se os seguintes conjuntos são bases para o espaço R3 . Justifique sua resposta:
U = (a, b, c, d) ∈ R4 ; b + c + d = 0
W = (a, b, c, d) ∈ R4 ; a + b = 0, c = 2d
T
Encontre uma base e dimensão para os subespaços: U , W e W U.
Resposta: BU = {(1, 0, 0, 0), (0, −1, 1, 0), (0, −1, 0, 1)} é uma base para U ; dim U = 3.
BW = {(−1, 1, 0, 0), (0, 0, 2, 1)} é uma base para W ; dim W = 2.
T T
B = {(3, −3, 2, 1)} é uma base para U W ; dim U W = 1.
6) Determine o(s) valor(es) de m para que o conjunto {(3, 5m, 1), (2, 0, 4), (1, m, 3)} seja LI.
Resposta: m 6= 0.
7) Seja U = [(3, −6, 3, −9), (−2, 4, −2, 6)] um subespaço de R4 . Encontre uma base para U e
sua dimensão.
2.4. BASE E DIMENSÃO 93
Resposta: uma base poderia ser, por exemplo: B = {(1, −2, 1, −3)}. A dimensão de U é 1.
T T
9) Encontre uma base para W = W1 W2 W3 , onde:
W1 = (x, y, z, t) ∈ R4 ; x − y − z = t
W2 = (x, y, z, t) ∈ R4 ; 2x + y + t = 0
W3 = (x, y, z, t) ∈ R4 ; z = t
1
, − 53 , 1, 1
Resposta: B = 3
, por exemplo, é uma base para W e dimensão de W é 1.
94 CAPÍTULO 2. O ESPAÇO VETORIAL RN
Dada uma base B = {v1 , ..., vn } de Rn , cada vetor v ∈ Rn pode ser escrito de uma única
forma como combinação linear dos vetores da base. De fato, suponhamos que v possa ser
escrito de duas formas em função dessa base:
v = a1 v1 + ... + an vn v = b1 v1 + ... + bn vn
b1 − a1 = 0, ..., bn − an = 0 =⇒ b1 = a1 , ..., bn = an .
a1
[v]B = . . .
an
Exemplo 74. Consideremos a base canônica de R3 : CAN = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. O
vetor v = (3, 0, −1) pode ser escrito da seguinte forma com relação à base canônica:
Assim, a matriz das coordenadas de v em relação à base CAN fica da seguinte forma:
2.5. COORDENADAS DE UM VETOR COM RELAÇÃO A UMA BASE 95
3
[v]CAN = 0
−1
Consideremos a base B = {(1, 1, 1), (1, 2, 3), (1, 4, 9)} de R3 . O vetor u = (3, 10, 23) pode
ser escrito da seguinte forma com relação à base B:
2
[u]B = −2 .
Exemplo 75. Consideremos a base B = {(1, 1), (−1, 2)} de R2 . O vetor w = (2, 11) pode ser
escrito da seguinte forma com relação à base B:
" #
5
[w]B = .
3
v = c1 v1 + c2 v2 + ... + cn vn c1 , ..., cn ∈ R
v = c1 (a11 w1 + ... + an1 wn ) + c2 (a12 w1 + ... + an2 wn ) + ... + cn (a1n w1 + ... + ann wn )
= c1 a11 w1 + ... + c1 an1 wn + c2 a12 w1 + ... + c2 an2 wn + ... + cn a1n w1 + ... + cn ann wn
= (c1 a11 + c2 a12 + ... + cn a1n ) w1 + ... + (c1 an1 + c2 an2 + ... + cn ann ) wn
Assim:
c1
c1 a11 + c2 a12 + ... + cn a1n a11 a12 . . . a1n
c2
.. .. .. ..
[v]B2 = =
. . . . ..
.
c1 an1 + c2 an2 + ... + cn ann an1 an2 . . . ann
cn
c1
c2
Sendo .. = [v]B1 , podemos escrever:
.
cn
[v]B2 = [I]B 1
B2 [v]B1
a11 a12 . . . a1n
. .. ..
onde [I]B
B2
1
= .. . . é a matriz de mudança da base B1 para a base B2 .
an1 an2 . . . ann
Notemos como a matriz [I]B 1
B2 é formada:
Sua primeira coluna é formada pelas coordenadas do primeiro vetor de B1 com relação à
base B2 .
Sua segunda coluna é formada pelas coordenadas do segundo vetor de B1 com relação à
base B2 .
..
.
Sua n-ésima coluna é formada pelas coordenadas do n-ésimo vetor de B1 com relação à
base B2 .
2.5. COORDENADAS DE UM VETOR COM RELAÇÃO A UMA BASE 97
Fazendo as contas:
1 1
Resolvendo os dois sistemas, obtemos: a = b = 0 c = − d = 1.
2 2
Assim:
" #
1
− 21
[I]B
B0 =
2
.
0 1
1 −2 1
Exemplo 77. Consideremos B1 e B2 duas bases de R3 tais que [I]B 1
B2 = 0 2 3 .
−1 1 0
−2
Sabendo que B2 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} e que v é um vetor de R3 tal que [v]B1 = 3 ,
−5
encontre o vetor v.
1 −2 1 −2 −13
[v]B2 = 0 2 3 3 = −9 .
−1 1 0 −5 5
Exercı́cios:
c) v = (2, 3, 4, −7), B = {(1, 1, 1, 1), (0, −1, 1, 0), (1, −1, 0, 0), (1, 0, 0, 0)}.
0
a) B = {(0, 1), (1, 0)}, B 0 = {(−1, 2), (3, 4)} bases de R2 . Encontre: [I]B B
B e [I]B 0 .
b) B1 = {(1, 0, 0), (1, 1, 0), (0, 0, 1)}, B2 = {(3, 0, 0), (2, 1, 0), (−2, 0, 6)} bases de R3 .
Encontre: [I]B 1 B2
B2 e [I]B1 .
c) B1 = {(1, 1, 1, 1), (0, −1, 1, 0), (1, −1, 0, 0), (1, 0, 0, 0)}, B2 : base canônica de R4 .
Encontre: [I]B 1 B2
B2 e [I]B1 .
2.5. COORDENADAS DE UM VETOR COM RELAÇÃO A UMA BASE 99
Respostas:" # " #
3
B0 2 4 − 25
a) [I]B = [I]B
B0 =
10
1 1
−1 3 10 5
1
− 31 19
3
3 1 −2
b) [I]B 1
B2 = 0 1 0 [I]B 2
B1 = 0 1 0
0 0 16 0 0 6
1 0 1 1 0 0 0 1
1 −1 −1 0 0 0 1 −1
c) [I]B 1
B2 = [I]B 2
B1 =
1 1 0 0 0 −1 −1 2
1 0 0 0 1 1 1 −3
2 2
" Seja# B = {(1, 0), (1, −1)} uma base de R e consideremos o vetor v ∈ R tal que [v]B =
3)
−2
. Encontre o vetor v.
1
3 2
4) Seja B = {(1, 0,
1), (1, 2, 0), (0, 3, −1)} uma base de R e consideremos o vetor v ∈ R tal
−3
que [v]B = 2 . Encontre o vetor v.
" #
−1 8
5) Sejam B1 = {(1, 2), (−3, 2)} e B2 bases de R2 tais que [I]B 2
B1 = . Se v é um vetor
3 2
" #
−1
de R2 tal que [v]B2 = , encontre o vetor v.
3
−1 0 1
6) Sejam B1 = {(1, 0, 1), (2, 1, 0), (0, −1, 1)} e B2 bases de R3 tais que [I]B 2
= 3 2 1 .
B1
0 −1 −1
100 CAPÍTULO 2. O ESPAÇO VETORIAL RN
0
Se v é um vetor de R3 tal que [v]B2 = −5 , encontre o vetor v.
Transformações Lineares
Como as duas condições são satisfeitas, temos que T é uma transformação linear.
Exemplo 79. T : R2 −→ R3 , T (x, y) = (3x, 0, y − x) é uma transformação linear. De fato:
(i) Sejam u, v ∈ R2 , u = (x1 , y1 ) e v = (x2 , y2 ). Temos que u + v = (x1 + x2 , y1 + y2 ).
Assim:
101
102 CAPÍTULO 3. TRANSFORMAÇÕES LINEARES
Como as duas condições são satisfeitas, temos que T é uma transformação linear.
A expressão 3x1 + 3x2 − 4 nem sempre é igual a T (x1 ) + T (x2 ) = (3x1 − 4) + (3x2 − 4).
Por exemplo:
T (1 + 2) = T (3) = 3.3 − 4 = 9 − 4 = 5
T (u+v) = T (x1 +x2 , y1 +y2 , z1 +z2 ) = (x1 +x2 )+(y1 +y2 )+(z1 +z2 ) = (x1 +y1 +z1 )+(x2 +y2 +z2 )
T (au) = T (ax1 , ay1 , az1 ) = ax1 + ay1 + az1 = a(x1 + y1 + z1 ) = aT (x1 , y1 , z1 ) = aT (u).
Como as duas condições acima são satisfeitas, temos que T é uma transformação linear.
= (x1 − y1 + x2 − y2 , 3z1 + 3z2 , 2x1 + z1 + 2x2 + z2 ) = (x1 − y1 , 3z1 , 2x1 + z1 )+(x2 − y2 , 3z2 , 2x2 + z2 )
= T (x1 , y1 , z1 ) + T (x2 , y2 , z2 ) = T (u) + T (v).
(ii) Sejam u ∈ R3 e a ∈ R, onde u = (x1 , y1 , z1 ). Temos que au = (ax1 , ay1 , az1 ) e ainda:
T (au) = T (ax1 , ay1 , az1 ) = (ax1 − ay1 , 3az1 , 2ax1 + az1 ) = (a(x1 − y1 ), a(3z1 ), a(2x1 + z1 ))
Como as duas condições acima são satisfeitas, temos que T é uma transformação linear
(operador linear).
T (u+v) = T (x1 +y1 , x2 +y2 , x3 +y3 , x4 +y4 ) = (x4 + y4 − (x2 + y2 ), 4(x1 + y1 ) + x2 + y2 − (x3 + y3 ))
104 CAPÍTULO 3. TRANSFORMAÇÕES LINEARES
T (au) = T (ax1 , ax2 , ax3 , ax4 ) = (ax4 − ax2 , 4ax1 + ax2 − ax3 ) =
Como as condições acima são válidas, temos que T é uma transformação linear.
Vamos agora fazer algumas observações importantes acerca das transformações lineares.
T (3(1, 1)) = T (3, 3) = (9, 0, −6) 6= (3, 0, −6) = 3(1, 0, −2) = 3T (1, 1).
Agora, se T : Rn −→ Rm é uma função tal que T (0) 6= 0, então podemos afirmar que
T não é linear (se fosse, ocorreria T (0) = 0). Por exemplo, S : R3 −→ R2 , S(x, y, z) =
(2x, x − y + 1, −3x). Temos que S(0, 0, 0) = (2.0, 0 − 0 + 1, −3.x) = (0, 1, 0) 6= (0, 0, 0). Logo,
S não é linear.
Suponhamos que T : R3 −→ R2 seja uma transformação linear tal que T (1, 0, 0) = (0, −1),
T (0, 1, 0) = (2, 3) e T (0, 0, 1) = (−1, 1). Usando essas informações e a observação (∗) que
fizemos no parágrafo anterior, vamos encontrar a forma geral para T (x, y, z). Se (x, y, z) ∈ R3 ,
podemos escrever:
105
Agora, sendo T (1, 0, 0) = (0, −1), T (0, 1, 0) = (2, 3) e T (0, 0, 1) = (−1, 1), podemos escr-
ever:
Ou seja:
T (x, y, z) = (2y − z, −x + 3y + z).
Nesse exemplo, vimos que, sabendo o que uma transformação linear faz na base canônica
do domı́nio dessa transformação, é possı́vel encontrar a forma geral da transformação e com
isso, ficamos sabendo o que a transformação faz no domı́nio todo. Em geral, temos o seguinte
resultado:
Teorema 12. Seja B = {v1 , v2 , ..., vn } uma base para Rn e w1 , w2 ..., wn vetores de Rm . Então,
existe e é única a transformação linear T : Rn −→ Rm tal que T (v1 ) = w1 , T (v2 ) = w2 , ...,
T (vn ) = wn .
Exemplo 86. Qual é a transformação linear T : R2 −→ R3 tal que T (1, 0) = (0, 1, −2) e
T (0, 1) = (1, 0, 3)?
Pelo teorema anterior, tal transformação linear existe (e é única). Vale ressaltarmos que
B = {(1, 0), (0, 1)} é uma base para R2 (base canônica) e (0, 1, −2), (1, 0, 3) são vetores quais-
quer de R3 .
Se (x, y) ∈ R2 , podemos escrevê-lo em função da base B:
Assim:
x + 2y y−x
(x, y) = α(1, 1) + β(−2, 1) = (1, 1) + (−2, 1).
3 3
Usando que T é linear:
x + 2y y−x
T (x, y) = T (1, 1) + T (−2, 1).
3 3
Usando o que foi dito no enunciado do exercı́cio:
Exemplo 88. Qual é a transformação linear (operador linear) T : R3 −→ R3 tal que T (1, 1, 1) =
(−1, 0, 1), T (0, 1, 1) = (0, 2, 0) e T (0, 0, 2) = (1, 1, 0)?
Pelo teorema anterior, tal transformação linear existe (e é única). Vale ressaltarmos que
B = {(1, 1, 1), (0, 1, 1), (0, 0, 2)} é uma base para R3 .
Se (x, y, z) ∈ R3 , podemos escrevê-lo em função da base B:
z−y
(x, y, z) = x(1, 1, 1) + (y − x)(0, 1, 1) + (0, 0, 2).
2
z−y
T (x, y, z) = xT (1, 1, 1) + (y − x)T (0, 1, 1) + T (0, 0, 2).
2
Como T (1, 1, 1) = (−1, 0, 1), T (0, 1, 1) = (0, 2, 0) e T (0, 0, 2) = (1, 1, 0), podemos escrever:
z−y
T (x, y, z) = xT (1, 1, 1) + (y − x)T (0, 1, 1) + T (0, 0, 2)
2
z−y
= x(−1, 0, 1) + (y − x)(0, 2, 0) + (1, 1, 0)
2
z − y − 2x z + 3y − 4x
= , ,x .
2 2
3 3 z − y − 2x z + 3y − 4x
Assim: T : R −→ R , T (x, y, z) = , ,x .
2 2
Ker(T ) = u ∈ Rn ; T (u) = 0 .
Im(T ) = {T (u); u ∈ Rn } .
Na definição acima, temos que Ker(T ) ⊂ Rn e Im(T ) ⊂ Rm . Mais ainda, podemos mostrar
o seguinte resultado:
Proposição 2. Seja T : Rn −→ Rm uma transformação linear. Então:
(1) Ker(T ) é um subespaço vetorial de Rn .
(2) Im(T ) é um subespaço vetorial de Rm .
Prova:
(i) O vetor nulo 0 de Rn está em Ker(T ), pois sabemos que T (0) = 0 (já que T é uma
transformação linear).
(ii) Sejam u, v ∈ Ker(T ). Devemos mostrar que u + v pertence a Ker(T ), ou seja, devemos
mostrar que T (u + v) = 0. Temos então:
T (u + v) = T (u) + T (v) = 0 + 0 = 0.
Acima, usamos que T (u) = 0 = T (v), uma vez que u e v são vetores do núcleo de T . Logo,
u + v ∈ Ker(T ).
T (au) = aT (u) = a0 = 0.
Acima, usamos que T (u) = 0, já que u é um vetor do núcleo de T . Logo, au ∈ Ker(T ).
(i) O vetor nulo 0 de Rm está em Im(T ), pois sabemos que T (0) = 0 (já que T é uma
transformação linear).
3.1. NÚCLEO E IMAGEM DE UMA TRANSFORMAÇÃO LINEAR 109
(ii) Sejam u, v ∈ Im(T ). Devemos mostrar que u + v pertence a Im(T ), ou seja, devemos
mostrar que existe w ∈ Rn tal que T (w) = u + v. Sendo u e v vetores da imagem de T , existem
u1 , v1 ∈ Rn tai que T (u1 ) = u e T (v1 ) = v. Temos então:
Tomando w = au1 ∈ Rn , temos que T (w) = au, o que nos diz que au pertence à imagem
de T .
Im(T ) = {(y, x, −2x); x, y ∈ R} = {x(0, 1, −2) + y(1, 0, 0); x, y ∈ R} = [(0, 1, −2), (1, 0, 0)] .
O conjunto B = {(0, 1, −2), (1, 0, 0)} gera o espaço Im(T ) e é LI. Portanto, B é uma base
para Im(T ).
(x, y, z) ∈ R3 ; x + 2y − z = 0, y + z = 0, x = 0 = (x, y, z) ∈ R3 ; x = 0, y = 0, z = 0
= {(0, 0, 0)}
O conjunto B = {(1, −1)} gera o espaço Ker(T ) e é LI. Logo, B é uma base para Ker(T )
e temos que dim Ker(T ) = 1.
Pelo teorema anterior:
3.1. NÚCLEO E IMAGEM DE UMA TRANSFORMAÇÃO LINEAR 111
Como dim Im(T ) = 1 e Im(T ) é um subespaço de R (que tem dimensão 1), segue que
Im(T ) = R.
O conjunto B = {(0, 1, 0), (0, 0, 1)} gera o espaço Ker(T ) e é LI. Assim, B é uma base
para Ker(T ) e temos que dim Ker(T ) = 2.
Pelo teorema anterior:
O conjunto C = {(3, 1, 0)} é LI e gera o espaço Im(T ). Logo, C é uma base para Im(T ).
(x, y, z, w) ∈ R3 ; x − 2y = 0, w = 0, z = 0 = (2y, y, 0, 0) ∈ R3 ; y ∈ R
O conjunto B = {(2, 1, 0, 0)} é um conjunto LI e gera o espaço Ker(T ). Logo, dim Ker(T ) =
1.
Pelo teorema anterior:
u, v ∈ Rn , T (u) = T (v) =⇒ u = v
[T (v)]B 0 = A [v]B
para todo v ∈ Rn .
Vamos denotar: A = [T ]B
B0 .
Vamos escrever cada um dos vetores T (v1 ), T (v2 ), ..., T (vn ) (que estão em Rm ) como
combinação linear dos vetores da base B 0 de Rm :
...................
a11 a12 ... a1n
a21 a22 ... a2n
[T ]B
B0 = .. .. .. ..
. . . .
am1 am2 ... amn
B = {(1, 0), (0, 1)} B 0 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
Assim:
1 1
[T ]B = 0 1
B0
−1 1
(
2a1 + 5b1 = 2
T (1, 1, 1) = (2, 2) = a1 (2, 1)+b1 (5, 3) =⇒ T (1, 1, 1) = (2, 2) = (2a1 +5b1 , a1 +3b1 ) =⇒
a1 + 3b1 = 2
T (0, 1, 1) = (0, −1) = a2 (2, 1) + b2 (5, 3) =⇒ T (0, 1, 1) = (0, −1) = (2a2 + 5b2 , a2 + 3b2 )
(
2a2 + 5b2 = 0
=⇒
a2 + 3b2 = −1
T (0, 0, 1) = (1, −2) = a3 (2, 1) + b3 (5, 3) =⇒ T (0, 0, 1) = (1, −2) = (2a3 + 5b3 , a3 + 3b3 )
(
2a3 + 5b3 = 1
=⇒
a3 + 3b3 = −2
" #
−4 5 13
[T ]B
B0 =
2 −2 −5
3 1
T (2, 1, 0, 0) = − (−1, 0) + (1, 2)
2 2
T (1, 0, −1, 1) = (2, −1) = a2 (−1, 0) + b2 (1, 2) =⇒ T (1, 0, −1, 1) = (2, −1) = (−a2 + b2 , 2b2 )
(
−a2 + b2 = 2
=⇒
2b2 = −1
116 CAPÍTULO 3. TRANSFORMAÇÕES LINEARES
5 1
T (1, 0, −1, 1) = − (−1, 0) − (1, 2)
2 2
" #
− 23 − 25 0 −2
[T ]B
B0 = 1
2
− 21 1 0
y
2 2
Exemplo 97. T : R −→ R , T (x, y) = ,x − y .
2
Encontre a matriz que representa T com relação à base canônica de R2 .
Vamos escrever os vetores T (1, 0), T (0, 1) como combinação linear dos vetores da base
canônica de R2 :
1 1
T (0, 1) = , −1 = (1, 0) − 1(0, 1)
2 2
Assim, a matriz fica da forma:
" #
1
0 2
[T ] = .
1 −1
Exercı́cios
Respostas:
a). Ker(T ) = {(0, 0)} (não tem base).
Im(T ) = R2 .
c). Ker(T ) = {(x, 2x, −x); x ∈ R} Base = {(1, 2, −1)}.
Im(T ) = R2 .
e). Ker(T ) = {(0, 0, z); z ∈ R} Base = {(0, 0, 1)}.
Im(T ) = {(−x, y, x + y); x, y, ∈ R} Base = {(−1, 0, 1), (0, 1, 1)}.
118 CAPÍTULO 3. TRANSFORMAÇÕES LINEARES
3) Encontre a transformação linear T : R3 −→ R2 tal que T (1, 0, 0) = (2, 0), T (0, 1, 0) = (1, 1)
e T (0, 0, 1) = (0, −1).
4) Encontre a transformação linear T : R2 −→ R3 tal que T (1, 1) = (3, 2, 1), T (0, −2) =
(0, 1, 0).
Resposta:
" #
1 1 0
[T ]B
B0 =
−1 0 2
" #
−3 1 −1
[T ]αα0 =
1 2 1
3.2. REPRESENTAÇÃO DE TRANSFORMAÇÕES LINEARES POR MATRIZES 119
0 1 −2
7) Seja S : R3 −→ R3 o operador linear tal que [S] = 1 −1 0 . Encontre S(x, y, z).
0 0 0
9) Sejam α = {(1, −1), (0, 2)} e β = {(1, 0, −1), (0, 1, 2), (1, 2, 0)} bases de R2 e R3 , respecti-
vamente.
a) Se S : R2 −→ R3 é dada por S(x, y) = (2y, x − y, x), obtenha [S]αβ .
1 0
b) Se T : R2 −→ R3 é tal que [T ]αβ = 1 1 , encontre T (x, y).
0 −1
Respostas:
− 11
3
20
3
a) [S]αβ = − 43 10
3
5
3
− 38
x−y x−y
b) T (x, y) = , , 2x + y .
2 2
10) Observe as transformações lineares do exercı́cio (2) e diga quais são bijetoras, injetoras ou
sobrejetoras.
Respostas: (a) é bijetora; (c) é só sobrejetora; (f) é só injetora. As demais não são nem
injetoras nem sobrejetoras.
120 CAPÍTULO 3. TRANSFORMAÇÕES LINEARES
Capı́tulo 4
Autovalores, Autovetores e
Diagonalização de Operadores
1 0 0 0
" # 1 0 2
1 2 −1 3 0 0
A= B = −1 0 1 C=
0 −1 1 1 2 0
1 1 2
0 3 4 −2
Polinômio caracterı́stico de A:
" # " #!
1 0 1 2
p(x) = det (xI2 − A) = det x −
0 1 0 −1
" #
x−1 −2
= det = (x − 1)(x + 1) − 0 = x2 − 1
0 x+1
Polinômio caracterı́stico de B:
121
122CAPÍTULO 4. AUTOVALORES, AUTOVETORES E DIAGONALIZAÇÃO DE OPERADORES
1 0 0 1 0 2
p(x) = det (xI3 − B) = det x 0 1 0 − −1 0 1
0 0 1 1 1 2
x−1 0 −2
= det 1 x −1 = (x − 1)x(x − 2) + 2 − 2x − (x − 1)
−1 −1 x − 2
= x(x − 1)(x − 2) − 2(x − 1) − (x − 1) = x(x − 1)(x − 2) − 3(x − 1)
= (x − 1) [x(x − 2) − 3] = (x − 1)(x2 − 2x − 3) = x3 − 3x2 − x + 3
Polinômio caracterı́stico de C:
1 0 0 0 1 0 0 0
0 1 0 0 −1 3 0 0
p(x) = det (xI4 − C) = det x −
0 0 1 0 1 1 2 0
0 0 0 1 0 3 4 −2
x−1 0 0 0
1 x−3 0 0
= det = (x − 1)(x − 3)(x − 2)(x + 2)
−1 −1 x − 2 0
0 −3 −4 x + 2
1 1
T (0, 1) = , −1 = (1, 0) − 1(0, 1)
2 2
Então:
" #
1
0 2
[T ] =
1 −1
" #
x − 12 1 1
p(x) = det (xI2 − [T ]) = det = x(x + 1) − = x2 + x − .
−1 x + 1 2 2
Então:
1 1 0
[T ] = −1 0 1 .
1 1 −2
x − 1 −1 0
p(x) = det (xI3 − [T ]) = det 1 x −1
−1 −1 x + 2
= (x − 1)x(x + 2) − 1 + (x + 2) − (x − 1) = (x − 1)x(x + 2) + 2 = (x2 − x)(x + 2) + 2
= x3 + 2x2 − x2 − 2x + 2 = x3 + x2 − 2x + 2.
Então:
1 1 0
[T ] = 1 −1 2 .
2 1 −1
x−1 −1 0
p(x) = det (xI3 − [T ]) = det −1 x + 1 −2 .
−2 −1 x + 1
Então:
" #
0 1
[T ] =
−1 0
" #
x −1
p(x) = det (xI2 − [T ]) = det = x2 + 1
1 x
4.2. AUTOVALORES E AUTOVETORES 125
Então:
4 2 0
[T ] = −1 1 0 .
0 1 2
x−4 −2 0
p(x) = det (xI3 − [T ]) = det 1 x−1 0 .
0 −1 x − 2
= (x − 4)(x − 1)(x − 2) + 2(x − 2) = (x − 2) [(x − 4)(x − 1) + 2]
.
126CAPÍTULO 4. AUTOVALORES, AUTOVETORES E DIAGONALIZAÇÃO DE OPERADORES
λ[I][v]can − [T ][v]can = 0.
x1 x1 0 x1 0
x2 x2 0 x2 0
λ .. − A .. = .. =⇒ (λIn − A) .. = ..
. . . . .
xn xn 0 xn 0
Para que o sistema (λIn − A) X = 0 tenha solução não trivial, devemos ter (λIn − A) não
invertı́vel, isto é, det (λIn − A) = 0. As soluções (não nulas) da forma (x1 , x2 , ..., xn ) irão nos
fornecer os autovetores associados ao autovalor λ.
Como encontrar os autovalores? Sendo p(x) = det (xIn − A) o polinômio caracterı́stico de
T , temos que suas raı́zes serão os autovalores do operador T , isto é, vamos obter o(s) valor(es)
de λ ∈ R tal (tais) que p(λ) = det (λIn − A) = 0.
Resumidamente, encontramos o polinômio caracterı́stico de T . Em seguida, as raı́zes desse
polinômio, que serão os autovalores de T . Para encontrarmos os autovetores correspondentes,
4.2. AUTOVALORES E AUTOVETORES 127
x1 0
x2 0
usamos a igualdade (λIn − [T ]) .. = .. para cada autovalor λ encontrado.
. .
xn 0
Vamos aos exemplos.
λ1 = −1, λ2 = 2, λ3 = −2
x 0
(λ1 I3 − [T ]) y = 0
z 0
1 1 0
onde [T ] = 1 −1 2 .
2 1 −1
−1 0 0 1 1 0 x 0
0 −1 0 − 1 −1 2 y = 0
0 0 −1 2 1 −1 z 0
−2 −1 0 x 0
−1 0 −2 y = 0
−2 −1 0 z 0
−2x − y = 0
(
y = −2x
−x − 2z = 0 =⇒
z = − 21 x
−2x − y = 0
1
V−1 = x, −2x, − x ; x ∈ R
2
x 0
(λ2 I3 − [T ]) y = 0
z 0
1 1 0
onde [T ] = 1 −1 2 .
2 1 −1
2 0 0 1 1 0 x 0
0 2 0 − 1 −1 2 y = 0
0 0 2 2 1 −1 z 0
1 −1 0 x 0
−1 3 −2 y = 0
−2 −1 3 z 0
x−y =0
(
x=y
−x + 3y − 2z = 0 =⇒
z=y
−2x − y + 3z = 0
V2 = {(y, y, y) ; y ∈ R}
4.2. AUTOVALORES E AUTOVETORES 129
x 0
(λ3 I3 − [T ]) y = 0
z 0
1 1 0
onde [T ] = 1 −1 2 .
2 1 −1
−2 0 0 1 1 0 x 0
0 −2 0 − 1 −1 2 y = 0
0 0 −2 2 1 −1 z 0
−3 −1 0 x 0
−1 −1 −2 y = 0
−2 −1 −1 z 0
−3x − y = 0
(
y = −3x
−x − y − 2z = 0 =⇒
z=x
−2x − y − z = 0
p(x) = x2 + 1
Notemos que p(x) não tem raı́zes reais. Portanto, T não possui autovalores em R(consequentemente,
não possui autovetores).
130CAPÍTULO 4. AUTOVALORES, AUTOVETORES E DIAGONALIZAÇÃO DE OPERADORES
4 2 0
[T ] = −1 1 0 .
0 1 2
Polinômio caracterı́stico de T :
λ1 = 2, λ2 = 3
x 0
(λ1 I3 − [T ]) y = 0
z 0
4 2 0
onde [T ] = −1 1 0 .
0 1 2
2 0 0 4 2 0 x 0
0 2 0 − −1 1 0 y = 0
0 0 2 0 1 2 z 0
−2 −2 0 x 0
1 1 0 y = 0
0 −1 0 z 0
−2x − 2y = 0
(
x=0
x+y =0 =⇒
y=0
−y = 0
V2 = {(0, 0, z) ; z ∈ R}
x 0
(λ2 I3 − [T ]) y = 0
z 0
4 2 0
onde [T ] = −1 1 0 .
0 1 2
3 0 0 4 2 0 x 0
0 3 0 − −1 1 0 y = 0
0 0 3 0 1 2 z 0
−1 −2 0 x 0
1 2 0 y = 0
0 −1 1 z 0
−x − 2y = 0
(
x = −2y
x + 2y = 0 =⇒
z=y
−y + z = 0
V3 = {(−2y, y, y) ; y ∈ R}
132CAPÍTULO 4. AUTOVALORES, AUTOVETORES E DIAGONALIZAÇÃO DE OPERADORES
Vamos agora ver como obter autovalores e autovetores de uma matriz An×n .
Os autovalores e os autovetores de A são os autovalores e autovetores de um operador
linear T : Rn −→ Rn tal que [T ] = A. Os autovalores serão, então, as raı́zes do polinômio
caracterı́stico de A. Os autovetores associados a um autovalor λ podem ser calculados da
forma:
x1 0
x2 0
(λIn − A) .. = ..
. .
xn 0
Polinômio caracterı́stico de A:
p(x) = x2 − 1
" # " #
x 0
(λ1 I2 − A) =
y 0
(
−2x − 2y = 0
=⇒ y = −x
0=0
" # " #
x 0
(λ2 I2 − A) =
y 0
" # " #! " # " #
1 0 1 2 x 0
− =
0 1 0 −1 y 0
" #" # " #
0 −2 x 0
=
0 −2 y 0
(
−2y = 0
=⇒ y = 0
2y = 0
V1 = {(x, 0) ; x ∈ R}
Exemplo 108.
1 0 2
B = −1 0 1
1 1 2
Polinômio caracterı́stico de B:
x 0
(λ1 I3 − B) y = 0
z 0
1 0 0 1 0 2 x 0
0 1 0 − −1 0 1 y = 0
0 0 1 1 1 2 z 0
0 0 −2 x 0
1 1 −1 y = 0
−1 −1 −1 z 0
−2z = 0
(
z=0
x+y−z =0 =⇒
y = −x
−x − y − z = 0
V1 = {(x, −x, 0) ; x ∈ R}
x 0
(λ2 I3 − B) y = 0
z 0
3 0 0 1 0 2 x 0
0 3 0 − −1 0 1 y = 0
0 0 3 1 1 2 z 0
4.2. AUTOVALORES E AUTOVETORES 135
2 0 −2 x 0
1 3 −1 y = 0
−1 −1 1 z 0
2x − 2z = 0
(
x=z
x + 3y − z = 0 =⇒
y=0
−x − y + z = 0
V3 = {(x, 0, x) ; x ∈ R}
x 0
(λ3 I3 − B) y = 0
z 0
−1 0 0 1 0 2 x 0
0 −1 0 − −1 0 1 y = 0
0 0 −1 1 1 2 z 0
−2 0 −2 x 0
1 −1 −1 y = 0
−1 −1 −3 z 0
−2x − 2z = 0
(
y = 2x
x−y−z =0 =⇒
z = −x
−x − y − 3z = 0
Exercı́cios
Respostas:
√ √
a). Autovalores:
h√ i 2, − 2. h
√ i
√
V 2= 2, 1 √
V− 2 = − 2, 1
√ √
h √ i 1 + 2, 1 h
b). Autovalores: − 2. i
√
V1+√2 = 1, 2 V1−√2 = 1, − 2
c). Autovalores: −1, −2, 2.
V−1 = [(−2, 4, 1)] V−2 = [(1, −3, 1)] V2 = [(1, 1, 1)]
d). Autovalores: −1,0 2
1
V−1 = [(1, 0, 0)] V0 = 1, 1, − V2 = [(0, 0, 1))]
2
e). Autovalor: 0
V0 = [(0, 1, 0)]
f). Autovalores: −2, 5 − 5
V−2 = [(1, 0, 0)] V5 = [(0, 1, 0))] V−5 = [(0, 1, 1))]
g). Autovalores: 3, −4
V3 = [(0, 0, 1), (1, 1, 0)] V−4 = [(0, 1, 0))]
h). Autovalor: −7
V−7 = R3
4.3. DIAGONALIZAÇÃO DE OPERADORES 137
Ilustração
Seja T : R4 −→ R4 um operador linear tal que:
a1 0 0 0
0 a2 0 0
[T ]B =
B
0 0 a3 0
0 0 0 a4
[ [
B = B1 ... Bt
Vamos fazer agora uma observação. Se T : Rn −→ Rn é um operador linear tal que seu
polinômio caracterı́stico é da forma p(x) = (x − λ1 )...(x − λn ), com λi 6= λj , se i 6= j, então T
é diagonalizável. Ou seja, se o polinômio caracterı́stico de T tem n raı́zes distintas, então T é
diagonalizável.
Exemplo 109. (as contas deste exemplo já foram feitas nas seções anteriores).
T : R3 −→ R3 , T (x, y, z) = (x + y, x − y + 2z, 2x + y − z)
Polinômio caracterı́stico de T :
Pela observação que fizemos antes do exemplo, o operador T é diagonalizável (seu polinômio
caracterı́stico possui 3 raı́zes distintas).
Raı́zes de p(x) (autovalores de T ):
λ1 = −1, λ2 = 2, λ3 = −2
1 1
V−1 = x, −2x, − x ; x ∈ R = 1, −2, −
2 2
1
B−1 = 1, −2, −
2
dim V−1 = 1
B2 = {(1, 1, 1)}
dim V2 = 1
4.3. DIAGONALIZAÇÃO DE OPERADORES 139
dim V−2 = 1
Temos que
Pela proposição, temos que T é diagonalizável. Uma base B para R3 fica da forma:
[ [ 1
B = B−1 B2 B−2 = 1, −2, − , (1, 1, 1) , (1, −3, 1)
2
A matriz [T ]B
B que representa T com relação à base B é dada por:
−1 0 0
[T ]B
B = 0 2 0
0 0 −2
Exemplo 110. (as contas deste exemplo já foram feitas nas seções anteriores).
T : R2 −→ R2 , T (x, y) = (y, −x).
Polinômio caracterı́stico de T :
p(x) = x2 + 1
Notemos que p(x) não tem raı́zes reais. Portanto, T não possui autovalores em R e não é
diagonalizável.
Exemplo 111. (as contas deste exemplo já foram feitas nas seções anteriores).
T : R3 −→ R3 , T (x, y, z) = (4x + 2y, −x + y, y + 2z).
Polinômio caracterı́stico de T :
140CAPÍTULO 4. AUTOVALORES, AUTOVETORES E DIAGONALIZAÇÃO DE OPERADORES
λ1 = 2, λ2 = 3
B2 = {(0, 0, 1)}
dim V2 = 1
B3 = {(−2, 1, 1)}
dim V3 = 1
λ1 = 3, λ2 = 5
B3 = {(1, 1, 1)}
dim V3 = 1
Temos que
Pela proposição, temos que T é diagonalizável. Uma base B para R3 fica da forma:
[
B = B3 B5 = {(1, 1, 1), (0, 1, 0) , (0, 0, 1)}
A matriz [T ]B
B que representa T com relação à base B é dada por:
3 0 0
[T ]B
B = 0 5 0
0 0 5
Exercı́cios
1) Nos exercı́cios da seção anterior, verifique quais são os operadores lineares diagonalizáveis.
Respostas:
" √ #
n√ √ o 2 0
a) B = ( 2, 1), (− 2, 1) , [T ]B
B = √ .
0 − 2
n √
" √ #
√ o 1+ 2 0
b) B = (1, 2), (1, − 2) , [T ]B
B = √ .
0 1− 2
−1 0 0
c) B = {(−2, 4, 1), (1, −3, 1), (1, 1, 1)}, [T ]B
B = 0 −2 0 .
0 0 2
−1 0 0
d) B = {(1, 0, 0), (1, 1, −1/2), (0, 0, 1)}, [T ]B
B = 0 0 0 .
0 0 2
−2 0 0
f) B = {(1, 0, 0), (0, 1, 0), (0, 1, 1)}, [T ]B
B = 0 5 0 .
0 0 −5
3 0 0
g) B = {(0, 0, 1), (1, 1, 0), (0, 1, 0)}, [T ]B
B = 0 3 0 .
0 0 −4
4.3. DIAGONALIZAÇÃO DE OPERADORES 143
−7 0 0
h) Qualquer base de R3 , [T ]B
B = 0 −7 0 .
0 0 −7
Respostas:
a) T (1, 1, 0, 0) = (−3, −3, 0, 0), T (0, 0, 2, 0) = (0, 0, −6, 0) e T (1, 1, −5, 0) = (−3, −3, 15, 0).
b) T (x, y, z) = (2x − 6y − 3z, −2y, 14y + 5z).
c) T (x, y, z) = (−3x, −3y, 3x).