Resumo+ +Álgebra+Linear

MARINHA DO BRASIL
RESUMO
Bruno Carlos Ribeiro Monteiro
brunmonteiro@gmail.com
036.677.521-99
ÁLGEBRA LINEAR
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
ÍNDICE
1. Vetores no Plano e no Espaço............................................................................................ 3
1.1 Vetores no Plano.....................................................................................................................3
1.2 Vetores no Espaço.................................................................................................................. 4
2. Operações com Vetores......................................................................................................5

2.1 Soma de Vetores.....................................................................................................................5
2.2 Diferença de Vetores..............................................................................................................5
2.3 Produto de um Escalar por um Vetor.................................................................................. 5
2.4 Módulo de um Vetor.............................................................................................................. 6
2.5 Vetor Unitário..........................................................................................................................6
3. Produto Escalar................................................................................................................... 7
3.1 Propriedades do Produto Escalar........................................................................................ 7
4. Produto Vetorial..................................................................................................................
036.677.521-99 8
4.1 Propriedades do Produto Vetorial....................................................................................... 9
5. Produto Misto.................................................................................................................... 10
6. Matrizes..............................................................................................................................11
6.1 Matriz Quadrada...................................................................................................................11
6.2 Matriz Linha...........................................................................................................................11
6.3 Matriz Coluna........................................................................................................................ 11
6.4 Matriz Nula............................................................................................................................ 11
6.5 Matriz Simétrica.................................................................................................................... 11
6.6 Matriz Identidade................................................................................................................. 12
7. Operação com Matrizes....................................................................................................13

7.1 Soma e Subtração de Matrizes........................................................................................... 13
7.2 Multiplicação de Matrizes....................................................................................................13
7.3 Propriedades da Adição de Matrizes.................................................................................14
7.4 Propriedades da Multiplicação de Matrizes..................................................................... 14
1
8. Determinantes: Regra de Sarrus..................................................................................... 15

8.1 Determinante de Matriz de Ordem 1................................................................................ 15
8.4 Propriedade das Determinantes........................................................................................17
8.5 Cofatores............................................................................................................................... 17
8.6 Teorema de Laplace.............................................................................................................18
9. Escalonamento.................................................................................................................. 20
10. Matriz Inversa..................................................................................................................21

10.1 Propriedades da Matriz Inversa....................................................................................... 22
11. Bases Ortonormais e Canônica..................................................................................... 23

11.1 Base Canônica.....................................................................................................................23
11.2 Base Ortonormal................................................................................................................ 23
12. Dependência Linear........................................................................................................
brunmonteiro@gmail.com 25
036.677.521-99
13. Transformações Lineares...............................................................................................27
14. Núcleo e Imagem de uma Transformação................................................................... 30

14.1 Núcleo.................................................................................................................................. 30
14.2 Imagem................................................................................................................................ 31
14.3 Teorema Núcleo Imagem..................................................................................................33
15. Autovalores e Autovetores de uma Matriz.................................................................. 34
2
1. Vetores no Plano e no Espaço
Muitas grandezas físicas, como velocidade, força, deslocamento e impulso, para serem
completamente identificadas, precisam, além da magnitude, da direção e do sentido. Estas
grandezas são chamadas grandezas vetoriais ou simplesmente vetores. Geometricamente,
vetores são representados por segmentos (de retas) orientados (segmentos de retas com
um sentido de percurso) no plano ou no espaço. A ponta da seta do segmento orientado é
chamada ponto final ou extremidade e o outro ponto extremo é chamado de ponto inicial
ou origem do segmento orientado.
1.1 Vetores no Plano

2
Um vetor (geométrico) no plano 𝑅 é uma classe de objetos matemáticos (segmentos) com
a mesma direção, mesmo sentido e mesmo módulo (intensidade).
1. A direção é a da reta que contém o segmento.

2. O sentido é dado pelo sentido do movimento.
3. O módulo é o comprimentoBruno
do segmento.
Carlos Ribeiro Monteiro
Uma quarta característica de um vetor036.677.521-99
é formada por dois pares ordenados: o ponto onde
ele começa (origem do vetor) e um outro ponto onde ele termina (extremidade do vetor) e
as coordenadas do vetor são obtidas pela diferença entre as coordenadas da extremidade
e as coordenadas da origem.
Nota: Existe uma definição, não necessariamente geométrica, muito mais ampla do
conceito de vetor envolvendo muitos objetos matemáticos como: matrizes, conjuntos,
funções, soluções de equações diferenciais, etc.
Exemplo:
→
Se um vetor 𝑣 tem origem no ponto (1, 2) e extremidade no ponto (7, 12) ele é dado por
𝑣 = (6, 10) pois:
→
𝑣 = (7, 12) − (1, 2) = (7 − 1, 12 − 2) = (6, 10)
Esta classe de objetos é representada por um segmento de reta (representante) desta

família que tem as mesmas características.
3
O representante escolhido, quase sempre é o vetor que tem origem em (0, 0) e a

extremidade em um par ordenado (𝑎, 𝑏) no plano cartesiano e que será denotado por
→
𝑣 = (𝑎, 𝑏)
1.2 Vetores no Espaço

2 3
Existe uma estreita relação entre vetores no espaço 𝑅 e no espaço 𝑅 . Na verdade, o
conceito de vetor geométrico nos espaços euclidianos é sempre realizado da mesma
3
forma, o que difere são as aplicações mais ricas que existem em 𝑅 .
3
Definição: Um vetor (geométrico) no espaço 𝑅 é uma classe de objetos matemáticos
(segmentos de reta) que tem a mesma direção, mesmo sentido e mesma intensidade. Esta
classe de equivalência de objetos com as mesmas características é representada por um
segmento de reta desta família (representante).
→
O representante escolhido, quase sempre é o vetor 𝑣 cuja origem é (0,0,0) e extremidade é
3
o terno ordenado (𝑎, 𝑏, 𝑐) doBruno
espaço 𝑅 , razão
Carlos pela
Ribeiro qual denotamos este vetor por:
Monteiro
𝑣 = (𝑎, 𝑏, 𝑐) brunmonteiro@gmail.com
036.677.521-99
3
Se a origem do vetor não é a origem (0, 0, 0)∈𝑅 , realizamos a diferença entre a
→
extremidade e a origem do vetor. Por exemplo, se um vetor 𝑣 tem origem no ponto (1, 2, 3)
e extremidade no ponto (7, 12, 15), o vetor 𝑣 = (6, 10, 12), pois:
→
𝑣 = (7, 12, 15) − (1, 2, 3) = (7 − 1, 12 − 2, 15 − 3) = (6, 10, 12)
4
2. Operações com Vetores
2.1 Soma de Vetores

→ → → → → →
Se 𝑣 = (𝑎, 𝑏), 𝑤 = (𝑐, 𝑑) e 𝑢 = (𝑒, 𝑓), definimos a soma de 𝑣, 𝑤 𝑒 𝑢 por:
→ → →
𝑣 + 𝑤 + 𝑢 = (𝑎 + 𝑐 + 𝑒, 𝑏 + 𝑑 + 𝑓)
Propriedades da soma de vetores
3
I) Comutativa: Para todos os vetores 𝑣 𝑒 𝑤 de 𝑅 :
→ → → →
𝑣 + 𝑤 = 𝑤 + 𝑣

3
II) Associativa: Para todos os vetores 𝑢, 𝑣 𝑒 𝑤 de 𝑅 :
→ → → → → →
𝑢 + (𝑣 + 𝑤) = (𝑢 + 𝑣) + 𝑤

3 3
III) Elemento neutro: Existe um vetorCarlos
Bruno 𝑂 = (0, 0) emMonteiro
Ribeiro 𝑅 tal que para todo vetor 𝑢 de 𝑅 , se
tem: brunmonteiro@gmail.com
036.677.521-99
→ → →
𝑂 + 𝑢 = 𝑢

3 3
IV) Elemento oposto: Para cada vetor 𝑣 de 𝑅 , existe um vetor − 𝑣 em 𝑅 tal que:
→ → →
𝑣 + (− 𝑣) = 𝑂
2.2 Diferença de Vetores

→ → 3
Se 𝑣 = (𝑎, 𝑏, 𝑐) 𝑒 𝑤 = (𝑑, 𝑒, 𝑓), são vetores em 𝑅 definimos a diferença entre 𝑣 𝑒 𝑤 por:
→ →
𝑣 − 𝑤 = (𝑎 − 𝑑, 𝑏 − 𝑒, 𝑐 − 𝑓)
2.3 Produto de um Escalar por um Vetor

→ →
Se 𝑣 = (𝑎, 𝑏, 𝑐) é um vetor e 𝑘 é um número real, definimos a multiplicação de 𝑘 por 𝑣,
como:
→
𝑘𝑣 = (𝑘𝑎, 𝑘𝑏, 𝑘𝑐)
5
Propriedades do produto de escalar por vetor
→ →
Quaisquer que sejam 𝑘 𝑒 𝑐 escalares, 𝑣 e 𝑤 vetores:
→ →
➢1𝑣 = 𝑣
→ → →
➢ (𝑘 𝑐) 𝑣 = 𝑘 (𝑐 𝑣) = 𝑐 (𝑘 𝑣)
→ → →
➢ 𝑘 𝑣 = 𝑐 𝑣 implica 𝑘 = 𝑐, se 𝑣 for não nulo
→ → → →
➢ 𝑘 (𝑣 + 𝑤) = 𝑘 𝑣 + 𝑘 𝑤
→ → →
➢ (𝑘 + 𝑐)𝑣 = 𝑘 𝑣 + 𝑐 𝑣
2.4 Módulo de um Vetor

→ →
O módulo ou comprimento do vetor 𝑣 = (𝑎, 𝑏) ou 𝑤 = (𝑐, 𝑑, 𝑒) é um número real não
negativo, definido por:
→ 2 → 2 2
|𝑣| = 𝑣 = 𝑎 + 𝑏²; 𝑤 = 𝑤 = | | 𝑐 + 𝑑 + 𝑒²
2.5 Vetor Unitário brunmonteiro@gmail.com
036.677.521-99
Vetor unitário é o que tem o módulo igual a 1.
2
Existem dois vetores unitários que formam a base canônica para o espaço 𝑅 , que são
dados por:
^ ^
𝑖 = (1, 0) 𝑗 = (0, 1)
^
Para construir um vetor unitário 𝑢 que tenha a mesma direção e sentido que um outro
→
vetor 𝑣, basta dividir o vetor 𝑢 pelo seu módulo, isto é:
→ →
^ 𝑢 𝑢
𝑢= → = 𝑢
|𝑢|
6
3. Produto Escalar
→ →
( )
Dados os vetores 𝑣 = (𝑣1, 𝑣2, 𝑣3) e 𝑤 = 𝑤1, 𝑤2, 𝑤3 , definimos o produto escalar (ou interno)
→ →
entre 𝑣 e 𝑤, como o escalar real:
→ →
𝑣 · 𝑤 = 𝑣1𝑤1 + 𝑣2𝑤2 + 𝑣3𝑤3
→ →
Exemplos: O produto escalar entre os vetores 𝑣 = (1, 2, 5) e 𝑤 = (2, − 7, 12) é:
→ →
𝑣 · 𝑤 = 1∙2 + 2∙(− 7) + 5∙12 = 48
→ →
O produto escalar entre os vetores 𝑣 = (2, 5, 8) e 𝑤 = (− 5, 2, 0) é:
→ →
𝑣 · 𝑤 = 2∙(− 5) + 5∙2 + 8∙0 = 0
O produto escalar entre os vetores 𝑣 𝑒 𝑤 pode ser escrito na forma:

→ → → →
| || |
𝑣 · 𝑤 = 𝑣 𝑤 𝑐𝑜𝑠(𝑡) = 𝑣𝑤𝑐𝑜𝑠(𝑡)
036.677.521-99
onde 𝑡 é o ângulo formado pelos vetores 𝑣 𝑒 𝑤. Este ângulo pode ser maior ou igual a zero,
mas deve ser menor do que 180 𝑔𝑟𝑎𝑢𝑠 (π radianos). Com esta última definição, podemos
obter o ângulo 𝑡, através do cosseno deste argumento 𝑡.
→ →
𝑣·𝑤
cos(𝑡) = → →
|𝑣||𝑤|
3.1 Propriedades do Produto Escalar

→ → → →
➢ 𝑃𝐸1: 𝑣 · 𝑤 = 𝑤. 𝑣
→ → → → → →2
➢ 𝑃𝐸2: 𝑣 · 𝑣 = 𝑣² = 𝑣 𝑣 = 𝑣
→ → →
|→ || →| →| | →= 𝑣²
➢ 𝑃𝐸3: 𝑢⋅(𝑣 + 𝑤) = 𝑢 · 𝑣 + 𝑢 · 𝑤
→ → → → → →
➢ 𝑃𝐸4: (𝑘𝑣)⋅𝑤 = 𝑣⋅(𝑘𝑤) = 𝑘(𝑣 · 𝑤)
→ →
➢ 𝑃𝐸5: |𝑘𝑣| = |𝑘||𝑣|
→ → → →
➢ 𝑃𝐸6: |𝑢 · 𝑣|≤|𝑢||𝑣| (desigualdade de Cauchy-Schwarz)
→ → → →
||
➢ 𝑃𝐸7: |𝑢 + 𝑣|≤|𝑢| + 𝑣 (desigualdade triangular)
7
4. Produto Vetorial
→ →
Dados os vetores 𝑣 = (𝑣1, 𝑣2, 𝑣3) e 𝑤 = (𝑤1, 𝑤2, 𝑤3)𝑤 = (𝑤1, 𝑤2, 𝑤3), definimos o produto
vetorial (ou exterior) entre 𝑣 𝑒 𝑤, denotado por 𝑣×𝑤, como o vetor obtido pelo objeto
matemático que não é um determinante, mas que pode ser calculado como se fosse um
determinante:
→ → ^^ ^
𝑣 × 𝑤 = |||𝑖 𝑗 𝑘 𝑣1 𝑣2 𝑣3 𝑤1 𝑤2 𝑤3 |||
^ ^ ^ 3
onde 𝑖, 𝑗, 𝑘 são os vetores unitários da base canônica de 𝑅 .
Exemplo:
→ → → →
Dados os vetores 𝑣 = (1, 2, 3) e 𝑤 = (4, 5, 6), o produto vetorial entre 𝑣 e 𝑤 é dado por
→ → ^ ^ ^
𝑣 × 𝑤 =− 3𝑖 + 6𝑗 − 3𝑘 = (− 3, 6, − 3), obtido a partir do determinante. Observamos que o
3
produto vetorial é um vetor em 𝑅 .
→ → ^^ ^
|
𝑣 × 𝑤 = 𝑖 𝑗 𝑘 1 2 3 4 5 6 = (− 3, 6, − 3) |
^ ^
Tomando 𝑖 = (1, 0, 0) e 𝑗 = (0, 1, 0) que estão no plano do 𝑧 = 0, o produto vetorial destes
^ ^ 036.677.521-99
dois vetores é 𝑖 × 𝑗 = (0, 0, 1) que é um vetor que está fora deste plano, daí a razão deste
produto ser denominado exterior.
→ → → →
O produto vetorial 𝑣 × 𝑤 é um vetor ortogonal a 𝑣 e a 𝑤, isto é, o produto vetorial é
→ →
ortogonal ao plano que contém os dois vetores 𝑣 e 𝑤.
→ →
O produto vetorial entre os vetores 𝑣 𝑒 𝑤 pode ser escrito na forma:
→ → → → ^
𝑣 × 𝑤 = |𝑣||𝑤|𝑠𝑒𝑛(𝑡) 𝑢
→ → ^
onde 𝑡 é o ângulo formado pelos vetores 𝑣 𝑒 𝑤, e 𝑢 é um vetor unitário que é paralelo ao
→ → ^ → →
produto vetorial 𝑣 × 𝑤, logo 𝑢 é perpendicular a 𝑣 e a 𝑤.
8
Tomando o módulo em ambos os lados da igualdade acima, obtemos:
→ → → →
|𝑣 × 𝑤| = |𝑣||𝑤|𝑠𝑒𝑛(𝑡)
Junto com esta última definição de produto vetorial, podemos obter o ângulo 𝑡∈[0, π], entre
dois vetores 𝑣 𝑒 𝑤, através de:
→ →
𝑠𝑒𝑛(𝑡) = | → →|
𝑣×𝑤
|𝑣||𝑤|
4.1 Propriedades do Produto Vetorial

→ → → →
➢ 𝑃𝑉1: 𝑣 × 𝑤 =− 𝑤 × 𝑣
→ → → → → → →
➢ 𝑃𝑉2: 𝑢×(𝑣 + 𝑤) = 𝑢 × 𝑣 + 𝑢 × 𝑤
→ → → → → →
( ) ( )
➢ 𝑃𝑉3: 𝑘 𝑣 × 𝑤 = 𝑘𝑣 × 𝑤 = 𝑣 × 𝑘𝑤
→
( )
^ ^ ^ ^ ^ ^
➢ 𝑃𝑉4: 𝑖 × 𝑖 = 𝑗 × 𝑗 = 𝑘 × 𝑘 = 0
^ ^ ^ ^ ^ ^ ^ ^ ^
➢ 𝑃𝑉5: 𝑖 × 𝑗 = 𝑘, 𝑗 × 𝑘 = 𝑖, 𝑘 × 𝑖 = 𝑗
→ → → → → → →
➢ 𝑃𝑉6: 𝑆𝑒 𝑣 × 𝑤 = 0 Se 𝑣 e 𝑤 são diferentes de zero, então 𝑣 e 𝑤 são paralelos
036.677.521-99
9
5. Produto Misto
→ → →
( ) ( ) ( )
Dados os vetores 𝑢 = 𝑢1, 𝑢2, 𝑢3 , 𝑣 = 𝑣1, 𝑣2, 𝑣3 𝑒 𝑤 = 𝑤1, 𝑤2, 𝑤3 definimos o produto misto
→ → → → → →
entre 𝑢, 𝑣 e 𝑤, denotado por [𝑢, 𝑣, 𝑤] ou por 𝑢⋅(𝑣 × 𝑤), como o número real obtido a partir
do determinante.
→ → → → → →
[𝑢, 𝑣, 𝑤] = 𝑢∙(𝑣 × 𝑤) = |𝑢1 𝑢2 𝑢3 𝑣1 𝑣2 𝑣3 𝑤1 𝑤2 𝑤3 |

036.677.521-99
10
6. Matrizes
Matriz Retangular do tipo 𝑚 𝑥 𝑛 é uma tabela de valores dispostos em 𝑚 linhas (horizontais)
e 𝑛 colunas (verticais). Denotamos por 𝑎𝑖𝑗 ao elemento da linha 𝑖 e da coluna 𝑗.
Se A é uma matriz do tipo 𝑚×𝑛, escrevemos:
𝐴 = 𝑎𝑖𝑗( )3×2 = [𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 ]
6.1 Matriz Quadrada
Chamamos matriz quadrada de ordem 𝑛 uma matriz em que o número de linhas é igual ao
de colunas.
𝐴 = [2 3 − 1 4 ]
6.2 Matriz Linha
Possui uma única linha, ou seja, é da Carlos

Bruno forma 1Ribeiro
× 𝑛. Monteiro
036.677.521-99
𝐴 = [1 4 − 2 ]
6.3 Matriz Coluna
Possui uma única coluna, ou seja, é da forma 𝑛 × 1.
𝐴 = [2 − 1 7 ]
6.4 Matriz Nula
É uma matriz quadrada onde todos os seus elementos são iguais a zero.
𝐴 = (0 0 0 0 )
6.5 Matriz Simétrica
É a matriz que se iguala a sua transposta, ou seja: 𝑎𝑖𝑗 = 𝑎𝑗𝑖.
𝐴 = [1 2 2 3 ]
11
6.6 Matriz Identidade
É a matriz que possui elementos da diagonal principal iguais a um e o restante dos

elementos é nulo.
𝐼 = [1 0 0 0 1 0 0 0 1 ]

036.677.521-99
12
7. Operação com Matrizes
7.1 Soma e Subtração de Matrizes
Só podemos realizá-las entre matrizes do mesmo tipo, e a soma ou subtração é feita entre
elementos correspondes a mesma linha e coluna. Seja as matrizes 𝐴 𝑒 𝐵:
Sua subtração resulta em:
7.2 Multiplicação de Matrizes
A multiplicação entre matrizes possui a seguinte regra: o número de colunas da 1ª matriz

deverá ser igual ao número de linhas da 2ª matriz, ou seja:
𝐴𝑚×𝑛 • 𝐵𝑛×𝑝 = (𝐴𝐵)𝑚×𝑝
036.677.521-99
Seja as matrizes 𝐴 𝑒 𝐵:
𝐴 = [1 2 3 ] 𝑒 𝐵 = [4 − 2 1 ]
Sua multiplicação resulta em:
𝐴∙𝐵 = [1. 4 + 2. (− 2) + 3. 1] = [3]
Sejam as matrizes 𝐴𝑚×𝑛, 𝐵𝑛×𝑝 e 𝐶𝑚×𝑝, tais que 𝐶 = 𝐴𝐵. O elemento 𝑐𝑖𝑗 é dado pela
multiplicação entre os termos da linha 𝑖 da matriz 𝐴 e os termos da coluna 𝑗 da matriz 𝐵.
Formalmente, tem-se que:
𝑛
𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑡𝑏𝑡𝑗 = 𝑎𝑖1𝑏1𝑗 + 𝑎𝑖2𝑏2𝑗 + … + 𝑎𝑖𝑛𝑏𝑛𝑗
𝑡=1
Exemplo: a multiplicação das matrizes 𝐶 = 𝐴𝐵, dados 𝐴 e 𝐵 a seguir:
𝐴 = [2 − 1 0 2 ], 𝐵 = [1 0 2 − 1 ]
Assim, tem-se:
13
𝐶 = 𝐴𝐵 = [2. 1 + (− 1). 2 2. 0 + (− 1)(− 1) 0. 1 + 2. 2 0. 0 + 2. (− 1) ] = [0 1 4 − 2 ]
7.3 Propriedades da Adição de Matrizes
➢𝐴 + 𝐵 = 𝐵 + 𝐴 (𝑐𝑜𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒)
➢𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶 (𝑎𝑠𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒)
➢𝐴 + 𝑂 = 𝑂 + 𝐴 = 𝐴 (𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑛𝑒𝑢𝑡𝑟𝑜 é 𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑛𝑢𝑙𝑎)
➢𝐴 + (− 𝐴) = 𝑂 (− 𝐴 é 𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑜𝑝𝑜𝑠𝑡𝑎)
7.4 Propriedades da Multiplicação de Matrizes
➢ (𝐴𝐵)𝐶 = 𝐴(𝐵𝐶) = 𝐴𝐵𝐶 (𝑎𝑠𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒)

➢ (𝐴 + 𝐵)𝐶 = 𝐴𝐶 + 𝐵𝐶 (𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎 à 𝑑𝑖𝑟𝑒𝑖𝑡𝑎)
➢ 𝐶(𝐴 + 𝐵) = 𝐶𝐴 + 𝐶𝐵 (𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎 à 𝑒𝑠𝑞𝑢𝑒𝑟𝑑𝑎)
➢ 𝑘(𝐴𝐵) = (𝑘𝐴)𝐵 = 𝐴(𝑘𝐵) (𝑘 é 𝑢𝑚 𝑒𝑠𝑐𝑎𝑙𝑎𝑟)
➢ 𝐴. 𝐼 = 𝐼. 𝐴 = 𝐴 (𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑛𝑒𝑢𝑡𝑟𝑜 é 𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑𝑒)
Exercício:
Considere as matrizes: Bruno Carlos Ribeiro Monteiro
036.677.521-99
( )4𝑥7
I - 𝐴 = 𝑎𝑖𝑗 , definida por 𝑎𝑖𝑗 = 𝑖 − 𝑗
II - 𝐵 = (𝑏𝑖𝑗) , definida por 𝑏𝑖𝑗 = 𝑖

7𝑥9
III - 𝐶 = (𝑐𝑖𝑗) ,𝐶 = 𝐴𝐵
4𝑥7
O elemento 𝐶63 é
a) -112
b) -18
c) -9
d) Não existe
e) NDA
Comentários:
Observe que ao fazermos o produto 𝐶 = 𝐴𝐵 a matriz C é do tipo 4×9 (4 linhas e 9 colunas);
logo o elemento 𝐶63 não existe, pois estaria na 6ª linha e 3ª coluna.
Resposta: Letra D
14
8. Determinantes: Regra de Sarrus

Matrizes e Determinantes são conceitos fundamentais na resolução de problemas
envolvendo equações matriciais.
O determinante de uma matriz quadrada 𝑀 é a associação de um número real único,

chamado de determinante de 𝑀 e podemos abreviar por 𝑑𝑒𝑡 (𝑀) , que pode ser utilizado
na resolução de sistemas lineares.
8.1 Determinante de Matriz de Ordem 1
O determinante de uma matriz de ordem 1×1 é o próprio elemento da matriz.
𝐴 = [1]⇒𝑑𝑒𝑡 𝐴 = |1| = 1
O determinante das matrizes quadradas — aquelas que possuem os mesmo números de

linhas e colunas — de ordem 2×2 é calculado pela multiplicação dos elementos da diagonal
principal e secundária. Assim: 036.677.521-99
𝑑𝑒𝑡 𝐴 = |𝑎 𝑏 𝑐 𝑑 | = 𝑎𝑑 − 𝑏𝑐
Exemplo:
Seja a matriz M:
𝑀 = [1 3 2 5 ]
Então:
𝑑𝑒𝑡 𝑀 = |1 3 2 5 | = 1. 5 − 3. 2 = 5 − 6 =− 1
Para calcularmos o determinante de uma matriz quadrada de ordem 3×3 temos que

utilizar a regra de Sarrus. Veja como:
Seja A uma matriz quadrada de ordem 3×3:
|
𝐴 = 𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33 |
A regra de Sarrus funciona da seguinte maneira:
15
Copiamos a 1ª e 2ª coluna da matriz A para o lado direito da matriz, veja:
Depois fazemos o produto entre os termos da matriz com as colunas que copiamos para o
lado direito, seguindo as setas abaixo: para as setas azuis, multiplicamos os 3 elementos
diagonalmente e associamos os sinais de mais (+); para as setas vermelhas, multiplicamos
os 3 elementos de cada seta e associamos o sinal de menos (-). Veja:

Então: 036.677.521-99
𝑑𝑒𝑡 𝐴 = 𝑎11 . 𝑎22 . 𝑎33 + 𝑎12 . 𝑎23 . 𝑎31 ++ 𝑎13 . 𝑎21 . 𝑎32 – 𝑎13 . 𝑎22 . 𝑎31 – 𝑎11 . 𝑎23 . 𝑎32 – 𝑎12 . 𝑎21. 𝑎33
Exemplo:
Considere a matriz 𝐴 abaixo
𝐴 = |1 3 0 2 5 1 2 1 3 |
Assim, seguindo a regra de Sarrus, copiamos a 1ª e 2ª coluna de A para o lado direito:
Seguindo o sentido das setas e obedecendo os sinais, temos que:
𝑑𝑒𝑡 𝐴 = 1 . 5 . 3 + 3 . 1 . 2 + 0 . 2 . 1 – 0 . 5 . 2 – 1 . 1 . 1 – 3 . 2 . 3 = 15 + 6 + 0 – 0 – 1 – 18 = 21 – 19 = 2
16
Portanto, 𝑑𝑒𝑡 (𝐴) = 2
8.4 Propriedade das Determinantes
➢ O determinante de uma matriz quadrada 𝐴 é igual ao determinante da sua transposta:

𝑇
𝑑𝑒𝑡 (𝐴) = 𝑑𝑒𝑡 (𝐴 );
➢ Caso exista uma linha ou coluna na matriz igual a zero, o determinante é zero;
➢ Caso exista duas filas paralelas, iguais ou proporcional, o determinante é zero;
➢ O determinante do produto de um número real 𝑘 por uma matriz 𝐴 é igual ao produto

de 𝑘 elevado a 𝑛, onde 𝑛 é o número de linhas de 𝐴, pelo determinante de
𝑛
𝐴: 𝑑𝑒𝑡 (𝑘 . 𝐴) = 𝑘 . 𝑑𝑒𝑡 (𝐴);
➢ Caso os elementos abaixo ou acima da diagonal principal forem nulos, o determinante

será o produto dos elementos da diagonal principal;
➢ Teorema de Binet: Seja 𝐴 e 𝐵 matrizes quadradas de ordem 𝑛, o determinante do

produto de 𝐴 por 𝐵 é igual ao produto dos determinantes de 𝐴 e 𝐵.

8.5 Cofatores brunmonteiro@gmail.com
036.677.521-99
Chamamos de cofator ou complemento algébrico de um elemento 𝑎𝑖𝑗, para matrizes de
ordem 𝑛, isto é, matrizes quadradas, um número ∆𝑖𝑗, de forma que:
𝑖+𝑗 ~
∆𝑖𝑗 = (− 1) ∙𝑑𝑒𝑡 𝐴𝑖𝑗
~
Em que 𝐴𝑖𝑗 é a matriz 𝐴, retirando-se a linha 𝑖 e a coluna 𝑗, e é chamada menor de 𝐴.
Exemplo:
Seja a matriz 𝐴, a seguir, e calcule ∆22 𝑒 ∆13
𝐴 = [1 3 0 2 5 1 2 1 3 ]
Cofator ∆13
17
𝑖+𝑗 ~
Vamos aplicar a fórmula: ∆𝑖𝑗 = (− 1) ∙𝑑𝑒𝑡 𝐴𝑖𝑗
1+3 ~ 4
∆13 = (− 1) 𝑑𝑒𝑡 𝐴13 = (− 1) |2 5 2 1 | = 1. (2. 1 − 5. 2) = 1. (2 − 10) = 1. (− 8) =− 8
De maneira análoga, o cofator ∆22 resultará no número 3.
O conhecimento sobre cofatores é fundamental para o entendimento do teorema de

Laplace.
8.6 Teorema de Laplace
Com o teorema de Laplace podemos encontrar o determinante de uma matriz

quadrada A da seguinte forma:
1. Devemos escolher uma linha ou coluna aleatoriamente;

2. Somar os produtos dos elementos da linha ou coluna que escolhemos pelos seus
cofatores;
3. O determinante de A é o resultado encontrado no item 2.
036.677.521-99
Exemplo:
Seja a matriz quadrada 𝐴 a seguir:
𝐴 = [1 0 2 1 2 0 1 1 2 3 − 1 1 0 1 2 2 ]
Pela matriz A, devemos escolher a primeira linha pois contém mais 0 (zeros) e isso nos
ajudará a fazer um número menor de cálculos.
𝐴 = [1 0 2 1 2 0 1 1 2 3 − 1 1 0 1 2 2 ]
Então, devemos multiplicar os elementos da linha escolhida pelos seus cofatores:

Assim:
~ 1 + 2 |~ | ~ | 1 + 4 |~ | ~ ~
. |||𝐴11||| + 0 . (–1) ||𝐴 . ||𝐴14|| = |||𝐴11||| + 2|||𝐴13|||
1+1 1+3
𝑑𝑒𝑡 (𝐴) = 𝑎11 . ∆11 + 𝑎12 . ∆12 + 𝑎13 . ∆13 + 𝑎14 . ∆14 = 1 . (–1) . ||𝐴12|| + 2 . (–1) . | 13|| + 0 . (–1)
Como escolhemos uma linha com maior quantidade de zeros, isso anulou, durante a
multiplicação, alguns cálculos.
~ ~
Após isso, vamos calcular os determinantes |||𝐴13||| e |||𝐴13|||:
18
~
Para 𝐴11, removendo a linha e coluna do elemento 𝑎11:
𝐴 = [1 0 2 1 2 0 1 1 2 3 − 1 1 0 1 2 2 ]
Temos a seguinte matriz

~
𝐴11 = [1 1 1 3 0 1 1 2 2 ]
~
Para 𝐴13, removendo a linha e coluna do elemento 𝑎13:
𝐴 = [1 0 2 1 2 0 1 1 2 3 − 1 1 0 1 2 2 ]
Temos a seguinte matriz

~
𝐴11 = [2 1 1 2 3 1 − 1 1 2 ]
~ ~
O determinante para as matrizes 𝐴11 e 𝐴13 foi calculado utilizando a regra de Sarrus para
matrizes de ordem 3.
036.677.521-99
~
( )
𝑑𝑒𝑡 𝐴11 = (1 . 0 . 2) + (1 . 1 . 1) + (1 . 3 . 2) – (1 . 0 . 1) – (1 . 1 . 2) – (1 . 3 . 2) = 0 + 1 + 6 – 0 – 2 – 6 = 7 – 8 = −1
~
( ) = (2 . 3 . 2) + (1 . 1 . (− 1)) + (1 . 2 . 1) – (1 . 3 . (− 1)) – (2 . 1 . 1) – (1 . 2 . 2) = 12 – 1 + 2 – (− 3) – 2 – 4 = 17 – 7 = 10
𝑑𝑒𝑡 𝐴13
~ ~
Por fim, |||𝐴11||| + 2 . |||𝐴13||| = − 1 + 2 . 10 = − 1 + 20 = 19
Portanto, 𝑑𝑒𝑡 (𝐴) = 19
19
9. Escalonamento
Um sistema linear pode ser resolvido através do método da substituição ou pelo método
de Cramer, com o auxílio da regra de Sarrus. Será demonstrado como funciona o
escalonamento de um sistema na forma de matriz completa dos coeficientes. Observe:
Dado o sistema de equações
{2𝑥 + 𝑦 + 𝑧 = 8 𝑥 + 𝑦 + 4𝑧 = 15 3𝑦 + 2𝑧 = 9
O mesmo pode ser escrito no formato matricial
[2 1 1 1 1 4 0 3 2 8 15 9 ]𝐿1 𝐿2 𝐿3
' 1
Agora, iremos realizar operações entre as linhas da matriz, fazendo 𝐿2 = 𝐿2 − 𝐿1 × 2
[2 1 1 0 1/2 7/2 0 3 2 8 11 9 ] 𝐿1 𝐿2 𝐿3
' Bruno Carlos Ribeiro Monteiro

Agora 𝐿3 = 𝐿 − 6𝐿2
3 brunmonteiro@gmail.com
[2 1 1 0 1/2 7/2036.677.521-99
0 0 − 19 8 11 − 57 ] 𝐿1 𝐿2 𝐿3
Observe que ao realizarmos as operações demonstradas, conseguimos zerar alguns

elementos da matriz e, respectivamente, coeficientes do sistema de equações. Veja o
sistema simplificado que obtemos com o escalonamento da matriz completa dos
coeficientes numéricos:
𝑦 7𝑧
{2𝑥 + 𝑦 + 𝑧 = 8 2
+ 2
= 11 − 19𝑧 =− 57 {
O conjunto solução do sistema proposto é: 𝑥 = 2, 𝑦 = 1 𝑒 𝑧 = 3.
O sistema de escalonamento de matrizes completas dos coeficientes numéricos de um

sistema de equações lineares possui a finalidade de simplificar o sistema através de
operações entre os elementos pertencentes às linhas da matriz.
20
10. Matriz Inversa

O conceito de matriz inversa se aproxima bastante do conceito de inverso de um número.
Vamos lembrar que o inverso de um número n é o número n-1, em que o produto entre os
dois é igual ao elemento neutro da multiplicação, ou seja, o número 1. Já a inversa da
−1
matriz M é a matriz M-1, em que o produto 𝑀 · 𝑀 é igual à matriz identidade 𝐼𝑛, que nada
mais é do que o elemento neutro da multiplicação de matrizes.
Para que a matriz possua inversa, ela precisa ser quadrada e, além disso, o seu
determinante tem que ser diferente de zero, caso contrário não haverá inversa. Para
encontrar a matriz inversa, utilizamos a equação matricial.
Para encontrar a matriz inversa de M, é necessário resolver uma equação matricial:
−1
𝑀∙𝑀 = 𝐼𝑛
Exemplo:
Encontra a matriz inversa de 𝑀
𝑀 = [Ribeiro
Bruno Carlos 3 1 5 2 ]Monteiro
036.677.521-99
Como não conhecemos a matriz inversa, vamos representar essa matriz de forma
algébrica:
−1
𝑀 [
= 𝑎11 𝑎12 𝑎21 𝑎22 ]
Sabemos que o produto entre essas matrizes tem que ser igual a 𝐼2:
[ ]
[3 1 5 2 ] • 𝑎11 𝑎12 𝑎21 𝑎22 = [1 0 0 1 ]
Aplicando a multiplicação das matrizes é possível chegar em um sistema de equações

lineares
[
3𝑎11 + 𝑎21 3𝑎12 + 𝑎22 5𝑎11 + 2𝑎21 5𝑎21 + 2𝑎22 = [1 0 0 1 ]]
Resolvendo o sistema acima tem-se
𝑎11 = 2, 𝑎12 =− 1, 𝑎21 =− 5 𝑒 𝑎22 = 3
Resultando na matriz inversa:

−1
𝑀 = [2 − 1 − 5 3 ]
21
10.1 Propriedades da Matriz Inversa
Existem propriedades que resultam da definição de uma matriz inversa.
−1
➢ 1ª propriedade: a inversa da matriz 𝑀 é igual à matriz 𝑀. A inversa de uma matriz
−1 −1 −1
inversa é sempre a própria matriz, ou seja, 𝑀 ( ) = 𝑀, pois sabemos que 𝑀 ·𝑀 = 𝐼𝑛,
−1 −1
portanto 𝑀 é a inversa de 𝑀 e 𝑀 é a inversa de 𝑀 .
−1
➢ 2ª propriedade: a inversa de uma matriz identidade é ela mesma: 𝐼 = 𝐼, pois o
produto da matriz identidade por ela mesma resulta na matriz identidade, ou seja,
𝐼𝑛 · 𝐼𝑛 = 𝐼𝑛.
➢ 3ª propriedade: a inversa do produto de duas matrizes é igual ao produto das inversas

na ordem inversa:
−1 −1 −1
(𝐴𝐵) =𝐵 𝐴
−1 −1 −1 −1
(𝐴𝐵𝐶) =𝐶 𝐵 𝐴

➢ 4ª propriedade: uma matriz quadrada possui inversa se, e somente se, o
seu determinante é diferente de 0, ou 036.677.521-99
seja, 𝑑𝑒𝑡 (𝑀) ≠ 0.
22
11. Bases Ortonormais e Canônica
11.1 Base Canônica
A base canônica de um espaço vetorial ou de outras estruturas algébricas semelhantes é a

base mais primitiva (base geradora) e intuitiva para a estrutura. Por exemplo:
2
● No 𝑅 , a base canônica é dada pelo conjunto {(1, 0), (0, 1)}
3
● No 𝑅 , a base canônica é dada pelo conjunto {(1, 0, 0), (0, 1, 0), (0, 01)}
𝑛
● No 𝑅 a base canônica é formada pelos 𝑛 vetores que tem 1 em uma coordenada e
0 nas demais
11.2 Base Ortonormal
Uma base γ composta pelos vetores 𝑢1, 𝑢2, 𝑢3, … de um espaço vetorial 𝑉 é ortonormal se,
além de ser um base ortogonal (cujo os vetores são mutuamente ortogonais), seus vetores
forem unitários. Ser ortogonal significa que o produto interno entre pares de vetores
distintos dessa base é igual a zero,
Bruno ouCarlos
seja, Ribeiro Monteiro
036.677.521-99
𝑢𝑖 • 𝑢𝑗 = 0 ∀𝑖≠𝑗 .
Ademais, estar normalizado significa que os vetores da base são todos unitários, ou seja,
|𝑢𝑖| = 1 𝑝𝑎𝑟𝑎 𝑖 = 1, 2, 3, …
Para transformar uma base ortogonal qualquer em ortonormal, basta fazer com que o
conjunto de seus vetores tenham módulo igual a 1. Se a base é composta por 𝑢1, 𝑢2, 𝑢3, …
pode-se realizar isso por meio da divisão de cada vetor pelo seu respectivo módulo
(normalização)
^ 𝑢𝑖
𝑢𝑖 =
|𝑢𝑖|
Em que û𝑖 indica que este é um vetor unitário.
Exemplo:
Dada a base ortogonal α composta pelos vetores ( 7, 0, 0),(0, 1, 0) e (0, 0, − 13) , determine
a base ortonormal que gere o mesmo espaço vetorial.
23
Ao realizar o produto interno entre pares de vetores distintos, verifica-se que a base é de
fato ortogonal. Para torná-la ortonormal, deve-se dividir cada vetor pelo seu módulo:
^ 1
𝑣1 = 2
( 7, 0, 0) = (1, 0, 0)
( 7)
^ 1
𝑣2 = 2
(0, 1, 0) = (0, 1, 0)
1
^ 1
𝑣3 = 2
(0, 0, − 13) = (0, 0, − 1)
(−13)
Os vetores (1, 0, 0), (0, 1, 0) 𝑒 (0, 0, − 1) formam, então, uma base ortonormal.

036.677.521-99
24
12. Dependência Linear

Sejam 𝑉 um espaço vetorial 𝑒 𝑣1, 𝑣2, …, 𝑣𝑛 ϵ 𝑉 considere a equação vetorial
α1𝑣1 + α2𝑣2 + … + α𝑛𝑣𝑛 = 0.
Se a única solução da equação acima for
α1 = α2 = … = α𝑛 = 0
Dizemos que 𝑣1, 𝑣2…, 𝑣𝑛 são linearmente independentes (LI)

Se a equação acima tiver mais que uma solução, dizemos que 𝑣1, 𝑣2, …, 𝑣𝑛 são linearmente
dependentes (LD), ou seja, quando um dos vetores pode ser escrito como combinação
linear dos demais.
Vamos ver na prática.

036.677.521-99
(Questão 06 – 2011) Os vetores 𝑢 = (1, α, 0, 1), 𝑣 = (− 1, 0, 1, − 1), 𝑤 = (1, − 1, 1, 0) e

𝑟 = (2, − 1, 3, 0), α∈𝑅, são linearmente dependentes se, e somente se:
a) α≠ − 1
b) α =− 1
c) α = 1
d) α≠1
e) α≠1 e α≠ − 1
Comentários:
Escrevendo o vetor 𝑢 como combinação linear dos vetores 𝑣, 𝑤 e 𝑟 teremos:
𝑢 = 𝑎∙𝑣 + 𝑏∙𝑤 + 𝑐∙𝑟

(1, α, 0, 1) = 𝑎∙(− 1, 0, 1, − 1) + 𝑏∙(1, − 1, 1, 0) + 𝑐∙(2, − 1, 3, 0)
Dessa forma obtemos o seguinte sistema de equações:
{− 𝑎 + 𝑏 + 2𝑐 = 1 (1) − 𝑏 − 𝑐 = α (2) 𝑎 + 𝑏 + 3𝑐 = 0 (3) − 𝑎 = 1 (4)
25
Da equação (4) temos que:

𝑎 =− 1
Substituindo esse resultado na equação (1) teremos:
− (− 1) + 𝑏 + 2𝑐 = 1
1 + 𝑏 + 2𝑐 = 1
𝑏 = 1 − 1 − 2𝑐
𝑏 =− 2𝑐
Substituindo ambos os resultados na equação (3) obtemos que:
− 1 − 2𝑐 + 3𝑐 = 0
𝑐=1
E, portanto:
𝑏 =− 2(1) =− 2
E então substituindo esses resultados na equação

Bruno Carlos ):
(2Monteiro
Ribeiro
−036.677.521-99
(− 2) − 1 = α
α= 1
Resposta: Letra C
26
13. Transformações Lineares
Uma transformação linear é um tipo especial de função que associa um vetor a outro vetor
𝑇: {𝑣𝑒𝑡𝑜𝑟𝑒𝑠}→{𝑣𝑒𝑡𝑜𝑟𝑒𝑠}
E com a propriedade adicional:
𝑇(𝑎𝑢 + 𝑏𝑣) = 𝑎𝑇(𝑢) + 𝑏𝑇(𝑣), 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜𝑠 𝑎, 𝑏∈𝑅 𝑒 𝑡𝑜𝑑𝑜𝑠 𝑢, 𝑣.
Em geral, é como “transformar um vetor em outro” de forma linear, isto é, satisfazendo a

propriedade acima.
2 2
(Questão 12 – 2014) A transformação
Bruno Carloslinear 𝑅 → 𝑅 tem polinômio característico
Ribeiro𝑇:Monteiro
2 brunmonteiro@gmail.com
𝑝(λ) = λ − 5λ + 6, sendo assim, a imagem do triângulo de vérticies (0, 0), (1, 0) e (0, 1) por
036.677.521-99
𝑇 tem área igual a:
a) 1/6
b) 1/3
c) 1/2
d) 3
e) 6
Comentários:
Sabemos que:
→ →
()
𝑇 𝑣 = 𝐷𝐴 • 𝑣
Sendo:
𝑇→ Transformação Linear;
→
𝑣→ Autovetor;
𝐷𝐴→ matriz diagonal composta pelos Autovalores.
27
Sendo:
[
𝐷𝐴 = λ1 0 0 λ2 ]
Portanto, achando os autovalores do seguinte polinômio característico:
2
𝑝(λ) = λ − 5λ + 6
2
λ − 5λ + 6 = 0
(λ − 2) • (λ − 3) = 0
Portanto:
λ1 = 2 e λ2 = 3
Então:
𝐷𝐴 = [2 0 0 3 ]
Dessa forma nossa transformação linear será dada por:
𝑇(𝑥,Carlos
Bruno 𝑦) = [2Ribeiro
0 0 3 ] •Monteiro
[𝑥 𝑦 ]
𝑇(𝑥, 𝑦) = (2𝑥, 3𝑦)
036.677.521-99
Aplicando então os pontos nessa transformação teremos:
𝑇(0, 0) = (2∙(0), 3∙(0)) = (0, 0)

𝑇(1, 0) = (2∙(1), 3∙(0)) = (2, 0)
𝑇(0, 1) = (2∙(0), 3∙(1)) = (0, 3)
Portanto, obtemos o seguinte triângulo:
28
Sabemos que a área 𝐴 desse triângulo é dado pela seguinte fórmula:
𝑏∙ℎ
𝐴= 2
Como 𝑏 = 2 e ℎ = 3 temos que:

3∙2
𝐴= 2
𝐴=3
Resposta: Letra D

036.677.521-99
29
14. Núcleo e Imagem de uma Transformação
14.1 Núcleo
Seja 𝑇: 𝑉 → 𝑊 uma transformação linear, conceitua-se núcleo dessa transformação o

conjunto de todos os vetores que são transformados no vetor nulo, isto é,
𝑁(𝑇) = {𝑣 ∈ 𝑉 | 𝑇(𝑣) = 0}
É válido notar que 𝑁(𝑇) ⊂ 𝑉, vide figura abaixo.
Vamos ver na prática. Bruno Carlos Ribeiro Monteiro

036.677.521-99
(Questão 01 – 2018) O núcleo da transformação linear:
3
𝑇(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 − 𝑧, 𝑥 − 𝑦 − 𝑧, α𝑥 + 𝑦 + 𝑧), (𝑥, 𝑦, 𝑧) ∈ 𝑅 , tem dimensão 1. Sendo assim,
pode-se afirmar que α é igual a:
a) − 2
b) − 1
c) 0
d) 1
e) 2
Comentários:
Sabemos que o núcleo de uma transformação é dado por:
→
𝑁(𝑇) = {𝑢∈𝑅³ 𝑇[𝑢] = 0}
30
Portanto, vamos pegar as coordenadas do vetor resultante da transformação e igualar a 0.
𝑇(𝑥, 𝑦, 𝑧) = (0, 0, 0)
(𝑥 + 𝑦 − 𝑧, 𝑥 − 𝑦 − 𝑧, α𝑥 + 𝑦 + 𝑧) = (0, 0, 0)
{𝑥 + 𝑦 − 𝑧 = 0 (1) 𝑥 − 𝑦 − 𝑧 = 0 (2) α𝑥 + 𝑦 + 𝑧 = 0 (3)
Somando (1) com (2) teremos:

2𝑥 − 2𝑧 = 0
2𝑥 = 2𝑧
𝑥=𝑧
Substituindo esse resultado em (2) obtemos:

𝑥−𝑦−𝑥=0
−𝑦=0
𝑦=0
Substituindo então ambos resultados na equação (3):
Brunoα𝑥 +0+
Carlos 𝑥 = 0 Monteiro
Ribeiro
𝑥∙(α + 1) = 0
036.677.521-99
α+1=0
α =− 1
Resposta: Letra B
14.2 Imagem
Seja 𝑇: 𝑉 → 𝑊 uma transformação linear, conceitua-se imagem dessa transformação o

conjunto de todos os vetores 𝑤 ∈ 𝑊 que são imagens de pelo menos um vetor 𝑣 ∈ 𝑉, isto é
𝐼𝑚(𝑇) = {𝑤 ∈ 𝑊 | 𝑤 = 𝑇(𝑣) 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑚 𝑣 ∈ 𝑉}
É válido notar que 𝐼𝑚(𝑇) ⊂ 𝑊. Veja a Figura abaixo
31
(Questão 09 - 2017) Denote o produto vetorial dos vetores 𝑣 e 𝑤 do espaço tridimensional

3 3
por 𝑣×𝑤 e considere 𝑇: 𝑅 → 𝑅 , 𝑇(𝑢) = 𝑢×(0, 0, 1). Qual a imagem do quadrado
3
{ }
𝑄 = (𝑥, 𝑦, 0) ∈ 𝑅 : 0≤𝑥≤1, 0≤𝑦≤1 por 𝑇?
3
a) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : − 1≤𝑥≤0, − 1≤𝑦≤0}
3
b) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : − 1≤𝑥≤0, 0≤𝑦≤1}
3
c) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : 0≤𝑥≤1, − 1≤𝑦≤0}
3
d) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : 0≤𝑥≤1, 0≤𝑦≤1}
3
e) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : − 1≤𝑥≤1, − 1≤𝑦≤1}
Comentários:
Desenhando então as coordenadas
Brunotemos:
Carlos Ribeiro Monteiro
036.677.521-99
A imagem desse quadrado será feita pela transformação linear
𝑇(𝑢) = 𝑢×(0, 0, 1)
Aplicando os pontos da imagem na transformação teremos que:
𝑇(1, 0, 0) = (1, 0, 0)×(0, 0, 1)
32
Realizando o produto vetorial então teremos que este será igual a determinante da
seguinte matriz, que será calculada pela regra de Sarrus:
|𝑖 𝑗 𝑘 1 0 0 0 0 1 | = (0𝑖 + 0𝑗 + 0𝑘) − (0𝑘 + 0𝑖 + 1𝑗)

|𝑖 𝑗 𝑘 1 0 0 0 0 1 | =− 𝑗 = (0, − 1, 0)
Fazendo agora a transformação linear de:
𝑇(0, 1, 0) = (1, 0, 0)×(0, 1, 0)

|𝑖 𝑗 𝑘 1 0 0 0 0 1 | = (1𝑖 + 0𝑗 + 0𝑘) − (0𝑘 + 0𝑖 + 0𝑗)
|𝑖 𝑗 𝑘 1 0 0 0 0 1 | = 𝑖 = (1, 0, 0)
Esboçando estão a imagem da transformação linear teremos:

036.677.521-99
Note que a única alternativa que expressa os limites de acordo com as imagens do 𝐷𝑜𝑚í𝑛𝑖𝑜
e da 𝐼𝑚𝑎𝑔𝑒𝑚, é a alternativa C, portanto:
Resposta: Letra C
14.3 Teorema Núcleo Imagem
Sejam 𝑈 e 𝑉 espaços vetoriais de dimensão finita sobre um corpo 𝐾. Considerando a

transformação linear 𝑇: 𝑈→𝑉, então:
𝑑𝑖𝑚 (𝑈) = 𝑑𝑖𝑚 (𝑁(𝑇)) + 𝑑𝑖𝑚(𝐼𝑚(𝑇))
Ou seja, a soma das dimensões do núcleo e da imagem de 𝑇 é igual a dimensão do

domínio 𝑈.
33
15. Autovalores e Autovetores de uma Matriz

Associados com uma transformação linear 𝑇 estão os seus autovetores, que, como
veremos, são direções especiais para esta transformação 𝑇. Por esta razão, são também
conhecidos como vetores próprios ou vetores característicos de 𝑇. Aparecem em muitas
aplicações, pois nos ajudam a entender mais profundamente a transformação linear 𝑇.
Dada uma matriz quadrada 𝐴 de ordem 𝑛×𝑛, com entradas reais, nós dizemos que um
número λ∈𝑅 é um autovalor de 𝐴 quando existe um vetor não nulo 𝑣 tal que
𝐴𝑣 = λ𝑣.
Neste caso, 𝑣 é um autovetor de 𝐴 associado a λ.
Geometricamente, 𝑣 é um vetor que não muda de direção quando aplicamos a matriz 𝐴.

No entanto, quando permitimos que λ seja um número complexo, esta interpretação
geométrica é perdida.
Exemplo: Considere a matriz Bruno Carlos Ribeiro Monteiro

𝐴 = [2 0 0 0 3 4 0 4 9 ]
036.677.521-99
𝑇
Tem-se que λ1 = 2 é um autovalor desta matriz, e 𝑣1 = [1 0 0 ] como autovetor, pois
satisfaz
𝐴𝑣1 = λ1𝑣1
[2 0 0 0 3 4 0 4 9 ][1 0 0 ] = 2[1 0 0 ]
Assim, pode-se dizer que 𝑣 é um autovetor de 𝐴 associado ao autovalor 2. Colocando de

outra maneira, podemos dizer também que
𝐴𝑣2 = λ2𝑣2
[2 0 0 0 3 4 0 4 9 ][0 1 2 ] = 11[0 1 2 ]
Neste caso, conclui-se também que 11 é um autovalor de 𝐴.
Observe que, se 𝑣 for um autovetor de uma matriz 𝐴 associado a um autovalor λ, então

qualquer múltiplo escalar α𝑣 também é um autovetor de 𝐴 associado a λ:
𝐴(α𝑣) = α𝐴𝑣 = αλ𝑣 = λ(α𝑣)
34
Desse modo, é possível ter as seguintes equivalências
λ é um autovalor de 𝐴
⇔ existe 𝑣≠0 tal que 𝐴𝑣 = λ𝑣
⇔ existe 𝑣≠0 tal que (𝐴 − λ𝐼)𝑣 = 0
⇔ o sistema homogêneo(𝐴 − λ𝐼)𝑣 = 0 admite solução não trivial
⇔ 𝐴 − λ𝐼 não é invertível
⇔ 𝑑𝑒𝑡 (𝐴 − λ𝐼) = 0
Esta última equação pode ser utilizada para encontrar os autovalores: são as raízes
do polinômio característico
𝑝(λ) = 𝑑𝑒𝑡 (𝐴 − λ𝐼)
A equação 𝑑𝑒𝑡 (𝐴 − λ𝐼) = 0 é também chamada de equação característica. Observe, pelas

propriedades dos determinantes, que p é de fato um polinômio e tem grau 𝑛, que é igual a
ordem da matriz 𝐴. É assim consequência do Teorema Fundamental da Álgebra que
existem no máximo 𝑛 autovalores reais (já que um polinômio de grau 𝑛≥1 possui
exatamente 𝑛 raízes, sejam elas complexas ou reais).
Vamos ver na prática. brunmonteiro@gmail.com
036.677.521-99
(Questão 03 - 2020) Dada a matriz
𝐴 = [− 1 1 − 1 1 1 1 − 1 1 2 0 0 0 − 2 2 0 − 3 ]
é correto afirmar que a soma dos seus autovalores é igual a:
a) 6
b) − 5
c) − 6, 07
d) 1,07
e) 12
Comentários:
Para determinarmos os autovalores, devemos calcular a seguinte determinante:
𝑑𝑒𝑡 (𝐴 − λ𝐼) = 0
35
Sendo:
𝐼→ Matriz identidade;
λ→ Os autovalores.
𝑑𝑒𝑡 (𝐴 − λ𝐼) = 0
𝑑𝑒𝑡([− 1 1 − 1 1 1 1 − 1 1 2 0 0 0 − 2 2 0 − 3 ] − λ[1 0 0 1 0 0 0 0 0 0 0 0 1 0 0 1 ]) = 0
𝑑𝑒𝑡([− 1 1 − 1 1 1 1 − 1 1 2 0 0 0 − 2 2 0 − 3 ] − [λ 0 0 λ 0 0 0 0 0 0 0 0 λ 0 0 λ ]) = 0
𝑑𝑒𝑡([− 1 − λ 1 − 1 1 − λ 1 1 − 1 1 2 0 0 0 − 2 − λ 2 0 − 3 − λ ]) = 0
Utilizando o teorema de Laplace para calcular a determinante:
Escolhendo a linha 4, pois a mesma possui o maior número de zeros, e o elemento

𝑎44 = − 3 − λ temos que:
𝑑𝑒𝑡([− 1 − λ 1 − 1 1 − λ 1 1 − 1 1 2 0 0 0 − 2 − λ 2 0 − 3 − λ ]) =
4+4
= (− 3 − λ). (− 1) 𝑑𝑒𝑡(− 1 − λ 1 1 − 1 1 − λ − 1 2 0 − 2 − λ )
~
Calculando então |||𝐴44||| pela regra de Sarrus temos:
(− 1 − λ 1 1 − 1 1 − λ −036.677.521-99
120 − 2 − λ)− 1 − λ1 − 11 − λ20
~
𝑑𝑒𝑡(𝐴44) = [[(− 1 − λ) • (1 − λ) • (− 2 − λ)] + [(1) • (− 1) • (2)] + [(− 1) • (0) • (1)]]
− [[(2) • (1 − λ) • (1)] + [0∙(− 1) • (− 1 − λ)] + [(− 1) • (1) • (− 2 − λ)]]
Resolvendo os termos separadamente por questões de melhor organização teremos:
2
(
[(− 1 − λ) • (1 − λ) • (− 2 − λ)] = − 1 + λ − λ + λ ) • (− 2 − λ)
2
(
[(− 1 − λ) • (1 − λ) • (− 2 − λ)] = − 1 + λ ) • (− 2 − λ)
2 3
[(− 1 − λ) • (1 − λ) • (− 2 − λ)] = (2 + λ − 2λ − λ )
3 2
[(− 1 − λ) • (1 − λ) • (− 2 − λ)] =− λ − 2λ + λ + 2
[(1) • (− 1) • (2)] =− 2
[(− 1) • (0) • (1)] = 0
− [(2) • (1 − λ) • (1)] =− 2 + 2λ
− [0∙(− 1) • (− 1 − λ)] = 0
− [(− 1) • (1) • (− 2 − λ)] = − 2 − λ
Portanto:
𝑑𝑒𝑡([− 1 − λ 1 − 1 1 − λ 1 1 − 1 1 2 0 0 0 − 2 − λ 2 0 − 3 − λ ]) =
3 2
(
= (− 3 − λ). − λ − 2λ + 2λ − 4 )
36
3 2 4 3 2
= 3λ + 6λ − 6λ + 12 + λ + 2λ − 2λ + 4λ
4 3 2
= λ + 5λ + 4λ − 2λ + 12
E então, pela Relação de Girard, temos que a soma dos autovalores dessa determinante
será:
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝑎𝑐𝑜𝑚𝑝𝑎𝑛ℎ𝑎 𝑜 2° 𝑡𝑒𝑟𝑚𝑜 𝑑𝑒 λ
λ4 + λ3 + λ2 + λ1 =− 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝑎𝑐𝑜𝑚𝑝𝑎𝑛ℎ𝑎 𝑜 1° 𝑡𝑒𝑟𝑚𝑜 𝑑𝑒 λ
5
λ4 + λ3 + λ2 + λ1 =− 1
λ4 + λ3 + λ2 + λ1 =− 5
Resposta: Letra B

036.677.521-99
37

Resumo+ +Álgebra+Linear

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Resumo+ +Álgebra+Linear

Enviado por

Direitos autorais:

Formatos disponíveis

MARINHA DO BRASIL

2. Operações com Vetores......................................................................................................5

7. Operação com Matrizes....................................................................................................13

8. Determinantes: Regra de Sarrus..................................................................................... 15

10. Matriz Inversa..................................................................................................................21

11. Bases Ortonormais e Canônica..................................................................................... 23

13. Transformações Lineares...............................................................................................27

14. Núcleo e Imagem de uma Transformação................................................................... 30

15. Autovalores e Autovetores de uma Matriz.................................................................. 34

1. Vetores no Plano e no Espaço

1.1 Vetores no Plano

1. A direção é a da reta que contém o segmento.

Esta classe de objetos é representada por um segmento de reta (representante) desta

O representante escolhido, quase sempre é o vetor que tem origem em (0, 0) e a

1.2 Vetores no Espaço

2. Operações com Vetores

2.1 Soma de Vetores

2.2 Diferença de Vetores

2.3 Produto de um Escalar por um Vetor

Propriedades do produto de escalar por vetor

2.4 Módulo de um Vetor

Vetor unitário é o que tem o módulo igual a 1.

O produto escalar entre os vetores 𝑣 𝑒 𝑤 pode ser escrito na forma:

3.1 Propriedades do Produto Escalar

Tomando o módulo em ambos os lados da igualdade acima, obtemos:

4.1 Propriedades do Produto Vetorial

Bruno Carlos Ribeiro Monteiro

Se A é uma matriz do tipo 𝑚×𝑛, escrevemos:

𝐴 = 𝑎𝑖𝑗( )3×2 = [𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 ]

6.1 Matriz Quadrada

6.2 Matriz Linha

Possui uma única linha, ou seja, é da Carlos

6.3 Matriz Coluna

Possui uma única coluna, ou seja, é da forma 𝑛 × 1.

6.4 Matriz Nula

6.5 Matriz Simétrica

É a matriz que se iguala a sua transposta, ou seja: 𝑎𝑖𝑗 = 𝑎𝑗𝑖.

6.6 Matriz Identidade

É a matriz que possui elementos da diagonal principal iguais a um e o restante dos

Bruno Carlos Ribeiro Monteiro

7. Operação com Matrizes

7.1 Soma e Subtração de Matrizes

Sua subtração resulta em:

7.2 Multiplicação de Matrizes

A multiplicação entre matrizes possui a seguinte regra: o número de colunas da 1ª matriz

Sua multiplicação resulta em:

𝐴∙𝐵 = [1. 4 + 2. (− 2) + 3. 1] = [3]

Exemplo: a multiplicação das matrizes 𝐶 = 𝐴𝐵, dados 𝐴 e 𝐵 a seguir:

𝐶 = 𝐴𝐵 = [2. 1 + (− 1). 2 2. 0 + (− 1)(− 1) 0. 1 + 2. 2 0. 0 + 2. (− 1) ] = [0 1 4 − 2 ]

7.3 Propriedades da Adição de Matrizes

7.4 Propriedades da Multiplicação de Matrizes

➢ (𝐴𝐵)𝐶 = 𝐴(𝐵𝐶) = 𝐴𝐵𝐶 (𝑎𝑠𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒)

II - 𝐵 = (𝑏𝑖𝑗) , definida por 𝑏𝑖𝑗 = 𝑖

8. Determinantes: Regra de Sarrus

O determinante de uma matriz quadrada 𝑀 é a associação de um número real único,

8.1 Determinante de Matriz de Ordem 1

O determinante de uma matriz de ordem 1×1 é o próprio elemento da matriz.

8.2 Determinante de Matriz de Ordem 2

O determinante das matrizes quadradas — aquelas que possuem os mesmo números de

8.3 Determinante de Matriz de Ordem 3

Para calcularmos o determinante de uma matriz quadrada de ordem 3×3 temos que

Seja A uma matriz quadrada de ordem 3×3:

Copiamos a 1ª e 2ª coluna da matriz A para o lado direito da matriz, veja: