Apostila

Universidade Federal dos Vales do Jequitinhonha e
Mucuri
Instituto de Ciência e Tecnologia-ICT
Ciência e Tecnologia-BC&T
Orientações de Estudo Para a Disciplina de

Álgebra Linear
por
Mônica Aparecida Cruvinel Valadão
Diamantina-MG
2020/2
Sumário
1 MATRIZES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1 Tipos Especiais de Matrizes 1 . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Resumo sobre Notação de Somatório . . . . . . . . . . . . . . . . . . 9
1.3 Operações com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Tipos Especiais de Matrizes 2 . . . . . . . . . . . . . . . . . . . . . . 13
1.5 Propriedades da Álgebra Matricial . . . . . . . . . . . . . . . . . . . . 14
1.6 Operações Elementares Sobre as Linhas de uma Matriz . . . . . . . 23
1.6.1 Matriz Equivalente Por Linhas . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.2 Matrizes Escalonadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.7 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8 Sugestões de Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2 SISTEMAS DE EQUAÇÕES LINEARES . . . . . . . . . . . . . . . 31

2.1 Solução de Um Sistema de Equações Lineares . . . . . . . . . . . . . 34
2.1.1 Solução de Um Sistema Linear - Método de Gauss-Jordan . . . . . . . . . 34
2.1.2 Solução de Um Sistema Linear - Método de Eliminação Gaussiana . . . . . 35
2.1.3 Interpretação Geométrica . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3 DETERMINANTES . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.1 Propriedades dos Determinantes . . . . . . . . . . . . . . . . . . . . . 55
3.2 Determinante e Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . 57
3.3 Matriz Inversa e Solução de Um Sistema Linear de n Equações e n
Incógnitas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4 VETORES NO PLANO E NO ESPAÇO . . . . . . . . . . . . . . . . 66

4.1 Vetores em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.2 Produto entre Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2.1 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2.2 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5 ESPAÇO VETORIAL . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.1 Espaço Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.2 Subespaço Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3 Combinação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.4 Somas e Somas Diretas . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.5 Dependência e Independência Linear . . . . . . . . . . . . . . . . . . 93
5.6 Base de Um Espaço Vetorial . . . . . . . . . . . . . . . . . . . . . . . 95
5.7 Espaço Linha e Espaço Coluna de Uma Matriz . . . . . . . . . . . . 97
5.8 Dimensão de Um Espaço Vetorial . . . . . . . . . . . . . . . . . . . . 99
5.9 Coordenadas de Um Vetor em Relação a Uma Base . . . . . . . . . 102
5.10 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6 TRANSFORMAÇÃO LINEAR . . . . . . . . . . . . . . . . . . . . . 110

6.1 Função . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.2 Transformação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.3 Operações Com Transformações Lineares . . . . . . . . . . . . . . . . 115
6.4 Núcleo e Imagem de Uma Transformação Linear . . . . . . . . . . . 115
6.5 Transformação Linear e Matriz . . . . . . . . . . . . . . . . . . . . . . 120
6.5.1 Matriz Associada a Uma Transformação Linear . . . . . . . . . . . . . . . 121
6.6 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7 AUTOVALORES E AUTOVETORES . . . . . . . . . . . . . . . . . 127

7.1 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
4
1 Matrizes
Neste capítulo definiremos o conceito de matriz e trataremos das operações algé-

bricas que estão definidas entre matrizes. Usaremos K para representar o conjunto dos
números reais R ou complexos C e os elementos de K serão chamados de escalares. As
principais referências para esse capítulo são (BOLDRINI et al., 1986; LIPSCHUTZ, 1972;
STEINBRUCH; WINTERLE, 1987; KOLMAN; HILL, 2011; SANTOS, 2012; POOLE,
2011; ANTON; RORRES, 2001).
Definição 1. Dados dois números m e n naturais e não nulos, denomina-se matriz de

ordem m × n (lê-se m por n) sobre K a toda tabela A de elementos de K (podem ser reais
ou complexos) dispostos em m linhas e n colunas, como segue:
 
a11 a12 · · · a1n
 

 a21 a22 · · · a2n 

A= 
 .. .. .. .. 


 . . . . 

am1 am2 · · · amn
 
a1j
 
h i 
 a2j 

A i-ésima linha de A é ai1 ai2 · · · ain e a j-ésima coluna é, 
.. , para
.
 
 
 
amj
i = 1, · · · , m e j = 1, · · · , n, respectivamente. O elemento de posição linha i e coluna j
da matriz A é representado por aij e i, j são chamados de índices. Usaremos também
a notação A = Am×n = [aij ]m×n . No decorrer deste capítulo quando mencionarmos uma
matriz A, o leitor deverá lembrar de que se trata de uma matriz sobre K.
Exemplo 1. São exemplos de matrizes:  

h i −2 1 
(a) A = 1 2 3 é matriz 1 × 3; (b) B =  é matriz 2 × 2
0 3
 

5 
(c) C =  1 é matriz 3 × 1; (d) D = [2] é matriz 1 × 1.
 

 
4
Exemplo 2. Construa as seguintes matrizes: 

 1, se i = j
(a) A = A3×3 tal que aij = i − j; (b) B = B3×3 tal que bij =
 0, se i 6= j
 
1, se i + j = 4
  1, se i = j
(c) C = C3×3 tal que cij = ; (d) D = D3×2 tal que dij =
 0, se i + j 6= 4  i2 , se i 6= j
Capítulo 1. Matrizes 5
Solução:    

a11 a12 a13  
0 −1 −2 
(a) A =  a21 a22 a23 = 1 0 −1  .
   

   
a31 a32 a33 2 1 0
   

d11 d12  
1 1 
(d) D =  d21 d22 = 4 1  .
   

   
d31 d32 9 9
1.1 Tipos Especiais de Matrizes 1

Definição 2. Sejam m e n números naturais não nulos. Definimos:
(i) matriz linha é toda matriz do tipo 1 × n;
(ii) matriz coluna é toda matriz do tipo m × 1;
(iii) matriz nula é toda matriz em que todos os elementos são iguais a zero;
(iv) matriz quadrada é toda matriz A de ordem m = n, isto é, o número de linhas é igual
ao número de colunas.
(v) matriz transposta da matriz A de ordem m × n é a matriz denotada por AT , que é
obtida escrevendo as linhas de A, ordenadamente como colunas. A ordem de AT é n × m.
(vi) matriz simétrica é toda matriz quadrada A em que A = AT .
Exemplo 3. (a) Represente genericamente cada matriz definida anteriormente.

(b) Cite exemplos numéricos para cada matriz da definição anterior.
Solução:
(a)
h i
(i) A = a11 a12 · · · a1n .
 
a11
 

 a21 

(ii) A = 
.. .
.
 
 
 
am1
(iii) A = [aij ]m×n tal que aij = 0, ∀i = 1, · · · , m e ∀j = 1, · · · , n.
 
a11 a12 · · · a1n
 

 a21 a22 · · · a2n 

(iv) A = 
.. .. .. .
.. 
. . . . 


 
an1 an2 · · · ann
(v)    
a11 a12 · · · a1n a11 a21 · · · am1
   

a21 a22 · · · a2n  
a12 a22 · · · am2 
AT =
   
A= 
.. .. .. .. , 
.. .. .. .. .
. . . . . . . .
   
   
   
am1 am2 · · · amn a1n a2n · · · amn
(vi) A = [aij ]n×n tal que aij = aji , i = 1, · · · , n e j = 1, · · · , n.
(b)
h √ i
(i) A = 1 −8 5 .
 

9 
−2
 
 
(ii) A =  .
7
 
 
 
3
 

0 0 0 
(iii) A =  0 0 0 .
 
 
0 0 0
 

−3 0 7 
(iv) A = 
 12 1 30 

.
 
−19 0 11
 
−3 0 7   
 −3 12 −19 −1
12 1 30 
   
T

(v) A = , A =  0 1 0 3 .
  
−19 0 11 
   

  7 30 11 17
−1 3 17
   

2 7 9 10  
2 7 9 10 
7 5 15 8   7 5 15 8 
   
, AT = 

(vi) A =  .
9 15 −3 16   9 15 −3 16 
   

   
10 8 16 4 10 8 16 4
Seja a matriz A = [aij ]n×n (A é uma matriz quadrada de ordem n)

 
a11 a12 · · · a1n
 

 a21 a22 · · · a2n 

A= 
.. .. .. .
.. 
. . . . 


 
Chama-se Diagonal Principal de A o conjunto dos elementos de A que tem os dois

índices iguais, isto é: {aij |i = j} = {a11 , a22 , a33 , · · · , ann }. A Diagonal Secundária
de A é o conjunto dos elementos de A que tem soma dos índices igual a n + 1, isto é:
{aij |i + j = n + 1} = {a1n , a2(n−1) , a3(n−2) , · · · , an1 }.
Definição 3. Dizemos que duas matrizes A = [aij ]m×n e B = [bij ]m×n são iguais quando
aij = bij para todo i = 1, 2 · · · , m e todo j = 1, 2, · · · , n.
       
1 −3   1 −3  1 −3   1 7 
Exemplo 4. (a)  = (b)  6=
7 −4 7 −4 7 −4 −3 −4
Exemplo
 5. Determine
 x, y, z e 
t tais que:
   
2
2x 3y =
x + 1 2y x 2x y =
x x 3
(a)   (b)  
3 4 3 y+4 4 5 t2 z 5t t
Solução:
(a)
 Veja que pela Definição 3,





2x = x + 1 
 x = 1

3y = 2y ⇒  y = 0
.

 4 = y+4

 
  0 1 2 3 
8 9 −7 
 4 5 6 7 
   
Exemplo 6. Sejam as matrizes A =  6 4 −5  e B = 
   .
 8 9 −1 −2
  

−1 2 3  
−3 −4 −5 −6
(a) Determine a diagonal principal e a diagonal secundária de cada matriz.
(b) Encontre a matriz transposta de cada matriz.
(c) Verifique se a matriz A é simétrica.
(d) Verifique se a matriz B é simétrica.
Solução:
(a)
Veja que,
diagonal principal de A é {8, 4, 3};
diagonal secundária de A é {−7, 4, −1};
diagonal principal de B é {0, 5, −1, −6};
diagonal secundária de B é {3, 6, 9, −3}.
(c)
Veja
que, 

8 6 −1 
AT =  9 4 2 =6 A. Logo, A não é uma matriz simétrica.
 
 
−7 −5 3
Observação 1. Se A = [aij ]n×n é uma matriz simétrica, os elementos dispostos simetri-

camente em relação à diagonal
 principal são iguais, isto é, aij = aji . Por exemplo, dada a

8 6 0 
matriz A =  6 4 −3  observe que AT = A.
 
 
0 −3 0
Definição 4. Sejam m e n números naturais não nulos e A = [aij ]m×n uma matriz.
Definimos:
(i) matriz diagonal é toda matriz quadrada A em que os elementos aij = 0 quando i 6= j;
(ii) matriz identidade de ordem n × n é toda matriz diagonal de ordem n em que os
elementos da diagonal principal são iguais a 1 (é usual indicar tal matriz por I = In );
(iii) matriz triangular superior é toda matriz quadrada em que os elementos abaixo da
diagonal principal são nulos, isto é, aij = 0 para i > j;
(iv) matriz triangular inferior é toda matriz quadrada em que os elementos acima da
diagonal principal são nulos, isto é, e aij = 0 para i < j;
Exemplo 7. (a) Represente genericamente cada matriz definida anteriormente.

(b) Cite exemplos numéricos para cada matriz da definição anterior.
Solução:
(a)  
a11 0 · · · 0
 

 0 a22 · · · 0 

(i) A = 
.. .. .. .. .
. . . .
 
 
 
0 0 · · · ann
 
1 0 ··· 0
 

 0 1 ··· 0 

(ii) In = 
.... .. .. .
. . . .
 
 
 
0 0 ··· 1
 
a11 a12 · · · a1n
 

 0 a22 · · · a2n 
(iii) A = 
.. .. .. .
.. 
. . . . 


 
0 0 · · · ann
 
a11 0 · · · 0
 

 a21 a22 · · · 0 

(iv) A = 
.. .. .. .. .
. . . .
 
 
 
1.2 Resumo sobre Notação de Somatório

6
X
Para representar a soma a1 + a2 + a3 + a4 + a5 + a6 usamos a notação ai , que
i=1
se lê: somatório de ai , com i variando de 1 a 6. O índice i costuma ser chamado de índice
mudo e pode ser substituído por qualquer outra letra, ou seja, a soma anterior pode ser
representada por uma das notações a seguir:
6
X 6
X 6
X
ai , aj ou ak .
i=1 j=1 k=1
Exemplo 8. Desenvolva os somatórios a seguir.

5 3 5
X
2
X X 1
(a) i (b) (3i + 2) (c)
i=1 i=1 k=3 k
Solução:
5
i2 = 12 + 22 + 32 + 42 + 52 = 55.
X
(a)
i=1
X3
(b) (3i + 2) = (3 · 1 + 2) + (3 · 2 + 2) + (3 · 3 + 2) = 24.
i=1
5
X 1 1 1 1 47
(c) = + + = .
k=3 k 3 4 5 60
Definição 5. Sejam m, n ∈ Z tais que m ≤ n e seja F (i) ∈ R, com i = m, m + 1, m +

n
X n
X
2, · · · , n − 1, n. Definimos F (i) pela igualdade F (i) = F (m) + F (m + 1) + F (m +
i=m i=m
2) + · · · + F (n − 1) + F (n), onde m e n são chamados de limite inferior e limite superior,
respectivamente.
6
X i2 32 42 52 62
Exemplo 9. (a) = + + + .
i=3 i + 2 3+2 4+2 5+2 6+2
7
X
(b) kbk = 4b4 + 5b5 + 6b6 + 7b7 .
k=4
Proposição 1. Sejam m, n ∈ N, F (i), G(i), H(j) ∈ R com i = 1, 2, · · · , n e j =

1, 2, · · · , m e seja c uma constante real. Então:
n
X
(i) c = cn;
i=1
Xn n
X
(ii) cF (i) = c F (i);
i=1 i=1
n
X n
X n
X
(iii) (F (i) + G(i)) = F (i) + G(i);
i=1 i=1 i=1
Xn m
X n X
X m m X
X n
(iv) F (i) H(j) = F (i)H(j) = F (i)H(j).
i=1 j=1 i=1 j=1 j=1 i=1
Exemplo 10. Demonstre a proposição anterior.

5 2n n
1 X
(n2 + n + 1) e
X X
Exemplo 11. (a) Desenvolva os somatórios: , aij bjk .
i=n i n=1 j=1
(b) Escreva na forma de somatório a soma a0 xn + a1 xn−1 + · · · + an−1 x + an ;
2 3 4 5 6
(c) Escreva na forma de somatório a soma 3 + 232 + 332 + 342 + 532 + 362 .
Solução:
(a)
2n
X 1 1 1 1 1
= + + ··· + + .
i=n i n n+1 2n − 1 2n
5
(n2 + n + 1) = (12 + 1 + 1) + (22 + 2 + 1) + (32 + 3 + 1) + (42 + 4 + 1) + (52 + 5 + 1) = 75.
X
n=1
n
X
aij bjk = ai1 b1k + ai2 b2k + · · · + ain bnk .
j=1
n
ai xn−i .
X
(b) a0 xn + a1 xn−1 + · · · + an−1 x + an =
i=0
(c)
6
32 33 34 35 36 31 32 33 34 35 36 X 3i
3+ + + + + = + + + + + = .
22 32 42 52 62 12 22 32 42 52 62 i=1 i2
1.3 Operações com Matrizes

Definição 6. Sejam as matrizes A = [aij ]m×n e B = [bij ]m×n . A soma A + B é a matriz
C = A + B = [cij ]m×n tal que cada elemento cij = aij + bij para i = 1, 2, · · · , m e
j = 1, 2, · · · , n. (A subtração de matrizes é definida de forma análoga).
   
1 2 3  4 −1 1 
Exemplo 12. Sejam as matrizes A =  eB = . Determine
4 5 6 −4 0 6
A + B, A − B e B − A.
Solução:
Veja
 que,   
1 + 4 2 + (−1) 3 + 1 5 1 4
A+B = = ;
4 + (−4) 5+0 6+6 0 5 12
   
1−4 2 − (−1) 3 − 1   −3 3 2 
A−B = = ;
4 − (−4) 5−0 6−6 8 5 0
   
4 − 1 −1 − 2 1 − 3   3 −3 −2 
B−A= = .
−4 − 4 0 − 5 6 − 6 −8 −5 0
Definição 7. Sejam a matriz A = [aij ]m×n e um escalar β. O produto β · A é a matriz B =

β · A = [bij ]m×n tal que cada elemento bij = β · aij , para i = 1, 2, · · · , m e j = 1, 2, · · · , n.
 

−2 1 
Exemplo 13. O produto da matriz A = 
 0 3

 pelo escalar −3 é dado por
 
5 −4
   

(−3)(−2) (−3)1  
6 −3 
−3A = 
 (−3)0 (−3)3

 =
 0 −9 

.
   
(−3)5 (−3)(−4) −15 12
Definição 8. Sejam as matrizes A = [aij ]m×n e B = [bjk ]n×p . O produto AB é a matriz

C = AB = [cik ]m×p tal que cada elemento cik = ai1 b1k + ai2 b2k + ai3 b3k + · · · + ain bnk =
n
X
aij bjk para i = 1, 2, · · · , m e k = 1, 2, · · · , p.
j=1
 
  7
1 2 3   
Exemplo 14. Dadas as matrizes A =  eB= 8 temos que,
 

4 5 6  
9
   
1 · 7 + 2 · 8 + 3 · 9   50 
AB =  = . Observe que o produto BA não está definido
4·7+5·8+6·9 122
uma vez que, o número de colunas de B é diferente do número de linhas de A.
Exemplo 15. Considere as matrizes A = [aij ]4×7 , definida por aij = i − j, B = [bjk ]7×9 ,
definida por bjk = j e C = AB. Determine o elemento c23 da matriz C sem calcular o
produto AB.
Solução:
7
X
c23 = a2j · bj3
j=1
= a21 b13 + a22 b23 + a23 b33 + a24 b43 + a25 b53 + a26 b63 + a27 b73
= (2 − 1)1 + 0(2) + (2 − 3)3 + (2 − 4)4 + (2 − 5)5 + (2 − 6)6 + (2 − 7)7
= −84.
Exemplo  16. Considere

 as matrizes
 a seguir:  
2 0 0 4 −6 9 −7
(a) A =   (b) B =   (c) C =  
6 7 2 −8 7 −3 −2
   

−6 4 0  
6 9 −9 
(d) D =  1 1 4  (e) E =  −1 0 −4  .
   
   
−6 0 6 −6 0 −1
Determine, se possível:
(a) AB − BA (b) 2C − D (c) (2DT − 3E T )T (d) DD − DE
Solução:
(a)
Veja
que,
      
2 0 ·
0 4 2 · 0 + 0 · 2 2 · 4 + 0 · (−8) 0 8
AB =  = = ;
6 7 2 −8 6 · 0 + 7 · 2 6 · 4 + 7 · (−8) 14 −32
     
0 4   2 0  24 28 
BA =  · = [???] =  .
2 −8 6 7 −44 −56
     
0 8   24 28   −24 −20 
Portanto, AB − BA =  − = .
14 −32 −44 −56 58 24
(c)
Veja
 que,   

−6 1 −6  
−12 2 −12 
2DT = 2 
 4 1 0 = 8
 
2 0 ;

   
0 4 6 0 8 12
   

6 −1 −6  
18 −3 −18 
3E T = 3  9 0 0 = 27 0 0 .
   

   
−9 −4 −1 −27 −12 −3
Portanto,
 T  

−30 5 6  
−30 −19 27 
(2DT − 3E T )T = [???]T =  −19 2 0 = 5 2 20  .
   

   
27 20 15 6 0 15
(d)
Veja que,
   

−6 4 0   −6 4 0 
DD =  1 1 4  · 1 1 4
   

   
−6 0 6 −6 0 6
 

(−6) · (−6) + 4 · 1 + 0 · (−6) (−6) · 4 + 4 · 1 + 0 · 0 (−6) · 0 + 4 · 4 + 0 · 6 
=  1 · (−6) + 1 · 1 + 4 · (−6) 1·4+1·1+4·0 1·0+1·4+4·6
 

 
(−6) · (−6) + 0 · 1 + 6 · (−6) (−6) · 4 + 0 · 1 + 6 · 0 (−6) · 0 + 0 · 4 + 6 · 6
 

40 −20 16 
=  −29 5 28  ;
 
 
0 −24 36
     

−6 4 0   6 9 −9  
−40 −54 38 
DE = 
 1 1 4  ·  −1 0 −4  = [???] =  −19 9 −17 
   
;
     
−6 0 6 −6 0 −1 −72 −54 48
 

80 34 −22 
Portanto, DD − DE = [???] = 
 −10 −4 45 .

 
72 30 −12
1.4 Tipos Especiais de Matrizes 2

Definição 9. Definimos:
(i) matriz anti-simétrica é toda matriz quadrada A tal que AT = −A;
(ii) matriz inversa de uma matriz quadrada A (quando existe) é uma matriz quadrada B
(que pode ser denotada também por A−1 ) tal que AB = BA = I, em que I é a matriz
identidade;
(iii) matriz ortogonal é toda matriz quadrada A em que sua matriz inversa (quando existe)
coincide com sua transposta, isto é, AAT = AT A = I;
(iv) potência n, n ∈ N∗ , de uma matriz quadrada A, denotada por An , é a matriz obtida
pelo produto da matriz A por ela mesma n − vezes.
Exemplo 17. Resolva os itens a seguir. 


0 3 4 
(a) Verifique se a matriz A =  −3 0 −6
 
 é anti-simétrica.
 
−4 6 0
   
11 3  2 −3 
(b) Seja a matriz B =  . Verifique se a matriz C =  á a matriz
7 2 −7 11
inversa da matriz B.  √ 
1 3
 2 2 
(c) Verifique se a matriz D = 


 é ortogonal.
 √ 
3 −1
2 2
Solução:
(a)
Veja
que,   

0 −3 −4  
0 3 4 
T
A = 3 0

6

 = (−1) 
 −3 0 −6 

= −A.
   
4 −6 0 −4 6 0
Logo, A é anti-simétrica.
(b) Veja
 que,   
11 · 2 + 3 · (−7) 11 · (−3) + 3 · 11 1 0
BC =  = ;
7 · 2 + 2 · (−7) 7 · (−3) + 2 · 11 0 1
   
2 · 11 + (−3) · 7 2 · 3 + (−3) · 2   1 0 
CB =  = .
(−7) · 11 + 11 · 7 (−7) · 3 + 11 · 2 0 1
Portanto, C é a matriz inversa da matriz B.
(c)
Veja que,
√ 
1 3
 2 2 
DT = 
 ;

 √ 
3 −1
2 2
 
1 0 
DDT = [???] =  ;
0 1
 
1 0 
DT D = [???] =  .
0 1
Logo, D−1 = DT e portanto, D é ortogonal.
Observação 2. A inversa de uma matriz quadrada A, quando existe, é única.
1.5 Propriedades da Álgebra Matricial

Teorema 1. Sejam as matrizes A, B e C sobre K. São válidas as as seguintes propriedades
para as operações matriciais:
(i) associatividade em relação a adição: (A + B) + C = A + (B + C)
quaisquer que sejam as matrizes A, B e C de ordem m × n;
(ii) comutatividade em relação a adição: (A + B) = (B + A)
quaisquer que sejam as matrizes A e B de ordem m × n;
(iii) existência do elemento neutro: A + O = A
quaisquer que seja a matriz A = [aij ]m×n e a martriz nula O = [oij ]m×n ;
(iv) existência do elemento simétrico: para toda matriz A = [aij ]m×n existe uma única
matriz (−A) tal que A + (−A) = O;
(v) associatividade em relação a multiplicação: (AB)C = A(BC)
quaisquer que sejam as matrizes A = [aij ]m×n , B = [bjk ]n×p e C = [ckl ]p×r ;
(vi) distributividade à direita em relação à adição: (A + B)C = AC + BC
quaisquer que sejam as matrizes A = [aij ]m×n , B = [bij ]m×n e C = [cjk ]n×p ;
(vii) distributividade à esquerda em relação à adição: C(A + B) = CA + CB
quaisquer que sejam as matrizes A = [aij ]m×n , B = [bij ]m×n e C = [cki ]p×m ;
(viii) (kA)B = A(kB) = k(AB) quaisquer que sejam as matrizes A = [aij ]m×n e B =
[bjk ]n×p e o escalar k.
(ix) AIn = A e Im A = A
quaisquer que sejam a matriz A = [aij ]m×n e as matrizes In = In×n e Im = Im×m (In e Im
são respectivamente, matriz identidade de ordem n e matriz identidade de ordem m);
(x) (AT )T = A
quaisquer que seja a matriz A = [aij ]m×n ;
(xi) (A + B)T = AT + B T
quaisquer que sejam as matrizes A = [aij ]m×n , B = [bij ]m×n ;
(xiii) (kA)T = kAT
quaisquer que sejam a matriz A = [aij ]m×n e o escalar k;
(xiv) (AB)T = (B)T (A)T
quaisquer que sejam as matrizes A = [aij ]m×n e B = [bjk ]n×p .
Observação 3. A matriz (−A) que aparece em (iv) é chamada de matriz oposta de A.
Exemplo 18. (a) Demonstre o Teorema 1.

(b) Cite exemplos numéricos para cada item do teorema anterior.
Solução:
(b)      

−6 4 0  
6 9 −9  
0 3 4 
Sejam as matrizes A =  1 1 4  , B =  −1 0 −4  , C =  −3 0 −6  ,
     
     
−6 0 6 −6 0 −1 −4 6 0
 
6 9     
 −6 9 −7 4  −5 9 1 
D =  −1 2  , E =  ,eF = .
 
  7 −3 −2 5 7 −2 4
−6 −2
Considere ainda a constante k = 2.
(i) Verificar que (A + B) + C = A + (B + C)
Veja que,     

0 13 −9   0 3 4   0 16 −5 
(A + B) + C =  0 1 0  +  −3 0 −6  =  −3 1 −6  ;
     
     
−12 0 5 −4 6 0 −16 6 5
     

−6 4 0   6 12 −5   0 16 −5 
A + (B + C) =  1 1 4  +  −4 0 −10  =  −3 1 −6  .
     
     
−6 0 6 −10 6 −1 −16 6 5
Portanto, (A + B) + C = A + (B + C).
(ii) Verificar que (A + B) = (B + A)

Veja que, 

0 13 −9 
(A + B) = 
 0 1 0 ;

 
−12 0 5
 

0 13 −9 
(B + A) =  0 1 0  .
 
 
−12 0 5
Portanto, (A + B) = (B + A).
(iii) Verificar que existe o elemento neutro para a matriz A
 

x1 y1 z1 
Seja a matriz O =  x2 y2 z2  e note que,
 
 
x3 y3 z3
A + O = A ⇐⇒
     

−6 4 0   x1 y1 z1   −6 4 0 
1 1 4  +  x y2 z2  =  1 1 4  ⇐⇒
     
  2

   
−6 0 6 x3 y3 z3 −6 0 6
   

−6 + x1 4 + y1 0 + z1  
−6 4 0 
1 + x2 1 + y2 4 + z2 = 1 1 4  ⇐⇒
   
 
   
−6 + x3 0 + y3 6 + z3 −6 0 6
   

x1 y1 z1   0 0 0 

 x2 y2 z2 

=
 0 0 0 .

   
x3 y3 z3 0 0 0
 

0 0 0 
Portanto, O = 
 0 0 0 

é o elemento neutro para a matriz A, ou seja, A+O = A.
 
0 0 0
(iv) Verificar que existe o elemento oposto da matriz A
 

x1 y1 z1 
Seja M =  x2 y2 z2  e observe que,
 
 
x3 y3 z3
A + M = O ⇐⇒
     

−6 4 0   x1 y1 z1   0 0 0 
1 1 4  +  x y2 z2  =  0 0 0  ⇐⇒
    
  2

   
−6 0 6 x3 y3 z3 0 0 0
   

x1 y1 z1   6 −4 0 
x2 y2 z2   −1 −1 −4  .
=
  

   
x3 y3 z3 6 0 −6
Portanto, M = (−A), ou seja, A + (−A) = O.
(v) Verificar que (AD)E = A(DE)
Veja
 que,   
−40 −46   −82 −222 372 −390
  −6 9 −7 4 
   
(AD)E =  −19 3  ·

=  135 −180 127 −61

;

  7 −3 −2 5  
−72 −66 −30 −450 636 −618
     

−6 4 0   27 27 −60 69  
−82 −222 372 −390 
A(DE) =  1 1 4  ·  20 −15 3 6 = 135 −180 127 −61 .
    
 
     
−6 0 6 22 −48 46 −34 −30 −450 636 −618
Portanto, (AD)E = A(DE).
(vi) Verificar que (A + B)D = AD + BD
Veja que,
     

0 13 −9   6 9  
41 44 
(A + B)D =  0 1 0  ·  −1 2 = −1 2 ;
     

     
−12 0 5 −6 −2 −102 −118
     

−40 −46   81 90  
41 44 
AD + BD =  −19 3  +  18 −1 = −1 2 .
     

     
−72 −66 −30 −52 −102 −118
Portanto, (A + B)D = AD + BD.
(vii) Verificar que F (A + B) = F A + F B
Veja que,  
  0 13 −9   
−5 9 1   −12 −56 50
F (A + B) =  · 0 1 0  = ;
 
7 −2 4   −48 89 −43
−12 0 5
     
33 −11 42   −45 −45 8   −12 −56 50 
FA + FB =  + = .
−68 26 16 20 63 −59 −48 89 −43
Portanto, F (A + B) = F A + F B.
(viii) Verificar que (kA)D = k(AD)
Veja
 que,
        
 
−6 4 0  
6 9  
−12 8 0 
6 9  
−80 −92 
(kA)D = 2 ·  1 1 4 · −1 2 = 2 2 8 · −1 2 = −38 6 ;
         
 
         
−6 0 6 −6 −2 −12 0 12 −6 −2 −144 −132
   

−40 −46   −80 −92 
k(AD) = 2 ·  −19 3  =  −38 6 .
   
   
−72 −66 −144 −132
Portanto, (kA)D = k(AD).
(ix) Verificar que I3 D = D e DI2 = D
Veja
 que,     

1 0 0  
6 9  
6 9 
I3 D =  0 1 0 · −1 2 = −1 2 =D
     
 
     
0 0 1 −6 −2 −6 −2
e
   
6 9   6 9
  1 0   
DI2 =  −1 2 · = −1 2 = D.
    

  0 1  
−6 −2 −6 −2
Portanto, I3 D = D e DI2 = D.
(x) Verificar que (AT )T = A
Veja que,
 T  

−6 1 −6  
−6 4 0 
(AT )T =  4 1 0   =  1 1 4 .
   
   
0 4 6 −6 0 6
Portanto, (AT )T = A.
(xi) Verificar que (A + B)T = AT + B T
Veja 
que, 

0 0 −12 
(A + B)T =  13 1 0  ;
 
 
−9 0 5
     

−6 1 −6   6 −1 −6  
0 0 −12 
AT + B T =  4 1 0  + 9 0 0 = 13 1 0  .
     

     
0 4 6 −9 −4 −1 −9 0 5
Portanto, (A + B)T = AT + B T .
(xii) Verificar que (kA)T = k(A)T
Veja que,
  T  
 
−6 4 0  
−12 2 −12 
(kA)T = 2 ·  1 1 4  = 8 2 0  ;
    
    
−6 0 6 0 8 12
   

−6 1 −6   −12 2 −12 
k(A)T = 2 ·  4 1 0  =  8 2 0 .
   
   
0 4 6 0 8 12
Portanto, (kA)T = k(A)T
(xiii) Verificar que (AB)T = B T AT
Veja que,
 T  

−40 −54 38  
−40 −19 −72 
(AB)T =  −19 9 −17   =  −54 9 −54  ;
   
   
−72 −54 48 38 −17 48
     

6 −1 −6  
−6 1 −6   −40 −19 −72 
B T AT =  9 0 0 · 4 1 0  =  −54 9 −54  .
     
     
−9 −4 −1 0 4 6 38 −17 48
Portanto, (AB)T = B T AT .
Exemplo 19. A afirmação a seguir é verdadeira? Justifique.

O produto entre matrizes é comutativo.
Solução:
     
1 2  5 6  7 0 
Sejam as matrizes A =  ,B= eC= . Veja que,
2 1 7 7 0 7
   
19 20   17 16 
AB =  6= = BA;
17 19 21 21
   
7 14   7 14 
AC =  = = CA.
14 7 14 7
Logo, o produto entre matrizes de forma geral não é comutativo.
Exemplo 20. Sejam A e B matrizes quadradas. Verifique se vale a igualdade (A+B)(A−

B) = A2 − B 2 . Caso a igualdade não seja válida, apresente um exemplo numérico para

esta situação.
Solução:
Veja que,
(A + B)(A − B) = (A + B)A + (A + B)(−B) = A2 + BA − AB − B 2 . Mas pelo Exemplo 19,
em geral a igualdade AB = BA não é válida. Logo, em geral, a igualdade (A+B)(A−B) =
A2 − B 2 não é válida.
h i
Exemplo 21. Encontre um valor de x tal que AB T = O, em que A = x 4 −2 e
h i
B= 2 −3 5
Solução:
Veja que, de AB T = O segue que,
 
h i 
2  h i
x 4 −2 · −3 = 0 ⇒
 

 
5
h i h i
2x − 12 − 10 = 0 ⇒
x = 11.
   
1 2  2 −1 
Exemplo 22. Sejam A =  eB= duas matrizes. Se B é a inversa
1 4 x y
de A, calcule o valor de x + y.
Solução:
Se B é a inversa de A, então AB = I2 . Logo,
     
1 2   2 −1   1 0 
 · = ⇒
1 4 x y 0 1
   
2 + 2x −1 + 2y   1 0 
 = ⇒
2 + 4x −1 + 4y 0 1
−1 1
x= ey = .
2 2
Portanto, x + y = 0.
Exemplo
 23. Dadas as matrizes:
5 0 6     
 1 −3 −2 4 2 3 0 
 −8 0 3 
    
A =  , B =  7 8 5 9 e C =  1 1 −8  . Determine
     

 −2 2 7     
  0 6 3 −8 3 5 4
1 −1 −5
(AB)T e 2(AT B T ) + 3C T
Solução:
Veja que,   
5 0 6   5 21 8 −28 
  1 −3 −2 4 
−8 0 3 −8 42 25 −56 
     
   
AB =  · 7 8 5 9

 = [???] =  ;
−2 2 7 12 64 35 −46 
     
  
  0 6 3 −8  
1 −1 −5 −6 −41 −22 35
 

5 −8 12 −6 
21 42 64 −41 
 
(AB)T =

 ;
8 25 35 −22 
 

 
−28 −56 −46 35
 
  1 7 0  
5 −8 −2 1    37 −30 −62 
−3 8 6
   
AT B T = 
  
0 0 2 −1  · = [???] =  −8 1 14 ;
   
  −2 5 3
   
 
6 3 7 −5   −37 56 79
4 9 −8
 

74 −60 −124 
2(AT B T ) = [???] =  −16 2 28  ;
 
 
−74 112 158
   

6 3 9  
80 −57 −115 
3C T =  9 3 15  T T T
; 2(A B ) + 3C =  −7 5 43  .
   
   
0 −24 12 −74 88 170
Definição 10. Seja a matriz quadrada A = [aij ]n×n . Definimos o traço de A, denotado por
n
X
tr(A), como sendo a soma dos elementos da diagonal principal de A, isto é, tr(A) = aii .
i=1
Exemplo 24. Sejam A e B matrizes de ordem n × n e um escalar α. Mostre que:

(i) tr(A + B) = tr(A) + tr(B);
(ii) tr(αA) = αtr(A);
(iii) tr(AT ) = tr(A);
(iv) tr(AB) = tr(BA)
Solução: Sejam as matrizes A = [aij ]n×n e B = [bij ]n×n e um escalar α.

(i) Mostrar que tr(A + B) = tr(A) + tr(B)
Veja que,
A + B = [cij ]n×n , onde cij = aij + bij , para i = 1, 2, · · · , n e j = 1, 2, · · · , n. E ainda,
n
X n
X
tr(A + B) = cii = (aii + bii );
i=1 i=1
n
X n
X
tr(A) + tr(B) = aii + bii = a11 + a22 + · · · + ann + b11 + b22 + · · · + bnn = (a11 + b11 ) +
i=1 i=1
n
X
(a22 + b22 ) + · · · + (ann + bnn ) = (aii + bii ).
i=1
Portanto, tr(A + B) = tr(A) + tr(B).

(ii) Mostrar que tr(αA) = αtr(A)
Veja que,
αA = [αaij ]n×n . Daí,
n
X n
X
tr(αA) = αaii = αa11 +αa22 +· · ·+αann = α(a11 +a12 +· · ·+ann ) = α aii = αtr(A).
i=i i=1
(iii) Mostrar que tr(A) = tr(AT )

Veja que,   
a11 a12 · · · a1n a a21 · · · an1
   11 

a21 a22 · · · a2n 

 a

a22 · · · an2 
 e AT =  12
 
A= 
.. .. .   .. .. . .
. . · · · ..   . . · · · ..
 
 
   
an1 an2 · · · ann a1n a2n · · · ann
Logo, a diagonal principal de A é igual a diagonal principal de AT . Portanto,
tr(A) = tr(AT ).
(iv) Mostrar que tr(AB) = tr(BA)
Veja que,
n
X
AB = [cik ]n×n onde cik = aij bjk ;
j=1
n
X
BA = [dik ]n×n onde dik = bij ajk .
j=1
E ainda,
n
X
cii = aij bji ;
j=1
Xn
dii = bij aji ;
j=1  
n
X n
X n
X
tr(AB) = cii =  aij bji ;
i=1 i=1 j=1
 
n
X n
X n
X
tr(BA) = dii =  bij aji .
i=1 i=1 j=1
 
n
X n
X
Para verificar que tr(AB) = tr(BA) deve-se verificar então que  aij bji  =
i=1 j=1
 
n
X n
X
 bij aji . Note que,
i=1 j=1
 
n
X n
X n
X
tr(AB) = cii =  aij bji 
i=1 i=1 j=1
n
X
= (ai1 b1i + ai2 b2i + · · · + ain bni )
i=1
Xn
= (b1i ai1 + b2i ai2 + · · · + bni ain )
i=1
= b11 a11 + b21 a12 + · · · + bn1 a1n +
b12 a21 + b22 a22 + · · · + bn2 a2n
+···+
b1n an1 + b2n an2 + · · · + bnn ann
= (b11 a11 + b12 a21 + · · · + b1n an1 )+
(b21 a12 + b22 a22 + · · · + b2n an2 )
+···+
bn1 a1n + bn2 a2n + · · · + bnn ann
n
X n
X n
X
= b1j aj1 + b2j aj2 + · · · + bnj ajn
j=1  j=1
 j=1
Xn n
X
 bij aji  .
i=1 j=1
Portanto, tr(AB) = tr(BA).
1.6 Operações Elementares Sobre as Linhas de uma Matriz

Definição 11. Uma operação elementar sobre as linhas de uma matriz A =
[aij ]m×n é uma das operações a seguir.
(i) Trocar a posição das linhas Li e Lj da matriz A entre si.
(ii) Multiplicar uma linha Li da matriz A por um escalar k não-nulo.
(iii) Substituir a linha Li da matriz A pela soma da linha Li com k vezes a linha Lj da
matriz A.
Notação: Cada item anterior será denotado como segue:
(i) Li ←→ Lj ;
(ii) Li −→ k · Li , k 6= 0;
(iii) Li −→ Li + k · Lj .
1.6.1 Matriz Equivalente Por Linhas

Definição 12. Uma matriz A = [aij ]m×n é equivalente por linhas a uma matriz B =
[bij ]m×n se B for obtida de A aplicando-se uma sequência finita de operações elementares
sobre as linhas de A. Nesse caso, usaremos a notação A ∼ B.
   

1 1 1  
0 0 3 −9 
Exemplo 25. Sejam as matrizes A =  2 1 4  , B =  5 15 −10 40  e C =
   
   
2 3 5 1 3 −1 5
 

1 3 13 
0 1 5 . Verifique que as matrizes A, B e C são equivalentes por linhas, respec-
 

 
0 −2 −10
     

1 0 0  
1 3 0 2  
1 0 −2 
tivamente, às matrizes D =  0 1 0  , E =  0 0 1 −3  e F =  0 1 5  .
     
     
0 0 1 0 0 0 0 0 0 0
Solução:
 Veja que,  

1 1 1  
1 1 1 
A= 2 1 4  L → L2 − 2L1 0 −1 2 L2 → (−1)L2
   
 2
 
  
2 3 5 L3 → L3 − 2L1 0 1 3
   

1 1 1  L1 → L1 − L2 
1 0 3 
0 1 −2  0 1 −2 
   
 
    1
0 1 3 L3 → L3 − L2 0 0 5 L3 → L3
5
   

1 0 3  L1 → L1 − 3L3 
1 0 0 
0 1 −2  L2 → L2 + 2L3 0 1 0  .
   
 
   
0 0 1 0 0 1
 Veja que,   

0 0 3 −9  L1 ↔ L3 
1 3 −1 5 
B= 5 15 −10 40  5 15 −10 40
   
 
   
1 3 −1 5 0 0 3 −9
   

1 3 −1 5  
1 3 −1 5 
−1
L2 → L2 − 5L1  0 0 −5 15 L2 → L2 0 0 1 −3 
   
5
 
   
0 0 3 −9 0 0 3 −9
 
L1 → L1 + L2  1 3 0 2 
 0 0 1 −3  .
 
 
L3 → L3 − 3L2 0 0 0 0
Observação 4. A relação “ser equivalente por linhas” satisfaz as seguintes propriedades.

(i) Toda matriz é equivalente por linhas a ela mesma (Reflexiva);
(ii) Se matriz A é equivalente por linhas a matriz B, então B é equivalente por linhas a A
(Simétrica);
(iii) Se a matriz A é equivalente por linhas a matriz B e se B é equivalente por linhas a

matriz C, então A é equivalente por linhas a C (Transitiva).
1.6.2 Matrizes Escalonadas

Definição 13. Uma matriz A = [aij ]m×n está na forma escalonada reduzida por linhas
(ou escalonada reduzida ou escada reduzida) se satizfaz as seguintes condições:
(i) Todas as linhas nulas ocorrem abaixo das linhas não nulas;
(ii) O pivô (1o elemento não nulo de uma linha) de cada linha não nula ocorre a direita
do pivô da linha anterior;
(iii) O pivô de cada linha não nula é igual a 1;
(iv) Se uma coluna contém um pivô, então todos os seus outros elementos são iguais a
zero.
Observação 5. Se uma matriz A = [aij ]m×n satisfaz as condições (i) e (ii), mas não
necessariamente (iii) e (iv) da definição anterior então dizemos que A está na forma
escalonada por linhas (ou escalonada ou escada).
   

1 0 0  
1 3 0 2 
Exemplo 26. (a) As matrizes A = 
 0 1 0 

e B =  0 0 1 −3 

 estão na forma
   
0 0 1 0 0 0 0
escalonada reduzida.    

1 1 1  
1 3 −1 5 
(b) As matrizes C =  0 −1 2  e D =  0 0 −5 15 
  
 estão na forma escalonada
   
0 0 5 0 0 0 0
mas não estão na 
forma escalonada
 reduzida. Justifique.

0 2 1 
(c) A matriz E =  1 0 −3  não está na forma escalonada reduzida e nem na forma
 
 
0 0 0
escalonada. Justifique.
Exemplo 27. Explique o que é uma matriz escalonada reduzida equivalente a uma matriz
A.
Definição 14. Seja a matriz A = [aij ]m×n e B = [bij ]m×n a matriz escalonada reduzida
equivalente a A. Definimos:
(i) O posto de A é o número de linhas não nulas de B, denotado por p;
(ii) A nulidade de A é n − p, isto é, o número de colunas de A menos o posto de A.
O posto de uma matriz A é conhecido também como característica de A.
Observação 6. Na Definição 14, a matriz B = [bij ]m×n pode ser apenas a matriz escalo-
nada equivalente a A.
Exemplo 28. Determine o posto e a nulidade das

 matrizes a seguir.
  2 1 −1   
1 −2 3  1 0 2 0
 0 3 1 
     
(a) A = 
 2 2 1  (b) B =  C = −2 3 0 1
   
 
 −1 2 1 
     
2 −4 6   4 −2 1 3
4 1 1
Solução:
(a)
 Encontrar a forma escalonada reduzida equivalente

 a A. Veja que,

1 −2 3  
1 −2 3 
A= 2 2 1  L → L − 2L 0 6 −5
  
 2 2 1
  
  
2 −4 6 L3 → L3 − 2L1 0 0 0
4
   
1 −2 3  1 L → L 1 + 2L 2 
1 0
3
 
1 −5 

 0 1 −5
 
L2 → L2  0 1 .
   
6  6 
 
 6 

0 0 0 0 0 0
Portanto, o posto de A é 2 e a nulidade de A é 1.
(b)
Encontrar a forma escalonada reduzida equivalente a B. Veja que,
1 1 −1
   
2 1 −1  L1 → L1  1
 2  2 2  
0 3 1 
 
0 3 1
  
B=   



−1 2 1   L →L +L
 
−1 2 1 

  3 3 1
   
4 1 1 4 1 1 L4 → L4 − 4L1
1 −1 1 −1
   
1 1
2 2  2 2
   
  
0 3 1  L ↔ L4 0 −1 3 L2 → (−1)L2
   
 2
  
5 1  5 1
  
  
 0   0 

 2 2 


 2 2 

0 −1 3 0 3 1
1 −1 1
 
 
1 L1 → L1 − L2 1 0 1 
2 2 2
 
  
0 1 −3  0 1 −3 
   
 

5 1

5
  1
0 0 8  L → L3
   
 0  L3 → L3 − L2  3
8

2 2 
2  
0 0 10
 
0 3 1 L → L − 3L
4 4 2
   

1 0 1  L1 → L1 − L3 
1 0 0 
0 1 −3  L2 → L2 + 3L3 0 1 0
   
  
   .
0 0 1  0 0 1
   
  
   
0 0 10 L4 → L4 − 10L3 0 0 0
Portanto, o posto de B é 3 e a nulidade de B é 0.
(c)
 Encontrar a forma
 escalonada reduzida
 equivalente a C. Veja que,

1 0 2 0  
1 0 2 0 
C= −2 3 0 1  L2 → L2 + 2L1  0 3 4 1
   

   
4 −2 1 3 L3 → L3 − 4L1 0 −2 −7 3
 
 
1 0 2 0 
1 0 2 0  
4 1
0 1
  
1 4 1 
L2 → L 0 1 3 3
  
3 2  3 3 
  
  −13 
11 
0 −2 −7 3 L3 → L3 + 2L2 0 0

3
3
   
22

1 0 2 0  L1 → L1 − 2L3 
1 0 0 13 
4 1 
0 1  L2 → L2 − 43 L3 0 1 0 57
.
  
3 3  39
 
  
−3 −11 −11
L3 → L
13 3
0 0 1 13
0 0 1 13
Portanto, o posto de C é 3 e a nulidade de C é 1.
Exemplo 29. (a) Qual o valor máximo para o posto de uma matriz de ordem 3 × 4?

1 m −1 
(b) Determine m de modo que o posto da matriz A =  2 m 2m  seja igual a 2.
 
 
−1 2 1
Solução:
(b)
Deve-se encontrar o valor de m tal que a forma escalonada reduzida equivalente a
A possua 2 linhas não nulas.
 Veja que,   

1 m −1  
1 m −1 
A =  2 m 2m  L2 → L2 − 2L1  0 −m 2m + 2  .
   
   
−1 2 1 L3 → L3 + L1 0 2+m 0
Caso 1: linha 2 nula e linha 3 não nula.
Neste caso, deve ocorrer (i) e (ii) a seguir.
(i) 2 + m 6= 0 ⇒ m 6= −2
(ii) −m = 0 e 2m + 2 = 0 ⇒ m = 0 e m = −1.
Mas veja que não existe m que satisfaça (i) e (ii) simultaneamente.
Caso 2: linha 3 nula e linha 2 não nula.
Neste caso, deve ocorrer (i) e (ii) a seguir.
(i) −m 6= 0 ou 2m + 2 6= 0 ⇒ m 6= 0 ou m 6= −1
(ii) 2 + m = 0 ⇒ m = −2.
Note que, nesse caso, m = −2 satisfaz (i) e (ii) simultaneamente. Logo, para que A tenha
posto 2 deve ocorrer o Caso 2, isto é, m = −2.
     

1 −2 −1   1 −2 −1   1 0 −3 
Assim, A ∼ 
 0 2 −2 

∼
 0 1 −1  ∼  0 1 −1 .
  
     
0 0 0 0 0 0 0 0 0
1.7 Exercícios
1. Determine, se possível,
 o produto
 e a ordem da matriz resultante.
  2 1 
3 5 1 
· 1
(a)  3 
 
−2 0 2  
4 1
 

4 −2  h i
(b)  6 −4  · 1 2 3
 
 
8 −6
 

2  h i
(c) −1 · 3 2 4 5
 

 
3
 
  
4 −2 
2 −8 7 3 4 6 −4
 
 
   
(d)  1 2 3 −1 4 · 8 −6
   

   
 −5 7
5 3 2 1 7

 3 9

 
1
−3 4
 
c1 d 1
     
3 0  a1 a2 · · · an  

c2 d 2 

2. Sejam D =  ,A= eB=  . Encontre DA e
.. .. 
0 3 b1 b2 · · · bn . . 


 
cn d n
BD.
       

2 4 −5  
−2 1 −8  
9 3 1  
4 −2 
3. Se A =  4 1 3  , B =  0 4 −7 , C =  2 1 4  e D =  6 −4 
       
       
4 7 10 5 8 1 9 7 5 8 −6
verifique que:
(a) (A + B) + C = A + (B + C)
(b) (AB)C = A(BC)
(c) A(B + C) = AB + AC
(d) (A + B)C = AC + BC
(e) DT (B + C) = DT B + DT C
(f) (A + B)D = AD + BD
(g) (A + B)T = AT + B T
(h) (AB)T = B T AT
(i) (AD)T = DT AT
4. Seja uma matriz de ordem m × n. Explique por que as multiplicações AT A e AAT

são possíveis.
 
1 2 0 
5. Seja A =  . Determine AAT e AT A.
3 −1 4
   

4 11 −9  
1 0 5 
6. Sejam as matrizes A =  0 3 2  e B =  −4 6 11  . Encontre o elemento
   
   
−3 1 1 −6 4 9
c23 da matriz C, em que C = (5A) · (2B).
7. Considere as matrizes A = [aij ]4×7 definida por aij = i − j, B = [bjk ]7×9 definida por
bjk = j, C = [cij ]4×7 definida por cij = i, D = AB e E = A + C. Resolva os itens a
seguir.
(a) Determine o elemento dik da matriz D.
(b) Determine o elemento eij da matriz E.
8. Sejam as matrizes A = [aij ]3×3 , B = [bij ]

3×3 , C = [cij ]3×3 e D = [djk ]3×2 , definidas,
 1, se i = j  1, se i + j = 4
respectivamente, por aij = i − j, bij = , cij = e
 0, se i 6= j  0, se i + j 6= 4

1, se j = k
djk = . Determine, sem calcular os produtos das respectivas matrizes,
 j 2 , se j 6= k
os seguintes elementos:
(a) Os elementos e13 , e21 e e33 da matriz E = AB.
(b) Os elementos f22 , f12 e f31 da matriz F = BA.
(c) Os elementos g11 , g32 e g12 da matriz G = CD.
9. Considerando o enunciado do exercício anterior, verifique se o produto matricial DC

está definido. Justifique.
10. Descreva todas as possíveis matrizes de ordem 2 × 2 que estão na forma escalonada
reduzida.
11. Quais das matrizes a seguir estão na forma escalonada reduzida e quais estão na
forma escalonada?      
  1 0 0 1 3 0 0 1 
1 2 3 4     
(a)   (b)  0 0 0 
 
(c)  0 0 1
 
 (d) 
 0 0 

0 0 1 2      
0 0 1 0 0 0 0 0
       

1 1 1  
1 4 6  
1 0 0 1 2  
0 1 3 4 
(e)  0 1 2  (f)  0 0 1  (g)  0 1 0 2 4  (h)  0 0 1 3
       

       
0 0 3 0 1 3 0 0 1 3 6 0 0 0 0
12. Determine
 o posto e a nulidade
 de cada matriz
 a seguir. 

1 2 1 3  
1 2 1 3 
 2 1 −4 −5   2 1 −4 −5 
   
(a) A =   (b) B =  
 7 8 −5 −1  1 1 0 0
   
 
   
10 14 −2 8 0 0 1 1
   

1 2 3  
1 −2 −1 
(c) C =  −1 2 1  (d) D =  2 −1 3 
   
   
3 1 2 7 −8 3
1.8 Sugestões de Exercícios

• Sugestão 1: (KOLMAN; HILL, 2011)
Capítulo 1 - Seção 1.3 : 7 a 12
• Sugestão 2: (STEINBRUCH; WINTERLE, 1987)

Apêndice A - Seção A·8 · 1 : 4 a 21
Apêndice A - Seção A·37 · 1 : 1
• Sugestão 3: (BOLDRINI et al., 1986)

• Sugestão 4: (ANTON; RORRES, 2001)

Capítulo 1 - Seção 1.2 : 1 a 3, 18
Capítulo 1 - Seção 1.3 : 1 a 7, 21 a 23
Capítulo 1 - Seção 1.4 : 1 a 8, 20, 21
• Sugestão 5: (POOLE, 2011)

Capítulo 3 - Seção 3.2 : 1 a 18, 38(a), 39, 40
Capítulo 3 - Seção 3.3 : 1 a 4, 22, 23, 24, 36, 37
31
2 Sistemas de Equações Lineares
Uma equação linear nas variáveis (ou incógnitas) x1 , x2 , · · · , xn é uma equação da

forma
a1 x 1 + a2 x 2 + a3 x 3 + · · · + an x n = b 1 (2.1)
em que a1 , a2 , · · · , an e b1 são números reais (ou complexos). Os termos a1 , a2 , · · · , an

são chamados de coeficientes das respectivas variáveis x1 , x2 , · · · , xn e b1 é chamado de
termo independente. Neste capítulo, consideraremos apenas equações em que aij e b1 são
números reais.
Exemplo 30. (a) São exemplos de equações lineares: 3x1 + 4x2 − 5x3 − x4 = 5 e
2x2 − x2 − x3 = 0.
(b) São exemplos de equações não lineares: 2x21 + 4x2 + x3 = 0 e 2x1 x2 + x3 + x4 = 3.
Dizemos que a n − upla (ou sequência) ordenada (α1 , α2 , · · · , αn ) é uma solução da

equação linear a1 x1 + a2 x2 + a3 x3 + · · · + an xn = b1 se a1 α1 + a2 α2 + a3 α3 + · · · + an αn = b1
for uma sentença verdadeira.
Exemplo 31. Seja a equação linear 3x1 − 2x2 + x3 + 2x4 = 13. A sequência (2,-1,3,1) é
solução dessa equação, pois a sentença 3 · (2) − 2(−1) + 3 + 2 · 1 = 13 é verdadeira. Por outro
lado, (2,5,-7,1) não é solução dessa equação, pois a sentença 3 · (2) − 2 · 5 + 3(−7) + 2 · 1 = 13
é falsa.
Exemplo 32. Seja a equação linear 0x+0y+0z = 0. Qualquer tripla ordenada (α1 , α2 , α3 ),
αi ∈ R é solução dessa equação.
Exemplo 33. Seja a equação linear 0x1 + 0x2 + 0x3 = 5. Não existe solução para essa
equação, pois a sentença 0α1 + 0α2 + 0α3 = 5 é falsa ∀αi ∈ R, αi = 1, 2, 3.
Exemplo 34. Dê um exemplo de uma equação linear e apresente uma solução dessa
equação, caso exista.
Um sistema de equações lineares (ou simplesmente sistema linear) com m equações

nas variáveis x1 , x2 , · · · , xn é um conjunto de equações da forma:



 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1

+ · · · + a2n xn




 a21 x1 + a22 x2 + a23 x3 = b2

a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3 (2.2)

.. .. .
= ..

. .






am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm


Capítulo 2. Sistemas de Equações Lineares 32
em que aij e bk são números reais (ou complexos) com i, k = 1, 2, 3, · · · , m e j =

1, 2, 3, · · · , n. Neste capítulo, consideraremos apenas sistemas em que aij e bk são nú-
meros reais.
Dizemos que a n − upla ordenada (α1 , α2 , · · · , αn ) é uma solução do sistema linear
(2.2) se for solução de todas as equações de (2.2).
Exemplo 35. Seja o sistema






x + y + z = 6

2x + y − z = 1

 3x − y + z = 4

A tripla ordenada (1, 2, 3) é solução desse sistema, pois






1 + 2 + 3 = 6 (sentença verdadeira)

2·1 + 2 − 3 = 1 (sentença verdadeira)

 3·1 − 2 + 3 = 4

(sentença verdadeira)
Por outro lado, (−5, 7, 3) não é solução desse sistema, pois






−5 + 7 + 3 = 6 (sentença falsa)

2(−5) + 7 − 3 = 1 (sentença falsa)

 3(−5) − 7 + 3 = 4

(sentença falsa)
Na verdade, (1, 2, 3) é a única solução desse sistema. Na Seção 2.1 são apresentados
detalhes para verificar se um sistema admite ou não solução.
Exemplo 36. O sistema






x + y + z = 6

2x + y − z = 1

 0x − 0y + 0z = 4

não admite solução, pois não existe nenhuma tripa ordenada (α1 , α2 , α3 ) que satisfaça a
última equação desse sistema.
Notação Matricial
O sistema de equações lineares em (2.2) pode ser escrito como uma equação
matricial
AX = B,
 
  x1
a11 a12 · · · a1n  
  
x2 
· · · a2n
 

 a21 a22 
  
em que A = 
.. .. .. ..  é chamada a matriz dos coeficientes, X =

 x3 
 é
. . . .
 
  
.. 
.
   
 
am1 am2 · · · amn  
xn
 
b1
 

 b2 

 
a matriz das variáveis e B = 
 b3 
 é a matriz dos termos independentes.

.. 
.
 
 
 
bm
Se a n − upla ordenada (α1 , α2 , · · · , αn ) for uma

solução

do sistema linear (2.2), esta
α
 1 
 α2 
 
também pode ser escrita na forma matricial S =  .  
 . O conjunto de todas as soluções
 .. 
 
αn
de uma sistema linear é chamado conjunto solução ou solução geral do sistema.
 
0
 

 0 

 
Observação 7. (i) No caso em que B =

 0 ,

o sistema (2.2) será chamado de sistema

 .. 


 . 

0
linear homogêneo.
Uma outra matriz que associaremos ao sistema (2.2) é matriz ampliada do sistema
(2.2), representada a seguir
 
a11 a12 · · · a1n | b1
 

 a21 a22 · · · a2n | b2 
M= 
.. .. .. .. .
.. 
. . . . . 


 
am1 am2 · · · amn | bm

x + y + z = 6




Exemplo 37. O sistema 2x + y − z = 1 pode ser escrito como


 3x − y + z = 4

     

1 1 1   x   6 

 2 1 −1  · y 
 
= 1

.

     
3 −1 1 z 4
 

1 
A solução geral do sistema é S =  2 . A matriz ampliada desse sistema é
 
 
3
 

1 1 1 6 
2 1 −1 1 .
 

 
3 −1 1 4
2.1 Solução de Um Sistema de Equações Lineares

Definição 15. (i) Um sistema linear é possível (ou compatível) quando admite solução.
(ii) Um sistema linear é impossível (ou incompatível) quando não admite solução.
Definição 16. Um sistema linear compatível classifica-se em:

(i) determinado quando admite uma única solução;
(ii) indeterminado quando admite mais de uma solução.
Resumidamente,
Determinado: possui única solução
Possível
Indeterminado: possui mais de uma solução
Sistema Linear
Impossível Sem solução
Teorema 2. Sejam os sistemas lineares na forma matricial AX = B e CX = D. Se a

matriz ampliada de CX = D é obtida aplicando-se uma operação elementar na matriz
ampliada de AX = B, então os sistemas lineares AX = B e CX = D são equivalentes,
isto é, possuem o mesmo conjunto solução.
2.1.1 Solução de Um Sistema Linear - Método de Gauss-Jordan

O método de Gauss-Jordan consiste em aplicar operações elementares às linhas
da matriz ampliada do sistema linear em questão, até que a matriz equivalente obtida
esteja na forma escalonada reduzida (SANTOS, 2012; POOLE, 2011; KOLMAN; HILL,
2011). Veremos a seguir quais conclusões obteremos após aplicar o método de Gauss-Jordan.
Considere o sistema linear de m equações e n incógnitas




 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1

+ · · · + a2n xn




 a21 x1 + a22 x2 + a23 x3 = b2

a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3 (2.3)

.. .. .
= ..

. .






am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm


e siga sucessivamente os passos a seguir.

1o Passo: Aplicar o método de Gauss-Jordan no sistema (2.3).
2o Passo: Verificar se o posto matriz da ampliada, denotado por pa , é igual ao posto da
matriz dos coeficientes, denotado por pc . Caso isso ocorra, significa que o sistema (2.3)
tem solução e então deve-se ir ao passos 3 e 4. Caso isso não ocorra (isto é, caso ocorra
pa > pc ), significa que o sistema (2.3) é impossível (não admite solução).
3o Passo: Determinar em quais dos itens a seguir o sistema equivalente à (2.3) se encaixa.
(i) posto matriz ampliada, denotado por pa , é igual ao posto da matriz dos coeficientes,
denotado por pc e pc = n = pa , em que n é o número de incógnitas.
(ii) posto matriz ampliada, denotado por pa , é igual ao posto da matriz dos coeficientes,
denotado por pc e pa = pc < n, em que n é o número de incógnitas.
4o Passo: Conclusões do passo 3.
(i) Se ocorre pc = n = pa , então o sistema (2.3) possui única solução.
(ii) Se ocorre pa = pc < n, então o sistema (2.3) possui mais de uma solução. Nesse caso,
escolhe-se n − p incógnitas e as outras p incógnitas serão dadas em função destas. Essa
quantidade n − p é identificada como o grau de liberdade do sistema (2.3).
2.1.2 Solução de Um Sistema Linear - Método de Eliminação Gaussiana

De uma forma resumida, o método de Eliminação Gaussiana consiste em aplicar
operações elementares às linhas da matriz ampliada do sistema linear em questão, até que
a matriz equivalente obtida esteja na forma escalonada (POOLE, 2011; KOLMAN; HILL,
2011). Para a interpretar a aplicação desse método para a resolução do sistema 2.3, basta
seguir os passos 1o ao 4o descritos na Seção 2.1.1. Observe que, no passo 1o , obtém-se a
matriz na forma escalonada equivalente a matriz ampliada associada ao sistema linear.
Nesse contexto, as operações elementares sobre as linhas de uma matriz se resumem a:
(i) Li ←→ Lj ;
(ii) Li −→ K · Li + k̃ · Lj , K 6= 0.
No caso dos sistema possuir solução (determinado ou indeterminado), usa-se retro-

substituição para representar a solução de uma forma mais simples.
Observação 8. Em muitos livros, os métodos de Gauss-Jordan e de Eliminação Gaussiana

são aplicados sem a representação de sistemas na forma matricial (LIPSCHUTZ, 1994;
KOLMAN; HILL, 2011; STEINBRUCH; WINTERLE, 1987).
Exemplo
 38. Resolva os sistemas lineares a seguir.
 2x − 3y = 4
(a) 
6x − 9y = 15

3x + 2y − 5z = 8




(b)

2x − 4y − 2z = −4

 1x − 2y − 3z = −4


2x + 4y + 6z = −6




(c)  3x − 2y − 4z = −38

 x + 2y + 3z = −3






x+y−z = 0
(d)

2x − 3y + z = 0

 4x − 4y − 2z = 0






x + 3z = −8
(e)

2x − 4y = −4

 3x − 2y − 5z = 26






x−z = 0
(f)  3x + y + 2z = 0

 4x + 2y + 2z = 0


6x + 2y + 4z = 0
(g) 
−9x − 3y − 6z = 0





3x + 6y = 0

12x + 24y = 0




3



(h) x + 3y = 0

 2
 


3 3



x+ y = 0



 4 2




x−y = 0
(i)  2y + 4z = 6

x + y + 4z = 6







x + 2y = 4
(j)

−3x + 4y = 3

2x − y = −6







y+z = 1

x+z = 2


(k)




−x + z = 3

y+z = 4







x + 2y + 1 = 9
(l)

2x + y − z = 3

 3x − y − 2z = −4

Solução:
(a)
(?) Encontrar
 a matriz
 ampliada associada ao sistema linear:
2 −3 4 
A= .
6 −9 15
(??) Encontrar a matriz na forma escalonada reduzida equivalente a A : (Apresentar
detalhes
 e finalizar
 resolução)
3
1 −2 0 
A∼
0 0 1
(b)
(?) Encontrar
 a matriz ampliada
 associada ao sistema linear:

3 2 −5 | 8 
A =  2 −4 −2 | −4  .
 
 
1 −2 −3 | −4
(??) Encontrar
 a matriz naforma escalonada
 reduzida equivalente
 aA:

3 2 −5 | 8  L1 ↔ L3  1 −2 −3 | −4 
A =  2 −4 −2 | −4 

  2 −4 −2 | −4 
 
   
1 −2 −3 | −4 3 2 −5 | 8
 

1 −2 −3 | −4 
L2 → L2 − 2L1  0 0 4 | 4 L2 ↔ L3
 

 
L3 → L3 − 3L1 0 8 4 | 20
   

1 −2 −3 | −4  
1 −2 −3 | −4 
1 1
0 8 4 | 20  L → 8 L2  0 1 | 52 
   
 2 2

  
0 0 4 | 4 0 0 4 | 4
 

1 −2 −3 | −4  L1 → L1 + 2L2
1
0 1 | 52 
 
2

 
L3 → 41 L3 0 0 1 | 1
   

1 0 −2 | 1  L1 → L1 + 2L3  1 0 0 | 3 
1
 0 1 | 25  L → L2 − 12 L3  0 1 0 | 2  .
   
 2  2  
0 0 1 | 1 0 0 1 | 1
Como pa = 3 = pc , segue que o sistema possui solução e do fato de n = 3 = pa = pc , segue

x=3 



o sistema possui única solução, a saber, y=2 .


 z=1

(c)
(?) Encontrar
 associada ao sistema:

2 4 6 | −6 
A =  3 −2 −4 | −38  .
 
 
1 2 3 | −3
(??) Encontrar
 a matriz na forma
 escalonada
 aA:

2 4 6 | −6 L
 1
↔ L 3  1 2 3 | −3 
A =  3 −2 −4 | −38  3 −2 −4 | −38 
   

   
1 2 3 | −3 2 4 6 | −6
 

1 2 3 | −3 
−1
L2 → L2 − 3L1  0 −8 −13 | −29  L → L2
 
  2 8
L3 → L3 − 2L1 0 0 0 | 0
   

1 2 3 | −3  L1 → L1 − 2L2  1 0 −1 4
| −41
4 
 0 1 13 | 29 
0 1 13
| 29 
.
 
8 8  8 8 
 
 
0 0 0 | 0 0 0 0 | 0
Como pa = 2 = pc , segue que o sistema possui solução e do fato de n = 3 (pa = pc < n),
segue
 que o sistema possui infinitas soluções, a saber,




x = 14 z − 41 4
−13 29

y = 8
z + 8

 z = z real qualquer

(d)
(?) Encontrar

1 1 −1 | 0 
A =  2 −3 1 | 0 

.
 
4 −4 −2 | 0
(??) Encontrar
 a matriz na
 forma escalonada
 aA:

1 1 −1 | 0  
1 1 −1 | 0 
A =  2 −3 1 | 0  L2 → L2 − 2L1  0 −5 3 | 0 
   
   
4 −4 −2 | 0 L3 → L3 − 4L1 0 −8 2 | 0
 

1 1 −1 | 0 
L1 → L1 − L2
0 1 −3 | 0
 
−1 5
 
L2 → 5
L 2
 
0 −8 2 | 0 L3 → L3 + 8L2
   
−2 −2

1 0 5
| 0  
1 0 5
| 0 
−3 −3
0 1 | 0  0 1 | 0 
   
5 −5 5
 
 L3 → L 
14 3
 
−14
0 0 5
| 0 0 0 1 | 0
 
1 0 0 | 0 
L1 → L1 + 25 L3 
 0 1 0 | 0 .
 
3
L2 → L2 + 5 L3  
0 0 1 | 0
Como pa = 3 = pc , segue que o sistema em questão possui solução  e do fato de




x = 0
n = 3 = pa = pc , segue que o sistema possui única solução a saber, y=0 .


 z=0

(e)
(?) Encontrar

1 0 3 | −8 
A =  2 −4 0 | −4  .
 
 
3 −2 −5 | 26
(??) Encontrar
 a matriz naforma escalonada reduzida
 equivalente a A :

1 0 3 | −8  
1 0 3 | −8 
A =  2 −4 0 | −4 

 L2 → L2 − 2L1  0 −4 −6 | 12 
 
   
3 −2 −5 | 26 L3 → L3 − 3L1 0 −2 −14 | 50
 

1 0 3 | −8 
−1 3
L2 → L2 0 1 | −3 
 
4 2

 
0 −2 −14 | 50 L3 → L3 + 2L2
   

1 0 3 | −8  
1 0 3 | −8 
3
0 1 | −3  0 1 23 | −3 
   
2
 
   
−1
0 0 −11 | 44 L3 → L
11 3
0 0 1 | −4
 
1 0 0 | 4 
L1 → L1 − 3L3 
 0 1 0 | 3 
 
3
L2 → L2 − 2 L3  
0 0 1 | −4
Como pa = 3 = pc , segue que o sistema em questão possui solução  e do fato de




x=4
n = 3 = pa = pc , segue que o sistema possui única solução a saber, y=3 .


 z = −4

(f)
(?) Encontrar
 a matriz

1 0 −1 0 
A =  3 1 2 0 .
 
 
4 2 2 0
detalhes
 da resolução)


1 0 0 0 
A∼ 0 1 0 0 
 
 
0 0 1 0
(g)
(?) Encontrar a matriz ampliada associada ao sistema linear:
 
6 2 4 0 
A= .
−9 −3 −6 0
detalhes
 e finalizar resolução)
1 13 23 0 
A∼
0 0 0 0
(h)
(?) Encontrar
 a matriz

3 6 0 
 12 24 0 
 
A=  3
.
3 0

 2 
 
3 3
4 2
0
detalhes
 e finalizar
 resolução)

1 2 0 
 0 0 0 
 
A∼ 
 0 0 0 
 
 
0 0 0
(i)
(?) Encontrar
 a matriz

1 −1 0 0 
A= 0 2 4 6 
 
 
1 1 4 6
detalhes
 e finalizarresolução)

1 0 2 3 
A∼ 0 1 2 3 


 
0 0 0 0
(j)
(?) Encontrar

1 2 | 4 
A =  −3 4 | 3  .
 
 
2 −1 | −6
(??) Encontrar
 a matrizna forma escalonada
 aA:

1 2 | 4  
1 2 | 4 
A =  −3 4 | 3  L2 → L2 + 3L1  0 10 | 15 
  

   
2 −1 | −6 L3 → L3 − 2L1 0 −5 | −14
   

1 2 | 4  L1 → L1 − 2L2  1 0 | 1 
3 3 
 0 1 |  0 1 | .
  
1 2 2 

L2 → 10 L2   
0 −5 | −14 L3 → L3 + 5L2 0 0 | −132
Como pa = 3 e pc = 2, segue que o sistema em questão não possui solução.
(k)
(?) Encontrar
 a matriz

0 1 1 1 
 1 0 1 2 
 
A=  
 −1 0 1 3 

 
−1 0 1 4
detalhes

1 0 0 0 
 0 1 0 0 
 
A∼  
 0 0 1 0 

 
0 0 0 1
(l)
(?) Encontrar

1 2 0 8 
A =  2 1 −1 3  .
 
 
3 −1 −2 −4
detalhes

1 0 0 4 
A∼ 0 1 0 2 


 
0 0 1 7
O Exemplo 38 pode ser resolvido usando o método Eliminação Gaussiana. Veja a

resolução de alguns sistemas a seguir.
(b)
(?) Encontrar

3 2 −5 | 8 
A =  2 −4 −2 | −4 

.
 
1 −2 −3 | −4
(??) Encontrar
 a matriz naforma escalonada equivalente
 aA: 

3 2 −5 | 8  
3 2 −5 | 8 
A =  2 −4 −2 | −4  L2 → 3L2 − 2L1  0 −16 4 | −28 
   
   
1 −2 −3 | −4 L3 → 3L3 − L1 0 −8 −4 | −20
 

3 2 −5 | 8 
0 −16 4 | −28 
 

 
L3 → (−16)L3 − (−8)L2 0 0 96 | 96
Como pa = 3 = pc , segue que o sistema possui solução e do fato de n = 3 = pa = pc , segue

o sistema possui única solução, a saber,

 




3x + 2y − 5z = 8 



3x = 8 − 2y + 5z
−16y + 4z = −28 ⇒ −16y = −28 − 4z ⇒

 

96z = 96 z = 1

 

 




3x = 8 − 2y + 5 · 1 



3x = 13 − 2y
⇒ −16y = −28 − 4 · 1 ⇒ −16y = −32 ⇒

 

z = 1 z = 1

 

 




3x = 13 − 2y x=3




−16y = −32 ⇒ y=2 .

 

z = 1  z=1

 
(c)
(?) Encontrar

2 4 6 | −6 
A =  3 −2 −4 | −38  .
 
 
1 2 3 | −3
(??) Encontrar
 a matriz na 
forma escalonada equivalente
 aA: 

2 4 6 | −6  
2 4 6 | −6 
A=  3 −2 −4 | −38  L2 → 2L2 − 3L1  0 −16 −26 | −58 
  
   
1 2 3 | −3 L3 → 2L3 − L1 0 0 0 | 0
Como pa = 2 = pc , segue que o sistema possui solução e do fato de n = 3 (pa = pc < n),
segue que o sistema possui infinitas soluções, a saber,
 




2x + 4y + 6z = −6 



2x = −6 − 4y − 6z
−16y − 26z = −58 ⇒ −16y = −58 + 26z ⇒

 

0z = 0 0z = 0

 

 




x = −3 − 2y − 3z x = 14 z − 41



 4
−13

y = 298
− 13
8
z ⇒

y = 8 z + 29 8
 
 0z = 0
  z = z real qualquer

(j)
(?) Encontrar

1 2 | 4 
A =  −3 4 | 3  .
 
 
2 −1 | −6
(??) Encontrar
 a matrizna forma escalonada equivalente
 aA: 

1 2 | 4  
1 2 | 4 
A =  −3 4 | 3  L2 → L2 − (−3)L1  0 10 | 15
   

   
2 −1 | −6 L3 → L3 − 2L1 0 −5 | −14
 

1 2 | 4 
 0 10 | 15  .
 
 
L3 → 10L3 − (−5)L2 0 0 | −65
Como pa = 3 e pc = 2, segue que o sistema em questão não possui solução.
Exemplo 39. Estabeleça a condição que deve ser satisfeita pelos termos independentes
x, y e z para que os sistemas sejam compatíveis.




a1 + 2a2 = x
(a)

−3a1 + 4a2 = y

 2a − a

= z
1 2

a + 2b = x




(b)  −2a + b = y

 −a + b = z






−a + 3b = x

2a − b = y


(c)




−2a + b = z

3a + b = t


Solução:
(a)
(?) Encontrar
 a matriz ampliada associada ao sistema:

1 2 | x 
A =  −3 4 | y  .
 
 
2 −1 | z
(??) Encontrar
 matrizna forma escalonada
 aA:  

1 2 | x  
1 2 | x  
1 2 | x 
A =  −3 4 | y  L2 → L2 + 3L1  0 10 | y + 3x  0 1 | (y+3x)
    
 L2 → 1 L2 10
  
    
10
2 −1 | z L3 → L3 − 2L1 0 −5 | z − 2x 0 −5 | z − 2x
 

1 2 | x 
(y+3x)
0 1 |
 
10
 
 
−x+y+2z
L3 → L3 + 5L2 0 0 | 2
Para o sistema em questão ser compatível, deve ocorrer pa = 2 = pc . Logo,

deve ocorrer −x + y +2z = 0, isto é, x = y + 2z, com y, z reais quaisquer. Assim,

1 2 | y + 2z   1 0 | y+4z 5 

 a = y+4z
1
A ∼  0 1 | 4y+6z
 
∼ 
0 1 | 4y+6z 
⇒ 5
.
10 10
a2 = 4y+6z
  
    
10
0 0 | 0 0 0 | 0
com y, z reais quaisquer.
Exemplo
 40. Calcule, se possível, o valor de k para que o sistema a seguir seja compatível.




x + 2y = −1
(a)

−3x + 4y = k

 2x − y

= −7
Solução:
(?) Encontrar

1 2 | −1 
A =  −3 4 | k 

.
 
2 −1 | −7
(??) Encontrar
 matriz na
 forma escalonadareduzida equivalente
 aA:

1 2 | −1  
1 2 | −1 
A =  −3 4 | k  L2 → L2 + 3L1  0 10 | k − 3 
   
   
2 −1 | −7 L3 → L3 − 2L1 0 −5 | −5
   

1 2 | −1  L1 → L1 − 2L2  1 0 | −k−2 5 
1 k−3  k−3 
L2 → 10 L2  0 1 | 0 1 | .
 
10  10
 
  
0 −5 | −5 L3 → L3 + 5L2 0 0 | k−13 2
Para o sistema em questão ser compatível, deve ocorrer pa = pc . Logo, k = 13 e com isso
pa = 2 = pc . Assim,  

1 0 | −3 

 x = −3
A∼ 0 1 | 1 ⇒ .
 
   y=1
0 0 | 0
Exemplo 41. Determine, se possível, o valor de k para que o sistema a seguir admita
solução
 não trivial.




x−y−z = 0
(a)

x − 2y − 2z = 0

 2x + ky + z = 0

Solução:
(?) Encontrar

1 −1 −1 | 0 
A =  1 −2 −2 | 0  .
 
 
2 k 1 | 0
(??) Encontrar
 a matriz na
 forma escalonada reduzida equivalentea A :

1 −1 −1 | 0  
1 −1 −1 | 0 
A =  1 −2 −2 | 0  L2 → L2 − L1  0 −1 −1 | 0 
  

   
2 k 1 | 0 L3 → L3 − 2L1 0 k+2 3 | 0
 

1 −1 −1 | 0 
L1 → L1 + L2
0 1 1 | 0
 
 
L2 → (−1)L2  
0 k+2 3 | 0 L3 → L3 − (k + 2)L2
 

1 0 0 | 0 
0 1 1 | 0  .
 

 
0 0 −k + 1 | 0
Para o sistema homogêneo em questão possuir solução não trivial, deve ocorrer pa = pc < 3,
isto é, pa = 2 = pc . Logo, deve ocorrer −k + 1 = 0, isto é, k = 1. Assim,

  

1 0 0 | 0  



x=0
A∼ 0 1 1 | 0  ⇒ y = −z .
 
  

0 0 0 | 0  z = z real qualquer

Exemplo 42. Determine, se possível, os valores de a de modo que o sistema a seguir

tenha:
(i) nenhuma solução,
(ii) única solução,
(iii)
 infinitas soluções.




x+y−z = 1

2x + 3y + az = 3

 x + ay + 3z = 2.

Solução:
(?) Encontrar
 a matriz ampliada associada ao sistema linear:

1 1 −1 | 1 
A =  2 3 a | 3 .
 
 
1 a 3 | 2
(??) Encontrar
 matriz na
 forma escalonada reduzida equivalente a A :

1 1 −1 | 1  
1 1 −1 | 1 
A =  2 3 a | 3  L2 → L2 − 2L1  0
  
1 a+2 | 1 

   
1 a 3 | 2 L3 → L3 − L1 0 a−1 4 | 1
 
L1 → L1 − L2 
1 0 −a − 3 | 0 
0 1 a+2 | 1 .
 

 
2
L3 → L3 − (a − 1)L2 0 0 −a − a + 6 | −a + 2
(i) Para o sistema em questão não possuir solução deve ocorrer pa = 3 e pc = 2, isto
é, deve ocorrer −a2 − a + 6 = 0 e −a + 2 6= 0. De −a2 − a + 6 = 0 segue que a = −3
ou a = 2 e de −a + 2 6= 0 resulta em a 6= 2. Portanto, deve ocorrer a = −3. Assim,
  

1 0 0 | 0  x=0




A∼ 0 1 −1 | 1  ⇒ y =z+1 .
 

  
0 0 0 | 5  0z = 5

Note que a linha 3 desse sistema não possui solução.
(ii) Para o sistema em questão possuir única solução deve ocorrer pa = 3 = pc = n,

isto é, deve ocorrer −a2 − a + 6 6= 0. Logo, deve ocorrer a 6= −3 e a =
6 2.
(iii) Para o sistema em questão possuir infinitas soluções deve ocorrer −a2 − a + 6 = 0
e −a + 2 = 0. Logo, deve ocorrer a = 2. Assim,
  

1 0 −5 | 0 
x = 5z




A∼ 
 0 1 4 | 1

 ⇒ y = 1 − 4z .
  

0 0 0 | 0  z = z real qualquer

Exemplo
 43. Determine se o sistema homogêneo a seguir possui solução não nula




x + 2y − 3z = 0

2x + 5y + 2z = 0

3x − y − 4z = 0.


Solução (Apresentar detalhes e finalizar resolução):

 A matriz ampliada
 na forma escalonada

1 0 0 | 0 
reduzida associada ao sistema em questão é  0 1 0 | 0 

.
 
0 0 1 | 0
2.1.3 Interpretação Geométrica

Uma equação da forma
ax = b (2.4)
a, b ∈ R representa um sistema de equação linear 1 × 1 (1 equação e 1 variável). Veja que,
(i) Se a 6= 0, então x = a−1 b. Logo, o sistema (2.4) possui única solução.
(ii) Se a = 0 e b = 0, então qualquer x ∈ R satisfaz (2.4), o que significa que o

sistema possui infinitas soluções.
(iii) Se a = 0 e b 6= 0, então não existe x ∈ R que satisfaça (2.4). Logo, o sistema

não possui solução.
Observe que, caso exista única solução do sistema (2.4), a representação geométrica é um
ponto da reta real.
Considere o sistema linear

 a·x+b·y = c
(2.5)
 d·x+e·y = f
nas variáveis x e y com a, b, c, d, e, f ∈ R. O gráfico de cada equação em (2.5) é uma reta,

representada respectivamente por r1 e r2 . Assim, as possibilidades para esse sistema são
representadas na Figura 1:
y y
r1 r1
x r2 x
r2
(a) Única solução (b) Infinitas soluções
y
r1
r2
(c) Nenhuma solução
Figura 1 – Sistema linear com duas equações e duas incógnitas
P1
(a) Única solução (b) Infinitas soluções
Figura 2 – Sistema linear com três equações e três incógnitas - Parte 1

(c) Nenhuma solução
Figura 2 – Sistema linear com três equações e três incógnitas - Parte 2
2.2 Exercícios
1. Escreva o sistema de equações que corresponde a cada uma das seguintes matrizes
ampliadas
 a seguir. 
3 2 | 8 
(a) A = 
1 5 | 7
 

2 1 4 | −1 
(b) B =  4 −2 3 | 4

 
 
5 2 6 | −1
 

4 −3 1 2 | 4 
3 1 −5 6 | 5
 
 
(c) C =  
1 1 2 4 | 8
 
 
 
5 1 3 −2 | 7
2. Use o método de Gauss-Jordan para resolver os sistemas lineares do exercício (1).
3. Seja um sistema linear cuja matriz ampliada é

 

1 2 1 | 1 
−1 4 3 | 2 .
 

 
2 −2 a | 3
Para qual valor de a o sistema possui única solução?
4. Considere um sistema linear cuja matriz ampliada é

 

1 2 1 | 0 
2 5 3 | 0  .
 

 
−1 1 β | 0
(a) Verifique se o sistema em questão é incompatível. Justifique.

(b) Para quais valores de β o sistema terá infinitas soluções?
5. Seja um sistema linear cuja matriz ampliada é

 

1 1 3 | 2 
1 2 4 | 3  .
 

 
1 3 a | b
(a) Para quais valores de a e b o sistema possui infinitas soluções?
(b) Para quais valores de a e b o sistema é impossível?
6. Determine os valores de k de modo que o sistema a seguir, nas variáveis x, y e z

tenha:
(i) nenhuma solução;
(ii) mais de uma solução;
(iii)única solução.




kx + y + z = 1
(a) x + ky + z = 1


 x + y + kz = 1


 x + 2y + kz = 1
(b)
 2x + ky + 8z = 3





x + y + kz = 2
(c) 3x + 4y + 2z = k


2x + 3y − z = 1







x − 3z = −3
(d)

2x + ky − z = −2

x + 2y + kz = 1


7. Determine
 se cada sistema linear homogêneo a seguir tem solução não nula.




x − 2y + 2z = 0

 2x + y − 2z

= 0
(a)




3x + 4y − 6z = 0

 3x − 11y + 12z = 0






2x − 4y + 7z + 4v − 5w = 0

9x + 3y + 2z − 7v + w = 0


(b)




5x + 2y − 3z + v + 3w = 0

6x − 5y + 4z − 3v − 2w = 0







x + 2y − 3z = 4

x + 3y + z = 11


8. Resolva o sistema .




2x + 5y − 4z = 13

2x + 6y + 2z = 22


9. Determine a inversa de cada matriz abaixo:

     

1 1 0  
1 0 1  
1 9 5 
(a) A = 
 1 0 1 

(b) B = 
 1 2 3 

(c) C = 
 3 1 2 

     
0 1 1 1 2 4 6 4 4
10. Determine, caso exista, o número de soluções a partir do esboço da equação da reta
para
 cada sistema linear a seguir.
 3x + 2y = 8
(a)
 x + 5y = 7

 3x + 2y = 8
(b)
 6x + 4y = 16

 −x + y = 1
(a)
 −x + y = −1




Capítulo 1 - Seção 1.2 : 4 a 18, 23, 24

51
3 Determinantes
Definição 17. Sejam as matrizes A = [a11 ] e B = [bij ]2×2 . Definimos a seguir o determi-
nante de cada matriz A e B, com a notação det ou det(·), como segue:
(i) detA = det[a11 ] = a11 ;
(ii) detB = det[bij ]2×2 = b11 · b22 − b12 ·b21 . 
b b b11 b12

11 12 = b11 · b22 − b12 · b21 .
Podemos escrever também detB = det   =

b21 b22 b21 b22

Para definir o determinante de uma matriz quadrada A = [aij ]n×n , n ≥ 2 sobre K

vamos definir os conceitos de cofator do elemento aij e submatriz Aij da matriz A.
Consideremos  
a11 a12 · · · a1n
 
 a21 a22 · · · a2n 
 
A= .
.. .. .
.. 
 .. . . . 
 
Definimos,
(i) Aij é matriz obtida ao retirarmos a linha i e a coluna j da matriz A. A ordem de Aij é
(n − 1) × (n − 1);
(ii) ∆ij = (−1)i+j · detAij é o cofator do elemento aij .
 

2 3 −2 
Exemplo 44. Seja a matriz M =  1 4 8  . Determine:
 
 
7 5 3
(a) ∆11 (b) ∆12 (c) ∆13 (d) ∆21
Solução:
(a)
4 8

∆11 = (−1)1+1 · det(M11 ) = (−1)1+1 ·

= 1(4 · 3 − 5 · 8) = −28.
5 3
(b)
1 8

∆12 = (−1)1+2 · det(M12 ) = 1+2

(−1) · = (−1)(3 − 56) = 53.
7 3
(c)
1 4

∆13 = (−1)1+3 · det(M13 ) = (−1)1+3 ·

= 1(5 − 28) = −23.
7 5
(d)
3 −2

∆21 = (−1)2+1 · det(M21 ) = 2+1

(−1) · = (−1)(9 − 5(−2)) = −19.
5 3
Capítulo 3. Determinantes 52
Definição 18. O determinante de uma matriz quadrada A = [aij ]n×n é definido por
n n
aij (−1)i+j · detAij .
X X
detA = ai1 ∆i1 + ai2 ∆i2 + · · · + ain ∆in = aij ∆ij =
j=1 j=1
Observe que a expressão para o determinante foi desenvolvida pela i−ésima linha da matriz
A. De maneira análoga, desenvolve-se a expressão anterior pela coluna j da matriz A.
Esse método é conhecido como desenvolvimento de Laplace.
 

1 2 −3 
Exemplo 45. Encontre o determinante da matriz A =  2 3 4 .
 
 
1 5 −7
Solução:
Escolhendo a coluna 1 e usando o desenvolvimento de Laplace, segue que
det(A) = 1∆11 + 2∆21 + 1∆31
= 1(−1)1+1 det(A11 ) + 2(−1)2+1 det(A21 )+
1(−1)3+1

det(A31)
3 4 2 −3 2 −3

2 + 2(−1)3 4

= 1(−1)
+ 1(−1)

5 −7 5 −7 3 4

= 1(−21 − 20) + (−2)(−14 − (−15)) + 1(8 − (−9))
= −41 − 2 + 17
= −26.
 

2 3 −2 
Exemplo 46. Encontre o determinante da matriz A = 
 1 4 8 

.
 
7 5 3
Solução:
Escolhendo a linha 1 e usando o desenvolvimento de Laplace, segue que,
det(A) = 2∆11 + 3∆12 + (−2)∆13
= 2(−1)1+1 det(A11 ) + 3(−1)1+2 det(A12 )+
1+3
(−2)(−1)

det(A
13 )
4 8 1 8 1 4

2 3 + (−2)(−1)4

= 2(−1)
+ 3(−1)
5 3 7 3 7 5

= 2(12 − 40) + (−3)(3 − 56) + (−2)(5 − 28)
= 2(−28) + (−3)(−53) + (−2)(−23)
= 149.
 

3 1 2 −2 
0 2 0 4 
 

Exemplo 47. Seja a matriz A =   . Determine detA de duas maneiras:
0 4 1 −2 
 

 
0 1 3 3
(a) escolher uma linha e usar a definição anterior;

(b) escolher uma coluna e usar a definição anterior.
Solução:
(a)
Escolhendo a linha 2 e usando o desenvolvimento de Laplace, segue que
det(A) = a21 ∆21 + a22 ∆22 + a23 ∆23 + a24 ∆24

= 0(−1)2+1 det(A21 ) + 2(−1)2+2 det(A22 )+
(3.1)
0(−1)2+3 det(A23 ) + 4(−1)2+4 det(A24 )
= 2(−1)4 det(A22 ) +4(−1)6 det(A24 ) .
| {z } | {z }
(?) Calculando
 det(A22 ) :

3 2 −2 
B = A22 =  0 1 −2  .
 
 
0 3 3
Escolhendo a coluna 2, segue que
det(B) = 2∆12 + 1∆22 + 3∆32 =
2(−1)1+2

det(B12) + 1(−1)2+2

det(B22

) + 3(−1)3+2 det(B32 ) =
0 −2 3 −2 3 −2

3 4 5
2(−1) + 1(−1)

+ 3(−1)
=
0 3 0 3 0 −2

(−2)(0 − 0) + 1(9 − 0) + (−3)(−6 − 0) = 27.

(??) Calculando
 det(A24 ) :

3 1 2 
C = A24 =  0 4 1  .
 
 
0 1 3
Escolhendo a coluna 1, segue que
det(C) = 3∆11 + 0∆21 + 0∆31
= 3(−1)1+1
det(C11 )
4 1

= 3(−1)2
1 3

= 3(12 − 1)
= 33.
Voltando em (3.1), segue que det(A) = 2 · 27 + 4 · 33 = 186.
Exemplo 48. Calcule o determinante de cada matriz a seguir.

 
  
x 0 0 0 0 0   
1 3 2 0 a y 0 0 0 0 0 a b 1
 
 
     
3 1 0 2 l p z 0 0 0 0 1 0 0
     
     
(a) A =   (b) B =   (c) C =  
2 3 0 1 m n p x 0 0 a a 0 b
     
     
     
0 2 1 3 b c d e y 0 1 b a 0
 
 
 
a b c d e z
Solução:
(a)
det(A) = 2∆13 + 0∆23 + 0∆33 + 1∆43

= 2(−1)1+3 det(A13 ) + 1(−1)4+3 det(A43 ) (3.2)
= 2 det(A13 ) −1 det(A43 ) .
| {z } | {z }
(?) Calculando
 det(A13):

3 1 2 
B = A13 =  2 3 1 

.
 
0 2 3
det(B) = 3∆11 + 2∆21 + 0∆31
= 3(−1)1+1
det(B11 ) + 2(−1)

2+1
det(B
21
)
3 1 1 2

2 3

= 3(−1)
+ 2(−1)

2 3 2 3

= 3(9 − 2) − 2(3 − 4)
= 3 · 7 − 2(−1)
= 23.
(??) Calculando
 det(A43 ) :

1 3 0 
C = A43 =  3 1 2  .
 
 
2 3 1
det(C) = 0∆13 + 2∆23 + 1∆33
= 2(−1)2+3
det(C23 ) + 1(−1)

3+3
det(C
33
)
1 3 1 3

= 2(−1)5 6

+ 1(−1)

2 3 3 1

= (−2)(3 − 6) + 1(1 − 9)
= (−2)(−3) − 8
= −2.
Voltando em (3.2), segue que det(A) = 2 · 23 − 1(−2) = 48.

(c)
det(C) = 0∆11 + 0∆21 + a∆31 + 1∆41

= a(−1)3+1 det(C31 ) + 1(−1)4+1 det(C41 )
(3.3)
= a(−1)4 det(C31 ) + 1(−1)5 det(C41 )
= a · det(C31 ) − det(C41 ) .
| {z } | {z }
(?) Calculando
 det(C31) :

a b 1 
A = C31 =  1 0 0  .
 
 
b a 0
det(A) = 1∆21 + 0∆22 + 0∆23
= 1(−1)2+1

det(A
21
)
b 1

3

= (−1)
a 0

= (−1)(0 − a)
= a.
(??) Calculando
 41 ) :
det(C

a b 1 
B = C41 =  1 0 0  .
 
 
a 0 b
det(B) = 1∆21 + 0∆22 + 0∆23
= 1(−1)2+1

det(B
21
)
b 1

= (−1)3

0 b

= −b2 .
Voltando em (3.3), segue que det(C) = a · a − (−b2 ) = a2 + b2 .
3.1 Propriedades dos Determinantes

Sejam as matrizes A = [aij ]n×n e B = [bij ]n×n . Então:
(i) detA = detAT ;
(ii) Se os elementos de uma linha (ou coluna) de A são todos nulos, então detA = 0;
(iii) Se B é obtida de A multiplicando-se uma linha de A por um escalar α, então
detB = αdetA;
(iv) Se B é obtida de A pela troca da posição de duas linhas k 6= l, então detB = −detA;
(v) det(AB) = detA · detB;
(vi) Se A possui dua linhas (ou colunas) iguais, então detA = 0.
Exemplo 49. Verifique com exemplos as propriedades anteriores.
Exemplo 50. (a) Calcule o valor de x tal que det2A = x − 97, em que A é uma matriz
quadrada de ordem 4 e detA = −6.
(b) Se detA = −3, determine: detA2 , detA3 e detAT .
(c) Sejam A e B matrizes
se det(A + B) = detA + detB.
quadradas. Verifique
x−2 x+3 x−1

(d) Resolva a equação 2 1 3 = 60 usando o método de Laplace.

3 2 1

Solução:
(a)
Veja que det(A) = −6 e pela propriedade (iii) de determinantes, segue que
det(2A) = 24 det(A) = 16(−6) = −96.
Daí, de det(2A) = x − 97, segue que −96 = x − 97 ⇔ x = 1.
(b)
Veja que det(A) = −3 e da propriedade (v) de determinantes, segue que det(A3 ) =
det(A · A · A) = det(A)det(A)det(A) = (−3)(−3)(−3) = −27.
(c)
   

5 2 −3  
1 4 −3 
Considere as matrizes A = 
 2 3 4

 eB=
 1 3 4 

. Observe que,
   
1 5 −4 −1 5 5
 

6 6 −6 
A+B = 3 6 8 

;
 
0 10 1
det(A + B) = −642 (Calcular o determinante);
det(A) = −157 (Calcular o determinante);
det(B) = −65 (Calcular o determinante);
det(A) + det(B) = −157 − 65 = −222.
Portanto, det(A + B) 6= detA + detB.
(d)
Escolhendo a linha
1 e usando o desenvolvimento de Laplace, segue que
x − 2 x + 3 x − 1

2 1 3 = (x − 2)∆11 + (x + 3)∆12 + (x − 1)∆13

3 2 1


1 3 2 3 2 1

1+1 1+2 1+3

= (x − 2)(−1) + (x + 3)(−1)
+ (x − 1)(−1) = (x −
2 1 3 1 3 2

2 3
1)(−1) (1 − 6) + (x + 3)(−1) (2 − 9)+
(x − 1)(−1)4 (4 − 3) = 3x + 30.

x−2 x+3 x−1

Daí, de 2 1 3 = 60, segue que 3x + 30 = 60 ⇔ x = 10.

3 2 1

3.2 Determinante e Matriz Inversa

O objetivo aqui é estabelecer condições sobre o determinante de uma matriz
quadrada A para que A possua inversa. E caso a inversa de A exista, encontrar a matriz
inversa de A usando o determinante de A. Dada a matriz
 
a11 a12 · · · a1n
 

 a21 a22 · · · a2n 

A= 
.. .. .. ,
.. 
. . . . 


 
vimos que ∆ij = (−1)i+j · detAij é o cofator do elemento aij . Definimos a seguir,
(i) Ā = [∆ij ]n×n é a matriz dos cofatores de A (que é obtida substituindo cada elemento
de A pelo seu cofator);
(ii) ĀT é a matriz adjunta de A, denotada por AdjA. A matriz adjunta de A é a matriz
transposta da matriz dos cofatores de A.
 

2 1 0 
Exemplo 51. Seja A =  −3 1 4  .
 
 
1 6 5
(a) Determine AdjA;
(b) Verifique se A · AdjA = (detA) · I3 .
Solução:
(a)
 Veja que, 

∆11 ∆12 ∆13 
Ā = 
 ∆21 ∆22 ∆23 ,

onde,
 
∆31 ∆32 ∆33

1 4

(−1)1+1

∆11 = = (5 − 24) = −19;
6 5

−3 4

1+2

∆12 = (−1) = (−1)(−15 − 4) = 19;
1 5

−3 1

1+3

∆13 = (−1) = (−18 − 1) = −19;
1 6

1 0

2+1

∆21 = (−1) = (−1)(5 − 0) = −5;
6 5

2 0

(−1)2+2

∆22 = = (10 − 0) = 10;
1 5

2 1

2+3

∆23 = (−1) = (−1)(12 − 1) = −11;

1 6

1 0

(−1)3+1

∆31 = = 4;

1 4

2 0

(−1)3+2

∆32 = = (−1)8 = −8;
−3 4

2 1

(−1)3+3

∆33 = = (2 − (−3)) = 5.
−3 1
 Assim, 

−19 19 −19 
Ā =  −5 10 −11  e portanto,


 
4 −8 5
 

−19 −5 4 
AdjA = ĀT = 
 19 10 −8 

.
 
−19 −11 5
(b)
Veja que, 

−19 0 0 
A · AdjA =  0 −19 0  , (Calcular este produto!!!)
 
 
0 0 −19
det(A) = 2∆11 + 1∆ 12 + 0∆13
= 2(−19) + 19 = −19,

1 0 0   −19 0 0 
det(A) · I3 = −19  0 1 0  =  0 −19 0 
  
.
   
0 0 1 0 0 −19
Portanto, A · AdjA = (detA) · I3 .
Teorema 3. Seja a matriz A = [aij ]n×n . Então A · (AdjA) = (AdjA) · A = (detA) · In .
Seja a matriz A = [aij ]n×n e suponha que A possua inversa, isto é, existe única
matriz A−1 tal que A · A−1 = In . Usando a propriedade do determinante det(A · A−1 ) =
det(A)·det(A−1 ) = det(In ). Mas det(In ) = 1. Logo, det(A)·det(A−1 ) = 1 e dessa igualdade
1
segue que detA 6= 0 e detA−1 = .
detA
Agora considere a situação em que a matriz quadrada A = [aij ]n×n é tal que
6 0. Queremos saber se com essa condição a matriz A possui inversa. Do teorema
detA =
anterior temos que A · AdjA = (detA) · In e usando o fato de detA 6= 0, segue então que
1
A· · adjA = In . Mas quando a inversa de uma matriz quadrada existe, essa inversa é
detA
1
única, logo A−1 = · AdjA.
detA
Teorema 4. Uma matriz quadrada A = [aij ]n×n admite inversa se, e somente se, detA 6= 0.
1
E nesse caso, A−1 = · adjA.
detA
 

2 3 −4 
Exemplo 52. Seja a matriz A =  0 −4 2  . Verifique se a matriz A possui inversa.
 
 
1 −1 5
Em caso afirmativo, use o teorema anterior para determinar a matriz inversa de A.
Solução:
(?) Calcular det(A) :
det(A) = 2∆11 + 0∆21 + 1∆31
= 2(−1)1+1
det(A11) + 1(−1)3+1 det(A31)
−4 2 3 −4

2 4

= 2(−1)
+ (−1)

−1 5 −4 2

= 2(−20 − (−2)) + [6 − ((−4)(−4))]
= −46.
Como det(A) 6= 0, segue que A possui inversa.
(??) Encontrar A−1 :
 Veja que, 

∆11 ∆ 12 ∆ 13 
Ā =  ∆21 ∆22 ∆23  , onde
 
 
∆31 ∆32 ∆33
Encontrar a matriz dos cofatores!!!
 Assim, 

−18 2 4 
Ā =  −11 14 5 ,
 
 
−10 −4 −8
 

−18 −11 −10 
AdjA = ĀT =  2 14 −4  e portanto,
 
 
4 5 −8
   
9 11 5
−18 −11 −10   23 46 23
1 −1  
A−1 = · AdjA = 2 14 −4  = −1 −7 2
.
   
23 23 23

det(A) 46   
−2 −5 4

4 5 −8 23 46 23
3.3 Matriz Inversa e Solução de Um Sistema Linear de n Equações

e n Incógnitas.
Considere o sistema linear a seguir de n equações e n incógnitas.



 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn




 = b2

a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3 (3.4)

.. .. .
= ..

. .






an1 x1 + an2 x2 + an3 x3 + · · · + ann xn = bn


Vimos que podemos representar este sistema da forma a seguir A · X = B, em que A é a

matriz dos coeficientes, X é a matriz das variáveis e B é a matriz dos termos independentes.
Suponha que A possua inversa, isto é, que detA 6= 0. Observe
A·X =B
A−1 · (A · X) = A−1 · B
(A · A−1 ) · X = A−1 · B
In · X = A−1 · B
X = A−1 · B
Observação 9. A igualdade anterior fornece a solução única de um sistema linear de n

equações e n incógnitas, no caso em que a matriz dos coeficientes desse sistema possui
inversa.
Apresentaremos a seguir a Regra de Cramer, que é um método de resolução de

sistema linear de n equações e n incógnitas que só pode ser aplicado no caso em que a
matriz dos coeficientes desse sistema possui inversa. Voltando a expressão X = A−1 · B e
considerando as mesmas condições enunciadas anteriormente sobre o sistema linear e sua
matriz dos coeficientes, segue que
1
X= · adjA · B
detA
     
x1 ∆11 ∆21 · · · ∆n1 b1
     

 x2 
 1

 ∆12 ∆22 · · · ∆n2  
  b2 


..  = · .. .. .. .. ·
.. .

 .

 detA 
 . . . .
 
  .


     
xn ∆1n ∆2n · · · ∆nn bn
b1 ∆1j + b2 ∆2j + · · · + bn ∆nj detAj

Daí, xj = = , onde Aj é a matriz obtida de A substi-
detA detA
b1
b2
tuindo a j-ésima coluna de A pela coluna . , para j = 1, 2, · · · n.
..
bn
Exemplo
 53. Use a Regra de Cramer para resolver os sistemas lineares a seguir.




x+y+z = 6
(a)

x − y − z = −4 .

 2x − y + z = 1






3x − y + z = 1
(b)

2x + 3z = −1

 4x + y − 2z = 7

Solução:
(a)
Veja que o sistema em questão pode ser escrito como
A · X = B,
     

1 1 1  
x  
6 
onde A =  1 −1 −1  ,X= y eB= −4 .
   
  
     
2 −1 1 z 1
det(A) = 1∆11 + 1∆12 + 1∆13
−1 −1 1 −1 1 −1

= 1(−1)1+1 + 1(−1)1+2 + 1(−1)1+3

−1 1 2 1 2 −1

= (−1 − 1) + (−1)(1 + 2) + (−1 + 2)

= −4.
Como det(A) 6= 0, segue que o sistema em questão possui única solução, determi-
nada a seguir:     

6 1 1  
1 6 1  
1 1 6 
Ax =  −4 −1 −1  , Ay =  1 −4 −1  e Az =  1 −1 −4  ;
    
     
1 −1 1 2 1 1 2 −1 1
det(Ax) = −4; Calcular!!!
det(Ay) = −12; Calcular!!!
det(Az) = −8; Calcular!!!
det(Ax) −4
x= = = 1;
det(A) −4
det(Ay) −12
y= = = 3;
det(A) −4
det(Az) −8
z= = = 2.
det(A) −4
Outra Forma de Resolução: (a)

Veja que o sistema em questão pode ser escrito como
A · X = B,
     

1 1 1  
x  
6 
onde A =  1 −1 −1 , X= y eB= −4 .
     

     
2 −1 1 z 1
(?) Encontrar det(A) :
det(A) = 1∆11 + 1∆12 + 1∆13
−1 −1 1 −1 1 −1

1+1 1+2 1+3

= 1(−1) + 1(−1)

+ 1(−1)

−1 1 2 1 2 −1

= (−1 − 1) + (−1)(1 + 2) + (−1 + 2)

= −4.
Como det(A) 6= 0, segue que A possui inversa.
(??) Encontrar A−1 :
Veja que, 
∆
 11
∆ 12 ∆ 13 
Ā =  ∆21 ∆22 ∆23  , onde
 
 
∆31 ∆32 ∆33
(Calcular os cofatores de forma organizada!!!)
..
.
Assim,
 

−2 −3 1 
Ā =  −2 −1 3

,

 
0 2 −2
 

−2 −2 0 
AdjA = ĀT = 
 −3 −1 2 ,

 
1 3 −2
   
1 1
−2 −2 0   2 2
0 
−1 1 −1  3 1 −1
A = AdjA =  −3 −1 2  =  .
   
det(A) 4    4 4 2 
−1 −3 1
1 3 −2 4 4 2
(? ? ?) Encontrar X = A−1 · B :
−1
X
 
= A 
·B     
1 1
x  2 2
0   6   1 
 (calcular o produto!!!!)
 
 3 1 −1  
y = · −4 = 3 .
   
   4 4 2  
   
     
−1 −3 1
z 4 4 2
1 2
 Assim,




x=1

y=3 .

z=2


(b)
Veja  = −23;(Calcular esse determinante!!!)

que, det(A)  

1 −1 1  
3 1 1  
3 −1 1 
Ax =  −1 0 3  ; Ay =  2 −1 3  ; Az =  2 0 −1  ;
     
     
7 1 −2 4 7 −2 4 1 7
det(Ax) = −23; (Calcular esse determinante!!!)
det(Ay) = −23; (Calcular esse determinante!!!)
det(Az) = 23; (Calcular esse determinante!!!)
det(Ax) −23
x= = = 1;
det(A) −23
det(Ay) −23
y= = = 1;
det(A) −23
det(Az) 23
z= = = −1.
det(A) −23
Considere agora os sistema linear homogêneo a seguir, de n equações e n incógnitas.



 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = 0

a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn




 = 0

a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = 0 (3.5)

.. .. .
= ..

. .






an1 x1 + an2 x2 + an3 x3 + · · · + ann xn = 0


A forma matricial desse sistema é

A · X = Õ
em que Õ é a matriz nula de ordem n. Do que foi tratado sobre a Regra de Cramer,
podemos observar que:
6 0, e
(i) o sistema linear homogêneo (3.5) tem solução trivial (solução nula) se detA =
ainda, a solução trivial é única;
(ii) o sistema linear homogêneo (3.5) tem solução não trivial se detA = 0.
 

2 2 2 
Exemplo 54. Considere a matriz A = 
 0 2 0 

. Determinar os valores de λ ∈ R
 
0 1 3
 

x 
tais que existe X = 
 y

 6= Õ, em que Õ é a matriz nula de ordem 3, que satisfaz
 
z
A · X = λ · X.
3.4 Exercícios
1. Calcule o determinante das matrizes a seguir.
   

2 5 −3 −2  
3 −2 −5 4 
−2 −3 2 −5  −5 2 8 −5 
   
 
(a) A =   (b) B =  
1 3 −2 2  −2 4 7 −3 
   
 
   
−1 −6 4 3 2 −3 −5 8
 
  i 3 2 −i 
t + 3 −1 1 
3 −i 1 i 
   

(c) C = 5 t−3 1 (d) D =
   
 
2 1 −1 0 
   

6 −6 t + 4  
−i i 0 1
 

1 2 2 
2. Seja a matriz A =  2 3 4  .
 
 
1 5 7
(a) Calcule detA;
(b) Encontre AdjA;
(c) Verifique que A · AdjA = detA · I3 ;
(d) Encontre A−1 .
 
a b 
3. Seja a matriz A =  .
c d
(a) Encontre AdjA;
(b) Mostre que Adj(AdjA) = A.
4. Usea Regra de Cramer para resolver os sistemas lineares a seguir.





−x + y − z = 5
(a) x + 2y + 4z = 4


 3x + y − 2z = −3


 ax − 2by = c
(b)  , em que ab 6= 0.
3ax − 5by = 2c
5. Considere a matriz
 a segui. 

3 −2 −5 4 
 −5 2 8 −5
 

A = [aij ]4×4 = 
 
 −2 4 7 −3


 
2 −3 −5 8
(a) Use o desenvolvimento de Laplace para explicar o que deve ser feito para calcular
o determinante da matriz A.
(b) Determine o cofator ∆21 do elemento a21 .
(c) Explique o que é matriz adjunta da matriz A. Explique como determinar a matriz
inversa de matriz A, a partir do conceito da matriz adjunta da matriz A e sabendo

que det A 6= 0.
6. Seja a matriz A = [aij ]n×n . É sempre verdade que det Aij < det A?
7. Use a Regra de Cramer para resolver o sistema a seguir. Caso tenha que calcular
algum determinante, use o desenvolvimento de Laplace.





3y + 2x = z + 1

3x + 2z = 8 − 5y

3z − 1 = x − 2y







66
4 Vetores no Plano e no Espaço
Várias grandezas físicas como pressão e temperatura podem ser completamente

descritas pelo seu valor numérico (magnitude). Outras grandezas como força e aceleração,
para serem completamente descritas precisam, além da sua magnitude, precisam também
de uma direção e sentido. Estas grandezas podem ser representadas por setas (segmentos
orientados) e são chamadas de vetores.
Todos os segmentos orientados que possuem a mesma direção, o mesmo sentido e o
mesmo comprimento (magnitude) são representantes de um mesmo vetor.
Notação: Usaremos letras minúsculas da seguinte forma, ~v , para indicar vetores e letras
maiúsculas para indicar pontos no plano e no espaço. É usual adotar a representação v,
no entanto, opta-se aqui a representação ~v devido a facilidade de escrita.
4.1 Vetores em Rn
O conjunto R2 = R × R = {(x, y)|x, y ∈ R} é interpretado geometricamente como
−→
o plano cartesiano xOy. Qualquer vetor AB nesse plano tem sempre um representante
−→
OP cuja origem é O = (0, 0) e o ponto final é P = (a, b), com O, P ∈ R2 . Assim, vetores
em R2 são determinados exclusivamente pelo seu ponto final, pois o ponto inicial é fixo na
origem.
P
b
−→
OP
O a x
Um vetor ~v em R2 é da forma ~v = (x1 , y1 ), em que x1 , y2 ∈ R e são chamados

de componentes do vetor ~v . O vetor
 ~v = (x1 , y1 ) também pode ser representado por um

x1 
matriz coluna como segue, ~v =  .
y2
Exemplo 55. Represente no plano cartesiano os vetores a seguir.

(a) ~v = (1, 3) (b) ~v = (2, −5) (c) ~v = (−1, 3)
(d) ~v = (2, −2) (d) ~v = (−2, 3) (e) ~u = (2, 6)
Capítulo 4. Vetores no Plano e no Espaço 67
y
2
0 x
y y
3 3
→
−
v
→
−
v →
−
v
−5
0 1 x −1 0 x
(a) (b) (c)

y
6
y
3 →
−
v
2
0 x →
−
v
→
−
v
−2
−2 0 x 0 2 x
(d) (e) (f)
Figura 3 – Resolução do Exemplo 55
O conjunto R3 = {(x, y, z)|x, y, z ∈ R} é interpretado geometricamente como o

espaço cartesiano tridimensional Oxyz (ou sistema de coordenadas dado por tês retas
orientadas, perpendiculares duas a duas). Da mesma forma que em R2 , os vetores em R3
são dados por seguimentos orientados, com ponto inicial em O = (0, 0, 0) e ponto final
−→
P = (x1 , y1 , z1 ) e dessa forma, o vetor OP costuma ser denotado pelas coordenadas de P.
P
→
−
P
y
O
Um vetor ~v em R3 é da forma ~v = (x1 , y1 , z1 ), em que x1 , y1 , z1 ∈ R e são chamados

de componentes do vetor ~v . O vetor
~v =(x1 , y1 , z1 ) também pode ser representado por
x
 1 
um matriz coluna como segue, ~v =  y1  .
 
 
z1
Exemplo 56. Represente no sistema cartesiano tridimensional os pontos a seguir.

(a) P = (1, 2, 3) (b) B = (−1, 2, 1) (c) C = (0, 1, 2)
Exemplo 57. Represente no sistema cartesiano tridimensional os seguintes vetores.

(a) ~v = (1, 2, 3) (b) ~u = (2, 2, 6) (c) ~v = (−1, −2, −3)
z
6
z
~v
3
~v
y
O 2
y
O 2 2
1
x x
(a) (b)
−1
y
−2 O
~v
x
−3
(c)
Definimos Rn = {(x1 , x2 , x3 , · · · , xn )|x1 , x2 , x3 , · · · , xn ∈ R}, cuja interpretação

geométrica feita para R2 e R3 foge do nosso alcance. Um vetor ~v em Rn é da forma
~v = (x1 , x2 , x3 , · · · , xn ), em que x1 , x2 , x3 , · · · , xn ∈ R são as componentes de 
~v eda
x
 1 
 x2 
 
 
mesma forma que em R2 e R3 , ~v pode ser representado na forma matricial ~v =  x3  .
 
 .. 
 
 . 
 
xn
Sejam ~u, ~v ∈ Rn com ~u = (x1 , x2 , x3 , · · · , xn ) e ~v = (y1 , y2 , y3 , · · · , yn ). Definimos
a soma e a multiplicação por escalar k, respectivamente, como segue:
(i) ~u + ~v = (x1 + y1 , x2 + y2 , · · · , xn + yn )
(ii) k · ~u = (kx1 , kx2 , · · · , kxn ).
E ainda, −~u = −1 · ~u e ~u − ~v = ~u + (−~v ). Definimos também a igualdade entre os
vetores ~u e ~v se ~u e ~v possuem a mesma quantidade de componentes e se as componentes
correspondentes são iguais.
Exemplo 58. (a) Suponha que (x − y, x + y, z − 1) = (4, 2, 3). Determine x, y e z.

(b) Sejam ~u = (1, −3, 2, 4) e ~v = (3, 5, −1, −2). Determine ~u + ~v , 5~u e 2~u − 3~v .
Solução:
(a) Note que de (x − y, x + y, z − 1) = (4, 2, 3), segue o sistema






x−y = 4

x+y = 2

z = 4


Usando o método de Gauss-Jordan ou método de Gauss, segue que

aluno(a): desenvolva essa etapa!!!





x=3

y = −1 .

 z=4

(b) Note que,

~u + ~v = (1, −3, 2, 4) + (3, 5, −1, −2) = (4, 2, 1, 2);
5~u = 5(1, −3, 2, 4) = (5, −15, 10, 20);
2~u − 3~v = 2(1, −3, 2, 4) − 3(3, 5, −1, −2)
= (2, −6, 4, 8) + (−9, −15, 3, 6)
= (−7, −21, 7, 14).
Observação 10. Considere a situação em que um vetor ~v ∈ R2 é representado por um

segmento de reta orientado em que a origem do vetor não coincide com O = (0, 0), isto é,
−→
~v = AB e A = (x1 , y1 ) 6= (0, 0) e B = (x2 , y2 ) 6= (0, 0). Nesse caso, as componentes de ~v
são determinadas como segue,
~v = (x2 − x1 , y2 − y1 ). (4.1)
Assim o vetor ~v = (x2 − x1 , y2 − y1 ) também pode ser representado com ponto inicial
O = (0, 0) e ponto final B” = (x2 − x1 , y2 − y1 ). O raciocínio é análogo para vetores em
Rn .
Exemplo 59. Determine as componentesdo vetor ~

v que tem um representante com ponto
5 5 5

inicial P = , 1, 2 e final Q = 0, ,
2 2 2
Solução:
Note que,
−→ 5 5 5 −5 3 1

~v = P Q = 0, , − , 1, 2 = , , .
2 2 2 2 2 2
Teorema 5. Sejam os vetores ~u, ~v , w ~ ∈ Rn e os escalares α, β ∈ R. Então:
(i) (~u + ~v ) + w
~ = ~u + (~v + w)~
(ii) ~u + ~o = ~u, em que ~o = (0, 0, · · · , 0) ∈ Rn é o vetor nulo
(iii) ~u + (−~u) = ~o em que −~u é chamado de elemento simétrico de ~u
(iv) ~u + ~v = ~v + ~u
(v) α(~u + ~v ) = α · ~u + α · ~v
(vi) (α + β) · ~u = α · ~u + β · ~u
(vii) (α · β) · ~u = α · (β · ~u)
(viii) 1 · ~u = ~u
Exemplo 60. Verifique o teorema anterior para os vetores ~u = (−2, 1, 3), ~v = (−1, 5, 6)
~ = (−3, −2, 1) e para os escalares α = 2 e β = −5
ew 4
.
Solução:
(i) Veja que,
~ = ((−2, 1, 3) + (−1, 5, 6)) + (−3, −2, 1) = (−3, 6, 9) + (−3, −2, 1) = (−6, 4, 10);
(~u +~v ) + w
~ = (−2, 1, 3) + ((−1, 5, 6) + (−3, −2, 1)) = (−2, 1, 3) + (−4, 3, 7) = (−6, 4, 10).

~u + (~v + w)
Logo, (~u + ~v ) + w
~ = ~u + (~v + w).
~
(ii) Considere ~o = (0, 0, 0) e observe que,
~u + ~o = (−2, 1, 3) + (0, 0, 0) = (−2, 1, 3) = ~u.
Logo, ~u + ~o = ~u.
(iii) Considere ~o = (0, 0, 0) e observe que,
−~u = −(−2, 1, 3) = (2, −1, −3);
~u + (−~u) = (−2, 1, 3) + (2, −1, −3) = (0, 0, 0) = ~o.
Logo, ~u + (−~u) = ~o.

(iv) Note que,
~u + ~v = (−2, 1, 3) + (−1, 5, 6) = (−3, 6, 9);
~v + ~u = (−1, 5, 6) + (−2, 1, 3) = (−3, 6, 9).
Logo, ~u + ~v = ~v + ~u.
(v) Exercício!!!
(vi) Veja que,
−5 3 3 3 3 3 3 9

(α+β)·~u = 2 + ·(−2, 1, 3) = ·(−2, 1, 3) = −2 · , 1 · , 3 · = − , , ;
4 4 4 4 4 2 4 4

−5 (−5) (−5) (−5)
α~u + β~u = 2 · (−2, 1, 3) + 4
· (−2, 1, 3) = (−4, 2, 6) + −2 · ,1 · ,3 ·
4 4 4
−5 −15
= (−4, 2, 6) + 10
4
, ,
4 4
= −4 + 10
4
, 2 − 54 , 6 − 15
4
.

−16+10 8−5 24−15
= 4
, 4 , 4 = −3 , 3, 9
2 4 4
Logo, (α + β) · ~u = α~u + β~u.

(vi) Exercício!!!
(viii) Exercício!!!
Exemplo 61. Demonstre o Teorema 5.
Observação 11. Sejam os vetores ~u, ~v vetores em Rn e o escalar não nulo α ∈ R, tal que
~u = α · ~v . Dizemos que ~u tem o mesmo sentido de ~v se α > 0 e sentido oposto se α < 0.
Exemplo 62. Sejam o vetor ~u = (1, −2, −3) e os escalares γ = −3 e β = 2. Esboce os

vetores em cada caso a seguir.
(a) ~u (b) ~v = γ · ~u ~ = β · ~u
(c) w
Exemplo 63. Sejam os pontos A = (0, 1, −1) e B = (1, 2, −1) e os vetores ~u = (−2, −1, 1),
~v = (3, 0, −1) e w~ = (−2, −2, 2). Verifique se existem escalares a1 , a2 e a3 tais que
−→
~ = a1 AB + a2~u + a3~v .
w
Solução: Veja que
−→
AB = (1, 2, −1) − (0, 1, −1) = (1, 1, 0).
−→
De w
~ = a1 AB + a2~u + a3~v , segue que
(−2, −2, 2) = a1 (1, 1, 0) + a2 (−2, −1, 1) + a3 (3, 0, −1)

= (a1 , a1 , 0) + (−2a2 , −a2 , a2 ) + (3a3 , 0, −a3 )
= (a1 − 2a2 + 3a3 , a1 − a2 , a2 − a3 );
e disso segue o sistema 





a1 − 2a2 + 3a3 = −2

a1 − a2 = −2 .

a2 − a3 = 2


Deve-se então verificar se o sistema acima possui solução. Usando o método de Gauss-
Jordan ou o método de Gauss,
Aluno(a): desenvolver esta etapa!!!
segue que,





a1 = 1

a2 = 3 .

 a =1

3
Exemplo 64. Sejam os pontos P1 = (1, 2, 4), P2 = (2, 3, 2), P3 = (2, 1, −1) e P4 =
(x1 , y1 , z1 ). Determine x1 , y1 , z1 tais que P1 , P2 , P3 e P4 sejam vértices de um paralelogramo.
Exemplo 65. Determine as coordenadas do ponto médio do segmento reta de extremidades

A = (x1 , y1 ) e B = (x2 , y2 ).
4.2 Produto entre Vetores

4.2.1 Produto Escalar
Definição 19. Seja ~u = (x1 , x2 , · · · , xn ) vetor de Rn . A norma de ~u (ou comprimento
de ~u) é definida por q
||~u|| = x21 + x22 + · · · + x2n .
No caso em que ||~u|| = 1, diz-se que ~u é um vetor unitário. É usual dizer também, neste
caso, que ~u está normalizado.
Definição 20. Sejam os pontos de Rn P1 = (x1 , x2 , · · · , xn ) e P2 = (y1 , y2 , · · · , yn ). A

−−→
distância do ponto P1 ao ponto P2 , denotada por d é a norma do vetor P1 P2 , isto é,
q
d= (y1 − x1 )2 + (y2 − x2 )2 + · · · + (yn − xn )2 .
Exemplo 66. Defina:

(a) Norma para um vetor ~v ∈ R2 .
(b) Distância entre dois pontos P1 e P2 de R2 .
(c) Norma para um vetor ~v ∈ R3 .
(d) Distância entre dois pontos P1 e P2 de R3 .
Exemplo 67. Determine:

(a) ||~u||, onde ~u = (1, −2, 3).
(b) A distância entre os pontos P1 = (2, −1, −5) e P2 = (4, −3, 1).
Solução: (a) Note que, q √

||~u|| = 12 + (−2)2 + 32 = 14.
(b) Note que, q

d = (4 − 2)2 + (−3 − (−1))2 + (1 − (−5))2
q
= 22 + (−2)2 + (6)2
√
= 44
√
= 2 11.
Observação 12. (i) Se ~u = (x1 , x2 , · · · , xn ) é um vetor de Rn e α é um escalar real então
q
||α~u|| = ||(αx1 , αx2 , · · · , αxn )|| = (αx1 )2 + (αx2 )2 + · · · + (αxn )2
q
||α~u|| = α2 (x21 + x22 + · · · + x2n ) = |α|||~u||.
(ii) Dado um vetor ~u = (x1 , x2 , · · · , xn ) não nulo de Rn , o vetor
!
1
~v = ~u
||~u||
é um vetor unitário na direção de ~u.
!
1
Exemplo 68. Mostre que o vetor ~v = ~u é um vetor unitário, onde ~u = (x1 , y1 , z1 )
||~u||
é um vetor não nulo de R3 .
Solução:
Note que,
q
||~u|| = x21 + y12 + z12 ;
1
~v = q (x1 , y1 , z1 )
2 2 2
x
 1
+ y 1 + z1 
x1 y1 z1
= q ,q ,q ;
2 2 2 2 2 2 2 2 2
x1 + y1 + z1 x1 + y1 + z1 x1 + y1 + z1
s
2 2
x1 y1 z12
||~v || = + +
x21 + y12 + z12 x21 + y12 + z12 x21 + y12 + z12
= 1.
Portanto, ~v é um vetor unitário.
Definição 21. Sejam ~u e ~v vetores de Rn . O produto escalar (ou produto interno)

de ~u e ~v é definido por

 0, se ~u = ~o ou ~v = ~o
~u · ~v = ,
 ||~
u||||~v ||cos(θ), se ~u 6= ~o e ~v 6= ~o
onde 0 ≤ θ ≤ π é o ângulo entre os vetores ~u e ~v . No caso em que ~u · ~v = 0 diz-se que ~u e

~v são ortogonais ou perpendiculares.
~u
~v
Da expressão ~u · ~v = ||~u|| · ||~v ||cos(θ), para ~u e ~v vetores não nulos de Rn , define-se que:
(i) ~u e ~v são ortogonais se cos(θ) = 0;
(ii) ~u e ~v são paralelos se cos(θ) = ±1. Neste caso, ~u e ~v possuem o mesmo sentido se
cos(θ) = 1 e sentidos contrários se cos(θ) = −1.
~u
~u
~v ~v
(a) (b)
θ= 0◦ θ = 180◦
~u ~v ~v ~u
(c) (d)
Figura 4 – Representação dos casos apresentados na Definição 21
Exemplo 69. Sejam os vetores ~u = (0, 0, 1) e ~v = (0, 2, 2) e θ = 45o o ângulo formado

entre ~u e ~v . Determine ~u · ~v .
Solução:
Note que,
√
||~u|| = 02 + 02 + 12 = 1;
√ √
||~v || = 02 + 22 + 22 = 2 2;
~u · ~v = ||~u|| · ||~v ||cos(45)
√
√ 2
= 1·2 2·
2
= 2.
No caso em que é conhecido apenas as componentes de ~u e ~v , o produto interno de

~u e ~v é dado pelo teorema a seguir.
Teorema 6. Sejam ~u = (x1 , x2 , · · · , xn ) e ~v = (y1 , y2 , · · · , yn ) vetores de Rn . O produto

escalar de ~u e ~v é o número ~u · ~v obtido multiplicando as componentes correspondentes e
efetuando a soma dos produtos obtidos:
~u · ~v = x1 · y1 + x2 · y2 + · · · + xn · yn .
Exemplo 70. Defina ~u · ~v para o caso em que ~u e ~v são vetores de R3 .
Exemplo 71. Sejam os vetores ~u = (1, 0, 0), ~v = (0, 1, 0) e w

~ = (0, 0, 1). Determine o
ângulo formado entre os vetores ~u e m, ~ = ~u + ~v + w
~ onde m ~ é uma diagonal de um cubo.
Solução:
Note que,
m
~ =
(1, 1, 1);
~u · m
~ (1, 1, 1) · (1, 0, 0)
=
1·1+1·0+1·0
=
=
1;
√
||~u|| = 12 + 02 + 02 = 1;
√ √
||m||
~ = 12 + 12 + 12 = 3;
~u · m
~
cos(θ) =
||~u|| · ||m||
~
1
= √
1· 3
√
3
= .
3
√
3
Logo, θ = arccos 3
. Observe que,
1
~v
θ m
~
y
O ~u 1
w
~
1
x
Exemplo 72. Verifique se os vetores ~u = (1, −2, 3) e ~v = (7, 1, −2) são ortogonais.
Solução:
Veja que,
~u · ~v = (1, −2, 3) · (7, 1, −2) = 1 · 7 + (−2) · 1 + 3 · (−2) = −1.
Como ~u · ~v 6= 0, segue que ~u e ~v não são ortogonais. Aluno(a): Esboce os vetores ~u

e ~v .
Teorema 7. (Desigualdade de Cauchy-Schwarz)

Se ~u e ~v são vetores em Rn , então
|~u · ~v | ≤ ||~u|| · ||~v ||.
Teorema 8. (Desigualdade Triangular)

Se ~u e ~v são vetores em Rn , então
||~u + ~v || ≤ ||~u|| + ||~v ||.
Exemplo 73. Sejam os vetores ~u = (1, 0, 0, 1), ~v = (0, 1, 1, 0) e w

~ = (3, 0, 0, 3).
(a) Verifique se ~u e ~v são ortogonais.
(b) Verifique se ~u e w~ são ortogonais.
(c) Verifique os teoremas 7 e 8 para ~v e w.
~
Solução: (c) Veja que,
~v · w
~ = (0, 1, 1, 0) · (3, 0, 0, 3)
= 0·3+1·0+1·0+0·3
= 0;
|~v · w|~ = 0;
√
||~v || = 02 + 11 + 12 + 02
√
= 2;
√
||w||
~ = 32 + 02 + 02 + 32
√
= 3 2;
||~v + w||~ = ||(3, 1, 1, 3)||
√
= 32 + 12 + 12 + 32
√
= 2 5.
Logo,
|~v · w|
~ = ||~v || · ||w||
~
e
||~v + w||
~ < ||~v || + ||w||.
~
Exemplo 74. Demonstre os Teoremas 7 e 8.
4.2.2 Produto Vetorial

O produto vetorial trata-se se uma operação que só faz sentido para vetores em
3
R . Antes de introduzir este conceito é necessário definir uma outra forma de representar
um vetor ~u ∈ R3 .
Considere os vetores unitários ~u = (1, 0, 0), ~v = (0, 1, 0) e w ~ = (0, 0, 1) e observe

que estes vetores estão no sentido positivo dos eixos x, y e z, respectivamente. Estes
~ são representados, respectivamente, por ~i, ~j e ~k e assim, qualquer vetor
vetores (~u, ~v e w)
~ = (x1 , y1 , z1 ) ∈ R3 pode ser representado por
m
~ = x1 · ~i + y1 · ~j + z1 · ~k
m
ou seja,
~ = x1 · (1, 0, 0) + y1 · (0, 1, 0) + z1 · (0, 0, 1).
m
Exemplo 75. Sabendo que ~i = (1, 0, 0), ~v = (0, 1, 0) e ~j = (0, 0, 1). Determine ~i · ~i, ~j · ~j,
~i · ~j, , ~k · ~k e ~i · ~k.
Exemplo 76. Sejam ~u = 3~i + 6~j − 2~k e ~v = 4~i − 3~j − ~k. Determine:
(a) −2~u + 5~v
(b) ~u · ~v
Solução: (a) Veja que,
−2~u + 5~v = (−2)(3, 6, −2) + 5(4, −3, −1)

= (−6, −12, 4) + (20, −15, −5)
= (14, −27, −1).
(b) Note que,

~u · ~v = (3, 6, −2) · (4, −3, −1)
= 3 · 4 + 6(˙ − 3) + (−2) · (−1)
= −4.
Definição 22. Sejam os vetores ~u = x1~i + y1~j + z1~k e ~v = x2~i + y2~j + z2~k. O produto
vetorial
 é o vetor
 denotado por ~u × ~v , que é obtido pelo cálculo do determinante da matriz
~i ~j ~k
 
 x1 y1 z1  .
 
 
x2 y2 z2
 
~i ~j ~k
 
~u × ~v = det 
 x1 y1 z1 .

 
x2 y2 z2
Exemplo 77. Sejam os vetores ~u = 4~i + 3~j + 4~k e ~v = ~i + ~k. Determine:

(a) ~u × ~v
(b) ~v × ~u
Solução: (a) Veja que,
~u = (4, 3, 4);
~v = (1,

0, 1);
~ ~ ~
i j k

~u × ~v = 4 3 4

1 0 1

3 4 ~ 4 4 4 3

~i(−1)2 3 +~ 4

= + j(−1) k(−1)
0 1 1 1 1 0

= 3~i + 0~j − 3~k
= (3, 0, −3).
Definição 23. Sejam os vetores ~u = x1~i+y1~j+z1~k, ~v = x2~i+y2~j+z2~k e w

~ = x3~i+y3~j+z3~k.
O produto escalar triplo ou produto misto de ~u, ~v e w, ~ dados nessa ordem é
(~u × ~v ) · w,
~
ou seja, é o produto escalar entre o vetor ~u × ~v e o vetor w.

~
Observação 13. O vetor ~u × ~v é ortogonal simultaneamente aos vetores ~u e ~v , onde

~u = x1~i + y1~j + z1~k e ~v = x2~i + y2~j + z2~k.
4.3 Exercícios
1. Esboce os vetores a seguir.
(a) ~u = (3, 4, 5) (b) ~u = (−3, 4, 5) (c) ~u = (3, −4, 5) (d) ~u = (3, 4, −5)
(e) ~u = (−3, −4, 5) (f) ~u = (−3, 4, −5) (g) ~u = (3, −4, −5) (h) ~u = (−3, −4, −5)
(i) ~u = (3, −7, 2) (j) ~u = (−1, 0, 2) (k) ~u = (0, −1, 0) (l) ~u = (2, 5, −4)
2. Determine as componentes do vetor de ponto inicial P1 e ponto final P2 . Depois, em

cada caso, esboce cada vetor no seu respectivo espaço.
(a) P1 = (4, 8) e P2 = (3, 7) (b) P1 = (3, −5) e P2 = (−4, −7)
(c) P1 = (−5, 0) e P3 = (−3, 1) (d) P1 = (3, −7, 2) e P2 = (−2, 5, −4)
(e) P1 = (−1, 0, 2) e P3 = (0, −1, 0).
3. Sejam os vetores ~u = (−3, 1, 2), ~v = (4, 0, −8) e w

~ = (6, −1, −4). Encontre os vetores:
(a) ~v − w
~ (b) 6~u + 2~v (c) (2~u − 7w) ~ − (8~v + ~u)
(d) o vetor ~x que satisfaça 2~u − ~v + ~x = 7~x + w.
~
4. Sejam os vetores ~u = (−3, 1, 2), ~v = (4, 0, −8) e w ~ = (6, −1, −4). Encontre os
escalares a1 , a2 e a3 tais que a1~u + a2~v + a3 w
~ = m,
~ onde m
~ = (2, 0, 4).
5. Sejam os vetores ~u = (1, 2, 0), ~v = (2, 1, 1), w

~ = (0, 3, 1) e m
~ = (0, 0, 0). Mostre que
existem escalares a1 , a2 e a3 tais que a1~u + a2~v + a3 w~ = m.
~
6. Sejam os vetores ~u = (−2, 9, 6), ~v = (−3, 2, 1), w

~ = (1, 7, 5) e m
~ = (0, 5, 4). Mostre
que não existem escalares a1 , a2 e a3 tais que a1~u + a2~v + a3 w
~ = m.
~
7. Sejam os pontos P1 = (2, 3, −2) e P2 = (7, −4, 1).

(a) Determine o ponto médio do segmento de reta com extremidades P1 e P2 .
3
(b) Determine o ponto no segmento de reta com extremidades P1 e P2 que está a
4
do caminho de P1 a P2 .
8. Sejam os vetores ~u = (5, 4, 1), ~v = (3, −4, −1) e w~ = (1, −2, 3). Determine:
(a) (~u + ~v ) · w
~ (b) (~u · w)
~ + (~v · w)
~ (c) α(~u · w),
~ onde α = −5
1
9. Sejam os vetores ~u = (3, −7, 2, −3), ~v = (−1, 0, 4, 9) e w
~ = (2, −20, , 0). Quais os
2
pares de vetores perpendiculares?
10. Determine k para que os vetores ~u = (1, k, −3) e ~v = (2, −5, 4) sejam ortogonais.
11. Seja θ o ângulo entre os vetores ~u e ~v . Determine cos(θ) em cada caso.

(a) ~u = (−2, 9, 6) e ~v = (−3, 2, 1) (b) ~u = (1, 7, 5) e ~v = (0, 5, 4).
12. Determine um vetor unitário na direção do vetor ~u em cada caso.

(a) ~u = (−2, 3, −1, −1) (b) ~u = (2, 5, −4) ~u = (0, 0, 2)

13. Determine o valor de k para que o vetor ~u = k, 52 , 45 seja unitário.
14. Determine k sabendo que o ângulo entre os vetores ~u = (2, 1, −1) e ~v = (1, −1, k + 2)
é θ = π3 .
15. Sejam os vetores ~u = (0, 1, −1), ~v = (2, −2, −2) e w

~ = (−3, 4, −5). Determine:
(a) um vetor perpendicular a ~u e a ~v
(b) um vetor unitário perpendicular a ~u e a w ~
(c) (~u × ~v ) · w
~
(d) (~v × w)
~ · ~u
16. Sejam os vetores ~u = a~i + 5b~j − 2c ~k e ~v = −3a~i + x~j + y~k. Determine x e y tais que
~u × w
~ = ~o.



Capítulo 1 - Seção 1.3 : 1 a 25, 38 − 41
Capítulo 1 - páginas 45 − 46, exercícios 1 − 8
82
5 Espaço Vetorial
5.1 Espaço Vetorial

Definição 24. Seja V um conjunto não vazio, sobre o qual estão definidas as operações
de adição e multiplicação por escalar α, respectivamente,
~u + ~v ∈ V, para quaisquer ~u, ~v ∈ V ;
α~u ∈ V, para qualquer ~u ∈ V e qualquer escalar α ∈ K.
~ ∈ V e escalares
Dizemos que V é um espaço vetorial sobre K se, para quaisquer ~u, ~v , w
α, β ∈ K o seguintes axiomas forem satisfeitos:
(i) Comutatividade
~u + ~v = ~v + ~u;
(ii) Associatividade
(~u + ~v ) + w~ = ~u + (~v + w)
~ e (αβ)~u = α(β~u);
(iii) Vetor Nulo
existe um vetor ~o ∈ V, chamado vetor nulo (ou elemento neutro) tal que ~v + ~o = ~v = ~o + ~v
para todo ~v ∈ V ;
(iv) Inverso Aditivo (Simétrico)
para cada vetor ~v ∈ V, existe um vetor −~v ∈ V, chamado inverso aditivo de ~v , tal que
~v + (−~v ) = ~o;
(v) Distributividade
(α + β)~u = α~u + β~u e α(~u + ~v ) = α~u + α~v
(vi) Multiplicação por 1
1~u = ~u para qualquer ~u ∈ V.
Observação 14. Considera-se neste capítulo apenas espaços vetoriais definidos sobre
K = R.
Observação 15. Os elementos de um espaço vetorial são chamados de vetores, indepen-

dente da natureza dos seus elementos.
Exemplo 78. Os conjuntos a seguir são espaços vetoriais sobre R.

(a) V = R2 = {(x, y)|x, y ∈ R}, com as operações de adição e multiplicação por escalar
usuais.
(b) V = M (3, 3) = {A|Aé matriz quadrada de ordem 3}, com as operações de adição e
multiplicação por escalar usuais.
(c) V = P2 = {a2 x2 + a1 x + a0 |ai ∈ R}, com as operações de adição e multiplicação por
escalar usuais.
(d) V = {f : R −→ R|f é função} com a operação de soma e multiplicação por escalar
Capítulo 5. Espaço Vetorial 83
usuais.
(e) V = {(x, x2 )|x ∈ R)} com as respectivas operações de adição e multiplicação por escalar,
(x1 , x21 )+̃(x2 , x22 ) = (x1 + x2 , (x1 + x2 )2 ) e α ∗ (x, x2 ) = (αx, α2 x2 ).
(f) V = {(x, y)|x, y ∈ R∗+ } com as respectivas operações de adição e multiplicação por
escalar, (x1 , y1 )+̂(x2 , y2 ) = (x1 × x2 , y1 × y2 ) e α ∗ (x, y) = (xα , y α ).
Exemplo 79. Apresente um elemento de cada espaço vetorial do Exemplo 78.
Observação 16. Quanto aos exercícios de verificar os itens da Definição (24) focaremos
apenas no direcionamento dado pelo Exemplo (80).
Exemplo 80. Verifique que os conjuntos a seguir não são espaços vetoriais sobre R.
(a) V = {(a, b)|a, b ∈ R} com as respectivas operações de soma e multiplicação por escalar,
(a, b) + (c, d) = (a + c, b + d) e α(a, b) = (αa, b).
(b) V = {(a, b)|a, b ∈ R} com as respectivas operações de soma e multiplicação por escalar,
(a, b) + (c, d) = (a + c, b + d) e α(a, b) = (αa, 0).
Solução:
(a) Para mostrar que V = {(a, b)|a, b ∈ R} com as operações
(a, b) + (c, d) = (a + c, b + d)
α(a, b) = (αa, b)
não é espaço vetorial sobre R, basta mostrar que pelo menos um dos itens da Definição
(24) não é satisfeito.
Note que a multiplicação por escalar definida para V não é a usual de R2 , logo
vamos mostrar que a igualdade
(α + β)~u = α~u + β~u
não é válida para qualquer ~u ∈ V e quaisquer escalares α, β ∈ R. Sejam então ~u = (1, 2) ∈ V

e os escalares α = 2 e β = 3. Observe que,
(α + β)~u = (2 + 3)(1, 2) = 5(1, 2) = (5 · 1, 2) = (5, 2)
(multiplica apenas a 1a entrada pois é assim que é definida a multiplicação por escalar em
V );
α~u + β~u = 2(1, 2) + 3(1, 2) = (2 · 1, 2) + (3 · 1, 2) = (2, 2) + (3, 2) = (5, 4).
(b) Para mostrar que V = {(a, b)|a, b ∈ R} com as operações
(a, b) + (c, d) = (a + c, b + d)
α(a, b) = (αa, 0)
não é espaço vetorial sobre R, basta mostrar que pelo menos um dos itens da Definição
(24) não é satisfeito.
Seja ~u = (5, 7) ∈ V e observe que o item (vi) da Definição (24) não é válido, isto é,
1~u = 1(5, 7) = (1 · 5, 0) = (5, 0) 6= ~u
(multiplica a 1a entrada e anula a 2a entrada, pois a multiplicação por escalar definida em

V é dessa forma).
Exemplo 81. Seja o conjunto V = {(a, b)|a, b ∈ R}. Mostre que V não é espaço vetorial
sobre R em relação a cada uma das seguintes operações de adição em V e multiplicação
por escalar em V :
(a) (a, b) + (c, d) = (a, b) e k(a, b) = (ka, kb);
(b) (a, b) + (c, d) = (a + c, b + d) e k(a, b) = (k 2 a, k 2 b)
(c) (a, b) + (c, d) = (0, 0) e k(a, b) = (ka, kb)
(d) (a, b) + (c, d) = (ac, bd) e k(a, b) = (ka, kb)
(e) (a, b) + (c, d) = (a + d, b + c) e k(a, b) = (ka, kb)
Solução: (a)
Note que a operação de adição em V não é a usual de R2 . Deve-se mostrar que
pelo menos um dos itens da Definição 24 não é satisfeito. Considere ~u = (1, 2) ∈ V e
~v = (−3, 4) ∈ V e observe que,
~u + ~v = (1, 2) + (−3, 4)
= (1, 2); (Obedeça a operação de adição em V )
~v + ~u = (−3, 4) + (1, 2)
= (−3, 4). (Obedeça a operação de adição em V )
Logo, ~u + ~v 6= ~v + ~u, o que significa que V não é um espaço vetorial sobre R.
Solução: (b)
Note que a operação de multiplicação por escalar em V não é a usual de R2 .
Deve-se mostrar que pelo menos um dos itens da Definição 24 não é satisfeito. Considere
~u = (−2, 3) ∈ V e os escalares α = −5, β = 3 e observe que,
(α + β)~u = (−5 + 3)(−2, 3)

= (−2)(−2, 3)
= (−8, 12); (Obedeça a operação de multiplicação por escalar em V )
α~u + β~u = (−5)(−2, 3) + 3(−2, 3)

= (−50, 75) + (−18, 27) (Obedeça a operação de multiplicação por escalar em V )
= (−68, 102).
Logo, (α + β)~u 6= α~u + β~u, o que significa que V não é um espaço vetorial sobre R.
Solução: (c)
pelo menos um dos itens da Definição 24 não é satisfeito. Considere ~u = (2, 3) ∈ V e os
escalares α = −3, β = 2 e observe que,
(α + β)~u = (−3 + 2)(2, 3)

= (−1)(2, 3)
= (−2, −3); (Obedeça a operação de multiplicação por escalar em V )
α~u + β~u = (−3)(2, 3) + 2(2, 3)

= (−6, −9) + (4, 6) (Obedeça a operação de adição em V )
= (0, 0).
Solução: (d)
pelo menos um dos itens da Definição 24 não é satisfeito. Considere ~u = (2, 3) ∈ V ,
~v = (4, 5) ∈ V e o escalar α = 2 e observe que,
α(~u + ~v ) = 2((2, 3) + (4, 5))

= 2(2 · 4, 3 · 5) (Obedeça a operação de adição em V )
= (16, 30);
α~u + α~v = 2(2, 3) + 2(4, 5)

= (4, 6) + (8, 10)
= (4 · 8, 6 · 10) (Obedeça a operação de adição em V )
= (32, 60).
Logo, α(~u + ~v ) 6= α~u + α~v , o que significa que V não é um espaço vetorial sobre R.
(e)
pelo menos um dos itens da Definição 24 não é satisfeito. Considere ~u = (2, 3) ∈ V e os
escalares α = −2, β = −3 e observe que,
(α + β)~u = (−2 − 3)(2, 3)

= (−5)(2, 3)
= (−10, −15); (Obedeça a operação de multiplicação por escalar em V )
α~u + β~u = (−2)(2, 3) + (−3)(2, 3)

= (−4, −6) + (−6, −9)
= (−4 − 9, −6 − 6) (Obedeça a operação de adição em V )
= (−13, −12).
Propriedades do Espaço Vetorial
Seja V um espaço vetorial. São válidas as seguintes propriedades.
(i) Existe um único elemento neutro ~o em V (elemento neutro em relação a operação de
adição definida em V );
(ii) Para cada vetor ~u ∈ V existe apenas um, e somente um, elemento simétrico em V ;
~ ∈ V, se ~u + ~v = ~v + w,
(iii) Para quaisquer ~u, ~v , w ~ então ~u = w;
~
(iv) O elemento simétrico do simétrico do vetor ~u é o próprio ~u, isto é, −(−~u) = ~u;
(vi) Para qualquer ~u ∈ V tem se 0~u = ~o;
(vii) Para α ∈ K escalar qualquer, tem-se α~o = ~o;
(viii) Para qualquer escalar α ∈ K e para qualquer ~u ∈ V, (−α)~u = α(−~u) = −α~u.
Observação 17. O espaço vetorial V = Rn com as operações de soma e multiplicação por

escalar usuais será identificado apenas como V = Rn ou simplesmente como Rn .
5.2 Subespaço Vetorial

Definição 25. Seja V um espaço vetorial. Um subconjunto S não vazio de V é chamado
subespaço vetorial de V se S também é um espaço vetorial com relação as operações soma
e multiplicação por escalar definidas em V.
Teorema 9. Sejam V um espaço vetorial e S um subconjunto de V. S é um subespaço

vetorial de V se, e somente se:
(i) S é não vazio;
(ii) S é fechado para a operação de adição definida em V, isto é, para quaisquer ~u, ~v ∈ S
tem-se ~u + ~v ∈ S.
(iii) S é fechado para a operação de multiplicação por escalar definida em V, isto é, para
qualquer ~u ∈ S e qualquer escalar k ∈ K tem-se k~u ∈ S.
Exemplo 82. Mostre que:

(a) W = {(a, b, 0)|a, b ∈ R} é um subespaço vetorial do espaço vetorial V = R3 .
(b) W = {(a, b, c)|a + b + c = 0, a, b, c ∈ R} é um subespaço vetorial do espaço vetorial
V = R3 .
(c) W = {(x, y)|y = 2x, x ∈ R} é um subespaço vetorial do espaço vetorial V = R2 .
Solução:
(a) Mostrar que os itens do Teorema (9) são válidos para W = {(a, b, 0)|a, b ∈ R}.
(i) W 6= ∅.
De fato, W 6= ∅ pois ~o = (0, 0, 0) ∈ W.
(ii) W é fechado para a operação de soma definida em R3 .
Sejam ~u = (a1 , b1 , 0) e ~v = (a2 , b2 , 0) elementos de W. Temos,
~u + ~v = (a1 , b1 , 0) + (a2 , b2 , 0) = (a1 + a2 , b1 + b2 , 0) ∈ W.
(iii) W é fechado para a operação de multiplicação por escalar definida em R3 .

Sejam ~u = (a1 , b1 , 0) ∈ W e o escalar α ∈ R. Note que,
α~u = α(a1 , b1 , 0) = (αa1 , αb1 , 0) ∈ W.
Portanto, W é um subespaço vetorial de R3 .

(b) Veja que W pode ser reescrito como
W = {(a, b, c)|a + b + c = 0, a, b, c ∈ R}
= {(a, b, c)|a = −b − c, b, c ∈ R} .
= {(−b − c, b, c)|b, c ∈ R}.
Deve-se mostrar que os itens do Teorema (9) são satisfeitos para W = {(−b − c, b, c)|b, c ∈
R}.
(i) W 6= ∅.
De fato, W 6= ∅ pois ~o = (0, 0, 0) ∈ W.
Sejam ~u = (−b1 − c1 , b1 , c1 ) e ~v = (−b2 − c2 , b2 , c2 ) elementos de W. Note que,
~u + ~v = (−b1 − c1 , b1 , c1 ) + (−b2 − c2 , b2 , c2 )
= (−b1 − c1 − b2 − c2 , b1 + b2 , c1 + c2 )
= (−(b1 + b2 ) − (c1 + c2 ), b1 + b2 , c1 + c2 ) ∈ W.

Sejam ~u = (−b1 − c1 , b1 , c1 ) ∈ W e o escalar α ∈ R. Note que,
α~u = α(−b1 − c1 , b1 , c1 ) = (−(αb1 ) − (αc1 ), αb1 , αc1 ) ∈ W.

(c) Mostrar que os itens do Teorema (9) são satisfeitos para W = {(x, y)|y = 2x, x ∈ R}.
(i) W 6= ∅
De fato, W 6= ∅ pois ~o = (0, 0) ∈ W.
Sejam ~u = (x1 , 2x1 ) e ~v = (x2 , 2x2 ) elementos de W. Temos,
~u + ~u = (x1 , 2x1 ) + (x2 , 2x2 ) = (x1 + x2 , 2x1 + 2x2 ) = (x1 + x2 , 2(x1 + x2 )) ∈ W.

Sejam ~u = (x1 , 2x1 ) ∈ W e o escalar α ∈ R. Temos,
α~u = α(x1 , 2x1 ) = (αx1 , 2(αx1 )) ∈ W.
Exemplo 83. Mostre que:

(a) S = {(x, 4 − 2x)|x ∈ R} não é um subespaço vetorial de V = R2 .
(b) S = {(a, b, c)|a ≥ 0, a, b, c ∈ R} não é um subespaço vetorial do espaço vetorial V = R3 .
(c) S = {(a, b, c)|a2 + b2 + c2 ≤ 1, a, b, c ∈ R} não é m um subespaço vetorial do espaço
vetorial V = R3 .
Solução:
Neste exemplo, basta mostrar que pelo menos um dos itens do Teorema (9) não é
satisfeito.
(a) Sejam ~u = (0, 4) e ~v = (1, 2) elementos de S (para x = 0 e x = 1 tem-se, respectivamente,
os vetores (0, 4) e (1, 2)). Observe que
~u + ~v = (0, 4) + (1, 2) = (1, 6) ∈

/S
pois, (1, 6) 6= (1, 4 − 2 · 1).

Portanto, S não é um subespaço vetorial de R2 .
(b) Sejam ~u = (1, 2, 3) ∈ S e o escalar α = −1 e observe que
α~u = (−1)(1, 2, 3) = (−1, −2, −3) ∈

/S
pois, a primeira entrada do vetor α~u é negativa.

Portanto, S não é um subespaço vetorial de R3 .
(c) Sejam ~u = (1, 0, 0) ∈ S e o escalar α = 2 e observe que
α~u = 2(1, 0, 0) = (2, 0, 0) ∈

/S
pois, 22 + 02 + 02 = 4.
Portanto, S não é subespaço vetorial de R3 .
Observação 18. Todo espaço vetorial V admite, pelo menos, dois subespaços vetoriais,
S = {~o}, em que ~o é o elemento neutro de V e W = V. Estes são chamados de subespaços
triviais de V. Os outros subespaços de V, caso existam, são chamados de subespaços próprios
de V.
Exemplo 84. Sejam S e W subespaços vetoriais de um espaço vetorial V. Mostre que

S ∩ W também é um subespaço vetorial de V.
  
a b   
Exemplo 85. Seja o espaço vetorial V = a, b, c, d
 ∈ R sobre R com as
c d
 
operações de soma e multiplicação por escalar usuais. Verifique se os subconjuntos de V a
 de V. 
seguir sãosubespaços

 a 0 
(a) S1 =   a, c ∈ R .
 c 0 
  
a b 
 
(b) S2 =  a, b ∈ R .
0 0
 
(c) S = S1 ∩ S2 .
Solução:   
a 0 
 
(a) Mostrar que os itens do Teorema (9) são satisfeitos para S1 =  a, c ∈ R .
c 0
 
(i) S1 6= ∅.
 
0 0 
De fato, S1 6= ∅ pois ~o =  ∈ S1 .
0 0
(ii) S1 é fechado para a operação de soma definida em V.
   
a1 0  a2 0 
Sejam ~u =  e ~v =  elementos de S1 . Note que,
c1 0 c2 0
     
a1 0   a2 0   a1 + a2 0 
~u + ~v =  + = ∈ S1 .
c1 0 c2 0 c1 + c2 0
(iii) S1 é fechado para a operação multiplicação por escalar definida em V.

 
a1 0 
Sejam ~u =  ∈ S1 e o escalar α ∈ R. Note que,
c1 0
   
a1 0   αa1 0 
α~u = α  = ∈ S1 .
c1 0 αc1 0
Portanto, S1 é um subespaço vetorial de V.

(b) S2 também é um subespaço vetorial de V. Basta seguir o raciocínio do item (a).
(Apresentar resolução!!!)   
 a 0 
(c) Temos que S1 ∩ S2 =   a ∈ R e basta seguir o raciocínio do item (a) para
 0 0 
S1 ∩ S2 . (Apresentar resolução!!!)
Exemplo 86. Seja o espaço vetorial V = {(a, b, c)|a, b, c ∈ R} sobre R com as operações de
soma e multiplicação por escalar usuais. Verifique se os conjuntos as seguir são subespaços
vetoriais de V.
(a) S1 = {(a, b, 0)|a, b ∈ R}.

(b) S2 = {(0, 0, c)|c ∈ R}
(c) S1 ∩ S2 .
5.3 Combinação Linear

Definição 26. Sejam os vetores ~v1 , ~v2 , · · · , ~vn do espaço vetorial V sobre R e os escalares
α1 , α2 , · · · , αn ∈ R. Qualquer vetor em V da forma ~v = α1~v1 + α2~v2 + · · · + αn~vn é chamado
de uma combinação linear dos vetores ~v1 , ~v2 , · · · , ~vn .
Exemplo 87. Considere o espaço vetorial R3 . Mostre que o vetor m ~ = (2, −3, 5) é uma
~ = (0, 0, 1) de R3 .
combinação linear dos vetores ~u = (1, 0, 0), ~v = (0, 1, 0) e w
Solução:
De fato, basta observar que existem escalares a1 , a2 e a3 tais que
(2, −3, 5) = a1 (1, 0, 0) + a2 (0, 1, 0) + a3 (0, 0, 1),






a1 = 2
isto é,

a2 = −3

a3 = 5.


Portanto, (2, −3, 5) é uma combinação linear dos vetores (1, 0, 0), (0, 1, 0) e (0, 0, 1).
Observação 19. Sejam V um espaço vetorial sobre R e S = {~v1 , ~v2 , · · · , ~vn |~vi ∈ V, i =
1, 2, · · · , n} um subconjunto não vazio de V . Temos o seguinte:
(i) O conjunto W de todos os vetores de V que são combinação linear dos elementos de
S é um subespaço de V, isto é, W = {~u|~u é combinação linear de ~v1 , ~v2 , · · · , ~vn } é um
subespaço de V.
(ii) Se U é qualquer subespaço de V contendo S então W ⊂ U.
O conjunto W é o menor subespaço de V contendo S e, dessa forma, W é chamado
subespaço gerado por S com a notação W = [~v1 , ~v2 , · · · , ~vn ]. Formalmente, pode-se escrever
W = [~v1 , ~v2 , · · · , ~vn ]

= {~u ∈ V |~u = a1~v1 + · · · + an~vn , ai ∈ R, 1 ≤ i ≤ n}.
Exemplo 88. Mostre que os vetores ~e1 = (1, 0, 0), ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1) geram o
espaço vetorial R3 .
Solução:
Veja que R3 = {(x, y, z)|x, y, z ∈ R}. Para mostrar que ~e1 = (1, 0, 0), ~e2 = (0, 1, 0)
e ~e3 = (0, 0, 1) geram R3 basta considerar um vetor genérico de R3 e mostrar que este é
escrito como uma combinação linear de ~e1 , ~e2 e ~e3 .
Seja ~u = (x1 , y1 , z1 ) ∈ R3 e observe que existem escalares a1 , a2 e a3 tais que
(x1 , y1 , z1 ) = a1 (1, 0, 0) + a2 (0, 1, 0) + a3 (0, 0, 1),






a1 = x 1
isto é,  a2 = y1 . Daí, ~u = (x1 , y1 , z1 ) é uma combinação linear de ~e1 , ~e2 e ~e3 .

 a =z

3 1
Portanto, R3 = [~e1 , ~e2 , ~e3 ].
Exemplo 89. Os polinômios 1, t, t2 , t3 geram o espaço vetorial V dos polinômios p(t) de

grau ≤ 3.
Exemplo 90. Determine se o vetor ~v = (3, 9, −4, −2) é uma combinação linear dos
vetores ~u1 = (1, −2, 0, 3), ~u2 = (2, 3, 0, −1) e ~u3 = (2, −1, 2, 1).
Solução: Deve-se determinar se existem escalares a1 , a2 e a3 tais que
~v = a1~u1 + a2~u2 + a3~u3
(3, 9, −4, −2) = a1 (1, −2, 0, 3) + a2 (2, 3, 0, −1) + a3 (2, −1, 2, 1),
isto é, deve-se verificar se sistema a seguir resultante da igualdade anterior possui solução





a1 + 2a2 + 2a3 = 3

−2a1 + 3a2 − a3 = 9


.




0a1 + 0a2 + 2a3 = −4

3a1 − a2 + a3 = −2


Usando o método de Gauss-Jordan ou método de Gauss (aqui o aluno deve apresentar

todos os cálculos para resolver o sistema acima), obtém-se que a1 = 1, a2 = 3 e a3 = −2.
Portanto, o vetor (3, 9, −4, −2) é uma combinação linear dos vetores (1, −2, 0, 3), (2, 3, 0, −1)
e (2, −1, 2, 1).
Exemplo 91. Considere o espaço vetorial dos polinômios de grau ≤ 2. Verifique se o

vetor ~v = 7x2 + 11x − 26 é uma combinação linear dos polinômios ~v1 = 5x2 − 3x + 2 e
~v2 = −2x2 + 5x − 8.
Solução: Deve-se verificar se existem escalares a1 e a2 tais que
7x2 + 11x − 26 = a1 (5x2 − 3x + 2) + a2 (−2x2 + 5x − 8)

,
= (5a1 − 2a2 )x2 + (−3a1 + 5a2 )x + (2a1 − 8a2 )
isto é, deve-se verificar se o sistema a seguir tem solução





5a1 − 2a2 = 7

−3a1 + 5a2 = 11 .

 2a − 8a

= −26
1 2

todos os cálculos para resolver o sistema acima), obtém-se a1 = 3 e a2 = 4. Portanto,
7x2 + 11x − 26 é uma combinação linear dos vetores 5x2 − 3x + 2 e −2x2 + 5x − 8.
5.4 Somas e Somas Diretas

Definição 27. Sejam U e W subespaços de um espaço vetorial V. Definimos a soma de
U e W como sendo o conjunto U + W = {~u + w|~
~ u ∈ U, w
~ ∈ W }.
Exemplo 92. Determine S1 + S2 nos exemplos 85 e 86.
Teorema 10. Sejam U e W subespaços de um espaço vetorial V. Então U + W também é

subespaço de V.
Pense no exemplo anterior.
Definição 28. Sejam U e W subespaços de um espaço vetorial V. Dizemos que V é a

soma direta de U e W, com a notação V = U ⊕ W, se V = U + W e U ∩ W = {~o}, em
que ~o é o elemento neutro de V.
Teorema 11. Se V é a soma direta de U e W, então todo vetor ~v ∈ V é escrito de maneira

~ em que ~u ∈ U e w
única da forma ~v = ~u + w, ~ ∈ W.
Exemplo 93. Verifique nos exemplos 85 e 86 se V é soma direta de S1 e S2 .
Solução:
(a) Para os subespaços   
a 0
 

S1 =   a, c ∈ R
c 0

e   
a b 
 
S2 =  a, b ∈ R
0 0
 
do espaço vetorial   
a b 
 
V = a, b, c, d ∈ R ,

 c d
tem-se,
        
a 0   a b   a 0  a b 
 
S1 + S2 =  + ∈ S1 e  ∈ S2
c 0 0 0 c 0 0 0
 
  
2a b
 

=   a, b, c ∈R 6= V
c 0
 
e     
a 0 0 0
   

S1 ∩ S2 =   a ∈R 6=   .
0 0 0 0
   
Portanto, V não é soma direta dos subespaços S1 e S2 .

(b) Para os subespaços S1 = {(a, b, 0)|a, b ∈ R} e S2 = {(0, 0, c)|c ∈ R} do espaço vetorial
V = R3 , tem-se,
S1 + S2 = {(a, b, 0) + (0, 0, c)|(a, b, 0) ∈ S1 e (0, 0, c) ∈ S2 }

= {(a, b, c)|a, b, c ∈ R}
= V
e
S1 ∩ S2 = {(0, 0, 0)}.
Portanto, V = S1 ⊕ S2 .
Exemplo 94. Seja o espaço vetorial V = R3 .

(a) Verifique que U = {(a, b, 0)|a, b ∈ R} é um subespaço de V.
(b) Verifique que W = {(0, b, c)|b, c ∈ R} é um subespaço de V.
(c) Verifique que U + W é um subespaço de V.
(d) Verifique se V é soma direta de U e W.
Solução:
(c) Veja que,
U + W = {(a, b, 0) + (0, b, c)|(a, b, 0) ∈ U e (0, b, c) ∈ W }

= {(a, 2b, c)|a, b, c ∈ R}.
Agora mostre que U + W é subespaço vetorial de V = R3 .

(d) Note que U ∩ W = {(0, b, 0)|b ∈ R} 6= {(0, 0, 0)} e portanto V = R3 não é soma direta
de U e W.
Exemplo 95. Sejam U = {(a, b, 0)|a, b ∈ R} e W = {(0, 0, c)| ∈ R} subespaços do espaço

vetorial V = R3 . Verifique se V = U ⊕ W.
5.5 Dependência e Independência Linear

Definição 29. Sejam V um espaço vetorial e S = {~v1 , ~v2 , · · · , ~vn |~vi ∈ V ; i = 1, 2, · · · , n}.
Dizemos que o conjunto S é Linearmente Independente (ou que ~v1 , ~v2 , · · · , ~vn são
Linearmente Independentes), com a abreviação L.I, se nenhum vetor ~v de S é uma
combinação linear dos outros elementos de S.
Teorema 12. Sejam V um espaço vetorial e S = {~v1 , ~v2 , · · · , ~vn |~vi ∈ V ; i = 1, 2, · · · , n}.
O conjunto S será L.I (ou os vetores ~v1 , ~v2 , · · · , vn serão L.I) se, e somente se, a equação
α1 · ~v1 + α2 · ~v2 + · · · + αn · ~vn = ~o,
em que ~o é o vetor nulo de V, implicar que
α1 = · · · = αn = 0.
Exemplo 96. (a) Mostre que os vetores ~e1 = (1, 0, 0, 0), ~e2 = (0, 1, 0, 0), ~e3 = (0, 0, 1, 0) e
~e4 = (0, 0, 0, 1) são L.I.
(b) Mostre que os vetores ~v1 = (1, 0, 1), ~v2 = (0, 1, 1) e ~v3 = (1, 1, 1) de R3 são L.I.
Solução:
(b) Deve-se escrever o vetor nulo ~o = (0, 0, 0) como combinação linear dos vetores
(1, 0, 1), (0, 1, 1) e (1, 1, 1) e determinar os escalares a1 , a2 e a3 . Note que,
(0, 0, 0) = a1 (1, 0, 1) + a2 (0, 1, 1) + a3 (1, 1, 1)






a1 + 0 · a2 + a3 = 0

0 · a1 + a2 + a3 = 0 .

a1 + a2 + a3 = 0


Usando o método de Gauss-Jordan ou método de Gauss (aqui o aluno deve

apresentar todos os cálculos para resolver o sistema acima), obtemos que a1 = a2 = a3 = 0
e portanto os vetores (1, 0, 1), (0, 1, 1) e (1, 1, 1) são L.I.
Definição 30. Um subconjunto S = {~v1 , ~v2 , · · · , ~vn } de um espaço vetorial V será Line-
armente Dependente (ou ~v1 , ~v2 , · · · , ~vn serão Linearmente Dependentes), com a abreviação
L.D, se não for L.I (ou se ~v1 , ~v2 , · · · , ~vn não forem L.I).
Exemplo 97. (a) Os vetores ~v1 = (1, −1), ~v2 = (1, 0) e ~v3 = (1, 1) de R2 são L.D, pois
1 1
(1, −1) − 1(1, 0) + (1, 1) = (0, 0).
2 2
(b) Mostre que os vetores ~v1 = (1, 2, 5), ~v2 = (7, −1, 5) e ~v3 = (1, −1, −1), vetores de R3
são L.D.
Solução: (b) Deve-se escrever o vetor nulo ~o = (0, 0, 0) como combinação linear dos vetores
(1, 2, 5), (7, −1, 5) e (1, −1, −1) e determinar os escalares a1 , a2 e a3 . Note que,
(0, 0, 0) = a1 (1, 2, 5) + a2 (7, −1, 5) + a3 (1, −1, −1)






a1 + 7 · a2 + a3 = 0

2 · a1 − a2 − a3 = 0 .

 5·a +5·a −a = 0

1 2 3

apresentar todos os cálculos para resolver o sistema acima), obtém-se que o sistema possui
infinitas soluções e portanto os vetores (1, 2, 5), (7, −1, 5) e (1, −1, −1) são L.D.
5.6 Base de Um Espaço Vetorial

Definição 31. Um subconjunto S = {~v1 , ~v2 , · · · , ~vn } de um espaço vetorial V será uma
base de V se as condições a seguir forem satisfeitas:
(i) S = {~v1 , ~v2 , · · · , ~vn } é L.I.
(ii) [~v1 , ~v2 , · · · , ~vn ] = V.
Exemplo 98. (a) Sejam os vetores ~e1 = (1, 0) e ~e2 = (0, 1). O conjunto {~e1 , ~e2 } é uma
base do espaço vetorial R2 .
(b) Mostre que o conjunto {(1, 1), (0, 1)} é uma base de R2 .
Solução: (b) Deve-se mostrar que os itens a seguir são satisfeitos.

(i) {(1, 1), (0, 1)} é L.I.
De fato, escrevendo o vetor nulo ~o = (0, 0) como combinação linear dos vetores
(1, 1), (0, 1), isto é,
(0, 0) = a1 (1, 1) + a2 (0, 1)

 a1 = 0
 a +a =0
1 2
Obtém-se que a1 = a2 = 0.
(ii) [(1, 1), (0, 1)] = R2 .
De fato, seja o vetor genérico ~u = (x, y) ∈ R2 . Observe que ~u é combinação linear
dos vetores (1, 1), (0, 1), isto é,
(x, y) = b1 (1, 1) + b2 (0, 1)


 b1 = x
 b +b =y
1 2

 b1 = x
 b =y−x
2
e assim, (x, y) = x(1, 1) + (y − x)(0, 1).

Como os itens (i) e (ii) são satisfeitos, segue que {(1, 1), (0, 1)} é uma base de R2 .
Exemplo 99. Quais dos seguintes conjuntos a seguir são L.D?

(a) {(1, 1, 2), (1, 0, 0), (4, 6, 12)} (b) {(1, −2, 3), (−2, 4, −6)}
(c) {(1, 1, 1), (2, 3, 1), (3, 1, 2)} (d) {(4, 2, −1), (6, 5, −5), (2, −1, 3)}
Exemplo 100. Determine se os vetores a seguir formam uma base do espaço vetorial R3 .
(a) ~u = (1, 1, 1) e ~v = (1, −1, 5)
(b) ~u = (1, 2, 3), ~v = (1, 0, −1), w~ = (3, −1, 0) e ~z = (2, 1, −2)
~ = (2, −1, 1).
(c) ~u = (1, 1, 1), ~v = (1, 2, 3) e w
Solução: (a) Deve-se verificar se os itens a seguir são satisfeitos.

(i) {(1, 1, 1), (1, −1, 5)} é L.I
Deve-se determinar os escalares a1 e a2 tais que
(0, 0, 0) = a1 (1, 1, 1) + a2 (1, −1, 5)
isto é, deve-se resolver o sistema homogêneo a seguir,






a1 + a2 = 0

a1 − a2 = 0

 a + 5a = 0

1 2
     

1 1 | 0  
1 1 | 0  
1 1 | 0 
1 −1 | 0  L2 → L2 − L1 0 −2 | 0  0 −2 | 0 
     
  
     
1 5 | 0 L3 → L3 − L1 0 4 | 0 L3 → 2L3 − 4L2 0 0 | 0

 a1 = 0
⇒
 a =0
2
Portanto, {(1, 1, 1), (1, −1, 5)} é L.I.

(ii) {(1, 1, 1), (1, −1, 5)} gera R3 .
Seja o vetor genérico (x, y, z) ∈ R3 . Deve-se determinar os escalares a1 , a2 e a3 tais
que
(x, y, z) = a1 (1, 1, 1) + a2 (1, −1, 5),
isto é, deve-se resolver o sistema a seguir,






a1 + a2 = x
a − a2 = y
 1

 a + 5a = z

1 2
   

1 1 | x  
1 1 | x 
1 −1 | y  L2 → L2 − L1 0 −2 | y − x
   
  
   
1 5 | z L3 → L3 − L1 0 4 | z−x
 

1 1 | x 
0 −2 | y−x
 
 
 
L3 → 2L3 − 4L2 0 0 | −6x + 4y + 2z
Note que o sistema em questão possui solução somente quando −6x + 4y + 2z = 0.

Logo, {(1, 1, 1), (1, −1, 5)} não gera R3 .
Como o item (ii) não é válido, segue que o conjunto {(1, 1, 1), (1, −1, 5)} não é
uma base do espaço vetorial R3 .
(c) Deve-se verificar se os itens a seguir são satisfeitos.

(i) {(1, 1, 1), (1, 2, 3), (2, −1, 1)} é L.I.
Deve-se determinar os escalares a1 , a2 e a3 tais que
(0, 0, 0) = a1 (1, 1, 1) + a2 (1, 2, 3) + a3 (2, −1, 1),
isto é, deve-se resolver o sistema homogêneo a seguir,






a1 + a2 + 2a3 = 0

a1 + 2a2 − a3 = 0 .

 a + 3a + a = 0

1 2 3

apresentar todos os cálculos para resolver o sistema acima), obtém-se que a1 = a2 = a3 = 0
e portanto, os vetores (1, 1, 1), (1, 2, 3), (2, −1, 1) são L.I.
(ii) [(1, 1, 1), (1, 2, 3), (2, −1, 1)] = R3 .
Seja o vetor genérico (x, y, z) ∈ R3 . Deve-se determinar os escalares a1 , a2 e a3 tais
que
(x, y, z) = a1 (1, 1, 1) + a2 (1, 2, 3) + a3 (2, −1, 1),
isto é, deve-se resolver o sistema a seguir,






a1 + a2 + 2a3 = x

a1 + 2a2 − a3 = y .

a1 + 3a2 + a3 = z



apresentar todos os cálculos para resolver o sistema acima), obtém-se que a1 = x + y − z,
−2x − y + 3z x − 2y + z
a2 = e a3 = .
5 5
Portanto, os vetores (1, 1, 1), (1, 2, 3) e (2, −1, 1) geram R3 .
Como os itens (i) e (ii) são válidos, segue que o conjunto {(1, 1, 1), (1, 2, 3), (2, −1, 1)}
é uma base de R3 .
5.7 Espaço Linha e Espaço Coluna de Uma Matriz

Seja a matriz A = [aij ]m×n em que aij ∈ R,
 
a11 a12 · · · a1n
 

 a21 a22 · · · a2n 

A= 
.. .. .. .. .
. . . .
 
 
 
am1 am2 · · · amn
Considere as linhas de A, L1 = (a11 , a12 , · · · , a1n ), L2 = (a21 , a22 , · · · , a2n ), · · · , Lm =

(am1 , am2 , · · · , amn ) como vetores em Rn . Com essa consideração as linhas da matriz A,
L1 , L2 , · · · , Lm geram um subespaço de Rn , chamado de subespaço das linhas de A. Do
mesmo modo, as colunas de A consideradas como vetores em Rm , geram um subespaço
de Rm chamado de espaço das colunas de A. Lembremos que podemos aplicar operações
elementares nas linhas da matriz A e obter a matriz B, que é a matriz equivalente por
linhas a matriz A, em que cada linha li , com i = 1, 2, · · · , m, de B é obtida por operações
elementares nas linhas de A. Temos de forma resumida o seguinte:
(i) O subespaço gerado pelas linhas da matriz A é igual ao subespaço gerado pelas linhas
de B.
Teorema 13. Matrizes escalonadas reduzidas por linhas tem o mesmo espaço de linhas
se, e somente se, elas tem as mesmas linhas não nulas.
Teorema 14. As linhas não nulas de uma matriz na forma escalonada reduzida (ou
somente na forma escalonada) são linearmente independentes.
Exemplo 101. Mostre que o espaço U gerado pelos vetores ~u1 = (1, 2, −1, 3), ~u2 =
(2, 4, 1, −2) e ~u3 = (3, 6, 3, −7) e o espaço V gerado pelos vetores ~v1 = (1, 2, −4, 11) e
~v2 = (2, 4, −5, 14) são iguais.
Solução:
(Método 1:)  
1 2 −1 3   
 1 2 −4 11
Considere as matrizes A =  2 4 1 −2  e B =   , onde as linhas
 
  2 4 −5 14
3 6 3 −7
de A são os vetores ~u1 , ~u2 e ~u3 e as linhas de B são os vetores ~v1 e ~v2 . Obtenha a forma
escalonada reduzida equivalente a cada matriz (aqui o aluno deve apresentar os cálculos
com as operações elementares) e observe que a forma escalonada reduzida de A e B são
iguais. Pelo Teorema 13 segue que U e V são iguais.
(Método 2:)
Mostre que cada ~u1 , ~u2 , ~u3 é uma combinação linear dos vetores ~v1 , ~v2 . Em seguida, mostre
que cada ~v1 , ~v2 é uma combinação linear dos vetores ~u1 , ~u2 , ~u3 . (Apresentar resolução!!!).
Exemplo 102. Determine se as seguintes matrizes

 tem o mesmo
 espaço de linhas.
    1 −1 −1 
1 1 5 1 −1 −2 
A= , B =   e C = 4 −3 −1  .
 
2 3 13 3 −2 −3  
3 −1 3
Solução: Encontrar a forma escalonada reduzida equivalente a cada matriz e usar o

Teorema (13). (Realizar os cálculos como no exemplo anterior!!!)
 
1 0 2 
A∼ ;
0 1 3
 
1 0 1 
B∼ ;
0 1 3
 

1 0 2 
C∼ 0 1 3  .
 
 
0 0 0
Portanto, as matrizes A e C possuem o mesmo espaço de linhas.
5.8 Dimensão de Um Espaço Vetorial

Definição 32. Seja V um espaço vetorial. Dizemos que V é um espaço vetorial de
dimensão finita n ou n − dimensional, com a notação dim V = n, se V admite uma base
β = {~v1 , ~v2 , · · · , ~vn } com um número finito n de elementos.
Exemplo 103.  Seja

 o espaço
 vetorial
  {A|A
U=  = [aij]; i= 1, 2 e j 
= 1, 2, 3; aij ∈R}.
 1 0 0 0 1 0   0 0 1   0 0 0   0 0 0 
O conjunto β =  , , , , ,
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0
 
1 0 0 
 é uma base de U (Verifique!). Note que, dim U = 6.
0 0 1 
Solução:
(i) Mostrar que β gera U :
 
a b c 
Seja ~u =  ∈ U . Escreva ~u como combinação linear dos vetores de β e
d e f
mostre que o sistema em questão possui solução. Detalhar essa etapa!!!.
(ii) Mostrar que β é L.I.:
 
0 0 0 
Escreva o vetor nulo ~u =  de U como combinação linear dos vetores de
0 0 0
β e mostre que o sistema em questão possui solução trivial. Detalhar essa etapa!!!.
Exemplo 104. Seja Pn o espaço vetorial dos polinômios de grau ≤ n, na variável t.

O conjunto β = {1, t, t2 , · · · , tn } é uma base de Pn . (Verifique!!!).
Temos, dim Pn = n + 1.
Exemplo 105. (a) Determine a dimensão do espaço vetorial V = {(x1 , x2 , · · · , xn )|xi ∈

R; i = 1, 2, · · · , n}.
(b) Seja W o espaço gerado pelos vetores ~v1 = (1, −2, 5, −3), ~v2 = (2, 3, 1, −4) e ~v3 =
(3, 8, −3, −5). Encontre uma base e a dimensão de W.
Solução:  

1 −2 5 −3 
(b) (?) Considere a matriz A =  2 3 1 −4  , onde cada linha de A são respecti-
 
 
3 8 −3 −5
vamente
 os vetores ~
v , ~
v
1 2 e ~v 3 e encontre aforma escalonada reduzida equivalente a A:
−17

1 −2 5 −3  1 0 177 7 
z }| {
−9 2 
A =  2 3 1 −4  op. elementares  0 1 7  = B. Pelo Teorema 14, os
  
   7 
3 8 −3 −5 0 0 0 0
17 −17 −9 2
vetores ~u1 = (1, 0, 7 , 7 ) e ~u2 = (0, 1, 7 , 7 ) são L.I. Do fato de o subespaço gerado
pelas linhas da matriz A ser igual ao subespaço gerado pelas linhas de B, segue que
n o
−17 −9 2
α = (1, 0, 177
, 7
), (0, 1, 7 7
, ) é uma base de W e portanto, dimensão de W é igual 2.
Teorema 15. Seja V um espaço vetorial de dimensão finita n. Então todas as bases de V
tem n elementos.
Exemplo 106. (a) Os conjuntos {(1, 0), (0, 1)} e {(1, 1), (0, 1)} são bases de R2 e dim R2 =
2. (Verifique!!!)
(b) Os conjuntos {(1, t, t2 , t3 , · · · , tn−1 , tn )} e {(1, 1 − t, (1 − t)2 , · · · , (1 − t)n−1 , (1 − t)n )}
são bases do espaço vetorial dos polinômios de grau ≤ n, Pn e dim Pn = n + 1.
Observação 20. Define-se dim {~o} = 0, em que ~o é o elemento neutro do espaço vetorial
V.
Teorema 16. Seja V um espaço vetorial gerado por um conjunto finito de vetores
~v1 , ~v2 , · · · , ~vn . Então:
(i) Dentre esses vetores ~v1 , ~v2 , · · · , ~vn podemos extrair uma base de V.
(ii) Qualquer conjunto com mais de n vetores é necessariamente L.D (e portanto, qualquer
conjunto L.I tem no máximo n vetores).
Veja o item (b) do exemplo 105 como exemplo.
Teorema 17. Seja V um espaço vetorial de dimensão finita n. Então:

(i) Qualquer conjunto de V linearmente independente é parte de uma base de V , isto é,
pode ser estendido a uma base.
(ii) Um conjunto de V linearmente independente com n elementos é uma base de V .
Exemplo 107. (a) Seja V = R4 . O conjunto S = {(1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1), (0, 0, 0, 1)}
é linearmente independente (Verifique!). Como dim R4 = 4, segue que S é uma base de
R4 .
Teorema 18. Seja V um espaço vetorial de dimensão finita e sejam U e W subespaços

de V . Então:
(i) dim U ≤ dim V e dim W ≤ dim V.
(ii) dim (U + W ) = dim U + dim W − dim (U ∩ W ).
Exemplo 108. Verifique o teorema anterior para o espaço vetorial V = R3 e respectivos

subespaços U = {(a, b, 0)|a, b ∈ R} e W = {(0, b, c)|b, c ∈ R}.
Solução:
(♠) Verificando o item (i):
Note que dim V = 3.
(?) dim U :
Seja ~u = (a, b, 0) ∈ U e note que
(a, b, 0) = (a, 0, 0) + (0, b, 0)

= a(1, 0, 0) + b(0, 1, 0).
Logo, α = {(1, 0, 0), (0, 1, 0)} gera U e ainda, α é L.I pois, (0, 0, 0) = x(1, 0, 0)+y(0, 1, 0) ⇔
x = 0 e y = 0. Portanto, α = {(1, 0, 0), (0, 1, 0)} é uma base de U e dim U = 2.
(??) dim W :
Seja w~ = (0, b, c) ∈ W e observe que
(0, b, c) = (0, b, 0) + (0, 0, c).
Logo, β = {(0, 1, 0), (0, 0, 1)} gera W e ainda, β é L.I pois (0, 0, 0) = x(0, 1, 0)+y(0, 0, 1) ⇔
x = 0 e y = 0. Portanto, β = {(0, 1, 0), (0, 0, 1)} é uma base de W e dim W = 2. Logo,
dim U < dim V e dim W < dim V.
(♠) Verificando o item (ii) :
(?) dim(U + W ) :
U + W = {~u + w|~ ~ u ∈ U, w~ ∈ W}
= {(a, b, 0) + (0, b, c)|a, b, c ∈ R}
= {(a, 2b, c)|a, b, c ∈ R}.
Seja ~v = (a, 2b, c) ∈ U + W e observe que
(a, 2b, c) = (a, 0, 0) + (0, 2b, 0) + (0, 0, c)

= a(1, 0, 0) + b(0, 2, 0) + c(0, 0, 1).
Logo, γ = {(1, 0, 0), (0, 2, 0), (0, 0, 1)} gera U + W e ainda, γ é L.I pois (0, 0, 0) =
x(1, 0, 0) + y(0, 2, 0) + z(0, 0, 1) ⇔ x = 0, y = 0 e z = 0.
Portanto, γ = {(1, 0, 0), (0, 2, 0), (0, 0, 1)} é uma base de U + W e dim (U + W ) = 3.
(??) dim (U ∩ W ) :
Veja que
U ∩ W = {~v |~v ∈ U e ~v ∈ W }
= {(0, b, 0)|b ∈ R}.
Sendo ~v = (0, b, 0) ∈ U ∩ W, note que (0, b, 0) = b(0, 1, 0) e daí δ = {(0, 1, 0)} é uma base
de U ∩ W e dim(U ∩ W ) = 1.
Logo, dim(U + W ) = dim U + dim W − dim(U ∩ W ).
5.9 Coordenadas de Um Vetor em Relação a Uma Base

Seja V um espaço vetorial n − dimensional e considere uma base de V,
α = {~e1 , ~e2 , · · · , ~en }.
Observe que um vetor ~v ∈ V é uma combinação linear dos vetores da base α, ou seja,
existem escalares a1 , a2 , · · · , an tais que
~v = a1~e1 + a2~e2 + · · · + an~en .
Definimos então as coordenadas do vetor ~v em relação a base α, como sendo os escalares

a1 , a2 , · · · , an . Usamos a notação:
 
a1
 

 a2 

[~v ]α = 
..  ou [~v ]α = (a1 , a2 , · · · , an ).
.
 
 
 
an
Exemplo 109. (a) Encontre as coordenadas do vetor ~v = (4, 3) em relação a base

β = {(1, 0), (0, 1)} do R2 .
(b) Encontre as coordenadas do vetor ~v = (4, −3, 2) em relação a base α = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
do R3 .  
2 3
(c) Encontre as coordenadas do vetor ~v =   em relação a base
4 −7
       
 1 1   0 −1   1 −1   1 0 
γ=  , , , do espaço vetorial V das matrizes de
 1 1 1 0 0 0 0 0 
ordem 2 × 2.
Solução:
(a)
(?) Escreva ~v como combinação linear dos vetores da base β:
(4, 3) = a(1, 0) + b(0, 1)

(4, 3)  = (a, b)
 a=4
 b = 3.
Portanto, [~v ]β = (4, 3).

(b)
(?) Escreva ~v como combinação linear dos vetores da base α:
(4, −3, 2) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0)

(4, −3, 2) = (a + b + c, a + b, a)
Dessa igualdade tem-se o sistema,






a + b + c = 4

a + b = −3

 a = 2


apresentar todos os cálculos para resolver o sistema acima), obtém-se que a = 2, b = −5 e
c = 7. Portanto, [~v ]α = (2, −5, 7).
(c)
(?) Escreva ~v como combinação linear dos vetores da base γ:
         
2 3  1 1  0 −1  1 −1  1 0 
 = a + b + c + d .
4 −7 1 1 1 0 0 0 0 0
         
2 3   a a   0 −b   c −c   d 0 
 = + + +
4 −7 a a b 0 0 0 0 0
   
2 3   a+c+d a−b−c 
 = .
4 −7 a+b a
Dessa igualdade tem-se o sistema,






a + c + d = 2

a − b − c = 3






a + b = 4

a = −7



todos os cálculos para resolver o sistema acima), obtém-se que a = −7, b = 11, c = −21
e d = 30. Portanto, [~v ]γ = (−7, 11, −21, 30). A seguir, trataremos de forma resumida
os conceito de matriz de mudança de uma base β para uma base α. Para mais
detalhes, consulte (BOLDRINI et al., 1986) (LIPSCHUTZ, 1972).
Sejam agora α = {~u1 , ~u2 , · · · , ~un } e β = {w ~ 2, · · · , w
~ 1, w ~ n } duas bases de um espaço
vetorial V de dimensão finita n. Considere ~v um vetor de V e observe que:
(i) Podemos escrever ~v como combinação linear dos vetores da base α e obter [~v ]α .
(ii) Podemos escrever ~v como combinação linear dos vetores da base β e obter [~v ]β .
Em particular, para cada vetor w ~ i da base β podemos escrever



 ~ 1 = a11~u1 + a12~u2 + · · · + a1n~un
w

~ 2 = a21~u1 + a22~u2 + · · · + a2n~un


 w
(∗)
 ...
 =
..
.



~ n = an1~u1 + an2~u2 + · · · + ann~un
 w

 
a11 a12 · · · a1n
 

 a21 a22 · · · a2n 

e obter a matriz dos coeficientes do sistema (∗), A = 
.. .. ..  e a transposta
.. 
. . . . 


 
 
a a21 · · · an1
 11 
T

 a 12 a 22 · · · a 
n2 
da matriz A, A =  . .. ..  . Definimos então a matriz de mudança
.. 

 .. . . . 
 
a1n a2n · · · ann
da

base β para a base

α, com a notação [A]βα , como sendo a matriz [A]βα = AT =
a a21 · · · an1
 11 
 a12 a22 · · · an2 
 
 .. .. ..  . Chegamos também as seguintes relações:
.. 

 . . . . 
 
a1n a2n · · · ann
(i) [~v ]α = [A]βα [~v ]β

(ii) [~v ]β = [A]αβ [~v ]α
(iii) ([A]βα )−1 = [A]αβ
Exemplo 110. Sejam α = {(2, −1), (3, 4)} e β = {(1, 0), (0, 1)} bases de R2 e um vetor
~v = (5, −8) de R2 . Determine:
(a) [~v ]α
(b) [A]βα
Solução:
(a) Encontra [~v ]α :
(?) Escreva o vetor ~v = (5, −8) como combinação linear dos vetores da base α:
(5, −8) = b1 (2, −1) + b2 (3, 4)

(5, −8)= (2b1 + 3b2 , −b1 + 4b2 )
 2b1 + 3b2 = 5
 −b + 4b = −8
1 2
 
4 
Daí, b1 = 4, b2 = −1 e assim, [~v ]α =  .
−1
(b) Para encontrar [A]βα faça o que segue.
(∗) Escreva (1, 0) como combinação linear dos vetores da base α para determinar a11 e a12 .
(1, 0) = a11 (2, −1) + a12 (3, 4)

4

a11 =
  
4


11 =⇒ [(1, 0)] = 

11
=⇒ α
.
 1 1
a12 = 11



11
(∗∗) Escreva (0, 1) como combinação linear dos vetores da base α para determinar a21 e
a22 .
(0, 1) = a21 (2, −1) + a22 (3, 4)
−3

a21 =
  
−3


11 =⇒ [(0, 1)] = 

11
=⇒ α

 2 2
a22 = 11



11
     
4 1 4 −3
a11 a12  
Assim, A =  = 11
−3
11
2
 e [A]βα = AT =  11
1
11
2
.
a21 a22 11 11 11 11
5.10 Exercícios
1. Seja o conjunto V = {(a, b)|a, b ∈ R}. Mostre que V não é espaço vetorial sobre R
em relação a cada uma das seguintes operações de adição em V e multiplicação por
escalar em V :
(a) (a, b) + (c, d) = (a + c, b + d) e k(a, b) = (ka, b);
(b) (a, b) + (c, d) = (a, b) e k(a, b) = (ka, kb);
(c) (a, b) + (c, d) = (a + c, b + d) e k(a, b) = (k 2 a, k 2 b)
2. Mostre que:
(a) W = {(x1 , x2 , x3 )|x1 , x3 ∈ R e x2 = 0} é um subespaço do espaço vetorial
V = R3 .
(b) U = {(x, y, z) ∈ R3 |ax + by + cz = 0, a, b, c ∈ R} é um subespaço do espaço

vetorial V = R3 .
3. Seja espaço vetorial

  
a b
 

V = M (2, 2) =   a, b, c, d ∈ R sobre R com as operações de soma e
c d

  
a b 
 
multiplicação por escalar usuais. Mostre que S =  a, b ∈ R é um
0 0
 
subespaço vetorial de V .
4. Mostre que:
(a) S = {(a, b, c)|a, b, c ∈ Q} não é um subespaço vetorial do espaço vetorial
V = R3 .
(b) S = {(x, |x|)|x ∈ R} não é um subespaço do espaço vetorial V = R2 .
  
a b 
 
5. Seja o espaço vetorial V = M (2, 2) =  a, b, c, d ∈ R sobre R com as
c d 
operações de soma e multiplicação por escalar usuais. Mostre que W não é um
subespaço vetorial de V onde:
(a) W = {A ∈ V |det(A) = 0}.
(b) W = {A ∈ V |A2 = A}.
6. Verifique se o vetor ~v = (1, −2, 5) é uma combinação linear dos vetores ~e1 = (1, 1, 1),
~e2 = (1, 2, 3) e ~e3 = (2, −1, 1).
7. Verifique se o vetor ~v = (2, −5, 3) é uma combinação linear dos vetores ~e1 = (1, −3, 2),
~e2 = (2, −4, −1) e ~e3 = (1, −5, 7).
8. Para qual valor de k será o vetor ~u = (1, −2, k) em R3 é uma combinação linear dos
vetores ~v = (3, 0, −2) e w
~ = (2, −1, −5)?
9. Verifique se o polinômio ~v = t2 + 4t − 3 é uma combinação linear dos polinômios

~e1 = t2 − 2t + 5, ~e2 = 2t2 − 3t e ~e3 = t + 3.
   
3 1  1 1 
10. Verifique se a matriz  é uma combinação linear das matrizes  ,
1 −1 1 0
   
0 0   0 2 
 e .
1 1 0 −1
~ = (0, 0, 1) geram R3 .
11. Verifique se os vetores ~u = (1, 2, 3), ~v = (0, 1, 2) e w
12. Verifique se que W = {(a, b, 0)|a, b ∈ R} é gerado por ~u = (1, 2, 0) e ~v = (0, 1, 0).
13. Mostre que W = {(a, b, 0)|a, b ∈ R} é gerado por ~u = (2, −1, 0) e ~v = (1, 3, 0).
14. Mostre que os polinômios (1 − t)3 , (1 − t)2 , (1 − t) e 1 geram o espaço dos polinômios
de grau ≤ 3.
15. Sejam U = {(a, b, c)|a + b + c = 0; a, b, c ∈ R}, V = {(a, b, c)|a = c; a, b ∈ R} e

W = {(0, 0, c)|c ∈ R} subespaços do espaço vetorial R3 . Mostre que:
(a) R3 = U + V
(b) R3 = U + W
(c) R3 = V + W
(d) Em quais dos itens anterior a soma é direta?
16. Determine se cada um dos conjuntos a seguir forma uma base de R3 .

(a) α = {(1, 2, −1), (0, 3, 1)}
(b) β = {(2, 4, −3), (0, 1, 1), (0, 1, −1)}
(c) γ = {(1, 5, −6), (2, 1, 8), (3, −1, 4), (2, 1, 1)}
(d) σ = {(1, 3, −4), (1, 4, −3), (2, 3, −11)}
17. Encontre uma base e a dimensão do subespaço W de R4 gerado por:

(a) α = {(1, 4, −1, 3), (2, 1, −3, −1), (0, 2, 1, −5)}
(b) β = {(1, −4, −2, 1), (1, −3, −1, 2), (3, −8, −2, 7)}
  
a b 
 
18. Seja o espaço vetorial V = M (2, 2) = a,
 b, c, d ∈ R sobre R com as
c d

 
operações de soma e multiplicação por escalar usuais. Verifique se cada subconjunto
de V a seguir é um subespaço vetorial de V . Em caso afirmativo, exiba geradores.
  
a b 
 
(a) U =  a, b, c, d ∈ R e b = c .
c d
 
  
a b 
 
(b) W =  a, b, c, d ∈ R e b = c + 1
c d
 
  
a a + b 
 
(c) S =  a, b ∈ R .
a b
 
19. Considere o espaço vetorial R3 . Verifique se cada subconjunto de R3 a seguir é um

subespaço vetorial de R3 . Em caso afirmativo, exiba gerador(s).
(a) U = {(1, a, b)|a, b ∈ R}.
(b) T = {(a, 2a, 3a)|a ∈ R}.
20. Verifique se W = {(x, x + 3)|x ∈ R} é um subespaço do espaço vetorial R2 . Em caso

afirmativo, exiba gerador(s).
21. Exiba uma base e dê a dimensão de cada conjunto dos exercícios 18,19,20 que são
subespaços vetoriais.
22. Considere o espaço vetorial R3 .

(a) Mostre que W = {(a, b, 0)|a, b ∈ R} é um subespaço vetorial de R3 .
(b) Verifique se que α = {(1, 2, 0), (0, 1, 0)} é uma base de W .
(b) Verifique se que β = {(2, −1, 0), (1, 3, 0)} é uma base de W .
(c) Verifique se que γ = {(2, −1, 0), (0, 1, 0)} é uma base de W .
(e) Qual a dimensão de W ? Justifique!
23. Sejam U = {(a, b, c, d)|b + c + d = 0; a, b, c, d ∈ R} e W = {(a, b, c, d)|a + b = 0, c =

2d; a, b, c, d ∈ R} subconjuntos de R4 . Verifique se U e W são subespaços de R4 . Em
caso afirmativo, determine a dimensão de U e a dimensão de W.
24. Considere o subespaço de R4 , S = [(1, 1, −2, 4), (1, 1, −1, 2), (1, 4, −4, 8)] (essa nota-
ção representa subespaço gerado).
2

(a) O vetor ~s1 = , 1, −1, 2 pertence a S?
3
(b) O vetor ~s2 = (0, 0, 1, 1) pertence a S?
25. Sejam ~v = (x, y, z) ∈ R3 e α = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} uma base do espaço
vetorial R3 . Encontre as coordenadas de ~v em relação a base α, isto é, encontre [~v ]α .
26. Seja V = {at2 + bt + c|a, b, c ∈ R} o espaço vetorial dos polinômios de grau ≤ 2 e

considere a base α = {~e1 , ~e2 , ~e3 } de V, em que ~e1 = 1, ~e2 = (t − 1) e ~e3 (t − 1)2 =
t2 − 2t + 1. Determine [~v ]α , onde ~v = t2 + t.
27. Sejam
 o espaço
  vetorial U
 =  {A|A = [aij  ∈ R} e β
 ]; i = 1, 2e j = 1, 2, 3;aij  =
1 0 0   0 1 0   0 0 1   0 0 0   0 0 0   1 0 0 

 , , , , , uma
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
base de U. Determine:
 
1 2 −3 
(a) [~u1 ]β em que ~u1 =  .
4 0 1
 
1 3 −4 
(b) [~u2 ]β em que ~u2 =  .
6 5 4
 
3 8 −11 
(c) [~u3 ]β em que ~u3 =  .
16 10 9
(d) Se os vetores ~u1 , ~u2 e ~u3 são L.I.ou L.D.
3
28. Seja α = {(3, 1, 1), (0, 1, 0), (0, 0, 1)} uma
 base
 do espaço vetorial R . Determine

3 
3
~v = (x, y, z) ∈ R sabendo que [~v ]α =  −4 
 
 
2
√ √
29. Sejam β = {(1, 0), (0, 1)}, β1 = {(−1, 1), (1, 1)}, β2 = {( 3, 1), ( 3, −1)} e β3 =
{(2, 0), (0, 2)} bases do espaço vetorial R2 e considere o vetor ~v = (3, −2). Determine
a matriz da mudança de base em cada item a seguir:
(a) [A]ββ1
(b) [A]ββ1
(c) [A]ββ2
(d) [A]ββ3
(e) As coordenadas de ~v em relação a cada base usando a respectiva matriz da

mudança de base.
30. Sejam α e β bases do espaço vetorial R3 . Determine [A]αβ em cada caso.

(a) α = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e β = {(1, 0, 1), (0, −1, 2), (2, 3, −5)}.
(b) α = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} e β = {(3, 1, 1), (0, 1, 0), (0, 0, 1)}.
31. Determine a matriz da mudança de [A]αβ onde α = {(−3, 2), (4, −2)} e β =
{(−1, 2), (2, −3)} são bases de R2 .
32. Determine [~p]α onde p~ = 3x3 − 2x2 + 4 e α = {1, x, x2 , x3 } é a base canônica de P3 .


Capítulo 5 - Seção 5.2 : 1 a 5, 7 a 14, 19
Capítulo 5 - Seção 5.5 : 1, 7 a 12

Capítulo 6 - Seção 6.1 : 1 a 13, 24 a 41, 51 a 62
Capítulo 6 - Seção 6.3 : 1 a 14, 18 a 29, 37, 38, 39, 46, 47, 48

110
6 Transformação Linear
6.1 Função
Definição 33. Dados dois conjuntos A e B, denomina-se função de A em B uma regra
que a cada elemento de A associa um único elemento de B. Em símbolos:
f :A→B
a 7→ f (a)
Observação 21. (i) A é o domínio da função f, denotado por D(f ).

(ii) B é o contradomínio de f, denotado por CD(f ).
(iii) A imagem de f é o conjunto Im(f ) = {f (a) | a ∈ A} ⊆ B.
Exemplo 111. Seja a função f : A → B definida por f (x) = 2x − 1, onde A = {1, 2, 3}

e B = {0, 1, 3, 5, 6}. Determine D(f ), CD(f ) e Im(f ).
Seja a função f : A → B. Dizemos que:

(i) f será injetora se para quaisquer x, y ∈ A, com x 6= y, tem-se f (x) 6= f (y) (ou
equivalentemente se para quaisquer x, y ∈ A, com f (x) = f (y) tem-se x = y);
(ii) f será sobrejetora se Im(f ) = B;
(iii) f será bijetora se f for injetora e sobrejetora.
Exemplo 112. Verifique se as funções a seguir são bijetoras.

(a) f : R → R+ definida por f (x) = x2
(b) f : R+ → R+ definida por f (x) = x2
Sejam f (x) e g(x) duas funções tais que Im(f ) ⊆ D(g). A função dada por
h(x) = g(f (x)), x ∈ D(f ) denomina-se função composta de g e f, com a notação usual
g ◦ f,
g(f (x)) = (g ◦ f )(x), x ∈ D(f ).
Exemplo 113. Determine f ◦ g e g ◦ f, caso existam.

(a) f : R → R; f (x) = 2x + 1 e g : R → R; g(x) = x2 + 3x (b) f : R → R+ ; f (x) = x2 e
√
g : R+ → R+ ; g(x) = x
√
(c) f : R+ → R; f (x) = 1 + x e g : R → R; g(x) = 2x − 1
Seja f : A → B uma função bijetora, isto é, f é injetora e Im(f ) = B. A função

inversa de f é a função
f −1 : B → A
Capítulo 6. Transformação Linear 111
b 7→ f −1 (b) = a,
onde a é o único elemento de A tal que f (a) = b.
Observação 22. f : A → B função bijetora, f (a) = b, com f −1 ,

(i) (f ◦ f −1 )(b) = b
(ii) (f −1 ◦ f )(a) = a.
6.2 Transformação Linear
Definição 34. Sejam E e F espaços vetoriais sobre R. Uma transformação linear de E

em F é uma função T de E em F,
T : E → F
~v 7→ T (~v )
que satisfaz as seguintes condições:

(i) T (~u + ~v ) = T (~u) + T (~v ), para quaisquer ~u, ~v ∈ E;
(ii) T (k~u) = kT (~u), para qualquer ~u ∈ E e qualquer escalar k ∈ R.
Observação 23. No item (ii) da definição anterior, substituindo k = 0 obtém-se
T (0 · ~u) = 0 · T (~u)
T (~o) = ~õ
em que ~o e ~õ são respectivamente os vetores nulos de E e F.
Exemplo 114. Sejam E e F espaços vetoriais. Verifique, em cada caso a seguir, se T é

transformação linear.
(a) T : R3 → R2 , definida por T (x, y, z) = (x, y).
(b) T : R2 → R2 , definida por T (x, y) = (x + 1, x + 2).
(c) T : E → F, definida por T (~v ) = ~õ, em que ~õ é o elemento neutro de F.
(d) T : E → E, definida por T (~v ) = ~v .  
1 −3 5
(e) T : R3 → R2 , definida por T (~v ) = A · ~v , em que A =   e os vetores R3 e
2 4 −1
R2 são representados na forma matricial.
(f) E = P3 (espaço vetorial dos polinômios de grau ≤ 3), T : E → E que a cada polinômio
de P3 associa sua derivada primeira.
Solução:
(a) Sejam ~u = (x1 , y1 , z1 ) e ~v = (x2 , y2 , z2 ) elementos de R3 e k ∈ R. Deve-se verificar se os
itens a seguir são satisfeitos.
(i) T (~u + ~v ) = T (~u) + T (~v )
Veja que,
~u + ~v = (x1 + x2 , y1 + y2 , z1 + z2 );
T (~u + ~v ) = T (x1 + x2 , y1 + y2 , z1 + z2 )
= (x1 + x2 , y1 + y2 )
= (x1 , y1 ) + (x2 , y2 );
T (~u) + T (~v ) = T (x1 , y1 , z1 ) + T (x2 , y2 , z2 )
= (x1 , y1 ) + (x2 , y2 ).
Logo, T (~u + ~v ) = T (~u) + T (~v ).
(ii) T (k~u) = kT (~u)
Veja que,
T (k~u) = T (kx1 , ky1 , kz1 )
= (kx1 , ky1 );
kT (~u) = k(x1 , y1 )
= (kx1 , ky1 ).
Logo, T (k~u) = kT (~u).

Portanto, T é uma transformação linear.
(b) Sejam ~u = (x1 , y1 ) e ~v = (x2 , y2 ) elementos de R2 . Deve-se verificar se T satisfaz os
itens da definição de transformação linear.
(i) T (~u + ~v ) = T (~u) + T (~v )
Veja que,
~u + ~v = (x1 + x2 , y1 + y2 );
T (~u + ~v ) = T (x1 + x2 , y1 + y2 )
= (x1 + x2 + 1, x1 + x2 + 2);
T (~u) + T (~v ) = T (x1 , y1 ) + T (x2 , y2 )
= (x1 + 1, x1 + 2) + (x2 + 1, x2 + 2)
= (x1 + x2 + 2, x1 + x2 + 4).
Logo, T (~u + ~v ) 6= T (~u) + T (~v ) e portanto, T não é uma transformação linear.

(e) Sejam ~u = (x1 , y1 , z1 ) e ~v = (x2 , y2 , z2 ) elementos de R3 e k ∈ R. Deve-se verificar se os
itens a seguir são satisfeitos.
(i) T (~u + ~v ) = T (~u) + T (~v )
Veja que,
~u + ~v = (x1 + x2 , y1 + y2 , z1 + z2 );
T (~u + ~v ) = T (x1 + x2 , y1 + y2, z1 + z2 ) 
 
 1
x + x2 
1 −3 5
=   ·  y1 + y2 


2 4 −1  
z1 + z2
 
(x1 + x2 ) − 3(y1 + y2 ) + 5(z1 + z2 ) 
=  ;
2(x1 + x2 ) + 4(y1 + y2 ) − (z1 + z2 )
   
  x1   x2
1 −3 5    1 −3 5   
T (~u) + T (~v ) =  ·
 y1 +
 
·
 y2


2 4 −1   2 4 −1  
z1 z2
   
x1 − 3y1 + 5z1   x2 − 3y2 + 5z2 
=  +
2x1 + 4y1 − z1 2x2 + 4y2 − z2
 
(x1 + x2 ) − 3(y1 + y2 ) + 5(z1 + z2 ) 
=  .
2(x1 + x2 ) + 4(y1 + y2 ) − (z1 + z2 )
Logo, T (~u + ~v ) = T (~u) + T (~v ).

(ii) T (k~u) = kT (~u)
Veja que,
T (k~u) = T

(kx1 , ky1 , kz1 ) 
kx 1 − 3ky 1 + 5kz1
=  ;
2kx1 + 4ky1 − kz1
 
x1 − 3y1 + 5z1 
kT (~u) = k 
2x1 + 4y1 − z1
 
kx1 − k3y1 + k5z1 
=  .
k2x1 + k4y1 − kz1
Logo, T (k~u) = kT (~u).

Portanto, T é uma transformação linear.
A definição a seguir apresenta algumas transformações lineares, que merecem
atenção para a sua interpretação geométrica, uma vez que estas podem ser encontradas
em aplicações relacionadas a física e a computação (BOLDRINI et al., 1986) e (KOLMAN;
HILL, 2011).
Definição 35. As funções a seguir definem em cada item um tipo de transformação linear.
(i) (Projeção de R3 em R2 ) T : R3 −→ R2 , definida por T (x, y, z) = (x, y). Em notação
matricial:    
x   x  
  1 0 0    x
T 
 y

 = ·
 y

 =  .
  0 1 0   y
z z
(ii) (Dilatação/Contração de R3 em R3 ) T : R3 −→ R3 , definida por T (x, y, z) =
α(x, y, z), sendo uma dilatação se α > 1 e uma contração se 0 < α < 1. Em notação
matricial:        

x  
α 0 0  
x  
x 
 y  =  0 α 0  ·  y  = α  y  .
T        
       
z 0 0 α z z
(iii) (Reflexão em Relação ao Eixo x) T : R2 −→ R2 , definida por T (x, y) = (x, −y).
Em notação matricial:
       
x 1 0   x   x 
T   =  · = .
y 0 −1 y −y
(iv) (Rotação de um Ângulo θ no sentido anti-horário) T : R2 −→ R2 , definida

por T (x, y) = (x · cos(θ) − y · sen(θ), y · cos(θ) + x · sen(θ)). Em notação matricial:
       
x cos(θ) −sen(θ)   x   x · cos(θ) − y · sen(θ) 
T   =  · = .
y sen(θ) cos(θ) y y · cos(θ) + x · sen(θ)
(v) (Cisalhamento Horizontal) T : R2 −→ R2 , definida por T (x, y) = (x + βy, y),

β ∈ R. Em notação matricial:
       
x 1 β   x   x + βy 
T   =  · = .
y 0 1 y y
(vi) (Cisalhamento Vertical) T : R2 −→ R2 , definida por T (x, y) = (x, βx + y), β ∈ R.

Em notação matricial:
       
x 1 0   x   x
T   =  · = .
y β 1 y βx + y
Exemplo 115. Faça o esboço dos vetores ~v e T (~v ), para cada transformação linear da
definição anterior, conforme os itens a seguir.
(a) ~v = (1, 2, 3) para o item (i).
(b) ~v = (1, 2, 3) e α = 2, 21 para o item (ii).
(c) ~v = (−5, 3) para o item (iii).
(d) ~v = (1, 2) e θ = π3 para o item (iv).
(e) ~v = (2, 3) e β = 2 para o item (v).
(f) ~v = (2, 3) e β = 2 para o item (vi).
6.3 Operações Com Transformações Lineares

Sejam U, V e W espaços vetoriais sobre R e as transformações lineares F : U → V,
G : V → W e H : U → V. Então são também transformações lineares:
(i) (F + H) : U → V, definida por (F + H)(~u) = F (~u) + H(~u).
(ii) kF : U → V, definida por (kF )(~u) = kF (~u), para qualquer escalar k.
(iii) (G ◦ F ) : U → W, definida por G(F (~u)).
Exemplo 116. Sejam F : R3 → R2 e G : R3 → R2 definidas por F (x, y, z) = (2x, y + z)

e G(x, y, z) = (x, y, z) = (x − z, y).
(a) Verifique se F e G são transformações lineares.
(b) Encontre F + G, 3F, 2F e 2F − 5G e verifique se estas são transformações lineares.
Exemplo 117. Sejam F : R3 → R2 e G : R2 → R2 definidas por F (x, y, z) = (2x, y + z)

e G(x, y) = (y, x).
(a) Verifique se F e G são transformações lineares.
(b) Encontre, caso existam, F ◦ G e G ◦ F e verifiquem se são transformações lineares.
6.4 Núcleo e Imagem de Uma Transformação Linear

Definição 36. Sejam U e V espaços vetoriais sobre R e T : U → V uma transformação
linear. Define-se:
(i) A imagem de T como sendo o conjunto Im(T ) = {~v ∈ V |T (~u) = ~v , para algum ~u ∈ U }.
A imagem de T também pode ser denotada por T (U ).
(ii) O núcleo de T, denotado por ker(T ), como sendo o conjunto ker(T ) = {~u ∈ U |T (~u) =
~õ} em que ~õ é o vetor nulo de V.
Exemplo 118. Determine ker(T ) e Im(T ) em cada caso a seguir.

(a) T : R3 → R3 , definida por T (x, y, z) = (x + 2y − z, y + 2z, x + 3y + z).
(b) T : R3 → R3 , definida por T (x, y, z) = (x, y, 0).
(c) T : R3 → R2 , definida por T (x, y, z) = (x − y + 4z, 3x + y + 8z)
(d) T : R2 → R2 , definida por T (x, y) = (x + y, 2x − y).
(e) T : R2 → R3 , definida por T (x, y) = (x − 2y, 0, −x).
Solução:
(a) Veja que,
ker(T ) = {(x, y, z) ∈ R3 |T (x, y, z) = (0, 0, 0)}

= {(x, y, z) ∈ R3 |(x + 2y − z, y + 2z, x + 3y + z) = (0, 0, 0)};
Da igualdade (x + 2y − z, y + 2z, x + 3y + z) = (0, 0, 0) segue o sistema,

 




x + 2y − z = 0 x = 5z




z }| {
y + 2z = 0 resolver!!! ⇒ y = −2z

 

 x + 3y + z = 0
  z = z real qualquer

Assim,
ker(T ) = {(5z, −2z, z)|z ∈ R}.
A imagem de T é
Im(T ) = {(x + 2y − z, y + 2z, x + 3y + z)|x, y, z ∈ R}.
(b) Veja que,
ker(T ) = {(x, y, z) ∈ R3 |T (x, y, z) = (0, 0, 0)}

= {(x, y, z) ∈ R3 |(x, y, 0) = (0, 0, 0)};
Da igualdade (x, y, 0) = (0, 0, 0) segue o sistema,






x=0

y=0

 z = z real qualquer

Assim, ker(T ) = {(0, 0, z)|z ∈ R}.

A imagem de T é Im(T ) = {(x, y, 0)|x, y ∈ R}.
Exemplo 119. Seja T : R2 → R2 , definida por T (x, y) = (x − 2y, 2x + 3y).

(a) (5, 3) ∈ Im(T )?
(b) (2, 1) ∈ ker(T )?
(c) Exiba um vetor que pertença a ker(T ).
Definição 37. Seja V um espaço vetorial sobre R. Uma transformação linear T : V → V

é chamada de operador linear.
Teorema 19. Sejam V e W espaços vetoriais sobre R, β = {~v1 , ~v2 , · · · , ~vn } uma base de
V ew ~ 2, · · · , w
~ 1, w ~ n vetores quaisquer em W. Então existe uma única transformação linear
T : V → W tal que
T (~v1 ) = w ~ 2 , · · · , T (~vn ) = w
~ 1 , T (~v2 ) = w ~ n.
E ainda, se ~v = a1~v1 + a2~v2 + · · · + an~vn , então
T (~v ) = T (a1~v1 + a2~v2 + · · · + an~vn )

= T (a1~v1 ) + T (a2~v2 ) + · · · + T (an~vn )
= a1 w ~ 2 + · · · an w
~ 1 + a2 w ~ n.
Em outras palavras, o Teorema 19 afirma que uma transformação linear T : V → W

fica completamente definida conhecendo uma base β = {~v1 , ~v2 , · · · , ~vn } de V e as imagens
dos vetores dessa base. Os vetores T (~v1 ), T (~v2 ), · · · , T (~vn ) (que são as imagens dos
respectivos vetores ~v1 , ~v2 , · · · , ~vn da base β) geram a imagem Im(T ) da transformação
linear T. Veja os exemplos a seguir.
Exemplo 120. Seja T : R3 → R2 uma transformação linear e β = {~v1 , ~v2 , ~v3 } uma base
de R3 , em que ~v1 = (0, 1, 0), ~v2 = (1, 0, 1) e ~v3 = (1, 1, 0). Determine T (5, 3, −2) sabendo
que T (~v1 ) = (1, −2), T (~v2 ) = (3, 1) e T (~v3 ) = (0, 2).
Solução:
(♠) Escreva ~v = (5, 3, −2) como combinação linear dos vetores ~v1 , ~v2 e ~v3 , para determinar
os escalares a1 , a2 e a3 como segue:
~v = a1~v1 + a2~v2 + a3~v3
(5, 3, −2) = a1 (0, 1, 0) + a2 (1, 0, 1) + a3 (1, 1, 0)
 




0 · a1 + a2 + a3 = 5 



a1 = −4
z }| {

a1 + 0 · a2 + a3 = 3 resolver!!! ⇒ a2 = −2
 

0 · a1 + a2 + 0 · a3 = −2 a3 = 7

 

Assim,
(5, 3, −2) = −4(0, 1, 0) − 2(1, 0, 1) + 7(1, 1, 0).
(♠♠) Aplica T na igualdade anterior:
T (5, 3, −2) = T (−4(0, 1, 0)) + T (−2(1, 0, 1)) + T (7(1, 1, 0))

= −4T (0, 1, 0) − 2T (1, 0, 1) + 7T (1, 1, 0)
= −4(1, −2) − 2(3, 1) + 7(0, 2)
= (−10, 20).
Logo, T (5, 3, −2) = (−10, 20).
Exemplo 121. Seja a transformação linear T : R3 → R3 , definida por
T (x, y, z) = (x + 2y + 2z, x + 2y − z, −x + y + 4z).
Determine:
(a) o vetor ~u ∈ R3 tal que T (~u) = (−1, 8, −11);
(b) o vetor ~v tal que T (~v ) = ~v .
Solução:
(a) Seja ~u = (x1 , y1 , z1 ) ∈ R3 e observe que,
T (~u) = T (x1 , y1 , z1 ) = (x1 + 2y1 + 2z1 , x1 + 2y1 − z1 , −x1 + y1 + 4z1 )
(−1, 8, −11) = (x1 + 2y1 + 2z1 , x1 + 2y1 − z1 , −x1 + y1 + 4z1 )

 




x1 + 2y1 + 2z1 = −1 x1 = 1




z }| {

x1 + 2y1 − z1 = 8 resolver!!! ⇒  y1 = 2
 
 −x + y + 4z = −11
  z = −3

1 1 1 1
Portanto, ~u = (1, 2, −3).

(b) Deve-se encontrar ~v = (x1 , y1 , z1 ) ∈ R3 tal que
T (~v ) = ~v .
Veja que,
(x1 + 2y1 + 2z1 , x1 + 2y1 − z1 , −x1 + y1 + 4z1 ) = (x1 , y1 , z1 )
 




x1 + 2y1 + 2z1 = x1 x1 = 2z1




z }| {
x1 + 2y1 − z1 = y1 resolver!!! ⇒  y1 = −z1

 
 −x + y + 4z = z
  z =z

1 1 1 1 1 1
Portanto, ~v = (2z1 , −z1 , z1 ), z1 ∈ R.
Exemplo 122. Sejam a transformação linear T : R2 → R3 e β = {(1, −1), (−1, 2)} uma
base de R2 . Determine T (x, y) sabendo que T (1, −1) = (3, 2, −2) e T (−1, 2) = (1, −1, 3).
Solução:
(♠) Escreva (x, y) como combinação linear dos vetores da base β e determine os escalares
a1 e a2 como segue:
(x, y) = a1 (1, −1) + a2 (−1, 2)
 
 a1 − a2 = x a1 = 2x + y

 −a + 2a = y
⇒ 
1 2 a2 = x + y
Assim,
(x, y) = (2x + y)(1, −1) + (y + x)(−1, 2).
(♠♠) Aplica T na igualdade anterior:
T (x, y) = T ((2x + y)(1, −1)) + T ((y + x)(−1, 2))

= (2x + y)T (1, −1) + (y + x)T (−1, 2)
= (2x + y)(3, 2, −2) + (y + x)(1, −1, 3)
..
.
= (7x + 4y, 3x + y, −x + y).
Logo, T (x, y) = (7x + 4y, 3x + y, −x + y).
Exemplo 123. Encontre a transformação linear T : R2 → R3 tal que T (1, 1) = (3, 2, 1) e

T (0, −2) = (0, 1, 0).
Teorema 20. Sejam V e W espaços vetoriais sobre R e T : V → W uma transformação

linear. São válidos os seguintes resultados.
(i) ker(T ) é um subespaço vetorial de V.
(ii) Im(T ) é um subespaço vetorial de W.
(iii) T é injetora se, e somente se, ker(T ) = {~o}, em que ~o é o vetor nulo de V.
(iv) Se V é de dimensão finita, então dim(V ) = dim(ker(T )) + dim(Im(T )).
Exemplo 124. Determine quais transformações lineares do Exemplo (118) são injetoras.
Solução:
(d) Veja que,
ker(T ) = {(x, y) ∈ R2 |T (x, y) = (0, 0)}

= {(x, y) ∈ R2 |(x + y, 2x − y) = (0, 0)}.
Da igualdade (x + y, 2x − y) = (0, 0) segue o sistema
 
 x+y =0  x=0
⇒ .
 2x − y = 0  y=0
Portanto, ker(T ) = {(0, 0)} e com isso, T é injetora.
Exemplo 125. Seja a função T : R4 → R3 definida por T (x, y, s, t) = (x − y + s + t, x +

2s − t, x + y + 3s − 3t). Mostre que T é uma transformação linear e determine uma base e
a dimensão de:
(a) Im(T ).
(b) ker T.
Exemplo 126. Seja a função T : R3 → R3 definida por T (x, y, z) = (x + 2y − z, y + z, x +

y − 2z). Mostre que T é uma transformação linear e determine uma base e a dimensão de:
(a) Im(T ).
(b) ker T.
Teorema 21. Sejam V, W espaços vetoriais sobre R e T : V → W uma transformação

linear. Então:
(i) Se dim(V ) = dim(W ) então T é injetora se, e somente se, T é sobrejetora.
(ii) Se dim(V ) = dim(W ) e T é injetora, então T leva base em base, isto é, se β =
{~v1 , ~v2 , · · · , ~vn } é uma base de V, então α = {T (~v1 ), T (~v2 ), · · · , T (~vn )} é uma base de W.
6.5 Transformação Linear e Matriz

3 2
Vimos
  exemplo (114) que T : R → R , definida por T (~
no item (e) v ) = A · ~v , em
1 −3 5 
que A =  é uma transformação linear. De modo geral, sejam os espaços
2 4 −1
vetoriais Rn e Rm e a matriz A = [aij ]m×n , aij ∈ R. A função T : Rn → Rm , definida por
T (~v ) = A · ~v é uma transformação linear. A cada matriz A = [aij ]m×n está associada uma
transformação linear T : Rn → Rm , definida por T (~v ) = A · ~v . Observe que nessa situação,
os vetores de Rn e Rm são representados na forma matricial.
Exemplo 127. A transformação linear T : R3 → R3 , definida por
T (x1 , x2 , x3 ) = (2x1 + x2 − x3 , −x1 + 3x2 − 2x3 , 3x2 + 4x3 )
pode ser escrita como

      

x1  
2 1 −1   x1   2x1 + x2 − x3 
T x2 = −1 3 −2   x  =  −x1 + 3x2 − 2x3 .
     
 2 
  
    
x3 0 3 4 x3 3x2 + 4x3
   

2x1 + x2 − x3  
x1 
No exemplo anterior, observe que  −x1 + 3x2 − 2x3 e  x2 representam,
   
 
   
3x2 + 4x3 x3
respectivamente, as coordenadas dos vetores ~v = (2x1 + x2 − x3 , −x1 + 3x2 − 2x3 , 3x2 + 4x3 )
e ~u = (x1 , x2 , x3 ) em relação a canônica β = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
 
1 −3 5 
Exemplo 128. Seja a matriz A =  . Encontre a transformação linear
2 4 −1
T : R3 → R2 definida por T (~v ) = A · ~v .
Solução:
Seja ~v = (x, y, z) ∈ R3 e note que,

 
  x  
1 −3 5    x − 3y + 5z 
T (~v ) =  ·
 y

 = ,
2 4 −1   2x + 4y − z
z
isto é,
T (x, y, z) = (x − 3y + 5z, 2x + 4y − z).
6.5.1 Matriz Associada a Uma Transformação Linear

Sejam V e W espaços vetoriais sobre R tais que dim V = n e dim W = m e
considere as respectivas bases α = {~v1 , ~v2 , · · · , ~vn } e β = {w ~ 2, · · · , w
~ 1, w ~ m } de V e W. Seja
a transformação linear T : V → W. Observe que os vetores T (~v1 ), T (~v2 ), · · · , T (~vn ) são
vetores W, logo são escritos como combinação linear dos vetores da base β como segue,
T (~v1 ) = a11 w ~ 2 + · · · + a1m w

~ 1 + a12 w ~m
T (~v2 ) = a21 w ~ 2 + · · · + a2m w

~ 1 + a22 w ~m
..
.
T (~vn ) = an1 w ~ 2 + · · · + anm w

~ 1 + an2 w ~ m.
As coordenadas
decada vetor T (~
vi ) da base

β são:  
a a an1
 11   21   
 a12   a22 an2
     
  
[T (~v1 )]β = 
 ..  , [T (~
 v2 )]β = 
 ..
, · · · , [T (~vn )]β = 
.. . Considere agora a
 .   . .
  
  
     
a1m a2m anm
matriz A de ordem m × n em que as colunas 1, 2, · · · , n são os respectivos [T (~vi )]β , isto
 
a11 a21 · · · an1
 
 a12 a22 · · · an2 
 
é, A =  .. .. ..  . A matriz assim definida é chamada de matriz de T em
.. 
 . . . . 
 
a1m a2m · · · anm
relação as bases α e β e será denotada por A = [T ]αβ . Desta forma, T passa a ser a aplicação
linear associada a matriz A = [T ]αβ e bases α e β e ainda,
[T (~v )]β = [T ]αβ [~v ]α .
Exemplo 129. Encontre a matriz da transformação linear T : R3 → R2 , definida por

T (x, y, z) = (x − 2y, 2x + y) em relação as bases canônicas de R3 e R2 .
Exemplo 130. Seja a transformação linear T : R3 → R2 , definida por
T (x, y, z) = (2x + y − z, 3x − 2y + 4z).

Determine [T ]αβ nos seguintes casos, onde α é uma base de R3 e β é uma base de R2 .
(a) Quando α = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e β = {(1, 3), (1, 4)}.
(b) Quando α = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e β = {(1, 0), (0, 1)}.
Solução:
(a)
(♠) Encontrar [T (1, 1, 1)]β :
Escreva T (1, 1, 1) como combinação linear dos vetores da base β e determine os
escalares a1 e a2 como segue.
T (1, 1, 1) = a1 (1, 3) + a2 (1, 4)

(2, 5) = (a1 + a2 , 3a1 + 4a2 )
..
.
  
 a1 = 3 3 
 a = −1
⇒ [T (1, 1, 1)]β = 
2 −1
(♠♠) Encontrar [T (1, 1, 0)]β :

escalares b1 e b2 como segue.
T (1, 1, 0) = b1 (1, 3) + b2 (1, 4)

(3, 1) = (b1 + b2 , 3b1 + 4b2 )
..
.
  
 b1 = 11 11 
 b = −8
⇒ [T (1, 1, 0)]β = 
2 −8
(♠♠♠) Encontrar [T (1, 0, 0)]β :

escalares c1 e c2 como segue.
T (1, 0, 0) = c1 (1, 3) + c2 (1, 4)

(2, 3) = (c1 + c2 , 3c1 + 4c2 )
..
.
  
 c1 = 5 5 
⇒ [T (1, 0, 0)]β = 
 c = −3 −3
2
Portanto,  
3 11 5 
[T ]αβ = 
−1 −8 −3
Exemplo 131. Sejam as bases α = {(1, 1), (0, 1)} e β = {(0, 3, 0), (−1, 0, 0), (0, 1, 1)} de
R2 e deR3 , respectivamente.
 Encontre a transformação linear T : R2 → R3 cuja matriz é

0 2 
α
[T ]β =  −1 0  .
 
 
−1 3
Solução:
(♣) Escreva ~v = (x, y) ∈ R2 como combinação linear dos vetores da base α e determine os
escalares a1 e a2 como segue.
(x, y) = a1 (1, 1) + a2 (0, 1)
(x, y) = (a1 , a1 + a2 )
..
.

 a1 = x
 a2 = y − x
Assim,
(x, y) = x(1, 1) + (y − x)(0, 1).
(♣♣) Aplica T na igualdade anterior:
T (x, y) = x T (1, 1) +(y − x) T (0, 1)

| {z } | {z }
(?) (??)
(F) Encontrar T (1, 1) :
T (1, 1) = 0(0, 3, 0) + (−1)(−1, 0, 0) + (−1)(0, 1, 1) = (1, −1, −1).
(FF) Encontrar T (0, 1) :
T (0, 1) = 2(0, 3, 0) + 0(−1, 0, 0) + 3(0, 1, 1) = (0, 9, 3).
Portanto,
T (x, y) = x(1, −1, −1) + (y − x)(0, 9, 3)

..
.
= (x, −10x + 9y, −4x + 3y).
Exemplo 132. Sejam as bases α = {(1, 2), (−1, 1)} e β = {(1, 0), (0, 1)} bases de R2 .
Seja o vetor ~v =(2, 1), encontre
 T (~v ) onde T é a transformação linear T : R2 → R2 cuja
3 0 
matriz é [T ]αβ =  .
0 −3
Exemplo 133. Sejam os espaços vetoriais P2 e P1 (Pn = {f : R → R}|f é polinômio de grau ≤

df
n) e a transformação linear T : P2 → P1 , definida por T (f ) = . Encontre [T ]αβ , em que
dt
α = {1, t, t2 } e β = {1, t} são bases de P2 e P1 , respectivamente.
Exemplo 134. Sejam as transformações lineares T1 e T2 de R3 em R3 , definidas por

T1 (x, y, z) = (2x + y, 0, x + z) e T2 (x, y, z) = (x − y, z, y) e seja α a base canônica de R3 .
Determine:
(a) T1 ◦ T2 e T2 ◦ T1 , caso estejam definidas.
(b) [T1 ◦ T2 ]αα e [T2 ◦ T1 ]αα , de acordo o item (a).
(c) [T1 ◦ T2 ]αβ e [T2 ◦ T1 ]αβ , de acordo o item (a), em que β = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} é
uma base de R3 .
Exemplo 135. Sejam as transformações lineares T1 : R2 → R3 , definida por T (x, y) =

(x, x + y, y) e T2 : R3 → R2 , definida por T (x, y, z) = (0, y) e sejam α e β as bases
canônicas de R2 e de R3 , respectivamente. Determine:
(a) [T1 ]αβ
(b) [T2 ]βα
(c) T1 ◦ T2 e T2 ◦ T1 , caso estejam definidas.
(d) [T1 ◦ T2 ]ββ e [T2 ◦ T1 ]βα , de acordo o item (c).
6.6 Exercícios
1. Determine quais das funções a seguir são transformações lineares.
(a) T : R2 −→ R2 , definida por T (x, y) = (x + y, x)
(b) T : R3 −→ R, definida por T (x, y, −3y + 4z)
z) = (2x  
a b a b
(c) T : M (2, 2) −→ R, definida por T   = det  
c d c d
(d) T : R2 −→ R, definida por T (x, y) = xy
(e) T : R2 −→ R3 , definida por T (x, y) = (x + 1, 2y, x + y)
(g) T : R3 −→ R2 , definida por T (x, y,z)
 = (|x|,0)
  
a b a b
(h) T : M (2, 2) −→ R, definida por T   = tr  
c d c d
(i) T : P2 −→ P3 , definida por T (ax2 + bx + c) = ax3 + bx2 + cx, onde P2 e P3 são o
espaço de polinômios de grau ≤ 2 e ≤ 3, respectivamente.
(Observação: Considera-se aqui M (2, 2), P2 e P3 com as respectivas operações de
soma e multiplicação por escalar usuais.)
2. Defina transformação linear:

(a) injetora (b) sobrejetora (c) bijetora
3. Seja T : R2 −→ R2 , definida por T (x, y) = (2x − y, −8x + 4y).

(a) Os vetores (1, −4), (5, 0) e (−3, 12) pertencem a imagem de T?
(b) Os vetores (5, 10), (3, 2) e (1, 1) pertencem ao núcleo de T?
4. Seja T : R4 → R3 a transformação linear tal que T (~e1 ) = (1, −2, 1), T (~e2 ) =
(−1, 0, −1), T (~e3 ) = (0, −1, 2) e T (~e4 ) = (1, −3, 1), sendo {~e1 , ~e2 , ~e3 , ~e4 } a base
canônica de R4 . Determine:
(a) T (x, y, z, w)
(b) ker(T )
(c) Im(T ).
5. Seja a transformação linear T : R3 −→ R2 , definida por T (x, y, z) = (2x+y−z, x+2y)

e as bases α = {(1, 0, 0), (2, −1, 0), (0, 1, 1)} do R3 e β = {(−1, 1), (0, 1)} do R2 .
Determine a matriz [T ]αβ .
6. Seja a transformação linear T : R2 −→ R3 e sejam α = {(−1, 1), (1, 0)} base de

R2 e β  = {(1, 1, −1),
 (2, 1, 0), (3, 0, 1)} base do R3 . Determine T e [T ] sabendo que

3 1 
[T ]αβ =  2 5  .
 
 
1 −1
(Observação: [T] é a matriz da mudança de base da base canônica de R2 para a base
canônica de R3 .)
 

1 −2 
7. Seja [T ] =  2 0  , onde T : R2 −→ R3 . Determine T (x, y) e ~v sendo T (~v ) =
 
 
−1 3
(2, 4, −2).
(Observação: [T] é a matriz da mudança de base da base canônica de R2 para a base
canônica de R3 .)
8. Seja T : R3 −→ R2 uma transformação linear tal que T (1, 1, 1) = (1, 2), T (1, 1, 0) =
(2, 3) e T (1, 0, 0) = (3, 4). Determine:
(a) T (x, y, z)
(b) ~v tal que T (~v ) = (−3, −2)
(c) ~v tal que T (~v ) = (0, 0).

Capítulo 10 - Seção 10.1 1 a 11



Capítulo 6 - Seção 6.6 : 1 a 1 a 3, 37, 38, 39, 46, 47, 48

127
7 Autovalores e Autovetores
Definição 38. Uma transformação linear T : V → V é chamada de operador linear.
Exemplo 136. T : R3 → R3 , definida por T (x, y, z) = (x + 2y − z, y + 2z, x + 3y + z).
Daqui em diante, usaremos o termo operador linear para nos referir a uma transfor-
mação linear de um espaço vetorial nele mesmo. E o objetivo agora é saber quais vetores
de um espaço vetorial V são levados em um múltiplo escalar de si mesmo, por um operador
linear T, isto é, queremos encontrar um vetor ~v ∈ V e um escalar α tal que
T (~v ) = α · ~v .
Definição 39. Sejam V um espaço vetorial sobre R e T : V → V um operador linear.

Um vetor ~v ∈ V, diferente do vetor nulo de V, é chamado de autovetor do operador T se
existe um escalar α ∈ R tal que
T (~v ) = α · ~v .
O escalar α é chamado de autovalor do operador T associado ao vetor ~v .
Exemplo 137. Seja o operador linear I : V → V, definido por I(~v ) = ~v . Encontre os

autovalores e autovetores do operador I.
Solução:
Encontrar ~v ∈ V não nulo e o escalar α ∈ R tal que I(~v ) = α~v . Da igualdade anterior,
segue que,
~v = α~v
(~v − α~v ) = ~o
(1 − α)~v = ~o
Como ~v 6= ~o, segue que 1 − α = 0 ⇒ α = 1. Logo, qualquer ~v ∈ V não nulo é um
autovetor associado ao autovalor α = 1.
Exemplo 138. Seja T : R2 → R2 , definida por T (x, y) = (4x + 5y, 2x + y).

(a) Verifique que T é operador linear.
(b) Encontre o autovalor do operador T associado ao vetor ~v = (5, 2).
(c) Verifique se o vetor ~v = (2, 1) é autovetor do operador T.
Solução:
(a) Mostrar que T é uma transformação linear.
(b) Encontrar o escalar α ∈ R tal que
T (5, 2) = α(5, 2).

Capítulo 7. Autovalores e Autovetores 128
Note que, da igualdade anterior,
(4 · 5 + 5 · 2, 2 · 5 + 2) = α(5, 2)
(30, 12) = α(5, 2)
α = 6.
Logo, α = 6 é o autovalor de T associado a ~v = (5, 2).

(c) Verificar se existe um escalar α tal que,
T (2, 1) = α(2, 1).
Veja,
(4 · 2 + 5 · 1, 2 · 2 + 1) = α(2, 1)
(13, 5) = α(2, 1)

 α = 13
2
 α=5
.
Logo, não existe α que satisfaça T (2, 1) = α(2, 1) e portanto, ~v = (2, 1) não é autovetor
de T.
 
1 2 
Exemplo 139. Seja a matriz A =  .
3 2
(a) Encontre a transformação linear T associada a matriz A e explique que T é um operador
linear.
(b) Encontre os autovalores e autovetores do operador linear T.
Seja agora o polinômio f (t) = an tn +an−1 tn−1 +· · ·+a1 t+a0 , t ∈ R. Se A = [aij ]n×n ,
aij ∈ R é uma matriz, então podemos escrever
f (A) = an An + an−1 An−1 + · · · + a1 A + a0 I,
em que I é a matriz identidade de ordem n × n.. Em particular, se f (A) = 0, dizemos que

A é raiz ou zero do polinômio f (t).
 
1 2 
Exemplo 140. Sejam a matriz A =  e os polinômios f (t) = 2t2 − 3t + 7 e
3 4
2
g(t) = t − 5t − 2. Determine f (A) e g(A).
Vimos que dada uma matriz quadrada A = [aij ]n×n , aij ∈ R, tem-se a transformação
linear T : Rn → Rn associada a matriz A = [aij ]n×n , definida por T (~v ) = A · ~v e a matriz
A = [aij ]n×n é entendida como sendo a matriz da mudança de base da transformação
linear (quando não for mencionado as bases, fica entendido então que trata-se da base
canônica). Dessa forma, podemos definir o autovalor e autovetor da matriz A = [aij ]n×n .
Definição 40. Seja uma matriz quadrada A = [aij ]n×n , aij ∈ R. Um escalar λ ∈ R é
um autovalor de A = [aij ]n×n se existe um vetor ~v ∈ Rn diferente do vetor nulo tal que
A · ~v = λ · ~v .
Teorema 22. Seja uma matriz quadrada A = [aij ]n×n , aij ∈ R.

(i) Um autovalor da matriz A é um escalar λ ∈ R tal que que det(A − λI) = 0, em que I
é a matriz identidade de ordem n × n.
(ii) Um autovetor da matriz A é um vetor ~v ∈ Rn diferente do vetor nulo tal que (A−λI)~v =
~õ, em que ~õ é o vetor nulo de ∈ Rn e I é a matriz identidade de ordem n × n.
Observação 24.
De A~v = λ~v , segue que,

A~v − λ~v = ~õ
(A − λI)~v = ~õ.
 
x1
 

x2 
∈ Rn , tem-se
 
Considerando ~v = 
.. 
.
 
 
 
xn
     
a11 − λ a12 ··· a1n x1 0
     

 a21 a22 − λ · · · a2n  
  x2



 0 

· = .

.. .. .. ..  
..
. . . . ··· .
     
     
     
an1 an2 · · · ann − λ xn 0
 
0
 

 0 

Note que o sistema em questão possui pelo menos a solução trivial ~v = 
.. . Mas ~v será
.
 
 
 
0
autovetor se ~v for diferente do vetor nulo, ou seja, se o sistema possuir infinitas soluções.
Isto ocorre se, e somente se, (A − λ · I) não for inversível, ou equivalente, det(A − λ · I) = 0.
Do teorema anterior podemos definir,
(i) det(A − λI) = 0 é a equação característica;
(ii) det(A − λI) é um polinômio de grau n chamado de polinômio característico,
denotado por p(λ).
As raízes do polinômio característico são os autovalores da matriz A = [aij ]n×n ,
aij ∈ R. Os autovetores da matriz A = [aij ]n×n são encontrados ao substituir o valor de λ
em (A − λI)~v = ~õ.
Exemplo 141. Encontre os autovalores e autovetores associados as matrizes

 a seguir.
  1 0 0 0 
  2 1 0  
2 −12   0 1 5 −10 
  
(a) A =  (b) B =  0 2 0  (c) C = 
 
1 −5  1 0 2 0
   

0 0 2  
1 0 0 3
 
−16 9 
(d) D = 
−16 8
Solução:
(a)
(♣) Encontrar os autovalores de A, ou seja, as raízes do polinômio p(λ) :
Temos,      
2 −12  1 0   2 − λ −12 
(A − λ · I) =  − λ = ;
1 −5 0 1 1 −5 − λ
det(A − λI) = (2 − λ)(−5 − λ) + 12
= λ2 + 3λ + 2.
Daí, λ1 = −1 e λ2 = −2 são as raízes de p(λ) Explique!!!. Logo, λ1 = −1 e λ2 = −2
são os autovalores A.
(♣♣) Encontrar os autovetores de A:
 
x
Os autovetores de A são vetores ~v =   ∈ R2 não nulos tais que (A − λ · I)~v = ~o,
y
2
onde ~o é o vetor nulo de R e I = I2×2 ou seja, tais que
     
2 − λ −12   x   0 
 · = (7.1)
1 −5 − λ y 0
(♠) Para λ = −1 em (7.1):
 Temos,     

2 − (−1) −12 ·
x  = 
0 
1 −5 −(−1)
 
y 
0 
3 −12 ·
x 0 
  = 
1 −4 y 0
⇒Explique!!! x = 4y e y = y.
Portanto, ~v = (4y, y) = y(4, 1), y ∈ R, y 6= 0, são os autovetores de A associados a
λ = −1.
(♠♠) Para λ = −2 em (7.1):
Temos,
     
2 − (−2) −12 ·
x  0
 =  
1 −5 −(−2)
 
y 
0 
4 −12   x  0
 · =  
1 −3 y 0
⇒Explique!!! x = 3y e y = y.
Portanto, ~v = (3y, y) = y(3, 1), y ∈ R, y 6= 0, são os autovetores de A associados a
λ = −2.
(b)
Temos,  

2−λ 1 0 
(A − λ · I) =  0 2−λ 0 .
 
 
0 0 2−λ
Usando o desenvolvimento de Laplace, (demonstrar os cálculos)
det(A − λ · I) = (2 − λ)3 .
Daí, λ = 2 é a raiz do polinômio p(λ) = (2 − λ)3 (demonstrar os cálculos). Logo,

λ = 2 é o autovalor de A.
 

x 
Os autovetores de A são vetores ~v =  y  ∈ R3 não nulos, tais que (A−λ·I)~v = ~o,
 
 
z
onde ~o é o vetor nulo de R3 e I = I3×3 ou seja, tais que
     

2−λ 1 0  
x  
0 
0 2−λ 0 · y = 0 (7.2)
     
  
     
0 0 2−λ z 0
(♠) Para λ = 2 em (7.2):
 Temos,
     

0 1 0  
x  
0 




x=x
 0 0 0  ·  y  =  0  =⇒ y=0 .
     
      

0 0 0 z 0  z=z

Portanto, ~v = (x, 0, z) com x, z ∈ R não nulos simultaneamente, são os autovetores

de A, associados ao autovalor λ = 2.
(c)
(♣) Encontrar os autovalores de B, ou seja, as raízes do polinômio p(λ) :
Temos,  

1−λ 0 0 0 
0 1−λ 5 −10
 
 
(B − λ · I) =  .
1 0 2−λ 0
 
 
 
1 0 0 3−λ
det(B − λ · I) = (1 − λ)2 (2 − λ)(3 − λ).
Daí, λ1 = 1, λ2 = 2 e λ3 = 3 são as raízes do polinômio p(λ) = (1 − λ)2 (2 − λ)(3 − λ)

(demonstrar os cálculos).
Logo, λ1 = 1, λ2 = 2 e λ3 = 3 são os autovalores de B.
(♣♣) Encontrar os autovetores de B:
 

x 
 y 
 
Os autovetores de B são vetores ~v =   ∈ R4 não nulos tais que (B −λ·I)~
v = ~o,
 z 
 
 
w
onde ~o é o vetor nulo de R4 e I = I4×4 ou seja, tais que
     

1−λ 0 0 0  
x  
0 
0 1−λ 5 −10 y 0
     
     
 ·  =   (7.3)
1 0 2−λ 0 z 0
     
     
     
1 0 0 3−λ w 0
(♠) Para λ = 1 em (7.3):
 Temos,     

0 0 0 0  
x  
0 
0 0 5 −10 y 0
     
     
 ·  =  .
1 0 1 0 z 0
     
     
     
1 0 0 2 w 0
Resolvendo osistema acima usando o método de Gauss-Jordan (demonstrar os




x = −2w

 y=y

cálculos), segue que  .



z = 2w

 w=w

Portanto, ~v = (−2w, y, 2w, w) com y, w ∈ R não nulos simultaneamente, são os

autovetores de B, associados ao autovalor λ = 1.
(♠♠) Para λ = 2 em 7.3:
 Temos,     

−1 0 0 0  
x  
0 
 0 −1 5 −10   y  0
     
 
 · = .
 1 0 0 0   z  0
     
 
     
1 0 0 1 w 0




x=0

 y = 5z

cálculos), segue que .




z = z

 w=0

Portanto, ~v = (0, 5z, z, 0) com z ∈ R, z 6= 0 são os autovetores de B, associados ao

autovalor λ = 2.
(♠♠♠) Para λ = 3 em (7.3):
 Temos,     

−2 0 0 0  
x  
0 
 0 −2 5 −10   y 0
     
  
 ·  =  .
 1 0 −1 0   z 0
     
  
     
1 0 0 0 w 0




x=0

 y = −5w

cálculos), segue que .




z=0

 w=w

Portanto, ~v = (0, −5w, 0, w) com w ∈ R, w 6= 0 são os autovetores de B, associados

ao autovalor λ = 3.
Exemplo 142. Determinar os autovalores e autovetores do operador linear T (x, y, z) =

(3x − y + z, −x + 5y − z, x − y + 3z).
Solução:
Veja que  

x 
T (x, y, z) = T 


y


 

z   

3 −1 1   x 
= 
 −1 5 −1  · y 
 
.
   
1 −1 3 z
Os autovalores e autovetores do operador linear T são os mesmos da matriz
 

3 −1 1 
A =  −1 5 −1  .
 
 
1 −1 3
Temos,  

3 − λ −1 1 
(A − λ · I) = 
 −1 5 − λ −1 .

 
1 −1 3 − λ
det(A − λ · I) = −λ3 + 11λ2 − 36λ + 36.
Daí, λ1 = 2, λ2 = 3 e λ3 = 6 são as raízes do polinômio p(λ) = −λ3 +11λ2 −36λ+36

(demonstrar os cálculos). Logo, λ1 = 2, λ2 = 3 e λ3 = 6 são os autovalores do operador T.
 

x 
 ∈ R3 não nulos, tais que (A−λ·I)~
Os autovetores de A são vetores ~v =  y  v = ~o,

 
z
3
onde ~o é o vetor nulo de R e I = I3×3 ou seja, tais que
     

3 − λ −1 1  
x  
0 
−1 5 − λ −1 · y = 0 (7.4)
     
  
     
1 −1 3 − λ z 0
(♠) Para λ = 2 em (7.4):
 Temos,      

1 −1 1  
x  
0 




x=x
 −1 3 −1 · y = 0 =⇒ y = 0 .
     
  
      

1 −1 1 z 0  z = −x

Portanto, ~v = (x, 0, −x), com x ∈ R, x 6= 0, são os autovetores de T, associados ao

autovalor λ = 2.
(♠) Para λ = 3 em (7.4):
 Temos,      

0 −1 1  
x  
0 




x=x
 −1 2 −1 · y = 0 =⇒  y = x .
     
  
      
1 −1 0 z 0  z=x

Portanto, ~v = (x, x, x), com x ∈ R, x =

6 0, são os autovetores de T, associados ao
autovalor λ = 3.
(♠) Para λ = 6 em (7.4):
 Temos,      

−3 −1 1  
x  
0 
x=x




 −1 −1 −1 · y = 0 =⇒ y = −2x .
     
  
      

1 −1 −3 z 0  z=x

Portanto, ~v = (x, −2x, x), com x 6= 0, são os autovetores de T, associados ao

autovalor λ = 6.
Teorema 23. Sejam o operador linear T : V → V e ~v um autovetor associado ao autovalor

λ.
(i) Qualquer vetor w ~ ∈ V da forma w ~ = α · ~v , α 6= 0 também é autovetor do operador T
associado a λ.
(ii) S = {~õ} ∪ {~v ∈ V |~v é autovetor associado a λ} é um subespaço de V, em que ~õ é o
vetor nulo de V.
Teorema 24. Seja o operador linear T : V → V.

(i) Os autovetores associados a autovalores distintos do operador T são linearmente
independente.
(ii) Se dim V = n e se o operador T possui n autovalores distintos λ1 , λ2 , · · · , λn , então
o conjunto dos autovetores {~v1 , ~v2 , · · · , ~vn } associados, respectivamente aos autovalores
λ1 , λ2 , · · · , λn é uma base de V.
Exemplo 143. (a) Determine o operador T : R2 → R2 sabendo que λ1 = 2 e λ2 = −3

são autovalores associados aos autovetores ~v1 = (1, −1) e ~v2 = (−1, 0), respectivamente.
(b) Encontre [T ]αα , em que α = {(−1, 1), (−1, 0)}.
Solução:
(a)
Seja ~v1 ∈ R2 o autovetor associado ao autovalor λ1 = 2 e seja ~v2 ∈ R2 o autovetor
associado ao autovalor λ2 = −3. Daí,
T (~v1 ) = λ1 · ~v1 = 2(1, −1) = (2, −2)
e
T (~v2 ) = λ2 · ~v2 = −3(−1, 0) = (3, 0).
Como dimR2 = 2 e T possui dois autovalores distintos (λ1 e λ2 ), segue que

β = {~v1 , ~v2 } é uma base de R2 . Logo, dado ~v = (x, y) ∈ R2 , segue que existem a1 e a2 tais
que
(x, y) = a1 (1, −1) + a2 (−1, 0).
Daí, 
 a1 = −y
 a2 = −x − y
e
(x, y) = (−y)(1, −1) + (−x − y)(−1, 0).
Aplicando T na igualdade anterior,
T (x, y) = (−y)T (1, −1) + (−x − y)T (1, 0)

= (−y)(2, −2) + (−x − y)(3, 0)
= (−2y − 3x − 3y, 2y)
= (−3x − 5y, 2y).
7.1 Exercícios
1. Verifique se os vetores
 dados
 são autovetores das respectivas matrizes.
2 2 
(a) ~v = (−2, 1) e 
1 3
 

1 1 1 
(b) ~v = (1, 1, 2) e  0 2 1 
 
 
0 2 3
 

1 −1 0 
(c) ~v = (−2, 1, 3) e  2 3 2 
 
 
1 2 1
2. Mostre, em cada caso, que T é um operador linear. Depois determine os respectivos

autovalores e autovetores.
(a) T : R2 −→ R2 , T (x, y) = (x + 2y, −x + 4y)
(b) T : R2 −→ R2 , T (x, y) = (2x + 2y, x + 3y)
(c) T : R2 −→ R2 , T (x, y) = (5x − y, x + 3y)
3. Determine
 osautovetores e autovalores das matrizes a seguir.
1 3 
(a) 
−1 5
 
2 1 
(b) 
3 4
 

1 −1 0 
(c)  2 3 2 
 
 
1 1 2
 

3 −1 −3 
(e)  0 2 −3 


 
0 0 −1
 

1 2 −1 
4. Seja a matriz A =  1 0 1  .
 
 
4 −4 5
(a) Encontre o polinômio característico da matriz A.
(b) Sabendo que λ = 1 é uma raiz do polinômio p(λ) = λ3 − 6λ2 + 11λ − 6, encontre
os autovalores e autovetores associados a matriz A.
 

3 0 0 0 
 4 1 0 0 
 
5. Sejam a matriz A =   e o escalar λ.
 0 0 2 1 

 
0 0 0 2
(a) Calcule o determinante de (A − λ · I4 ), onde I4 é a matriz identidade de ordem
4 × 4.
(b) Sabendo que λ = 3 é um autovalor da matriz A encontre os autovetores de A
associados a λ = 3.




138
Referências
ANTON, H.; RORRES, C. Álgebra Linear com Aplicações. 8. ed. [S.l.]: Bookman, 2001.
Tradução de Clauss Ivo Doering. Citado 8 vezes nas páginas 4, 30, 50, 65, 81, 109, 126
e 137.
BOLDRINI, J. L. et al. Álgebra Linear. [S.l.]: Harbra, 1986. Citado 9 vezes nas páginas
4, 30, 50, 65, 103, 109, 113, 126 e 137.
KOLMAN, B.; HILL, D. R. Introdução à Álgebra Linear com Aplicações. 8. ed. Rio de
Janeiro: LTC, 2011. Tradução de Alessandra Bosquilha. Citado 12 vezes nas páginas 4,
30, 34, 35, 36, 50, 65, 80, 109, 113, 125 e 137.
LIPSCHUTZ, S. Álgebra Linear. 2. ed. [S.l.]: McGraw-Hill do Brasil Ltda, 1972. (Coleção
Schaum). Tradução de Roberto Ribeiro Baldino. Citado 2 vezes nas páginas 4 e 103.
LIPSCHUTZ, S. Álgebra Linear. 3. ed. [S.l.]: McGraw-Hill do Brasil Ltda, 1994. (Coleção
Schaum). Tradução de Alfredo Alves de Farias. Citado na página 36.
POOLE, D. Álgebra Linear. [S.l.]: Cengage Learning, 2011. Tradução técnica de Martha
Salermo Monteiro (coord). [et al]. Citado 10 vezes nas páginas 4, 30, 34, 35, 50, 65, 81,
109, 126 e 137.
SANTOS, R. J. Um Curso de Geometria Analítica e Álgebra Linear. [S.l.]: Imprensa

Universitária da UFMG, 2012. Citado 3 vezes nas páginas 4, 34 e 35.
STEINBRUCH, A.; WINTERLE, P. Álgebra Linear. 2. ed. São Paulo: Pearson, 1987.
Citado 8 vezes nas páginas 4, 30, 36, 50, 65, 109, 126 e 137.

Apostila

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal dos Vales do Jequitinhonha e

Orientações de Estudo Para a Disciplina de

Mônica Aparecida Cruvinel Valadão

2 SISTEMAS DE EQUAÇÕES LINEARES . . . . . . . . . . . . . . . 31

4 VETORES NO PLANO E NO ESPAÇO . . . . . . . . . . . . . . . . 66

6 TRANSFORMAÇÃO LINEAR . . . . . . . . . . . . . . . . . . . . . 110

7 AUTOVALORES E AUTOVETORES . . . . . . . . . . . . . . . . . 127

Neste capítulo definiremos o conceito de matriz e trataremos das operações algé-

Definição 1. Dados dois números m e n naturais e não nulos, denomina-se matriz de

Exemplo 1. São exemplos de matrizes:  

Exemplo 2. Construa as seguintes matrizes: 

1.1 Tipos Especiais de Matrizes 1

Exemplo 3. (a) Represente genericamente cada matriz definida anteriormente.

(vi) A = [aij ]n×n tal que aij = aji , i = 1, · · · , n e j = 1, · · · , n.

Seja a matriz A = [aij ]n×n (A é uma matriz quadrada de ordem n)

Chama-se Diagonal Principal de A o conjunto dos elementos de A que tem os dois

 Veja que pela Definição 3,

Observação 1. Se A = [aij ]n×n é uma matriz simétrica, os elementos dispostos simetri-

Exemplo 7. (a) Represente genericamente cada matriz definida anteriormente.

1.2 Resumo sobre Notação de Somatório

Exemplo 8. Desenvolva os somatórios a seguir.

Definição 5. Sejam m, n ∈ Z tais que m ≤ n e seja F (i) ∈ R, com i = m, m + 1, m +

Proposição 1. Sejam m, n ∈ N, F (i), G(i), H(j) ∈ R com i = 1, 2, · · · , n e j =

Exemplo 10. Demonstre a proposição anterior.

1.3 Operações com Matrizes

Definição 7. Sejam a matriz A = [aij ]m×n e um escalar β. O produto β · A é a matriz B =

Definição 8. Sejam as matrizes A = [aij ]m×n e B = [bjk ]n×p . O produto AB é a matriz

Exemplo  16. Considere

1.4 Tipos Especiais de Matrizes 2

Exemplo 17. Resolva os itens a seguir. 

Observação 2. A inversa de uma matriz quadrada A, quando existe, é única.

1.5 Propriedades da Álgebra Matricial

Observação 3. A matriz (−A) que aparece em (iv) é chamada de matriz oposta de A.

Exemplo 18. (a) Demonstre o Teorema 1.

(ii) Verificar que (A + B) = (B + A)

Exemplo 19. A afirmação a seguir é verdadeira? Justifique.

Exemplo 20. Sejam A e B matrizes quadradas. Verifique se vale a igualdade (A+B)(A−

B) = A2 − B 2 . Caso a igualdade não seja válida, apresente um exemplo numérico para

Exemplo 24. Sejam A e B matrizes de ordem n × n e um escalar α. Mostre que:

Solução: Sejam as matrizes A = [aij ]n×n e B = [bij ]n×n e um escalar α.

Portanto, tr(A + B) = tr(A) + tr(B).

Portanto, tr(AB) = tr(BA).

1.6 Operações Elementares Sobre as Linhas de uma Matriz

1.6.1 Matriz Equivalente Por Linhas

Observação 4. A relação “ser equivalente por linhas” satisfaz as seguintes propriedades.

(iii) Se a matriz A é equivalente por linhas a matriz B e se B é equivalente por linhas a

1.6.2 Matrizes Escalonadas

Exemplo 28. Determine o posto e a nulidade das

 Encontrar a forma escalonada reduzida equivalente

Portanto, o posto de B é 3 e a nulidade de B é 0.

Portanto, o posto de C é 3 e a nulidade de C é 1.

4. Seja uma matriz de ordem m × n. Explique por que as multiplicações AT A e AAT

8. Sejam as matrizes A = [aij ]3×3 , B = [bij ]

9. Considerando o enunciado do exercício anterior, verifique se o produto matricial DC

1.8 Sugestões de Exercícios

• Sugestão 2: (STEINBRUCH; WINTERLE, 1987)

• Sugestão 3: (BOLDRINI et al., 1986)

• Sugestão 4: (ANTON; RORRES, 2001)

• Sugestão 5: (POOLE, 2011)

2 Sistemas de Equações Lineares

Uma equação linear nas variáveis (ou incógnitas) x1 , x2 , · · · , xn é uma equação da

em que a1 , a2 , · · · , an e b1 são números reais (ou complexos). Os termos a1 , a2 , · · · , an

Dizemos que a n − upla (ou sequência) ordenada (α1 , α2 , · · · , αn ) é uma solução da

Um sistema de equações lineares (ou simplesmente sistema linear) com m equações