Escolar Documentos
Profissional Documentos
Cultura Documentos
Mucuri
Instituto de Ciência e Tecnologia-ICT
Ciência e Tecnologia-BC&T
por
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
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
3.5 Sugestões de Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . 65
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
4
1 Matrizes
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.
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
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
Capítulo 1. Matrizes 6
(v)
a11 a12 · · · a1n a11 a21 · · · am1
a21 a22 · · · a2n
a12 a22 · · · am2
AT =
A=
.. .. .. .. ,
.. .. .. .. .
. . . . . . . .
am1 am2 · · · amn a1n a2n · · · amn
(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
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)
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)
Capítulo 1. Matrizes 8
Veja
que,
8 6 −1
AT = 9 4 2 =6 A. Logo, A não é uma matriz simétrica.
−7 −5 3
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;
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
Capítulo 1. Matrizes 9
a11 0 · · · 0
a21 a22 · · · 0
(iv) A =
.. .. .. .. .
. . . .
an1 an2 · · · ann
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
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
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
Solução:
Veja
que,
1 + 4 2 + (−1) 3 + 1 5 1 4
A+B = = ;
4 + (−4) 5+0 6+6 0 5 12
Capítulo 1. Matrizes 11
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
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.
−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,
Capítulo 1. Matrizes 13
−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
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.
(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 .
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
Capítulo 1. Matrizes 16
−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).
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
Capítulo 1. Matrizes 17
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
Capítulo 1. Matrizes 18
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
Capítulo 1. Matrizes 19
−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 .
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.
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
Capítulo 1. Matrizes 21
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
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
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
Capítulo 1. Matrizes 23
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
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 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.
Capítulo 1. Matrizes 26
Solução:
(a)
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
Capítulo 1. Matrizes 27
(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
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.
Capítulo 1. Matrizes 28
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
Capítulo 1. Matrizes 29
(h) (AB)T = B T AT
(i) (AD)T = DT AT
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.
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
Capítulo 1. Matrizes 30
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
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.
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.
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.
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,
Capítulo 2. Sistemas de Equações Lineares 33
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
Capítulo 2. Sistemas de Equações Lineares 34
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
Resumidamente,
Determinado: possui única solução
Possível
Sistema Linear
2011). Veremos a seguir quais conclusões obteremos após aplicar o método de Gauss-Jordan.
(i) Li ←→ Lj ;
(ii) Li −→ K · Li + k̃ · Lj , K 6= 0.
Capítulo 2. Sistemas de Equações Lineares 36
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
Capítulo 2. Sistemas de Equações Lineares 37
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 naforma 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
Capítulo 2. Sistemas de Equações Lineares 38
x=3
o sistema possui única solução, a saber, y=2 .
z=1
(c)
(?) Encontrar
a matriz ampliada
associada ao sistema:
2 4 6 | −6
A = 3 −2 −4 | −38 .
1 2 3 | −3
(??) Encontrar
a matriz na forma
escalonada
reduzida equivalente
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
a matriz ampliada
associada ao sistema:
1 1 −1 | 0
A = 2 −3 1 | 0
.
4 −4 −2 | 0
(??) Encontrar
a matriz na
forma escalonada
reduzida equivalente
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
Capítulo 2. Sistemas de Equações Lineares 39
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
a matriz ampliada
associada ao sistema:
1 0 3 | −8
A = 2 −4 0 | −4 .
3 −2 −5 | 26
(??) Encontrar
a matriz naforma 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
ampliada associada ao sistema linear:
1 0 −1 0
A = 3 1 2 0 .
4 2 2 0
(??) Encontrar a matriz na forma escalonada reduzida equivalente a A : (Apresentar
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:
Capítulo 2. Sistemas de Equações Lineares 40
6 2 4 0
A= .
−9 −3 −6 0
(??) Encontrar a matriz na forma escalonada reduzida equivalente a A : (Apresentar
detalhes
e finalizar resolução)
1 13 23 0
A∼
0 0 0 0
(h)
(?) Encontrar
a matriz
ampliada associada ao sistema linear:
3 6 0
12 24 0
A= 3
.
3 0
2
3 3
4 2
0
(??) Encontrar a matriz na forma escalonada reduzida equivalente a A : (Apresentar
detalhes
e finalizar
resolução)
1 2 0
0 0 0
A∼
0 0 0
0 0 0
(i)
(?) Encontrar
a matriz
ampliada associada ao sistema linear:
1 −1 0 0
A= 0 2 4 6
1 1 4 6
(??) Encontrar a matriz na forma escalonada reduzida equivalente a A : (Apresentar
detalhes
e finalizarresolução)
1 0 2 3
A∼ 0 1 2 3
0 0 0 0
(j)
(?) Encontrar
a matriz ampliada
associada ao sistema:
1 2 | 4
A = −3 4 | 3 .
2 −1 | −6
(??) Encontrar
a matrizna forma escalonada
reduzida equivalente
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.
Capítulo 2. Sistemas de Equações Lineares 41
(k)
(?) Encontrar
a matriz
ampliada associada ao sistema linear:
0 1 1 1
1 0 1 2
A=
−1 0 1 3
−1 0 1 4
(??) Encontrar a matriz na forma escalonada reduzida equivalente a A : (Apresentar
detalhes
e finalizarresolução)
1 0 0 0
0 1 0 0
A∼
0 0 1 0
0 0 0 1
(l)
(?) Encontrar
a matriz ampliada
associada ao sistema linear:
1 2 0 8
A = 2 1 −1 3 .
3 −1 −2 −4
(??) Encontrar a matriz na forma escalonada reduzida equivalente a A : (Apresentar
detalhes
e finalizarresolução)
1 0 0 4
A∼ 0 1 0 2
0 0 1 7
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
a matriz ampliada
associada ao sistema:
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
a matriz ampliada
associada ao sistema:
1 2 | 4
A = −3 4 | 3 .
2 −1 | −6
(??) Encontrar
a matrizna 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
Capítulo 2. Sistemas de Equações Lineares 43
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
matrizna forma escalonada
reduzida equivalente
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
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
Capítulo 2. Sistemas de Equações Lineares 44
Solução:
(?) Encontrar
a matriz ampliada
associada ao sistema linear:
1 2 | −1
A = −3 4 | k
.
2 −1 | −7
(??) Encontrar
matriz na
forma escalonadareduzida 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
a matriz ampliada
associada ao sistema:
1 −1 −1 | 0
A = 1 −2 −2 | 0 .
2 k 1 | 0
(??) Encontrar
a matriz na
forma escalonada reduzida equivalentea 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,
Capítulo 2. Sistemas de Equações Lineares 45
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
(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.
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
y y
r1 r1
x r2 x
r2
y
r1
r2
P1
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
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
Capítulo 2. Sistemas de Equações Lineares 50
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
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
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
Capítulo 3. Determinantes 53
Solução:
(a)
Escolhendo a linha 2 e usando o desenvolvimento de Laplace, segue que
(?) 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
= 3(12 − 1)
= 33.
Voltando em (3.1), segue que det(A) = 2 · 27 + 4 · 33 = 186.
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)
Escolhendo a coluna 3 e usando o desenvolvimento de Laplace, segue que
(?) Calculando
det(A13):
3 1 2
B = A13 = 2 3 1
.
0 2 3
Escolhendo a coluna 1 e usando o desenvolvimento de Laplace, segue que
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(A43 ) :
1 3 0
C = A43 = 3 1 2 .
2 3 1
Escolhendo a coluna 3 e usando o desenvolvimento de Laplace, segue que
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.
Capítulo 3. Determinantes 55
(?) Calculando
det(C31) :
a b 1
A = C31 = 1 0 0 .
b a 0
Escolhendo a linha 2 e usando o desenvolvimento de Laplace, segue que
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
Escolhendo a linha 2 e usando o desenvolvimento de Laplace, segue que
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 .
(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 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
Capítulo 3. Determinantes 57
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
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
Capítulo 3. Determinantes 58
−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 .
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
Capítulo 3. Determinantes 59
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) :
Escolhendo a coluna 1 e usando o desenvolvimento de Laplace, segue que
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
Capítulo 3. Determinantes 60
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
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
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
Escolhendo a linha 1 e usando o desenvolvimento de Laplace, segue que
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
det(Az) −8
z= = = 2.
det(A) −4
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) :
Escolhendo a linha 1 e usando o desenvolvimento de Laplace, segue que
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
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
Capítulo 3. Determinantes 63
Assim,
x=1
y=3 .
z=2
(b)
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.
Capítulo 3. Determinantes 64
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.
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
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
y
2
0 x
y y
3 3
→
−
v
→
−
v →
−
v
−5
0 1 x −1 0 x
y
3 →
−
v
2
0 x →
−
v
→
−
v
−2
−2 0 x 0 2 x
P
→
−
P
y
O
z
6
z
~v
3
~v
y
O 2
y
O 2 2
1
x x
(a) (b)
Capítulo 4. Vetores no Plano e no Espaço 69
−1
y
−2 O
~v
x
−3
(c)
Solução:
Capítulo 4. Vetores no Plano e no Espaço 70
~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 .
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
Capítulo 4. Vetores no Plano e no Espaço 71
(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
Logo, (~u + ~v ) + w
~ = ~u + (~v + w).
~
(ii) Considere ~o = (0, 0, 0) e observe que,
Logo, ~u + ~o = ~u.
(iii) Considere ~o = (0, 0, 0) e observe que,
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
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 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
−→
AB = (1, 2, −1) − (0, 1, −1) = (1, 1, 0).
−→
De w
~ = a1 AB + a2~u + a3~v , segue que
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.
!
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.
~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.
Capítulo 4. Vetores no Plano e no Espaço 75
~u
~u
~v ~v
(a) (b)
θ= 0◦ θ = 180◦
~u ~v ~v ~u
(c) (d)
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.
~u · ~v = x1 · y1 + x2 · y2 + · · · + xn · yn .
Solução:
Capítulo 4. Vetores no Plano e no Espaço 76
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,
~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||.
~
~ = 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
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
~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).
(~u × ~v ) · w,
~
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)
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).
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.
14. Determine k sabendo que o ângulo entre os vetores ~u = (2, 1, −1) e ~v = (1, −1, k + 2)
é θ = π3 .
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.
5 Espaço Vetorial
Observação 14. Considera-se neste capítulo apenas espaços vetoriais definidos sobre
K = R.
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 ).
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
(multiplica apenas a 1a entrada pois é assim que é definida a multiplicação por escalar em
V );
(a, b) + (c, d) = (a + c, b + d)
Capítulo 5. Espaço Vetorial 84
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,
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,
Logo, (α + β)~u 6= α~u + β~u, o que significa que V não é um espaço vetorial sobre R.
Solução: (c)
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 = (2, 3) ∈ V e os
escalares α = −3, β = 2 e observe que,
Logo, (α + β)~u 6= α~u + β~u, o que significa que V não é um espaço vetorial sobre R.
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.
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 .
Capítulo 5. Espaço Vetorial 87
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.
(ii) W é fechado para a operação de soma definida em R3 .
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.
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
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.
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 sãosubespaços
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
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.
Capítulo 5. Espaço Vetorial 90
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
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
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 .
Capítulo 5. Espaço Vetorial 91
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).
(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
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
Capítulo 5. Espaço Vetorial 93
e
a 0 0 0
S1 ∩ S2 = a ∈R 6= .
0 0 0 0
e
S1 ∩ S2 = {(0, 0, 0)}.
Portanto, V = S1 ⊕ S2 .
Solução:
(c) Veja que,
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 = · · · = 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,
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,
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 .
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,
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
Capítulo 5. Espaço Vetorial 96
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
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
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!!!).
1 0 1
B∼ ;
0 1 3
1 0 2
C∼ 0 1 3 .
0 0 0
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!!!.
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 aforma 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).
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 .
Solução:
(♠) Verificando o item (i):
Note que dim V = 3.
(?) dim U :
Seja ~u = (a, b, 0) ∈ U e note que
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
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
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 ).
Capítulo 5. Espaço Vetorial 102
Observe que um vetor ~v ∈ V é uma combinação linear dos vetores da base α, ou seja,
existem escalares a1 , a2 , · · · , an tais que
Solução:
(a)
(?) Escreva ~v como combinação linear dos vetores da base β:
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
a11 a12 · · · a1n
a21 a22 · · · a2n
e obter a matriz dos coeficientes do sistema (∗), A =
.. .. .. e a transposta
..
. . . .
an1 an2 · · · ann
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
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:
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 .
(∗∗) 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 .
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 .
Capítulo 5. Espaço Vetorial 106
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)?
~ = (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.
(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)}
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
21. Exiba uma base e dê a dimensão de cada conjunto dos exercícios 18,19,20 que são
subespaços vetoriais.
(c) Verifique se que γ = {(2, −1, 0), (0, 1, 0)} é uma base de W .
(e) Qual a dimensão de W ? Justifique!
Capítulo 5. Espaço Vetorial 108
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 .
27. Sejam
o espaço
vetorial U
= {A|A = [aij ∈ R} e β
]; i = 1, 2e 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
Capítulo 5. Espaço Vetorial 109
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 .
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)
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,
b 7→ f −1 (b) = a,
T : E → F
~v 7→ T (~v )
T (0 · ~u) = 0 · T (~u)
T (~o) = ~õ
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 )
Capítulo 6. Transformação Linear 112
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 ).
~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).
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 )
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
Capítulo 6. Transformação Linear 114
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
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).
Capítulo 6. Transformação Linear 115
Solução:
(a) Veja que,
Assim,
ker(T ) = {(5z, −2z, z)|z ∈ R}.
A imagem de T é
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
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:
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).
Determine:
(a) o vetor ~u ∈ R3 tal que T (~u) = (−1, 8, −11);
(b) o vetor ~v tal que T (~v ) = ~v .
Capítulo 6. Transformação Linear 118
Solução:
(a) Seja ~u = (x1 , y1 , z1 ) ∈ R3 e observe que,
T (~v ) = ~v .
Veja que,
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
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).
Capítulo 6. Transformação Linear 119
Exemplo 124. Determine quais transformações lineares do Exemplo (118) são injetoras.
Solução:
(d) Veja que,
x+y =0 x=0
⇒ .
2x − y = 0 y=0
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:
Capítulo 6. Transformação Linear 121
isto é,
T (x, y, z) = (x − 3y + 5z, 2x + 4y − z).
As coordenadas
decada 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,
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.
Portanto,
3 11 5
[T ]αβ =
−1 −8 −3
Capítulo 6. Transformação Linear 123
Exemplo 131. Sejam as bases α = {(1, 1), (0, 1)} e β = {(0, 3, 0), (−1, 0, 0), (0, 1, 1)} de
R2 e deR3 , 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).
Portanto,
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.)
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 ).
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).
7 Autovalores e Autovetores
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 .
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.
Solução:
(a) Mostrar que T é uma transformação linear.
(b) Encontrar o escalar α ∈ R tal que
(4 · 5 + 5 · 2, 2 · 5 + 2) = α(5, 2)
α = 6.
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
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 .
Capítulo 7. Autovalores e Autovetores 129
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 .
Observação 24.
(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.
Capítulo 7. Autovalores e Autovetores 130
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
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,
Capítulo 7. Autovalores e Autovetores 131
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)
(♣) Encontrar os autovalores de A, ou seja, as raízes do polinômio p(λ) :
Temos,
2−λ 1 0
(A − λ · I) = 0 2−λ 0 .
0 0 2−λ
det(A − λ · I) = (2 − λ)3 .
Temos,
0 1 0
x
0
x=x
0 0 0 · y = 0 =⇒ y=0 .
0 0 0 z 0 z=z
Temos,
1−λ 0 0 0
0 1−λ 5 −10
(B − λ · I) = .
1 0 2−λ 0
1 0 0 3−λ
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 osistema acima usando o método de Gauss-Jordan (demonstrar os
x = −2w
y=y
cálculos), segue que .
z = 2w
w=w
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
Resolvendo osistema acima usando o método de Gauss-Jordan (demonstrar os
x=0
y = 5z
cálculos), segue que .
z = z
w=0
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
Resolvendo osistema acima usando o método de Gauss-Jordan (demonstrar os
x=0
y = −5w
cálculos), segue que .
z=0
w=w
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
Capítulo 7. Autovalores e Autovetores 134
3 −1 1
A = −1 5 −1 .
1 −1 3
(♣) Encontrar os autovalores de A, ou seja, as raízes do polinômio p(λ) :
Temos,
3 − λ −1 1
(A − λ · I) =
−1 5 − λ −1 .
1 −1 3 − λ
Temos,
1 −1 1
x
0
x=x
−1 3 −1 · y = 0 =⇒ y = 0 .
1 −1 1 z 0 z = −x
Temos,
0 −1 1
x
0
x=x
−1 2 −1 · y = 0 =⇒ y = x .
1 −1 0 z 0 z=x
Temos,
−3 −1 1
x
0
x=x
−1 −1 −1 · y = 0 =⇒ y = −2x .
1 −1 −3 z 0 z=x
Solução:
(a)
Seja ~v1 ∈ R2 o autovetor associado ao autovalor λ1 = 2 e seja ~v2 ∈ R2 o autovetor
associado ao autovalor λ2 = −3. Daí,
e
T (~v2 ) = λ2 · ~v2 = −3(−1, 0) = (3, 0).
Daí,
a1 = −y
a2 = −x − y
Capítulo 7. Autovalores e Autovetores 136
e
(x, y) = (−y)(1, −1) + (−x − y)(−1, 0).
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
3. Determine
osautovetores 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
Capítulo 7. Autovalores e Autovetores 137
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.
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.
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.