.

Aulas Tericas de lgebra Linear

Mestrado Integrado em Engenharia do Ambiente
Mestrado Integrado em Engenharia Biolgica
Nuno Martins
Departamento de Matemtica
Instituto Superior Tcnico
Outubro de 2010
1
ndice
1. Matrizes........................................................................................................................3
2. Sistemas de equaes lineares........................................................................................7
3. Matrizes elementares e matriz inversa..........................................................................13
4. Determinante..............................................................................................................18
5. Espaos lineares (ou Espaos vectoriais)....................................................................22
6. Independncia linear...................................................................................................30
7. Bases e dimenso de um espao linear........................................................................32
8. Coordenadas de um vector numa base e matriz de mudana de base.............................39
9. Transformaes lineares..............................................................................................41
10. Valores prprios e vectores prprios. Diagonalizao...................................................55
11. Produtos internos e ortogonalizao............................................................................68
12. Produto externo e produto misto.................................................................................81
13. Matrizes hermiteanas, matrizes simtricas e matrizes normais..................................83
14. Formas quadrticas.....................................................................................................87
15. Mnimos quadrados.....................................................................................................91
16. Apndice (Factorizao triangular)............................................................................95
17. Bibliograa.................................................................................................................97
2
Matrizes
Denio 1. Sejam :. : N. Uma matriz , do tipo :: (: por :), uma tabela
de :: nmeros dispostos em : linhas e : colunas:
=
_

_
c
11
c
12
c
1a
c
21
c
22
c
2a
.
.
.
.
.
.
.
.
.
c
n1
c
n2
c
na
_

_
.
A matriz linha i de :
_
c
i1
c
i2
c
ia

.
para i = 1. .... :. A matriz coluna , de :
_

_
c
1)
c
2)
.
.
.
c
n)
_

_
para , = 1. .... :. Usa-se tambm a notao = (c
i)
)
na
na qual c
i)
a entrada (i. ,) da
matriz .
Se : = :, diz-se que uma matriz quadrada do tipo :: e as entradas c
11
. c
22
. ....
c
aa
formam a chamada diagonal principal de .
Exemplo 1. As matrizes
=
_
1 1
2 2
_
. 1 =
_
1 2 3 4
2 0 2 0
_
. C =
_
0 0 7

e 1 =
_

_
4
3
2
1
_

_
so dos seguintes tipos: 2 2, 1 2 4, C 1 3, 4 1. Tem-se, por exemplo,
c
21
= 2, /
13
= 3, c
12
= 0 e d
41
= 1.
Observao 1. Uma matriz (real) do tipo :: uma aplicao:
: 1. .... : 1. .... : R
(i. ,) c
i)
Notao 1. O conjunto de todas as matrizes reais (complexas) do tipo :: denotado
por /
na
(R) (/
na
(C)).
Denio 2. Duas matrizes so iguais se forem do mesmo tipo e se as entradas corres-
pondentes forem iguais, isto , = (c
i)
)
na
e 1 = (/
i)
)
jq
so iguais se : = j, : = e
c
i)
= /
i)
, para i = 1. .... : e , = 1. .... :.
3
Denio 3. A soma de duas matrizes do mesmo tipo
= (c
i)
)
na
e 1 = (/
i)
)
na
a matriz
+1 = (c
i)
+/
i)
)
na
.
Exemplo 2. Sejam
=
_
1 4 1
3 2 6
_
, 1 =
_
0 3 2
4 1 5
_
, C =
_
_
1
1,2
2
_
_
e 1 =
_
2
_
3

.
Tem-se +1 =
_
1 1 1
1 1 1
_
e no possvel somar C com 1.
Denio 4. O produto de um escalar (nmero real ou complexo) c por uma
matriz = (c
i)
)
na
a matriz:
c = (cc
i)
)
na
.
Notao 2. A matriz (1) ser denotada por .
Exemplo 3. Seja =
_
1 4 1
3 2 6
_
. Tem-se, por exemplo, 2 =
_
2 8 2
6 4 12
_
.
Observao 2. 1 = , 0 = 0 (matriz nula), + = 2, +. . . +
. .
a vezes
= :.
Denio 5. O produto 1 de duas matrizes e 1 s pode ser efectuado se o nmero
de colunas da 1
o
matriz, , fr igual ao nmero de linhas da 2
o
matriz, 1. Nesse caso, o
produto 1 de = (c
i)
)
nj
por 1 = (/
i)
)
ja
denido por:
1 = (c
i1
/
1)
+c
i2
/
2)
+... +c
ij
/
j)
)
na
=
_
j

I=1
c
iI
/
I)
_
na
,
isto ,
_

_
c
11
c
12
c
1j
.
.
.
.
.
.
c
i1
c
i2
c
ij
.
.
.
.
.
.
c
n1
c
n2
c
nj
_

_
_

_
/
11
/
1)
/
1a
/
21
/
2)
/
2a
.
.
.
.
.
.
.
.
.
/
j1
/
j)
/
ja
_

_
=
_

_
j

I=1
c
1I
/
I1

j

I=1
c
1I
/
Ia

j

I=1
c
iI
/
I)

j

I=1
c
nI
/
I1

j

I=1
c
nI
/
Ia
_

_
4
Exemplo 4. Sejam , 1, C e 1 as matrizes do exemplo 2. No possvel efectuar, por
exemplo, 1. No entanto, tem-se:
C =
_
5
14
_
e C1 =
_
_
2
_
3
1
_
3,2
4 2
_
3
_
_
.
Observao 3. O produto de matrizes no comutativo. Por exemplo, para
=
_
0 1
1 0
_
e 1 =
_
0 1
1 0
_
tem-se 1 =
_
1 0
0 1
_
e 1 =
_
1 0
0 1
_
.
Logo 1 ,= 1.
Denio 6. A transposta de uma matriz = (c
i)
)
na
a matriz

T
= (c
)i
)
an
que se obtem trocando as linhas com as colunas de .
Exemplo 5. Sejam e C as matrizes do exemplo 2. Tem-se

T
=
_
_
1 3
4 2
1 6
_
_
e C
T
=
_
1
1
2
2
_
.
Teorema 1. Sejam , 1, C e 1 matrizes de tipos apropriados, c e , escalares. So
vlidas as seguintes propriedades para as operaes matriciais.
(a) (Comutatividade da soma) +1 = 1 +.
(b) (Associatividade da soma) + (1 +C) = ( +1) +C.
(c) (Elemento neutro da soma) Existe uma nica matriz 0 do tipo :: tal que +0 = ,
para toda a matriz do tipo : :. matriz 0, cujas entradas so todas iguais a zero,
chama-se matriz nula.
(d) (Simtrico) Para cada matriz existe uma nica matriz 1 tal que +1 = 0. Esta
matriz 1 denota-se por .
(e) (Associatividade do produto por escalares) c(,) = (c,) .
(f) (Distributividade) (c +,) = c +,.
(g) (Distributividade) c( +1) = c +c1.
(h) (Associatividade do produto de matrizes) (1C) = (1) C.
(i) (Distributividade) (1 +C) = 1 +C e (1 +C) 1 = 11 +C1.
5
(j) c(1) = (c) 1 = (c1).
(k)
_

T
_
T
= .
(l) ( +1)
T
=
T
+1
T
.
(m) (c)
T
= c
T
.
(n) (1)
T
= 1
T

T
.
(o) (
1

2
...
a
)
T
=
T
a
...
T
2

T
1
, com
1
,
2
, ...,
a
matrizes de tipos apropriados.
(p) matriz, do tipo : :, cujas entradas da diagonal principal sejam iguais a 1 e as
restantes sejam iguais a 0:
1 =
_

_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
0 0 1
_

_
chama-se matriz identidade (de ordem :) e tal que
1 = e 11 = 1,
para todas as matrizes = (c
i)
)
na
e 1 = (/
i)
)
an
.
Denio 7. (i) A diferena entre duas matrizes e 1 do mesmo tipo denida por
1 = + (1),
ou seja, a soma de com o simtrico de 1.
(ii) Sejam uma matriz do tipo : : e j N. A potncia j de denida por

j
= ...
. .
j vezes
e para j = 0 dene-se (se fr no nula)
0
= 1.
(iii) matriz do tipo : :
_

_
c
11
0 0
0 c
22
0
.
.
.
.
.
.
.
.
.
0 0 c
aa
_

_
,
cujas entradas fora da diagonal principal so nulas, chama-se matriz diagonal.
Denio 8. Seja = (c
i)
)
aa
uma matriz do tipo : :. Diz-se que simtrica se
=
T
, isto , se c
i)
= c
)i
, para i. , = 1. .... :. Diz-se que anti-simtrica se =
T
,
isto , se c
i)
= c
)i
, para i. , = 1. .... :.
6
Sistemas de equaes lineares
Denio 9. Uma equao linear com : incgnitas r
1
. r
2
. .... r
a
uma equao da
forma
c
1
r
1
+c
2
r
2
+... +c
a
r
a
= /.
em que c
1
. c
2
. .... c
a
e / so constantes (reais ou complexas).
Denio 10. Um sistema de : equaes lineares com : incgnitas um conjunto
de equaes da forma
(+)
_

_
c
11
r
1
+c
12
r
2
+... +c
1a
r
a
= /
1
c
21
r
1
+c
22
r
2
+... +c
2a
r
a
= /
2
. . .
c
n1
r
1
+c
n2
r
2
+... +c
na
r
a
= /
n
em que c
i)
e /
I
so constantes (reais ou complexas), para i. / = 1. .... : e , = 1. .... :.
Observao 4. (i) Usando o produto de matrizes denido na seco anterior, o sistema
linear acima pode ser escrito como uma equao matricial
A = 1,
em que
=
_

_
c
11
c
12
c
1a
c
21
c
22
c
2a
.
.
.
.
.
.
.
.
.
c
n1
c
n2
c
na
_

_
, A =
_

_
r
1
r
2
.
.
.
r
a
_

_
e 1 =
_

_
/
1
/
2
.
.
.
/
n
_

_
.
A matriz a matriz dos coecientes do sistema, A a matriz coluna das incgnitas
e 1 a matriz coluna dos termos independentes.
(ii) Uma soluo do sistema linear (+) uma matriz
o =
_

_
:
1
:
2
.
.
.
:
a
_

_
tal que as equaes do sistema so satisfeitas quando substitumos
r
1
= :
1
. r
2
= :
2
. .... r
a
= :
a
.
Isto , o tal que o = 1. Ao conjunto de todas as solues do sistema chama-se conjunto
soluo ou soluo geral do sistema.
7
Exemplo 6. O sistema linear de duas equaes e duas incgnitas
_
r + 2 = 1
2r + = 0
pode
ser escrito do seguinte modo:
_
1 2
2 1
_ _
r

_
=
_
1
0
_
.
A soluo (geral) do sistema acima r = 1,3 e = 2,3 (verique!), isto , A =
_
1,3
2,3
_
.
Observao 5. De modo a facilitar a resoluo de um sistema linear, este pode ser
sempre substitudo por outro que tenha o mesmo conjunto soluo. Esse outro obtido
depois de aplicar sucessivamente operaes sobre as equaes do sistema inicial que no
alterem a soluo do mesmo. As operaes so:
- Trocar a posio de duas equaes do sistema;
- Multiplicar uma equao por um escalar diferente de zero;
- Substituio de uma equao pela sua soma com um mltiplo escalar de outra equao.
Estas so as chamadas operaes elementares. Quando aplicamos operaes elementares
s equaes de um sistema linear, s os coecientes e os termos independentes do sistema
so alterados. Assim, podemos aplicar as operaes matriz
[ [ 1] =
_

_
c
11
c
12
c
1a
[ /
1
c
21
c
22
c
2a
[ /
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
c
n1
c
n2
c
na
[ /
n
_

_
,
qual se d o nome de matriz aumentada do sistema.
Denio 11. As operaes elementares que podem ser aplicadas s linhas (i e ,)
de uma matriz so as seguintes.
(i) Trocar a posio de duas linhas (i e ,) da matriz: 1
i
1
)
(ii) Multiplicar uma linha (i) da matriz por um escalar (/) diferente de zero: /1
i
1
i
(iii) Substituio de uma linha (,) pela sua soma com um mltiplo escalar (/) de outra
linha (i): /1
i
+1
)
1
)
Teorema 2. Se dois sistemas lineares A = 1 e CA = 1 so tais que a matriz
aumentada [C [ 1] obtida de [ [ 1] atravs de uma operao elementar, ento os dois
sistemas tm o mesmo conjunto soluo, isto , so equivalentes.
Denio 12. Uma matriz = (c
i)
)
na
diz-se em escada de linhas se:
(i) Todas as linhas nulas (formadas inteiramente por zeros) esto por baixo das linhas
no nulas;
8
(ii) Por baixo (e na mesma coluna) do primeiro elemento no nulo de cada linha e por
baixo dos elementos nulos anteriores da mesma linha, todas as entradas so nulas. Esse
primeiro elemento no nulo de cada linha tem o nome de pivot.
Denio 13. O mtodo de resolver sistemas lineares que consiste em aplicar operaes
elementares s linhas da matriz aumentada do respectivo sistema de modo a que essa matriz
que em escada de linhas, chama-se mtodo de eliminao de Gauss.
Exemplo 7. O sistema linear de variveis reais r. e .
_

_
r +. = 3
r + 2 + 2. = 6
3 + 3. = 6
equivalente a
_
_
1 0 1
1 2 2
0 3 3
_
_
_
_
r

.
_
_
=
_
_
3
6
6
_
_
.
Consideremos ento a matriz aumentada e o consequente mtodo de eliminao de Gauss:
_
_
1 0 1 [ 3
1 2 2 [ 6
0 3 3 [ 6
_
_

1
1
+1
2
!1
2
_
_
1 0 1 [ 3
0 2 1 [ 3
0 3 3 [ 6
_
_

3
2
1
2
+1
3
!1
3
_
_
1 0 1 [ 3
0 2 1 [ 3
0 0
3
2
[
3
2
_
_
.
Logo,
_
_
_
r +. = 3
2 +. = 3
3
2
. =
3
2
=
_
_
_
r = 2
= 1
. = 1.
Neste exemplo o sistema tem soluo nica e diz-se possvel e determinado.
Exemplo 8. O sistema linear de variveis reais r. . . e n
_

_
3. 9n = 6
5r + 15 10. + 40n = 45
r + 3 . + 5n = 7
equivalente a
_
_
0 0 3 9
5 15 10 40
1 3 1 5
_
_
_

_
r

.
n
_

_
=
_
_
6
45
7
_
_
.
Consideremos ento a matriz aumentada e o consequente mtodo de eliminao de Gauss:
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_

1
1
$1
3
1
5
1
2
!1
2
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_

1
1
+1
2
!1
2

1
1
+1
2
!1
2
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_

31
2
+1
3
!1
3
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 0 0 [ 0
_
_
.
Logo,
_
r + 3 . + 5n = 7
. + 3n = 2
=
_
r = 3 2n 5
. = 3n + 2.
9
As incgnitas e n so livres e as incgnitas r e . so no livres. A soluo geral do sistema
:
A =
_

_
r

.
n
_

_
=
_

_
3: 2t 5
:
3t + 2
t
_

_
,
para quaisquer :. t R, isto , o conjunto soluo dado por:
o = (3: 2t 5. :. 3t + 2. t) : :. t R .
Neste exemplo o sistema tem innitas solues e diz-se possvel e indeterminado.
Exemplo 9. Seja c R. O sistema linear de variveis reais r. e .
_

_
r + 2 +. = 3
r + . = 2
r + + (c
2
5) . = c
equivalente a
_
_
1 2 1
1 1 1
1 1 c
2
5
_
_
_
_
r

.
_
_
=
_
_
3
2
c
_
_
.
Consideremos ento a matriz aumentada e o consequente mtodo de eliminao de Gauss:
_
_
1 2 1 [ 3
1 1 1 [ 2
1 1 c
2
5 [ c
_
_

1
1
+1
2
!1
2
1
1
+1
3
!1
3
_
_
1 2 1 [ 3
0 1 2 [ 1
0 1 c
2
6 [ c 3
_
_

1
2
+1
3
!1
3
.

1
2
+1
3
!1
3
_
_
1 2 1 [ 3
0 1 2 [ 1
0 0 c
2
4 [ c 2
_
_
.
Se c = 2, ento o sistema possvel e indeterminado:
_
_
_
r + 2 +. = 3
2. = 1
=
_
_
_
r = 3. + 1
= 2. + 1,
a incgnita . livre, as incgnitas r e so no livres e a soluo geral do sistema
A =
_
_
r

.
_
_
=
_
_
3t + 1
2t + 1
t
_
_
,
para qualquer t R, isto , o conjunto soluo dado por:
o = (3t + 1. 2t + 1. t) : t R .
Assim, se c = 2, o sistema tem innitas solues e diz-se possvel e indeterminado.
Se c = 2, o sistema no tem soluo e diz-se impossvel.
Se c ,= 2 e c ,= 2, o sistema tem soluo nica e diz-se possvel e determinado.
A =
_
_
r

.
_
_
=
_
_
(c + 5),(c + 2)
c,(c + 2)
1,(c + 2)
_
_
10
Denio 14. (*) Seja uma matriz em escada de linhas. Ao n
c
de colunas de que
no contm pivots chama-se nulidade de e escreve-se nul . Ao n
c
de pivots de , isto
, ao n
c
de linhas no nulas de , d-se o nome de caracterstica de e escreve-se car .
Se fr a matriz em escada de linhas obtida de C atravs de operaes elementares ento
diz-se que a caracterstica de C car , tendo-se car C = car .
Exemplo 10. As seguintes matrizes esto em escada de linhas:

1
=
_
4 1
0 0
_
.
2
=
_
0 1 3 0
0 0 5 1
_
.
3
=
_

_
2 1 1,2 0 0
0 0 3 0
_
2
0 0 0 0 5
0 0 0 0 0
0 0 0 0 0
_

_
.
Pivot de
1
: 4. Pivots de
2
: 1. 5. Pivots de
3
: 2. 3. 5. Tem-se: car
1
= 1, car
2
= 2
e car
3
= 3. Alm disso: nul
1
= 1, nul
2
= 2 e nul
3
= 2.
Observao 6. Seja [ [ 1] a matriz aumentada associada a um sistema linear com :
incgnitas.
(i) Se car = car [ [ 1] = : ento o sistema possvel e determinado (tem uma
nica soluo).
(ii) Se car = car [ [ 1] < : ento o sistema possvel e indeterminado (tem um
n
c
innito de solues).
(iii) Se car < car [ [ 1] ento o sistema impossvel (no tem soluo).
(iv) As incgnitas livres (podem tomar valores arbitrrios) do sistema so aquelas que
correspondem s colunas, que no contenham pivots, da matriz em escada de linhas obtida
de atravs de operaes elementares.
(v) As incgnitas no livres do sistema so aquelas que correspondem s colunas,
que contenham pivots, da matriz em escada de linhas obtida de atravs de operaes
elementares.
(vi) car = n
c
de linhas no nulas da matriz em escada de linhas obtida de A = n
c
de
pivots = n
c
de incgnitas no livres.
nul = n
c
de incgnitas livres.
(vii) Seja uma matriz do tipo ::. Ento:
0 _ car _ min :. : e car + nulA = :.
Teorema 3. Sejam uma matriz do tipo :: e 1 uma matriz do tipo :1. Se o
sistema linear A = 1 tem duas solues distintas A
0
e A
1
(A
0
,= A
1
), ento ter innitas
solues.
Dem. Basta vericar que A
A
= (1 `) A
0
+ `A
1
soluo do sistema A = 1, para
qualquer ` R.
11
Denio 15. Um sistema linear da forma
_

_
c
11
r
1
+c
12
r
2
+... +c
1a
r
a
= 0
c
21
r
1
+c
22
r
2
+... +c
2a
r
a
= 0
. . .
c
n1
r
1
+c
n2
r
2
+... +c
na
r
a
= 0
tem o
nome de sistema linear homogneo. Este sistema pode ser escrito na forma A = 0.
Observao 7. (i) Todo o sistema linear homogneo A = 0 admite pelo menos a
soluo trivial:
A =
_
r
1
r
2
... r
a

T
=
_
0 0 ... 0

T
.
Assim, todo o sistema linear homogneo tem soluo. Alm disso, ou tem apenas a soluo
trivial ou tem innitas solues.
(ii) Como iremos ver num prximo captulo, soluo geral do sistema linear homogneo
A = 0 d-se o nome de ncleo de e escreve-se A ().
Teorema 4. Se = (c
i)
)
na
tal que : < :, ento o sistema linear homogneo
A = 0 tem innitas solues.
Dem. Como o sistema tem menos equaes do que incgnitas (: < :), o n
c
de linhas
no nulas : da matriz em escada de linhas obtida da matriz aumentada do sistema tambm
tal que : < :. Assim, h : pivots e :: incgnitas livres as quais podem assumir qualquer
valor. Logo, o sistema linear homogneo A = 0 tem innitas solues.
Teorema 5. Sejam = (c
i)
)
na
e c. , escalares.
(i) Se 1 e \ so solues do sistema A = 0, ento 1 +\ tambm o .
(ii) Se 1 soluo do sistema A = 0, ento c1 tambm o .
(iii) Se 1 e \ so solues do sistema A = 0, ento c1 +,\ tambm o .
(iv) Sejam 1 e \ solues do sistema A = 1. Se c1 +,\ (para quaisquer escalares
c. ,) tambm soluo de A = 1, ento 1 = 0. (Sugesto: basta fazer c = , = 0.)
Teorema 6. Seja uma matriz do tipo : : e 1 ,= 0 uma matriz do tipo : 1.
Qualquer soluo A do sistema A = 1 escreve-se na forma A = A
0
+ 1 onde A
0
uma
soluo particular do sistema A = 1 e 1 uma soluo do sistema homogneo A = 0.
Assim:
soluo geral de
A = 1
=
soluo particular de
A = 1
+
soluo geral de
A = 0
.
Dem. Sendo A
0
uma soluo particular do sistema A = 1, basta escrever
A = A
0
+ (A A
0
)
e mostrar que A A
0
soluo do sistema homogneo A = 0.
12
Matrizes elementares e matriz inversa
Denio 16. Uma matriz elementar do tipo : : uma matriz obtida da matriz
identidade 1 (do tipo : :) atravs de uma nica operao elementar.
(i) A matriz 1
i)
, chamada matriz de permutao, a matriz elementar obtida por
troca da linha i com a linha , da matriz 1. Tem-se:
1
i)
=
_

_
1 0 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1
0 1
1
.
.
.
1
1 0
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 0 1
_

_
i
,
.
(ii) A matriz 1
i
(c) a matriz elementar obtida da matriz 1 atravs do produto do escalar
c ,= 0 pela linha i da matriz 1. Tem-se:
1
i
(c) =
_

_
1 0 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1
c
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 0 1
_

_
i .
(iii) A matriz 1
i)
(c) a matriz elementar obtida da matriz 1 por soma da linha , com
um mltiplo escalar c da linha i. Por exemplo para i < , tem-se:
1
i)
(c) =
_

_
1 0 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
c 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 0 1
_

_
i
,
.
13
Observao 8. As matrizes elementares 1
i)
(c), com i < ,, so matrizes triangulares
inferiores (matrizes (c
i)
)
aa
tais que c
i)
= 0 se i < ,), pois todas as entradas por cima das
respectivas diagonais principais so nulas.
Exemplo 11. Sejam c. , escalares com c ,= 0. As matrizes elementares do tipo 2 2
so:
1
12
= 1
21
=
_
0 1
1 0
_
. 1
1
(c) =
_
c 0
0 1
_
. 1
2
(c) =
_
1 0
0 c
_
,
1
12
(,) =
_
1 0
, 1
_
e 1
21
(,) =
_
1 ,
0 1
_
.
Teorema 7. Sejam 1 uma matriz elementar do tipo : : e uma matriz qualquer
do tipo ::. Ento, 1 a matriz obtida de atravs da mesma operao elementar que
originou 1. Isto , aplicar uma operao elementar a uma matriz corresponde a multiplicar
essa matriz esquerda por uma matriz elementar.
Exemplo 12. Consideremos a matriz aumentada do exemplo 8:
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_
.
A operao elementar:
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_

1
1
$1
3
_
_
1 3 1 5 [ 7
5 15 10 40 [ 45
0 0 3 9 [ 6
_
_
,
corresponde seguinte multiplicao ( esquerda):
_
_
0 0 1
0 1 0
1 0 0
_
_
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_
=
_
_
1 3 1 5 [ 7
5 15 10 40 [ 45
0 0 3 9 [ 6
_
_
.
A operao elementar:
_
_
1 3 1 5 [ 7
5 15 10 40 [ 45
0 0 3 9 [ 6
_
_

1
5
1
2
!1
2
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_
,
corresponde seguinte multiplicao ( esquerda):
_
_
1 0 0
0 1,5 0
0 0 1
_
_
_
_
1 3 1 5 [ 7
5 15 10 40 [ 45
0 0 3 9 [ 6
_
_
=
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_
.
A operao elementar:
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_

1
1
+1
2
!1
2
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_
,
14
corresponde seguinte multiplicao ( esquerda):
_
_
1 0 0
1 1 0
0 0 1
_
_
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_
=
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_
.
Finalmente, a operao elementar:
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_

31
2
+1
3
!1
3
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 0 0 [ 0
_
_
,
corresponde seguinte multiplicao ( esquerda):
_
_
1 0 0
0 1 0
0 3 1
_
_
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_
=
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 0 0 [ 0
_
_
.
Tem-se ento:
1
23
(3) 1
12
(1) 1
2
_
1
5
_
1
13
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_
=
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 0 0 [ 0
_
_
.
Denio 17. Uma matriz (do tipo : :) diz-se invertvel se existir uma matriz 1
(do tipo : :) tal que
1 = 1 = 1.
matriz 1 chama-se matriz inversa de e denota-se por
1
.
Observao 9. (i) Sendo
1
a matriz inversa de , ento
1
invertvel e a sua
inversa a prpria matriz , isto , (
1
)
1
= .
(ii) A matriz nula no invertvel. No entanto, a matriz identidade 1 invertvel tendo-se
1
1
= 1.
Teorema 8. A inversa de uma matriz nica.
Dem. Sejam 1 e C as inversas de . Ento, 1 = 11 = 1(C) = (1) C = 1C = C.
Teorema 9. (i) Se = (c
i)
)
aa
e 1 = (/
i)
)
aa
so duas matrizes invertveis, ento 1
invertvel e
(1)
1
= 1
1

1
.
(ii) Sendo c um escalar no nulo e uma matriz invertvel ento c invertvel e
(c)
1
=
1
c

1
.
(iii) Seja : N. Se = (c
i)
)
aa
invertvel, ento
n
invertvel e (
n
)
1
= (
1
)
n
e escreve-se
n
= (
n
)
1
.
15
(iv) Se = (c
i)
)
aa
invertvel, ento
T
invertvel e
_

T
_
1
= (
1
)
T
.
(v) Seja = (c
i)
)
aa
. Se existir | N tal que
|
= 0 ento no invertvel.
Denio 18. Uma matriz = (c
i)
)
aa
diz-se no singular se aps o mtodo de
eliminao de Gauss esta fr transformada numa matriz triangular superior (matriz
cujas entradas por baixo da diagonal principal so todas nulas, isto , matrizes (c
i)
)
aa
tais
que c
i)
= 0 se i ,) cujas entradas da diagonal principal sejam todas no nulas. Uma
matriz = (c
i)
)
aa
diz-se singular se aps o mtodo de eliminao de Gauss existir (pelo
menos) uma linha nula na matriz obtida de .
Teorema 10. Seja = (c
i)
)
aa
. invertvel = no singular = car = :.
Teorema 11. Toda a matriz elementar invertvel e a respectiva inversa tambm uma
matriz elementar. Tem-se:
(i) (1
i)
)
1
= 1
i)
. (ii) (1
i
(c))
1
= 1
i
(1,c), para c ,= 0. (iii) (1
i)
(c))
1
= 1
i)
(c).
Observao 10. (i) Uma matriz invertvel se e s se fr igual ao produto de matrizes
elementares. Veja-se o Apndice (Factorizao triangular) na pg. 95.
(ii) Note-se que a alnea anterior indica um modo alternativo para calcular a matriz
inversa de uma matriz invertvel.
Teorema 12. Seja uma matriz do tipo : :.
(i) O sistema associado a A = 1 tem soluo nica se e s se fr invertvel. Neste
caso a soluo A =
1
1.
(ii) O sistema homogneo A = 0 tem soluo no trivial se e s se fr singular (no
invertvel).
Teorema 13. Sejam e 1 duas matrizes do tipo : :. Se 1 invertvel, ento e
1 so invertveis.
Dem. Considere o sistema (1) A = 0. Se 1 no fosse invertvel, ento pelo teorema
12 existiria A ,= 0 tal que 1A = 0. Logo, A ,= 0 seria soluo no trivial de 1A = 0, o
que contraria o teorema 12 uma vez que por hiptese 1 invertvel. Assim, 1 invertvel.
Finalmente, invertvel por ser o produto de duas matrizes invertveis: = (1) 1
1
.
Observao 11. (Como inverter matrizes do tipo : :). Seja uma matriz do
tipo : : e consideremos a equao A = 1. Se fr invertvel temos
A = 1 = A =
1
1, isto , A = 11 = 1A =
1
1.
Assim, para determinar a inversa de , iremos transformar a matriz aumentada [ [ 1] na
matriz [1 [
1
], por meio de operaes elementares aplicadas s linhas de [ [ 1]. Este
mtodo tem o nome de mtodo de eliminao de Gauss-Jordan e consistir na conti-
nuao do mtodo de eliminao de Gauss agora aplicado a [matriz triangular superior [ +],
efectuando-se as eliminaes de baixo para cima de modo a obter-se [1 [
1
].
16
Exemplo 13. Vejamos que
_
2 1
1 2
_
1
=
_
_

2
3
1
3

1
3
2
3
_
_
. Tem-se
_
2 1 [ 1 0
1 2 [ 0 1
_

1
2
1
1
+1
2
!1
2
_
2 1 [ 1 0
0
3
2
[
1
2
1
_

2
3
1
2
+1
1
!1
1
_
_
2 0 [
4
3

2
3
0
3
2
[
1
2
1
_
_

2
3
1
2
!1
2

1
2
1
1
!1
1
_
_
1 0 [
2
3
1
3
0 1 [
1
3
2
3
_
_
.
Isto
_

1
2
0
0 1
_ _
1 0
0
2
3
_ _
1
2
3
0 1
_ _
1 0

1
2
1
_
. .
=
2
6
6
6
4

2
3
1
3

1
3
2
3
3
7
7
7
5
=
2
4
2 1
1 2
3
5
1
_
2 1
1 2
_
=
_
1 0
0 1
_
Exemplo 14. (i) Seja =
_
_
0 1 1
1
5
4

1
2
1
1
2
0
_
_
. Tem-se
[ [ 1] =
_
_
0 1 1 [ 1 0 0
1
5
4

1
2
[ 0 1 0
1
1
2
0 [ 0 0 1
_
_

...
_
_
1 0 0 [ 1 2 3
0 1 0 [ 2 4 4
0 0 1 [ 3 4 4
_
_
.
Logo,
_
_
0 1 1
1
5
4

1
2
1
1
2
0
_
_
1
=
_
_
1 2 3
2 4 4
3 4 4
_
_
. Verique(!) que:
1
= 1.
(ii) Seja =
_
_
9 8 7
6 5 4
3 2 1
_
_
. Tem-se
[ [ 1] =
_
_
9 8 7 [ 1 0 0
6 5 4 [ 0 1 0
3 2 1 [ 0 0 1
_
_

...
_
_
3 2 1 [ 0 0 1
0 1 2 [ 0 1 2
0 0 0 [ 1 2 1
_
_
Logo, singular e como tal no invertvel.
(iii) Sejam =
_
1 2
3 4
_
, 1 =
_
4 0
0 8
_
, C =
_
0
1
8

1
4
0
_
. Determine-se A tal que

_
1 2A
T
_
1
1
1
= C.
Tem-se

_
1 2A
T
_
1
1
1
= C =
_
1 2A
T
_
1
=
1
C1 = 1 2A
T
=
_

1
C1
_
1
=
= A
T
=
1
2
_
1 1
1
C
1

_
= A =
1
2
_
1
T
_
C
T
_
1
_
1
T
_
1
_
=
= A =
1
2
_
_
1 0
0 1
_

_
1 3
2 4
_ _
0
1
4
1
8
0
_
1
_
4 0
0 8
_
1
_
= A =
_
1
1
2
2
1
2
_
.
17
Determinante
Denio 19. Dados os nmeros naturais 1. 2. .... : chama-se permutao desses :
nmeros a qualquer lista em que os mesmos sejam apresentados por ordem arbitrria.
Denio 20. Seja (i
1
i
2
...i
a
) uma permutao dos nmeros naturais 1. 2. .... :. Diz-
-se que um par (i
)
i
I
) uma inverso quando (, /) (i
)
i
I
) < 0 (isto , quando i
)
e i
I
aparecerem na permutao por ordem decrescente).
Denio 21. Uma permutao (i
1
i
2
...i
a
) diz-se par (mpar) quando o n
c
mximo de
inverses includas fr par (mpar).
Exemplo 15. A permutao (21453) mpar pois contem as inverses (21). (43) e (53).
Denio 22. Seja uma matriz do tipo : :. Chama-se determinante de , e
escreve-se [[ ou det , o nmero que se obtem do seguinte modo:
(i) Formam-se todos os produtos possveis de : factores em que intervenha um elemento
de cada linha e, simultaneamente, um elemento de cada coluna de .
(ii) Afecta-se cada produto do sinal + ou do sinal conforme as permutaes (dos
nmeros naturais 1. 2. .... :) que guram nos ndices de linha e de coluna tenham a mesma
paridade ou no.
(iii) Somam-se as parcelas obtidas.
Em resumo: xando, por exemplo, a permutao (i
1
i
2
...i
a
) de 1. 2. .... :
[[ =

()
1
)
2
...)n)
permutao de 1,2,...,a
(1)
o
c
i
1
)
1
c
i
2
)
2
...c
in)n
,
em que
o =
_
_
_
0 se (i
1
i
2
...i
a
) e (,
1
,
2
...,
a
) tm a mesma paridade
1 se (i
1
i
2
...i
a
) e (,
1
,
2
...,
a
) tm paridade diferente.
Observao 12. Podemos ainda escrever de modo equivalente:
(i)
[[ =

()
1
)
2
...)n)
permutao de 1,2,...,a
(1)
o
c
1)
1
c
2)
2
...c
a)n
, em que o =
_
_
_
0 se (,
1
,
2
...,
a
) par
1 se (,
1
,
2
...,
a
) mpar.
18
(ii)
[[ =

(i
1
i
2
...in)
permutao de 1,2,...,a
(1)
o
c
i
1
1
c
i
2
2
...c
ina
, em que o =
_
_
_
0 se (i
1
i
2
...i
a
) par
1 se (i
1
i
2
...i
a
) mpar.
Teorema 14. (i) Sendo = (c
i)
)
aa
, chama-se trao de a: tr =
a

i=1
c
ii
. Se do
tipo 2 2, ento:
[[ =

c
11
c
12
c
21
c
22

= c
11
c
22
c
12
c
21
=
S no caso
22
1
2
_
(tr )
2
tr
_

2
__
.
(ii) Seja uma matriz do tipo 3 3. Ento
[[ =

c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33

= c
11
c
22
c
33
+c
12
c
23
c
31
+c
13
c
21
c
32
c
13
c
22
c
31
c
12
c
21
c
33
c
11
c
23
c
32
.
Observao 13. (i) Se uma matriz do tipo : : ento [[ tem :! parcelas.
(ii) det 1
i)
= 1, det 1
i
(c) = c, det 1
i)
(c) = 1.
Exemplo 16. (i)

1 1
2 2

= 1(2) (1)2 = 0.
(ii)

1 2 1
3 1 2
2 1 3

= 1(1)(3) + 3 + 8 1(1)2 6(3) 2 = 32.

Teorema 15. Sejam e 1 matrizes do tipo : :. Seja ` um escalar.
(i) Se fr uma matriz diagonal, triangular superior ou triangular inferior ento o
determinante de igual ao produto dos elementos da diagonal principal de A.
(ii) Se tiver uma linha (ou coluna) nula ento det = 0.
(iii) det
_

T
_
= det .
(iv) Se 1 fr obtida de trocando duas linhas (ou colunas) de ento det 1 = det .
(v) Se 1 fr obtida de multiplicando uma linha (ou coluna) de por um escalar `
ento det 1 = `det .
(vi) Se duas linhas (ou colunas) de forem iguais ento det = 0.
(vii) Se 1 fr obtida de somando a uma linha (ou coluna) de um mltiplo escalar
` de uma outra linha (ou coluna) de ento det 1 = det .
19
(viii) det ,= 0 se e s se invertvel.
(ix) det (`) = `
a
det .
(x) det (1) = det det 1.
(xi) Seja | N. Sejam
1
.
2
. . . . .
|
matrizes do tipo ::. Tem-se: det (
1

2
. . .
|
) =
det
1
det
2
. . . det
|
.
(xii) Se fr invertvel det (
1
) =
1
det
.
(xiii) det (1) = 0 = det = 0 ou det 1 = 0.
(xiv) det (1) = det (1).
Denio 23. Seja = (c
i)
) uma matriz do tipo : :, com : 1. Seja
i)
a matriz
do tipo (:1)(:1) que se obtem de suprimindo a linha i e a coluna , de . Chama-se
a
i)
o menor-i, da matriz .
Teorema 16. (Frmula de Laplace.) Seja uma matriz do tipo : :, com : 1.
Tem-se
det =
a

)=1
c
i)
(1)
i+)
det
i)
, com i 1. . . . . : xo.
Observao 14. Seja uma matriz do tipo : :, com : 1. Tem-se
det =
a

i=1
c
i)
(1)
i+)
det
i)
, com , 1. . . . . : xo.
Exemplo 17.

1 0 2 3
2 1 1 4
0 1 0 2
1 0 2 3

= (1)(1)
3+2

1 2 3
2 1 4
1 2 3

+ (2)(1)
3+4

1 0 2
2 1 1
1 0 2

=
= (1)(3) + (2)4 + 2(2)3 (1)3 (2)2(3) 4(2) + 2 [(2) (2)] = 18
Denio 24. Seja = (c
i)
) uma matriz do tipo : :, com : 1. Seja c
0
i)
=
(1)
i+)
det
i)
onde
i)
o menor-i, da matriz . Chama-se a c
0
i)
o cofactor-i, da matriz
e matriz cof = (c
0
i)
) do tipo : :, com : 1, a matriz dos cofactores de .
Teorema 17. Para qualquer matriz do tipo : :, com : 1, tem-se
(cof )
T
= (cof )
T
= (det ) 1.
20
Se det ,= 0 ento invertvel e

1
=
1
det
(cof )
T
=
_
_
_
_
1
det
(1)
)+i
det
)i
. .
entrada (i,)) de
1
_
_
_
_
aa
.
Exemplo 18. (i) Seja =
_
c /
c d
_
tal que det ,= 0. Ento invertvel e

1
=
1
cd /c
_
d /
c c
_
.
Note que cd /c = det .
(ii) Podemos usar o teorema 17 para calcular no s a inversa de uma matriz (no
singular) mas tambm entradas concretas dessa inversa. Seja
=
_
_
1 0 0
4 5 6
7 8 9
_
_
.
A entrada (2. 3) da matriz
1
dada por
(
1
)
23
=
1
det
_
(cof )
T
_
23
=
1
det
_
(1)
3+2
det
32
_
=
1
3
_
det
__
1 0
4 6
___
= 2.
Teorema 18. (Regra de Cramer.) Seja uma matriz do tipo : : tal que no
singular. Ento a nica soluo do sistema de equaes lineares A = 1 dada por
A =
1
1 =
1
det
(cof )
T
1.
Isto , sendo A =
_
r
1
. . . r
a

T
e 1 =
_
/
1
. . . /
a

T
tem-se, para , = 1. . . . . :,
r
)
=
1
det
a

i=1
c
0
)i
/
i
=
det
_
(1
)
)
T
_
det
=
det 1
)
det
,
onde 1
)
a matriz obtida de substituindo a coluna , de pela matriz coluna 1 dos
termos independentes.
Exemplo 19. O sistema de equaes lineares
_
_
_
2r + = 8
r + 2 + 4. = 7
r +. = 1
pode ser resolvido
usando a regra de Cramer:
r =

8 1 0
7 2 4
1 0 1

2 1 0
1 2 4
1 0 1

= 13, =

2 8 0
1 7 4
1 1 1

2 1 0
1 2 4
1 0 1

= 18 e . =

2 1 8
1 2 7
1 0 1

2 1 0
1 2 4
1 0 1

= 14.
21
Espaos lineares (ou Espaos vectoriais)
Denio 25. Um conjunto no vazio \ um espao linear (real) se existirem duas
operaes associadas a \ , uma soma de elementos de \ e um produto de escalares (nmeros
reais) por elementos de \ , com as seguintes propriedades:
(a) (Fecho da soma). Para quaisquer n. \
n + \.
(b) (Fecho do produto por escalares). Para quaisquer c R e n \
cn \.
(c) (Comutatividade da soma). Para quaisquer n. \ ,
n + = +n.
(d) (Associatividade da soma). Para quaisquer n. . n \ ,
n + ( +n) = (n +) +n.
(e) (Elemento neutro da soma). Existe um elemento de \ designado por 0 tal que, para
qualquer n \ ,
n +0 = n.
(f) (Simtrico). Para cada (qualquer) n \ existe \ tal que
n + = 0.
A chama-se o simtrico de n e denota-se por n.
(g) (Associatividade do produto por escalares). Para quaisquer c. , R e n \ ,
c(,n) = (c,) n.
(h) (Distributividade em relao soma de vectores). Para quaisquer c R e n. \ ,
c(n +) = cn +c.
(i) (Distributividade em relao soma de escalares). Para quaisquer c. , R e n \ ,
(c +,) n = cn +,n.
(j) Para qualquer n \ ,
1n = n.
22
Observao 15. Aos elementos de \ chamaremos vectores.
Exemplo 20. Exemplos de espaos lineares. Seja c R.
(i) R
a
= (r
1
. r
2
. .... r
a
) : r
1
. r
2
. .... r
a
R, com as operaes usuais:
(n
1
. n
2
. .... n
a
) + (
1
.
2
. ....
a
) = (n
1
+
1
. n
2
+
2
. .... n
a
+
a
),
c(n
1
. n
2
. .... n
a
) = (cn
1
. cn
2
. .... cn
a
).
(ii) /
na
(R) (conjunto de todas as matrizes reais do tipo : :), com as operaes
(usuais): +1 e c.
(iii) O conjunto de todas as funes reais de varivel real denidas num conjunto o R,
com as operaes usuais:
(, +q)(r) = ,(r) +q(r),
(c,)(r) = c,(r).
(iv) O conjunto T = c
0
+c
1
t +... +c
c
t
c
: c
0
. c
1
. .... c
c
R e : N
0
de todos os polinmios
reais de varivel real, com as operaes usuais.
(v) Seja : N xo. O conjunto T
a
= c
0
+c
1
t +... +c
a
t
a
: c
0
. c
1
. .... c
a
R de todos
os polinmios reais de varivel real e de grau menor ou igual a :, com as operaes usuais.
(c
0
+c
1
t + +c
a
t
a
) + (/
0
+/
1
t + +/
a
t
a
) = c
0
+/
0
+ (c
1
+/
1
) t + + (c
a
+/
a
) t
a
c(c
0
+c
1
t + +c
a
t
a
) = cc
0
+ (cc
1
) t + + (cc
a
) t
a
.
Observao 16. Existem espaos lineares com operaes no usuais:
(i) O conjunto dos nmeros reais R, com a soma denida por
n = n + + 1,
e o produto por escalares denido por
c n = cn +c 1,
um espao linear. (Neste caso o elemento neutro 1.)
(ii) O conjunto dos nmeros reais maiores do que zero, com a soma denida por
n = n,
e o produto por escalares denido por
c n = n
c
,
um espao linear. (Neste caso o elemento neutro 1.)
23
Observao 17. Alteraes nos conjuntos considerados anteriormente podem resultar
em conjuntos que no so espaos lineares.
(i) O conjunto (r. ) R
2
: r _ 0 e _ 0, com as operaes usuais, no um espao
linear. Por exemplo, os simtricos no esto no conjunto.
(ii) O conjunto \ = c
0
+c
1
t +... +c
a
t
a
: c
0
. c
1
. .... c
a
R e c
a
,= 0 de todos os polinmios
reais de grau igual a :, com as operaes usuais, no um espao linear. Por exemplo, para
: 1:
t
a
. t
a
+t \ , mas t
a
+ (t
a
+t) = t , \ .
(iii) O conjunto l = , : R R tais que ,(1) = 2, com as operaes usuais, no
um espao linear. Por exemplo, se ,
1
. ,
2
l,
(,
1
+,
2
) (1) = ,
1
(1) + ,
2
(1) = 2 + 2 = 4 ,= 2.
Logo, ,
1
+,
2
, l.
Denio 26. Seja \ um espao linear. Diz-se que o um subespao de \ se o um
subconjunto de \ e se o, com as operaes de \ , fr um espao linear.
Observao 18. No entanto, para mostrar que um certo conjunto o \ um subespao
do espao linear \ , no ser necessrio vericar as 10 propriedades da denio 25, como se
pode ver no seguinte teorema.
Teorema 19. Um subconjunto no vazio o de um espao linear \ um subespao de
\ se e s se:
(i) Para quaisquer n. o tem-se n + o.
(ii) Para quaisquer c R e n o tem-se cn o.
Exemplo 21. Exemplos de subespaos:
(i) Os nicos subespaos do espao linear R, com as operaes usuais, so 0 e R.
(ii) Os subespaos do espao linear R
3
, com as operaes usuais, so: (0. 0. 0), R
3
,
todas as rectas que passam pela origem e todos os planos que passam pela origem.
(iii) O conjunto de todas as matrizes (reais) triangulares superiores (do tipo ::) um
subespao do espao linear /
aa
(R), com as operaes usuais.
(iv) O conjunto de todas as funes reais denidas e contnuas em 1 R (1 um
intervalo) um subespao do espao linear de todas as funes , : 1 R, com as operaes
usuais.
24
(v) Seja uma matriz (real) do tipo ::. O conjunto
(() = / R
n
: n = / tem pelo menos uma soluo n
um subespao do espao linear R
n
, com as operaes usuais, ao qual se d o nome de
espao das colunas de .
(vi) Seja uma matriz (real) do tipo ::. O conjunto
A() = n R
a
: n = 0
um subespao do espao linear R
a
, com as operaes usuais, ao qual se d o nome de
espao nulo ou ncleo de .
Observao 19. (i) Se invertvel ento A() = 0.
(ii) Se A() = 0 ento invertvel.
Denio 27. Seja o um subconjunto no vazio de um espao linear \ . Diz-se que um
vector n combinao linear nita dos elementos de o, se existir um n
c
nito de elementos
de o, n
1
. .... n
I
, e de escalares `
1
. .... `
I
tais que
n = `
1
n
1
+... +`
I
n
I
=
I

i=1
`
i
n
i
.
Ao cojunto de todas as combinaes lineares nitas de elementos de o chama-se expanso
linear de o e designa-se por 1(o). Isto ,
1(o) = `
1
n
1
+... +`
I
n
I
: `
1
. .... `
I
R
Se o o conjunto vazio ?, escreve-se 1(?) = 0.
Teorema 20. Seja o um subconjunto no vazio de um espao linear \ . A expanso
linear 1(o) de o o menor subespao de \ que contm o. Deste modo, a 1(o) tambm se
chama o subespao gerado por o, e diz-se que o gera 1(o) ou ainda que o um conjunto
gerador de 1(o).
Observao 20. (i) Seja o e 1 dois subconjuntos no vazios de um espao linear \ ,
com o 1. Se 1(o) = \ ento 1(1) = \ .
(ii) Todo o subespao do espao linear R
a
pode ser escrito como o ncleo de uma matriz.
Exemplo 22. (i) O espao linear R
2
gerado por qualquer dos seguintes conjuntos de
vectores:
(1. 0). (0. 1), (1. 2). (1. 11) e (23. 8). (6. 14).
(ii) O subespao (r. ) R
2
: = 2r do espao linear R
2
gerado por qualquer dos
seguintes conjuntos de vectores:
(1. 2), (2. 4) e (77. 154).
25
(iii) O espao linear T
a
de todos os polinmios reais de varivel real e de grau menor ou
igual a :, gerado por qualquer dos seguintes conjuntos de vectores:
1. t. t
2
. .... t
a
, 1. 1 +t. (1 +t)
2
. .... (1 +t)
a
e 1.
t
1!
.
t
2
2!
. ....
t
a
:!
.
(iv) O espao linear T de todos os polinmios reais de varivel real, gerado pelo conjunto
innito de vectores:
1. t. t
2
. ....
(v) Seja l o espao linear de todas as funes reais com primeira derivada contnua em
R (isto , pertencentes a C
1
(R)) e tais que ,
0
(r) = c, (r) (em R) com c R. Ento l
gerado pela funo q (r) = c
oa
, tendo-se l = 1(q).
(vi) Seja uma matriz (real) do tipo ::. O espao das colunas de ,
(() = / R
n
: n = / tem pelo menos uma soluo n ,
o subespao (do espao linear R
n
) gerado pelas colunas de , uma vez que:
_

_
/
1
/
2
.
.
.
/
n
_

_
=
_

_
c
11
c
12
c
1a
c
21
c
22
c
2a
.
.
.
.
.
.
.
.
.
c
n1
c
n2
c
na
_

_
_

_
n
1
n
2
.
.
.
n
a
_

_
= n
1
_

_
c
11
c
21
.
.
.
c
n1
_

_
+n
2
_

_
c
12
c
22
.
.
.
c
n2
_

_
+... +n
a
_

_
c
1a
c
2a
.
.
.
c
na
_

_
.
(vii) Seja uma matriz (real) do tipo : :. Ao subespao linear de R
a
gerado pelas
linhas de d-se o nome de espao das linhas de e designa-se por /().
(viii) Sejam
=
_
0 0 0
0 0 0
_
, 1 =
_
_
1 3 1
0 0 7
0 0 0
_
_
, C =
_
_
1 2
2 4
2 4
_
_
, 1 =
_
2 0
0 1
_
.
Tem-se
(() = (0. 0), A() = R
3
, /() = (0. 0. 0).
((1) = 1((1. 0. 0) . (1. 7. 0)) , A(1) = 1((3. 1. 0)) . /(1) = 1((1. 3. 1) . (0. 0. 7)) .
((C) = 1((1. 2. 2)) , A(C) = 1((2. 1)) e /(C) = 1((1. 2)) .
((1) = 1((2. 0) . (0. 1)) , A(1) = (0. 0) e /(1) = 1((2. 0) . (0. 1)) .
26
(ix) Seja l = /
32
(R) : c
12
= c
21
= c
32
= 0 e c
11
+ 2c
31
= 0. Tem-se, para
l,
=
_
_
c
11
c
12
c
21
c
22
c
31
c
32
_
_
=
_
_
2c
31
0
0 c
22
c
31
0
_
_
= c
31
_
_
2 0
0 0
1 0
_
_
+c
22
_
_
0 0
0 1
0 0
_
_
,
com c
31
. c
22
R. Logo,
l = 1
_
_
_
_
_
_
_
2 0
0 0
1 0
_
_
.
_
_
0 0
0 1
0 0
_
_
_
_
_
_
_
.
(x) Seja l = j(t) = c
0
+c
1
t +c
2
t
2
T
2
: j(1) = j(0). Tem-se, para j(t) l,
j(1) = j(0) = c
0
+c
1
+c
2
= c
0
= c
1
+c
2
= 0 = c
1
= c
2
.
Logo, j(t) = c
0
c
2
t +c
2
t
2
= c
0
1 +c
2
(t +t
2
), com c
0
. c
2
R. Assim,
l = 1
__
1. t +t
2
__
.
Teorema 21. Se l e \ so subespaos do espao linear \, ento:
(i) O conjunto l \ um subespao linear de \.
(ii) O conjunto l + \ = n + : n l e \ um subespao de \. o
menor subespao de \ que contm l '\ . O conjunto l '\ em geral no um subespao.
Escreve-se l +\ = 1(l ' \ ).
Exemplo 23. (i) Em R
3
, considere os subespaos:
l = (r. . .) R
3
: r + 2. = 0 e \ = 1((1. 1. 1). (1. 2. 1)) .
Seja \ , ento
= c(1. 1. 1) +,(1. 2. 1) = (c +,. c + 2,. c +,),
com c. , R. Para que esteja tambm em l preciso que:
(c +,) + (c + 2,) 2 (c +,) = 0.
A ltima equao equivalente a 4c +, = 0 = , = 4c. Logo,
l \ = (3c. 7c. 5c) : c R = c(3. 7. 5) : c R = 1((3. 7. 5)) .
(ii) Em R
3
, considere os subespaos:
l = 1((1. 1. 1). (1. 2. 2)) e \ = 1((2. 1. 1). (1. 1. 3)) .
27
Seja l, ento
= c(1. 1. 1) +,(1. 2. 2) = (c +,. c + 2,. c + 2,),
com c. , R. Para que esteja tambm em \ preciso que:
(c +,. c + 2,. c + 2,) = `(2. 1. 1) +j(1. 1. 3) = (2` j. ` +j. ` + 3j) ,
com `. j R. Deste modo,
_
_
_
c +, = 2` j
c + 2, = ` +j
c + 2, = ` + 3j.
Considerando a matriz aumentada tem-se
_
_
1 1 [ 2` j
1 2 [ ` +j
1 2 [ ` + 3j
_
_

1
1
+1
2
!1
2
1
1
+1
3
!1
3
_
_
1 1 [ 2` j
0 3 [ 3`
0 1 [ ` + 4j
_
_

1
3
1
2
+1
3
!1
3
_
_
1 1 [ 2` j
0 3 [ 3`
0 0 [ 2` + 4j
_
_
.
Logo,
_
_
_
c +, = 2` j
, = `
0 = 2` + 4j.
=
_
_
_
c = j
, = 2j
` = 2j.
Assim,
c(1. 1. 1) +,(1. 2. 2) = j(1. 1. 1) + 2j(1. 2. 2) = (3j. 3j. 5j) = j(3. 3. 5).
Logo,
l \ = (3j. 3j. 5j) : j R =j(3. 3. 5) : j R = 1((3. 3. 5)) .
Observao 21. Neste exemplo (ii), os subespaos l e \ poderiam ter sido apresentados
inicialmente na forma:
l = (r. . .) R
3
: 4r + 3. = 0 e \ = (r. . .) R
3
: 2r 7 + 3. = 0,
uma vez que
_
_
1 1 r
1 2
1 2 .
_
_

1
1
+1
2
!1
2
1
1
+1
3
!1
3
_
_
1 1 r
0 3 r +
0 1 . r
_
_

1
3
1
2
+1
3
!1
3
_
_
1 1 r
0 3 r +
0 0 .
4
3
r
1
3

_
_
e logo (r. . .) l = .
4
3
r
1
3
= 0 = 4r + 3. = 0. Por outro lado,
l = (r. . .) R
3
: 4r + 3. = 0 = 1((1. 4. 0). (0. 3. 1)) = 1((1. 1. 1). (1. 2. 2))
pois sendo = 4r + 3.,
l = (r. 4r+3.. .) : r. . R = r(1. 4. 0)+.(0. 3. 1) : r. . R = 1((1. 4. 0). (0. 3. 1)) .
De facto, como
(1. 4. 0)) = 2(1. 1. 1) (1. 2. 2) e (0. 3. 1) = (1. 1. 1) + (1. 2. 2)
28
(1. 1. 1) = (1. 4. 0) + (0. 3. 1) e (1. 2. 2) = (1. 4. 0) + 2(0. 3. 1)
ou seja
_
_
1 1
1 2
1 2
_
_
=
_
_
1 0
4 3
0 1
_
_
_
1 1
1 2
_
=
_
_
1 1
1 2
1 2
_
_
_
2 1
1 1
_
=
_
_
1 0
4 3
0 1
_
_
emque
_
2 1
1 1
_
=
_
1 1
1 2
_
1
, tem-se l = 1((1. 4. 0). (0. 3. 1)) = 1((1. 1. 1). (1. 2. 2)).
Analogamente se mostra que
\ = (r. . .) R
3
: 2r7+3. = 0 = 1((7. 2. 0). (3. 0. 2)) = 1((2. 1. 1). (1. 1. 3)) .
(iii) Seja l o subespao de /
aa
(R) das matrizes triangulares superiores e seja \ o
subespao de /
aa
(R) das matrizes triangulares inferiores. Ento
l +\ = /
aa
(R) e l \ = subespao das matrizes diagonais.
(iv) Sejam l = 1((1. 0)) e \ = 1((0. 1)) subespaos de R
2
. O conjunto
l ' \ = (r. ) R
2
: r = 0 . = 0
no um espao linear pois (1. 0)
. .
2l
+(0. 1)
. .
2\
= (1. 1) , l '\ . No entanto, tem-se l +\ = R
2
.
Teorema 22. Se l e \ subespaos do espao linear \, ento l '\ subespao de \
se e s se l \ ou \ l.
Teorema 23. Sejam \
1
e \
2
subespaos de um espao linear \ tais que \
1
\
2
= 0.
Se \ = \
1
+\
2
ento todo o vector \ pode ser escrito de modo nico na forma
= n
1
+n
2
com n
1
\
1
e n
2
\
2
. Neste caso escreve-se \ = \
1
\
2
e diz-se que \ a soma
directa dos espaos \
1
e \
2
.
Teorema 24. Seja /
na
(R). Tem-se (() = /(
T
) e /() A() = 0.
Observao 22. Seja /
na
(R). Se
0
fr a matriz em escada que se obtem de
por aplicao do mtodo de eliminao de Gauss, tem-se
(() ,= ((
0
).
Teorema 25. Seja /
na
(R). O espao das linhas /() e o ncleo A() mantm-
se invariantes por aplicao do mtodo de eliminao de Gauss. Isto , sendo
0
a matriz
em escada que se obtem de por aplicao desse mtodo, tem-se
/() = /(
0
) e A() = A(
0
).
29
Independncia linear
Denio 28. Seja \ um espao linear. Seja
o =
1
.
2
. ....
I
\.
Diz-se que o conjunto o linearmente dependente se e s se algum dos vectores de o se
escrever como combinao linear dos restantes, isto , se e s se existir algum i 1. 2. .... /
e escalares `
1
. `
2
. .... `
i1
. `
i+1
. .... `
I
R tais que

i
= `
1

1
+`
2

2
+... +`
i1

i1
+`
i+1

i+1
+... +`
I

I
.
Denio 29. Seja \ um espao linear. Seja
o =
1
.
2
. ....
I
\.
Diz-se que o conjunto o linearmente independente se e s se nenhum dos vectores de
o se puder escrever como combinao linear dos restantes, isto , se e s a nica soluo do
sistema homogneo
`
1

1
+`
2

2
+... +`
I

I
= 0
fr a soluo trivial, ou seja, `
1
= `
2
= ... = `
I
= 0. No caso em que \ = R
a
, sendo a
matriz cujas colunas so os vectores de o \ , diz-se que o linearmente independente
se e s se A() = 0.
Teorema 26. Seja
0
uma matriz em escada de linhas.
(i) As colunas de
0
que contm pivots so linearmente independentes.
(ii) As linhas no nulas de
0
so linearmente independentes.
(iii) O n
c
de linhas independentes e o n
c
de colunas independentes (de
0
) so ambos
iguais caracterstica de
0
.
Observao 23. (i) Assim, atendendo ao teorema anterior, a independncia linear de
o =
1
.
2
. ....
I
\ (espao linear) pode ser decidida aplicando o mtodo de eliminao
matriz cujas colunas so os vectores de o, de modo a coloc-la em escada de linhas.
Sendo
0
essa matriz em escada, tem-se pelo teorema 25
A() = A(
0
) (*).
Uma vez que as colunas de
0
que contm pivots so linearmente independentes ento, devido
a (*), as colunas de nas posies correspondentes tambm sero linearmente independentes.
(ii) Em R, quaisquer dois vectores so linearmente dependentes.
(iii) Em R
2
, dois vectores so linearmente independentes se no forem colineares.
30
(iv) Em R
3
, trs vectores so linearmente independentes se no forem coplanares.
(v) Qualquer conjunto que contenha o vector nulo (elemento neutro) linearmente de-
pendente. Em particular, o conjunto 0, formado apenas pelo vector nulo, linearmente
dependente.
(vi) O conjunto vazio ? linearmente independente.
Teorema 27. Sejam o
1
e o
2
dois subconjuntos nitos de um espao linear, tais que
o
1
o
2
.
(i) Se o
1
linearmente dependente ento o
2
tambm linearmente dependente.
(ii) Se o
2
linearmente independente ento o
1
tambm linearmente independente.
Observao 24. Sejam o
1
e o
2
dois subconjuntos nitos de um espao linear, tais que
o
1
o
2
.
(i) Se o
2
fr linearmente dependente ento o
1
tanto pode ser linearmente dependente
como linearmente independente.
(ii) Se o
1
fr linearmente independente ento o
2
tanto pode ser linearmente dependente
como linearmente independente.
Exemplo 24. Seja o = (1. 0. 2). (2. 0. 4). (0. 1. 2). Tem-se
=
_
_
1 2 0
0 0 1
2 4 2
_
_

21
1
+1
3
!1
3
_
_
1 2 0
0 0 1
0 0 2
_
_

21
2
+1
3
!1
3
_
_
1 2 0
0 0 1
0 0 0
_
_
=
0
.
Logo, como apenas existem dois pivots e portanto uma varivel livre, as trs colunas de
so linearmente dependentes, isto , o conjunto o linearmente dependente. O subconjunto
de o:
(1. 0. 2). (2. 0. 4)
tambm linearmente dependente. No entanto, uma vez que a 1
o
e 3
o
colunas de so
independentes pois correspondem s colunas da matriz em escada
0
que contm os pivots,
o subconjunto de o:
(1. 0. 2). (0. 1. 2)
linearmente independente.
31
Bases e dimenso de um espao linear
Denio 30. Chama-se base de um espao linear \ a qualquer subconjunto E de \
que verique as duas condies:
(i) E gera \ , isto , 1(E) = \ .
(ii) E linearmente independente.
Teorema 28. Qualquer espao linear \ ,= 0 tem pelo menos uma base.
Observao 25. Qualquer espao linear \ ,= 0 tem um n
c
innito de bases. Por exem-
plo, se E = n
1
. .... n
I
fr uma base de \ ento para cada c ,= 0 o conjunto cn
1
. .... cn
I

tambm uma base de \ .

Teorema 29. Todas as bases de um espao linear \ ,= 0 tm o mesmo n
c
de vectores.
Denio 31. Chama-se dimenso de um espao linear \ ,= 0 ao n
c
de vectores de
uma base qualquer de \ , e escreve-se dim\ . Se \ = 0 ento dim\ = 0 uma vez que o
conjunto vazio ? base de 0. Um espao linear ter dimenso nita se uma sua base tiver
um n
c
nito de vectores.
Observao 26. A dimenso de um espao linear, isto , o n
c
de elementos de uma sua
base igual ao n
c
mnimo de vectores possam constituir um conjunto gerador desse espao
e tambm igual ao n
c
mximo de vectores que possam constituir um conjunto linearmente
independente nesse espao.
Exemplo 25. (i) O conjunto 1 uma base de R, chamada base cannica ou natural
de R. Logo,
dimR = 1.
(ii) O conjunto (1. 0). (0. 1) uma base de R
2
, chamada base cannica ou natural de
R
2
. Logo,
dimR
2
= 2.
(iii) O conjunto (1. 0. 0). (0. 1. 0). (0. 0. 1) uma base de R
3
, chamada base cannica
ou natural de R
3
. Logo,
dimR
3
= 3.
(iv) O conjunto
__
1 0 0
0 0 0
_
.
_
0 1 0
0 0 0
_
.
_
0 0 1
0 0 0
_
.
_
0 0 0
1 0 0
_
.
_
0 0 0
0 1 0
_
.
_
0 0 0
0 0 1
__
uma base de /
23
(R), chamada base cannica ou natural de /
23
(R). Logo,
dim/
23
(R) = 6.
32
(v) Tem-se
dimR
a
= : e dim/
na
(R) = ::.
(vi) O conjunto 1. t. t
2
. .... t
a
uma base de T
a
(espao linear de todos os polinmios
reais de varivel real e de grau menor ou igual a :), chamada base cannica ou natural de
T
a
. Logo,
dimT
a
= : + 1.
(vii) O conjunto 1. t. t
2
. ... uma base de T (espao linear de todos os polinmios reais
de varivel real), chamada base cannica ou natural de T. Logo,
dimT = .
Observao 27. Seja uma matriz do tipo ::. Tem-se
nul = dimA() e car = dim/().
Teorema 30. Seja uma matriz do tipo ::. Tem-se
dim(() = dim/() = car .
Dem. Suponhamos que car = /. Sendo
0
a matriz : : em escada (reduzida)
de linhas, ento
0
tem exactamente / linhas no nulas. Sejam 1
1
. 1
2
. . . . . 1
I
essas linhas.
Como /() = /(
0
), ento as linhas 1
1
. 1
2
. . . . . 1
n
de podem ser expressas como combi-
naes lineares das linhas 1
1
. 1
2
. . . . . 1
I
, ou seja, existem escalares c
i)
. com i = 1. . . . . : e
, = 1. . . . . / tais que
1
1
= c
11
1
1
+c
12
1
2
+ +c
1I
1
I
1
2
= c
21
1
1
+c
22
1
2
+ +c
2I
1
I
. . .
1
n
= c
n1
1
1
+c
n2
1
2
+ +c
nI
1
I
Para i = 1. . . . . :, sejam c
i)
e :
i)
as componentes , das linhas 1
i
e 1
i
respectivamente.
Assim, tem-se
c
1)
= c
11
:
1)
+c
12
:
2)
+ +c
1I
:
I)
c
2)
= c
21
:
1)
+c
22
:
2)
+ +c
2I
:
I)
. . .
c
n)
= c
n1
:
1)
+c
n2
:
2)
+ +c
nI
:
I)
ou seja, matricialmente,
_

_
c
1)
c
2)
.
.
.
c
n)
_

_
= :
1)
_

_
c
11
c
21
.
.
.
c
n1
_

_
+:
2)
_

_
c
12
c
22
.
.
.
c
n2
_

_
+ +:
I)
_

_
c
1I
c
2I
.
.
.
c
nI
_

_
.
Como
_

_
c
1)
c
2)
.
.
.
c
n)
_

_
a coluna , de , a ltima igualdade mostra que os vectores
_

_
c
11
c
21
.
.
.
c
n1
_

_
.
_

_
c
12
c
22
.
.
.
c
n2
_

_
. .
_

_
c
1I
c
2I
.
.
.
c
nI
_

_
33
geram ( (). Logo, tem-se
dim( () _ / = dim/() .
Deste modo, substituindo por
T
tem-se tambm
dim(
_

T
_
. .
=dimL()
_ dim/
_

T
_
. .
=dimC()
.
Ou seja, tem-se
dim( () _ dim/() e dim/() _ dim( () .
Isto ,
dim( () = dim/() .
Teorema 31. Sejam \
1
e \
2
dois subespaos de dimenso nita de um espao linear
\ . Ento,
dim(\
1
+\
2
) = dim\
1
+ dim\
2
dim(\
1
\
2
) .
Teorema 32. Sejam \ um espao linear de dimenso nita e \ um subespao de \ .
(i) Seja o = n
1
. .... n
I
\ . Se o linearmente independente ento o ser um subcon-
junto de uma base de \ e ter-se- dim\ _ /.
(ii) Se dim\ = :, ento quaisquer : vectores de \ , com : :, so linearmente
dependentes.
(iii) Se dim\ = :, ento nenhum conjunto com : vectores de \ , em que : < :, pode
gerar \ .
(iv) O subespao \ tem dimenso nita e dim\ _ dim\ .
(v) Se dim\ = dim\ , ento \ = \ .
(vi) Se dim\ = :, ento quaisquer : vectores de \ linearmente independentes cons-
tituem uma base de \ .
(vii) Se dim\ = :, ento quaisquer : vectores geradores de \ constituem uma base de
\ .
Exemplo 26. Seja /
na
(R). Recorde que:
car + nul = :.
Como /() e A() so subespaos de R
a
ento
/() +A() = 1(/() ' A())
34
tambm um subepao de R
a
. Por outro lado, atendendo a que
/() A() = 0
(teorema 24), tem-se
dim(/() A()) = 0.
Assim,
dim(/() +A()) = dim/() + dimA() dim(/() A()) =
= car + nul 0 =
= :.
Logo, pelo teorema 32 (v), tem-se
R
a
= /() A().
Exemplo 27. (i) Os seguintes conjuntos so todos os subespaos de R:
0 e R.
(ii) Os seguintes conjuntos so todos os subespaos de R
2
:
(0. 0) , todas as rectas que contm a origem e R
2
.
(iii) Os seguintes conjuntos so todos os subespaos de R
3
:
(0. 0. 0) , todas as rectas que contm a origem,
todos os planos que contm a origem e R
3
.
Observao 28. O mtodo de eliminao de Gauss permite determinar a dimenso
e uma base quer para o espao das linhas /() quer para o espao das colunas (() de
uma matriz . Seja
0
a matriz em escada que se obtem de por aplicao do mtodo de
eliminao de Gauss. Ento,
(i) Uma base para /() ser formada pelas linhas no nulas de
0
.
(ii) Uma base para (() ser formada pelas colunas de que correspondem s posies
das colunas de
0
que contm os pivots.
Exemplo 28. Seja
=
_
_
2 1 1 1
4 2 3 3
6 3 1 1
_
_
.
35
Tem-se
=
_
_
2 1 1 1
4 2 3 3
6 3 1 1
_
_

21
1
+1
2
!1
2
31
1
+1
3
!1
3
_
_
2 1 1 1
0 0 1 1
0 0 4 4
_
_

41
2
+1
3
!1
3
_
_
2 1 1 1
0 0 1 1
0 0 0 0
_
_
=
0
.
Logo, (2. 1. 1. 1). (0. 0. 1. 1) uma base de /() e (2. 4. 6). (1. 3. 1) uma base de (().
Assim,
dim/() = 2 = dim(()
e
/() = 1((2. 1. 1. 1). (0. 0. 1. 1)) , (() = 1((2. 4. 6). (1. 3. 1)) .
Por outro lado,
A(
0
) =
_

_
(r. . .. n) R
4
:
0
_

_
r

.
n
_

_
=
_

_
0
0
0
0
_

_
_

_
=
= (r. 2r. n. n) : r. n R =
= 1((1. 2. 0. 0). (0. 0. 1. 1)) .
Como o conjunto (1. 2. 0. 0). (0. 0. 1. 1) linearmente independente e gera A(
0
) ento
uma base de A(
0
). Finalmente, uma vez que A() = A(
0
), o conjunto
(1. 2. 0. 0). (0. 0. 1. 1)
uma base de A() e portanto dimA() = 2, com
A() = 1((1. 2. 0. 0). (0. 0. 1. 1)) .
Exemplo 29. Seja o = 1. 2. 1). (2. 1. 1). (1. 2. 1). (0. 1. 0) R
3
. Determinemos
uma base para 1(o).
Considerando a matriz cujas colunas so os vectores de o, tem-se
_
_
1 2 1 0
2 1 2 1
1 1 1 0
_
_

21
1
+1
2
!1
2
1
1
+1
3
!1
3
_
_
1 2 1 0
0 3 0 1
0 3 0 0
_
_

1
2
+1
3
!1
3
_
_
1 2 1 0
0 3 0 1
0 0 0 1
_
_
.
Logo, o
0
= 1. 2. 1). (2. 1. 1). (0. 1. 0) uma base de 1(o). Como dimR
3
= 3, ento tem-se
mesmo: 1(o) = R
3
e o
0
uma base de R
3
.
Resoluo alternativa: Considerando a matriz cujas linhas so os vectores de o, tem-se
_

_
1 2 1
2 1 1
1 2 1
0 1 0
_

_

21
1
+1
2
!1
2
1
1
+1
3
!1
3
_

_
1 2 1
0 3 3
0 0 0
0 1 0
_

_

1
3
$1
4
_

_
1 2 1
0 3 3
0 1 0
0 0 0
_

_

1
3
1
2
+1
3
!1
3
_

_
1 2 1
0 3 3
0 0 1
0 0 0
_

_
.
Logo, o
0
= 1. 2. 1). (0. 3. 3). (0. 0. 1) uma base de 1(o). Como dimR
3
= 3, ento
tem-se mesmo: 1(o) = R
3
e o
0
uma base de R
3
.
36
Exemplo 30. Seja o
o,b
= 1. 0. 1). (0. 1. c). (1. 1. /). (1. 1. 1) R
3
. Determinemos os
valores dos parmetros c e / para os quais o
o,b
no gere R
3
.
Considerando a matriz cujas colunas so os vectores de o, tem-se
_
_
1 0 1 1
0 1 1 1
1 c / 1
_
_

1
1
+1
3
!1
3
_
_
1 0 1 1
0 1 1 1
0 c / 1 0
_
_

o1
2
+1
3
!1
3
_
_
1 0 1 1
0 1 1 1
0 0 / c 1 c
_
_
.
Logo, o
o,b
no gera R
3
se e s se / c 1 = 0 e c = 0, isto , se e s se c = 0 e / = 1.
Teorema 33. (i) Seja /
na
(R). As colunas de geram R
n
se e s se car = :.
(ii) Seja /
na
(R). As colunas de so linearmente independentes se e s se
car = :.
(iii) Seja /
aa
(R). A matriz invertvel se e s se as colunas de (ou as linhas
de ) formarem uma base de R
a
. No caso de ser invertvel tem-se
(() = /() = R
a
.
Observao 29. Seja /
na
(R) e considere o sistema de equaes lineares n = /.
(i) O sistema n = / impossvel (no tem soluo) se e s se / , ((), isto , se e s
se car < car [ [ /].
(ii) O sistema n = / possvel e indeterminado (tem um n
c
innito de solues) se
e s se / (() e as colunas de forem linearmente dependentes, isto , se e s se car =
car [ [ /] < :, isto , se e s se car = car [ [ /] e nul ,= 0.
(iii) O sistema n = / possvel e determinado (tem uma nica soluo) se e s
se / (() e as colunas de forem linearmente independentes, isto , se e s se car =
car [ [ /] = :, isto , se e s se car = car [ [ /] e nul = 0.
Observao 30. Seja /
na
(R) e considere o sistema de equaes lineares n = /.
(i) Existncia de soluo: Se : _ : ento o sistema n = / tem pelo menos uma
soluo n para cada / R
n
se e s se
car = :.
(ii) Unicidade de soluo: Se : _ : ento o sistema n = / tem no mximo uma
soluo n para cada / R
n
se e s se car = :, isto , se e s se
nul = 0.
(iii) Existncia e unicidade de soluo: Se : = : ento o sistema n = / tem
soluo nica n para cada / R
n
se e s se fr invertvel.
37
Teorema 34. Seja /
aa
(R). As seguintes armaes so equivalentes.
(i) no singular.
(ii) igual ao produto de matrizes elementares.
(iii) invertvel.
(iv)
T
invertvel.
(v) nul = 0.
(vi) car = :.
(vii) n = 0 tem apenas a soluo trivial n = 0.
(viii) n = / tem soluo nica n para cada / R
a
.
(ix) det ,= 0.
(x) A() = 0.
(xi) As colunas de geram R
a
.
(xii) As colunas de so independentes.
(xiii) As colunas de formam uma base de R
a
.
(xiv) As linhas de geram R
a
.
(xv) As linhas de so independentes.
(xvi) As linhas de formam uma base de R
a
.
(xvii) A transformao linear 1 : R
a
R
a
denida por 1 (n) = n, para n R
a
,
sobrejectiva. (Num prximo captulo.)
(xviii) A transformao linear 1 : R
a
R
a
denida por 1 (n) = n, para n R
a
,
injectiva. (Num prximo captulo.)
(xix) A transformao linear 1 : R
a
R
a
denida por 1 (n) = n, para n R
a
,
bijectiva. (Num prximo captulo.)
(xx) A transformao linear 1 : R
a
R
a
denida por 1 (n) = n, para n R
a
,
invertvel. (Num prximo captulo.)
(xxi) 0 no valor prprio de . (Num prximo captulo.)
(xxii) (A ())
?
= R
a
. (Num prximo captulo.)
(xxiii) (/())
?
= 0. (Num prximo captulo.)
38
Coordenadas de um vector numa base e matriz de mudana de base
Denio 32. Seja E =
1
.
2
. ....
I
uma base ordenada de um espao linear \ e seja
n um vector de \ . Chamam-se coordenadas do vector n na base ordenada E aos escalares
`
1
. `
2
. .... `
I
da combinao linear:
n = `
1

1
+`
2

2
+... +`
I

I
.
Teorema 35. Seja \ um espao linear.
(i) Um conjunto E de vectores no nulos de \ uma base de \ se e s se todo o vector
de \ puder ser escrito de modo nico como combinao linear dos vectores de E.
(ii) Se dim\ = :, ento dados n. n \ e E =
1
.
2
. . . . .
a
uma base ordenada de
\ , tem-se n = n se e s se as coordenadas de n e de n na base E forem iguais.
Teorema 36. Seja \ um espao linear de dimenso :. Sejam E
1
=
1
.
2
. . . . .
a
e
E
2
= n
1
. n
2
. . . . . n
a
duas bases ordenadas de \ . Seja o
B
1
!B
2
a matriz cujas colunas so
as coordenadas dos vectores de E
1
em relao base E
2
. Isto ,
o
B
1
!B
2
= (:
i)
)
aa
com
)
=
a

i=1
:
i)
n
i
para todo o , = 1. .... :.
A matriz o
B
1
!B
2
no singular e chama-se matriz de mudana de base (da base E
1
para
E
2
). Assim, se tivermos
n =
a

i=1
`
i

i
,
isto , se (`
1
. .... `
a
) forem as coordenadas do vector n na base E
1
ento as coordenadas
(j
1
. .... j
a
) de n na base E
2
so dadas por
_

_
j
1
.
.
.
j
a
_

_
= o
B
1
!B
2
_

_
`
1
.
.
.
`
a
_

_
.
Dem. Tem-se
n =
a

i=1
j
i
n
i
=
a

)=1
`
)

)
=
a

)=1
`
)
a

i=1
:
i)
n
i
=
a

i=1
_
a

)=1
:
i)
`
)
_
n
i
.
Atendendo ao teorema 35 (i), as coordenadas de um vector n numa base so nicas. Logo,
para todo o i = 1. .... :,
j
i
=
_
a

)=1
:
i)
`
)
_
. Isto ,
_

_
j
1
.
.
.
j
a
_

_
= o
B
1
!B
2
_

_
`
1
.
.
.
`
a
_

_
.
39
Observao 31. Tem-se
o
B
2
!B
1
= (o
B
1
!B
2
)
1
.
Exemplo 31. Consideremos
E
c
= (1. 0). (0. 1)
a base cannica de R
2
. Seja
E = (1. 2). (3. 4)
uma outra base ordenada de R
2
. Sejam (5. 6) as coordenadas de um vector n na base
cannica E
c
e determinemos as coordenadas de n na base E usando a matriz de mudana de
base o
Bc!B
. Tem-se
o
Bc!B
=
_
2
3
2
1
1
2
_
,
uma vez que
(1. 0) = 2(1. 2) + 1(3. 4) e (0. 1) =
3
2
(1. 2)
1
2
(3. 4). (*)
Logo, as coordenadas de n na base E so dadas por
o
Bc!B
_
5
6
_
=
_
2
3
2
1
1
2
_ _
5
6
_
=
_
1
2
_
.
Logo, 1 e 2 so as coordenadas de (5. 6) na base ordenada E, isto
(5. 6) = 1(1. 2) + 2(3. 4).
Observao 32. Colocando os vectores em coluna, note que as duas igualdades em (*)
podem ser escritas na forma:
_
1 0
0 1
_
=
_
1 3
2 4
_ _
2
3
2
1
1
2
_
sendo esta ltima igualdade equivalente a
_
1 0
0 1
_ _
1 3
2 4
_
. .
=
2
4
2
3
2
1
1
2
3
5
1
=
_
1 3
2 4
_
=
_
_
_
(1. 2) = 1(1. 0) + 2(0. 1)
(3. 4) = 3(1. 0) + 4(0. 1)
querendo isto dizer que as coordenadas dos vectores (1. 2) e (3. 4) relativamente base
cannica (ordenada) (1. 0). (0. 1) so respectivamente (1. 2) e (3. 4).
40
Transformaes lineares
Denio 33. Sejam l e \ espaos lineares. Diz-se que
1 : l \
uma transformao linear se e s se vericar as duas condies:
(i) 1(n +) = 1(n) +1(), para todos os n. l.
(ii) 1(`n) = `1(n), para todos os n l e escalares `.
Observao 33. Sejam l e \ espaos lineares. Sejam 0 o vector nulo de l e 0
0
o vector
nulo de \ .
(i) Se 1 : l \ fr uma transformao linear ento 1(l) um subespao de \ e alm
disso tem-se 1(0) = 0
0
(1(0) = 1(0 +0) = 1(0) + 1(0) = 1(0) = 0
0
). Logo, se 1 no
vericar 1(0) = 0
0
ento 1 no ser uma transformao linear.
(ii) 1 : l \ uma transformao linear se e s se
1(`n +j) = `1(n) +j1(),
para todos os n. l e escalares `. j.
(iii) Seja 1 : l \ uma transformao linear, com l = 1(
1
.
2
. . . . .
a
). Seja n
l. Logo, existem escalares `
1
. `
2
. .... `
a
tais que
n = `
1

1
+`
2

2
+... +`
a

a
.
Tem-se ento
1(n) = `
1
1(
1
) +`
2
1(
2
) +... +`
a
1(
a
).
Exemplo 32. Consideremos a base cannica (1. 0) . (0. 1) de R
2
. Seja
1 : R
2
R
uma transformao linear tal que 1 (1. 0) = 1 e 1 (0. 1) = 1.
Para qualquer (r. ) R
2
tem-se
(r. ) = r(1. 0) +(0. 1).
Ento,
1(r. ) = 1 (r(1. 0) +(0. 1)) = r1(1. 0) +1(0. 1) = r +.
Logo, 1 : R
2
R a transformao linear denida explicitamente por
1(r. ) = r +.
41
Teorema 37. Sejam l e \ espaos lineares e seja
1
.
2
. . . . .
a
uma base de l. Sejam
1
1
. 1
2
: l \ duas transformaes lineares.
Se 1
1
(
i
) = 1
2
(
i
) para todo o i = 1. . . . . :, ento 1
1
(n) = 1
2
(n),
para todo o n l, isto , 1
1
= 1
2
.
Exemplo 33. (i) Sejam l e \ espaos lineares e seja 0 o vector nulo de \ . Seja
C : l \ denida por
C(n) = 0,
para todo o n l. C uma transformao linear e chama-se transformao nula.
(ii) Seja /
na
(R). Seja
1 : R
a
R
n
denida por
1(n) = n,
para todo o n R
a
. 1 uma transformao linear.
(iii) Sejam \ um espao linear e / um escalar (xo). Seja 1
I
: \ \ denida por
1
I
() = /.
para todo o \ .
1
I
uma transformao linear. Diz-se que 1
I
uma homotetia.
Se 0 < / < 1 diz-se que 1
I
uma contraco.
Se / 1 diz-se que 1
I
uma dilatao.
Se / = 1 ento chama-se a 1
1
a transformao identidade e denota-se por 1. Tem-se
1(n) = n.
para todo o n l.
(iv) 1 : R
2
R
2
denida por 1(r. ) = (1 . 2r) no uma transformao linear.
(v) 1 : R
2
R denida por 1(r. ) = r no uma transformao linear.
(vi) Seja 1 : T
2
T
3
denida por
1 (j (t)) = tj (t) .
1 uma transformao linear.
(vii) Seja 1 : T
3
T
1
denida por
1 (j) = j
00
.
1 uma transformao linear.
(viii) Seja 1 : C
1
(R) C (R) denida por
1 (,) = ,
0
.
42
onde C
1
(R) o espao linear de todas as funes reais com primeira derivada contnua em R
e C (R) o espao linear de todas as funes reais contnuas em R. 1 uma transformao
linear.
(ix) Seja c R (xo). Seja 1 : C
1
(R) R denida por
1 (,) = ,
0
(c) .
1 uma transformao linear.
(x) Seja : N. Seja 1 : C
a
(R) C (R) denida por
1 (,) = ,
(a)
.
onde ,
(a)
a derivada de ordem : de ,, C
a
(R) o espao linear de todas as funes reais
com derivada de ordem : contnua em R e C (R) o espao linear de todas as funes reais
contnuas em R. 1 uma transformao linear.
(xi) Seja 1 : C (R) C
1
(R) denida por
1 (,) =
_
a
0
, (t) dt.
1 uma transformao linear.
(xii) Seja 1 : C ([c. /]) R denida por
1 (,) =
_
b
o
, (t) dt.
1 uma transformao linear.
(xiii) Seja 1 : /
aa
(R) /
aa
(R) denida por
1 (A) = A
T
.
1 uma transformao linear.
(xiv) Seja 1 : /
aa
(R) /
aa
(R) denida por
1 (A) = A.
com /
aa
(R) xa. 1 uma transformao linear.
(xv) Seja
tr : /
aa
(R) R
denida por
tr() = c
11
+c
22
+... +c
aa
=
a

i=1
c
ii
,
para todo o = (c
i)
)
aa
/
aa
(R). tr (trao) uma transformao linear.
43
Observao 34. Para matrizes quadradas = (c
i)
)
aa
dene-se o trao de , tr(),
como sendo a soma de todas as entradas da diagonal principal de , isto , tr() =
a

i=1
c
ii
.
Sejam = (c
i)
)
aa
e 1 = (/
i)
)
aa
duas matrizes do tipo : : e c um escalar. Tem-se:
(i)
tr( +1) = tr() + tr(1).
(ii)
tr(c) = ctr().
(iii)
tr(
T
) = tr().
(iv)
tr(1) = tr(1).
Denio 34. Sejam l e \ espaos lineares e 1 : l \ uma transformao linear.
Seja 0 o vector nulo de \ .
(i) Chama-se contradomnio ou imagem de 1 ao conjunto
1(l) = 1(n) : n l ,
que tambm se denota por J(1).
Note-se que se existir n
1
. . . . . n
I
l tal que l = 1(n
1
. . . . . n
I
) ento
J(1) = 1(1 (n
1
) . . . . . 1 (n
I
)) .
(ii) Chama-se ncleo ou espao nulo de 1 ao conjunto
A(1) = n l : 1(n) = 0 .
Teorema 38. Sejam l e \ espaos lineares e 1 : l \ uma transformao linear.
Ento, os conjuntos A(1) e J(1) so subespaos de l e \ respectivamente.
Exemplo 34. (i) Sejam l e \ espaos lineares. Sejam 0 e 0
0
os vectores nulos de l e
\ respectivamente.
Considere a transformao nula C : l \ denida por
C(n) = 0
0
,
para todo o n l. Tem-se
A(C) = l e J(C) = 0
0
.
(ii) Considere a transformao identidade 1 : l l denida por
1(n) = n,
44
para todo o n l. Tem-se
A(1) = 0 e J(1) = l.
(iii) Seja /
na
(R). Seja
1 : R
a
R
n
denida por
1(n) = n,
para todo o n R
a
. Tem-se
A(1) = A() e J(1) = (().
(iv) Seja 1 : C
1
(R) C (R) denida por 1 (,) = ,
0
. Tem-se
A(1) = , : R R tal que , constante em R e J(1) = C (R) .
(v) Seja 1 : C
2
(R) C (R) denida por 1 (, (t)) = ,
00
(t) + .
2
, (t), com . R 0.
Tem-se (pg. 72 de [1])
A(1) = 1(cos (.t) . sen (.t)) .
onde cos (.t) . sen (.t) uma base de A(1). Observe-se que A(1) precisamente a soluo
geral da equao diferencial linear homognea ,
00
(t) +.
2
, (t) = 0.
(vi) Seja 1 : C
2
(R) C (R) denida por 1 (, (t)) = ,
00
(t) .
2
, (t), com . R 0.
Tem-se (pg. 74 de [1])
A(1) = 1
__
c
.t
. c
.t
__
.
onde c
.t
. c
.t
uma base de A(1). Note-se que A(1) precisamente a soluo geral da
equao diferencial linear homognea ,
00
(t) .
2
, (t) = 0.
Teorema 39. Sejam l um espao linear de dimenso nita e 1 uma transformao
linear denida em l. Ento, o subespao J(1) tem dimenso nita e
dimA(1) + dimJ(1) = diml.
Denio 35. Sejam l e \ espaos lineares e o. 1 : l \ transformaes lineares.
Seja ` um escalar. Sejam o +1. `1 : l \ denidas por
(o +1) (n) = o(n) +1(n) e (`1)(n) = `1(n),
para todo o n l.
o +1 e `1 so transformaes lineares.
Denio 36. Sejam l e \ espaos lineares. Chama-se a L(l. \ ) o conjunto de todas
as transformaes lineares de l em \ .
Teorema 40. Sejam l e \ espaos lineares. O conjunto L(l. \ ), com as operaes da
denio 36, um espao linear.
45
Exemplo 35. Seja E = 1
1
. 1
2
. 1
3
. 1
4
com 1
1
. 1
2
. 1
3
. 1
4
L(R
2
. R
2
) denidas por
1
1
(r. ) = (r. 0), 1
2
(r. ) = (. 0), 1
3
(r. ) = (0. r) e 1
4
(r. ) = (0. ),
para todo o (r. ) R
2
. O conjunto E uma base de L(R
2
. R
2
). Logo,
dimL(R
2
. R
2
) = 4.
Denio 37. Sejam l. \ e \ espaos lineares e, 1 : l \ e o : \ \ transfor-
maes lineares. Seja o 1 (ou o1): l \ denida por
(o 1) (n) = o (1(n)) ,
para todo o n l. o 1 uma transformao linear. Chama-se a o 1 (ou o1) a
composio de o com 1.
Observao 35. Em geral, tem-se o 1 ,= 1 o.
Teorema 41. (i) Sejam 1 : l \. o : \ \ e 1 : \ A. Ento, tem-se
1 (o 1) = (1 o) 1.
(ii) Sejam 1. o : l \ e 1 : \ \. Seja ` R. Ento, tem-se
1 (1 +o) = 1 1 +1 o e 1 (`1) = `(1 1) .
Se o contradomnio de Q estiver contido em l ento
(1 +o) Q = 1 Q+o Q e (`1) Q = `(1 Q) .
Denio 38. Dene-se 1
0
= 1 e 1
I
= 1 1
I1
, para todo o / = 1. 2. ....
Observao 36. Tem-se 1
n+a
= 1
n
1
a
para todos os :. : N.
Denio 39. 1 : l \ diz-se injectiva se e s se
1(n) = 1(n) = n = n,
para todos os n. n l, isto , se e s se
n ,= n = 1(n) ,= 1(n),
para todos os n. n l.
Denio 40. 1 : l \ diz-se sobrejectiva se e s se 1(l) = \ .
(iii) 1 : l \ diz-se bijectiva se e s se fr injectiva e sobrejectiva.
Denio 41. Sejam l e \ espaos lineares. Diz-se que l e \ so isomorfos se e s
se existir um isomorsmo entre l e \ , isto , se e s se existir uma transformao linear
bijectiva 1 : l \ . Sendo l e \ isomorfos escreve-se
l
~
= \ .
46
Teorema 42. Sejam l e \ dois espaos lineares de dimenses nitas. Ento, l e \ so
isomorfos se e s se diml = dim\ .
Observao 37. (i) Qualquer espao linear real de dimenso : isomorfo a R
a
.
(ii) Sejam l e \ dois espaos lineares de dimenses nitas. A transformao linear
1 : l \ sobrejectiva se e s se 1 transformar um qualquer conjunto gerador de l num
conjunto gerador de \ .
(iii) Sejam l e \ dois espaos lineares de dimenses nitas. Se a transformao linear
1 : l \ fr sobrejectiva ento dim\ _ diml.
(iv) Sejam l e \ dois espaos lineares de dimenses nitas. Se a transformao linear
1 : l \ fr injectiva ento diml _ dim\ .
Exemplo 36. (i) A transformao linear 1 : R
a
/
a1
(R) denida por
1 (c
1
. . . . . c
a
) =
_

_
c
1
.
.
.
c
a
_

_
.
um isomorsmo. Logo R
a
~
= /
a1
(R).
(ii) A transformao linear 1 : /
na
(R) R
na
denida por
1
_
_
_
_

_
c
11
c
1a
.
.
.
.
.
.
.
.
.
c
n1
c
na
_

_
_
_
_
= (c
11
. . . . . c
n1
. . . . . c
1a
. . . . . c
na
) .
um isomorsmo. Logo /
na
(R)
~
= R
na
.
(iii) A transformao linear 1 : R
a+1
T
a
denida por
1 (c
0
. c
1
. . . . . c
a
) = c
0
+c
1
t + +c
a
t
a
.
um isomorsmo. Logo R
a+1
~
= T
a
.
(iv) Seja uma matriz ::. Os espaos ( () e /() so isomorfos pois tm a mesma
dimenso (car ).
( ()
~
= /() .
Teorema 43. Sejam l e \ espaos lineares de dimenses nitas tais que
diml = dim\.
Seja 1 : l \ uma transformao linear. Ento, 1 injectiva se e s se 1 sobrejectiva.
47
Denio 42. Diz-se que 1 : l \ invertvel se existir o : 1(l) l tal que
o 1 = 1
l
e 1 o = 1
T(l)
,
onde 1
l
e 1
T(l)
so as funes identidade em l e 1(l) respectivamente. Chama-se a o a
inversa de 1 e escreve-se
o = 1
1
.
Teorema 44. Sejam l e \ espaos lineares de dimenses nitas. Seja
1 : l \
uma transformao linear. Seja 0 o vector nulo de l. As seguintes armaes so equiva-
lentes.
(i) 1 injectiva.
(ii) 1 invertvel e a inversa 1
1
: 1(l) l linear.
(iii) A(1) = 0.
(iv) diml = dim1(l).
(v) 1 transforma vectores linearmente independentes de l em vectores linearmente in-
dependentes de \ .
(vi) 1 transforma bases de l em bases de 1(l).
Teorema 45. Sejam l e \ espaos lineares. Seja 1 : l \ uma transformao linear.
Seja / \ . Ento:
(i) Existncia de soluo: a equao linear 1(n) = / tem sempre soluo (para qual-
quer /) se e s se 1 fr sobrejectiva (1 (l) = \ );
(ii) Unicidade de soluo: a equao linear 1(n) = / a ter soluo, ela nica se e s
se 1 fr injectiva;
(iii) Existncia e unicidade de soluo: a equao linear 1(n) = / tem soluo nica
n se e s se 1 fr bijectiva.
Teorema 46. Sejam l e \ espaos lineares. Seja 1 : l \ uma transformao linear.
Seja / \ . A soluo geral da equao linear 1(n) = / obtm-se somando a uma soluo
particular dessa equao, a soluo geral da equao linear homognea 1(n) = 0.
Teorema 47. (Representao matricial de uma transformao linear). Sejam
l e \ espaos lineares de dimenses nitas tais que diml = : e dim\ = :. Sejam
E
1
= n
1
. n
2
. . . . . n
a
e E
2
=
1
.
2
. . . . .
n
duas bases ordenadas de l e \ respectivamente.
48
Seja 1 : l \ uma transformao linear. Considere-se a matriz = (c
i)
)
na
cuja coluna
,, para cada , = 1. .... :, formada pelas coordenadas de 1(n
)
) na base E
2
. Isto ,
1(n
)
) =
n

i=1
c
i)

i
.
Chama-se a esta matriz a representao matricial de 1 em relao s bases E
1
e E
2
e
escreve-se
= `(1; E
1
; E
2
).
Alm disso, sendo c
1
. c
2
. .... c
a
as coordenadas de um vector n l na base ordenada E
1
ento as coordenadas ,
1
. ,
2
. .... ,
n
de 1(n) \ na base ordenada E
2
so dadas por
_

_
,
1
,
2
.
.
.
,
n
_

_
= `(1; E
1
; E
2
)
_

_
c
1
c
2
.
.
.
c
a
_

_
.
Observao 38. (i) Nas condies do teorema anterior, tem-se
n A(1) = (c
1
. c
2
. .... c
a
) A()
uma vez que
1 (n) = 1
_
a

)=1
c
)
n
)
_
=
T linear
a

)=1
c
)
1 (n
)
) =
a

)=1
c
)
n

i=1
c
i)

i
=
n

i=1
_
a

)=1
c
i)
c
)
_

i
e sendo
1
.
2
. . . . .
n
uma base de \ tem-se
n A(1) = 1 (n) = 0 =
_
a

)=1
c
i)
c
)
= 0. para i = 1. .... :
_
= (c
1
. c
2
. .... c
a
) A().
Alm disso:
J(1) = 1(c
11

1
+c
21

2
+ +c
n1

n
. . . . . c
1a

1
+c
2a

2
+ +c
na

n
) =
= 1(1(n
1
). . . . . 1(n
a
)) .
(ii) Seja \ umespao linear de dimenso nita, comdim\ = :. SejamE
1
= n
1
. n
2
. . . . . n
a

e E
2
=
1
.
2
. . . . .
a
duas bases ordenadas de \ . A representao matricial da transfor-
mao identidade 1 : \ \ em relao s bases E
1
e E
2
igual matriz de mudana da
base E
1
para E
2
. Isto ,
`(1; E
1
; E
2
) = o
B
1
!B
2
.
Teorema 48. Sejam l e \ espaos lineares tais que diml = : e dim\ = :. Seja
1 : l \ uma transformao linear. Sejam E
1
e E
2
bases (ordenadas) de l e \ respecti-
vamente. Seja
= `(1; E
1
; E
2
) /
na
(R)
49
a matriz que representa 1 em relao s bases E
1
e E
2
. Tem-se ento:
(i) dimA(1) = nul ;
(ii) dimJ(1) = car ;
(iii) 1 injectiva se e s se nul = 0, isto , se e s se car = :;
(iv) 1 sobrejectiva se e s se car = :.
Teorema 49. Sejam E
a
c
= c
1
. c
2
. . . . . c
a
e E
n
c
= c
0
1
. c
0
2
. . . . . c
0
n
as bases cannicas
(ordenadas) de R
a
e R
n
respectivamente. Seja 1 : R
a
R
n
uma transformao linear.
Considere-se a matriz = (c
i)
)
na
= `(1; E
a
c
; E
n
c
) /
na
(R) cuja coluna ,, para cada
, = 1. .... :, formada pelas coordenadas de 1(c
)
) na base E
n
c
. Isto ,
1(c
)
) =
n

i=1
c
i)
c
0
i
= c
1)
_

_
1
0
.
.
.
0
_

_
+... +c
n)
_

_
0
.
.
.
0
1
_

_
=
_

_
c
1)
.
.
.
c
n)
_

_
.
Ento, tem-se, para todo o n R
a
,
1(n) = n.
Dem. Seja n R
a
. Ento, existem `
1
. `
2
. .... `
a
R tais que
n = `
1
c
1
+`
2
c
2
+... +`
a
c
a
=
a

)=1
`
)
c
)
.
Uma vez que, para todo o , = 1. .... :, 1(c
)
) =

n
i=1
c
i)
c
0
i
, tem-se
1(n) = 1
_
a

)=1
`
)
c
)
_
=
T linear
a

)=1
`
)
1(c
)
) =
a

)=1
`
)
n

i=1
c
i)
c
0
i
=
n

i=1
_
a

)=1
c
i)
`
)
_
c
0
i
=
=
_
a

)=1
c
1)
`
)
. ....
a

)=1
c
n)
`
)
_
=
_
_
c
11
c
1a

c
n1
c
na
_
_
_

_
`
1
.
.
.
`
a
_

_
= n.
Observao 39. No caso em que l = R
a
, \ = R
n
e E
1
= E
a
c
, E
2
= E
n
c
, como caso
particular da alnea (i) da observao 38, tem-se:
A(1) = A() e J(1) = ((),
uma vez que neste caso as coordenadas de um vector numa base coincidem com o prprio
vector.
Exemplo 37. (i) Seja 1 : R
4
R
3
denida por
1(r. . .. n) = (3r + 2.. 0. r + 4.).
50
1 uma transformao linear e a matriz `(1; E
4
c
; E
3
c
) que representa 1 em relao s bases
cannicas (ordenadas) E
4
c
e E
3
c
de R
4
e R
3
respectivamente, dada por
= `(1; E
4
c
; E
3
c
) =
_
_
3 1 2 0
0 0 0 0
1 0 4 0
_
_
,
uma vez que 1(1. 0. 0. 0) = (3. 0. 1), 1(0. 1. 0. 0) = (1. 0. 0), 1(0. 0. 1. 0) = (2. 0. 4) e
1(0. 0. 0. 1) = (0. 0. 0).
Tem-se ento:
1(r. . .. n) = `(1; E
4
c
; E
3
c
)
_

_
r

.
n
_

_
= (3r + 2.. 0. r + 4.).
Alm disso, tem-se
A (1) = A () =
_
(r. . .. n) R
4
: = 14. e r = 4.
_
=
= (4.. 14.. .. n) : .. n R = 1((4. 14. 1. 0). (0. 0. 0. 1))
e
J (1) = ( () = 1((3. 0. 1). (1. 0. 0)) .
Uma base de J (1) : (3. 0. 1). (1. 0. 0). Uma base de A (1) : (4. 14. 1. 0). (0. 0. 0. 1).
(ii) Sejam E
1
= 1. t. t
2
e E
2
= 1. t. t
2
. t
3
as bases cannicas (ordenadas) de T
2
e T
3
respectivamente. Seja 1 : T
2
T
3
tal que 1(1) = 0, 1(t) = 1 e 1(t
2
) = 2t. 1 uma
transformao linear e a matriz `(1; E
1
; E
2
) que representa 1 em relao s bases cannicas
E
1
e E
2
, dada por
`(1; E
1
; E
2
) =
_

_
0 1 0
0 0 2
0 0 0
0 0 0
_

_
.
Alm disso tem-se
`(1; E
1
; E
2
)
_
_
c
0
c
1
c
2
_
_
=
_

_
0 1 0
0 0 2
0 0 0
0 0 0
_

_
_
_
c
0
c
1
c
2
_
_
=
_

_
c
1
2c
2
0
0
_

_
,
isto , 1(c
0
+c
1
t +c
2
t
2
) = c
1
+ 2c
2
t, com c
0
. c
1
. c
2
R.
Alm disso, como
A (1) =
_
c
0
+c
1
t +c
2
t
2
: 1
_
c
0
+c
1
t +c
2
t
2
_
= 0
_
=
_
c
0
+c
1
t +c
2
t
2
: c
1
= c
2
= 0 e c
0
R
_
.
tem-se
A (1) = c
0
: c
0
R = 1(1) e J (1) = 1(1. 2t) .
Uma base de J (1) : 1. 2t. Uma base de A (1) : 1.
51
(iii) Seja 1 : R
3
R
2
a transformao linear cuja matriz que a representa em relao s
bases E
1
= (1. 1. 1). (0. 1. 1). (0. 0. 1) e E
2
= (1. 1). (1. 1) de R
3
e R
2
respectivamente,
dada por
= `(1; E
1
; E
2
) =
_
1 2 3
2 4 6
_
.
Seja n R
3
e sejam (c
1
. c
2
. c
3
) as coordenadas de n em relao base E
1
. Tem-se
n A(1) = (c
1
. c
2
. c
3
) A()
e como
A() = A
__
1 2 3
0 0 0
__
= (2 3.. . .) : . . R = 1((2. 1. 0). (3. 0. 1)) ,
A(1) = (2 3.) (1. 1. 1) +(0. 1. 1) +.(0. 0. 1) : . . R =
= (2 3.. 3.. 2.) : . . R = 1((2. 1. 1). (3. 3. 2))
Quanto ao contradomnio:
J(1) = 1(1(1. 1) + 2(1. 1). 2(1. 1) + 4(1. 1). 3(1. 1) + 6(1. 1)) =
= 1((3. 1). (6. 2). (9. 3)) = 1((3. 1)) .
Uma base de J (1) : (3. 1). Uma base de A (1) : (2. 1. 1). (3. 3. 2).
Note-se que:
dimA(1) = nul e dimJ(1) = car .
Teorema 50. Sejam l. \ e \ espaos lineares de dimenses nitas. Sejam E
1
. E
2
e E
3
bases de l. \ e \ respectivamente. Seja ` escalar. Sejam1. 1
1
. 1
2
L(l. \ ) e o L(\. \).
Ento, tem-se
`(1
1
+`1
2
; E
1
; E
2
) = `(1
1
; E
1
; E
2
) +``(1
2
; E
1
; E
2
)
`(o 1; E
1
; E
3
) = `(o; E
2
; E
3
)`(1; E
1
; E
2
)
Teorema 51. Sejam l e \ dois espaos lineares de dimenses nitas. Seja 1 : l \
uma transformao linear. Sejam E
1
e E
2
duas bases ordenadas de l e \ respectivamente.
Seja = `(1; E
1
; E
2
) a matriz que representa 1 em relao s bases E
1
e E
2
.
Se \ = 1(l) ento 1 invertvel se e s se fr uma matriz quadrada no singular.
Tem-se ento

1
= `(1
1
; E
2
; E
1
),
isto ,
1
ser a matriz que representa 1
1
em relao s bases E
2
e E
1
.
Teorema 52. Sejam l e \ espaos lineares de dimenses nitas respectivamente : e
:. Isto ,
diml = : e dim\ = :.
52
Ento, os espaos lineares L(l. \ ) e /
na
(R) so isomorfos e escreve-se
L(l. \ )
~
= /
na
(R).
Dem. Fixando bases E
1
e E
2
para l e \ respectivamente,
L(l. \ ) /
na
(R)
1 `(1; E
1
; E
2
)
uma transformao linear bijectiva.
Observao 40. No teorema anterior tem-se dimL(l. \ ) = ::.
Teorema 53. Seja \ um espao linear de dimenso nita. Seja 1 : \ \ uma
transformao linear. Sejam E
1
e E
2
duas bases ordenadas de \ . Seja `(1; E
1
; E
1
) a matriz
que representa 1 em relao base E
1
.
Ento, a matriz `(1; E
2
; E
2
) que representa 1 em relao base E
2
, dada por
`(1; E
2
; E
2
) = o
B
1
!B
2
`(1; E
1
; E
1
) (o
B
1
!B
2
)
1
,
onde o
B
1
!B
2
a matriz de mudana da base E
1
para E
2
.
Isto , o diagrama seguinte comutativo.
(\. E
1
)
A(T;B
1
;B
1
)

T
(\. E
1
)
o
B
1
!B
2
| 1 1 | o
B
1
!B
2
(\. E
2
)
T

A(T;B
2
;B
2
)
(\. E
2
)
Teorema 54. Caso geral. Sejam l e \ dois espaos lineares de dimenses nitas. Seja
1 : l \ uma transformao linear. Sejam E
1
e E
0
1
duas bases ordenadas de l. Sejam E
2
e E
0
2
duas bases ordenadas de \ . Seja `(1; E
1
; E
2
) a matriz que representa 1 em relao s
bases E
1
e E
2
.
Ento, a matriz `(1; E
0
1
; E
0
2
) que representa 1 em relao s bases E
0
1
e E
0
2
, dada por
`(1; E
0
1
; E
0
2
) = o
B
2
!B
0
2
`(1; E
1
; E
2
)
_
o
B
1
!B
0
1
_
1
,
onde o
B
2
!B
0
2
e o
B
1
!B
0
1
so as matrizes de mudana das bases E
2
para E
0
2
e de E
1
para E
0
1
respectivamente.
Isto , o diagrama seguinte comutativo.
(l. E
1
)
A(T;B
1
;B
2
)

T
(\. E
2
)
o
B
1
!B
0
1
| 1 1 | o
B
2
!B
0
2
(l. E
0
1
)
T

A(T;B
0
1
;B
0
2
)
(\. E
0
2
)
Exemplo 38. Seja 1 : R
2
R
3
denida por 1(r. ) = (. r. r). 1 uma transfor-
mao linear. A matriz `(1; E
2
c
; E
3
c
) que representa 1 em relao base cannica (ordenada)
E
2
c
de R
2
e base cannica (ordenada) E
3
c
de R
3
, dada por
`(1; E
2
c
; E
3
c
) =
_
_
0 1
1 0
1 1
_
_
.
53
Sejam E
1
= (1. 1). (1. 1) uma base ordenada de R
2
e E
2
= (0. 0. 1). (0. 1. 1). (1. 1. 1)
uma base ordenada de R
3
A matriz `(1; E
1
; E
2
) que representa 1 em relao base ordenada E
1
de R
2
e base
ordenada E
2
de R
3
, dada por
`(1; E
1
; E
2
) =
_
_
1 3
0 2
1 1
_
_
,
uma vez que
1(1. 1) = (1. 1. 0) = (0. 0. 1) + 0(0. 1. 1) + 1 (1. 1. 1)
1(1. 1) = (1. 1. 2) = 3(0. 0. 1) 2(0. 1. 1) + 1 (1. 1. 1) .
Vamos agora vericar que se tem
`(1; E
1
; E
2
) = o
B
3
c
!B
2
`(1; E
2
c
; E
3
c
)
_
o
B
2
c
!B
1
_
1
.
Uma vez que
(1. 0. 0) = 0(0. 0. 1) 1(0. 1. 1) + 1 (1. 1. 1) . (0. 1. 0) = (0. 0. 1) + 1(0. 1. 1) + 0 (1. 1. 1) .
(0. 0. 1) = 1(0. 0. 1) + 0(0. 1. 1) + 0 (1. 1. 1)
tem-se ento
o
B
3
c
!B
2
=
_
_
0 1 1
1 1 0
1 0 0
_
_
.
Logo,
o
B
3
c
!B
2
`(1; E
2
c
; E
3
c
)
_
o
B
2
c
!B
1
_
1
=
_
_
0 1 1
1 1 0
1 0 0
_
_
_
_
0 1
1 0
1 1
_
_
o
B
1
!B
2
c
=
=
_
_
2 1
1 1
0 1
_
_
_
1 1
1 1
_
=
_
_
1 3
0 2
1 1
_
_
= `(1; E
1
; E
2
).
Por exemplo, para (2. 1) R
2
, tem-se:
coordenadas de (2. 1)
na base E
2
c
A(T;B
2
c
;B
3
c
)

T
coordenadas de 1(2. 1)
na base E
3
c
o
B
2
c
!B
1
| 1 1 | o
B
3
c
!B
2
coordenadas de (2. 1)
na base E
1
T

A(T;B
1
;B
2
)
coordenadas de 1(2. 1)
na base E
2
.
54
Valores prprios e vectores prprios. Diagonalizao.
Denio 43. Seja \ espao linear. Seja 1 : \ \ uma transformao linear. Diz-se
que um escalar ` um valor prprio de 1 se existir um vector no nulo \ tal que
1() = `.
Aos vectores no nulos que satisfaama equao anterior chamam-se vectores prprios
associados ao valor prprio `. Dado um valor prprio ` de 1, o conjunto
1
A
= \ : 1() = ` = A(1 `1)
um subespao linear de \ . Chama-se a 1
A
o subespao prprio associado ao valor
prprio `. dimenso de 1
A
chama-se multiplicidade geomtrica de ` e denota-se por
:
j
(`), isto ,
dimA(1 `1) = :
j
(`) .
Exemplo 39. (a) Seja \ um espao linear e 1 : \ \ a transformao identidade. En-
to todos os vectores de \ , exceptuando o vector nulo, so vectores prprios de 1 associados
ao valor prprio 1.
(b) Seja \ o espao linear das funes reais indenidamente diferenciveis em 1 e 1 :
\ \ a (transfomao) funo derivada. Como, por exemplo
1
_
c
2a
_
= 2c
2a
ento c
2a
vector prprio de 1 associado ao valor prprio 2.
Observao 41. (i) Sejam \ um espao linear e 0 o vector nulo de \ . Seja 1 : \ \
uma transformao linear. Um escalar ` um valor prprio de 1 se e s se A(1 `1) ,= 0.
(ii) Se o espao linear \ tiver dimenso nita : e se = ` (1; E; E) fr a matriz : :
que representa 1 em relao a uma base ordenada E de \ , ento um escalar ` um valor
prprio de 1 se e s se esse escalar ` fr soluo da equao
det( `1) = 0,
uma vez que se tem, para \ ,
(1 `1) = 0 =( `1)
_

_
c
1
.
.
.
c
a
_

_
= 0.
onde c
1
. .... c
a
so as coordenadas de na base ordenada E, da que
` um valor prprio de 1 = A(1 `1) ,= 0 = A( `1) ,= 0 = det( `1) = 0
55
isto
` um valor prprio de 1 = det( `1) = 0
Alm disso, tem-se
um vector prprio de 1 = A (1 `1) 0 = (c
1
. .... c
a
) A ( `1) 0
isto
um vector prprio de 1 = (c
1
. .... c
a
) A ( `1) 0
e
:
j
(`) = dimA(1 `1) = dimA( `1).
(iii) No caso em que \ = R
a
e = ` (1; E
a
c
; E
a
c
), como (neste caso) = (c
1
. .... c
a
),
tem-se
A (1 `1) = A ( `1) .
Denio 44. Seja uma matriz : :. Chama-se ao polinmio
j(`) = det( `1)
o polinmio caracterstico da matriz . Este polinmio tem grau :, o coeciente do
termo de grau : (1)
a
, o coeciente do termo de grau : 1 (1)
a1
tr e o termo
constante j(0) = det .
Denio 45. Seja uma matriz : :. Chama-se valor prprio de a qualquer
escalar ` tal que `1 seja singular, isto , tal que det( `1) = 0. Ao conjunto de
todos os valores prprios de chama-se espectro de . multiplicidade de ` como raz
do polinmio det(`1) chama-se multiplicidade algbrica de ` e denota-se por :
o
(`).
Chama-se vector prprio de , associado ao valor prprio ` de , a qualquer vector no
nulo que verique
( `1) = 0,
isto , a qualquer vector
A( `1) 0 .
Observao 42. (i) Seja uma matriz : :. O escalar 0 valor prprio de se e s
se fr singular. Isto , a matriz invertvel se e s se 0 no fr valor prprio de .
(ii) Seja uma matriz : :. Ento o polinmio caracterstico de pode ser escrito na
forma:
j(`) = det( `1) = (`
1
`)
n
1
(`
2
`)
n
2
(`
I
`)
n
k
,
onde `
1
. `
2
. . . . . `
I
so os valores prprios distintos de e :
1
. :
2
. . . . . :
I
so as multi-
plicidades algbricas desses valores prprios respectivamente, com :
1
+:
2
+ +:
I
= :.
(iii) Seja uma matriz : :. Tem-se :
j
(`) _ :
o
(`), para qualquer valor prprio `
de .
56
(iv) Seja uma matriz ::, com os valores prprios `
1
. `
2
. . . . . `
a
(repetidos de acordo
com a respectiva multiplicidade algbrica). Ento, atendendo alnea anterior e Denio
45 tem-se
det = `
1
`
2
`
a
e tr = `
1
+`
2
+ +`
a
.
Denio 46. Sejam e 1 matrizes : :. As matrizes e 1 dizem-se semelhantes
se existir uma matriz o invertvel tal que
1 = oo
1
.
Teorema 55. Duas matrizes so semelhantes se e s se existirem bases em relao s
quais essas matrizes representem a mesma transformao linear.
Teorema 56. Sejam e 1 matrizes : :. Se e 1 forem semelhantes ento e 1
tm o(a) mesmo(a):
(i) determinante; (ii) caracterstica; (iii) nulidade; (iv) trao;
(v) polinmio caracterstico, e portanto tm os mesmos valores prprios com as mesmas
multiplicidades algbricas e geomtricas.
Dem. (Matrizes semelhantes tm o mesmo polinmio caracterstico.)
det(1 `1) = det(oo
1
`1) = det(oo
1
`oo
1
) =
= det(o( `1)o
1
) = det o det( `1) det
_
o
1
_
=
= det o det( `1)
1
det o
= det( `1).
Teorema 57. (i) Seja \ um espao linear. Seja 1 : \ \ uma transformao
linear. Se 1 tiver valores prprios distintos `
1
. .... `
I
e se
1
. ....
I
forem os vectores prprios
associados a cada um destes valores prprios, ento os vectores
1
. ....
I
so linearmente
independentes.
(ii) Seja uma matriz ::. Se tiver valores prprios distintos `
1
. .... `
I
e se
1
. ....
I
forem os vectores prprios associados a cada um destes valores prprios, ento os vectores

1
. ....
I
so linearmente independentes.
Dem. (ii) Seja : = dim1(
1
. ....
I
). Suponhamos que : < /. Suponhamos ainda, a
menos de uma reordenao, que o conjunto
1
. ....
v
linearmente independente.
Como o conjunto
1
. ....
v
.
v+1
linearmente dependente, ento existem escalares no
todos nulos c
1
. .... c
v
. c
v+1
tais que
c
1

1
+ +c
v

v
+c
v+1

v+1
= 0. (*)
Note que tem que se ter c
v+1
,= 0 caso contrrio o conjunto
1
. ....
v
linearmente depen-
dente. Logo
c
v+1

v+1
,= 0
57
e assim c
1
. .... c
v
no podem ser todos nulos.
Por outro lado, atendendo a (*) tem-se
(c
1

1
+ +c
v

v
+c
v+1

v+1
) = 0 =c
1

1
+ +c
v

v
+c
v+1

v+1
= 0 =
= c
1
`
1

1
+ +c
v
`
v

v
+c
v+1
`
v+1

v+1
= 0 (**).
Logo, multiplicando `
v+1
por (*) e somando a (**) tem-se:
`
v+1
(c
1

1
+ +c
v

v
+c
v+1

v+1
) +c
1
`
1

1
+ +c
v
`
v

v
+c
v+1
`
v+1

v+1
= 0 =
= c
1
(`
1
`
v+1
)
1
+ +c
v
(`
v
`
v+1
)
v
= 0
Assim, sendo os escalares c
1
. .... c
v
no todos nulos e sendo os escalares `
1
. .... `
I
todos dis-
tintos, ento o conjunto
1
. ....
v
seria linearmente dependente, contrariando a hiptese de
o mesmo ser linearmente independente. Logo, tem que se ter : = /.
Denio 47. (i) Seja uma matriz : :. Se existir uma matriz 1 invertvel tal que
1 = 11
1
,
com 1 matriz diagonal, ento diz-se que uma matriz diagonalizvel e que 1
a matriz diagonalizante. No caso de ser uma matriz diagonal, a matriz diagonalizante
a matriz identidade.
(ii) Seja \ um espao linear tal que dim\ = :. Seja 1 : \ \ uma transformao
linear. Diz-se que 1 diagonalizvel se existir uma base E de \ em relao qual a matriz
` (1; E; E) que representa 1 nessa base seja uma matriz diagonal.
Teorema 58. Seja /
aa
(R). A matriz diagonalizvel se e s se existir uma
base E
j
de R
a
apenas constituda por vectores prprios de . Neste caso, as entradas da
diagonal principal da matriz diagonal 1 sero os valores prprios de apresentados pela
ordem dos vectores prprios correspondentes na base E
j
. Alm disso, a matriz 1
1
ser
a matriz cujas colunas sero os vectores prprios de , da base E
j
de R
a
dispostos pela
mesma ordem, tendo-se
1 = 11
1
.
O mesmo se aplica a C
a
.
Teorema 59. Seja uma matriz ::. Ento as armaes seguintes so equivalentes:
(i) diagonalizvel.
(ii) tem : vectores prprios linearmente independentes.
(iii) A soma das multiplicidades geomtricas dos valores prprios de :.
(iv) A multiplicidade geomtrica de cada valor prprio de igual multiplicidade
algbrica desse valor prprio.
58
Observao 43. (i) Seja \ um espao linear tal que dim\ = :. Seja = ` (1. E. E)
a matriz :: que representa a transformao linear 1 : \ \ em relao base ordenada
E. No caso de haver uma base E
j
(ordenada) de \ apenas constituda por vectores prprios
de 1, ento tem-se
` (1. E
j
. E
j
) = 11
1
,
onde 1
1
= o
Bvp!B
, sendo deste modo ` (1. E
j
. E
j
) a matriz diagonal cujas entradas
da diagonal principal so os valores prprios de apresentados pela ordem dos vectores
prprios correspondentes na base E
j
. Assim, 1 representada relativamente a uma base
por uma matriz diagonal, isto , 1 diagonalizvel.
No caso de se ter \ = R
a
e E = E
a
c
(base cannica) as colunas da matriz 1
1
= o
Bvp!B
n
c
so os vectores prprios de da base E
j
dispostos pela mesma ordem.
(ii) No caso de se ter 1 = 11
1
, com 1 invertvel e 1 matriz diagonal, tem-se, para
/ N,
1
I
= 1
I
1
1
, ou seja,
I
= 1
1
1
I
1.
Exemplo 40. Nos exemplos que se seguem as matrizes consideradas podero ser vistas
como matrizes que representam transformaes lineares 1 relativamente base cannica (ou
outras) de R
3
, tendo-se nesse casos, para todo o R
3
,
1() = .
Deste modo, os valores prprios e vectores prprios de 1 sero respectivamente os valores
prprios e vectores prprios de .
(i) Uma matriz com valores prprios distintos.
=
_
_
1 5 1
0 2 1
4 0 3
_
_
O polinmio caracterstico dado por
det( `1) =

1 ` 5 1
0 2 ` 1
4 0 3 `

=
= (1 `) (2 `) (3 `) 20 + 4 (2 +`) =
= (1 `) (2 `) (3 `) + 4` 12 =
= (3 `) [(` 1) (` + 2) 4] =
= (3 `)
_
`
2
+` 6
_
=
= (3 `) (` 2) (` + 3) .
Os valores prprios de so os valores de ` para os quais det(`1) = 0. Logo, os valores
prprios de so
`
1
= 3, `
2
= 2 e `
3
= 3.
Os vectores prprios de associados ao valor prprio ` so os vectores no nulos R
3
para os quais
( `1) = 0,
59
isto , so os vectores no nulos de A ( `1).
Determinemos os vectores prprios de associados ao valor prprio `
1
= 3. Tem-se
A ( `
1
1) = A
_
_
_
_
2 5 1
0 5 1
4 0 0
_
_
_
_
= 1((0. 1. 5)) .
Logo, o subespao prprio 1
A
1
dado por
1
A
1
= A ( `
1
1) = 1((0. 1. 5)) .
Os vectores prprios de associados ao valor prprio `
1
= 3 so
= (0. :. 5:) , com : R 0 .
Determinemos os vectores prprios de associados ao valor prprio `
2
= 2. Tem-se
A ( `
2
1) = A
_
_
_
_
1 5 1
0 4 1
4 0 1
_
_
_
_
= 1((1. 1. 4)) .
Logo, o subespao prprio 1
A
2
dado por
1
A
2
= A ( `
2
1) = 1((1. 1. 4)) .
Os vectores prprios de associados ao valor prprio `
2
= 2 so
= (:. :. 4:) , com : R 0 .
Determinemos os vectores prprios de associados ao valor prprio `
3
= 3. Tem-se
A ( `
3
1) = A
_
_
_
_
4 5 1
0 1 1
4 0 6
_
_
_
_
= 1((3. 2. 2)) .
Logo, o subespao prprio 1
A
3
dado por
1
A
3
= A ( `
3
1) = 1((3. 2. 2)) .
Os vectores prprios de associados ao valor prprio `
3
= 3 so
= (3:. 2:. 2:) , com : R 0 .
Atendendo a que os valores prprios de so distintos, pelo teorema 57, os vectores
prprios de associados a esses valores prprios so linearmente independentes. Como
dimR
3
= 3, ento 3 vectores em R
3
linearmente independentes formaro desde logo uma
base de R
3
. Logo, o conjunto
E = (0. 1. 5) . (1. 1. 4) . (3. 2. 2)
uma base de R
3
. Deste modo, temos uma base de R
3
formada s por vectores prprios de
. Logo, a matriz diagonalizvel, isto , existe uma matriz invertvel 1 diagonalizante
tal que a matriz 11
1
diagonal, tendo-se
1 = 11
1
=
_
_
`
1
0 0
0 `
2
0
0 0 `
3
_
_
=
_
_
3 0 0
0 2 0
0 0 3
_
_
, com 1
1
=
_
_
0 1 3
1 1 2
5 4 2
_
_
.
60
Note que cada coluna de 1
1
formada pelo vector prprio associado ao valor prprio
respectivo e na posio respectiva. Alm disso, tem-se
(R
3
. E
3
c
)
A(T;B
3
c
;B
3
c
)

T
(R
3
. E
3
c
)
o
B
3
c
!B
| 1 1 | o
B
3
c
!B
(R
3
. E)
T

A(T;B;B)
(R
3
. E)
com
o
B
3
c
!B
= 1, `(1; E; E) = 1 e `(1; E
3
c
; E
3
c
) = .
(ii) Uma matriz com valores prprios repetidos mas diagonalizvel.
=
_
_
2 1 1
2 3 2
3 3 4
_
_
O polinmio caracterstico dado por
det( `1) =

2 ` 1 1
2 3 ` 2
3 3 4 `

=
= (2 `) (3 `) (4 `) + 6 + 6 3 (3 `) 6 (2 `) 2 (4 `) =
= `
3
+ 9`
2
15` + 7 =
= (` 1) (` 1) (` 7) .
Os valores prprios de so os valores de ` para os quais det(`1) = 0. Logo, os valores
prprios de so
`
1
= 1 e `
2
= 7.
Os vectores prprios de associados ao valor prprio ` so os vectores no nulos R
3
para os quais
( `1) = 0,
isto , so os vectores no nulos de A ( `1).
Determinemos os vectores prprios de associados ao valor prprio `
1
= 1. Tem-se
A ( `
1
1) = A
_
_
_
_
1 1 1
2 2 2
3 3 3
_
_
_
_
= 1((1. 1. 0) . (1. 0. 1)) .
Logo, o subespao prprio 1
A
1
dado por
1
A
1
= A ( `
1
1) = 1((1. 1. 0) . (1. 0. 1)) .
Os vectores prprios de associados ao valor prprio `
1
= 1 so
= (: t. :. t) , com : e t no simultneamente nulos.
61
Determinemos os vectores prprios de associados ao valor prprio `
2
= 7. Tem-se
A ( `
2
1) = A
_
_
_
_
5 1 1
2 4 2
3 3 3
_
_
_
_
= 1((1. 2. 3)) .
Logo, o subespao prprio 1
A
2
dado por
1
A
2
= A ( `
2
1) = 1((1. 2. 3)) .
Os vectores prprios de associados ao valor prprio `
2
= 7 so
= (:. 2:. 3:) , com : R 0 .
Atendendo a que
dim1
A
1
+ dim1
A
2
= 3,
podemos ter a seguinte base de R
3
formada s por vectores prprios de
E = (1. 1. 0) . (1. 0. 1) . (1. 2. 3) .
Logo, a matriz diagonalizvel, isto , existe uma matriz invertvel 1 diagonalizante tal
que a matriz 11
1
diagonal, tendo-se
1 = 11
1
=
_
_
`
1
0 0
0 `
1
0
0 0 `
2
_
_
=
_
_
1 0 0
0 1 0
0 0 7
_
_
, com 1
1
=
_
_
1 1 1
1 0 2
0 1 3
_
_
.
Note que cada coluna de 1
1
formada pelo vector prprio associado ao valor prprio
respectivo e na posio respectiva. Alm disso, tem-se
(R
3
. E
3
c
)
A(T;B
3
c
;B
3
c
)

T
(R
3
. E
3
c
)
o
B
3
c
!B
| 1 1 | o
B
3
c
!B
(R
3
. E)
T

A(T;B;B)
(R
3
. E)
com
o
B
3
c
!B
= 1, `(1; E; E) = 1 e `(1; E
3
c
; E
3
c
) = .
(iii) Uma matriz com valores prprios repetidos e no diagonalizvel.
=
_
_
7 5 1
0 2 1
20 0 3
_
_
O polinmio caracterstico dado por
det( `1) =

7 ` 5 1
0 2 ` 1
20 0 3 `

=
= (7 `) (2 `) (3 `) + 100 20 (2 + `) =
= (3 `) [(7 `) (2 `) + 20] =
= (3 `)
_
`
2
5` + 6
_
=
= (3 `) (` 3) (` 2) .
62
Os valores prprios de so os valores de ` para os quais det(`1) = 0. Logo, os valores
prprios de so
`
1
= 3 e `
2
= 2.
Os vectores prprios de associados ao valor prprio ` so os vectores no nulos R
3
para os quais
( `1) = 0,
isto , so os vectores no nulos de A ( `1).
Determinemos os vectores prprios de associados ao valor prprio `
1
= 3. Tem-se
A ( `
1
1) = A
_
_
_
_
4 5 1
0 5 1
20 0 0
_
_
_
_
= 1((0. 1. 5)) .
Logo, o subespao prprio 1
A
1
dado por
1
A
1
= A ( `
1
1) = 1((0. 1. 5)) .
Os vectores prprios de associados ao valor prprio `
1
= 3 so
= (0. :. 5:) , com : R 0 .
Determinemos os vectores prprios de associados ao valor prprio `
2
= 2. Tem-se
A ( `
2
1) = A
_
_
_
_
5 5 1
0 4 1
20 0 1
_
_
_
_
= 1((1. 5. 20)) .
Logo, o subespao prprio 1
A
2
dado por
1
A
2
= A ( `
2
1) = 1((1. 5. 20)) .
Os vectores prprios de associados ao valor prprio `
2
= 2 so
= (:. 5:. 20:) , com : R 0 .
Atendendo a que
dim1
A
1
+ dim1
A
2
= 2 < 3,
no possvel ter uma base de R
3
formada s por vectores prprios de . Logo, a matriz
no diagonalizvel, isto , no existe uma matriz invertvel 1 diagonalizante tal que a
matriz 11
1
seja diagonal.
(iv) Uma matriz com apenas um valor prprio real.
=
_
_
1 0 0
0 0 1
0 1 0
_
_
63
O polinmio caracterstico dado por
det( `1) =

1 ` 0 0
0 ` 1
0 1 `

=
= `
2
(1 `) + (1 `) =
= (1 `)
_
`
2
+ 1
_
.
Os valores prprios de so os valores de ` para os quais det(`1) = 0. Logo, os valores
prprios de so
`
1
= 1, `
2
= i e `
3
= i.
Logo, a matriz no diagonalizvel numa matriz de entradas reais, isto , no existe
uma matriz invertvel 1 diagonalizante tal que a matriz 11
1
seja diagonal com entradas
reais. No entanto e atendendo a que os trs valores prprios so distintos, a matriz
diagonalizvel numa matriz de entradas complexas:
_
_
1 0 0
0 i 0
0 0 i
_
_
Exemplo 41. A sucesso de Fibonacci (Leonardo de Pisa, 1202). Seja (
a
)
a2N
tal que

1
= 1.
2
= 1 e
a+2
=
a
+
a+1
, : N.
Considerando a igualdade
a+1
=
a+1
, podemos escrever o sistema
_

a+1
=
a+1

a+2
=
a
+
a+1
isto
_

a+1

a+2
_
=
_
0 1
1 1
_ _

a

a+1
_
para todo o : N. Aplicando sucessivamente a igualdade anterior tem-se
_

a+1

a+2
_
=
_
0 1
1 1
_ _

a

a+1
_
=
_
0 1
1 1
_ _
0 1
1 1
_ _

a1

a
_
=
= =
_
0 1
1 1
_
a
_

1

2
_
=
_
0 1
1 1
_
a
_
1
1
_
.
Calculemos agora os valores prprios de
_
0 1
1 1
_
:
det
_
` 1
1 1 `
_
= 0 = (`) (1 `) 1 = 0 = `
2
` 1 = 0 =
= ` =
1 +
_
5
2
ou ` =
1
_
5
2
.
64
Valores prprios: `
1
=
1+
p
5
2
e `
2
=
1
p
5
2
.
Atendendo a que
A
_
`
1
1
1 1 `
1
_
= A
_
0 1 +`
1
`
2
1
1 1 `
1
_
= A
_
0 0
1
1
p
5
2
_
= 1
___
1 +
_
5
2
. 1
___
_
1+
p
5
2
. 1
_
um vector prprio associado ao valor prprio
1+
p
5
2
, sendo todos os vectores
prprios associados ao valor prprio
1+
p
5
2
dados por 1
___
1+
p
5
2
. 1
___
(0. 0).
Atendendo a que
A
_
`
2
1
1 1 `
2
_
= A
_
0 1 +`
2
`
2
2
1 1 `
2
_
= A
_
0 0
1
1+
p
5
2
_
= 1
___

1 +
_
5
2
. 1
___
_

1+
p
5
2
. 1
_
um vector prprio associado ao valor prprio
1
p
5
2
, sendo todos os vectores
prprios associados ao valor prprio
1
p
5
2
dados por 1
___

1+
p
5
2
. 1
___
(0. 0).
Como existe uma base de R
2
formada por s por vectores prprios (os dois valores prprios
so distintos logo os vectores prprios correspondentes so linearmente independentes) ento
a matriz
_
0 1
1 1
_
diagonalizvel. Assim, fazendo
1
1
=
_
1+
p
5
2

1+
p
5
2
1 1
_
tem-se
1 =
_
p
5
5
5+
p
5
10

p
5
5
5
p
5
10
_
e
1 =
_
1+
p
5
2
0
0
1
p
5
2
_
= 1
_
0 1
1 1
_
1
1
=
=
_
0 1
1 1
_
= 1
1
_
1+
p
5
2
0
0
1
p
5
2
_
1.
Logo
_

a+1

a+2
_
=
_
0 1
1 1
_
a
_
1
1
_
=
_
1
1
_
1+
p
5
2
0
0
1
p
5
2
_
1
_
a _
1
1
_
=
= 1
1
_
1+
p
5
2
0
0
1
p
5
2
_
a
1
_
1
1
_
= 1
1
_
_
_
1+
p
5
2
_
a
0
0
_
1
p
5
2
_
a
_
_
1
_
1
1
_
=
=
_
1+
p
5
2

1+
p
5
2
1 1
_
_
_
_
1+
p
5
2
_
a
0
0
_
1
p
5
2
_
a
_
_
_
p
5
5
5+
p
5
10

p
5
5
5
p
5
10
_
_
1
1
_
=
=
_
_
5
p
5
10
_
1
p
5
2
_
a
+
5+
p
5
10
_
1+
p
5
2
_
a
53
p
5
10
_
1
p
5
2
_
a
+
3
p
5+5
10
_
1+
p
5
2
_
a
_
_
.
65
Isto ,

a+1
=
5
_
5
10
_
1
_
5
2
_
a
+
5 +
_
5
10
_
1 +
_
5
2
_
a
para todo o : N, com
1
= 1.
Verique que (por exemplo)
2
= 1,
3
= 2.
4
= 3.
Exemplo 42. (Um processo de difuso.) Considere duas clulas adjacentes separadas
por uma membrana permevel e suponha que um udo passa da 1
o
clula para a 2
o
a uma
taxa (em mililitros por minuto) numericamente igual a 4 vezes o volume (em mililitros) do
udo da 1
o
clula. Em seguida, passa da 2
o
clula para a 1
o
a uma taxa (em mililitros por
minuto) numericamente igual a 5 vezes o volume (em mililitros) do udo da 2
o
clula.
Sejam
1
(t) e
2
(t) respectivamente o volume da 1
o
clula e o volume da 2
o
clula no
instante t. Suponha que inicialmente a primeira clula tem 10 mililitros de udo e que a
segunda tem 8 mililitros de udo, isto
1
(0) = 10 e
2
(0) = 8.
Determinemos o volume de udo de cada clula no instante t.
Tem-se
_
_
_

0
1
(t) = 4
1
(t)

0
2
(t) = 4
1
(t) 5
2
(t)
isto
_

0
1
(t)

0
2
(t)
_
=
_
4 0
4 5
_ _

1
(t)

2
(t)
_
. (*)
4 e 5 so os valores prprios da matriz
_
4 0
4 5
_
, sendo os vectores prprios associados
(1. 4) e (0. 1) respectivamente.
Como existe uma base de R
2
formada por s por vectores prprios (os dois valores prprios
so distintos logo os vectores prprios correspondentes so linearmente independentes) ento
a matriz
_
4 0
4 5
_
diagonalizvel. Assim, fazendo
1
1
=
_
1 0
4 1
_
tem-se 1 =
_
1 0
4 1
_
e
= 1 =
_
4 0
0 5
_
= 1
_
4 0
4 5
_
1
1
=
=
_
4 0
4 5
_
= 1
1
_
4 0
0 5
_
1.
o sistema (*) equivalente a
_

0
1
(t)

0
2
(t)
_
=
_
1
1
_
4 0
0 5
_
1
__

1
(t)

2
(t)
_
=
= 1
_

0
1
(t)

0
2
(t)
_
=
_
4 0
0 5
_ _
1
_

1
(t)

2
(t)
__
66
Assim, considerando a mudana de varivel
_
n
1
(t)
n
2
(t)
_
= 1
_

1
(t)

2
(t)
_
1
_

0
1
(t)

0
2
(t)
_
=
_
4 0
0 5
_ _
1
_

1
(t)

2
(t)
__
=
=
_
n
0
1
(t)
n
0
2
(t)
_
=
_
4 0
0 5
_ _
n
1
(t)
n
2
(t)
_
=
=
_
_
_
n
0
1
(t) = 4n
1
(t)
n
0
2
(t) = 5n
2
(t)
=
Se &
1
6=0
e &
2
6=0
_

_
n
0
1
(t)
n
1
(t)
= 4
n
0
2
(t)
n
2
(t)
= 5
=
=
_
_
_
log [n
1
(t)[ = 4t +/
1
log [n
2
(t)[ = 5t +/
2
=
=
_
_
_
n
1
(t) = c
4t+I
1
= c
1
c
4t
n
2
(t) = c
5t+I
2
= c
2
c
5t
com c
1
= c
I
1
. c
2
= c
I
2
R. Logo
_

1
(t)

2
(t)
_
= 1
1
_
c
1
c
4t
c
2
c
5t
_
=
_
1 0
4 1
_ _
c
1
c
4t
c
2
c
5t
_
=
_
c
1
c
4t
4c
1
c
4t
+c
2
c
5t
_
.
Como
_
_
_

1
(0) = 10

2
(0) = 8
ento c
1
= 10 e c
2
= 32 e assim a soluo geral do sistema de equaes diferenciais lineares
_
_
_

0
1
(t) = 4
1
(t)

0
2
(t) = 4
1
(t) 5
2
(t)
com os valores iniciais
_
_
_

1
(0) = 10

2
(0) = 8
dada por
_
_

1
(t)

2
(t)
_
_
=
_
_
10c
4t
40c
4t
32c
5t
_
_
.
67
Produtos internos e ortogonalizao
Denio 48. Sejam\ um espao linear real e 0 o vector nulo de \ . Chama-se produto
interno em \ a uma aplicao
. : \ \ R
(n. ) n.
que verique as trs condies seguintes.
(i) Simetria: para todos os n. \
n. = . n .
(ii) Linearidade: para todo o \ (xo) a aplicao
\ R
n n.
linear.
(iii) Positividade: para todo o n \ tal que n ,= 0,
n. n 0.
Tendo-se n. n = 0 se e s se n = 0.
Observao 44. (a) Um produto interno num espao linear real uma forma bilinear,
simtrica e denida positiva.
(b) Num espao linear \ sobre C (espao linear complexo), um produto interno uma
aplicao que a cada par de vectores (n. ) \ \ associa o nmero complexo n. e que
verica as seguintes condies:
(i) Para todos os n. \
n. = . n.
(ii) Para todo o \ (xo) tem-se
cn +,n. = cn. +, n.
para todos os n. n \ e c. , C, (onde por exemplo c = c/i se c = c+/i) e a aplicao,
para todo o n \ (xo)
\ C
n.
linear.
68
(iii) Para todo o n \ tal que n ,= 0,
n. n 0.
Tendo-se n. n = 0 se e s se n = 0.
(c) A um espao linear real de dimenso nita com um produto interno chama-se espao
euclidiano. A um espao linear complexo de dimenso nita com um produto interno
chama-se espao unitrio.
Observao 45. (i) Seja \ um espao linear real. Seja E = n
1
. n
2
. .... n
a
uma base
de \ . Sejam n. \ . Sejam
c
1
. c
2
. .... c
a
e ,
1
. ,
2
. .... ,
a
as coordenadas de n e de na base E respectivamente, isto ,
n = c
1
n
1
+c
2
n
2
+... +c
a
n
a
=
a

i=1
c
i
n
i
e
= ,
1
n
1
+,
2
n
2
+... +,
a
n
a
=
a

i=1
,
i
n
i
.
Logo,
n. =
_
a

i=1
c
i
n
i
.
a

i=1
,
i
n
i
_
=
a

i=1
a

)=1
c
i
,
)
n
i
. n
)
=
=
_
c
1
c
2
. . . c
a

_
n
1
. n
1
n
1
. n
2
. . . n
1
. n
a

n
2
. n
1
n
2
. n
2
. . . n
2
. n
a

.
.
.
.
.
.
.
.
.
n
a
. n
1
n
a
. n
2
. . . n
a
. n
a

_
_

_
,
1
,
2
.
.
.
,
a
_

_
.
Assim, a aplicao . : \ \ R que a cada (n. ) \ \ faz corresponder n. , um
produto interno em \ se e s se a matriz
G =
_

_
n
1
. n
1
n
1
. n
2
. . . n
1
. n
a

n
2
. n
1
n
2
. n
2
. . . n
2
. n
a

.
.
.
.
.
.
.
.
.
n
a
. n
1
n
a
. n
2
. . . n
a
. n
a

_
fr simtrica (G = G
T
) e denida positiva (n
T
Gn 0, para todo o n ,= 0). Note-se que a
linearidade consequncia das propriedades referentes s operaes matriciais envolvidas.
(ii) matriz G anterior d-se o nome de matriz da mtrica do produto interno.
(iii) Num prximo captulo (teorema 78 (i)), como consequncia da diagonalizao or-
togonal (teorema 75 e observao 59), sendo G simtrica (G = G
T
), ser estabelecida a
equivalncia:
(n
T
Gn 0, para todo o n ,= 0) = (todos os valores prprios de G so positivos).
69
(iv) Observe-se ainda que no caso de se ter um espao unitrio pode-se encontrar uma
matriz G cujos valores prprios sejam todos positivos e tal que G = G
T
, (onde G a matriz
que se obtem de G passando todas as entradas desta ao complexo conjugado), tendo-se
n. =
_
c
1
c
2
. . . c
a

G
_

_
,
1
,
2
.
.
.
,
a
_

_
.
Uma matriz que satisfaa a condio =
T
diz-se hermiteana.
Teorema 60. Seja \ um espao linear real com dim\ = :. Seja n
1
. n
2
. .... n
a
uma
base de \ . Ento, uma aplicao
. : \ \ R
um produto interno (em \ ) se e s se
n. =
_
c
1
c
2
. . . c
a

G
_

_
,
1
,
2
.
.
.
,
a
_

_
,
com
n = c
1
n
1
+c
2
n
2
+... +c
a
n
a
= ,
1
n
1
+,
2
n
2
+... +,
a
n
a
.
e G uma matriz simtrica cujos valores prprios so todos positivos. Se a aplicao . fr
um produto interno tem-se
G =
_

_
n
1
. n
1
n
1
. n
2
. . . n
1
. n
a

n
2
. n
1
n
2
. n
2
. . . n
2
. n
a

.
.
.
.
.
.
.
.
.
n
a
. n
1
n
a
. n
2
. . . n
a
. n
a

_
.
Exemplo 43. (i) Seja . : R
2
R
2
R a aplicao denida por:
(c
1
. c
2
) . (,
1
. ,
2
) = c
1
,
1
+c
2
,
2
,
com (c
1
. c
2
) . (,
1
. ,
2
) R
2
. Esta aplicao um produto interno em R
2
a que se d o nome
de produto interno usual em R
2
, uma vez que
(c
1
. c
2
) . (,
1
. ,
2
) = c
1
,
1
+c
2
,
2
=
_
c
1
c
2

G
_
,
1
,
2
_
com
G =
_
1 0
0 1
_
.
70
A matriz G simtrica e o nico valor prprio de G 1 0.
(ii) Seja . : R
2
R
2
R a aplicao denida por:
(c
1
. c
2
) . (,
1
. ,
2
) = 2c
1
,
1
+ 3c
2
,
2
,
com (c
1
. c
2
) . (,
1
. ,
2
) R
2
. Esta aplicao no um produto interno em R
2
, uma vez que
(c
1
. c
2
) . (,
1
. ,
2
) = 2c
1
,
1
+ 3c
2
,
2
=
_
c
1
c
2

G
_
,
1
,
2
_
com
G =
_
2 0
0 3
_
.
A matriz G simtrica, no entanto, os valores prprios de G: 2 e 3 no so ambos positivos.
(iii) O produto interno usual em R
a
dado por:
. : R
a
R
a
R
(n. ) n. = n
T
,
onde n
T
=
_
n
1
n
2
. . . n
a

e =
_

2
.
.
.

a
_

_
.
(iv) O produto interno usual em C
a
dado por:
. : C
a
C
a
C
(n. ) n. = n
1
,
onde n
1
= n
T
=
_
n
1
n
2
. . . n
a

e =
_

2
.
.
.

a
_

_
.
(v) Um produto interno em /
na
(R).
. : `
na
(R) `
na
(R) R
(. 1) . 1 =
n

i=1
a

)=1
c
i)
/
i)
= tr
_

T
1
_
.
(vi) Um produto interno em C ([c. /]).
. : C ([c. /]) C ([c. /]) R
(,. q) ,. q =
_
b
o
, (r) q (r) dr.
71
Exemplo 44. R
2
com um produto interno no usual. Seja . : R
2
R
2
R a
aplicao denida por:
(c
1
. c
2
) . (,
1
. ,
2
) = 2c
1
,
1
+c
1
,
2
+c
2
,
1
+ 3c
2
,
2
,
com (c
1
. c
2
) . (,
1
. ,
2
) R
2
.
fcil ver que esta aplicao simtrica e linear em relao a (c
1
. c
2
) (xando (,
1
. ,
2
)).
Vejamos por exemplo que a condio
(c
1
. c
2
) . (c
1
. c
2
) 0, para todo o (c
1
. c
2
) ,= (0. 0),
satisfeita.
Atendendo a que
(c
1
. c
2
) . (c
1
. c
2
) = 2c
2
1
+ 2c
1
c
2
+ 3c
2
2
= c
2
1
+ (c
1
+c
2
)
2
+ 2c
2
2
,
tem-se
(c
1
. c
2
) . (c
1
. c
2
) = 0 = (c
1
= 0 e c
1
+c
2
= 0 e c
2
= 0) =
= (c
1
= 0 e c
2
= 0) = (c
1
. c
2
) = (0. 0).
Em alternativa, podemos escrever
(c
1
. c
2
) . (,
1
. ,
2
) = 2c
1
,
1
+c
1
,
2
+c
2
,
1
+ 3c
2
,
2
=
_
c
1
c
2

G
_
,
1
,
2
_
com
G =
_
2 1
1 3
_
.
A matriz G simtrica e os valores prprios de G:
5+
p
5
2
e
5
p
5
2
so ambos positivos.
Denio 49. Sejam \ um espao linear com um produto interno e 0 o vector nulo de
\ . Sejam n. \ .
(i) Chama-se norma de n a:
|n| =
_
n. n.
(ii) Chama-se projeco ortogonal de sobre n ,= 0 a:
proj
&
=
. n
|n|
2
n.
(iii) Diz-se que n e so ortogonais se n. = 0.
(iv) Chama-se ngulo entre dois vectores no nulos n e tais que n. R a:
o = arccos
n.
|n| ||
.
Note que este ngulo est bem denido atendendo ao teorema 61.
72
Observao 46. (i) O ngulo o entre dois vectores no nulos n e

2
se e s se n e
so ortogonais.
(ii) Para cada n \ (xo) com n ,= 0, a aplicao proj
&
: \ \ que a cada \ faz
corresponder proj
&
, uma transformao linear.
Teorema 61. Desigualdade de Cauchy-Schwarz. Seja \ um espao linear com um
produto interno. Ento, para todos os n. \ ,
[n. [ _ |n| ||
Observao 47. (i) Teorema de Pitgoras. Sejamn. R
2
. Tem-se n e ortogonais
se e s se
|n |
2
= |n|
2
+||
2
.
Dem.
|n |
2
= n . n =
= n. n . n n. +. =
= |n|
2
2 n. +||
2
= |n|
2
+||
2
se e s se
n. = 0,
isto , se e s se n e forem ortogonais.
(ii) Em R
2
com o produto interno usual, a desigualdade de Cauchy-Schwarz dada por
[c
1
,
1
+c
2
,
2
[ _
_
c
2
1
+c
2
2
_
,
2
1
+,
2
2
,
uma vez que
(c
1
. c
2
) . (,
1
. ,
2
) = c
1
,
1
+c
2
,
2
,
com (c
1
. c
2
) . (,
1
. ,
2
) R
2
.
(iii) Em R
a
com o produto interno usual, a desigualdade de Cauchy-Schwarz dada por

i=1
c
i
,
i

_
a

i=1
c
2
i

_
a

i=1
,
2
i
,
uma vez que
(c
1
. .... c
a
) . (,
1
. .... ,
a
) = c
1
,
1
+... +c
a
,
a
,
com (c
1
. .... c
a
) . (,
1
. .... ,
a
) R
a
.
Teorema 62. Sejam \ um espao linear com um produto interno e 0 o vector nulo
de \ . Sejam n. \ e ` escalar. A norma uma aplicao || : \ R que satisfaz as
seguintes propriedades.
73
(i) Positividade: |n| 0 se n ,= 0.
(ii) Homogeneidade: |`n| = [`[ |n|
(iii) Desigualdade triangular: |n +| _ |n| +||
Observao 48. Pode denir-se norma num espao linear \ , sem estar associada a
qualquer produto interno, como sendo uma aplicao de \ emR que satisfaz as propriedades
do teorema anterior. A um espao linear com uma norma chama-se espao normado.
Observao 49. Seja \ um espao linear real com um produto interno. Sejam n. \ .
Tem-se
n. =
1
2
_
|n +|
2
|n|
2
||
2
_
.
Observao 50. Seja \ um espao normado. Sejam n. \ . Ento, a norma pode
dar origem a um produto interno se e s se
|n |
2
+|n +|
2
= 2 |n|
2
+ 2 ||
2
.
Esta ltima equao conhecida por lei do paralelogramo.
Exemplo 45. Uma norma que no d origem a um produto interno. Seja
|| : R
2
R a aplicao denida por
|(c
1
. c
2
)| = [c
1
[ +[c
2
[ ,
com (c
1
. c
2
) R
2
. fcil vericar que esta aplicao satisfaz as trs condies do teorema
62. Logo, uma norma. No entanto, tambm fcil vericar que esta norma no satisfaz a
lei do paralelogramo. Logo, esta norma no poder originar um produto interno.
Denio 50. Sejam \ um espao euclidiano (ou unitrio) e o \ . Diz-se que o
ortogonal se para todos os n. o com n ,= , se tiver
n. = 0.
Diz-se que o ortonormado se fr ortogonal e se, para todo o n o, se tiver
|n| = 1.
Teorema 63. Sejam \ um espao linear com um produto interno e o \ . Seja 0
o vector nulo de \ . Se o ortogonal e 0 , o ento o linearmente independente. Em
particular, se : = dim\ ento qualquer conjunto o ortogonal de : vectores no nulos uma
base de \ .
74
Teorema 64. Seja \ um espao euclidiano (ou unitrio) com dim\ = :. Seja E =
n
1
. .... n
a
uma base ortogonal de \ . Ento, as coordenadas de um vector \ em relao
base E so dadas por:
c
)
=
. n
)

n
)
. n
)

,
com , = 1. .... :. Se E fr ortonormada ento as coordenadas de um vector \ em relao
base E so dadas por:
c
)
= . n
)
,
com , = 1. .... :.
Teorema 65. Seja \ um espao euclidiano com dim\ = :. Seja E = n
1
. .... n
a
uma
base ortonormada de \ . Ento, para todos os n. \ , tem-se
n. =
a

i=1
n. n
i
. n
i
(frmula de Parseval) e |n| =

_
a

i=1
n. n
i

2
.
Observao 51. Seja \ um espao euclidiano com dim\ = :. Seja E = n
1
. .... n
a

uma base ortonormada de \ . Sejam n. \ , com

n = c
1
n
1
+c
2
n
2
+... +c
a
n
a
= ,
1
n
1
+,
2
n
2
+... +,
a
n
a
.
Ento, atendendo ao teorema 64, a frmula de Parseval dada por:
n. =
a

i=1
c
i
,
i
= c
1
,
1
+c
2
,
2
+... +c
a
,
a
e tem-se |n| =

_
a

i=1
c
2
i
.
Notao 3. Sejam \ um espao euclidiano (ou unitrio) e 0 o vector nulo de \ . Para
qualquer \ , com ,= 0, o vector
1
||
ser denotado por

||
.
Teorema 66. Mtodo de ortogonalizao de Gram-Schmidt. Seja \ um espao
euclidiano (ou unitrio) no nulo. Ento \ tem bases ortonormadas. Mais concretamente,
considere o conjunto linearmente independente:

1
.
2
. ....
I
\
e sejam
n
1
=
1
,
n
2
=
2
proj
&
1

2
,
...
n
I
=
I
proj
&
1

I
... proj
&
k1

I
75
ento
(i) 1(n
1
. n
2
. .... n
I
) = 1(
1
.
2
. ....
I
);
(ii) o conjunto n
1
. n
2
. .... n
I
uma base ortogonal de 1(
1
.
2
. ....
I
).
(iii) o conjunto
_
n
1
|n
1
|
.
n
2
|n
2
|
. ....
n
I
|n
I
|
_
uma base ortonormada de 1(
1
.
2
. ....
I
).
Exemplo 46. Considere-se R
4
com o produto interno usual. Seja
l = 1((1. 1. 1. 1). (1. 2. 3. 4). (2. 1. 6. 7). (1. 3. 7. 9)).
Determinemos a dimenso de l e uma base ortonormada para l. Tem-se
_

_
1 1 2 1
1 2 1 3
1 3 6 7
1 4 7 9
_

_
1 1 2 1
0 1 1 2
0 4 4 8
0 5 5 10
_

_
1 1 2 1
0 1 1 2
0 0 0 0
0 0 0 0
_

_
.
Logo, o conjunto
1
.
2
, com
1
= (1. 1. 1. 1) e
2
= (1. 2. 3. 4), uma base de l e como
tal diml = 2.
Sejam n
1
=
1
e n
2
=
2
proj
&
1

2
.
Logo, o conjunto n
1
. n
2
, com n
1
= (1. 1. 1. 1) e
n
2
= (1. 2. 3. 4)
1 + 2 3 4
4
(1. 1. 1. 1) = (2. 3. 2. 3),
uma base ortogonal de l. Uma base ortonormada para l:
_
n
1
|n
1
|
.
n
2
|n
2
|
_
=
_
_
1
2
.
1
2
.
1
2
.
1
2
_
.
_
_
26
13
.
3
_
26
26
.
_
26
13
.
3
_
26
26
__
Teorema 67. Seja E = n
1
. n
2
. .... n
a
uma base de um espao euclidiano (ou unitrio).
A base E ortonormada se e s se a matriz da mtrica G em relao a essa base fr a matriz
identidade. Em R
a
o produto interno usual aquele em relao ao qual a base cannica
ortonormada.
Teorema 68. Seja
1
.
2
. ....
a
uma base de R
a
. Ento, existe um nico produto
interno em R
a
para o qual esta base ortonormada.
Exemplo 47. Considere em R
2
a base E =
1
.
2
, com
1
= (1. 0) e
2
= (1. 1).
Vejamos que existe um e um s produto interno para o qual a base E ortonormada.
Seja E
2
c
= (1. 0). (0. 1) a base cannica de R
2
. Sejam n. R
2
, com n = (c
1
. c
2
) e
= (,
1
. ,
2
), onde c
1
. c
2
e ,
1
. ,
2
so as coordenadas na base E
2
c
de n e respectivamente.
Logo, a aplicao . : R
2
R
2
denida por
n. = (c
1
. c
2
) . (,
1
. ,
2
) =
_
o
1
2
c
!B
_
c
1
c
2
__
T
_
1 0
0 1
_ _
o
1
2
c
!B
_
,
1
,
2
__
=
76
=
__
1 1
0 1
_ _
c
1
c
2
__
T
_
1 0
0 1
_ __
1 1
0 1
_ _
,
1
,
2
__
= c
1
,
1
c
1
,
2
c
2
,
1
+ 2c
2
,
2
=
=
_
c
1
c
2

_
1 1
1 2
_ _
,
1
,
2
_
um produto interno e o nico para o qual a base E ortonormada, onde
o
1
2
c
!B
=
_
o
B!1
2
c
_
1
=
_
1 1
0 1
_
1
=
_
1 1
0 1
_
.
NOTE QUE: sendo G =
_
1 1
1 2
_
( simtrica e os valores prprios
3+
p
5
2
e
3
p
5
2
so
ambos positivos) a matriz da mtrica em relao a E
2
c
e G
0
=
_
1 0
0 1
_
( simtrica e o nico
valor prprio 1 positivo) a matriz da mtrica em relao a E, tem-se
G =
_
o
1
2
c
!B
_
T
G
0
o
1
2
c
!B
fcil vericar que para este produto interno a base E ortonormada:
(1. 0) . (1. 1) = 0 e (1. 0) . (1. 0) = (1. 1) . (1. 1) = 1.
Denio 51. Sejam \ um espao euclidiano (ou unitrio) e l um subespao de \ .
Diz-se que um elemento de \ ortogonal a l se fr ortogonal a todos os elementos de l.
Ao conjunto de todos os elementos ortogonais a l chama-se complemento ortogonal de
l e designa-se por l
?
.
Teorema 69. Qualquer que seja o subespao l de um espao euclidiano (ou unitrio)
\ , tambm l
?
um subespao de \ .
Observao 52. Se
1
.
2
. ....
a
uma base de l ento l
?
se e s se
.
1
= .
2
= ... = .
a
= 0.
Exemplo 48. (i) Se l R
3
um plano que passa pela origem, ento l
?
uma recta
que passa pela origem e perpendicular ao plano.
(ii) Se l R
3
uma recta que passa pela origem, ento l
?
um plano que passa pela
origem e perpendicular recta.
(iii) Seja /
na
(R). Ento,
A() = (/())
?
=
_
((
T
)
_
?
e A(
T
) =
_
/(
T
)
_
?
= ((())
?
.
(iv) Seja /
aa
(R) tal que invertvel. Ento, (A ())
?
= R
a
e (/())
?
= 0 .
77
Teorema 70. Se l um subespao de dimenso nita de um espao euclidiano (ou
unitrio) \ , ento \ a soma directa de l e l
?
, isto , \ = l l
?
. Logo, cada elemento
\ pode ser escrito de modo nico como soma de um elemento de l com um elemento
de l
?
:
=
l
+
l
?, com
l
l e
l
? l
?
.
transformao linear 1
l
: \ \ denida por
1
l
() =
l
e tal que 1
l
= 1
l
1
l
= (1
l
)
2
chama-se projeco ortogonal de \ sobre l e
transformao linear 1
l
? : \ \ denida por
1
l
?() =
l
?
e tal que 1
l
? = 1
l
? 1
l
? = (1
l
?)
2
chama-se projeco ortogonal de \ sobre l
?
.
Tem-se
1 = 1
l
+1
l
?, diml + diml
?
= dim\.
_
l
?
_
?
= l
Se n
1
. n
2
. .... n
|
uma base ortogonal de l, ento
1
l
() =
|

i=1
. n
i

|n
i
|
2
n
i
=
|

i=1
proj
&
i
=
l
J (1
l
) = 1
l
(\ ) = l A (1
l
) = l
?
para todo o \ .
Se n
1
. n
2
. .... n
I
uma base ortogonal de l
?
, ento, para todo o \
1
l
?() =
I

)=1
. n
)

|n
)
|
2
n
)
=
I

)=1
proj
&
j
=
l
?
J (1
l
?) = 1
l
?(\ ) = l
?
A (1
l
?) = l
Neste caso, n
1
. n
2
. .... n
|
. n
1
. n
2
. .... n
I
uma base ortogonal de \ .
Tem-se ainda:
(i) 1
l
(n) . = n. 1
l
(), 1
l
? (n) . = n. 1
l
? (), para todos os n. \ ;
(ii) |n|
2
= |1
l
(n)|
2
+|1
l
? (n)|
2
, para todo o n \ (Teorema de Pitgoras);
Teorema 71. Seja l um subespao de dimenso nita de um espao euclidiano (ou
unitrio) \ . Seja \ . Ento, existe um elemento de l mais prximo de do que
qualquer dos outros pontos de l. Este elemento a projeco ortogonal 1
l
() de
sobre l e tem-se
| 1
l
()| _ | n| ,
para todo o n l, e a igualdade verica-se se e s se n = 1
l
(). Alm disso, tendo-se
0 l, a distncia d de um ponto \ a um subespao l dada por:
d (. l) = |1
l
? ( 0)| = |1
l
? ()| = | 1
l
()| .
78
Denio 52. Seja \ um espao euclidiano (ou unitrio). Seja l um subespao de \
com diml = /. Seja \ . Chama-se ao conjunto
+l
um /-plano. A distncia d de um ponto j \ a um /-plano T = +l dada por:
d (j. T) = |1
l
? (j )| .
Observao 53. A distncia entre dois /-planos paralelos
T
1
= j +l e T
2
= +l
dada por:
d (T
1
. T
2
) = |1
l
? (j )| .
Exemplo 49. Considere-se R
3
com o produto interno usual.
(i) Seja T o plano (em R
3
) que passa pelos pontos:
(1. 2. 1), (1. 0. 1) e (1. 1. 1).
Tem-se
T = (1. 2. 1) +1((0. 2. 2). (0. 1. 0))
uma vez que
(0. 2. 2) = (1. 0. 1) (1. 2. 1) e (0. 1. 0) = (1. 1. 1) (1. 2. 1).
Equao vectorial de T:
(r. . .) = (1. 2. 1) +c(0. 2. 2) +,(0. 1. 0),
com c. , R.
Equaes paramtricas de T:
_
_
_
r = 1
= 2 , 2c
. = 1 2c
com c. , R.
Equao cartesiana de T:
r = 1.
Podemos determinar uma equao cartesiana de T do seguinte modo. Atendendo a
que
T = (1. 2. 1) +1((0. 2. 2). (0. 1. 0))
79
seja
l = 1((0. 2. 2). (0. 1. 0)) .
Logo,
l
?
=
_
(r. . .) R
3
: (r. . .). (0. 2. 2) = 0 e (r. . .). (0. 1. 0) = 0
_
=
= A
__
0 2 2
0 1 0
__
= 1((1. 0. 0))
e assim, a equao cartesiana do plano T que passa pelo ponto (1. 2. 1) dada por:
((r 1. 2. . 1). (1. 0. 0) = 0) =
= (1 (r 1) + 0 ( 2) + 0 (. 1) = 0) ,
ou seja por
r = 1.
NOTE QUE:
l =
_
l
?
_
?
=
_
(r. . .) R
3
: (r. . .). (1. 0. 0) = 0
_
=
=
_
(r. . .) R
3
: r = 0
_
.
(ii) Determinemos a equao cartesiana da recta que passa pelos pontos (1. 1. 0) e
(1. 2. 1). Tem-se
: = (1. 1. 0) +1((0. 1. 1)) ,
uma vez que
(0. 1. 1) = (1. 2. 1) (1. 1. 0).
Seja
l = 1((0. 1. 1)) .
Logo,
l
?
=
_
(r. . .) R
3
: (r. . .). (0. 1. 1) = 0
_
=
= A
__
0 1 1
_
= 1((1. 0. 0). (0. 1. 1))
e assim, a equao cartesiana da recta : dada por:
((r 1. 1. .). (1. 0. 0) = 0 e (r 1. 1. .). (0. 1. 1) = 0) =
= (1 (r 1) = 0 e 1 ( 1) 1. = 0) ,
ou seja por
_
r = 1
. = 1.
NOTE QUE:
l =
_
l
?
_
?
=
_
(r. . .) R
3
: (r. . .). (1. 0. 0) = 0 e (r. . .). (0. 1. 1) = 0
_
=
=
_
(r. . .) R
3
: r = 0 e . = 0
_
.
80
Produto externo e produto misto
Denio 53. Sejam n = (n
1
. n
2
. n
3
) . = (
1
.
2
.
3
) R
3
. Ento o produto externo
(vectorial) de n por , denotado por n , o vector de R
3
denido por
n = (n
2

3
n
3

2
. n
3

1
n
1

3
. n
1

2
n
2

1
) ,
isto ,
n =
_

n
2
n
3

2

3

n
1
n
3

1

3

n
1
n
2

1

2

_
=
=

n
2
n
3

2

3

c
1

n
1
n
3

1

3

c
2
+

n
1
n
2

1

2

c
3
=
=

c
1
c
2
c
3
n
1
n
2
n
3

1

2

3

,
onde c
1
. c
2
. c
3
a base cannica de R
3
.
Observao 54. Sejam n. . n R
3
e c R. Ento, tem-se:
(i) c
1
c
2
= c
3
(ii) c
2
c
3
= c
1
(iii) c
3
c
1
= c
2
(iv) n = ( n)
(v) n ( +n) = n +n n
(vi) (n +) n = n n + n
(vii) c(n ) = (cn) = n (c)
(viii) n 0 = 0 n = 0
(ix) n n = 0
(x) Se n e forem paralelos ento n = 0
(xi) n ( n) = n. n n. n
(xii) (n ) n = n. n n. n
(xiii) |n |
2
+n.
2
= |n|
2
||
2
(xiv) n ( n) + (n n) +n (n ) = 0
81
Teorema 72. Considere-se R
3
com o produto interno usual. Sejam n = (n
1
. n
2
. n
3
) . =
(
1
.
2
.
3
) R
3
0 e seja o [0. :] o ngulo formado por n e . Ento tem-se:
(i) |n | = |n| || sen o.
(ii) A rea do paralelogramo de lados adjacentes n e dada por:
= |n | .
Dem. (i) Como o [0. :], tem-se sen o =
_
1 cos
2
o e deste modo,
|n| || sen o =
= |n| ||
_
1 cos
2
o = |n| ||
_
1
n.
2
|n|
2
||
2
=
_
|n|
2
||
2
n.
2
=
=
_
(n
2
1
+n
2
2
+n
2
3
) (
2
1
+
2
2
+
2
3
) (n
1

1
+n
2

2
+n
3

3
)
2
=
=
_
(n
2

3
n
3

2
)
2
+ (n
3

1
n
1

3
)
2
+ (n
1

2
n
2

1
)
2
=
= |(n
2

3
n
3

2
. n
3

1
n
1

3
. n
1

2
n
2

1
)| =
= |n | .
(ii) = (base) (altura) = |n| || sen o.
Denio 54. Considere-se R
3
com o produto interno usual. Sejam n = (n
1
. n
2
. n
3
) . =
(
1
.
2
.
3
) . n = (n
1
. n
2
. n
3
) R
3
. expresso
n. n
chama-se produto misto de n. e n.
Observao 55. Considere-se R
3
como produto interno usual. Sejamn = (n
1
. n
2
. n
3
) . =
(
1
.
2
.
3
) . n = (n
1
. n
2
. n
3
) R
3
. Ento, tem-se:
(i)
n. n =

n
1
n
2
n
3

1

2

3
n
1
n
2
n
3

(ii) Sendo o o ngulo formado por n e n, o volume do paraleleppedo com um vrtice

e arestas n. . n com origem em (0. 0. 0), dado por
\ = | n|
. .
rea da face determinada por e &
|n| [cos o[
. .
altura
= n. n =

det
_
_
_
_
n
1
n
2
n
3

1

2

3
n
1
n
2
n
3
_
_
_
_

(iii) n. n = 0
(iv) . n = 0
(v) n. n = n . n.
82
Matrizes hermiteanas, matrizes simtricas e matrizes normais. Diagonalizao
unitria e diagonalizao ortogonal
Denio 55. Seja = (c
i)
) /
aa
(C). Denota-se por
1
a matriz
T
, isto , a
transposta da matriz conjugada = (c
i)
), onde c
i)
o complexo conjugado de c
i)
. Ou seja,
escreve-se

1
=
T
.
A matriz diz-se hermiteana se
1
= .
Observao 56. (a) Sejam c. , C, . C /
na
(C) e 1 /
av
(C). Tem-se:
(i)
_

1
_
1
= (ii) (c +,1)
1
= c
1
+,1
1
(iii) (C)
1
= C
1

1
(b) Seja /
aa
(R) tal que simtrica (
T
= ). Ento hermiteana uma vez
que sendo real tem-se
1
=
T
.
Teorema 73. Todos os valores prprios de uma matriz hermiteana so reais. Alm
disso, os vectores prprios associados a valores prprios distintos so ortogonais.
Dem. Seja /
aa
(C) tal que hermiteana. Seja ` um valor prprio de e seja
n um vector prprio associado. Seja c = n
1
n. Ento, tem-se
c = c
1
=
_
n
1
n
_
1
= n
1

1
_
n
1
_
1
=
hermiteana
n
1
n = c.
Ou seja, c real. Por outro lado, como
c = n
1
n = n
1
`n = `|n|
2
,
tem-se ` =
c
|n|
2
R.
Sejam agora n
1
e n
2
vectores prprios associados respectivamente a valores prprios
distintos `
1
e `
2
. Ento, tem-se
(n
1
)
1
n
2
= n
1
1

1
n
2
=
hermiteana
n
1
1
n
2
= `
2
n
1
1
n
2
e
(n
1
)
1
n
2
=
_
n
1
2
n
1
_
1
=
_
n
1
2
`
1
n
1
_
1
=
A
1
2R
`
1
n
1
1
n
2
.
Logo, tem-se
`
1
n
1
1
n
2
= `
2
n
1
1
n
2
= (`
1
`
2
) n
1
1
n
2
= 0.
E assim, como `
1
,= `
2
, ento n
1
1
n
2
. .
=h&
1
,&
2
i
= 0, ou seja, n
1
e n
2
so ortogonais.
Observao 57. Todos os valores prprios de uma matriz simtrica real so reais. Alm
disso, os vectores prprios associados a valores prprios distintos so ortogonais.
83
Denio 56. (i) Seja l /
aa
(C). A matriz l diz-se unitria se se tiver l
1
l = 1,
isto , se l
1
= l
1
, ou seja, se as colunas de l constituirem um conjunto ortonormado em
C
a
.
(ii) Seja /
aa
(R). A matriz diz-se ortogonal se se tiver
T
= 1, isto , se

T
=
1
, ou seja, se as colunas de constituirem um conjunto ortonormado em R
a
.
Observao 58. (i) Seja l /
aa
(R) tal que l unitria. Como, sendo l real, se
tem l
1
= l
T
, ento l ortogonal. Isto , toda a matriz real unitria ortogonal.
(ii) Seja uma matriz hermiteana. Se os valores prprios de forem distintos, ento
existe uma matriz unitria que diagonaliza , isto , existe l unitria tal que ll
1
uma
matriz diagonal, ou seja, diz-se unitariamente diagonalizvel.
(iii) A armao anterior (ii) continua vlida mesmo se os valores prprios no forem
distintos, como ser provado no Teorema 75.
Teorema 74. Seja uma matriz : :. Ento, existe uma matriz unitria l tal que
ll
1
triangular superior.
Dem. A demonstrao ser efectuada por induo em :. O resultado bvio para : = 1.
Suponhamos que a hiptese vlida para matrizes // e seja uma matriz (/ + 1)(/ + 1).
Sejam `
1
um valor prprio de e n
1
um vector prprio associado de norma 1. Aplicando
o mtodo de ortogonalizao de Gram-Schmidt, seja n
1
. . . . . n
I+1
uma base ortonormada
para C
I+1
. Seja \
1
a matriz cuja coluna i igual ao vector n
i
, para i = 1. . . . . /+1. Ento,
por construo, a matriz \
1
unitria. Por outro lado, a primeira coluna de \\
1

igual a \n
1
, tendo-se
\n
1
= \`
1
n
1
= `
1
\n
1
= `
1
_

_
1
0
.
.
.
0
_

_
=
_

_
`
1
0
.
.
.
0
_

_
.
Logo, tem-se
\\
1
=
_

_
`
1
[ + +
[
0 [
.
.
. [ `
0 [
_

_
,
onde ` uma matriz / /.
Pela hiptese de induo, existe uma matriz / / unitria \
1
tal que \
1
` (\
1
)
1
= 1
1
,
onde 1
1
uma matriz triangular. Seja
\ =
_

_
1 [ 0 0
[
0 [
.
.
. [ \
1
0 [
_

_
.
84
Ento \ unitria e tem-se
(\ \) (\ \)
1
= \ \\
1
\
1
=
_

_
`
1
[ + +
[
0 [
.
.
. [ \
1
` (\
1
)
1
0 [
_

_
=
_

_
`
1
[ + +
[
0 [
.
.
. [ 1
1
0 [
_

_
= 1,
onde 1 uma matriz triangular. Como a matriz \ \ unitria, pondo l = \ \, tem-se
ll
1
= 1,
com 1 triangular e l unitria.
Teorema 75. Seja uma matriz hermiteana. Ento existe uma matriz unitria l que
diagonaliza , isto , diagonalizvel unitariamente. Ou seja, existe l unitria tal que
tal que a matriz ll
1
diagonal.
Dem. Pelo teorema anterior, existe uma matriz unitria l tal que a matriz ll
1

triangular. Seja 1 = ll
1
. Tem-se ento
1
1
=
_
ll
1
_
1
=
_
l
1
_
1

1
l
1
=
hermiteana
ll
1
= 1.
Logo, como 1 = 1
1
e 1 triangular ento 1 diagonal.
Observao 59. Atendendo ao resultado anterior tem-se ento o seguinte. Seja
/
aa
(R) tal que simtrica, isto , tal que =
T
. Ento existe uma matriz ortogonal
1 (matriz que verica: 1
T
= 1
1
) tal que 11
T
diagonal, isto , ortogonalmente
diagonalizvel relativamente a uma base ortonormada formada s por vectores prprios de
. A matriz 1
T
a matriz cujas colunas so os vectores prprios de que formam uma base
ortonormada de R
a
, sendo 11
T
a matriz diagonal onde se coloca na entrada i da diagonal
principal o valor prprio correspondente ao vector prprio da coluna i da matriz 1
T
.
Observao 60. (i) Existem matrizes no hermiteanas que so diagonalizveis rela-
tivamente a bases ortonormadas formadas s por vectores prprios, como por exemplo as
matrizes anti-hermiteanas (
1
= ) e as matrizes anti-simtricas (
T
= ).
(ii) Seja /
aa
(R). Suponhamos que ortogonalmente diagonalizvel relativa-
mente a uma base ortonormada formada s por vectores prprios de . Sejam 1 diagonal e
1 ortogonal tais que = 1
T
11. Ento

T
=
_
1
T
11
_
T
= 1
T
1
T
_
1
T
_
T
= 1
T
11 = .
Logo simtrica. Tem-se ento, atendendo tambem observao 59, sendo real:
ortogonalmente diagonalizvel = simtrica
85
(iii) Seja /
aa
(C). Suponhamos que unitariamente diagonalizvel relati-
vamente a uma base ortonormada formada s por vectores prprios de . Sejam 1 diagonal
e l unitria tais que = l
1
1l. Como em geral se tem 1
1
,= 1, ento

1
=
_
l
1
1l
_
1
= l
1
1
1
l ,= l
1
1l = .
Logo no tem que ser necessariamente hermiteana.
(iv) O prximo teorema diz quais so as matrizes unitariamente diagonalizveis.
Denio 57. Uma matriz diz-se normal se

1
=
1
.
Teorema 76. Uma matriz normal se e s se fr unitariamente diagonalizvel rela-
tivamente a uma base ortonormada formada s por vectores prprios de .
Dem. (=) Suponhamos que normal. Pelo teorema 74, existe uma matriz unitria l
e uma matriz triangular superior 1 tais que 1 = ll
1
. Vejamos que 1 normal. Tem-se
1
1
1 =
_
ll
1
_
1
ll
1
= l
1
l
1
ll
1
= l
1
l
1
=
normal
= l
1
l
1
= ll
1
l
1
l
1
= 11
1
.
Logo 1 normal. Seja 1 = (t
i)
) do tipo : :. Comparando as entradas das diagonais
principais de 1
1
1 e 11
1
tem-se:
[t
11
[
2
+[t
12
[
2
+[t
13
[
2
+ +[t
1a
[
2
= [t
11
[
2
[t
22
[
2
+[t
23
[
2
+ +[t
2a
[
2
= [t
12
[
2
+[t
22
[
2
.
.
.
[t
aa
[
2
= [t
1a
[
2
+[t
2a
[
2
+[t
3a
[
2
+ +[t
aa
[
2
e assim, t
i)
= 0 sempre que i ,= ,. Logo 1 diagonal e portanto unitariamente
diagonalizvel.
(=) Suponhamos agora que unitariamente diagonalizvel. Queremos mostrar que
normal. Sejam 1 diagonal e l unitria tais que 1 = ll
1
, ou seja, = l
1
1l. Tem-se

1
= l
1
1l
_
l
1
1l
_
1
= l
1
1ll
1
1
1
l = l
1
_
11
1
_
l
e

1
=
_
l
1
1l
_
1
l
1
1l = l
1
1
1
ll
1
1l = l
1
_
1
1
1
_
l.
Como
11
1
= 1
1
1 =
_

_
[`
1
[
2
0 0
0 [`
2
[
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 0 [`
a
[
2
_

_
,
ento tem-se
1
=
1
e assim normal.
86
Formas quadrticas
Denio 58. Uma equao quadrtica em duas variveis r
1
e r
2
uma equao da
forma
cr
2
1
+/r
2
2
+ 2cr
1
r
2
+dr
1
+cr
2
+, = 0
a qual pode ser escrita na forma
_
r
1
r
2

_
c c
c /
_ _
r
1
r
2
_
+
_
d c

_
r
1
r
2
_
+, = 0.
Sejam
r =
_
r
1
r
2
_
e =
_
c c
c /
_
.
( uma matriz real simtrica). funo real a duas variveis reais Q : R
2
R denida
por Q(r) = r
T
r, com
r
T
r = cr
2
1
+/r
2
2
+ 2cr
1
r
2
chama-se forma quadrtica real a 2 variveis reais associada equao quadrtica anterior.
Podem haver equaes do 2
c
grau e formas quadrticas com um n
c
de variveis superior
a 2. Uma equao quadrtica em : variveis r
1
. r
2
. . . . . r
a
uma equao da forma
r
T
r +1r +c = 0,
onde r =
_

_
r
1
r
2
.
.
.
r
a
_

_
, = (c
i)
) uma matriz real simtrica do tipo : :, 1 /
1a
(R) e c
um escalar. funo real a : variveis reais Q : R
a
R denida por
Q(r) = r
T
r =
a

i=1
_
a

)=1
c
i)
r
)
_
r
i
chama-se forma quadrtica real a : variveis reais associada equao quadrtica anterior.
Teorema 77. (Teorema dos eixos principais). Seja /
aa
(R) tal que simtrica.
Ento existe uma mudana de variveis ortogonal (teorema 75 e observao 59) que trans-
forma a forma quadrtica r
T
r na forma quadrtica
T
1 sem termos cruzados. Isto ,
se 1 diagonalizar ortogonalmente (1 = 11
T
), ento a mudana de variveis r = 1
T

transforma a forma quadrtica r

T
r na forma quadrtica
T
1:
r
T
r =
T
11
T
=
T
1 = `
1

2
1
+`
2

2
2
+ +`
a

2
a
=
=
_

1

2

a

_
`
1
0 0
0 `
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 `
a
_

_
_

2
.
.
.

a
_

_
,
87
onde `
1
. `
2
. . . . . `
a
so os valores prprios de associados respectivamente aos vectores
prprios que constituem as colunas de 1
T
e que formam uma base ortonormada de R
a
.
Observao 61. (i) Chama-se cnica ou seco cnica curva plana obtida por meio de
um corte efectuado por um plano relativamente a uma superfcie cnica. As seces cnicas
que se obtm quando o plano que efectua o corte no passa pelo vrtice da superfcie cnica,
so elipses (os valores prprios tm o mesmo sinal) (podendo ter-se circunferncias: quando
o corte efectuado perpendicularmente ao eixo de simetria do cone), parbolas (um dos dois
valores prprios zero) e hiprboles (os dois valores prprios tm sinais contrrios).
(ii) Em R
3
tem-se
r =
_
_
r
1
r
2
r
3
_
_
. =
_
_
c d c
d / ,
c , c
_
_
e 1 =
_
_
q
/
i
_
_
e
cr
2
1
+/r
2
2
+cr
2
3
+ 2dr
1
r
2
+ 2cr
1
r
3
+ 2,r
2
r
3
+qr
1
+/r
2
+ir
3
+c = 0.
supercie resultante da equao anterior chama-se qudrica. Existem quatro tipos de
qudricas no degeneradas): elipsides, hiperbolides (de uma ou duas folhas), cones e
parabolides (elpticos ou hiperblicos).
Exemplo 50. Considere-se a forma quadrtica Q : R
2
R denida por
Q(r. ) = 3r
2
+ 4r + 3
2
.
Tem-se
Q(r. ) =
_
r

_
r

_
,
com =
_
3 2
2 3
_
. Os valores prprios de so `
1
= 1 e `
2
= 5. Tem-se ento a seguinte
forma quadrtica diagonal (isto , sem termos cruzados)
Q(r
0
.
0
) =
_
r
0

0

1
_
r
0

0
_
=
=
_
r
0

0

_
1 0
0 5
_ _
r
0

0
_
com
1 = 11
T
,
_
r
0

0
_
= 1
_
r

_
,
e
1
T
=
_

_
_
2
2
_
2
2

_
2
2
_
2
2
_

_
=
_
_
cos
:
4
sen
:
4
sen
:
4
cos
:
4
_
_
,
88
em que 1
T
a matriz diagonalizante obtida colocando na 1
o
coluna um vector prprio
de norma 1 associado ao valor prprio `
1
e na 2
o
coluna um vector prprio de norma 1
associado ao valor prprio `
2
, de tal modo que ambos os vectores prprios constituam uma
base ortonormada de R
2
. Observe-se que a matriz 1 ortogonal, isto , tem-se 1
T
= 1
1
.
Tem-se ento
Q(r. ) =
_
r

_
r

_
=
_
r

1
T
11
_
r

_
=
=
_
1
_
r

__
T
11
_
r

_
=
=
_
r
0

0

1
_
r
0

0
_
= Q(r
0
.
0
).
Por exemplo, relativamente equao quadrtica 3r
2
+ 4r + 3
2
= 4
-5 -4 -3 -2 -1 1 2 3 4 5
-4
-2
2
4
x
y
tem-se a elipse:
(r
0
)
2
+ 5 (
0
)
2
= 4 =
_
r
0
2
_
2
+
_

0
2
p
5
5
_
2
= 1.
Denio 59. Seja uma matriz real simtrica do tipo : :. Diz-se que e a forma
quadrtica Q : R
a
R dada por Q(r) = r
T
r so:
(i) denidas positivas se r
T
r 0, para todo o r ,= 0;
(ii) denidas negativas se r
T
r < 0, para todo o r ,= 0;
(iii) semidenidas positivas se r
T
r _ 0, para todo o r;
(iv) semidenidas negativas se r
T
r _ 0, para todo o r;
(v) indenidas se existirem pontos onde r
T
r seja positiva e pontos onde r
T
r seja
negativa.
89
Teorema 78. Seja /
aa
(R) tal que simtrica. Ento,
(i) denida positiva se e s se todos os valores prprios de forem positivos;
(ii) denida negativa se e s se todos os valores prprios de forem negativos;
(iii) semidenida positiva se e s se todos os valores prprios de forem no
negativos;
(iv) semidenida negativa se e s se todos os valores prprios de forem no
positivos;
(v) indenida se e s se tiver pelo menos um valor prprio positivo e outro
negativo.
Dem. (i) (=) Suponhamos que denida positiva, isto ,
r
T
r 0.
para todo o r ,= 0. Seja ` um valor prprio de . Ento, para qualquer vector prprio r
associado a ` tem-se
r
T
r = `r
T
r = `|r|
2
,
com r ,= 0. Logo
` =
r
T
r
|r|
2
0.
(=) Suponhamos que todos os valores prprios de so positivos. Seja r
1
. . . . . r
a

um conjunto ortonormado de vectores prprios de (existe esse conjunto pelo teorema 75 e

observao 59). Logo r
1
. . . . . r
a
uma base ortonormada de R
a
. Se r ,= 0, ento tem-se
r = c
1
r
1
+ +c
a
r
a
,
com c
1
. .... c
a
no todos nulos, pelo que
r
T
r = (c
1
r
1
+ +c
a
r
a
)
T
(c
1
r
1
+ +c
a
r
a
) =
=
_
c
1
(r
1
)
T
+ +c
a
(r
a
)
T
_
(c
1
r
1
+ +c
a
r
a
) =
=
_
c
1
(r
1
)
T
+ +c
a
(r
a
)
T
_
(c
1
`
1
r
1
+ +c
a
`
a
r
a
) =
=
a

i=1
(c
i
)
2
`
i
0.
Logo denida positiva.
90
Mnimos quadrados
Existem aplicaes relativamente s quais os erros cometidos nas medies das entradas
de ou de / podem levar a que o sistema de equaes lineares n = / no tenha soluo,
quando teoricamente deveria ter. Em tais casos natural a procura da "melhor soluo
aproximada" para esse problema.
Denio 60. Sejam /
na
(R) e / R
a
. Ento, a n R
a
chama-se melhor
soluo aproximada ou soluo de mnimos quadrados de n = / se
|/ n| _ |/ n| ,
para qualquer n R
a
. Ao vector / n chama-se vector erro de mnimos quadrados e
ao escalar |/ n| chama-se erro de mnimos quadrados.
Observao 62. Sejam /
na
(R) e / R
a
. Procuremos ento um mtodo para
determinar as solues de mnimos quadrados de n = /. Atendendo a que n ( () para
todo o n R
a
, ento a distncia |/ n| mnima se
n = 1
C()
(/) ,
onde 1
C()
a projeco ortogonal de R
a
sobre ( (). Como 1
C()
(/) ( (), a equao
n = 1
C()
(/) tem sempre soluo e essas solues so as solues de mnimos quadrados
de n = /. Deste modo, qualquer sistema linear tem sempre pelo menos uma soluo de
mnimos quadrados.
Por outro lado, pode escrever-se a equao n = 1
C()
(/) na forma
/ n = / 1
C()
(/) = 1
N(
T
)
(/)
tendo-se

T
(/ n) =
T
_
/ 1
C()
(/)
_
=
T
_
1
N(
T
)
(/)
_
= 0.
pois (( ())
?
= A
_

T
_
. Logo

T
n =
T
/.
A esta equao chama-se equao normal associada a n = /.
Teorema 79. Sejam /
na
(R) e / R
a
.
(i) As solues de mnimos quadrados do sistema linear
n = /
so as solues da equao normal

T
n =
T
/.
91
(ii) Se car = : ento a equao normal

T
n =
T
/
tem a soluo nica
n =
_

_
1

T
/
e tem-se
1
C()
(/) = n =
_

_
1

T
/,
isto ,

_
1

T
a matriz que representa a projeco ortogonal 1
C()
.
Observao 63. Seja /
na
(R). Vejamos que se tem
car = car
_

_
.
Basta para isso, mostrar que
A () = A
_

_
.
Seja n A (). Como n = 0 ento
T
n =
T
0 = 0 e assim n A
_

_
.
Reciprocamente, seja n A
_

_
e vejamos que n A (). Tem-se
T
n = 0, logo
n A
_

T
_
=
_
/
_

T
__
?
= (( ())
?
e como tal
n. n = 0,
ou seja |n|
2
= 0 e ento n = 0, isto , n A ().
Observao 64. Vejamos agora o modo como se pode determinar uma curva (ou recta)
especca que se possa "ajustar" a um conjunto de pontos determinados experimentalmente.
(i) A partir de dois ou mais pontos dados
(r
1
.
1
) . (r
2
.
2
) . . . . . (r
n
.
n
) .
pretende-se determinar uma recta = c
0
+ c
1
r que seja a recta que "melhor aproxime" ou
a recta de mnimos quadrados de melhor ajuste aos pontos dados (recta de regresso). Isto
, pretende-se determinar as solues de mnimos quadrados de
_

1
= c
0
+c
1
r
1

2
= c
0
+c
1
r
2
.
.
.

n
= c
0
+c
1
r
n
92
ou seja de
_

_
1 r
1
1 r
2
.
.
.
.
.
.
1 r
n
_

_
_
c
0
c
1
_
=
_

2
.
.
.

n
_

_
.
Sejam
=
_

_
1 r
1
1 r
2
.
.
.
.
.
.
1 r
n
_

_
. n =
_
c
0
c
1
_
e / =
_

2
.
.
.

n
_

_
.
Atendendo a que car = car
_

_
, se houver pelo menos dois pontos distintos, tem-se
car = 2 e nesse caso, a equao normal

T
n =
T
/
tem como nica soluo de mnimos quadrados
n =
_

_
1

T
/.
Assim, a recta de mnimos quadrados = c +/r a recta que torna mnimos os quadrados
cuja soma
(
1
(c
0
+c
1
r
1
))
2
+ (
2
(c
0
+c
1
r
2
))
2
+ + (
n
(c
0
+c
1
r
n
))
2
dada por
|/ n|
2
,
onde |/ n| o erro de mnimos quadrados.
(ii) A partir de : pontos dados (r
1
.
1
) . (r
2
.
2
) . . . . . (r
n
.
n
), pretende-se determinar
um polinmio cujo grco esteja to perto quanto possvel desses : pontos dados. Isto ,
com : N previamente xo, pretende-se determinar as solues de mnimos quadrados do
sistema de : equaes a : + 1 incgnitas (c
0
. c
1
. c
2
. . . . . c
a
)
_

1
= c
0
+c
1
r
1
+c
2
r
2
1
+ +c
a
r
a
1

2
= c
0
+c
1
r
2
+c
2
r
2
2
+ +c
a
r
a
2
.
.
.

n
= c
0
+c
1
r
n
+c
2
r
2
n
+ +c
a
r
a
n
ou seja de
_

_
1 r
1
r
2
1
r
a
1
1 r
2
r
2
2
r
a
2
.
.
.
.
.
.
.
.
.
.
.
.
1 r
n
r
2
n
r
a
n
_

_
_

_
c
0
c
1
.
.
.
c
a
_

_
=
_

2
.
.
.

n
_

_
.
93
Sejam
=
_

_
1 r
1
r
2
1
r
a
1
1 r
2
r
2
2
r
a
2
.
.
.
.
.
.
.
.
.
.
.
.
1 r
n
r
2
n
r
a
n
_

_
. n =
_

_
c
0
c
1
.
.
.
c
a
_

_
e / =
_

2
.
.
.

n
_

_
.
Note-se que se : + 1 = : e se os pontos dados forem distintos, ento existe um nico
polinmio de grau : (o chamado polinmio interpolador) que passa por todos esses : pontos.
Por outro lado, atendendo a que car = car
_

_
, se : < : e pelo menos :+1 pontos
forem distintos, tem-se car = : + 1 e ento a equao normal

T
n =
T
/
tem como nica soluo de mnimos quadrados
n =
_

_
1

T
/.
Exemplo 51. Determinemos a recta de mnimos quadrados relativa aos pontos
(0. 1) . (1. 3) . (2. 4) e (3. 4) .
Sejam
=
_

_
1 0
1 1
1 2
1 3
_

_
e / =
_

_
1
3
4
4
_

_
.
Tem-se car = 2 e como tal a soluo de mnimos quadrados nica e dada por:
n =
_
c
0
c
1
_
=
_

_
1

T
/ =
=
_
_
_
_
_
1 1 1 1
0 1 2 3
_
_

_
1 0
1 1
1 2
1 3
_

_
_
_
_
_
1
_
1 1 1 1
0 1 2 3
_
_

_
1
3
4
4
_

_
=
_
3,2
1
_
,
tendo-se
=
3
2
+r.
O vector / n o vector erro de mnimos quadrados, sendo o erro de mnimos quadrados
dado por:
|/ n| =
=
_
(
1
(c
0
+c
1
r
1
))
2
+ (
2
(c
0
+c
1
r
2
))
2
+ (
3
(c
0
+c
1
r
3
))
2
+ (
4
(c
0
+c
1
r
4
))
2
=
=
_
_
1
_
3
2
+ 0
__
2
+
_
3
_
3
2
+ 1
__
2
+
_
4
_
3
2
+ 2
__
2
+
_
4
_
3
2
+ 3
__
2
=
=
_
25
16
+
1
4
+
1
16
+
1
4
=
_
34
4
.
94
Apndice
Factorizao triangular
Teorema. (Factorizao triangular). Seja uma matriz no singular do tipo : :.
Ento ou admite a factorizao nica = 11l ou existe uma matriz de permutao 1
tal que 1 admite a factorizao nica 1 = 11l, onde 1 e l so respectivamente uma
matriz triangular inferior e uma matriz triangular superior com as entradas das diagonais
principais todas iguais a 1, e 1 uma matriz diagonal com as entradas da diagonal principal
todas no nulas.
Observao. As entradas da diagonal principal da matriz 1 do teorema anterior so os
pivots que resultam da aplicao do mtodo de eliminao de Gauss matriz .
Exemplo A. Seja =
_
_
1 1 1
2 1 4
2 3 5
_
_
. Tem-se:
1
23
(1)1
13
(2)1
12
(2) =
_
_
1 1 1
0 1 2
0 0 5
_
_
=
_
_
1 0 0
0 1 0
0 0 5
_
_
_
_
1 1 1
0 1 2
0 0 1
_
_
.
Logo,
= (1
12
(2))
1
(1
13
(2))
1
(1
23
(1))
1
_
_
1 0 0
0 1 0
0 0 5
_
_
_
_
1 1 1
0 1 2
0 0 1
_
_
.
Isto ,
= 1
12
(2)1
13
(2)1
23
(1)
_
_
1 0 0
0 1 0
0 0 5
_
_
_
_
1 1 1
0 1 2
0 0 1
_
_
,
ou ainda,
= 11l,
com
1 = 1
12
(2)1
13
(2)1
23
(1) =
_
_
1 0 0
2 1 0
2 1 1
_
_
,
1 =
_
_
1 0 0
0 1 0
0 0 5
_
_
e l =
_
_
1 1 1
0 1 2
0 0 1
_
_
.
95
Exemplo B. Seja =
_

_
1 2 3 4
0 0 5 6
0 0 10 6
0 1 7 8
_

_
. Tem-se:
1
24
=
_

_
1 2 3 4
0 1 7 8
0 0 10 6
0 0 5 6
_

_
e
1
34
(1,2) 1
24
=
_

_
1 2 3 4
0 1 7 8
0 0 10 6
0 0 0 3
_

_
.
Logo,
1
24
= (1
34
(1,2))
1
_

_
1 2 3 4
0 1 7 8
0 0 10 6
0 0 0 3
_

_
.
Isto ,
1
24
= 1
34
(1,2)
_

_
1 0 0 0
0 1 0 0
0 0 10 0
0 0 0 3
_

_
_

_
1 2 3 4
0 1 7 8
0 0 1 3,5
0 0 0 1
_

_
,
ou ainda,
1 = 11l,
com
1 = 1
24
, 1 = 1
34
(1,2) =
_

_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 1,2 1
_

_
,
1 =
_

_
1 0 0 0
0 1 0 0
0 0 10 0
0 0 0 3
_

_
e
l =
_

_
1 2 3 4
0 1 7 8
0 0 1 3,5
0 0 0 1
_

_
.
96
Bibliograa
1. Luis T. Magalhes, lgebra Linear como Introduo Matemtica Aplicada, 9
o
edio,
Texto Editora, 2001.
2. Gilbert Strang, Linear Algebra and its Applications, 3rd edition, Thomson Learning,
1988.
3. Steven J. Leon, Linear Algebra with Applications, 8th edition, Pearson, 2009.
4. Bernard Kolman, Introductory Linear Algebra with Applications, Prentice Hall, 1996.
5. Howard Anton and Robert C. Busby, Contemporary Linear Algebra, John Wiley &
Sons, Inc., 2002.
6. Antnio Monteiro e Gonalo Pinto, lgebra Linear e Geometria Analtica, McGraw-
Hill, 1997.
7. Seymour Lipschutz, Linear Algebra, Schaums Outline Series, 4th edition, McGraw-
Hill, 2009.
97