Você está na página 1de 176

CURSO DE

lgebra Linear
Antonio Cndido Faleiros
Centro de Matemtica, Computao e Cognio
Universidade Federal do ABC
Santo Andr, SP
24 de maro de 2012
2
Sumrio
1 Sistemas de equaes lineares 9
1.1 O conjunto R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Retas no plano . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Planos no espao . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Equaes algbricas lineares . . . . . . . . . . . . . . . . . . . . 11
1.5 Sistemas de equaes lineares . . . . . . . . . . . . . . . . . . . 14
1.6 Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.7 Sistema escalonado . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.8 Operaes elementares . . . . . . . . . . . . . . . . . . . . . . . 24
1.9 Mtodo de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.10 O mtodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . 30
1.11 Operaes matriciais . . . . . . . . . . . . . . . . . . . . . . . . 33
1.12 Multiplicao de matrizes . . . . . . . . . . . . . . . . . . . . . 34
1.13 Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.14 Matrizes elementares . . . . . . . . . . . . . . . . . . . . . . . . 38
1.15 Um mtodo para inverter matrizes . . . . . . . . . . . . . . . . 40
1.16 Forma matricial de um sistema linear . . . . . . . . . . . . . . . 42
1.17 Potncia de uma matriz . . . . . . . . . . . . . . . . . . . . . . 47
1.18 Matriz transposta . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2 Determinantes 51
2.1 Denio de determinante . . . . . . . . . . . . . . . . . . . . . 53
2.2 Propriedades do determinante . . . . . . . . . . . . . . . . . . . 56
2.3 Determinantes e operaes elementares . . . . . . . . . . . . . . 59
2.4 Determinante do produto de matrizes . . . . . . . . . . . . . . . 60
2.5 Cofatora, adjunta clssica e inversa . . . . . . . . . . . . . . . . 62
2.6 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3 Espao vetorial 67
3.1 O espao vetorial das nuplas ordenadas . . . . . . . . . . . . . 71
3.2 Outros espaos vetoriais relevantes . . . . . . . . . . . . . . . . 72
3
4 SUMRIO
3.3 Subespaos vetoriais . . . . . . . . . . . . . . . . . . . . . . . . 72
3.4 Combinao linear . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.5 Espao gerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.6 Dependncia linear . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.7 Dependncia linear de funes . . . . . . . . . . . . . . . . . . . 81
3.8 Base e dimenso de um espao vetorial . . . . . . . . . . . . . . 85
3.9 Matriz de mudana de base . . . . . . . . . . . . . . . . . . . . 90
3.10 Espao linha e espao coluna . . . . . . . . . . . . . . . . . . . . 93
3.11 Equao matricial linear . . . . . . . . . . . . . . . . . . . . . . 102
3.12 O espao nulo de uma matriz . . . . . . . . . . . . . . . . . . . 103
4 Transformao linear 111
4.1 Transformao linear e bases . . . . . . . . . . . . . . . . . . . . 114
4.2 Transformaes lineares da Geometria . . . . . . . . . . . . . . . 116
4.3 Composio e inversa . . . . . . . . . . . . . . . . . . . . . . . . 118
4.4 Matriz de uma transformao linear . . . . . . . . . . . . . . . . 122
4.5 Matriz da composta e da inversa . . . . . . . . . . . . . . . . . . 124
4.6 Matrizes semelhantes . . . . . . . . . . . . . . . . . . . . . . . . 127
4.7 Ncleo e imagem . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5 Produto interno 133
5.1 Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.2 Norma e distncia . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.3 Desigualdade de Cauchy-Schwarz . . . . . . . . . . . . . . . . . 136
5.4 ngulo entre dois vetores . . . . . . . . . . . . . . . . . . . . . . 138
5.5 Bases ortogonais e ortonormais . . . . . . . . . . . . . . . . . . 139
5.6 Coordenadas numa base ortogonal . . . . . . . . . . . . . . . . . 140
5.7 Obtendo bases ortogonais . . . . . . . . . . . . . . . . . . . . . 141
5.8 Matriz ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.9 Decomposio QR . . . . . . . . . . . . . . . . . . . . . . . . . 147
5.10 Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . 149
5.11 Projeo ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . 150
5.12 Mnimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.13 Solues de mnimos quadrados . . . . . . . . . . . . . . . . . . 153
5.14 Teorema sobre matriz inversvel . . . . . . . . . . . . . . . . . . 158
6 Autovalores e autovetores 161
6.1 Autovalor e autovetor de uma matriz . . . . . . . . . . . . . . . 161
6.2 Autovalor e autovetor de um operador linear . . . . . . . . . . . 164
6.3 Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
6.4 Polinmio matricial . . . . . . . . . . . . . . . . . . . . . . . . . 169
SUMRIO 5
6.5 Diagonalizao ortogonal . . . . . . . . . . . . . . . . . . . . . . 171
6 SUMRIO
Prefcio
Estas notas de aula se basearam, inicialmente, no livro de Anton e Rorres,
lgebra Linear com Aplicaes. Depois elas foram inuenciadas por outros
excelentes livros:
lgebra Linear e Aplicaes do Calioli, Domingues e Costa;
lgebra Linear do Boldrini, Costa, Figueiredo e Wetzler;
lgebra Linear do Nicholson.
Certamente estas notas possuem um toque pessoal.
Antonio Cndido Faleiros
Notas de aula do Professor Faleiros
8 SUMRIO
Notas de aula do Professor Faleiros
Captulo 1
Sistemas de equaes lineares
Neste captulo vamos estudar equaes algbricas lineares do tipo
2r + 3. = 4
e sistemas de equaes algbricas lineares, formados por duas ou mais equaes
lineares, como
r + = 5
2r = 1
As letras r. e . destes exemplos designam as incgnitas das equaes. O
que se pretende determinar a existncia de nmeros reais r. e . que satis-
fazem as equaes e, concluindo pela existncia, descrever tcnicas capazes de
determin-los. A razo deste objetivo reside na ampla gama de aplicaes dos
sistemas lineares na cincia.
1.1 O conjunto R
:
Quando se dene igualdade entre conjuntos, se diz que o conjunto igual
ao conjunto 1 quando est contido em 1 e 1 est contido em . De acordo
com tal denio, o conjunto 1. 2 igual ao conjunto 2. 1. A ordem com
que se escrevem os elementos do conjunto no o modica. Existem ocasies
em que a ordem relevante e gostaramos de introduzir uma notao para
diferenciar conjuntos ordenados daqueles no ordenados.
Quando escrevemos (1. 2) entre parntesis, a ordem em que os nmeros
aparecem relavante de modo que (1. 2) no igual a (2. 1). Sendo c e /
nmeros reais, (c. /) chamado de par ordenado de nmeros reais. Dois
pares ordenados (c
1
. c
2
) e (/
1
. /
2
) so iguais se e somente se c
1
= /
1
e c
2
= /
2
.
O R
2
o conjunto de todos os pares ordenados de nmeros reais.
Notas de aula do Professor Faleiros
10 Sistemas de equaes lineares
Um conjunto ordenado de : nmeros reais chamado de :-upla (leia-se
nupla). Por serem conjuntos ordenados, duas :-uplas (c
1
. . . . . c
n
) e (/
1
. . . . .
/
n
) so iguais se c
1
= /
1
. c
2
= /
2
. . . . . c
n
= /
n
. O R
n
o conjunto de todas
as :-uplas ordenadas. Em particular, quando : = 2 temos pares ordenados,
quando : = 3 temos ternos ordenados ou trincas ordenadas e assim por diante,
quadras, quinas, senas ordenadas, etc.
Como exemplos apresentamos o par (6. 3). a trinca (1. 2. 3). a quadra (2.
0. 1. 6). a quina (4. 6. 5. 2. 8).
1.2 Retas no plano
Quando estudamos Geometria Analtica Plana aprendemos que as coordenadas
cartesianas ortogonais (r. ) de qualquer ponto de uma reta no plano cartesiano
satisfazem a uma equao do tipo
cr + / = c.
onde c. / e c so nmeros reais e, dentre os dois nmeros c e /. pelo menos
um deles no nulo. Esta a denominada equao geral da reta. Quando
dissermos a reta cr + / = c, estaremos nos referindo reta cuja equao
geral cr + / = c. Como exemplos de retas temos (a) 2r + 3 = 6. (b) r
= 0. (c) r = 1. Nesta ltima, o / = 0. Dada a reta cr + / = c o ponto do
plano cujas coordenadas cartesianas ortogonais so (r
1
.
1
) pertence a ela se,
e s se, cr
1
+ /
1
= c. Para simplicar, se fala no ponto (r. ) em lugar de
se falar no ponto de plano cujas coordenadas cartesianas ortogonais so (r.
). O ponto (2. 5) do plano cartesiano pertence reta 3r = 1 pois 3 2
5 = 1.
1.3 Planos no espao
Na Geometria Analtica Espacial as coordenadas cartesianas ortogonais (r. .
.) dos pontos de um plano satisfazem a uma equao da forma
cr + / + c. = d
onde c. /. c. d so nmeros reais e, dos trs nmeros c. / e c. pelo menos um no
nulo. Esta a denominada equao geral do plano. Por simplicidade, s
vezes diremos a reta cr + / + c. = d, em lugar de dizer a reta cuja equao
geral cr + / + c. = d. Como exemplo de planos podemos apresentar (a)
r + + . = 1. (b) 3r 2 = 6 (neste exemplo o c = 0). (c) . = 4 (neste
caso, c e / so iguais a zero). Dado o plano cr + / + c. = d. um ponto de
Notas de aula do Professor Faleiros
1.4 Equaes algbricas lineares 11
coordenadas cartezianas ortogonais (r
1
.
1
. .
1
) pertence a ele se, e s se, cr
1
+ /
1
+ c.
1
= d. No caso espacial tambm comum substituir o texto ponto
com coordenadas cartesianas ortogonais (r. . .) por ponto (r. . .). O
ponto (r
1
. r
2
. r
3
) = (2. 1. 1) do espao cartesiano pertence ao plano cuja
equao geral 4r
1
+ 3r
2
2r
3
= 3.
Poderamos pensar que os exemplos (b) e (c) fornecem retas como na
Geometria Plana, onde estas equaes esto relacionadas a retas. Entretanto,
devemos nos lembrar que estamos trabalhando com Geometria Espacial onde
as equaes da forma cr + / + c. = d so equaes de planos. No espao
cartesiano, r
1
+ r
2
= 5 a equao geral de um plano, e no de uma reta,
como poderamos pensar num primeiro momento. A ausncia do r
3
se deve ao
fato de, nesta equao, ele estar multiplicado por zero.
No espao, as retas so dadas pela interseo de dois planos. Como exem-
plo, podemos considerar a reta formada pelos pontos (r. . .) do espao que
esto, simultanemanente, nos planos r 2 + . = 4 e r = 0. Um outro
modo de designar uma reta no espao se faz mediante o uso de suas equaes
paramtricas. Como exemplo citamos as equaes paramtricas da reta ante-
rior so r = t. = t e . = 4 + t. onde o parmetro t percorre o conjunto dos
nmeros reais. Observe que, se substituirmos estas equaes paramtricas nas
duas equaes de plano r 2 + . = 4 e r = 0. ambas sero satisfeitas.
1.4 Equaes algbricas lineares
Podemos nos esquecer da geometria e nos ater algebra das equaes gerais
de retas e planos. Seja : um nmero inteiro maior do que zero e c
1
. . . . . c
n
e
/ nmeros reais. Uma equao do tipo
c
1
r
1
+ + c
n
r
n
= / (1.1)
denominada equao algbrica linear ou equao linear nas : incg-
nitas r
1
. . . . . r
n
. Os nmeros reais c
1
. c
2
. . . . . c
n
so os coecientes e / o
termo constante da equao. Como exemplo apresentamos
r
1
4r
2
+ 6r
3
= 12.
Um dos seu pontos (12. 0. 0). outro (0. 3. 0) e um terceiro (0. 0. 2).
Todo plano possui uma innidade de pontos. Dados dois nmeros reais r
2
e
r
3
quaisquer, basta tomar r
1
= 12 + 4r
2
6r
3
para obter um ponto (r
1
. r
2
.
r
3
) do plano r
1
4r
2
+ 6r
3
= 12.
Se c
1
. . . . . c
n
forem nmeros reais tais que
c
1
c
1
+ + c
n
c
n
= /.
Notas de aula do Professor Faleiros
12 Sistemas de equaes lineares
diremos que r
1
= c
1
. . . . . r
n
= c
n
soluo da equao linear (1.1). Tambm
se pode escrever a soluo de (1.1) na forma
(r
1
. . . . . r
n
) = (c
1
. . . . . c
n
).
ou ainda dizer que a :upla (leia-se nupla) (c
1
. c
2
. . . . . c
n
) soluo de
(1.1).
A equao
0r
1
+ + 0r
n
= /
onde todos os coecientes so nulos, chamada de degenerada. Quando
/ ,= 0. ela no possui soluo e a nica equao linear sem soluo. Quando
/ = 0. qualquer nupla (c
1
. c
2
. . . . . c
n
) de nmeros reais soluo da equao
degenerada.
Quando c
1
for diferente de zero, um modo sistemtico para obter solues
da equao c
1
r
1
+ + c
n
r
n
= /. consiste em explicitar r
1
r
1
=
1
c
1
(/ c
2
r
2
c
n
r
n
)
e, atribuindo valores a r
2
. . . . . r
n
. podemos calcular r
1
usando a expresso
anterior e obter uma soluo (r
1
. . . . . r
n
) desta equao.
Na equao anterior r
1
recebe o nome de varivel dependente e as de-
mais recebem o nome de variveis independentes ou livres. As incgnitas
recebem tambm o nome de varivel pois r
2
. . . . . r
n
podem variar livremente
enquanto r
1
varia de acordo com a dependncia estabelecida. Sendo c
j
,= 0
pode-se explicitar a varivel r
j
. que passa a ser a varivel dependente, sendo
as incgnitas restantes as variveis independentes.
Exemplo 1.1 Para obter uma soluo de 3r
1
5r
2
= 1. podemos explicitar
r
2
para obter r
2
= 1,5(3r
1
1). Escolhendo r
1
= 12 obtemos r
2
= 7. Assim,
(r
1
. r
2
) = (12. 7) soluo da equao. Esta equao linear possui innitas
solues. Basta escolher o valor de r
1
e calcular r
2
usando a expresso 1,5(3r
1
1). Nesta equao tambm possvel explicitar r
1
. quando obtemos r
1
= (1+
5r
2
),3. Atribuindo um valor r
2
calculamos r
1
. Fazendo r
2
= 1. obtemos r
1
=
2. Logo, (r
1
. r
2
) = (2. 1) soluo da equao 3r
1
5r
2
= 1.
As equaes lineares degeneradas com termo constante diferente de zero no
possuem soluo. As demais, com uma varivel, possui uma nica soluo e,
aquelas com duas ou mais variveis, possuem innitas solues. O conjunto de
todas elas denominado de conjunto soluo ou soluo geral da equao.
Para obter o conjunto soluo da equao linear c
1
r
1
+ + c
n
r
n
= / no
degenerada, basta explicitar uma incgnita em funo das demais. Se c
1
,= 0.
Notas de aula do Professor Faleiros
1.4 Equaes algbricas lineares 13
o conjunto soluo ser
(r
1
. . . . . r
n
) : r
1
=
1
c
1
(/ c
2
r
2
c
n
r
n
) com r
2
. . . . . r
n
R
Para obter solues particulares, basta escolher os valores de r
2
. . . . . r
n
e
calcular r
1
usando a expresso (/ c
2
r
2
c
n
r
n
),c
1
.
Exemplo 1.2 Explicitando o r
2
na equao linear 5r
1
r
2
= 1 obtm-se r
2
=
5r
1
1 e a soluo geral da equao linear original
(r
1
. r
2
) : r
2
= 5r
1
1 com r
1
R .
Aproveitando o exemplo anterior, vamos observar que a soluo geral do
sistema pode ser apresentada de modo que as incgnitas r
1
e r
2
sejam tratadas
em p de igualdade usando uma terceira varivel. Se introduzirmos uma nova
varivel t denida por t = r
1
. ento r
2
= 5t 1 e o conjunto soluo passa a
ter o formato
( t. 5t 1 ) : t R.
A varivel t denominada de parmetro da soluo geral. Emlugar de expres-
sar a soluo geral na forma de um conjunto pode-se simplesmente escrev-la
na forma r
1
= t e r
2
= 5t 1. destacando que t um parmetro que percorre o
conjunto de nmeros reais. Aqui se subentende que o conjunto formado pelos
pares (r
1
. r
2
) onde r
1
= t e r
2
= 5t 1. com t R. o conjunto soluo da
equao. As equaes r
1
= t e r
2
= 5t 1. com t percorrendo os reais, so
denominadas de equaes paramtricas da soluo geral.
Exemplo 1.3 Explicite r na equao r4 +7. = 5. para obter r = 5+ 4
7.. Decorre da que a soluo geral de r 4 + 7. = 5
(r. . .) : r = 5 + 4 7.. com e . percorrendo os reais
Denindo os parmetros : e : por : = e : = .. obtemos a soluo geral na
forma paramtrica
r = 5 4: + 7:
= :
. = :
onde os parmetros : e : podem assumir qualquer valor real. A cada valor
atribudo a : e a : obtemos uma soluo (r. . .) da equao.
Notas de aula do Professor Faleiros
14 Sistemas de equaes lineares
1.5 Sistemas de equaes lineares
Na Geometria Analtica Plana, duas retas cujas equaes gerais so
c
1
r + /
1
= c
1
c
2
r + /
2
= c
2
podemser (a) coincidentes, (b) paralelas e distintas ou (c) concorrentes. Quando
forem coincidentes, existe uma innidade de pontos do plano cujas coordenadas
(r. ) satisfazem s duas equaes. Quando forem paralelas e distintas, as re-
tas no possuem pontos em comum, de modo que nenhum par ordenado (r. )
de nmeros reais satisfaz s duas equaes simultaneamente. Quando forem
concorrentes, a interseo das duas possui um nico ponto e um nico par (r.
) de nmeros reais satisfaz s duas equaes.
Ainda na Geometria Analtica Plana, ao estudar a posio relativa de trs
ou mais retas, elas podem ser (a) paralelas e pelo menos uma distinta das
demais, (b) todas as retas podem ser coincidentes, (c) elas so distintas mas
passam por um ponto comum e (d) so distintas e a interseo das retas vazia.
No caso (a) no h par (r. ) de nmeros reais que solucione as equaes de
todas as retas ao mesmo tempo; no caso (b) h uma innidade de pares (r.
) de nmeros reais que solucionam as equaes de todas as retas ao mesmo
tempo; no caso (c) h um nico par (r. ) de nmeros reais que satisfaz s
equaes de todos os planos ao mesmo tempo; no caso (d) nenhum par (r. )
de nmeros reais soluo simultnea das equaes de todas as retas.
Na Geometria Analtica Espacial, dois planos cujas equaes gerais so
c
1
r + /
1
+ c
1
. = /
1
c
2
r + /
2
+ c
2
. = /
2
podem ser (a) coincidentes, (b) paralelos e distintos, ou (c) a interseo deles
uma reta. Se os planos forem coincidentes ou se a interseo for uma reta,
haver uma innidade de trincas ordenadas (r. . .) de nmeros reais solucio-
nando as duas equaes. Se os planos forem paralelos e distintos, no haver
trinca ordenada (r. . .) de nmeros reais satisfazendo s duas equaes.
Trs planos no espao podero (a) ser coincidentes, (b) possuir uma reta
comum aos trs, (c) possuir um nico ponto comum ou (d) possuir interseo
vazia,. Se suas equaes gerais forem
c
1
r + /
1
+ c
1
. = d
1
c
2
r + /
2
+ c
2
. = d
2
c
3
r + /
3
+ c
3
. = d
3
Notas de aula do Professor Faleiros
1.5 Sistemas de equaes lineares 15
Nos casos (a) e (b) existem innitas trincas ordenadas (r. . .) que so solues
das trs equaes das retas; no caso (c) as trs equaes das retas possuiro
uma nica soluo comum; no caso (d) no existe trinca ordenada que resolva
s trs equaes simultaneamente.
Estes exemplos nos mostram a importncia de estudar solues comuns a
duas ou mais equaes como as que surgem no estudo de retas e planos. To
importante quanto o fato de que o estudo de solues simultneas de duas
ou mais equaes dessa natureza surgem no contexto do Clculo Numrico e
so de extrema importncia para as aplicaes da Matemtica na Engenharia,
na Fsica, na Qumica, na Biologia, na Economia. H problemas que con-
duzem a centenas ou milhares de equaes lineares com centenas ou milhares
de variveis.
As equaes gerais de retas e planos so equaes lineares. Quando nos
deparamos com mais de uma equao linear, dizemos estar diante de um sis-
tema de equaes lineares. Passemos a estudar tais sistemas em sua forma
geral.
Sejam : e : nmeros inteiros positivos. Sejam c
ij
e /
i
nmeros reais, onde
os ndices i e , so nmeros inteiros, com i percorrendo o intervalo de 1 a : e
, percorrendo o intervalo que vai de 1 a :. O conjunto de : equaes lineares
c
11
r
1
+ c
12
r
2
+ + c
1n
r
n
= /
1
c
21
r
1
+ c
22
r
2
+ + c
2n
r
n
= /
2
(1.2)

c
m1
r
1
+ c
m2
r
2
+ + c
mn
r
x
= /
m
nas incgnitas r
1
. . . . . r
n
. chamado de sistema de equaes algbricas
lineares (ou apenas sistema linear para simplicar) com : equaes e :
incgnitas.
Uma nupla (c
1
. . . . . c
n
) soluo do sistema (1.2) se for soluo de
todas as equaes. Tambm escreveremos a soluo sob a forma r
1
= c
1
. r
2
=
c
2
. . . . . r
n
= c
n
ou
(r
1
. . . . . r
n
) = (c
1
. . . . . c
n
).
Exemplo 1.4 A quadra ordenada (1. 2. 1. 1) uma soluo do sistema
2r
1
r
2
+ 3r
3
r
4
= 4
r
1
+ 3r
2
+ 5r
3
+ 2r
4
= 4
r
1
+ 2r
2
+ r
3
+ 3r
4
= 7
Tambm pode-se dizer que r
1
= 1. r
2
= 2. r
3
= 1 e r
4
= 1 uma soluo do
sistema ou que (r
1
. r
2
. r
3
. r
4
) = (1. 2. 1. 1) soluo dos sistema. Todas
estas formas de indicar a soluo so permitidas.
Notas de aula do Professor Faleiros
16 Sistemas de equaes lineares
Um sistema de equaes lineares pode ter soluo ou no. Quando uma
equao do sistema for degenerada,
0r
1
+ + 0r
n
= /.
onde todos os coecientes so nulos e / diferente de zero, j podemos armar
que o sistema no possui soluo pois esta equao degenerada no possui
soluo.
Exemplo 1.5 O sistema
r
1
+ r
2
= 1
0r
1
+ 0r
2
= 2
no tem soluo pois a segunda equao degenerada e seu termo constante
diferente de zero. O sistema
r
1
+ r
2
= 1
r
1
+ r
2
= 2
no possui soluo pois a soma r
1
+r
2
no pode ser igual a 1 e a 2 ao mesmo
tempo. J o sistema
r
1
+ r
2
= 2
0r
1
+ 0r
2
= 0
possui innitas solues pois a segunda equao satisfeita por qualquer par
(r
1
. r
2
) de nmeros reais. A primeira satisfeita sempre que r
1
= 2 r
2
. O
sistema
r
1
r
2
= 2
r
1
+ r
2
= 4
tem uma nica soluo (r
1
. r
2
) = (3. 1) que pode ser obtida observando que,
ao adicionar as duas equaes obtemos 2r
1
= 6 e, ao subtrair a primeira da
segunda, obtemos 2r
2
= 2.
Um sistema de equaes lineares consistente ou compatvel quando
possuir ao menos uma soluo e inconsistente ou incompatvel quando no
possuir soluo. O conjunto de todas as solues chamado de conjunto
soluo ou soluo geral do sistema.
Notas de aula do Professor Faleiros
1.6 Matriz 17
Exemplo 1.6 Para obter todas as solues do sistema
r
1
3r
2
+ r
3
= 0
r
2
r
3
= 1
explicitamos r
1
e r
2
nas duas equaes
r
1
= 3r
2
r
3
r
2
= 1 + r
3
e usamos a segunda equao para eliminar r
2
da primeira, obtendo
r
1
= 3 + 2r
3
r
2
= 1 + r
3
Podemos obter as solues do sistema atribuindo qualquer valor a r
3
e usar as
equaes acima para obter os valores correspondentes a r
1
e r
2
. O conjunto
soluo
(r
1
. r
2
. r
3
) : r
1
= 3 + 2r
3
. r
2
= 1 + r
3
com r
3
R .
O r
3
pode variar livremente em R e, por este motivo, recebe o nome de varivel
independente. Os valores de r
1
e r
2
dependem de r
3
e, por este motivo, se diz
que r
1
e r
2
so variveis dependentes.
1.6 Matriz
Para determinar a soluo de um sistema precisamos apenas dos seus coe-
cientes e de suas constantes. Estes coecientes e constantes podem ser dispos-
tos em uma matriz que uma coleo de nmeros colocados em uma tabela
retangular delimitada por colchetes, tal como em
_

_
c
11
c
12
c
1n
c
21
c
22
c
2n
.
.
.
.
.
.
.
.
.
.
.
.
c
m1
c
m2
c
mn
_

_
onde c
ij
o nmero inserido na linha i coluna , da tabela e so denominados
entradas ou elementos da matriz. As linhas e as colunas da tabela sero
as linhas e as colunas da matriz. Fila o termo usado para designar uma
linha ou coluna da matriz. Uma matriz de tamanho :: aquela que possui
: linhas e : colunas. A matriz pode ser representada de forma abreviada por
Notas de aula do Professor Faleiros
18 Sistemas de equaes lineares
[c
ij
] ou por [c
ij
]
mn
quando for desejvel indicar explicitamente o seu tamanho.
Usaremos letras minsculas com subndices para designar suas entradas. Em
geral usaremos uma letra maiscula para designar a matriz, como em = [c
ij
]
e comum designar a entrada c
ij
por ()
ij
.
Os elementos c
11
. c
22
. c
33
. . . . para os quais o nmero da linha igual
ao nmero da coluna, pertencem diagonal principal da matriz tambm
denominada de diagonal da matriz. Os elementos c
1n
. c
2;n1
. c
3;n2
. . . . para
os quais a soma do nmero da linha com o nmero da coluna igual a : + 1.
so elementos da diagonal secundria da matriz. Uma matriz onde apenas
os elementos da diagonal principal so diferentes de zero chamada de matriz
diagonal.
Quando o nmero de linhas for igual ao nmero de colunas se diz que
a matriz quadrada. Uma matriz quadrada : : chamada matriz de
ordem :. Matrizes com um nica coluna so denominadas matrizes coluna
ou vetores coluna. Matrizes com uma nica linha so denominadas matrizes
linha ou vetores linha.
Uma matriz quadrada na qual todas as entradas acima da diagonal princi-
pal so zeros, chamada triangular inferior e uma matriz quadrada na qual
todas as entradas abaixo da diagonal principal so zeros, chamada triangu-
lar superior. Podemos dizer que uma matriz triangular se for triangular
inferior ou triangular superior.
Duas matrizes = [c
ij
] e 1 = [/
ij
] so iguais quando possuem o mesmo
tamanho e suas entradas correspondentes so iguais, isto , c
ij
= /
ij
. para i
e , percorrendo todas as linhas e todas as colunas de e 1. Quando duas
matrizes e 1 forem iguais, escreveremos = 1.
Como enfatizamos no incio desta seo, as matrizes mostraram-se muito
teis na representao de sistemas lineares. Dado o sistema linear
c
11
r
1
+ c
12
r
2
+ + c
1n
r
n
= /
1
c
21
r
1
+ c
22
r
2
+ + c
2n
r
n
= /
2

c
m1
r
1
+ c
m2
r
2
+ + c
mn
r
x
= /
m
com : equaes e : incgnitas, a tabela retangular de nmeros
=
_

_
c
11
c
12
c
1n
c
21
c
22
c
2n
.
.
.
.
.
.
.
.
.
.
.
.
c
m1
c
m2
c
mn
_

_
Notas de aula do Professor Faleiros
1.7 Sistema escalonado 19
chamada de matriz dos coecientes do sistema e
1 =
_

_
/
1
.
.
.
/
m
_

_
a matriz das constantes do sistema. Ao acrescentar a coluna 1 direita
de . obtemos a matriz aumentada ou matriz completa do sistema
_

_
c
11
c
12
c
1n
/
1
c
21
c
22
c
2n
/
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
c
m1
c
m2
c
mn
/
m
_

_
que ser denotada por [ [ 1].
Exemplo 1.7 A matriz completa do sistema
r + + 2. = 9
2r + 4 3. = 1
3r + 6 5. = 0

_
_
1 1 2 9
2 4 3 1
3 6 5 0
_
_
.
As matrizes simplicama notao e proporcionamuma ferramenta matemtica
eciente no estudo terico e numrico dos sistemas, mormente no estudo dos
sistemas de grande porte, que so aqueles com muitas equaes e muitas in-
cgnitas.
1.7 Sistema escalonado
muito simples obter a soluo geral de alguns sistemas especiais e, dentre
eles, se destacam os sistemas escalonados. Uma matriz escalonada aquela
em que
1. se existirem linhas nulas (linhas cujas entradas so todas iguais a zero),
elas cam agrupadas na parte inferior da matriz;
2. nas linhas no nulas, o primeiro elemento no nulo da esquerda para a
direita o nmero 1. Este nmero o lder ou piv da linha;
Notas de aula do Professor Faleiros
20 Sistemas de equaes lineares
3. a partir da segunda linha, o elemento lder ca direita do lder da linha
acima.
Uma matriz escalonada reduzida se
1. for escalonada e
2. o lder o nico elemento no nulo de sua coluna.
Exemplo 1.8 As matrizes
_
_
0 1 2 3 4
0 0 0 1 2
0 0 0 0 0
_
_
e
_
_
1 2 3 4 5
0 0 1 2 3
0 0 0 1 2
_
_
so escalonadas e
_

_
1 2 0 4 0 6
0 0 1 2 0 4
0 0 0 0 1 2
0 0 0 0 0 0
_

_
escalonada reduzida.
Um sistema linear escalonado quando sua matriz completa for escalon-
ada e escalonado reduzido quando sua matriz completa for escalonada re-
duzida.
Exemplo 1.9 O sistema
r
1
+ 2r
2
+ 3r
3
+ 4r
4
= 5
r
2
+ 2r
3
+ 3r
4
= 4
r
4
= 2
escalonado e
r
1
r
3
= 5
r
2
+ 2r
3
= 6
r
4
= 7
escalonado reduzido.
Um sistema escalonado no possui soluo quando uma de suas equaes
for degenerada,
0r
1
+ 0r
2
+ + 0r
n
= /
com / diferente de zero. Nos demais casos, o sistema escalonado ser consis-
tente e podemos obter sua soluo geral com o procedimento descrito abaixo.
Notas de aula do Professor Faleiros
1.7 Sistema escalonado 21
Inicialmente explicita-se em cada equao a incgnita que est multipli-
cada pelo piv que chamamos de incgnitas lderes do sistema. Em seguida,
segue-se um procedimento conhecido por substituio reversa. A expresso
que est do lado direito da ltima equao usada para eliminar a ltima incg-
nita lider das equaes acima. A expresso que est do lado direito da penl-
tima equao usada para eliminar a penltima incgnita lder das equaes
acima. Este procedimento continuado at eliminar todas as incgnitas lderes
do lado direito das equaes que formam o sistema.
Num sistema escalonado consistente, as incgnitas que restarem do lado
direito depois da substituio reversa, so denominadas de variveis inde-
pendentes ou variveis livres. O termo varivel tem sua origem no fato
de podermos atribuir a elas qualquer valor real para obter uma soluo do
sistema. As incgnitas lderes que permaneceram do lado esquerdo passam a
depender das variveis livres e recebem o nome de variveis dependentes
ou variveis lderes.
Encerrada a substituio reversa, havendo equao degenerada com termo
constante no nulo, o sistema no tem soluo. Nos demais casos o sistema
tem soluo. Existindo variveis livres, pode-se atribuir a elas qualquer valor
para obter uma soluo e o sistema possui innitas solues. Se no houver
varivel livre, o sistema ter uma nica soluo.
Para sistemas escalonados reduzidos, a etapa de substituio reversa
desnecessria pois, ao explicitar as variveis lderes, restaro apenas as var-
iveis independentes no lado direito das equaes.
Exemplo 1.10 Para resolver o sistema escalonado
r
1
r
2
+ 2r
3
= 3
r
2
r
3
= 1
r
3
= 2
Explicitamos as variveis dependentes r
1
. r
2
e r
3
. que so as variveis dos
pivs da matriz completa do sistema
r
1
= r
2
2r
3
+ 3
r
2
= r
3
1
r
3
= 2
Podemos eliminar as as variveis dependentes do lado direito das equaes,
usando substituio reversa. A ltima equao usada para eliminar r
3
do
lado direito das equaes acima. Depois, a penltima equao usada para
eliminar r
2
do lado direito da equao acima. Usando este procedimento,
Notas de aula do Professor Faleiros
22 Sistemas de equaes lineares
chegamos a
r
3
= 2
r
2
= r
3
1 = 2 1 = 1
r
1
= r
2
2r
3
+ 3 = 1 4 + 3 = 0
e conclumos que a nica soluo deste sistema (r
1
. r
2
. r
3
) = (0. 1. 2).
Exemplo 1.11 Para resolver o sistema escalonado
r
1
+ 2r
2
r
3
= 1
r
2
+ r
3
= 2
explicitamos as variveis dependentes r
1
e r
2
.
r
1
= 2r
2
+ r
3
+ 1
r
2
= 2 r
3
e usamos a segunda equao para eliminar o r
2
da primeira equao. Simpli-
cando obtemos
r
1
= 3r
3
3
r
2
= 2 r
3
Este sistema possui innitas solues pois r
3
uma varivel livre. Sua soluo
geral formada pelas trincas ordenadas (r
1
. r
2
. r
3
) onde r
3
pode assumir
qualquer valor real. Fixado o valor de r
3
as outras variveis assumem os
valores dados por r
1
= 3r
3
3 e r
2
= 2 r
3
. Se desejarmos tratar r
1
. r
2
e r
3
em p de igualdade, basta introduzir uma nova varivel t. denindo-a por t =
r
3
. Da se escreve a soluo geral na forma paramtrica
r
1
= 3t 3. r
2
= 2 t. r
3
= t.
com t percorrendo o conjunto dos nmeros reais. A nova varivel t recebe o
nome de parmetro.
Exemplo 1.12 Para resolver o sistema escalonado reduzido
r
1
2r
2
+ 3r
3
+ r
4
= 1
r
3
3r
4
= 2
explicitamos as variveis dependentes r
1
e r
3
r
1
= 1 + 2r
2
3r
3
r
4
r
3
= 2 + 3r
4
Notas de aula do Professor Faleiros
1.7 Sistema escalonado 23
Usamos a segunda equao para eliminar a varivel dependente r
3
do lado
direito da primeira equao e obter
r
1
= 2r
2
10r
4
5
r
3
= 2 + 3r
4
As variveis r
2
e r
4
so livres, sendo r
1
e r
2
dependentes delas atravs das
equaes acima.
A soluo geral do sistema formado por todas as quadras ordenadas (r
1
.
r
2
. r
3
. r
4
) de nmeros reais para as quais r
1
= 2r
2
10r
4
5 e r
3
= 2 +
3r
4
podendo r
2
e r
4
variar livremente nos reais.
Querendo tratar as quatro variveis em p de igualdade na soluo geral,
pode-se introduzir duas novas variveis : e :. denindo-as por : = r
2
e : =
r
4
. Agora a soluo geral poder ser escrita na forma paramtrica
r
1
= 2: 10c 5
r
2
= :
r
3
= 2 + 3:
r
4
= :
onde os parmetros : e : podem assumir qualquer valor real.
Exemplo 1.13 Para resolver o sistema escalonado
r
1
+ 2r
2
r
3
+ r
4
= 1
r
2
+ 2r
3
r
4
= 2
r
3
+ r
4
= 1
explicitamos as variveis lderes
r
1
= 1 2r
2
+ r
3
r
4
r
2
= 2 2r
3
+ r
4
r
3
= 1 r
4
e usamos substituio reversa para eliminar as variveis lderes do lado direito
das equaes, indo da ltima equao para a primeira
r
1
= 1 2(3r
4
) + (1 r
4
) r
4
= 2 8r
4
r
2
= 2 2(1 r
4
) + r
4
= 3r
4
r
3
= 1 r
4
Notas de aula do Professor Faleiros
24 Sistemas de equaes lineares
A soluo geral
r
1
= 2 8r
4
r
2
= 3r
4
r
3
= 1 r
4
onde r
4
varivel independente.
Quando houver uma varivel independente a soluo geral uniparamtrica,
com duas variveis independentes a soluo biparamtrica, existindo trs
variveis independentes, triparamtrica. Quando a soluo geral possuir
mais do que trs variveis livres, podemos usar os prexos tetra, penta, hexa
ou cham-la de poliparamtrica.
1.8 Operaes elementares
Nos resta agora discutir a soluo de sistemas genricos. Veremos como aplicar
transformaes ao sistema original at chegar a um sistema escalonado que
possui a mesma soluo geral que o sistema inicial. Quando dois sistemas de
equaes lineares possurem a mesma soluo geral, diremos que so equiva-
lentes.
A transformao de um sistema em outro equivalente realizada por meio
de operaes elementares sobre as equaes do sistema que so de trs tipos:
1. Trocar de posio duas equaes, levando cada uma para a posio da
outra.
2. Multiplicar uma equao por uma constante no nula.
3. Adicionar a uma equao um mltiplo de outra.
Quando se multiplica uma equao por um nmero real, a equao obtida
denominada de mltiplo da equao original. As operaes elementares
podem ser executadas diretamente sobre a matriz completa do sistema. Nesta
matriz, as operaes elementares equivalentes quelas aplicadas ao sistema
so:
1. Trocar de posio duas linhas, levando cada uma para a posio da outra.
2. Multiplicar uma linha por uma constante no nula.
3. Adicionar a uma linha um mltiplo de outra linha.
Notas de aula do Professor Faleiros
1.8 Operaes elementares 25
Essas operaes so reversveis. Isto signica que, se a matriz 1 foi obtida
ao aplicar uma operao elementar sobre a matriz . possvel recuper-la
aplicando outra operao elementar sobre a matriz 1. Se 1 for obtida de
permutando suas linhas : e :. podemos recuperar permutando as linhas :
e : de 1. Se 1 for obtida multiplicando a linha i de por um nmero real
` diferente de zero, multiplicando a linha i de 1 por `
1
recuperamos . Se
1 for obtida adicionando linha : de a sua linha : multiplicada por `.
adicionando linha : de 1 sua linha : multiplicada por `. recuperamos .
Exemplo 1.14 Partindo da matriz
=
_
_
1 1 1
2 2 2
3 3 3
_
_
.
levando sua primeira linha para a posio da terceira e trazendo a terceira
linha para a posio da primeira, obtemos
1 =
_
_
3 3 3
2 2 2
1 1 1
_
_
.
Se levarmos a primeira linha de 1 para a posio da terceira e trouxermos a
terceira linha para a posio da primeira, recuperamos .
Multiplicando a primeira linha da matriz
=
_
_
1 1 1
2 2 2
3 3 3
_
_
por 3 obtemos a matriz
1 =
_
_
3 3 3
2 2 2
3 3 3
_
_
Multiplicando a primeira linha de 1 por 1,3 recuperamos .
Adicionando segunda linha de
=
_
_
1 1 1
2 2 2
3 3 3
_
_
a sua primeira linha multiplicada por 4. obtemos
1 =
_
_
1 1 1
6 6 6
3 3 3
_
_
Notas de aula do Professor Faleiros
26 Sistemas de equaes lineares
Podemos recuperar se adicionarmos segunda linha 1 sua primeira linha
multiplicada por 4.
1.9 Mtodo de Gauss
Vamos descrever nesta seo uma tcnica atribuda a Gauss para resolver sis-
temas de equaes lineares, levando-o forma escalonada aplicando-lhe uma
sequncia de operaes elementares. Quando se modica o sistema usando
uma operao elementar, a soluo geral permanece inalterada e o sistema
modicado equivalente ao original. Chegando ao sistema escalonado, pode-
se resolv-lo usando substituio reversa.
Ao descrever o mtodo, iremos trabalhar com a matriz completa do sistema
que designaremos por C. Iremos aplicar a ela uma sucesso de operaes ele-
mentares at chegar a uma matriz escalonada 1 que ser chamada de forma
escalonada da matriz C. Se 1 for escalonada reduzida, diremos que 1 a
forma escalonada reduzida da matriz C. A forma escalonada de uma ma-
triz no nica. Todavia, a forma escalonada reduzida nica e no depende
da sequncia de operaes elementares realizadas para obt-la.
Para chegar matriz escalonada, o mtodo de Gauss percorre as linhas
de cima para baixo e as colunas da esquerda para a direita. A cada passo
o algoritmo se xa numa linha, que chamaremos linha de referncia. Se o
primeiro elemento no nulo da linha de referncia car direita do primeiro
elemento no nulo de uma linha debaixo, haver a troca das linhas, levando
uma para a posio da outra. Divide-se a linha de referncia por sua primeira
entrada no nula e com isto obter o piv igual a 1. Em seguida, mediante
operaes elementares, zeram-se as entradas que cam na mesma coluna e
nas linhas abaixo deste piv. Para zerar as entradas abaixo do piv, basta
multiplicar a linha do piv pela entrada que se pretende zerar e subtrair o
resultado da linha cuja entrada se pretende zerar.
Antes de prosseguir, faamos duas observaes.
1. Uma linha nula na matriz completa corresponde a uma equao degen-
erada do tipo
0r
1
+ + 0r
n
= 0
que satisfeita por toda :upla de nmeros reais. Logo, qualquer
soluo das outras equaes do sistema ser soluo desta degenerada
e podemos desconsider-la no processo de busca das solues.
2. Se no processo de escalonamento todas entradas de uma linha, com ex-
ceo da ltima entrada, forem iguais a zero, esta linha corresponder a
Notas de aula do Professor Faleiros
1.9 Mtodo de Gauss 27
uma equao degenerado do tipo
0r
1
+ + 0r
n
= /
onde / ,= 0. que no possui soluo. Chegando a uma equao deste tipo
pode-se armar que o sistema no possui soluo.
Voltemo-nos para a descrio detalhada do algoritmo de Gauss. Seja C a
matriz completa de um sistema de equaes algbricas lineares com: equaes
e : incgnitas, de modo que C possui : linhas e :+1 colunas. O algoritmo a
ser seguido ir realizar operaes elementares sobre esta matriz, com o intuito
de torn-la escalonada, sem modicar a soluo geral do sistema que ela rep-
resenta. Iremos denotar por c
ij
a entrada atual da linha i coluna , da matriz
que est sendo modicada pelo algoritmo.
1. Faa i = 1 e , = 1. Isto signica que se deve comear na primeira linha
e primeira coluna da matriz.
2. Repita o procedimento abaixo at o item que antecede o ponto 3 do
algoritmo, enquanto i < : e , _ : + 1 :
(a) Se c
ij
= 0 e c
rj
= 0 para todo : i. v para a prxima coluna
fazendo , igual a , + 1 e retorne ao ponto 2 do algoritmo. Em
outras palavras, se forem nulas todas as entradas da coluna , desde
a linha i at a linha :. passe para a prxima coluna, fazendo , igual
a , + 1 e retorne ao ponto 2 do algoritmo.
(b) Se c
ij
= 0 mas c
rj
,= 0 para algum : i. troque as linhas i e
: de posio, levando uma para a posio da outra. Em outras
palavras, se a entrada da linha i coluna , for igual a zero e houver
uma entrada no nula nesta mesma coluna e numa linha : abaixo
da linha i. troque as posies das linhas i e : para trazer o piv
para cima, na linha i. Neste ponto, a entrada da linha i coluna , da
matriz resultante diferente de zero, ou seja, c
ij
,= 0.
(c) Divida a linha i da matriz por c
ij
. Esta etapa nos fornece o piv
unitrio da linha i.
(d) Para : = i + 1. . . . . :. multiplique a linha i por c
rj
e adicione
o resultado linha :. Este procedimento zera todas as entradas da
coluna , que cam abaixo da linha i.
(e) Faa i igual a i + 1. O que signica: Passe para a prxima linha.
3. Se a ltima linha possuir entrada diferente de zero, divida-a por sua
primeira entrada no nula da esquerda para a direita.
Notas de aula do Professor Faleiros
28 Sistemas de equaes lineares
Ao nal deste processo chega-se matriz completa de um sistema escalon-
ado equivalente ao original. Se uma equao deste sistema for degenerada e
inconsistente, ele no ter soluo. Se todas as equaes do sistema escalon-
ado forem consistentes e no houver varivel livre, o sistema ter uma nica
soluo. Caso contrrio, havendo varivel livre, o sistema ter innitas solues.
Exemplo 1.15 Vamos usar o mtodo de Gauss para resolver o sistema nas
variveis r
1
. r
2
. r
3
. r
4
. r
5
cuja matriz completa
C =
_
_
0 0 2 0 7 12
2 4 10 6 12 28
2 4 5 6 5 1
_
_
.
Como o elemento c
11
= 0 devemos trocar de posio as duas primeiras colunas
obtendo
C
1
=
_
_
2 4 10 6 12 28
0 0 2 0 7 12
2 4 5 6 5 1
_
_
e dividimos a primeira linha por 2 para obter o piv da primeira linha
C
2
=
_
_
1 2 5 3 6 14
0 0 2 0 7 12
2 4 5 6 5 1
_
_
.
multiplicamos a primeira coluna por 2 e a adicionamos terceira linha
C
2
=
_
_
1 2 5 3 6 14
0 0 2 0 7 12
0 0 5 0 17 29
_
_
.
dividimos a segunda linha por 2
C
3
=
_
_
1 2 5 3 6 14
0 0 1 0 7,2 6
0 0 5 0 17 29
_
_
.
multiplicamos a segunda linha por 5 e a adicionamos terceira,
C
4
=
_
_
1 2 5 3 6 14
0 0 1 0 7,2 6
0 0 0 0 1,2 1
_
_
e, multiplicando a terceira linha por 2. chegamos matriz escalonada
C
5
=
_
_
1 2 5 3 6 14
0 0 1 0 7,2 6
0 0 0 0 1 2
_
_
.
Notas de aula do Professor Faleiros
1.9 Mtodo de Gauss 29
As variveis r
1
. r
3
. r
5
so dependentes e r
2
. r
4
so livres, indicando que o
sistema possui innitas solues. Explicitando as variveis dependentes r
1
. r
3
e r
5
em funo das variveis livres r
2
e r
4
segue
r
1
= 14 2r
2
+ 5r
3
3r
4
6r
5
r
3
= 6 + 7r
5
,2
r
5
= 2
Usando substituio reversa, obtemos a soluo geral
r
5
= 2
r
3
= 1
r
1
= 7 2r
2
3r
4
onde r
2
e r
4
so variveis livres e podem assumir qualquer valor real.
Exemplo 1.16 Usando o mtodo de Gauss para resolver o sistema nas var-
iveis r
1
. r
2
. r
3
. r
4
cuja matriz completa
_
_
1 2 2 1 9
1 2 1 0 4
1 2 2 1 7
_
_
chegamos matriz escalonada
_
_
1 2 2 1 9
0 0 1 1 5
0 0 0 0 2
_
_
Como a ltima linha corresponde equao degenerada inconsistente
0r
1
+ 0r
2
+ 0r
3
+ 0r
4
= 2.
o sistema no possui soluo.
Exemplo 1.17 Para determinar a consistncia do sistema linear
r
1
+r
2
+2r
3
= /
1
r
1
+r
3
= /
2
2r
1
+r
2
+3r
3
= /
3
basta realizar operaes elementares na matriz completa do sistema para obter
_
_
1 1 2 /
1
0 1 1 /
1
/
2
0 0 0 /
3
/
2
/
1
_
_
Notas de aula do Professor Faleiros
30 Sistemas de equaes lineares
O sistema ser consistente se e s se /
3
/
2
/
1
= 0 ou /
3
= /
2
+ /
1
. ou seja,
quando 1 for igual a
1 =
_
_
/
1
/
2
/
1
+ /
2
_
_
= /
1
_
_
1
0
1
_
_
+ /
2
_
_
0
1
1
_
_
= /
1
1
1
+ /
2
1
2
.
Tomando 1 = 1
1
+ 1
2
. obtido fazendo /
1
= /
2
= 1. o sistema tem soluo e
sua soluo geral pode ser obtida pelo mtodos de Gauss
r
1
= 1 e r
2
= r
3
com r
3
percorrendo o conjunto dos nmeros reais. Quando
1 =
_
_
1
0
3
_
_
o sistema no possui soluo pois este 1 no da forma /
1
1
1
+ /
2
1
2
.
Exemplo 1.18 Escalonando a matriz completa do sistema
r
1
+2r
2
+3r
3
= /
1
2r
1
+5r
2
+3r
3
= /
2
r
1
+8r
3
= /
3
chega-se a
_
_
1 2 3 /
1
0 1 3 /
2
2/
1
0 0 1 /
3
+ 3/
1
2/
2
_
_
quando ento se percebe que o sistema sempre consistente, no havendo re-
stries sobre /
1
. /
2
e /
3
.
1.10 O mtodo de Gauss-Jordan
A eliminao de Gauss-Jordan consiste na utilizao de operaes elementares
sobre a matriz completa at transform-la numa matriz escalonada reduzida.
Escalonando a matriz completa do sistema linear usando o mtodo de
Gauss, pode-se continuar o processo de aplicao de operaes elementares
sobre esta matriz transformando-a numa matriz escalonada reduzida. Para
tanto, basta zerar os coecientes acima dos pivs, comeando com os pivs das
linhas de baixo e subindo at a primeira linha.
Notas de aula do Professor Faleiros
1.10 O mtodo de Gauss-Jordan 31
Lembre-se que a forma escalonada reduzida de uma matriz nica, seja
qual for o caminho percorrido.
Quando se chega matriz escalonada reduzida, para obter a soluo geral
do sistema, basta explicitar as variveis dependentes, que so aquelas corre-
spondentes aos pivs de cada linha.
O mtodo de Gauss com substituio reversa e o de Gauss-Jordan exigem o
mesmo esforo computacional para resolver um sistema de equaes algbricas
lineares.
Exemplo 1.19 Considere o sistema linear cuja matriz completa na forma
escalonada
_
_
1 2 5 3 6 14
0 0 1 0 7,2 6
0 0 0 0 1 2
_
_
.
Vamos continuar aplicando operaes elementares para zerar as entradas acima
dos pivs. Comece zerando as entradas acima do piv da terceira linha. Mul-
tiplique a terceira linha por 7,2 e adicione o resultado segunda linha em
seguida, multiplique a terceira linha por 6 e adicione o resultado primeira
linha para obter
_
_
1 2 5 3 0 2
0 0 1 0 0 1
0 0 0 0 1 2
_
_
.
Agora, multiplique a segunda linha por 5 e adicione o resultado primeira
linha e obter
_
_
1 2 0 3 0 7
0 0 1 0 0 1
0 0 0 0 1 2
_
_
que corresponde ao sistema
r
1
+ 2r
2
+ 0r
3
+ 3r
4
+ 0r
5
= 7
r
3
+ 0r
4
+ 0r
5
= 1
r
5
= 2
cuja soluo geral
r
1
= 7 2r
2
3r
4
r
3
= 1
r
5
= 2
onde r
2
e r
4
so variveis livres e podem assumir qualquer valor real.
Notas de aula do Professor Faleiros
32 Sistemas de equaes lineares
Exemplo 1.20 Resolva por eliminao de Gauss-Jordan
r
1
+3r
2
2r
3
+2r
5
= 0
2r
1
+6r
2
5r
3
2r
4
+4r
5
3r
6
= 1
5r
3
+10r
4
+15r
6
= 5
2r
1
+6r
2
+8r
4
+4r
5
+18r
6
= 6
Resoluo. A matriz completa do sistema
_

_
1 3 2 0 2 0 0
2 6 5 2 4 3 1
0 0 5 10 0 15 5
2 6 0 8 4 18 6
_

_
Aplicando o mtodo de Gauss, chegamos matriz escalonada
_

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

_
Continuando com as operaes elementares, zeramos as entradas acima do piv
da terceira linha e, em seguida, zeramos as entradas acima do piv da segunda
linha quando ento se chega matriz escalonada reduzida
_

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

_
que nos fornece imediatamente a soluo geral do sistema
r
1
= 3r
2
4r
4
2r
5
r
3
= r
4
r
6
= 1,3
onde r
2
. r
4
e r
5
so variveis livres e podem assumir qualquer valor real.
Quando o sistema escalonado for consistente e possuir : equaes no
nulas e : incgnitas, ele possuir uma nica soluo quando : = : e innitas
solues quando : < :. Um sistema escalonado no possui soluo apenas
quando uma de suas equaes for degenerada e o termo constante for diferente
de zero.
Notas de aula do Professor Faleiros
1.11 Operaes matriciais 33
Podemos resolver simultaneamente / sistemas x = b
1
. . . . . x = b
k
em
que as matrizes dos coecientes so idnticas, realizando operaes elementares
sobre a matriz aumentada [[ b
1
[ [ b
k
] . usando o mtodo de Gauss para
reduzi-la forma escalonada e resolver todos os sistemas de uma s vez usando
a substituio reversa ou ainda, usar o mtodo de Gauss-Jordan, reduzindo a
matriz aumentada sua forma escalonada reduzida.
1.11 Operaes matriciais
Multiplicao de uma matriz por um nmero real
Seja = [c
ij
] uma matriz :: e c um nmero real. A multiplicao de c por
a operao que resulta na matriz c = [cc
ij
] de tamanho :: chamada
de mltiplo de por c. Observe que cada entrada de c igual a c vezes a
entrada correspondente de .
Adio de matrizes e multiplicao por um nmero real
Sejam = [c
ij
] e 1 = [/
ij
] duas matrizes : :. A adio de com 1 a
operao que resulta na matriz soma +1 = [c
ij
]. de tamanho ::. onde
c
ij
= c
ij
+ /
ij
para i = 1. . . . . : e , = 1. . . . . :. A matriz oposta de 1 =
[/
ij
] . a matriz (1)1. denotada por 1. cuja entrada da linha i coluna ,
/
ij
. A diferena 1 a matriz +(1). obtida subtraindo das entradas
de as entradas correspondentes de 1. Matrizes de tamanhos distintos no
podem ser adicionadas nem subtradas. Matrizes de mesmo tamanho so ditas
conformes para a adio.
Propriedades das operaes matriciais
Neste momento destacamos a matriz nula ou matriz zero
0 =
_

_
0 0
.
.
.
.
.
.
.
.
.
0 0
_

_
onde todas as entradas so nulas. Adicionando uma matriz com a matriz
nula de mesmo tamanho, obtemos a matriz . Por este motivo, a matriz nula
chamada de elemento neutro da adio.
Sendo . 1 e C matrizes de mesmo tamanho, r e nmeros reais e 1 a
unidade real, valem as propriedades:
1. + 1 = 1 + (Comutatividade da adio)
Notas de aula do Professor Faleiros
34 Sistemas de equaes lineares
2. + (1 + C) = ( + 1) + C (Associatividade da adio)
3. + 0 = 0 + = (A matriz nula o elemento neutro da adio)
4. 1 + (1) = (1) + 1 = 0 (A matriz 1 a matriz oposta de 1)
5. (r) = r() (Associatividade da multiplicao por um real)
6. r( + 1) = r + r1 (Distributividade)
7. (r + ) = r + (Distributividade)
8. 1 =
1.12 Multiplicao de matrizes
Denio 1.21 Seja = [c
ik
] uma matriz : j e 1 = [/
kj
] uma matriz
j :. A multiplicao das matrizes e 1 a operao que leva e 1 na
matriz 1 = [c
ij
] de tamanho ::. onde
c
ij
=
p

k=1
c
ik
/
kj
para i = 1. . . . . : e , = 1. . . . . :. A matriz 1 denominada de produto
de por 1. Para obter a entrada c
ij
da linha i e coluna , de 1. destaque a
linha i de e a coluna , de 1. Multiplique c
ik
por /
kj
. para / = 1. 2. . . . . j e
adicione os resultados para obter c
ij
.
Para ser possvel multiplicar a matriz pela matriz 1. o nmero de colunas
da primeira deve ser igual ao nmero de linhas da segunda, quando ento se
diz que so conformes para a multiplicao.
Quando possvel calcular o produto 1. nem sempre possvel calcular
1. Quando e 1 forem quadradas e de mesmo tamanho, possvel calcular
1 e 1 mas nem sempre 1 igual a 1 pois o produto de matrizes no
comutativo. Em casos excepcionais, quando 1 = 1 se diz que as matrizes
comutam.
O produto de matrizes triangulares superiores uma matriz triangular
superior e o produto de matrizes triangulares inferiores uma matriz triangular
inferior
Exemplo 1.22 O produto 1 das matrizes
=
_
8 6 4
3 9 5
_
e 1 =
_
_
2 3 0
9 1 3
5 2 7
_
_
Notas de aula do Professor Faleiros
1.12 Multiplicao de matrizes 35

1 =
_
58 26 10
50 10 62
_
.
O produto 1 no est denido para estas matrizes, uma vez que o nmero
de colunas de 1 diferente do nmero de linhas de .
Se A for um vetor coluna com : linhas e 1 um vetor linha com : colunas,
ento A1 uma matriz : :. Quando : = :. 1 A uma matriz 1 1.
Toda matriz 1 1. com uma nica entrada, tal como [:] . ela identicada ao
nmero real : e pode-se retirar o colchete da matriz [:] e escrever apenas :.
Exemplo 1.23 Sendo
A =
_
1
2
_
e 1 =
_
3 4

ento
A1 =
_
3 4
6 8
_
e 1 A = [11] .
Propriedades da multiplicao de matrizes
Em cada uma das propriedades abaixo, r um nmero real. As matrizes e
1 e as matrizes 1 e C so conformes para a multiplicao. As matrizes .
1
e
2
bem como as matrizes 1. 1
1
e 1
2
so conformes para a adio.
1. (1C) = (1)C (Associatividade da multiplicao)
2. (1
1
+ 1
2
) = 1
1
+ 1
2
(Distributividade esquerda)
3. (
1
+
2
)1 =
1
1 +
2
1 (Distributividade direita)
4. (r1)C = r(1C) = 1(rC) (Associatividade em relao ao produto por
um nmero real)
No vale a lei do cancelamento. A igualdade 1 = 11 no implica,
necessariamente, em = 1. mesmo quando 1 for diferente de zero. Para as
matrizes
=
_
1 3
2 4
_
. 1 =
_
5 3
6 4
_
e 1 =
_
0 0
1 2
_
.
vale a igualdade 1 = 11 enquanto ,= 1.
Quando estamos no corpo dos nmeros reais, quando o produto de dois
deles for igual a zero, pelo menos um dos fatores igual a zero. Isto no ocorre
com o produto de matrizes. Mesmo quando as matrizes e 1 forem diferentes
Notas de aula do Professor Faleiros
36 Sistemas de equaes lineares
da matriz nula, possvel obter 1 = 0. como nos mostra este exemplo: As
matrizes
=
_
0 1
0 2
_
e 1 =
_
3 4
0 0
_
so diferentes da matriz nula ao passo que 1 = 0. Logo, 1 = 0 no implica
em = 0 ou 1 = 0.
1.13 Matriz inversa
Neste momento destacamos a matriz identidade, uma matriz quadrada,
1
n
=
_

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

_
que possui todas as entradas da diagonal iguais a 1 e as demais iguais a zero.
Sendo uma matriz : : e 1 uma matriz : j. ento 1
n
= e 1
n
1 =
1. Quando for : :. ento
1
n
= 1
n
= .
No havendo a necessidade de informar o tamanho da matriz identidade,
podemos indic-la to somente por 1. A matriz identidade o elemento neu-
tro da multiplicao de matrizes quadradas.
Denio 1.24 Uma matriz quadrada invertvel quando houver uma
matriz quadrada 1 tal que
1 = 1 = 1.
onde 1 a matriz identidade. A matriz 1 chamada de inversa de . Uma
matriz quadrada no invertvel denominada singular.
Quando uma matriz invertvel, sua inversa nica, sendo denotada por

1
. De acordo com a denio, se 1 a inversa de ento a inversa de
1 ou, em outras palavras,
=
_

1
_
1
.
Uma matriz diagonal, como
1 =
_

_
d
1
0 0
0 d
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 d
n
_

_
Notas de aula do Professor Faleiros
1.13 Matriz inversa 37
invertvel se e s se todos os reais d
1
. d
2
. . . . . d
n
forem todos diferentes de
zero, e sua inversa
1
1
=
_

_
d
1
1
0 0
0 d
1
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 d
1
n
_

_
.
Uma matriz triangular invertvel se, e s se, todos os elementos da diagonal
principal forem diferentes de zero. A inversa de uma matriz triangular superior
uma matriz triangular inferior e a inversa de uma matriz triangular inferior
uma matriz triangular superior.
A matriz =
_
c /
c d
_
invertvel se e s se cd /c ,= 0 e

1
=
1
cd /c
_
d /
c c
_
a sua inversa.
Exemplo 1.25 A matriz 1 =
_
3 5
1 2
_
a inversa de =
_
2 5
1 3
_
.
Toda matriz quadrada com uma coluna nula singular pois, para qual-
quer matriz 1 de mesmo tamanho, a mesma coluna de 1 ser nula. Logo,
1 ,= 1 para toda matriz 1.
Toda matriz quadrada com uma linha nula singular pois, para qualquer
matriz quadrada 1 de mesmo tamanho, a mesma linha de 1 ser nula e
assim, 1 ,= 1.
Propriedades da matriz inversa
Sejam e 1 matrizes invertveis de mesmo tamanho.
1. Sendo / um nmero real no nulo, a matriz / invertvel e (/)
1
=
/
1

1
.
2. A matriz 1 invertvel e
(1)
1
= 1
1

1
.
Se as matrizes
1
.
2
. . . . .
n
forem todas invertveis e do mesmo tamanho,
ento o produto
1

2

n
invertvel e
(
1

n
)
1
=
1
n

1
1
.
Notas de aula do Professor Faleiros
38 Sistemas de equaes lineares
1.14 Matrizes elementares
Denio 1.26 Uma matriz quadrada elementar quando for obtida a par-
tir da matriz identidade mediante uma nica operao elementar.
As matrizes abaixo so elementares
_
1 0
0 3
_
_

_
1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0
_

_
_
_
1 0 3
0 1 0
0 0 1
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
A ltima matriz a identidade. Ela uma matriz elementar pois pode ser
obtida da identidade multiplicando sua primeira linha por 1.
As matrizes elementares so invertveis. A matriz inversa da matriz elemen-
tar obtida permutando as posies das linhas : e : ela mesma. A inversa da
matriz elementar obtida multiplicando a linha i da identidade por um nmero
real r no nulo a matriz obtida multiplicando a linha i da identidade por
r
1
. A inversa da matriz elementar obtida multiplicando a linha : da matriz
identidade por r e adicionando o resultdo linha : a matriz obtida multipli-
cando a linha : da matriz identidade por r e adicionando o resultado linha
:.
Denotemos por 1(1
i
1
j
) a matriz elementar obtida da identidade per-
mutando as posies das linhas i e ,. Denotemos por 1(r1
i
1
i
) a ma-
triz elementar obtida da identidade multiplicando sua linha i por um real
r no nulo. Denotemos por 1(1
i
+ r1
j
1
i
) a matriz elementar obtida
da identidade multiplicando sua linha , por r e adicionando o resultado
linha i. A inversa de 1(1
i
1
j
) ela mesma. A inversa da matriz el-
ementar 1(r1
i
1
i
) 1(r
1
1
i
1
i
). A inversa da matriz elementar
1(1
i
+ r1
j
1
i
) 1(1
i
r1
j
1
i
).
Observe os produtos abaixo, todos da forma 1 = 1. onde 1 uma matriz
elementar
_
_
0 1 0
1 0 0
0 0 1
_
_
_
_
1 1 1
2 2 2
3 3 3
_
_
=
_
_
2 2 2
1 1 1
3 3 3
_
_
_
_
r 0 0
0 1 0
0 0 1
_
_
_
_
1 1 1
2 2 2
3 3 3
_
_
=
_
_
r r r
2 2 2
3 3 3
_
_
_
_
1 0 0
0 1 0
4 0 1
_
_
_
_
1 1 1
2 2 2
3 3 3
_
_
=
_
_
1 1 1
2 2 2
7 7 7
_
_
Notas de aula do Professor Faleiros
1.14 Matrizes elementares 39
Em cada um dos produtos, a matriz 1 pode ser obtida realizando em a
mesma operao elementar realizada sobre a matriz identidade para obter 1.
Isto signica que, se 1 for uma matriz elementar, a matriz 1 igual matriz
obtida quando se realiza sobre a mesma operao efetuada sobre a matriz
identidade para obter 1.
No processo de obter a forma escalonada reduzida de uma matriz . apli-
camos a ela uma sequncia de operaes elementares 1
1
. 1
2
. . . . . 1
s
at chegar
forma escalonada reduzida 1. Pelos comentrios feitos, a forma escalonada
reduzida de o produto
1 = 1
s
1
2
1
1
.
Quando uma matriz quadrada, sua forma escalonada reduzida 1 tambm
quadrada e existem duas possibilidades: ou 1 a matriz identidade ou sua
ltima linha nula. Se for invertvel, ento 1 invertvel e, portanto,
s pode ser a matriz identidade. Se for singular, ento 1 singular (se
no fosse, seria invertvel) e, portanto, pelo menos sua ltima linha nula.
Provamos o seguinte teorema:
Teorema 1.27 1. Uma matriz quadrada invertvel se e s se sua forma
escalonada reduzida a matriz identidade.
2. Uma matriz quadrada singular se e s se pelo menos a ltima linha
de sua forma escalonada reduzida nula.
Sistemas equivalentes e matrizes elementares
Sejam e 1 matrizes ::. C e 1 matrizes coluna :1. Sendo A a matriz
coluna : 1 das incgnitas, os sistemas lineares A = C e 1A = 1 so
equivalentes se possurem a mesma soluo geral. Para serem equivalentes, as
matrizes ampliadas [[ C] e [1[ 1] devem possuir a mesma forma escalonada
reduzida [1[ o] onde o tamanho de 1 :: e o de o :1. Logo, existem
matrizes elementares 1
1
. . . . . 1
k
e 1

1
. . . . . 1

p
tais que
[1[ o] = 1
k
1
1
[[ C] e [1[ o] = 1

p
1

1
[1[ C]
de onde se obtm
[[ C] = 1
1
1
1
1
k
1

p
1

1
[1[ 1] .
Nota-se assim que dois sistemas lineares com o mesmo nmero de equaes
e o mesmo nmero de incgnitas so equivalentes quando for possvel levar a
matriz completa de um na matriz completa do outro mediante uma sequncia
nita de operaes elementares. Note ainda que
= 1
1
1
1
1
k
1

p
1

1
1
Notas de aula do Professor Faleiros
40 Sistemas de equaes lineares
ou seja, a matriz dos coecientes de um sistema pode ser levado no outro
mediante operaes elementares.
1.15 Um mtodo para inverter matrizes
Para obter a forma escalonada reduzida de uma matriz aplica-se a ela uma
sucesso de operaes elementares. Quando a matriz for quadrada, sua forma
escalonada reduzida a matriz identidade ou uma matriz cuja ltima linha
nula, isto , todas as entradas desta linha so iguais a zero. No primeiro caso,
a matriz invertvel e, no segundo caso, singular.
Se invertvel, realizando operaes elementares sobre ela, chegamos
matriz identidade, que sua forma escalonada reduzida. Isto signica que
existem matrizes elementares 1
r
. . . . . 1
1
tais que
1
r
1
1
= 1
e assim o produto 1
r
1
1
a matriz inversa de . Logo,

1
= 1
r
1
1
= 1
r
1
1
1.
Segue ento que, se
1
r
1
1
= 1 ento 1
r
1
1
1 =
1
.
Observe: Realizando sobre 1 as mesmas operaes elementares que levam
na matriz identidade, chega-se inversa de . Tal observao sugere um dis-
positivo prtico para determinar a inversa de uma matriz. Coloque a matriz
identidade direita de obtendo a matriz ampliada [[ 1]. Efetue operaes
elementares sobre esta matriz ampliada at obter a matriz [1 [ 1]. quando a
matriz original se transformou na identidade e a matriz identidade se trans-
formou na matriz 1. Esta matriz 1 , exatamente, a inversa de .
Se a matriz no for invertvel, sua forma escalonada reduzida conter
uma linha nula. Se em algum momento do processo de escalonamento da
matriz ampliada [[ 1] uma linha de se anular, pode encerr-lo, armando
que no possui inversa. Neste ponto no h como continuar o processo de
escalonamento e obter a matriz identidade no lugar de .
Exemplo 1.28 Calcule a inversa de
=
_
_
1 2 3
2 5 3
1 0 8
_
_
.
Notas de aula do Professor Faleiros
1.15 Um mtodo para inverter matrizes 41
Resoluo. Justapomos as matrizes e 1 formando a matriz ampliada
[[ 1] e realizamos operaes elementares sobre ela, at transformar em 1.
Quando isto acontecer, a matriz 1 ter se transformado em
1
. Partindo de
_
_
1 2 3
2 5 3
1 0 8

1 0 0
0 1 0
0 0 1
_
_
multiplicando a primeira linha por 2 e adicioando o resultado segunda linha,
multiplicando a primeira linha por 1 e adicioando o resultado terceira linha,
_
_
1 2 3
0 1 3
0 2 5

1 0 0
2 1 0
1 0 1
_
_
multiplicando a segunda linha por 2 e adicioando o resultado terceira linha
_
_
1 2 3
0 1 3
0 0 1

1 0 0
2 1 0
5 2 1
_
_
multiplicando a terceira linha por 1
_
_
1 2 3
0 1 3
0 0 1

1 0 0
2 1 0
5 2 1
_
_
multiplicando a terceira linha por 3 e adicionando o resultado segunda linha,
multiplicando a terceira linha por 3 e adicionando o resultado primeira
linha,
_
_
1 2 0
0 1 0
0 0 1

14 6 3
13 5 3
5 2 1
_
_
multiplicando a segunda linha por 2 e adicionando o resultado primeira
linha,
_
_
1 0 0
0 1 0
0 0 1

40 16 9
13 5 3
5 2 1
_
_
.
Como a matriz foi reduzida matriz identidade, sua inversa a matriz 33
direita

1
=
_
_
40 16 9
13 5 3
5 2 1
_
_
.

Notas de aula do Professor Faleiros


42 Sistemas de equaes lineares
Exemplo 1.29 Vamos vericar que a matriz
=
_
_
1 2 1
1 0 2
2 6 1
_
_
no invertvel. A matriz ampliada [ [ 1 ]
_
_
1 2 1
1 0 2
2 6 1

1 0 0
0 1 0
0 0 1
_
_
Multiplicando a primeira linha por 1 e adicioando o resultado segunda linha,
multiplicando a primeira linha por 2 e adicioando o resultado terceira linha,
_
_
1 2 1
0 2 1
0 2 1

1 0 0
1 1 0
2 0 1
_
_
Adicionando a segunda linha terceira,
_
_
1 2 1
0 2 1
0 0 0

1 0 0
1 1 0
3 1 1
_
_
Observe que as entradas das trs primeiras colunas da terceira linha so nulas.
No h como continuar o escalonamento e se chegar matriz identidade na
parte esquerda da matriz ampliada.
1.16 Forma matricial de um sistema linear
O sistema de equaes algbricas lineares
c
11
r
1
+ c
12
r
2
+ + c
1n
r
n
= /
1
c
21
r
1
+ c
22
r
2
+ + c
2n
r
n
= /
2

c
m1
r
1
+ c
m2
r
2
+ + c
mn
r
x
= /
m
nas incgnitas r
1
. . . . . r
n
pode ser escrito na forma de uma equao matricial
linear
A = 1
Notas de aula do Professor Faleiros
1.16 Forma matricial de um sistema linear 43
onde
=
_

_
c
11
c
12
c
1n
c
21
c
22
c
2n
.
.
.
.
.
.
.
.
.
.
.
.
c
m1
c
m2
c
mn
_

_
. 1 =
_

_
/
1
/
2
.
.
.
/
m
_

_
e A =
_

_
r
1
r
2
.
.
.
r
n
_

_
Denomina-se de matriz dos coecientes do sistema, 1 de matriz das
contantes e A de matriz das incgnitas do sistema. Uma matriz coluna o
uma soluo de A = 1 quando o = 1. Quando o soluo, tambm
se diz que A = o soluo de A = 1. O conjunto de todas as solues da
equao matricial A = 1 chamado de soluo geral do sistema. Uma
equao matricial linear compatvel ou consistente quando possuir pelo
menos uma soluo. Como uma equao matricial linear corresponde a um
sistema de equaes algbricas lineares, as tcnicas utilizadas para resolver um
se aplica para resolver o outro.
Exemplo 1.30 A matriz [2 1]
T
soluo da equao matricial
_
1 3
2 0
_ _
r
1
r
2
_
=
_
5
4
_
.
Tambm lcito dizer que
_
r
1
r
2
_
=
_
2
1
_
soluo da equao matricial.
Produto matricial como combinao linear
Sejam `
1
. . . . . `
n
matrizes de mesmo tamanho e r
1
. . . . . r
n
nmeros reais.
A matriz
` = r
1
`
1
+ + r
n
`
n
denominada de combinao linear das matrizes `
1
. . . . . `
n
com coe-
cientes r
1
. r
2
. . . . . r
n
.
Considere as matrizes
=
_

_
c
11
c
12
c
1n
c
21
c
22
c
2n
.
.
.
.
.
.
.
.
.
c
m1
c
m2
c
mn
_

_
e A =
_

_
r
1
r
2
.
.
.
r
n
_

_
Notas de aula do Professor Faleiros
44 Sistemas de equaes lineares
As colunas de .

1
=
_

_
c
11
c
21
.
.
.
c
m1
_

_
.
2
=
_

_
c
12
c
22
.
.
.
c
m2
_

_
. . . . .
n
=
_

_
c
1n
c
2n
.
.
.
c
mn
_

_
ao serem colocadas uma ao lado da outra reconstrem e escrevemos = [
1
[
2
[ [
n
]. A combinao linear r
1

1
+ + r
n
,
n
igual ao produto
A
A = r
1

1
+ r
2

2
+ + r
n

n
e, desta igualdade tiramos uma lio que vamos enunciar como teorema.
Teorema 1.31 O sistema A = 1 possui soluo se, e s se, 1 for igual a
uma combinao linear das colunas de .
A equao homognea
Seja uma matriz : : e 0 a matriz coluna : 1. A equao A = 0
denominada de equao matricial linear homognea. Ela sempre admite
a soluo A = 0 (este 0 a matriz coluna :1) denominada soluo trivial.
Alm da trivial, as equaes homogneas podem ter ou no outras solues
alm da trivial. Quando a equao matricial homognea possuir uma soluo
no trivial A = o. para todo nmero real `. a matriz `o ser outra soluo
da equao homognea. Isto prova que, quando a equao homognea possuir
uma soluo no trivial, ter innitas solues. Provamos o seguinte teorema:
Teorema 1.32 De duas, uma: ou a equao A = 0 possui apenas a soluo
trivial A = 0. ou possui innitas solues.
Quando possui mais colunas do que linhas, A = 0 corresponde a um
sistema de equaes algbricas lineares com mais incgnitas do que equaes.
Quando o escalonamos sempre restaro variveis livres e o sistema homogneo
possuir innitas solues.
Exemplo 1.33 Se a matriz completa de um sistema homogneo for
_

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

_
Notas de aula do Professor Faleiros
1.16 Forma matricial de um sistema linear 45
sua forma escalonada reduzida
_

_
1 1 0 0 1 0
0 0 1 0 1 0
0 0 0 1 0 0
0 0 0 0 0 0
_

_
de onde se tira a soluo geral do sistema
r
1
= r
2
r
5
r
3
= r
5
r
4
= 0
As variveis r
2
e r
5
so livres e podem assumir qualquer valor real.
Sendo 1 uma matriz coluna no nula, a equao homognea A = 0
denominada equao homognea associada equao A = 1. Se A
0
for
soluo no trivial de A = 0 e A
1
for soluo de A = 1. ento A
0
+ A
1
tambm soluo de A = 1. Da ca fcil provar o seguinte teorema:
Teorema 1.34 1. Se A = 1 possuir uma nica soluo, ento A = 0
possuir apenas a soluo trivial.
2. Se A = 1 for compatvel e A = 0 tiver soluo no trivial, ento
A = 1 possuir innitas solues.
3. Se o
1
for uma soluo de A = 1. qualquer outra soluo do tipo o
0
+ o
1
onde o
0
soluo de A = 0.
Teorema 1.35 Armaes equivalentes para uma matriz quadrada .
(1) invertvel.
(2) O sistema homogneo A = 0 tem somente a soluo trivial.
(3) A forma escalonada reduzida de a matriz identidade 1.
(4) pode ser expressa como um produto de matrizes elementares.
Prova. (1) == (2): Se invertvel e A = 0. ento A = 1A =
(
1
) A =
1
(A) =
1
0 = 0. mostrando que a equao homognea
A = 0 possui apenas a soluo trivial.
(2) ==(3) Se a nica soluo do sistema A = 0 for a trivial, ele equiv-
alente ao sistema 1A = 0. onde 1 a matriz identidade. Neste caso, podemos
levar em 1 por meio de uma sucesso de operaes elementares. Como 1
uma matriz escalonada reduzida, ela a forma escalonada reduzida de . Mais
do que isto, 1 a nica forma escalonada reduzida de .
Notas de aula do Professor Faleiros
46 Sistemas de equaes lineares
(3) = (4) Se a forma escalonada de . for 1. ento existem matrizes ele-
mentares 1
1
. . . . . 1
k
tais que
1
k
1
1
= 1
e assim
= 1
1
1
1
1
k
provando que igual ao produto de matrizes elementares.
(4) =(1) Sendo um produto de matrizes elementares, que so invertveis,
ela invertvel.
Corolrio 1.36 Sejam e 1 duas matrizes quadradas de mesmo tamanho e
tais que 1 = 1. ento e 1 so invertveis, com = 1
1
e 1 =
1
.
Prova. Vamos dividir a prova em duas partes. Na primeira, provaremos
que 1 invertvel e, na segunda, que invertvel. (a) Vamos provar que 1
invertvel. Se 1 = 1 e 1A = 0. ento A = 1A = (1)A = (1A) =
0 = 0. Logo, o sistema homogneo 1A = 0 possui apenas a soluo trivial,
donde se conclui que 1 invertvel. Multiplicando os dois membros de 1 =
1 pela direita por 1
1
segue = 1
1
.
(b) Vamos provar que invertvel. Quando 1 = 1. pelo item anterior,
1 invertvel e = 1
1
. A matriz invertvel pois a inversa de 1 o que
implica em 1 ser a inversa de .
Corolrio 1.37 Sejam e 1 matrizes quadradas de mesmo tamanho. Se
for singular, ento 1 e 1 so singulares.
Prova. (a) Vamos provar que 1 singular. Sendo singular, a equao
matricial A = 0 possui soluo no trivial C. Da, (1)C = 1(C) = 10 =
0. mostrando que 1 singular pois a equao homognea (1)A = 0 possui
soluo no trivial.
(b) Vamos mostrar que a matriz 1 tambm singular. Sendo singular,
pelo menos a ltima linha de sua forma escalonada reduzida 1 nula. Sabemos
existirem matrizes elementares 1
1
. . . . . 1
k
tais que 1 = 1
k
1
1
. Se 1
fosse invertvel, 11 = 1
k
1
1
(1) seria invertvel por ser um produto
de matrizes invertveis. Entretanto, isto no pode ocorrer pois pelo menos a
ltima linha de 11 nula.
Corolrio 1.38 Se e 1 forem matrizes quadradas do mesmo tamanho com
1 invertvel, ento e 1 so invertveis.
Notas de aula do Professor Faleiros
1.17 Potncia de uma matriz 47
Prova. Se uma das matrizes ou 1 for singular o corolrio anterior
garante que 1 singular.
Corolrio 1.39 Seja 1 uma matriz coluna : 1. Uma matriz quadrada
de tamanho : : invertvel se e s se a equao A = 1 tiver uma nica
soluo. Esta nica soluo A =
1
1.
Prova. Se invertvel, ento
1
1 uma soluo de A = 1. Se C
1
e C
2
forem solues da equao A = 1. ento (C
1
C
2
) = 0 e, como a
equao homognea A = 0 possui apenas a soluo trivial, C
1
= C
2
. Logo,
A = 1 possui uma nica soluo dada por A =
1
1.
Se A = 1 tem uma nica soluo, ento A = 0 s possui a soluo
trivial pois, se tivesse uma soluo no trivial, A = 1 teria innitas solues.
Possuindo A = 0 apenas a soluo trivial, invertvel.
Exemplo 1.40 Como consequncia da invertibilidade da matriz
=
_
_
1 2 3
2 5 3
1 0 8
_
_
o sistema homogneo
r
1
+2r
2
+3r
3
= 0
2r
1
+5r
2
+3r
3
= 0
r
1
+8r
3
= 0
possui apenas a soluo trivial.
1.17 Potncia de uma matriz
Seja uma matriz quadrada e : um nmero inteiro maior do que zero. Den-
imos as potncias inteiras no negativas de por

0
= 1.
n
=
n1

Se for invertvel, ento


(
1
)
n
= (
n
)
1
e denimos as potncias negativas de por

n
= (
1
)
n
= (
n
)
1
.
Notas de aula do Professor Faleiros
48 Sistemas de equaes lineares
Propriedades
Sejam e 1 matrizes quadradas com o mesmo tamanho, : e : nmeros inteiros
no negativos. Ento
1.
r

s
=
r+s
2. (
r
)
s
=
rs
3. Se 1 = 1. ento (1)
r
=
r
1
r
.
Quando e 1 forem invertveis, as identidades acima valem quando : e :
forem nmeros inteiros negativos.
1.18 Matriz transposta
Se = [c
ij
] uma matriz ::. A matriz [/
ij
] de tamanho : :. onde /
ij
=
c
ji
. para todo i e todo ,. chamada de transposta de e denotada por
T
.
Exemplo 1.41 A transposta de =
_
1 2
3 4
_

T
=
_
1 3
2 4
_
.
Se e 1 forem matrizes de mesmo tamanho e / for um nmero real, valem
as propriedades abaixo.
1. (
T
)
T
=
2. ( + 1)
T
=
T
+ 1
T
3. (/)
T
= /
T
4. (
T
)
1
= (
1
)
T
Se e 1 forem matrizes conforme para a multiplicao,
(1)
T
= 1
T

T
Quando os tamanhos de
1
. . . . .
n
forem tais que o produto
1

n
pode ser efetuado, ento
(
1

n
)
T
=
T
n

T
1
onde se deve observar com ateno a inverso da ordem dos fatores.
Quando for quadrada e : for um inteiro positivo, ento
(
n
)
T
=
_

T
_
n
.
Quando for quadrada e invertvel, o : pode ser qualquer inteiro na pro-
priedade acima.
Notas de aula do Professor Faleiros
1.18 Matriz transposta 49
Denio 1.42 Uma matriz quadrada simtrica quando
T
= .
Para qualquer matriz retangular . as matrizes
T
e
T
so quadradas
e simtricas.
Teorema 1.43 Sejam e 1 matrizes simtricas de mesma ordem e c um
real. Ento
(a)
T
simtrica.
(b) + 1 e 1 so simtricas.
(c) c simtrica.
(d) Se for invertvel, ento
1
simtrica.
(e) Se invertvel ento
T
e
T
invertvel.
Nem sempre o produto de matrizes simtricas uma matriz simtrica.
O produto de duas matrizes simtricas e 1 simtrica se e s se e 1
comutarem, isto , 1 = 1.
Teorema 1.44 Se uma matriz invertvel, ento tanto
T
quanto
T

so invertveis.
Prova. Como invertvel, tambm o
T
. Logo,
T
e
T
tambm
so invertveis por serem o produto de matrizes invertveis.
Notas de aula do Professor Faleiros
50 Sistemas de equaes lineares
Notas de aula do Professor Faleiros
Captulo 2
Determinantes
Para resolver um sistema de duas equaes com duas incgnitas r
1
. r
2
. como
c
11
r
1
+ c
12
r
2
= /
1
c
21
r
1
+ c
22
r
2
= /
2
onde c
ij
e /
i
so nmeros reais, podemos usar o mtodo de eliminao da
incgnitas. Multiplicando a primeira equao por c
22
. a segunda por c
12
e
subtraindo a segunda equao da primeira, obtemos uma equao sem a in-
cgnita r
2
(c
11
c
22
c
12
c
21
)r
1
= (/
1
c
22
/
2
c
12
).
As expresses entre parntesis esquerda e direita envolvem as entradas das
matrizes
=
_
c
11
c
12
c
21
c
22
_
e 1
1
=
_
/
1
c
12
/
2
c
22
_
.
Por este motivo, denominou-se o nmero real (c
11
c
22
c
12
c
21
) de determi-
nante de e (/
1
c
22
/
2
c
12
) de determinante de 1
1
. Os dois seguem a mesma
regra: subtrai-se do produto das entradas da diagonal principal o produto das
entradas da diagonal secundria. O determinante de uma matriz quadrada
denotado por det() e
r
1
det() = det(1
2
)
De modo semelhante podemos eliminar r
1
do sistema para obter
r
2
det() = det(1
2
).
onde
1
2
=
_
c
11
/
1
c
21
/
2
_
.
Notas de aula do Professor Faleiros
52 Determinantes
Quando det() ,= 0. o sistema possuir uma nica soluo
r
1
=
det(1
1
)
det()
e r
2
=
det(1
2
)
det()
.
Quando det() = 0 o sistema poder ter ou no soluo. Tudo depender de
1 = [/
1
/
2
]
T
ser ou no uma combinao linear das colunas de .
Os matemticos vericaram que este procedimento poderia ser estendido
para sistemas com mais do que duas variveis. Por exemplo, para sistemas
com trs equaes e trs incgnitas,
c
11
r
1
+ c
12
r
2
+ c
13
r
3
= /
1
c
21
r
1
+ c
22
r
2
+ c
23
r
3
= /
2
c
31
r
1
+ c
32
r
2
+ c
33
r
3
= /
3
possvel explicitar r
2
e r
3
em funo de r
1
usando a segunda e a terceira
equaes. Usando as expresses obtidas para r
2
e r
3
para elimin-las da
primeira equao, obtemos
r
1
det() = det(1
1
)
onde agora det() e det(1
1
) so determinantes das matrizes
=
_
_
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
_
_
. 1
1
=
_
_
/
1
c
12
c
13
/
2
c
22
c
23
/
3
c
32
c
33
_
_
O determinante de uma matriz 3 3 obtido a partir dos determinantes de
matrizes 2 2. Sendo = [c
ij
] uma matriz 3 3. dene-se
det() = c
11
det(
11
) c
12
det(
12
) + c
13
det(
13
)
sendo

11
=
_
c
22
c
23
c
32
c
33
_
.
12
=
_
c
21
c
23
c
31
c
33
_
e
13
=
_
c
21
c
22
c
31
c
32
_
onde se precebe que
ij
obtida de eliminando sua linha i e sua coluna ,.
Desenvolvendo os determinantes de
11
.
12
e
13
obtemos
det() = c
11
(c
22
c
33
c
23
c
32
) c
12
(c
21
c
33
c
23
c
31
) + c
13
(c
21
c
32
c
22
c
31
)
= (c
11
c
22
c
33
+ c
12
c
23
c
31
+ c
13
c
21
c
32
) (c
11
c
23
c
32
+ c
12
c
21
c
33
+ c
13
c
22
c
31
)
Do mesmo modo se mostra que
r
2
det() = det(1
2
) e r
3
det() = det(1
3
)
Notas de aula do Professor Faleiros
2.1 Denio de determinante 53
onde
1
2
=
_
_
c
11
/
1
c
13
c
21
/
2
c
23
c
31
/
3
c
33
_
_
. 1
3
=
_
_
c
11
c
12
/
1
c
21
c
22
/
2
c
31
c
32
/
3
_
_
.
Se det() ,= 0. o sistema 3 3 possuir uma nica soluo
r
2
=
det(1
2
)
det()
. r
2
=
det(1
2
)
det()
e r
3
=
det(1
3
)
det()
.
Se det() = 0. o sistema 3 3 poder ter ou no solues. Tudo depender
de 1 = [/
1
/
2
/
3
]
T
ser ou no uma combinao linear das colunas de .
2.1 Denio de determinante
O procedimento descrito na seo anterior para resolver sistemas lineares 22
e 3 3 se aplica para o caso geral de sistemas com : equaes e : incgnitas,
quando surge a idia de determinantes de matrizes de tamanho : :. O
determinante de uma matriz : :. para : 2. um nmero real denido
de modo recursivo, em termos de determinantes de matrizes quadradas de
tamanho menor.
Quando = [c] uma matriz 1 1. dene-se
det = c.
Quando
=
_
c
11
c
12
c
21
c
22
_
uma matriz quadrada 2 2. denimos
det() = c
11
c
22
c
12
c
21
.
Para denir o determinante de uma matriz quadrada : :. quando :
2. precisamos estabelecer uma notao preparatria. Se for uma matriz
quadrada ::. denote por
ij
a matriz de tamanho (:1) (:1) obtida
ao eliminar a linha i e a coluna , de . O cofator (i. ,) de o nmero real
c
ij
= (1)
i+j
det(
ij
).
O determinante de o nmero real denido por
det() = c
11
c
11
+ c
12
c
12
+ + c
1n
c
1n
=
n

j=1
c
1j
c
1j
.
Notas de aula do Professor Faleiros
54 Determinantes
Esta frmula denominada de desenvolvimento do determinante por
cofatores ao longo da primeira linha ou desenvolvimento de Laplace do
determinante ao longo da primeira linha.
Usando apenas a denio, podemos armar que o deteminante da matriz
nula igual a 0. o determinante da matriz identidade igual a 1.O determinante
de uma matriz triangular inferior,
_

_
c
11
0 0
c
21
c
22
0
.
.
.
.
.
.
.
.
.
.
.
.
c
n1
c
n2
c
nn
_

_
.
o produto c
11
c
22
c
nn
dos elementos de sua diagonal, o mesmo acontecendo
com o determinante de uma matriz triangular superior. Em particular, o
determinante de uma matriz diagonal
_

_
d
1
0 0
0 d
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 d
n
_

_
igual ao produto d
1
d
2
d
n
das entradas da diagonal.
Exemplo 2.1 Para calcular o determinante da matriz
=
_
_
1 2 3
2 1 0
8 4 1
_
_
usamos o desenvolvimento de Laplace
det() = 1 det
_
1 0
4 1
_
(2) det
_
2 0
8 1
_
+ 3 det
_
2 1
8 4
_
= 1 (1) + 2 (2) + 3 0 = 5
Vamos apenas armar, sem prova, que o determinante tambm pode ser
calculado desenvolvendo-o por cofatores ao longo da linha i. tambm conhecido
como desenvolvimento de Laplace do determinante pela linha i
det() = c
i1
c
i1
+ c
i2
c
i2
+ + c
in
c
in
=
n

j=1
c
ij
c
ij
.
Notas de aula do Professor Faleiros
2.1 Denio de determinante 55
e ainda pode-se usar o desenvolvido por cofatores ao longo da coluna ,
det() = c
1j
c
1j
+ c
2j
c
2j
+ + c
nj
c
nj
=
n

i=1
c
ij
c
ij
Os dois ltimos so conhecidos por desenvolvimento de Laplace do determi-
nante pela linha i e pela linha ,. respectivamente. Vamos mostrar como calcular
o determinante de algumas matrizes especiais.
Se a matriz possuir uma linha ou uma coluna nula, seu determinate igual
a zero.
Exemplo 2.2 Os determinantes das matrizes
_
_
2 1 0
3 7 0
4 2 0
_
_
e
_
_
1 4 5
2 0 3
0 0 0
_
_
so iguais a zero pois ambos possuem uma la nula. Para vericar esta ar-
mao basta desenvolver o determinante da primeira matriz pela terceira col-
una e da segunda matriz pela terceira linha.
Exemplo 2.3 Para calcular o determinante de uma matriz 33. pode-se usar
a regra de Sarrus. Aplica-se esta regra do seguinte modo: Acrescente as duas
primeiras colunas direita da matriz obtendo
_
_
c
11
c
12
c
13
c
11
c
12
c
21
c
22
c
23
c
21
c
22
c
31
c
32
c
33
c
31
c
32
_
_
Multiplique as entradas ao longo de cada uma das trs diagonais principais,
aquelas que vo da esquerda para a direita e de cima para baixo, que iniciam
nas entradas c
11
. c
12
e c
13
. Adicione os resultados. Multiplique as entradas ao
longo de cada uma das trs diagonais secundrias, aquelas que vo da direita
para a esquerda e de cima para baixo, que iniciam nas entradas c
13;
c
11
e c
12
.
Adicione estes produtos. Subtraia esta soma da soma anterior para obter
det() = 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
11
c
23
c
32
+ c
12
c
21
c
33
).
Se as matrizes no possurem caractersticas especiais, calcular o determi-
nante de matrizes : :. para : 3. usando apenas a denio, exige um
bom trabalho. Para simplicar, precisamos de alternativas mais ecientes que
apenas a denio para calcular um determinante.
Notas de aula do Professor Faleiros
56 Determinantes
2.2 Propriedades do determinante
Teorema 2.4 Seja uma matriz quadrada : :.
1. Se
T
for a matriz transposta de . ento
det () = det(
T
).
2. Se 1 for obtida permutando duas linhas de . ento
det(1) = det().
3. Se 1 for obtida adicionando a uma linha de um mltiplo de outra linha
de . ento det(1) = det().
4. Se 1 for obtida adicionando a uma linha de uma combinao linear
das outras linhas de . ento
det(1) = det().
5. Se 1 for obtida multiplicando uma linha de por um nmero real /.
ento
det(1) = / det().
6. Sendo uma matriz : : e / um nmero real, det(/) = /
n
det().
Como det() = det
_

T
_
. as propriedades 2, 3, 4 e 5 continuam ver-
dadeiras se trocamos a palavra linha por coluna. Vamos provar as propriedades
elencadas no teorema
Prova. 1. A vericao de que esta propriedade vale para matrizes 1 1 e
22 imediata. Como hiptese de induo, vamos supor que esta propriedade
vale para matrizes (:1) (:1). Sendo uma matriz :: vamos denotar
por 1 sua transposta. Sendo c
ij
a entrada da linha i coluna , de e /
ij
a
entrada da linha i coluna , de 1. vale a igualdade c
ij
= /
ji
. Sendo
ij
e 1
ij
as
matrizes obtidas de e de 1 retirando a linha i e a coluna ,. vale a igualdade

ij
= (1
ji
)
T
. O determinante de . desenvolvimento pela primeira linha
det() = c
11
det(
11
) c
12
det(
12
) + + (1)
1+n
c
1n
det(
1n
)
Como c
ij
= /
ji
e
ij
= (1
ji
)
T
. segue
det() = /
11
det (1
11
)
T
/
21
det (1
21
)
T
+ + (1)
1+n
/
n1
det (1
n1
)
T
Notas de aula do Professor Faleiros
2.2 Propriedades do determinante 57
Como 1
ij
so matrizes (:1) (:1). vale a hiptese de induo det (1
ij
)
T
= det (1
ij
) e assim,
det() = /
11
det (1
11
) /
21
det (1
21
) + + (1)
1+n
/
n1
det (1
n1
) .
O lado direito o determinante de 1 desenvolvido pela primeira coluna. Sendo
1 =
T
. provamos a igualdade desejada det() = det(
T
).
2. A propriedade vale para matrizes quadradas 2 2. Supondo a pro-
priedade vlida para matrizes quadradas (: 1) (: 1) vamos mostrar que
ela vale para uma matriz quadrada : :. Fixemos uma linha i que no foi
permutada na passagem de para 1. Sejam, respectivamente,
ij
e 1
ij
as
matrizes obtidas de e 1. eliminando em cada uma a linha i e a coluna ,. A
matriz 1
ij
pode ser obtida de
ij
permutando as mesmas linhas que levaram
em 1. Pela hiptese de induo, det(1
ij
) = det(
ij
). Desenvolvendo o
determinante de 1 em cofatores ao longo da linha i. lembrando que a linha i
em 1 igual linha i em
det(1) = (1)
i+1
c
i1
det(1
i1
) + + (1)
i+n
c
in
det(1
in
)
= (1)
i+1
c
i1
det(
i1
) (1)
i+n
c
in
det(
in
) = det().
3. Suponha que 1 foi obtida de adicionando linha i um mltiplo / da
linha :. Assim, ao longo de toda a linha i de 1.
/
ij
= c
ij
+ / c
rj
.
As outras linhas de 1 so iguais s linhas de . Desenvolvendo o determinante
de 1 pela linha i.
det(1) =
n

j=1
(c
ij
+ /c
rj
)c
ij
=
n

j=1
c
ij
c
ij
+ /
n

j=1
c
rj
c
ij
= det()
pois o somatrio na segunda parcela igual a zero uma vez que corresponde
ao determinante de uma matriz cuja linha i igual linha :.
4. uma consequncia da propriedade 4. Se 1 for obtida adicionando
a uma linha de uma combinao linear das outras linhas de . ento ela
foi obtida de adicionando seguidamente a uma de suas linhas multiplos das
outras. Pela propriedade 4, o determinantes no se modicam durante este
processo.
5. Se 1 for obtida multiplicando a linha i de por um nmero real /.
ento /
ij
= /c
ij
. para , = 1. . . . . :. Desenvolvendo o determinante de 1 pela
linha i.
det(1) = (1)
i+1
/
i1
det(
i1
) + (1)
i+2
/
i2
det(
i2
) + + (1)
i+n
/
in
det(
in
)
= /
_
(1)
i+1
c
i1
det(
i1
) + (1)
i+2
c
i2
det(
i2
) + + (1)
i+n
c
in
det(
in
)

= / det()
Notas de aula do Professor Faleiros
58 Determinantes
6. Quando multiplicamos uma matriz quadrada de tamanho : : por um
nmero real /. multiplicamos todas as suas linhas por /. Como cada linha de
. ao ser multiplicada por /. multiplica o determinante de por /. Como :
linhas so multiplicadas por /.
det(/) = /
n
det().

Reuniremos no prximo teorema algumas condies sob as quais o deter-


minante de uma matriz igual a zero.
Teorema 2.5 Seja uma matriz quadrada.
1. Se uma linha de for nula, det() = 0.
2. Se duas linhas de forem iguais, det() = 0.
3. Se duas linhas de forem proporcionais, det() = 0.
4. Se uma linha de for igual a uma combinao linear das demais, det()
= 0.
Prova. 1. Desenvolvendo o determinante pela linha nula, obtemos det()
= 0.
2. Se possui duas linhas iguais, permutando as posies destas duas
linhas a matriz no se modica. Ento det() = det(). o que implica
em 2 det() = 0. que leva igualdade desejada det() = 0.
3. Seja uma matriz cuja linha i igual a / vezes a linha :. para algum
: ,= i. Seja 1 a matriz obtida de adicionando sua linha i. o mltiplo /
da linha :. A linha i de 1 nula e det() = det(1) = 0.
4. Vamos supor, sem perda de generalidade, que a primeira linha de
uma combinao linear das suas demais linhas. Se 1
1
. 1
2
. . . . . 1
n
designarem
as linhas de . existem nmeros reais c
2
. c
3
. . . . . c
n
tais que
1
1
= c
2
1
2
+ c
3
1
3
+ + c
n
1
n
.
Podemos obter, a partir de . uma matriz 1 com uma linha nula e com o
mesmo determinante de . o que prova que det() = 0. Para chegar matriz
1. basta fazer a seguinte operao sobre a primeira linha de
1
1
(c
2
1
2
+ c
3
1
3
+ + c
n
1
n
) 1
1
.
Notas de aula do Professor Faleiros
2.3 Determinantes e operaes elementares 59
Esta operao corresponde a uma sequncia de operaes elementares
1
1
c
2
1
2
1
1
1
1
c
3
1
3
1
1

1
1
c
n
1
n
1
1
sobre a primeira linha de que no alteram o determinante. Como det() =
det(1) e a matriz 1 possui uma linha igual a zero, det() = det(1) = 0.
2.3 Determinantes e operaes elementares
Pode-se calcular o determinante de uma matriz realizando operaes elementares
em suas linhas e suas colunas at transform-la numa matriz triangular supe-
rior ou inferior. Outra possibilidade: realize operaes elementares sobre a
matriz para anular todas as entradas de uma la, excesso de uma. Em
seguida, desenvolva o determinante por aquela la. Repita o procedimento at
chegar ao determinante de uma matriz 3 3 ou 2 2 que pode ser facilmente
calculada.
Exemplo 2.6 Vamos calcular o determinante abaixo efetuando operaes el-
ementares sobre as suas linhas com o objetivo de tornar iguais a zero todas as
entradas de uma la, excesso de uma. Em seguida, usamos o desenvolvi-
mento por las para reduzir a ordem da matriz cujo determinante se pretende
calcular. No exemplo, observamos que a segunda linha [3 6 9] o triplo de
[1 2 3]. Usaremos este fato para fazer uma primeira simplicao no deter-
minante, colocando o 3 em evidncia.
d = det
_
_
0 1 5
3 6 9
2 6 1
_
_
= 3 det
_
_
0 1 5
1 2 3
2 6 1
_
_
.
Agora, vamos multiplicar a segunda colun por 5 e adicion-la terceira para
zerar o elemento da primeira linha segunda coluna. Em seguida, desenvolver-
emos o determinante pela primeira linha.
d = 3 det
_
_
0 1 0
1 2 13
2 6 29
_
_
= 3 (1) det
_
1 13
2 29
_
= 3(29 26) = 165.
Notas de aula do Professor Faleiros
60 Determinantes
Exemplo 2.7 Vamos calcular o determinante abaixo, multiplicamos a primeir
linha por 3 e adicionamos o resultado terceira linha, obtendo numa ma-
triz triangular cujo determinante igual ao produto das entradas da diagonal
principal da matriz
det
_

_
1 0 0 3
2 7 0 6
0 6 3 0
7 3 1 5
_

_
= det
_

_
1 0 0 0
2 7 0 0
0 6 3 0
7 3 1 26
_

_
= 1 7 3 (26) = 546.
2.4 Determinante do produto de matrizes
Vamos mostrar nesta seo que, se e 1 forem matrizes quadradas de mesmo
tamanho, ento det(1) = det() det(1). Inicialmente provaremos que esta
propriedade vale quando uma matriz elementar.
Determinante das matrizes elementares
Existem trs tipos de matrizes elementares. Aquelas obtidas multiplicando
uma linha da matriz identidade por um nmero real / diferente de zero, aque-
las obtidas permutando duas linhas da matriz identidade e aquelas obtidas
adicionando a uma linha da matriz identidade um mltiplo de outra linha da
matriz identidade.
Exemplo 2.8 1. Se 1 foi obtida multiplicando uma linha da matriz iden-
tidade por um nmero real / diferente de zero, ento det(1) = /.
2. Se 1 foi obtida permutando duas linhas da matriz identidade, ento
det(1) = 1.
3. Se 1 foi obtida adicionando a uma linha da matriz identidade um mlti-
plo de outra linha, ento det(1) = 1.
Lema 2.9 (Produto de uma matriz elementar por uma matriz quadrada
qualquer)
1. Se 1 for uma matriz elementar e 1 uma matriz quadrada qualquer,
ambas de mesmo tamanho, ento
det(11) = det(1) det(1)
2. Se 1
1
. . . . . 1
k
forem matrizes elementares de tamanho : :. ento
det(1
1
1
k
1) = det(1
1
) det(1
k
) det(1)
Notas de aula do Professor Faleiros
2.4 Determinante do produto de matrizes 61
Prova. 1. Vamos dividir a prova em trs etapas, uma para cada tipo de
matriz elementar.
(a) Se 1 foi obtida multiplicando uma linha da matriz identidade por um
nmero real / diferente de zero, ento det(1) = / e a matriz 11 igual
matriz 1 com uma linha multiplicada por /. ento det(11) = / det(1) =
det(1) det(1).
(b) Se 1 foi obtida permutando duas linhas da matriz identidade, ento
det(1) = 1 e a matriz 11 igual matriz 1 onde duas linhas foram
permutadas uma pela outra. Com isto, det(11) = det(1) = det(1) det(1).
(c) Se 1 foi obtida adicionando a uma linha da matriz identidade um
mltiplo de outra linha, ento det(1) = 1 e a matriz 11 igual matriz 1
onde se adicionou a uma das linhas um mltiplo de outra. Logo, det(11) =
det(1) = det(1) det(1).
Isto completa a prova da primeira parte.
2. Vamos provar no caso de / = 3. usando sucessivamente a primeira parte
que assegura a igualdade det(11) = det(1) det(1). sempre que 1 for uma
matriz elementar. Assim,
det(1
1
1
2
1
3
1) = det(1
1
) det(1
2
1
3
1)
= det(1
1
) det(1
2
) det(1
3
1)
= det(1
1
) det(1
2
) det(1
3
) det(1)
= det(1
1
) det(1
2
1
3
) det(1)
= det(1
1
1
2
1
3
) det(1)
Para um / genrico, a prova feita por induo em /.
Lema 2.10 Se invertvel ento det() ,= 0.
Prova. Se for invertvel, ento podemos escrev-la como um produto de
matrizes elementares = 1
1
1
k
. Assim,
det = det 1
1
det 1
k
,= 0.

Lema 2.11 Se for singular ento det() = 0.


Prova. Quando singular, sua forma escalonada reduzida 1 possui ao
menos uma linha nula, de modo que o determinante de 1 igual a zero. Como
existem matrizes elementares 1
1
. . . . . 1
k
tais que = 1
1
1
k
1. obtemos
Notas de aula do Professor Faleiros
62 Determinantes
det() = det(1
1
1
k
1) = det(1
1
) det(1
k
) det(1) = 0.
Dos dois lemas anteriores, podemos enunciar
Teorema 2.12 Uma matriz quadrada invertvel se, e s se, det() ,= 0.
Agora estamos aptos a provar o teorema central desta seo.
Teorema 2.13 Se e 1 forem matrizes quadradas de mesmo tamanho, ento
det(1) = det() det(1).
Prova. Se for singular, 1 singular. Da, det = 0 e det(1) = 0.
o que resulta na igualdade det(1) = det() det(1).
Se for invertvel, existem matrizes elementares 1
1
. . . . . 1
k
tais que =
1
1
1
k
. Da, det(1) = det(1
1
1
k
1) = det(1
1
) det(1
k
) det(1) =
det(1
1
1
k
) det 1 = det det 1.
Nota 2.14 Em geral, o det( + 1) diferente do det() + det(1).
Corolrio 2.15 Se for invertvel, ento det(
1
) = (det )
1
.
Prova. Sendo invertvel,
1
= 1 e det() det(
1
) = det(
1
) =
1. o que completa a prova.
2.5 Cofatora, adjunta clssica e inversa
Sendo c
ij
o cofator do elemento c
ij
da matriz = [c
ij
] de tamanho : :. a
matriz
co,() =
_

_
c
11
. . . c
1n
.
.
.
.
.
.
.
.
.
c
n1
. . . c
nn
_

_
denominada de matriz de cofatores de . A transposta da matriz cofatora
de
cd,() = co,()
T
=
_

_
c
11
. . . c
n1
.
.
.
.
.
.
.
.
.
c
1n
. . . c
nn
_

_
Notas de aula do Professor Faleiros
2.6 Regra de Cramer 63
chamada de adjunta clssica de . Sabemos que
n

k=1
c
ik
C
ik
= det()
observe que, quando : ,= i.
n

k=1
c
rk
C
ik
= 0
pois este ltimo somatrio corresponde ao determinante de uma matriz em que
a linha i foi substituda pela linha :. de modo que as linhas i e : so iguais.
Juntando numa nica as duas igualdades acima, podemos escrever
n

k=1
c
ik
C
jk
= det()o
ij
para todo i e todo , no conjunto 1. 2. . . . . :. o que implica na igualdade
matricial
cd,() = det()1 ou
cd,()
det()
= 1
quando det() for diferente de zero. Conclumos da que

1
=
1
det()
cd,().
Esta frmula raramente usada na prtica para calcular a inversa da matriz
embora seja til no estudo terico da inversa.
2.6 Regra de Cramer
No incio deste captulo comeamos resolvendo sistemas lineares pelo processo
de eliminao de variveis com o intuito de motivar a denio de determi-
nantes. Agora vamos mostrar que aquelas frmulas obtidas para sistemas com
: equaes com : incgnitas nos casos em que : = 2 e 3. se aplica ao caso
geral.
Seja uma matriz quadrada invertvel de tamanho ::. Seu determinante
diferente de zero. Para cada vetor coluna 1 com : linhas, o sistema A = 1
tem soluo nica dada por A =
1
1. Vamos mostrar a regra de Cramer,
segundo a qual, sendo A = [r
1
. . . . . r
n
]
T
uma soluo de A = 1. ento
Notas de aula do Professor Faleiros
64 Determinantes
r
j
=
det(1
j
)
det()
onde 1
j
a matriz obtida de substitundo a sua coluna , por 1
1
j
=
_

_
c
11
. . . /
1
. . . c
1n
.
.
.
.
.
.
.
.
.
c
1n
. . . /
n
. . . c
nn
_

_
"
Coluna j
.
Para provar a regra de Cramer precisaremos de um resultado anterior que o
seguinte: Sejam
1
.
2
. . . . .
n
as colunas de . de modo que
= [
1
[
2
[ [
n
] .
Dadas duas matrizes coluna C = [c
i
] e 1 = [d
i
] de tamanho : 1. dados dois
nmeros reais r e . vale a igualdade
det [ r C + 1[
2
[ [
n
] = r det [C [
2
[ [
n
]+ det [ 1[
2
[ [
n
] .
De fato, desenvolvendo o determinante pela primeira coluna, segue
det [ rC + 1[
2
[ [
n
] =
n

i=1
(r c
i
+ d
i
) det
__

(i)
2
[ [
(i)
n
__
onde
(i)
2
. . . . .
(i)
n
so as colunas de sem a linha i. Prosseguindo,
det [ r C + 1[
2
[ [
n
] =
r
n

i=1
c
i
det
__

(i)
2
[ [
(i)
n
__
+
n

i=1
d
i
det
__

(i)
2
[ [
(i)
n
__
=
r det [C [
2
[ [
n
] + det [ 1[
2
[ [
n
].
Usando a identidade que acabamos de demonstrar, tomemos sistema de equaes
lineares cuja forma matricial A = 1. onde a matriz : : dos coe-
cientes, 1 a matriz coluna : 1 das constantes e A = [r
1
. . . . . r
n
]
T
a matriz
coluna das incgnitas. Sendo
j
a coluna , de e A uma soluo da equao
matricial A = 1. ento
1 = r
1

1
+ + r
n

n
.
Notas de aula do Professor Faleiros
2.6 Regra de Cramer 65
Assim,
det([1[
2
[ [
n
]) =
det([r
1

1
+ r
2

2
+ + r
n

n
[
2
[ [
n
]) =
r
1
det([
1
[
2
[ [
n
]) + r
2
det([
2
[
2
[ [
n
]) +
+ r
n
det([
n
[
2
[ [
n
]) =
r
1
det([
1
[
2
[ [
n
]) = r
1
det().
uma vez que os determinantes da matrizes [
2
[
2
[ [
n
]. . . . . [
n
[
2
[ [
n
]
so iguais a zero, pois cada uma delas tem duas colunas iguais. Logo,
r
1
=
det(1
1
)
det()
onde 1
1
= [1[
2
[ [
n
] a matriz obtida de substituindo a primeira
coluna por 1. De modo semelhante se prova que
r
2
=
det(1
2
)
det()
onde 1
2
= [
1
[ 1[ [
n
]. e assim por diante.
Hoje a regra de Cramer tem apenas interesse terico. O mtodo da elimi-
nao de Gauss muito mais eciente para calcular a soluo de um sistema
linear. Quando o sistema possuir muitas equaes e muitas incgnitas, algo
como algumas dezenas de milhar, o mtodo de Gauss passa a ser ineciente. A
partir da preciso usar outros processos de soluo. Este um tema que foge
ao escopo deste curso e foi citado apenas para aguar a curiosidade do leitor.
Notas de aula do Professor Faleiros
66 Determinantes
Notas de aula do Professor Faleiros
Captulo 3
Espao vetorial
Umcorpo uma estrutura matemtica formada por um conjunto Kque possui
pelo menos dois elementos e duas operaes, denominadas adio e multi-
plicao, descritas a seguir. Os elementos do conjunto K so denominados
escalares. A adio uma operao que atua sobre dois escalares c e / de K
e os leva num escalar c +/ de K denominado soma de c e /. A multiplicao
uma operao que atua sobre dois escalares c e / de K e os leva num escalar
c / em K. tambm denotado por c/. denominado produto de c e /. Como
c+/ e c/ pertencem a K. se diz que as duas operaes possuem a propriedade
do fechamento. Quando se disser que K um corpo, entenda-se que K
um conjunto munido de duas operaes e esta estrutura toda que constitui
o corpo.
Para que K com as operaes de adio e multiplicao seja um corpo
preciso que as propriedades abaixo sejam satisfeitas:
1. Comutatividade. Dados dois escalares c e / em K.
c + / = / + c
c/ = /c
2. Associatividade. Dados trs escalares c. / e c em K.
c + (/ + c) = (c + /) + c
c(/c) = (c/)c
3. Elemento neutro. Existem dois escalares 0 e 1 em K tais que, para
todo escalar c em K.
c + 0 = 0 + c = c
c1 = 1c = c
Notas de aula do Professor Faleiros
68 Espao vetorial
O 0 (zero) o elemento neutro da adio e o 1 (um) o elemento neutro
da multiplicao.
4. Elemento simtrico.
(a) Para cada escalar c em K. existe um outro escalar em K. denotado
por c. e chamado de simtrico aditivo ou oposto de c para o
qual
c + (c) = (c) + c = 0.
(b) Para cada escalar c em K diferente do zero, existe um outro escalar
em K. denotado por c
1
. e chamado de simtrico multiplicativo
ou inverso de c para o qual
c(c
1
) = (c
1
)c = 1.
5. Distributividade. Dados trs escalares c. / e c em K.
c(/ + c) = c/ + cc.
Exemplo 3.1 O conjunto dos nmeros racionais Q com as operaes usuais
de adio e multiplicao um corpo. Tambm so corpos os conjuntos dos
nmeros reais R e o dos complexos C com suas operaes usuais de adio e
multiplicao.
Exemplo 3.2 Existem corpos com um nmero nito de elementos. Tais cor-
pos possuem um nmero primo de elementos ou uma potncia inteira de um
nmero primo de elementos. Sendo j um nmero primo, o conjunto Z
p
=
0. 1. . . . . j 1 com as operaes de adio e multiplicao mdulo j um
corpo nito. Lembramos que as operaes de adio e muliplicao mdulo j.
denotadas por (c +/) mod j e (c/) mod j so denidas realizando as operaes
usuais de c com / nos inteiros e tomando o resto da diviso inteira do resul-
tado por j. Os corpos nitos cujo nmero de elementos uma potncia inteira
de nmeros primos possuem uma representao em termos de polinmios com
coecientes em Z
p
. Os corpos nitos so muito utilizados em Criptograa.
Um espao vetorial uma estrutura matemtica formada por um con-
junto no vazio \. cujos elementos so denominados de vetores, um corpo
K. cujos elementos so denominados escalares, e duas operaes, sendo uma
delas a adio de vetores e a outra a multiplicao de um vetor por
um escalar. As duas operaes sero descritas em seguida. Por simplicidade,
frequentemente se diz apenas que \ um espao vetorial. Todavia no se
deve esquecer que o espao vetorial um estrutura formada pelo conjunto \.
Notas de aula do Professor Faleiros
69
pelo corpo K e pelas duas operaes em \. Para enfatizar o papel do corpo na
estrutura do espao vetorial tambm usual dizer que \ um espao vetorial
sobre o corpo K. Se K for o corpo dos nmeros reais, se diz que o espao
vetorial real. Se K for o corpo dos nmeros complexos, se diz que o espao
vetorial complexo.
A adio de vetores uma operao que leva um par v e w de vetores
de \ num vetor v + w de \ chamado de soma de v e w. A multiplicao
de um escalar por um vetor uma operao que leva um escalar c de
K e um vetor v de \ num vetor cv de \ denominado de mltiplo de v.
Para o conjunto \ com estas operaes formar um espao vetorial sobre K. as
operaes devem possuir as propriedades abaixo:
Propriedades da adio:
1. Comutatividade da adio. Para todo vetor u e v em \.
u +v = v +u.
2. Associatividade da adio. Para todo vetor u. v e w em \.
(u +v) +w = u + (v +w).
3. Vetor nulo. Existe um vetor em \ chamado de vetor zero ou vetor
nulo, denotado por 0 (em negrito) para o qual
v +0 = 0 +v = v.
4. Elemento oposto. Para cada vetor v em \. existe um vetor em \.
denotado por v e chamado de vetor oposto de v. para o qual
v + (v) = (v) +v = 0.
Propriedades da multiplicao por escalar:
5. Associatividade da multiplicao. Para todo escalar c e / em K e
todo vetor v em \.
c(/v) = (c/)v.
6. Distributividade da multiplicao de escalares em relao
adio de vetores. Para todo escalar c em K e todo vetor v e w
em \.
c(v +w) = cv + cw.
Notas de aula do Professor Faleiros
70 Espao vetorial
1. Distributividade da adio de escalares em relao multipli-
cao por um vetor. Para todo escalar c e / em K e todo vetor v em
\.
(c + /)v = cv + /v.
7. Elemento unidade. Se 1 for o elemento neutro da multiplicao em
K. para todo vetor v em \.
1v = v.
Denimos a subtrao do vetor v pelo vetor w como sendo a operao
que resulta no vetor v w denido por
v w = v + (w).
Os escalares sero designados com smbolos sem negrito e os vetores em negrito.
Quando for conveniente, sendo c um escalar e v um vetor, escreveremos vc
como sinnimo de cv e
v
c
ser um sinnimo de c
1
v.
Ao denirmos as operaes de adio de vetores e multiplicao um vetor
por um escalar, estabelecemos que a soma u + v e o produto c v pertencem
ambos a \. Muitos autores incluem este fato entre as propriedades das oper-
aes dizendo que o espao vetorial \ fechado na adio e fechado na
multiplicao por escalar.
Propriedades adicionais dos espaos vetoriais
A partir das propriedades enunciadas acima, pode-se extrair todas as demais
propriedades de uma espao vetorial. Dentre elas, as abaixo, onde 0 (sem
negrito) denota o escalar zero, que o elemento neutro da adio no corpo dos
escalares e 0 (com negrito) denota o vetor nulo, que o elemento neutro da
adio no espao vetorial \. Os smbolos sem negrito so escalares e aqueles
com negrito so vetores.
1. 0u = 0.
2. : 0 = 0.
3. (1)v = v.
4. Se : v = 0 ento : = 0 ou v = 0.
Notas de aula do Professor Faleiros
3.1 O espao vetorial das nuplas ordenadas 71
Prova das propriedades:
1. 0u = (0 + 0)u = 0u+0u o que implica em 0u = 0.
2. :0 = :(0 +0) = :0+:0 o que implica em :0 = 0.
3. (v + (1v)) = (1 + (1))v = 0v = 0. Logo, 1v = v.
4. Se :v = 0 e : ,= 0. ento v = 1v = (:
1
:)v = :
1
(: v) = :
1
0 = 0.
3.1 O espao vetorial das nuplas ordenadas
Seja : um nmero inteiro positivo. Uma sequncia (r
1
. . . . . r
n
) de nmeros
reais, delimitada por parntesis, chamada de :-upla (leia-se nupla) orde-
nada de nmeros reais. Os nmeros reais r
i
. onde i = 1. 2. . . . . : so chamados
de elementos da nupla. Quando : = 2 ou 3. usamos os termos par orde-
nado e terno ordenado para design-los. O conjunto de todas as nuplas
ordenadas denotado por R
n
.
Duas nuplas (r
1
. . . . . r
n
) e (
1
. . . . .
n
) so iguais quando r
1
=
1
. r
2
=

2
. . . . . r
n
=
n
.
A adio de duas nuplas a operao que leva x = (r
1
. . . . . r
n
) e y =
(
1
. . . . .
n
) na nupla
x +y = (r
1
+
1
. . . . . r
n
+
n
)
e a multiplicao de um nmero real por uma nupla a operao que
leva um nmero real : e a nupla x = (r
1
. . . . . r
n
) na nupla
: x = (: r
1
. . . . . : r
n
).
A nupla x + y chamada de soma de x e y. a nupla : x chamada de
mltiplo escalar de x. O R
n
com estas duas operaes um espao vetorial
real, cujo vetor nulo ou vetor zero a :-upla
0 = (0. . . . . 0)
onde todos os elementos so iguais a zero. O inverso aditivo ou oposto de x =
(r
1
. . . . . r
n
)
x = (r
1
. . . . . r
n
)
e a subtrao no R
n
a operao
(r
1
. . . . . r
n
) (
1
. . . . .
n
) = (r
1

1
. . . . . r
n

n
)
Notas de aula do Professor Faleiros
72 Espao vetorial
O R
n
o espao vetorial mais importante para as aplicaes. Mais tarde
estudaremos os conceitos de dimenso e isomorsmo. Na ocasio, provaremos
que todo espao vetorial real \ de dimenso : isomorfo ao R
n
. Mediante
este isomorsmo, toda propriedade ou operao realizada no R
n
se transfere
para o espao \ e vice-versa, vindas de \ e levadas para o R
n
. Desta forma,
os dois espaos so equivalentes para os objetivos da lgebra Linear. Assim,
ao estudar as propriedades do R
n
. ter-se- estudado todos os espaos vetoriais
de dimenso nita.
3.2 Outros espaos vetoriais relevantes
Exemplo 3.3 Sejam : e : nmeros inteiros positivos. O conjunto das ma-
trizes reais : : com as operaes de adio de matrizes e multiplicao de
um nmero real por uma matriz um espao vetorial real.
Exemplo 3.4 O conjunto das funes reais contnuas com domnio num in-
tervalo aberto (c. /) e imagem em R. com as operaes de adio de funes
e multiplicao de um nmero real por uma funo um espao vetorial real.
Exemplo 3.5 O conjunto \ = 0 que contm um nico elemento, onde se
dene a adio por 0 +0 = 0 e a multiplicao por um escalar : por : 0 = 0.
um espao vetorial denominado de espao vetorial nulo.
Observe que nem toda operao de adio e multiplicao por escalar em
um conjunto resulta em um espao vetorial. Considere o R
2
onde denimos a
adio como usual
(r
1
. r
2
) + (
1
.
2
) = (r
1
+
1
. r
2
+
2
)
e a multiplicao de um um nmero real : por um par (r
1
. r
2
) de um modo
um pouco diferente que o usual
: (r
1
. r
2
) = (: r
1
. 0).
Observe que 1(1. 2) = (1. 0) que diferente de (1. 2). no satisfazendo a ltima
propriedade da multiplicao por escalar. Logo, R
2
com as operaes acima
no um espao vetorial real.
3.3 Subespaos vetoriais
Seja o um subconjunto no vazio de um espao vetorial \. O subconjunto
o fechado na adio se, dados dois vetores u e v em o. a soma u + v
Notas de aula do Professor Faleiros
3.3 Subespaos vetoriais 73
pertence a o. O subconjunto o fechado na multiplicao por escalar se
dado um vetor v em o e um escalar c. o vetor c v pertence a o. Se o for um
subconjunto no vazio de \. fechado na adio e na multiplicao por escalar,
ser denominado subespao vetorial de \.
Todo subespao vetorial contm o vetor nulo. Para vericar que esta ar-
mao veradeira, considere um vetor v qualquer de um subespao vetorial
o. Multiplicando v pelo escalar 0. obtm-se que o vetor zero 0 = 0 v. Como o
fechado na multiplicao por escalar, 0 pertence a o.
Teorema 3.6 Seja o um subespao vetorial de \. Ento o. juntamente com as
operaes de adio de vetores e multiplicao de vetor por escalar, denidas
em \. tambm um espao vetorial.
Se \ um espao vetorial, ento o prprio \ e o conjunto 0. contendo
apenas o vetor nulo, so subespaos vetoriais de \ denominados triviais. Em
particular, o subespao vetorial que contm apenas o vetor nulo 0 denomi-
nado de espao nulo.
Dados dois pares ordenados de nmeros reais (r
0
.
0
) e (c. /). sendo este
ltimo no nulo, o conjunto
(r. ) R
2
: r = r
0
+ ct. =
0
+ /t. com t percorrendo os reais
uma reta do R
2
. As equaes
r = r
0
+ ct.
=
0
+ /t.
com t percorrendo os reais, so denominadas de equaes paramtricas da
reta e t o parmetro. As equaes
(r. ) = (r
0
.
0
) + t (c. /)
com t percorrendo os reais, denominada de equao vetorial da reta. Para
cada t. as equaes paramtricas ou vetorial fornecem um ponto distinto da
reta. Quando (r
0
.
0
) = (0. 0). esta reta passa pela origem (0. 0) e um
subespao vetorial da R
2
. Concluso: As retas passando pela origem, o prprio
R
2
e o conjunto (0. 0) . que contm apenas o zero, so subespaos do R
2
.
Sejam c. / e c nmeros reais nem todos nulos. Para cada nmero real d.
um plano no R
3
conjunto de todos os ternos ordenados (r. . .) de nmeros
reais para os quais cr+ /+ c. = d. Esta a equao geral do plano. Os
planos que passam pela origem (0. 0. 0). ou seja, aqueles para os quais d = 0.
so subespaos vetoriais do R
3
.
Notas de aula do Professor Faleiros
74 Espao vetorial
Sejam (r
0
.
0
. .
0
) e (c. /. c) dois ternos ordenados de nmeros reais, sendo
(c. /. c) no nulo. Uma reta no R
3
o conjunto de todos os ternos ordenados
(r. . .) de nmeros reais obtidos por
r = r
0
+ c t
=
0
+ / t
. = .
0
+ c t
medida que o parmetro t percorre o conjunto dos nmeros reais. Estas
so as equaes paramtricas da reta. Quando (r
0
.
0
. .
0
) = (0. 0. 0). a
reta passa pela origem (0. 0. 0).
Outra representao de retas no R
3
pode ser feita mediante a interseo
de dois planos
c
1
r + /
1
+ c
1
. = d
1
c
2
r + /
2
+ c
2
. = d
2
Ao escalonar este sistema, sendo os dois planos distintos e concorrentes, ca-
se com uma varivel livre que pode ser tomada como parmetro da soluo
paramtrica. Quando d
1
= d
2
= 0. a reta passa pela origem. Retas que passam
pela origem so subespaos vetoriais do R
3
.
Concluso: As retas e os planos que passam pela origem (0. 0. 0) so
subespaos do R
3
. Alm deles sabemos que o conjunto com o zero, (0. 0) . e
o prprio R
3
so subespaos vetoriais do R
3
.
Vamos dar outros exemplos de subespao mais abstratos. Mas, sempre que
desejar uma imagem de subespao, lembre-se das retas e dos planos passando
pela origem.
Exemplo 3.7 Seja \ o conjunto de todos os polinmios reais. Este conjunto
com as operaes de adio de polinmios e multiplicao de um nmero real
por um polinmio um espao vetorial real. O subconjunto o dos polinmios
de grau menor ou igual a : um subespao vetorial de \.
Exemplo 3.8 Considere o espao vetorial `
nn
(R) das matrizes quadradas
reais de tamanho ::. O subconjunto das matrizes simtricas, o subconjunto
das matrizes diagonais, o subconjunto das matrizes triangulares superiores e o
subconjunto das matrizes triangulares inferiores so todos subespaos vetoriais
de `
nn
(R).
Exemplo 3.9 O conjunto dos polinmios reais, o conjunto das funes reais
contnuas, o conjunto das funes reais com derivada contnuas, o conjunto das
funes reais com derivadas contnuas at a ordem :. o conjunto das funes
Notas de aula do Professor Faleiros
3.3 Subespaos vetoriais 75
reais com derivadas contnuas de todas as ordens, todas elas denidas no in-
tervalo (c. /) de nmeros reais, so subespaos vetoriais do espao vetorial real
formado pelo conjunto das funes reais com domnio (c. /) e pelas operaes
de adio de funes e multiplicao de um escalar por uma funo.
Exemplo 3.10 Seja uma matriz retangular real : : e 0 a matriz nula
:1. O conjunto soluo
A `
n1
(R) : A = 0
do sistema linear homogneo A = 0 um subespao vetorial das matrizes
reais : 1. Em particular, quando
=
_
_
1 2 3
2 4 6
3 6 9
_
_
o espao das solues de A = 0 o subconjunto formado pelas matrizes
coluna
_
r
1
r
2
r
3

T
para as quais r
1
2r
2
+ 3r
3
= 0. Quando
=
_
_
1 2 3
3 7 8
2 4 6
_
_
o conjunto soluo formado pelas matrizes [r
1
. r
2
. r
3
]
T
para as quais r
1
=
5t. r
2
= t. r
3
= t. com t percorrendo os reais. Quando
=
_
_
1 2 3
3 7 8
4 1 2
_
_
o espao soluo o subespao trivial que contm apenas a matriz coluna nula
_
0 0 0

T
. Quando
=
_
_
0 0 0
0 0 0
0 0 0
_
_
o espao soluo todo o espao das matrizes 3 1.
Exemplo 3.11 (Um contra-exemplo) O conjunto o de todos os pares ordena-
dos de nmeros reais (r
1
. r
2
) com r
2
= r
2
1
no um subespao vetorial do R
2
por no ser fechado na multiplicao por escalar. Observe que (2. 4) mas 3(2.
4) = (6. 12) no pertence a o. O conjunto o. no sendo fechado no produto de
um escalar por um vetor, no espao vetorial.
Notas de aula do Professor Faleiros
76 Espao vetorial
3.4 Combinao linear
Se v
1
. v
2
. . . . . v
n
forem vetores de um espao vetorial \ e :
1
. :
2
. . . . . :
n
forem
escalares, ento o vetor
w = :
1
v
1
+ + :
n
v
n
uma combinao linear dos vetores v
1
. . . . . v
n
. Se v for um vetor de \ e
: for um escalar, o vetor : v chamado de mltiplo escalar de v.
Exemplo 3.12 Sejam u = (1. 2. 1). v = (6. 4. 2) e w = (9. 2. 7) trs
vetores do R
3
. O vetor w uma combinao linear de u e v pois w = 3u+
2v. Todavia, no possvel escrever z = (4. 1. 8) como combinao linear
de u e v. Ao escrever z = :
1
u + :
2
v. nota-se que :
1
e :
2
devem satisfazer ao
sistema
:
1
+ 6:
2
= 4
2:
1
+ 4:
2
= 1
:
1
+ 2:
2
= 8
que, ao ser escalonado resulta no sistema inconsistente
:
1
+ 6:
2
= 4
8:
2
= 9
0 = 3
Exemplo 3.13 Sejam e
1
= (1. 0. 0). e
2
= (0. 1. 0). e
3
= (0. 0. 1) vetores do
R
3
. O vetor (2. 3. 1) igual a 2e
1
+ 3e
2
e
3
sendo, portanto, uma com-
binao linear de e
1
. e
2
. e
3
. Alis, todo vetor x = (r
1
. r
2
. r
3
) do R
3
uma
combinao linear de e
1
. e
2
. e
3
. uma vez que x = r
1
e
1
+ r
2
e
2
+ r
3
e
3
.
3.5 Espao gerado
Seja G = v
1
. . . . . v
k
um conjunto nito e no vazio de vetores pertencentes
a um espao vetorial \ no nulo. O conjunto
o = :
1
v
1
+ + :
n
v
n
: :
1
. . . . . :
n
R
formado por todas as combinaes lineares dos vetores v
1
. . . . . v
k
um sube-
spao vetorial de \. chamado espao vetorial gerado por G ou espao veto-
rial gerado por v
1
. . . . . v
k
. Tambm se diz que os vetores v
1
. . . . . v
k
geram
o e se escreve
o = qc:(G) ou o = qc:(v
1;
. . . . v
k
).
Notas de aula do Professor Faleiros
3.6 Dependncia linear 77
Exemplo 3.14 Seja x = (r
1
. r
2
. r
3
) um terno ordenado no nulo de nmeros
reais. O espao gerado por x. formado pelos vetores da forma tx. onde t um
nmero real, uma reta que passa pelo zero (0. 0. 0). Um ponto y qualquer
desta reta satisfaz equao vetorial y = tx. com t percorrendo os reais.
Exemplo 3.15 O conjunto e
1
. e
2
. e
3
. onde e
1
= (1. 0. 0). e
2
= (0. 1. 0).
e
3
= (0. 0. 1). gera todo o R
3
.
Exemplo 3.16 O conjunto v
1
. v
2
. v
3
onde v
1
= (1. 1. 2). v
2
= (1. 0. 1).
v
3
= (2. 1. 3) no gera o R
3
pois (1. 0. 0) no uma combinao linear de
v
1
. v
2
. v
3
.
Exemplo 3.17 O conjunto de polinmios 1. r. r
2
. . . . . r
n
gera o conjunto
dos polinmios reais de grau menor ou igual a :.
Propriedades dos espaos gerados
1. Seja G = v
1
. . . . . v
n
um conjunto nito e no vazio de vetores. O
espao gerado por G no se altera quando:
(a) Se permuta a posio de seus vetores.
(b) Se multiplica um de seus vetores por um escalar no nulo.
(c) Se adiciona a um vetor de G um mltiplo de outro vetor de G.
(d) Se inclui em G um vetor igual a uma combinao linear dos vetores
de G.
(e) Se retira de G um vetor igual a uma combinao linear dos demais
vetores de G.
2. Dois conjuntos de vetores G
1
e G
2
nitos e no vazios geram o mesmo
espao vetorial se, e s se, os vetores de G
1
forem combinaes lineares
dos vetores de G
2
e os vetores de G
2
forem combinaes lineares dos
vetores de G
1
.
3.6 Dependncia linear
Seja G = v
1
. .... v
n
um conjunto nito e no vazio de vetores de um espao
vetorial \ no nulo. Quando existirem escalares c
1
. c
2
. . . . . c
n
nem todos nulos
para os quais
c
1
v
1
+ + c
n
v
n
= 0.
Notas de aula do Professor Faleiros
78 Espao vetorial
diz-se que o conjunto G linearmente dependente. Se c
1
= 0. c
2
= 0. . . . .
c
n
= 0 forem os nicos escalares para os quais
c
1
v
1
+ + c
n
v
n
= 0.
o conjunto G chamado de linearmente independente. Podemos olhar
para
c
1
v
1
+ + c
n
v
n
= 0.
como sendo uma equao vetorial cujas incgnitas so os escalares c
1
. c
2
. . . . .
c
n
. Esta equao sempre satisfeita quando fazemos c
1
= c
2
= = c
n
=
0. chamada de soluo trivial da equao. Se a equao vetorial anterior
possuir apenas a soluo trivial, o conjunto G = v
1
. .... v
n
linearmente in-
dependente e, quando possuir solues no triviais, o conjunto G linearmente
dependente.
Exemplo 3.18 O conjunto de vetores
v
1
= (2. 1. 0). v
2
= (1. 2. 5). v
3
= (7. 1. 5)
do R
3
linearmente dependente pois 3v
1
+ v
2
v
3
= 0. Ao explicitar v
3
obtemos este vetor como uma combinao linear de v
1
e v
2
v
3
= 3v
1
+v
2
.
Tambm possvel escrever v
1
ou v
2
como uma combinao linear dos outros
dois.
Exemplo 3.19 Os vetores
e
1
= (1. 0. 0). e
2
= (0. 1. 0). e
3
= (0. 0. 1)
do R
3
formam um conjunto linearmente independente.
Exemplo 3.20 O conjunto formado pelos vetores
v
1
= (1. 2. 3). v
2
= (5. 6. 1). v
3
= (3. 2. 1)
do R
3
linearmente dependente. De fato, a equao vetorial
c
1
(1. 2. 3) + c
2
(5. 6. 1) + c
3
(3. 2. 1) = (0. 0. 0)
corresponde ao sistema linear
_
_
1 5 3
2 6 2
3 1 1
_
_
_
_
c
1
c
2
c
3
_
_
=
_
_
0
0
0
_
_
cuja soluo c
2
= c
1
e c
3
= 2c
1
. Fazendo c
1
= 1. obtemos v
1
+v
2
2v
3
=
0. o que prova ser o conjunto formado pelos vetores v
1
. v
2
e v
3
linearmente
dependente.
Notas de aula do Professor Faleiros
3.6 Dependncia linear 79
Exemplo 3.21 Os polinmios
j
1
= 1 r. j
2
= 5 + 3r 2r
2
. j
3
= 1 + 3r r
2
formam um conjunto linearmente dependente em 1
3
pois 3j
1
j
2
+ 2j
3
= 0.
Observe que esta uma igualdade entre polinmios. O zero do lado direito
o polinmio nulo. Assim, a igualdade 3j
1
j
2
+ 2j
3
= 0 signica que
3j
1
(r) j
2
(r) + 2j
3
(r) = 0
para todo r real.
Exemplo 3.22 Vamos provar que conjunto 1. r. . . . . r
n
linearmente in-
dependente em 1
n
(R). Sejam c
1
. c
2
. . . . . c
n
nmeros reais no nulos para os
quais
c
1
1 + c
2
r + + c
n
r
n
= 0
para todo r real. Fazendo r = 0. obtemos c
1
= 0. Derivando em relao a
r os dois lados da igualdade e fazendo r = 0. obtemos c
2
= 0. Derivando
sucessivamente o polinmio e fazendo r = 0 obtemos c
3
= = c
n
= 0.
mostrando que o conjunto 1. r. . . . . r
n
linearmente independente.
Exemplo 3.23 O conjunto formado pelas funes ,
1
= r e ,
2
= sen r lin-
earmente independente no espao vetorial das funes reais com domnio em
R. De fato, se c
1
e c
2
forem dois escalares tais que c
1
r+ c
2
sen r = 0 para todo
r real, derivando a igualdade em r obteramos o sistema em c
1
e c
2
c
1
r + c
2
sen r = 0
c
1
+ c
2
cos r = 0
que, para r = :,2 possui apenas a soluo trivial, uma vez que
det
_
:,2 sen :,2
1 cos :,2
_
= det
_
:,2 1
1 0
_
= 1 ,= 0.
O teorema que segue mostra a origem do termo dependncia linear. Nele
se prova que, quando um conjunto de vetores linearmente dependente, h
uma dependncia linear entre seus vetores. Com isto queremos dizer que
um dos vetores uma combinao linear dos demais.
Teorema 3.24 Um conjunto nito de vetores linearmente dependente se, e
s se, um dos seus vetores for uma combinao linear dos demais.
Notas de aula do Professor Faleiros
80 Espao vetorial
Prova. Seja G = v
1
. . . . . v
n
um conjunto linearmente dependente. En-
to existem escalares c
1
. . . . . c
n
. nem todos nulos, tais que
c
1
v
1
+ + c
n
v
n
= 0
Supondo que c
1
,= 0. ento
v
1
=
_

c
2
c
1
_
v
2
+ +
_

c
n
c
1
_
v
n
mostrando que v
1
combinao linear de v
2
. . . . . v
n
. Se c
i
for diferente de
zero, para algum i. possvel explicitar v
i
e obt-lo como combinao linear
dos demais.
Reciprocamente, se v
1
= c
2
v
2
+ + c
n
v
n
. ento 1.v
1
c
2
v
2

c
n
v
n
= 0 e o conjunto G linearmente dependente. Observe que pelo menos
o coeciente de v
1
. sendo igual a 1. diferente de zero.
Retas e planos em espaos vetoriais
Seja v um vetor no nulo de um espao vetorial \. O conjunto de vetores w
da forma w = t v. para algum t real, chamado de reta gerada por v e w =
t v. com t em R. chamada de equao vetorial da reta gerada por v.
Seja G = v
1
. v
2
um conjunto linearmente independente de vetores dum
espao vetorial \. O conjunto gerado por G chamado de plano gerado por
v
1
e v
2
. Se w for um ponto deste plano, existem escalares : e : tais que w =
: v
1
+ : v
2
. Esta a chamada equao vetorial do plano gerado por v
1
. v
2
.
Um conjunto com dois vetores v
1
. v
2
de um espao vetorial \ linear-
mente dependente se, e somente se, ambos pertencerem a uma mesma reta que
passa pela origem.
Um conjunto com trs vetores v
1
. v
2
. v
3
linearmente dependente se, e
somente se, todos estiverem num mesmo plano que passa pela origem.
Exemplo 3.25 O vetor (2. 1) do R
2
gera a reta cujos pontos so x = t (2. 1).
com t percorrendo o conjunto dos nmeros reais. Esta a equao vetorial da
reta. Sendo x = (r
1
. r
2
). obtemos r
1
= 2t e r
2
= t. com t R. Estas so
chamadas de equaes paramtricas da reta.
Exemplo 3.26 O subespao vetorial gerado pelos ternos ordenados (2. 0.
1). (1. 1. 0) o plano do R
3
cuja equao vetorial
x = :(2. 0. 1) + :(1. 1. 0)
Notas de aula do Professor Faleiros
3.7 Dependncia linear de funes 81
com : e : percorrendo o conjunto dos nmeros reais. As equaes paramtricas
deste plano so
r
1
= 2: + :.
r
2
= :.
r
3
= :.
com : e : percorrendo os reais.
Propriedades da dependncia linear
1. Todo conjunto nito de vetores que contm o vetor nulo linearmente
dependente.
2. Todo conjunto com um nico vetor no nulo linearmente independente.
3. Todo conjunto com dois vetores linearmente dependende se, e s se,
um for mltiplo escalar do outro.
4. Se incluirmos vetores em um conjunto linearmente dependente, ele con-
tinua linearmente dependente.
5. Se retirarmos vetores de um conjunto linearmente independente, ele con-
tinua linearmente independente.
6. Se incluirmos um vetor w a um conjunto linearmente independente G e
ele se tornar linearmente dependente, ento w uma combinao linear
dos elementos de G.
7. Seja G conjunto linearmente independente. Se o vetor w no for uma
combinao linear dos vetores G. o conjunto obtido ao incluir w em G
continua linearmente independente.
3.7 Dependncia linear de funes
Sejam c e / nmeros reais com c < /. O conjunto 1(c. /) das funes reais
com domnio no intervalo (c. /). com as operaes de adio de funes e
multiplicao de um nmero real por uma funo, um espao vetorial real.
O conceito de dependncia linear de vetores tambm se aplica s funes,
como elementos do espao vetorial 1(c. /). Sendo ,
1
. ,
2
. . . . . ,
n
funes reais
com domnio em (c. /). o conjunto G = ,
1
. ,
2
. . . . . ,
n
linearmente
dependente se existirem escalares c
1
. c
2
. . . . . c
n
nem todos nulos tais que
c
1
,
1
+ + c
n
,
n
= 0.
Notas de aula do Professor Faleiros
82 Espao vetorial
Observe que esta uma igualdade entre funes e o 0 (zero) do lado direito
a funo identicamente nula. Esta a funo que leva todo r em 0. Desta
forma, a igualdade anterior implica em
c
1
,
1
(r) + + c
n
,
n
(r) = 0
para todo r no intervalo (c. /). Como as funes envolvidas esto denidas
no intervalo (c. /). diremos que o conjunto de funes linearmente depen-
dente em (c. /). Quando o conjunto no for linearmente dependente em (c.
/). diremos que o conjunto de funes linearmente independente em (c.
/). Isto signica que c
1
= 0. c
2
= 0. . . . . c
n
= 0 a nica sequncia de escalares
para a qual
c
1
,
1
(r) + + c
n
,
n
(r) = 0
para todo r no intervalo (c. /).
Exemplo 3.27 O conjunto formado pelas funes ,
1
(r) = sin
2
r. ,
2
(r) =
cos
2
r. ,
3
(r) = 5 denidas no conjunto dos nmeros reais linearmente de-
pendente em R pois 5,
1
(r) + 5,
2
(r) ,
3
(r) = 0 para todo r real.
Wronskiano
Sejam c e / nmeros reais, com c < /. Seja : um nmero inteiro positivo. O
espao vetorial das funes reais com derivadas contnuas at a ordem : no
intervalo (c. /) denotado por C
n
(c. /). Sendo G = ,
1
. . . . . ,
n
um conjunto
linearmente dependente de funes em C
n1
(c. /). existe uma sequncia no
nula de escalares c
1
. . . . . c
n
. para a qual
c
1
,
1
(r) + + c
n
,
n
(r) = 0
para todo r em (c. /). Como as funes possuem derivadas contnuas at a
ordem : 1. podemos derivar sucessivamente a igualdade acima obtendo o
sistema
c
1
,
1
(r) + + c
n
,
n
(r) = 0
c
1
,
0
1
(r) + + c
n
,
0
n
(r) = 0

c
1
,
(n1)
1
(r) + + c
n
,
(n)
n
(r) = 0
que, para cada r do intervalo (c. /). pode ser considerado um sistema algbrico
de equaes lineares homogneas em c
1
. c
2
. . . . . c
n
. Como este sistema linear
Notas de aula do Professor Faleiros
3.7 Dependncia linear de funes 83
em c
1
. c
2
. . . . . c
n
possui soluo no trivial, o determinante da matriz dos
coecientes do sitema deve ser igual a zero
det
_

_
,
1
(r) ,
n
(r)
.
.
.
.
.
.
.
.
.
,
(n1)
1
(r) ,
(n1)
n
(r)
_

_
= 0
para todo r real no intervalo (c. /). Este determinante chamado de wron-
skiano das funes ,
1
. ,
2
. . . . . ,
n
e denotado por
\[,
1
. . . . . ,
n
](r).
Para simplicar a notao, pode-se denotar o wronskiano simplesmente por
\(r). Neste caso, o contexto deve tornar claro quais so as funes envolvidas.
Quando um conjunto de funes for linearmente dependente em (c. /).
mostramos que o wronskiano delas igual a zero para todo r em (c. /). A
recproca desta propriedade no verdadeira como nos mostra o exemplo a
seguir.
Exemplo 3.28 O conjunto de funes G = r
2
. r[ r [ linearmente inde-
pendente em (2. 2) e \(r) = 0 para todo r em (2. 2). Para provar que
este conjunto linearmente independente no intervalo considerado, sejam c
1
e
c
2
escalares tais que c
1
r
2
+ c
2
r [ r [ = 0 para todo r em (2. 2). Fazendo r =
1 e r = 1 obtemos o sistema
c
1
c
2
= 0
c
1
+ c
2
= 0
cuja nica soluo a trivial c
1
= 0 e c
2
= 0.
Se \[,
1
. . . . . ,
n
](r
0
) ,= 0 para algumr
0
em (c. /) e c
1
. . . . . c
n
forem nmeros
reais tais que c
1
,
1
(r) + + c
n
,
n
(r) = 0 para todo r em (c. /). podemos
derivar sucessivamente esta igualdade, vericando que c
1
. c
2
. . . . . c
n
soluo
do sistema linear
c
1
,
1
(r
0
) + + c
n
,
n
(r
0
) = 0
c
1
,
0
1
(r
0
) + + c
n
,
0
n
(r
0
) = 0

c
1
,
(n1)
1
(r
0
) + + c
n
,
(n1)
n
(r
0
) = 0
Como o determinante \[,
1
. . . . . ,
n
](r
0
) diferente de zero, este sistema possui
apenas a soluo a trivial,
c
1
= c
2
= = c
n
= 0.
Notas de aula do Professor Faleiros
84 Espao vetorial
Conclui-se, como consequncia, que o conjunto formado pelas funes ,
1
. . . . .
,
n
linearmente independente em (c. /).
Provamos o seguinte teorema:
Teorema 3.29 Seja G = ,
1
. . . . . ,
n
um conjunto de funes em C
n1
(c.
/). Se G for linearmente dependente, \(r) = 0 para todo r real. Se \(r
0
) ,=
0 em algum ponto r
0
de (c. /). ento G linearmente independente em (c. /).
Quando \[,
1
. . . . . ,
n
](r) = 0 em (c. /). nada se pode armar sobre a
dependncia ou independncia linear do conjunto G = ,
1
. . . . . ,
n
em (c. /).
sem hipteses adicionais. Quando as funes envolvidas forem solues de uma
equao diferencial linear, temos o seguinte resultado:
Teorema 3.30 Sejam c
0
(r). . . . . c
n1
(r) e /(r) funes contnuas em (c. /)
e = ,
1
(r). . . . . = ,
n
(r) solues da equao diferencial ordinria

(n)
+ c
n1
(r)
(n1)
+ + c
1
(r)
0
(r) + c
0
(r) = /(r)
em (c. /). O conjunto de funes
,
1
. . . . . ,
n

linearmente dependente em (c. /) se, e s se, o wronskiano
\(r) = det
_

_
,
1
(r) ,
n
(r)
.
.
.
.
.
.
.
.
.
,
(n1)
1
(r) ,
(n1)
n
(r)
_

_
for igual a zero para algum r
0
em (c. /). Alm disso, se o wronskiano for igual
a zero em um ponto de (c. /). ento ser igual a zero em todos os pontos deste
intervalo.
O teorema acima nos permite concluir ainda que, quando = ,
1
(r). . . . .
= ,
n
(r) forem solues de uma equao diferencial ordinria com coecientes
contnuos em (c. /) e \(r) ,= 0 em um ponto de (c. /). ento o conjunto G =
,
1;
. . . . ,
n
linearmente independente em (c. /).
Exemplo 3.31 Sendo
\[r. sin r](r) = det
_
r sen r
1 cos r
_
= r cos r sen r
ento \[r. sin r](:) = 1. Sendo o wronskiano diferente de zero em :. o
conjunto r. sen r linearmente independente em (. ).
Notas de aula do Professor Faleiros
3.8 Base e dimenso de um espao vetorial 85
Exemplo 3.32 Sendo
\[1. c
x
. c
2x
](r) = det
_
_
1 c
x
c
2x
0 c
x
2c
2x
0 c
x
4c
2x
_
_
= 2c
3x
ento \[1. c
x
. c
2x
](0) = 1. que diferente de zero. Logo, o conjunto 1. c
x
.
c
2x
linearmente independente em (. ).
3.8 Base e dimenso de um espao vetorial
Consideremos os conjuntos G
1
= e
1
. e
2
. G
2
= d
1
. d
2
e G
3
= v
1
. v
2
. v
3

de pares ordenados de nmeros reais, onde


e
1
= (1. 0) . e
2
= (0. 1)
d
1
= (1. 2) . d
2
= (1. 1)
v
1
= (1. 0) . v
2
= (0. 1) . v
3
= (1. 1)
Qualquer par ordenado (r. ) do R
2
uma combinao linear dos vetores de
G
1
uma vez que
(r. ) = r e
1
+ e
2
Do mesmo modo, todo par ordenado ordenado (r. ) uma combinao linear
dos vetores de G
1
. considerando-se que
(r. ) = ( r)d
1
+ (2r )d
2
e o par (r. ) tambm uma combinao linear dos vetores de G
3
. pois
(r. ) = (r t)v
1
+ ( t)v
2
+ tv
3
.
para qualquer nmero real t. Qualquer par (r. ) uma combinao linear dos
vetores de G
1
. G
2
e G
3
. Nos casos de G
1
e G
2
no existem duas combinao
lineares diferentes que resultem no par (r. ). A decomposio unica. Como
veremos, isto decorre da independncia linear de G
1
e G
2
. No caso de G
3
existem innitas combinaes lineares de v
1
. v
2
e v
3
que resultam no par (r.
). uma vez que t pode ser qualquer nmero real. A decomposio de (r. )
numa combinao linear dos vetores de G
3
no nica. Esta falta de unicidade
decorre da dependncia linear do conjunto G
3
. Os trs conjuntos G
1
. G
2
e G
3
geram todo o R
2
. sendo G
1
e G
2
linearmente independentes e G
3
linearmente
dependente. Essas consideraes nos levam a denir base como sendo um
conjunto linearmente independente de vetores que gera o espao todo.
Notas de aula do Professor Faleiros
86 Espao vetorial
Denio 3.33 Seja 1 um conjunto nito e no vazio de vetores de um es-
pao vetorial \ no nulo. 1 uma base de \ se
1. for um conjunto gerador de \ ;
2. for linearmente independente.
Exemplo 3.34 Sejam v
1
= (1. 2. 1). v
2
= (2. 9. 0) e v
3
= (3. 3. 4) vetores do
R
3
. O conjunto de vetores 1 = v
1
. v
2
. v
3
uma base do R
3
. De fato, se
c
1
v
1
+ c
2
v
2
+ c
3
v
3
= 0. ento c
1
. c
2
. c
3
uma soluo do sistema linear
c
1
+ 2c
2
+ 3c
3
= 0
2c
1
+ 9c
2
+ 3c
3
= 0
c
1
+ 0c
2
+ 4c
3
= 0
que possui apenas a soluo trivial c
1
= c
2
= c
3
= 0. uma vez que o determi-
nante da matriz
=
_
_
1 2 3
2 9 3
1 0 4
_
_
= 1
diferente de zero. Alm disto, sendo x = (r
1
. r
2
. r
3
) um vetor qualquer do
R
3
. podemos escrev-lo como uma combinao linear x = c
1
v
1
+ c
2
v
2
+ c
3
v
3
.
onde c
1
. c
2
. c
3
a nica soluo do sistema
c
1
+ 2c
2
+ 3c
3
= r
1
.
2c
1
+ 9c
2
+ 3c
3
= r
2
.
c
1
+ 0c
2
+ 4c
3
= r
3
.
Quando x = (1. 3. 2). por exemplo, obtemos c
1
= 102. c
2
= 14. c
3
=
25.
Exemplo 3.35 A soluo geral do sistema homogneo
_

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

_
_

_
r
1
r
2
r
3
r
4
r
5
_

_
=
_

_
0
0
0
0
_

_
r
1
= :. r
2
= :. r
3
= : + :. r
4
= 0. r
5
= : : onde os parmetros : e :
podem assumir qualquer valor real. Logo, a soluo geral do sistema linear
formado pelo conjunto de matrizes
_

_
r
1
r
2
r
3
r
4
r
5
_

_
= :
_

_
1
0
1
0
1
_

_
+ :
_

_
0
1
1
0
1
_

_
Notas de aula do Professor Faleiros
3.8 Base e dimenso de um espao vetorial 87
que o subespao vetorial de `
51
gerado pelos vetores coluna
_
1 0 1 0 1

T
e
_
0 1 1 0 1

T
.
Teorema 3.36 Se o espao vetorial \ possuir um conjunto gerador nito,
ento \ possui base.
Prova. De fato, dado G nito que gera \. se G for linearmente indepen-
dente, ele uma base e a armao verdadeira.
Sendo G linearmente dependente, um de seus vetores uma combinao
linear dos demais. Retirando-o de G o conjunto obtido ainda gera \. Se este
novo conjunto ainda for linearmente dependente, um dos seus vetores com-
binao linear dos demais. Retirando este vetor, o novo conjunto, continua
gerando \. Continuando com este processo, chega-se a um conjunto linear-
mente independente que gera \ e que, portanto, uma base de \.
Teorema 3.37 Unicidade da representao em uma base. Se 1 = v
1
.
v
2
. . . . . v
n
uma base de um espao vetorial \. ento, para cada vetor w em
\. existe uma nica nupla (c
1
. c
2
. . . . . c
n
) para a qual
w = c
1
v
1
+ c
2
v
2
+ + c
n
v
n
.
Prova. A existncia imediata pois 1 base de \. Quanto unicidade,
se existirem duas nuplas (c
1
. c
2
. . . . . c
n
) e (/
1
. /
2
. . . . . /
n
) para as quais
w = c
1
v
1
+ c
2
v
2
+ + c
n
v
n
.
w = /
1
v
1
+ /
2
v
2
+ + /
n
v
n
.
ento
(c
1
/
1
)v
1
+ (c
2
/
2
)v
2
+ + (c
n
/
n
)v
n
= ww = 0.
Da independncia linear de 1. segue c
i
= /
i
para i = 1. 2. . . . . : o que prova
a unicidade da decomposio de w numa combinao linear dos elementos da
base.
Os escalares c
1
. . . . . c
n
para os quais w = c
1
v
1
+ c
2
v
2
+ + c
n
v
n
so
chamados de coordenadas de w na base 1 = v
1
. v
2
. . . . . v
n
. A nupla
(c
1
. . . . . c
n
) do R
n
chamada de vetor das coordenadas de w na base 1
e denotado por (w)
B
. O vetor coluna
_
c
1
c
n

T
chamado de matriz
de coordenadas de w na base 1. A combinao linear c
1
v
1
+ c
2
v
2
+ +
c
n
v
n
tambm recebe o nome de decomposio de w na base 1.
O vetor das coordenadas depende da ordem na qual escrevemos os vetores
da base. Uma mudana na ordem em que escrevemos os vetores da base
resulta numa mudana correspondente na ordem das entradas nos vetores das
coordenadas.
Notas de aula do Professor Faleiros
88 Espao vetorial
Bases cannicas
Existem bases que, pela sua simplicidade e aplicabilidade, recebem o nome de
bases cannicas.
O conjunto formado pelos pares ordenados e
1
= (1. 0) e e
2
= (0. 1) a base
cannica do R
2
e todo vetor x = (r
1
. r
2
) pode ser decomposto na combinao
linear x = r
1
e
1
+ r
2
e
2
.
O conjunto formado pelas trincas ordenadas e
1
= (1. 0. 0). e
2
= (0. 1. 0) e
e
3
= (0. 0. 1) a base cannica do R
3
e todo vetor x = (r
1
. r
2
. r
3
) pode ser
decomposto na combinao linear x = r
1
e
1
+ r
2
e
2
+ r
3
e
3
.
usual denotar os vetores da base cannica do R
2
e do R
3
por i. j e
k em vez de e
1
. e
2
. e
3
. Ns utilizaremos as duas notaes, de acordo com a
convenincia.
Sendo e
1
= (1. 0. . . . . 0). e
2
= (0. 1. . . . . 0). . . . . e
n
= (0. 0. . . . . 1) nuplas
de nmeros reais, o conjunto e
1
. . . . . e
n
a base cannica do R
n
. Toda
nupla x = (r
1
. . . . . r
n
) de nmeros reais pode ser decomposta na combinao
linear
x = r
1
e
1
+ + r
n
e
n
.
O conjunto de polinmios 1. r. r
2
. . . . . r
n
a base cannica do espao
vetorial formado pelos polinmios de grau menor ou igual a :. Observe que
todo polinmio real c
0
+ c
1
r + + c
n
r
n
de grau menor ou igual a :. so
combinaes lineares de 1. r. . . . . r
n
e c
1
. c
2
. . . . . c
n
so as coordenadas do
polinmio na base 1. r. r
2
. . . . . r
n
.
O conjunto formado pelas matrizes

1
=
_
1 0
0 0
_
.
2
=
_
0 1
0 0
_
.
3
=
_
0 0
1 0
_
.
4
=
_
0 0
0 1
_
a base cannica do espao vetorial das matrizes quadradas de ordem 2 2 e
toda matriz
=
_
c /
c d
_
uma combinao linear dos elementos da base cannica
= c
1
+ /
2
+ c
3
+ d
4
.
Propriedades relacionadas s bases
Se um espao vetorial \ no nulo possui uma base com : elementos, ento:
1. Qualquer subconjunto de \ com mais do que : vetores linearmente
dependente.
Notas de aula do Professor Faleiros
3.8 Base e dimenso de um espao vetorial 89
2. Qualquer subconjunto de \ com menos do que : vetores no gera \.
3. Todas as bases de \ possuem : vetores. Esta propriedade conhecida
como Princpio da Invarincia.
4. Um conjunto linearmente independente com : vetores base de \.
5. Um conjunto gerador de \ com : vetores base de \.
6. Um conjunto gerador de \ com mais do que : vetores pode ser reduzido
a uma base de \. retirando, um a um, aqueles vetores de \ que so
combinaes lineares dos demais.
7. Pode-se incluir vetores a um conjunto linearmente independente com
menos do que : vetores, at obter uma base de \.
Procedimentos prticos utilizados para obter uma base a partir de um
conjunto gerador e para construir uma base que contenha os vetores de um
conjunto linearmente independente sero discutidas ainda neste captulo.
Exemplo 3.38 A base cannica e
1
. e
2
do R
2
possui dois elementos. O
conjunto 1 formado pelos vetores v
1
= (3. 7) e v
2
= (5. 5) linearmente
independente e, portanto, 1 uma base de R
2
.
Exemplo 3.39 A base cannica e
1
. e
2
. e
3
do R
3
possui trs elementos. O
conjunto 1 formado pelos vetores v
1
= (2. 0. 1). v
2
= (4. 0. 7) e v
3
= (1.
1. 4) gera o R
3
e, portanto, 1 uma base do R
3
.
Se um espao vetorial \ no nulo possuir uma base com : elementos, pelo
princpio da invarincia, todas as suas bases tero : elementos. Neste caso, se
diz que \ possui dimenso nita e que sua dimenso :. Indicaremos este
fato escrevendo dim(\ ) = :. O espao vetorial nulo 0 tratado parte. Por
denio, sua base o conjunto vazio e sua dimenso zero. Diremos que os
espaos vetoriais que no possuem base nita possuem dimenso innita.
Exemplo 3.40 Os espaos vetoriais R
n
das nuplas ordenadas, 1
n
(R) dos
polinmios reais de grau menor ou igual a :. `
mn
(R) das matrizes de tamanho
:: possuem dimenso nita e suas dimenses so, respectivamente, :. :+1
e : :.
Exemplo 3.41 Possuem dimenso innita os espaos vetoriais: 1(R) das
funes reais com domnio em todo o conjunto de nmeros reais, C
k
(R) das
funes reais com derivadas contnuas at a ordem / em todos os pontos do
conjunto de nmeros reais, 1(R) dos polinmios reais. Em todos estes espaos,
a adio a adio usual de funes e a multiplicao por um escalar, a
multiplicao usual de um nmero real por uma funo.
Notas de aula do Professor Faleiros
90 Espao vetorial
Teorema 3.42 Seja o um subespao de um espao vetorial \ de dimenso
nita. Ento
dim(o) _ dim(\ ).
Quando dim(o) = dim(\ ). ento o = \.
Prova. Toda base de \ um conjunto gerador de o. o que implica na
desigualdade dim(o) _ dim(\ ). Quando dim(o) = dim(\ ) = :. toda base
de \ conjunto gerador de o e, possuindo : vetores, uma base de o o que
implica na igualdade o = \.
3.9 Matriz de mudana de base
Seja \ um espao vetorial de dimenso nita : maior do que zero. Sejam 1
1
=
v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
n
duas bases de \. Podemos decompor cada
elemento de 1
1
numa combinao linear dos elementos de 1
2
v
1
= c
11
w
1
+ c
21
w
2
+ + c
n1
w
n
v
2
= c
12
w
1
+ c
22
w
2
+ + c
n2
w
n

v
n
= c
1n
w
1
+ c
2n
w
2
+ + c
nn
w
n
Usando o smbolo de somatrio, podemos simplicar as expresses, escrevendo
v
j
=
j

i=1
c
ij
w
i
. para , = 1. 2. . . . . :.
A matriz
`
12
=
_

_
c
11
c
12
c
1n
c
21
c
22
c
2n
.
.
.
.
.
.
.
.
.
.
.
.
c
n1
c
n2
c
nn
_

_
chamada de matriz de mudana da base 1
1
para a base 1
2
ou, sim-
plesmente, matriz de mudana de base. Se diz ainda que `
12
a matriz de
transio da base 1
1
para a base 1
2
. Observe que as coordenadas do desen-
volvimento de v
1
na base 1
2
formam a primeira coluna de `
12
. as coordenadas
do desenvolvimento de v
2
na base 1
2
formam a segunda coluna e assim por
diante.
Notas de aula do Professor Faleiros
3.9 Matriz de mudana de base 91
Exemplo 3.43 Sejam 1
1
= v
1
. v
2
. v
3
e 1
2
= w
1
. w
2
. w
3
bases do R
3
.
onde
v
1
= (0. 1. 3). v
2
= (1. 2. 1). v
3
= (1. 0. 3).
e
w
1
= (1. 0. 1). w
2
= (0. 1. 1). w
3
= (0. 0. 2).
Podemos calcular os coecientes c
ij
para os quais
v
1
= c
11
w
1
+ c
21
w
2
+ c
31
w
3
v
2
= c
12
w
1
+ c
22
w
2
+ c
32
w
3
v
3
= c
13
w
1
+ c
23
w
2
+ c
33
w
3
e obter
v
1
= w
2
+w
3
v
2
= w
1
+ 2w
2
w
3
v
3
= w
1
+w
3
de onde extramos
`
12
=
_
_
0 1 1
1 2 0
1 1 1
_
_
.
a matriz de mudana da base 1
1
para a base 1
2
.
Sejam 1
1
= v
1
. . . . . v
n
. 1
2
= w
1
. . . . . w
n
e 1
3
= u
1
. . . . . u
n

bases de um espao vetorial \. Podemos escrever os vetores de uma base como


combinaes lineares dos elementos das outras bases. Obtendo as combinaes
lineares
v
j
=
n

k=1
c
kj
w
k
. w
k
=
n

i=1
/
ik
u
i
e v
j
=
n

i=1
c
ij
u
i
sabemos que
`
12
= [c
kj
] . `
23
= [/
ik
] e `
13
= [c
ij
]
so, respectivamente, as matrizes de mudana da base 1
1
para a base 1
2
. da
base 1
2
para a base 1
3
e da base 1
1
para a base 1
3
. Destas decomposies
segue
v
j
=

k
c
kj
w
k
=

k
c
kj

i
/
ik
u
i
=

i
_

k
/
ik
c
kj
_
u
i
=

i
c
ij
u
i
Notas de aula do Professor Faleiros
92 Espao vetorial
ou
c
ij
=

k
/
ik
c
kj
para i e , variando de 1 a :. Tais igualdades entre escalares corresponde
igualdade matricial
`
13
= `
23
`
12
.
Quando 1
3
for igual a 1
1
. a matriz `
13
a matriz identidade 1 e `
23
= `
21
.
Substituindo na igualdade acima, chega-se a
`
21
`
12
= 1.
mostrando que as matrizes de mudana de base so invertveis e que a inversa
de `
12
`
21
.
Sejam i e , inteiros do conjunto 1. 2. . . . . :. O delta de Kronecker
o
ij
. um conjunto de :
2
nmeros denidos do seguinte modo: o
ij
= 1 quando
i = , e o
ij
= 0 quando i ,= ,. Se 1 for a matriz identidade ::. o seu elemento
da linha i coluna , exatamente o
ij
e podemos escrever 1 = [o
ij
].
As igualdades matriciais
`
12
`
21
= 1 e `
21
`
12
= 1
quando escritas componente a componente, fornecem

k
c
ik
/
kj
= o
ij
e

k
/
ik
c
kj
= o
ij
para i e , percorrendo os valores inteiros 1. 2. . . . . :.
Mudana de coordenadas
Sejam 1
1
= v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
n
duas bases do espao vetorial
\ e u um vetor de \. Sejam
[u]
1
= [r
1
. . . . . r
n
]
T
e [u]
2
= [
1
. . . . .
n
]
T
as matrizes das coordenadas de u nas bases 1
1
e 1
2
. respectivamente. Seja
`
12
= [c
ij
] a matriz de mudana da base 1
1
para a base 1
2
. Temos
u =

j
r
j
v
j
=

i

i
w
i
e
v
j
=
n

i=1
c
ij
w
i
.
Notas de aula do Professor Faleiros
3.10 Espao linha e espao coluna 93
de onde segue
u =

j
r
j
v
j
=

j
r
j

i
c
ij
w
i
=

i
_

j
c
ij
r
j
_
w
i
=

i

i
w
i
.
Da unicidade da decomposio de um vetor nos elementos da base segue

i
=

j
c
ij
r
j
que corresponde igualdade matricial
[u]
2
= `
12
[u]
1
.
Exemplo 3.44 Sabe-se que 1
1
= v
1
. v
2
. v
3
e 1
2
= w
1
. w
2
. w
3
so bases
de um espao vetorial \ de dimenso trs e que
`
12
=
_
_
0 1 1
1 2 0
1 1 1
_
_
a matriz de mudana da base 1
1
para 1
2
. Considere o vetor u = v
2
+
2v
3
. cuja matriz de coordenadas na base 1
1
[u]
1
=
_
0 1 2

T
. A matriz
das coordenadas de u na base 1
2
pode ser obtida multiplicando `
12
por [u]
1
[u]
2
= `
12
[u]
1
=
_
_
0 1 1
1 2 0
1 1 1
_
_
_
_
0
1
2
_
_
=
_
_
1
2
3
_
_
e assim u = w
1
2w
2
+ 3w
3
.
3.10 Espao linha e espao coluna
Vejam a semelhana que h entre o vetor (r
1
. r
2
. r
3
) do R
3
. a matriz linha
_
r
1
r
2
r
3

em `
13
(R) e a matriz coluna
_
_
r
1
r
2
r
3
_
_
Notas de aula do Professor Faleiros
94 Espao vetorial
no conjunto das matrizes `
31
(R). So representaes diferentes de uma
mesma coisa: um conjunto ordenado de trs nmeros reais. Esta analogia tam-
bm se observa entre as :-uplas ordenadas de nmeros reais, entre as matrizes
linha reais com : colunas e as matrizes coluna reais com : linhas. Veremos
nesta seo que, para resolver determinados problemas, a utilizao de uma
representao em lugar de outra vantajosa. Em especial, esta troca de for-
mato ser til para obter uma base do R
n
a partir de um conjunto gerador
ou para obter uma base que contenha os vetores de um conjunto linearmente
independente previamente especicado.
As matrizes so formas compactas e convenientes de apresentar conjuntos
de vetores de um espao vetorial de dimenso nita.
Quando estivermos trabalhando com um espao vetorial qualquer de di-
menso nita, podemos trabalhar com o vetor de coordenadas dos vetores em
relao a uma base. O vetor de coordenadas pertence ao R
n
. No nal do
exerccio, volta-se ao espao original usando o vetor de coordenadas e a base
escolhida para retornar aos vetores do espao original. Por exemplo, se esta-
mos no espao vetorial dos polinmios reais de grau menor ou igual a dois,
escolhemos a base 1. r. r
2
onde o vetor de coordenadas do polinmio c
0
+
c
1
r + c
2
r
2
nesta base (c
0
. c
1
. c
2
) que pertence ao R
3
. Em lugar de trabalhar
com o polinmio c
0
+ c
1
r + c
2
r
2
trabalharemos com o terno ordenado (c
0
. c
1
.
c
2
). Faremos as contas todas no R
3
e voltamos aos polinmios, transformando
o terno ordenado (c
0
. c
1
. c
2
) no polinmio c
0
+ c
1
r + c
2
r
2
.
A matriz
=
_
2 1 3
0 5 2
_
possui duas linhas,
_
2 1 3

e
_
0 5 2

e trs colunas
_
2
0
_
.
_
1
5
_
e
_
3
2
_
.
Sabemos que o espao gerado pelas linhas da matriz formado por todos os
vetores da forma
r
1
_
2 1 3

+ r
2
_
0 5 2

onde r
1
e r
2
so nmeros reais. Em particular,
_
6 7 5

= 3
_
2 1 3

2
_
0 5 2

pertence ao espao gerado pelas linhas da matriz . O espao gerado pelas
colunas de formado por todos os vetores da forma

1
_
2
0
_
+
2
_
1
5
_
+
3
_
3
2
_
.
Notas de aula do Professor Faleiros
3.10 Espao linha e espao coluna 95
onde
1
.
2
e
3
so nmeros reais. Em particular,
_
16
1
_
= 4
_
2
0
_
1
_
1
5
_
+ 3
_
3
2
_
.
pertence ao espao gerado pelas colunas da matriz . O espao gerado pelas
linhas de chamado de espao linha de e o espao gerado pelas colunas
de chamado de espao coluna de . Vamos denio geral.
Denio 3.45 Para uma matriz
=
_

_
c
11
. . . c
1n
.
.
.
.
.
.
c
m1
. . . c
mn
_

_
de tamanho ::. suas linhas
r
1
=
_
c
11
c
12
. . . c
1n


r
m
=
_
c
m1
c
m2
. . . c
mn

so denominadas vetores linha de e suas colunas


c
1
=
_

_
c
11
c
21
.
.
.
c
m1
_

_
. . . . . c
n
=
_

_
c
1n
c
2n
.
.
.
c
mn
_

_
so denominadas vetores coluna de . O espao vetorial gerado pelos vetores
linhas o espao linha de . O espao vetorial gerado pelos vetores coluna
o espao coluna de .
Exemplo 3.46 O espao linha da matriz real
=
_
1 0 2
0 3 1
_
gerado pelas duas linhas de .
_
1 0 2

e
_
0 3 1

e toda matriz do espao linha de uma combinao linear dessas duas linhas,
c
1
_
1 0 2

+ c
2
_
0 3 1

=
_
c
1
3c
2
2c
1
+ c
2

Notas de aula do Professor Faleiros


96 Espao vetorial
onde c
1
e c
2
so nmeros reas. O espao coluna de aquele gerado pelas
colunas
_
1
0
_
.
_
0
3
_
e
_
2
1
_
.
e toda matriz do espao coluna do tipo
c
1
_
1
0
_
+ c
2
_
0
3
_
+ c
3
_
2
1
_
=
_
c
1
+ 2c
3
3c
2
+ c
3
_
onde c
1
. c
2
e c
3
so nmeros reais.
Propriedades dos espaos linha e coluna
Realizada esta observao, passemos a enunciar as propriedades dos espaos
linha e coluna de uma matriz.
1. Seja 1 uma matriz escalonada,
(a) as linha no nulas de 1 formam uma base do seu espao linha;
(b) aquelas colunas de 1 que possuem os pivs formam uma base do
seu espao coluna.
2. Seja 1 uma forma escalonada da matriz . Observamos novamente que
a forma escalonada de uma matriz no nica.
(a) O espao linha de igual ao espao linhas de 1. Assim, toda base
do espao linha de 1 uma base do espao linha de e vice-versa.
(b) Se as colunas ,
1
. ,
2
. . . . . ,
k
de 1 formarem uma base do espao
coluna de 1. ento as colunas ,
1
. ,
2
. . . . . ,
k
de formam uma base
do espao coluna de . Deste modo, os espaos coluna de 1 e
possuem a mesma dimenso. Por exemplo, se o conjunto formado
pelas colunas 1. 3 e 5 de 1 for uma base do espao coluna de 1.
ento o conjunto formado pelas colunas 1. 3 e 5 de uma base
do espao coluna de .
Seja 1 a forma escalonada reduzida de . O espao linha de e de 1
so iguais e, portanto, possuem a mesma dimenso. A dimenso do espao
coluna de igual dimenso do espao coluna de 1.Numa matriz escalonada
1. o nmero de pivs igual ao nmero de linhas diferentes de zero. Pelas
propriedades 1.a e 1.b, podemos armar que uma base do espao coluna de 1
possui o mesmo nmero de vetores que uma base do seu espao linha. Da se
conclui que as dimenses do espao linha e do espao coluna de 1 so iguais.
Logo, as dimenses do espao linha e do espao coluna de tambm so iguais.
Provamos o teorema enunciado em seguida.
Notas de aula do Professor Faleiros
3.10 Espao linha e espao coluna 97
Teorema 3.47 O espao linha e o espao coluna de uma matriz possuem a
mesma dimenso.
A dimenso do espao linha de uma matriz chamado de posto da
matriz e denotado por pos(). Sendo a dimenso do espao linha igual
do espao coluna, o posto de uma matriz igual ao posto de sua transposta. O
posto de uma matriz no pode ser maior do nmero de suas linhas nem maior
do que o nmero de suas colunas. O posto de uma matriz de tamanho
::. deve ser menor ou igual a : e menor ou igual a :. condio que pode
ser colocada na forma da desigualdade jo:() _ min:. :. Quando jo:()
= min:. :. diz-se-a que a matriz possui posto mximo.
Falta provar as propriedade enunciadas que foram apenas enunciadas. O
leitor pode se convencer da veracidade das propriedades 1a e 1b tomando algu-
mas matrizes escalonadas e analisando as linhas e as colunas que formam bases
para os espaos linha e coluna, respectivamente. Estas propriedades decorrem
do seguinte fato: Se os vetores de um conjunto puderem ser ordenados de modo
que, quando colocados nas linhas de uma matriz, um abaixo do outro, a matriz
resultante escalonada, este conjunto linearmente independente.
Para provar a propriedade 2a, observamos que para obter a forma reduzida
1 de . realizamos sobre esta uma sequncia de operaes elementares sobre
suas linhas e operaes elementares no alteram o espao gerado pelas linhas
das matrizes que vo sendo obtidas. Logo, os espaos linha de 1 e so iguais.
Para provar a provar a propriedade 2b, observamos que existem matrizes
elementares 1
1
. 1
2
. . . . . 1
s
tais que
1 = 1
s
1
2
1
1
.
Como as matrizes elementares so invertveis, 1 = 1
s
1
2
1
1
invertvel,
fazendo com que
1 = 1 e = 1
1
1
Sendo
1
.
2
. . . . .
n
as colunas de . e 1
1
. 1
2
. . . . . 1
n
as colunas de 1.
ento
1
1
= 1
1
. . . . . 1
n
= 1
n
.
Se r
1
. . . . . r
n
forem escalares tais que
r
1

1
+ + r
n

n
= 0
ento
r
1
1
1
+ + r
n
1
n
= r
1
(1
1
) + + r
n
(1
n
)
= 1(r
1

1
+ + r
n

n
) = 10 = 0.
Notas de aula do Professor Faleiros
98 Espao vetorial
Mostramos que, se uma combinao linear das colunas de for igual a zero,
ento uma combinao linear das colunas de 1. com os mesmos coecientes r
1
.
. . . . r
n
tambm igual a zero. Como as matrizes elementares so invertveis,
se uma combinao linear das colunas de 1 for igual a zero, ento uma combi-
nao linear das colunas de com os mesmos coecientes tambm ser igual
a zero. Como exemplo, consideremos que e 1 possuem 5 colunas. Se 2
1

4
3
+ 7
5
= 0. ento 21
1
41
3
+ 71
5
= 0. Isto implicaria que as colunas 1.
3 e 5 de e 1 formam um conjunto linearmente independente. Na combinao
linear 2
1
4
3
+ 7
5
os coecientes que multiplicam a segunda e a quarta
colunas so iguais a zero e assim escrev-la
2
1
+ 0
2
4
3
+ 0
4
+ 7
5
sendo r
1
= 2. r
2
= 0. r
3
= 4. r
4
= 0 e r
5
= 7 os coecientes da combinao
linear.
De modo genrico, as colunas ,
1
. ,
2
. . . . . ,
k
de 1 formam um conjunto
linearmente dependente se, e s se, as colunas ,
1
. ,
2
. . . . . ,
k
formarem um
conjunto linearmente dependente. Assim, as colunas ,
1
. ,
2
. . . . . ,
k
de formam
uma base do espao coluna de se, e s se, as colunas ,
1
. ,
2
. . . . ,
k
de 1
formarem uma base do espao coluna de 1.
Embora os espaos coluna de e sua reduzida 1 tenahm a mesma dimen-
so, eles no so, necessariamente iguais, como mostra o exemplo que segue.
Exemplo 3.48 Considere as matrizes e sua reduzida 1 abaixo
=
_
_
1 0
0 1
1 1
_
_
e 1 =
_
_
1 0
0 1
0 0
_
_
.
As matrizes
_
_
1
0
1
_
_
e
_
_
0
1
1
_
_
formam uma base do espao coluna de e as matrizes
_
_
1
0
0
_
_
e
_
_
0
1
0
_
_
formam uma base do espao coluna de 1. Os espaos coluna de e de 1
possuem ambos dimenso 2. mas so diferentes. As matrizes
_
1 0 1

T
e
_
0 1 1

T
. que pertencem ao espao coluna de . no pertencem ao espao
coluna de 1. Esta uma consequncia de no serem combinaes lineares dos
vetores
_
1 0 0

T
e
_
0 1 0

T
que formam a base do espao coluna de 1.
Notas de aula do Professor Faleiros
3.10 Espao linha e espao coluna 99
Exemplo 3.49 Considere a matriz escalonada por linhas
_

_
1 2 3 4 5
0 1 2 0 4
0 0 0 1 2
0 0 0 0 0
_

_
.
Sua primeira, segunda e terceira linhas, exatamente aquelas que contm os
pivs, formam uma base do seu espao linha. Sua primeira, segunda e quarta
colunas, aquelas que contm os pivs, formam uma base do seu espao coluna.
Tanto o espao linha quanto o espao coluna possuem dimenso trs.
Exemplo 3.50 Para obter uma base para o espao linha da matriz
=
_

_
1 3 4 2 5 4
2 6 9 1 8 2
2 6 9 1 9 7
1 3 4 2 5 4
_

_
podemos reduzi-la forma escalonada 1 mediante operaes elementares
1 =
_

_
1 3 4 2 5 4
0 0 1 3 2 6
0 0 0 0 1 5
0 0 0 0 0 0
_

_
.
Como as linhas de e de 1 geram o mesmo espao linha, conclui-se que as
trs primeiras linhas de 1 formam uma base para o espao linha de .
A primeira, terceira e quinta colunas de 1, exatamente aquelas que contm
os pivs, formam uma base para o seu espao coluna. Logo, a primeira, terceira
e quinta colunas de formam uma base do espao coluna de . O leitor
pode vericar esta armao mostrando que estas colunas, a primeira, terceira
e quinta formam um conjunto linearmente independente e que as outras, a
segunda, a quarta e a sexta so combinaes lineares da primeira, terceira e
quinta colunas.
Exemplo 3.51 Para determinar uma base do espao linha da matriz
=
_

_
1 2 0 0 3
2 5 3 2 6
0 5 15 10 0
2 6 18 8 6
_

_
formada por vetores linha de . siga os passos descritos em seguida.
Notas de aula do Professor Faleiros
100 Espao vetorial
1. Transponha

T
=
_

_
1 2 0 2
2 5 5 6
0 3 15 18
0 2 10 8
3 6 0 6
_

_
2. Realize operaes elementares na matriz
T
at chegar a uma matriz
escalonada
1 =
_

_
1 2 0 2
0 1 5 10
0 0 0 1
0 0 0 0
0 0 0 0
_

_
.
As colunas 1. 2 e 4 formam uma base para o espao coluna de 1. Logo, as
colunas 1. 2 e 4 de
T
formam uma base para o espao coluna desta matriz.
Conclui-se que as linhas 1. 2 e 4 de formam uma base do espao linha de .
Exemplo 3.52 Sejam v
1
= (1. 2. 0. 0. 3). v
2
= (2. 5. 3. 2. 6). v
3
=
(0. 5. 15. 10. 0). v
4
= (2. 6. 18. 8. 6) vetores do R
4
e G = v
1
. v
2
. v
3
. v
4
.
Para determinar uma base para o subespao o gerado por G. basta seguir os
seguintes passos:
1. Forme a matriz cujas linhas so as entradas de v
1
. v
2
. v
3
e v
4
=
_

_
1 2 0 0 3
2 5 3 2 6
0 5 15 10 0
2 6 18 8 6
_

_
.
2. Mediante operaes elementares, obtenha a forma escalonada de
1 =
_

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

_
3. Uma base do espao linha de formada pelos vetores linha no nulos
de 1. Logo, uma base para o
w
1
= (1. 2. 0. 0. 3).
w
2
= (0. 1. 3. 2. 0).
w
3
= (0. 0. 1. 1. 0).
Notas de aula do Professor Faleiros
3.10 Espao linha e espao coluna 101
Observe que os vetores w
1
. w
2
. w
3
no pertencem ao conjunto G. Se for dese-
jvel obter uma base de o formada pelos elementos de G. proceda como segue:
1. Forme a matriz cujas colunas so as entradas de v
1
. v
2
. v
3
e v
4
=
_

_
1 2 0 2
2 5 5 6
0 3 15 18
0 2 10 8
3 6 0 6
_

_
2. Escalone esta matriz
1 =
_

_
1 2 0 2
0 1 5 10
0 0 0 12
0 0 0 0
0 0 0 0
_

_
3. As colunas 1. 2 e 4 formam uma base do espao coluna de 1. Isto implica
em que as colunas 1. 2 e 4 de formam uma base do espao coluna de . Logo,
v
1
. v
2
. v
4
formam uma base do espao gerado por G.
Exemplo 3.53 Uma forma escalonada da matriz
=
_

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

1 =
_

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

_
As colunas 1. 2 e 4 de 1 so linearmente independentes e geram seu espao
coluna. Logo, as colunas 1. 2 e 4 de so linearmente independentes e geram
o espao coluna de .
Denotando as colunas de 1 por 1
1
. 1
2
. 1
3
. 1
4
e 1
5
. nota-se que 1
1
. 1
2
e
1
4
formam uma base para o seu espao coluna e que
1
3
= 21
1
1
2
1
5
= 1
1
+ 1
2
+ 1
4
.
Notas de aula do Professor Faleiros
102 Espao vetorial
Denotando as colunas de por
1
.
2
.
3
.
4
e
5
. ento
1
.
2
e
4
formam
uma base do espao coluna de e

3
= 2
1

2
.

5
=
1
+
2
+
4
.
3.11 Equao matricial linear
Quando uma matriz :: e 1 uma matriz :1. podemos nos pergun-
tar se existe uma matriz coluna A de tamanho : 1 para a qual A = 1.
Esta matriz A. quando existir, uma soluo da equao matricial A = 1.
Lembremo-nos que a equao matricial corresponde a um sistema de equaes
algbricas lineares. Portanto vamos nos referir indistintamente equao ma-
tricial A = 1 ou ao sistema de equaes algbricas lineares A = 1. Sendo
A a matriz coluna [r
1
r
n
]
T
e
1
. . . . .
n
os vetores coluna de . ento
A = r
1

1
+ + r
n

n
e A = 1 se, e s se,
1 = r
1

1
+ + r
n

n
.
Conclumos que a equao matricial A = 1 possui soluo se, e s se, 1
pertencer ao espao gerado pelas colunas de . Isto ocorre se e s se o posto
de for igual ao posto da matriz completa [ [ 1]. Quando 1 estiver no espao
coluna de e estas colunas formarem um conjunto linearmente independente,
a equao A = 1 possui uma nica soluo e, quando as colunas de
formarem um conjunto linearmente dependente, a equao A = 1 possuir
innitas solues. Todos esses comentrios cam visveis quando se aplica o
mtodo de Gauss para resolver o sistema.
Quando o nmero de linhas de for maior do que o nmero de colunas, o
nmero de equaes em A = 1 maior do que o nmero de incgnitas e se
diz que o sistema sobredeterminado. Quando o nmero de linhas de for
menor do que o nmero de colunas, o nmero de equaes em A = 1 menor
do que o nmero de incgnitas e se diz que o sistema subdeterminado.
Quando for uma matriz quadrada, o nmero de equaes em A = 1
igual ao nmero de incgnitas e se diz que o sistema determinado. Neste
caso, quando for invertvel, o sistema A = 1. para qualquer 1. possui
uma nica soluo A =
1
1.
Notas de aula do Professor Faleiros
3.12 O espao nulo de uma matriz 103
3.12 O espao nulo de uma matriz
O conjunto soluo do sistema homogneo A = 0 um espao vetorial
A `
n1
(R) : A = 0
chamado espao nulo de . O espao nulo, ou possui apenas a matriz nula
ou possui innitas matrizes. Este fato ocorre pois, se uma matriz no nula
A estiver no espao nulo de . ento cA tambm l estar, para qualquer
nmero real c. Isto garante que, se houver uma matriz no nula no espao nulo
de . ele conter innitas matrizes. Quando for innito, o espao nulo de
possui uma base A
1
. . . . . A
k
e toda soluo do sistema homogneo A =
0 ser da forma c
1
A
1
+ + c
k
A
k
. onde c
1
. . . . . c
k
so nmeros reais. A
dimenso / do espao nulo de chamada de nulidade de sendo denotada
por :n|(). Sendo 1 uma forma escalonada de . o espao nulo, a nulidade e
o posto de e 1 so iguais. A nulidade de 1 igual ao nmero de variveis
livres do sistema homogneo 1A = 0 e o posto de 1 igual a nmero de
variveis dependentes do sistema homogneo 1A = 0 como podemos apreciar
no exemplo a seguir
Exemplo 3.54 No sistema homogneo 1A = 0. dado explicitamente por
_

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

_
_

_
r
1
r
2
r
3
r
4
_

_
=
_

_
0
0
0
0
_

_
.
Nele, temos trs variveis dependentes, o r
1
. o r
3
e o r
4
e uma varivel livre,
o r
2
. O posto da matriz 1 3 e a sua nulidade igual a 1. De fato, 1 possui
trs linhas linearmente independentes e qualquer soluo do sistema homogneo
1A = 0 um mltiplo de
_

_
2
1
0
0
_

_
mostrando que o espao nulo possui dimenso 1.
Podemos ento enunciar
Teorema 3.55 Se : for o nmero de colunas da matriz . ento
jo:() + :n|() = :
Notas de aula do Professor Faleiros
104 Espao vetorial
Prova. Seja 1 uma forma escalonada de . O posto e a nulidade de so
iguais, respectivamente, ao posto e nulidade de 1. O posto de 1 igual ao
nmero de variveis dependentes do sistema homogneo 1A = 0 e a nulidade
de 1 igual ao nmero de variveis livres do sistema homogneo 1A = 0.
Como o nmero de variveis dependentes adicionado ao nmero de variveis
livres igual a :. decorre que jo:(1) + :n|(1) = :. ou
jo:() + :n|() = :.

Quando A
1
. . . . . A
k
for uma base do espao nulo de e A
p
for uma
soluo da equao A = 1. ento, para qualquer escolha dos nmeros reais
c
1
. . . . . c
k
. a matriz
A
p
+ c
1
A
1
+ + c
k
A
k
.
tambm ser soluo de A = 1. Alias, qualquer soluo de A = 1 ser
deste tipo para alguma escolha dos nmeros c
1
. . . . . c
k
. Cada uma destas
solues conjunto chamada de soluo particular do sistema A = 1. O
conjunto de todas as solues chamado de conjunto soluo ou soluo
geral da equao matricial A = 1 pois toda soluo da forma A
p
+ A
h
.
onde A
h
uma combinao linear das matrizes A
1
. . . . . A
k
. Quando o sistema
A = 1 tiver uma nica soluo, o sistema homogneo A = 0 possui apenas
a soluo trivial.
Exemplo 3.56 A soluo geral do sistema escalonado A = 1. dado explici-
tamente por
_
_
1 3 0 4 0
0 0 1 2 0
0 0 0 0 1
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
1
_
_
obtida por substituio reversa
r
1
= 3r
2
4r
4
.
r
3
= 2r
4
.
r
5
= 1 .
onde se observa que r
2
e r
4
so variveis livres, r
1
. r
3
e r
5
so variveis
dependentes. Introduzindo os parmetros : e :. denidos por : = r
2
e : = r
4
.
Notas de aula do Professor Faleiros
3.12 O espao nulo de uma matriz 105
obtemos a soluo geral
r
1
= 3: 4: .
r
2
= : .
r
3
= 2: .
r
4
= : .
r
5
= 1
na forma paramtrica. Para cada valor dos parmetros : e :. obtemos uma
soluo do sistema. Ao colocar a soluo geral na forma matricial,
_

_
r
1
r
2
r
3
r
4
r
5
_

_
=
_

_
0
0
0
0
1
_

_
+ :
_

_
3
1
0
0
0
_

_
+ :
_

_
4
0
2
1
0
_

_
percebemos que o primeiro vetor coluna do lado direito do sinal de igualdade
uma soluo particular do sistema dado e que os outros dois vetores coluna
formam uma base para o espao nulo da matriz .
Exemplo 3.57 Escalonando o sistema homogneo A = 0. dado explicita-
mente por
_
_
1 2 3
2 4 6
3 6 9
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
.
chegamos a
_
_
1 2 3
0 0 0
0 0 0
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
cuja soluo geral na forma paramtrica
_
_
r
1
r
2
r
3
_
_
= :
_
_
2
1
0
_
_
+ t
_
_
3
0
1
_
_
onde : e t so os parmetros, as variveis livres. Atribuindo valores para : e
:. obtemos solues particulares do sistema. Como o espao nulo de possui
uma base com duas matrizes,
_
2 1 0

T
e
_
3 0 1

T
. a sua nulidade
igual a 2.
Notas de aula do Professor Faleiros
106 Espao vetorial
Exemplo 3.58 Escalonando o sistema homogneo
_
_
1 2 3
3 7 8
2 4 6
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
obtemos
_
_
1 2 3
0 1 1
0 0 0
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
cuja soluo geral
_
_
r
1
r
2
r
3
_
_
= r
3
_
_
5
1
1
_
_
onde r
3
um real qualquer. A nulidade da matriz dos coecientes deste sistema
igual a 1.
Exemplo 3.59 O espao soluo do sistema homogneo
_
_
1 2 3
3 7 8
4 1 2
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
.
o espao vetorial nulo, pois a nica soluo do sistema r
1
= 0. r
2
= 0 e
r
3
= 0. A nulidade da matriz dos coecientes deste sistema igual a zero.
Exemplo 3.60 A soluo geral do sistema linear homogneo
2r
1
+ 2r
2
r
3
+ 0r
4
+ r
5
= 0
r
1
r
2
2r
3
3r
4
+ r
5
= 0
r
1
+ r
2
2r
3
+ 0r
4
r
5
= 0
0r
1
+ 0r
2
+ r
3
+ r
4
+ r
5
= 0
na forma matricial
_

_
r
1
r
2
r
3
r
4
r
5
_

_
= :
_

_
1
1
0
0
0
_

_
+ t
_

_
1
0
1
0
1
_

_
onde : e t so dois parmetros livres. A nulidade da matriz dos coecientes
deste sistema 2 e seu posto 3.
Notas de aula do Professor Faleiros
3.12 O espao nulo de uma matriz 107
Exemplo 3.61 Se uma matriz 5 7. ento a :n|() + jo:() = 7. Se
a nulidade do sistema for igual a 3. o posto igual a 4. Se 1 for uma matriz
7 5. e sua nulidade for igual a 1. seu posto igual a 4.
Exemplo 3.62 Para determinar o posto e a nulidade da matriz
=
_

_
1 2 0 4 5 3
3 7 2 0 1 4
2 5 2 4 6 1
4 9 2 4 4 7
_

_
.
ns a escalonamos
1 =
_

_
1 0 4 28 37 13
0 1 2 12 16 5
0 0 0 0 0 0
0 0 0 0 0 0
_

_
A matriz 1 possui duas linhas no nulas, de modo que seu posto 2. Como o
sistema 1A = 0 possui 4 variveis livres, a nulidade de 1 igual a 4. Como
o posto e a nulidade de 1 e so iguais, segue
jo:() = 2 e :n|() = 4.
vericando que, realmente, jo:() + :n|() = 6. A soluo geral do sistema
homogneo A = 0 na forma matricial
_

_
r
1
r
2
r
3
r
4
r
5
r
6
_

_
= r
3
_

_
4
2
1
0
0
0
_

_
+ r
4
_

_
28
12
0
1
0
0
_

_
+ r
5
_

_
37
13
0
0
1
0
_

_
+ r
6
_

_
13
5
0
0
0
1
_

_
com r
3
. r
4
. r
5
. r
6
variando livremente nos reais. Uma base do espao nulo de

A
1
=
_

_
4
2
1
0
0
0
_

_
. A
2
=
_

_
28
12
0
1
0
0
_

_
. A
3
=
_

_
37
13
0
0
1
0
_

_
. A
4
=
_

_
13
5
0
0
0
1
_

_
.
Notas de aula do Professor Faleiros
108 Espao vetorial
Exemplo 3.63 A forma escalonada da matriz 4 6
=
_

_
1 2 0 4 5 3
3 7 2 0 1 4
2 5 2 4 6 1
4 9 2 4 4 7
_

1 =
_

_
1 2 0 4 5 3
0 1 2 12 16 5
0 0 0 0 0 0
0 0 0 0 0 0
_

_
.
Como 1 possui duas linhas linearmente independentes, jo:() = 2. Como
jo:()+ :n|() = 6. conclui-se que :n|() = 4.
Exemplo 3.64 Vamos vericar se o sistema
r
1
2r
2
3r
3
+ 2r
4
= 4
3r
1
+ 7r
2
r
3
+ r
4
= 3
2r
1
5r
2
+ 4r
3
3r
4
= 7
3r
1
+ 6r
2
+ 9r
3
6r
4
= 1
consistente ou no. Tomando a matriz completa do sistema
_

_
1 2 3 2
3 7 1 1
2 5 4 3
3 6 9 6

4
3
7
1
_

_
e escalonando-a, chegamos matriz
_

_
1 0 23 16
0 1 10 7
0 0 0 0
0 0 0 0

0
0
1
0
_

_
A penltima equao do sistema inconsistente indicando que o sistema no
possui soluo. Observe que a matriz dos coecientes do sistema tem posto
2 e que o posto da matriz completa igual a 3. Quando o posto da matriz
dos coecientes for menor do que o posto da matriz completa em um sistema
A = 1. isto signica que 1 no combinao linear das colunas de e,
portanto, o sistema no tem soluo.
Notas de aula do Professor Faleiros
3.12 O espao nulo de uma matriz 109
Exemplo 3.65 O sistema
r
1
2r
2
= /
1
r
1
r
2
= /
2
r
1
+ r
2
= /
3
r
1
+ 2r
2
= /
4
r
1
+ 3r
2
= /
5
sobredeterminado. Trabalhando com a matriz completa e usando o mtodo
de Gauss-Jordan, chegamos a
1 0 2/
2
/
1
0 1 /
2
/
1
0 0 2/
1
3/
2
+ /
3
0 0 3/
1
4/
2
+ /
4
0 0 4/
1
5/
2
+ /
5
O sistema ser consistente se e s se
2/
1
3/
2
+ /
3
= 0
3/
1
4/
2
+ /
4
= 0
4/
1
5/
2
+ /
5
= 0
ou seja, quando
/
1
= 5/
4
4/
5
/
2
= 4/
4
3/
5
/
3
= 2/
4
/
5
onde /
4
e /
5
podem ser qualquer nmero real.
Vamos enunciar um teorema que reune as propriedades enunciadas at o
momento e que dizem respeito s matrizes invertveis.
Teorema 3.66 Seja uma matriz quadrada de ordem :. As seguintes ar-
maes so equivalentes:
(a) invertvel.
(b) A = 0 admite somente a soluo trivial.
(c) A forma escalonada reduzida de a matriz identidade.
(d) pode ser escrita como um produto de matrizes elementares.
(e) A = 1 consistente para cada matriz 1 de tamanho : 1.
(f ) A = 1 tem exatamente uma soluo para cada matriz 1 de tamanho
: 1.
(g) O determinante de diferente de zero.
(j) O conjunto formado pelos vetores coluna de linearmente indepen-
dente.
(k) O cojunto formado pelos vetores linha de linearmente independente.
(l) O espao nulo de possui apenas o vetor nulo.
Notas de aula do Professor Faleiros
110 Espao vetorial
Notas de aula do Professor Faleiros
Captulo 4
Transformao linear
Uma funo uma regra , que associa a cada elemento de um conjunto
um, e no mais do que um, elemento de um conjunto 1. Se , associa o
elemento r de ao elemento de 1. escrevemos = , (r) . Pela denio,
dado um r de existe um de 1. e apenas um, para o qual = ,(r). Se
diz que o valor de , em r ou a imagem de r por ,. O conjunto o
domnio de , e o conjunto 1 o contradomnio de ,. Usaremos a notao
, : 1 para indicar que , uma funo com domnio e contradomnio
1. O conjunto , () = , (r) : r a imagem de ,. Duas funes ,
1
e
,
2
so iguais e escreveremos ,
1
= ,
2
. quando possurem o mesmo domnio .
o mesmo contradomnio 1 e ,
1
(r) = ,
2
(r) para todo r em .
Quando e 1 forem conjuntos de nmeros reais diremos que , uma
funo real de varivel real ou, por brevidade, funo real. Quando \ e \
so espaos vetoriais, uma funo , : \ \ chamada de aplicao ou
transformao de \ em \. As funes , : \ \ de um espao vetorial
sobre ele mesmo recebem o nome de operadores.
Exemplo 4.1 Considere os espaos vetoriais R e R
2
. A funo 1 : R
2
R
onde 1 (r. ) = r+ 3r uma transformao de R
2
em R. A funo 1 :
R
2
R
2
onde 1(r. ) = (3r 5. 2r) uma transformao de R
2
em R
2
.
Em particular, um operador de R
2
em R
2
.
Exemplo 4.2 As equaes
n = r +
= 2r
n = r
2

2
denem uma transformao 1 : R
2
R
3
dada por 1(r. ) = (n. . n).
Notas de aula do Professor Faleiros
112 Transformao linear
Denio 4.3 Sejam \ e \ espaos vetoriais. Uma transformao 1 : \
\ linear se para todo e n em \ e todo escalar /
1(v +w) = 1(v) + 1(w).
1(/ v) = / 1(v).
Se \ = \ ento a transformao linear pode ser chamada de operador lin-
ear.
A transformao nula, 1(v) = 0. que leva todo vetor v no vetor nulo e
a transformao identidade, 1(v) = v. que leva todo vetor nele mesmo so
transformaes lineares.
Exemplo 4.4 As transformaes 1
1
(r. ) = 2r 3 e 1
2
(r. ) = 5r de R
2
em R so lineares.
Exemplo 4.5 O operador 1
3
(r. ) = (r + . ) de R
2
em R
2
linear.
Exemplo 4.6 Se for uma matriz : :. ento a transformao 1(A) =
A que leva matrizes coluna A de tamanho : 1 em matrizes coluna A de
tamanho :1 linear.
Exemplo 4.7 Se \ = 1
2
(R) for o espao vetorial dos polinmios de grau
menor ou igual a 2 com coecientes reais, ento as funes
1
1
(j)(r) = j(cr + /)
1
2
(j)(r) = rj(r)
denidas para todo j em 1
2
(R)
Exemplo 4.8 A transformao 1 que leva uma funo , de C(. ) na
funo 1(,) de C
1
(. ). denida por
1(,)(r) =
_
x
0
,(t)dt
uma transformao linear.
Exemplo 4.9 A transformao 1 que leva uma funo , de C
1
(. ) na
funo 1(,) de C(. ). denida por 1(,)(r) = ,
0
(r) uma transformao
linear.
Notas de aula do Professor Faleiros
113
Exemplo 4.10 Sendo : 1 um nmero inteiro, a funo que leva uma matriz
quadrada :: em seu determinante no linear pois, se / for um real e .
1 forem duas matrizes quadradas : :. ento
det( + 1) ,= det() + det(1)
e
det(/ 1) = /
n
det(1).
O exemplo de transformao linear que julgo de fundamental para os es-
paos vetoriais de dimenso nita o que segue.
Exemplo 4.11 Se 1 = v
1
. . . . . v
n
for uma base do espao vetorial \. a
funo 1 : \ R
n
. denida por 1(v) = (r
1
. . . . . r
n
) que leva v no seu vetor
de coordenadas (r
1
. . . . . r
n
) na base 1. uma transformao linear.
Veremos que esta funo ir nos permitir identicar qualquer espao veto-
rial de dimenso : ao R
n
.
Propriedades das transformaes lineares
Sejam \ e \ espaos vetoriais e 1 : \ \ uma transformao linear. Sendo
c
1
. . . . . c
n
escalares e v. v
1
. . . . . v
n
vetores de \. ento
1. 1(0) = 0.
2. 1(v) = 1(v).
3. 1(v
1
v
2
) = 1(v
1
) 1(v
2
).
4. 1(c
1
v
1
+ + c
n
v
n
) = c
1
1(v
1
)+ + c
n
1(v
n
).
Podemos usar o smbolo de somatrio para expressar esta ltima pro-
priedade e escrever
1
_
n

i=1
c
i
v
i
_
=
n

i=1
c
i
1(v
i
).
Exemplo 4.12 A transformao 1 (r. ) = 5 + r + 2 no linear por causa
da parcela 5. Observe que 1(0. 0) = 5. Se 1 fosse linear, obteramos 1(0. 0)
= 0.
Exemplo 4.13 A transformao 1(r. ) = (1 + r. 2 + ) do R
2
no R
2
no
linear pois 1(0. 0) igual a (1. 2) e no igual a (0. 0). como deveria ser
se 1 fosse linear.
Notas de aula do Professor Faleiros
114 Transformao linear
4.1 Transformao linear e bases
Sejam \ e \ espaos vetoriais e 1 = v
1
. . . . . v
n
uma base de \. Seja 1 :
\ \ uma transformao linear. Para cada vetor v de \. existem escalares
c
1
. . . . . c
n
tais que
v = c
1
v
1
+ + c
n
v
n
.
Da linearidade de 1.
1(v) = 1(c
1
v
1
+ + c
n
v
n
) = c
1
1(v
1
) + + c
n
1(v
n
).
Que lies tiramos desta igualdade? Primeira lio: se conhecermos os valores
de 1 nos vetores de uma base de \. podemos calcular 1 num vetor v qualquer,
desde que se saiba decompor este vetor numa combinao linear dos vetores
da base. Segunda lio: toda transformao linear 1 de \ em \ da forma
1(v) = c
1
w
1
+ + c
n
w
n
onde w
1
= 1(v
1
). . . . . w
n
= 1(v
n
) so os valores de 1 no vetores v
1
. v
2
. . . . .
v
n
de uma base 1 e (c
1
. . . . . c
n
) o vetor de coordenadas de v na base 1.
Em particular, quando 1 uma transformao linear do R
n
em R e 1 =
e
1
. . . . . e
n
a base cannica do R
n
. ento
1(r
1
. . . . . r
n
) = r
1
1(e
1
) + + r
n
1(e
n
).
Sendo 1(e
1
) = c
1
. . . . . 1(e
n
) = c
n
nmeros reais,
1(r
1
. . . . . r
n
) = c
1
r
1
+ + c
n
r
n
.
Quando 1 for uma transformao linear do R
n
no R
m
tambm temos
1(r
1
. . . . . r
n
) = r
1
1(e
1
) + + r
n
1(e
n
)
com a ressalva de que agora 1(e
i
) so elementos do R
m
1(e
1
) = (c
11
. . . . . c
m1
). . . . . 1(e
n
) = (c
1n
. . . . . c
mn
)
que substitudas na expresso de 1. fornece
1(r
1
. . . . . r
n
) = (c
11
r
1
. . . . . c
m1
r
1
) + + (c
1n
r
n
. . . . . c
mn
r
n
)
ou
1(r
1
. . . . . r
n
) = (c
11
r
1
+ + c
1n
r
n
. . . . . c
m1
r
1
+ + c
mn
r
n
).
Notas de aula do Professor Faleiros
4.1 Transformao linear e bases 115
Fazendo um sumrio, toda transformao linear 1 : R
n
R da forma
1(r
1
. . . . . r
n
) = c
1
r
1
+ + c
n
r
n
.
onde c
1
. . . . . c
n
so nmeros reais. Toda transformao linear 1 : R
n
R
m
da forma
1(r
1
. . . . . r
n
) = (
1
. . . . .
m
)
onde

1
= 1
1
(r
1
. . . . . r
n
) = c
11
r
1
+ + c
1n
r
n
.
.
.

m
= 1
m
(r
1
. . . . . r
n
) = c
m1
r
1
+ + c
mn
r
n
e os coecientes c
ij
so nmeros reais. As funes 1
1
. 1
2
. . . . . 1
m
so trans-
formaes lineares do R
n
em R. As : igualdades escalares

1
= c
11
r
1
+ + c
1n
r
n
.
.
.

m
= c
m1
r
1
+ + c
mn
r
n
podem ser resumidas numa nica igualdade matricial
_

_

1
.
.
.

m
_

_
=
_

_
c
11
c
1n
.
.
.
.
.
.
.
.
.
c
m1
c
mn
_

_
_

_
r
1
.
.
.
r
n
_

_
.
A matriz
[1] =
_

_
c
11
c
1n
.
.
.
.
.
.
.
.
.
c
m1
c
mn
_

_
chamada de matriz cannica da transformao linear 1. enquanto
[x] =
_

_
r
1
.
.
.
r
n
_

_
e [y] =
_

_

1
.
.
.

m
_

_
so as matrizes de coordenadas de x = (r
1
. . . . . r
n
) e y = (
1
. . . . .
m
) nas
bases cannicas do R
n
e do R
m
. respectivamente.
Notas de aula do Professor Faleiros
116 Transformao linear
Exemplo 4.14 Sendo v
1
. v
2
. v
3
uma base de um espao vetorial \ de
dimenso trs e 1 uma transformao linear de \ em R tal que 1(v
1
) = 3.
1(v
2
) = 2. 1(v
3
) = 1. vamos calcular o valor de 1 em v = 2v
1
+ 5v
2
+
4v
3
. Pela linearidade de 1.
1(v) = 21(v
1
) + 51(v
2
) + 41(v
3
) = 2 3 + 5 2 + 4 1 = 8
Exemplo 4.15 Considere a base v
1
. v
2
. v
3
do R
3
onde v
1
= (1. 1. 1). v
2
=
(1. 1. 0) e v
3
= (1. 0. 0). Sabendo que 1 : R
3
R
2
linear e que 1(v
1
) = (1. 0).
1(v
2
) = (2. 1) e 1(v
3
) = (3. 2). vamos calcular 1 num terno ordenado (r. .
.) do R
3
. Decompondo (r. . .) numa combinao linear dos vetores da base
(r. . .) = c
1
v
1
+ c
2
v
2
+ c
3
v
3
calculamos c
1
= .. c
2
= . e c
3
= r de modo que
(r. . .) = .(1. 1. 1) + ( .)(1. 1. 0) + (r )(1. 0. 0)
Agora podemos usar a linearidade para calcular 1 em (r. . .)
1(r. . .) = .1(1. 1. 1) + ( .)1(1. 1. 0) + (r )1(1. 0. 0)
= .(1. 0) + ( .)(2. 1) + (r )(3. 2)
= ( 3r .. 3 2r . ).
Em particular, tomando (r. . .) = (1. 3. 4). vem
1(1. 3. 4) = (4. 7).
Exemplo 4.16 A matriz cannica da transformao linear 1 : R
3
R
3
denida por
1(r. . .) = (2r . r 3 + .. .)

[1] =
_
_
2 1 0
1 3 1
0 1 1
_
_
.
4.2 Transformaes lineares da Geometria
Na Geometria Analtica usamos coordenadas cartesianas ortogonais. Cada
ponto do plano cartesiano possui um par de coordenadas (r. ) de modo que
identicamos o plano com o R
2
e usamos o plano para representar o R
2
.
Cada ponto do espao cartesiano possui um terno ordenado (r. . .) como
coordenadas, de modo que identicamos o espao com o R
3
e usamos o espao
para representar geometricamente o R
3
.
Notas de aula do Professor Faleiros
4.2 Transformaes lineares da Geometria 117
Reexes no plano
O operador 1
1
(r. ) = (r. ) reete o ponto (r. ) no eixo r do R
2
.
O operador 1
2
(r. ) = (r. ) reete o ponto (r. ) no eixo do R
2
.
O operador 1
3
(r. ) = (. r) reete o ponto (r. ) na reta r = do R
2
.
Reexes no espao
O operador 1 (r. . .) = (r. . .) reete o ponto (r. ) no plano r do R
3
.
O operador 1 (r. . .) = (r. . .) reete o ponto (r. ) no plano r. do
R
3
.
O operador 1 (r. . .) = (r. . .) reete o ponto (r. ) no plano . do
R
3
.
Rotaes no plano
Seja o um nmero real. Se girarmos os pontos (1. 0) e (0. 1) do R
2
de um
ngulo o no sentido anti-horrio em torno da origem, vamos obter os pontos
(cos o. sen o) e (sen o. cos o). Uma transformao linear que gira qualquer
ponto (r. ) de um ngulo o no sentido anti-horrio em torno da origem tal
que 1(1. 0) = (cos o. sen o) e 1(0. 1) = (sen o. cos o).
1 (r. ) = r1(1. 0) + 1(0. 1)
= r(cos o. sen o) + (sen o. cos o)
= ( r cos o sen o. rsen o + cos o ) .
Ao girar o ponto (r. ) de um ngulo o obtemos o ponto (:. :) onde 1(r . )
= (:. :) onde
: = r cos o sen o.
: = rsen o + cos o.
Usando a notao matricial, chega-se a
_
:
:
_
=
_
cos o sen o
sen o cos o
_ _
r

_
.
Rotaes no espao
1. O operador
1 (r. . .) = (r. cos o .sen o. sen o + . cos o)
Notas de aula do Professor Faleiros
118 Transformao linear
estabelece uma rotao de um ngulo o. em torno do eixo r. no sentido
anti-horrio quando se olha para a origem a partir do semi-espao r
0. Sendo (:. :. t) = 1(r. . .). obtemos a igualdade matricial
_
_
:
:
t
_
_
=
_
_
1 0 0
0 cos o sen o
0 sen o cos o
_
_
_
_
r

.
_
_
.
2. O operador
1 (r. . .) = (r cos o + .sen o. . rsen o + . cos o)
estabelece uma rotao de um ngulo o. em torno do eixo . no sentido
anti-horrio quando se olha para a origem a partir do semi-espao
0. Sendo (:. :. t) = 1(r. . .). obtemos a igualdade matricial
_
_
:
:
t
_
_
=
_
_
cos o 0 sen o
0 1 0
sen o 0 cos o
_
_
_
_
r

.
_
_
.
3. O operador
1 (r. . .) = (r cos o sen o. rsen o + cos o. .)
estabelece uma rotao de um ngulo o. em torno do eixo .. no sentido anti-
horrio quando se olha para a origem a partir do semi-espao . 0. Sendo (:.
:. t) = 1(r. . .). obtemos a igualdade matricial
_
_
:
:
t
_
_
=
_
_
cos o sen o 0
sen o cos o 0
0 0 1
_
_
_
_
r

.
_
_
.
Dilataes e contraes no R
n
Seja / _ 0 um nmero real. O operador linear denido sobre o R
n
por 1 (x) =
/x. chamado de homotetia de razo /. Quando 0 6 / < 1 recebe o nome
de contrao e, quando / 1. recebe o nome de dilatao.
4.3 Composio e inversa
Sejam l. \ e \ espaos vetoriais, 1 : l \ e 1 : \ \ duas transfor-
maes entre espaos vetoriais. A funo 1 1 : l \ denida por
1 1(u) = 1(1(u))
Notas de aula do Professor Faleiros
4.3 Composio e inversa 119
a composta de 1 com 1. A operao que leva 1 e 1 em 1 1 chamada
de composio de transformaes.
Ao compor um operador 1 : \ \ com a transformao identidade 1 :
\ \. obtemos a prpria 1
1 1 = 1 1 = 1.
Teorema 4.17 A composta de duas transformaes lineares linear.
Prova. Se u
1
e u
2
forem dois vetores em l. se c
1
e c
2
forem dois escalares,
ento
1 1(c
1
u
1
+ c
2
, u
2
) = 1( 1(c
1
u
1
+ c
2
u
2
) )
= 1( c
1
1(u
1
) + c
2
1(u
2
) )
= c
1
1( 1(u
1
) ) + c
2
1( 1(u
2
) )
= c
1
1 1(u
1
) + c
2
1 1(u
2
)
provando a linearidade da composta. Na passagem da primeira para a segunda
linha usamos a linearidade de 1. da segunda para a terceira a linearidade de
1 e, da terceira para a quarta, a denio de composta.
A composio de transformaes lineares associativa mas, nem sempre,
comutativa. Quando dois operadores 1 e 1 sobre um espao vetorial \ forem
tais que 1 1 igual a 1 1. dizemos que eles comutam.
Exemplo 4.18 Os operadores lineares sobre o R
2
1 (r. ) = (. r) e 1(r. ) = (r. 0)
no comutam pois
1 1 (r. ) = 1( 1 (r. ) ) = 1(. r) = (. 0) .
e
1 1(r. ) = 1( 1(r. ) ) = 1 (r. 0) = (0. r) .
Exemplo 4.19 Os operadores lineares sobre o R
2
1(r. ) = (r. ) e 1(r. ) = (r. )
comutam pois
1 1(r. ) = 1(r. ) = (r. )
e
1 1(r. ) = 1(r. ) = (r. ).
mostrando que 1 1 = 1 1.
Notas de aula do Professor Faleiros
120 Transformao linear
Considere as transformaes lineares 1 : 1
1
1
2
e 1 : 1
2
1
2
denidas
por
1(j)(r) = (r) = rj(r)
e
1(j)(r) = j(2r + 4).
Ento
1 1(j)(r) = 1(1(j))(r) = 1()(r) = (2r + 4) = (2r + 4)j(2r + 4).
O conceito de composio se generaliza facilmente para trs ou mais transfor-
maes. Dadas as transformaes, 1
1
: \
1
\
2
. 1
2
: \
2
\
3
. 1
3
: \
3
\
4
.
denimos
1
3
1
2
1
1
: \
1
\
4
por
1
3
1
2
1
1
(v) = 1
3
(1
2
(1
1
(v))).
para todo v em \.
As denies de funo injetora, sobrejetora, bijetora e inversa se aplicam
transformaes entre espaos vetoriais.
Denio 4.20 Seja 1 : \ \ uma transformao do espao vetorial \
no espao vetorial \.
1 injetora se levar vetores distintos de \ em vetores distintos de \. Isto
signica que, se v
1
,= v
2
. ento 1(v
1
) ,= 1(v
2
). Ou ainda, 1 injetora se, a
igualdade 1(v
1
) = 1(v
2
) implicar em v
1
= v
2
.
1 sobrejetora quando sua imagem for igual a \. Isto signica que, se
w pertence a \. existe v em \ tal que 1(v) = w.
1 bijetora quando for injetora e sobrejetora. Isto implica em que, se w
pertence a \. existe um nico v em \ tal que 1(v) = w.
Quando 1 : \ \ for bijetora, ela possui inversa 1
1
: \ \. A inversa
tal que, se 1(v) = w. ento 1
1
(w) = v e
1
1
1(v) = v e 1 1
1
(w) = w.
As projees do R
3
num subespao de dimenso 2 do R
3
no so injetoras
nem sobrejetoras. As rotaes no R
3
so bijetoras.
Teorema 4.21 Seja 1 : \ \ uma transformao linear entre espaos
vetoriais. Ento 1 injetora se e s se 1 (v) = 0 implicar em v = 0.
Notas de aula do Professor Faleiros
4.3 Composio e inversa 121
Prova. Se 1 for linear, ento 1(0) = 0. Se 1 (v) = 0. teremos v e 0 sendo
levados no zero. A injetividade de 1 implica em v = 0.
Reciprocamente, suponha que 1 (v) = 0 implica em v = 0. Sejam v
1
e v
2
tais que 1 (v
1
) = 1 (v
2
) . Ento, da linearidade de 1. segue 1 (v
1
v
2
) = 0. o
que implica em v
1
v
2
= 0. provando que 1 injetora.
Denio 4.22 Uma transformao linear bijetora chamada de isomor-
smo. Existindo um isomorsmo entre \ e \. estes espaos vetoriais so
ditos isomorfos.
Teorema 4.23 Dois espaos vetoriais de dimenso nita so isomorfos se, e
s se, suas dimenses forem iguais. O isomorsmo entre eles leva a base de
um espao numa base do outro.
Teorema 4.24 Sejam \ e \ espaos vetoriais de dimenso nita e 1 : \
\ uma transformao linear. Se dim\ = dim\ as armaes abaixo so
equivalentes
1. 1 um isomorsmo.
2. 1 sobrejetora.
3. 1 injetora.
A transformao inversa 1
1
: \ \ de um isomorsmo tambm um
isomorsmo. Se 1 : l \ e 1 : \ \ forem isomorsmos, ento a
composta 1 1 um isomorsmo e (1 1)
1
= 1
1
1
1
. A composio de
trs ou mais isomorsmos um isomorsmo. Se 1. o e 1 forem isomorsmos
e a composio 1 o 1 puder ser efetuada, ela ser um isomorsmo e
(1 o 1)
1
= 1
1
o
1
1
1
.
Sob o ponto de vista da lgebra Linear, dois espaos isomorfos so indistin-
guveis. Toda propriedade de um se transfere para o outro pelo isomorsmo.
Exemplo 4.25 Seja 1 = v
1
. . . . . v
n
uma base de um espao vetorial \ de
dimenso :. A transformao linear 1 : \ R
n
denida por
1(r
1
v
1
+ + r
n
v
n
) = (r
1
. . . . . r
n
)
um isomorsmo.
Notas de aula do Professor Faleiros
122 Transformao linear
O exemplo anterior nos permite dizer que todo espao vetorial de dimenso
: isomorfo ao R
n
. Esta a razo de considerarmos o R
n
o mais importante
espao vetorial. Ele possui uma representao simples em termos de nuplas
ordenadas e permite uma interpretao geomtrica nos casos em que : = 1. 2
e 3. tomando a reta, o plano e o espao geomtricos para represent-los.
Dois espaos vetoriais \ e \ de dimenso nita : so isomorfos. Se 1
1
=
v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
n
forem bases de \ e \. respectivamente,
um isomorsmo entre eles dado pela transformao linear que leva v
1
em w
1
.
v
2
em w
2
. . . . . v
n
em w
n
.
Exemplo 4.26 Seja uma matriz quadrada : : e considere a transfor-
mao linear 1 : `
n1
`
n1
denida por 1(x) = x. Esta transformao
um isomorsmo se e s se for invertvel.
Exemplo 4.27 A transformao linear 1 : 1
n
(R) 1
n+1
(R). denida por
1(j)(r) = rj(r). injetora mas no sobrejetora. Sua imagem formada
pelos polinmios de grau : + 1 cujo termo constante nulo.
Exemplo 4.28 A transformao linear 1 : C
1
(R) C(R) que leva uma
funo , em sua derivada 1, no injetora, uma vez que as derivadas de
duas funes so iguais quando a diferena entre elas for a funo constante.
Exerccio 4.29 Verique quais transformaes abaixo so injetoras
1. 1 : R
2
R
2
onde 1(r. ) = (r cos o sen o. r sen o + cos).
2. 1 : R
3
R
3
onde 1(r. . .) = (r. . 0).
3. 1 : `
61
`
31
onde 1(x) = x. onde
=
_

_
1 2 0 4 5 3
3 7 2 0 1 4
2 5 2 4 6 1
4 9 2 4 4 7
_

_
.
4.4 Matriz de uma transformao linear
Seja 1
1
= v
1
. . . . . v
n
uma base de \ e 1
2
= w
1
. . . . . w
m
uma base de
\. Se 1 : \ \ for uma transformao linear, pode-se escrever
1(v
j
) =
m

i=1
c
ij
w
i
Notas de aula do Professor Faleiros
4.4 Matriz de uma transformao linear 123
para , = 1. . . . . :. A matriz de 1 em relao s bases 1
1
e 1
2

[1]
12
=
_

_
c
11
c
1n
.
.
.
.
.
.
.
.
.
c
m1
c
mn
_

_
As coordenadas de 1(v
1
) na base 1
2
forma a primeira coluna de [1]
12
. as
coordenadas de 1(v
2
) na base 1
2
forma a segunda coluna de [1]
12
. e assim
por diante. Quando 1 : \ \ for um operador linear e 1
1
= 1
2
. a matriz
[1]
11
chamada de matriz de 1 na base 1
1
e pode ser denotada simplesmente
por [1]
1
.
Teorema 4.30 Seja 1 : \ \ uma transformao linear, 1
1
uma base de
\ e 1
2
uma base de \. Dado v em \.
[1(v)]
2
= [1]
12
[v]
1
onde [1]
12
a matriz de 1 nas bases 1
1
e 1
2
. [v]
1
e [1(v)]
2
so as matrizes
de coordenadas de v e 1(v) nas bases 1
1
e 1
2
. respectivamente.
Num linguagem informal, a matriz de coordenadas de 1(v) a matriz de
1 multiplicada pela matriz de coordenadas de v.
Prova. Se v =

n
j=1
r
j
v
j
e 1(v) =

m
i=1

i
w
i
. ento [v]
1
= [r
1
. . . . . r
n
]
T
. [1(v)]
2
= [
1
. . . . .
m
]
T
so as matrizes de coordenadas de v e 1(v) nas bases
1
1
= v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
m
. respectivamente. Sendo 1(v
j
) =

m
i=1
c
ij
w
i
. ento [1]
12
= [c
ij
] e
1(v) =
n

j=1
r
j
1(v
j
) =
n

j=1
r
j
m

i=1
c
ij
w
i
=
m

i=1
_
n

j=1
c
ij
r
j
_
w
i
=
m

i=1

i
w
i
de onde se conclui que
i
=

n
j=1
c
ij
r
j
. para i = 1. . . . . :. que corresponde
igualdade matricial
[1(v)]
2
= [1]
12
[v]
1
.

Quando 1
1
a base cannica do R
n
e 1
2
a base cannica do R
m
. a matriz
[1]
12
de uma transformao linear 1 do R
n
no R
m
nas bases 1
1
e 1
2
a sua
matriz cannica.
Exemplo 4.31 Seja 1 : R
2
R
3
denida por
1(r. ) = (. 2r + 3. r ).
Notas de aula do Professor Faleiros
124 Transformao linear
Sendo 1
1
= (2. 1). (1. 2) e 1
2
= (1. 0. 1). (0. 1. 0). (1. 2. 0) . temos
1(2. 1) = (1. 1. 1) = 1(1. 0. 1) 5(0. 1. 0) + 2(1. 2. 0)
1(1. 2) = (2. 4. 1) = 1(1. 0. 1) + 2(0. 1. 0) + 1(1. 2. 0)
e a matriz de 1 em relao s bases 1
1
e 1
2

[1]
12
=
_
_
1 1
5 2
2 1
_
_
.
Exemplo 4.32 Seja 1 : 1
1
(R) 1
2
(R) denida num polinmio j de grau
menor ou igual a 1 por 1(j)(r) = rj(r). Sendo 1
1
= 1. r e 1
2
= 1. r.
r
2
. ento 1(1) = r. 1(r) = r
2
e
[1]
12
=
_
_
0 0
1 0
0 1
_
_
.
Exemplo 4.33 Seja 1 : 1
2
(R) 1
2
(R) denida num polinmio j de grau
menor ou igual a 2 por 1(j)(r) = j(2 3r). Sendo 1 = 1. r. r
2
ento 1(1)
= 1. 1(r) = 2 3r. 1(r
2
) = (2 3r)
2
= 4 12r + 9r
2
e
[1] =
_
_
1 2 4
0 3 12
0 0 9
_
_
.
para calcular 1(1 + 2r + 3r
2
). basta efetuar o produto matricial
_
_
1 2 4
0 3 12
0 0 9
_
_
_
_
1
2
3
_
_
=
_
_
17
42
27
_
_
para obter 1(1 + 2r + 3r
2
) = 17 42r + 27r
2
.
4.5 Matriz da composta e da inversa
Sejam \. \ e l espaos vetoriais de dimenso nita. Sejam 1
1
= v
1
. . . . .
v
m
uma base de \. 1
2
= w
1
. . . . . w
n
uma base de \ e 1
3
= u
1
. . . . . u
p

uma base de l. Sejam 1 : \ \ e 1 : \ l duas transformaes lineares.


Se
1(v
j
) =
n

k=1
c
kj
w
k
1(w
k
) =
p

i=1
/
ik
u
i
e 1 1(v
j
) =
p

i=1
c
ij
u
i
Notas de aula do Professor Faleiros
4.5 Matriz da composta e da inversa 125
ento
[1]
12
= [c
kj
]. [1]
23
= [/
ik
] e [1 1]
13
= [c
ij
].
Observe: sempre que h soma sobre um ndice, ele aparece repetido. Por
exemplo, no somatrio em /.

n
k=1
c
kj
w
k
. o sub-ndice / aparece em c
kj
e
em w
k
. Vamos ser corajosos, omitindo o smbolo de somatrio, para escrever
apenas c
kj
w
k
. armando, enfaticamente, que ao haver um subndice repetido,
h soma neste ndice. Esta notao denominada de notao de Einstein.
Usando-a obtemos
1(v
j
) = c
kj
w
k
1(w
k
) = /
ik
u
i
e 1 1(v
j
) = c
ij
u
i
Partindo da composta,
1 1(v
j
) = 1(1(v
j
)) = 1 (c
kj
w
k
) = c
kj
1 (w
k
)
= c
kj
/
ik
u
i
= /
ik
c
kj
u
i
.
Como 1 1(v
j
) = c
ij
u
i
. pela unicidade da decomposio de um vetor numa
base, obtemos c
ij
= /
ik
c
kj
. para i = 1. . . . . j e , = 1. . . . . :. Estas j :
igualdades escalares correspondem igualdade matricial
[1 1]
13
= [1]
23
[1]
12
.
Esta frmula pode ser estendida para a composio de trs ou mais transfor-
maes lineares.
Exerccio 4.34 Consideremos trs operadores lineares 1
1
. 1
2
e 1
3
de R
3
em
R
3
. onde 1
1
gira um vetor no sentido anti-horrio em torno do eixo . por um
ngulo o. 1
2
reete o vetor no plano . e 1
3
projeta o vetor ortogonalmente
sobre o plano r. A composio 1 = 1
3
1
2
1
1
executa as trs operaes
em sequncia. As matrizes cannicas das transformaes lineares 1
1;
1
2
e 1
3
so
[1
1
] =
_
_
cos o sen o 0
sen o cos o 0
0 0 1
_
_
[1
2
] =
_
_
1 0 0
0 1 0
0 0 1
_
_
[1
3
] =
_
_
1 0 0
0 1 0
0 0 0
_
_
.
Para obter a matriz cannica da composta 1 = 1
3
1
2
1
1
basta calcular o
produto matricial [1
3
] [1
2
] [1
1
]
[1] = [1
3
] [1
2
] [1
1
] =
_
_
cos o sen o 0
sen o cos o 0
0 0 0
_
_
.
Notas de aula do Professor Faleiros
126 Transformao linear
Lema 4.35 Se 1 : \ \ for um isomorsmo, se 1
1
for uma base de \ e
1
2
uma base de \. ento a matriz [1]
12
invertvel e sua inversa [1
1
]
21
[1
1
]
21
= [1]
1
12
Prova. Se 1
1
: \ \ for a inversa de 1. ento 1
1
1 = 1 onde 1 o
operador identidade em \. Se 1
1
for uma base de \ e 1
2
for uma base de \.
a matriz da composta com 1
3
= 1
1
ca
[1
1
]
21
[1]
12
= [1]
11
.
Como [1]
11
a matriz identidade, conclumos que a matriz [1
1
]
21
a inversa
da matriz [1]
12
.
A recproca tambm verdadeira: Se [1]
12
for invertvel, ento a transfor-
mao linear 1 : \ \ invertvel e a matriz [1
1
]
12
da inversa 1
1
a
inversa da matriz [1]
21
. Podemos ento enunciar
Teorema 4.36 Sejam \ e \ espaos vetoriais de dimenso nita. Uma
transformao linear 1 : \ \ um isomorsmo se, e s se, as matrizes
de 1 nas bases de \ e \ forem invertveis.
Exemplo 4.37 Considere o operador linear 1 : R
3
R
3
denido por
1(r. . .) = (3r + . 2r 4 + 3.. 5r + 4 2.)
cuja matriz na base cannica
[1] =
_
_
3 1 0
2 4 3
5 4 2
_
_
.
Esta matriz invertvel e sua inversa
[1]
1
=
_
_
4 2 3
11 6 9
12 7 10
_
_
.
Podemos assegurar que 1 um isomorsmo e que [1
1
] = [1]
1
. isto , a ma-
triz cannica do isomorsmo inverso 1
1
igual inversa da matriz cannica
de 1.
Notas de aula do Professor Faleiros
4.6 Matrizes semelhantes 127
4.6 Matrizes semelhantes
Duas matrizes quadradas e 1. de mesmo tamanho, so semelhantes se
existir uma matriz invertvel 1 para a qual
= 1
1
11.
Se e 1 forem semelhantes, ento seus determinantes, seus postos, suas nul-
idades e seus traos (soma das entradas da diagonal principal) sero iguais.
Alm disto, invertvel se, e s se, 1 tambm o for.
Vamos mostrar que matrizes de um operador linear so semelhantes.
Teorema 4.38 Sejam 1
1
e 1
2
duas bases de um espao vetorial \ e `
12
a
matriz de transio da base 1
1
para a base 1
2
. Seja 1 : \ \ um operador
linear, [1]
1
a matriz de 1 na base 1
1
e [1]
2
a matriz de 1 na base 1
2
. Ento
[1]
2
= `
12
[1]
1
`
1
12
.
Prova. Nesta demonstrao usaremos a notao de Einstein para o so-
matrio. Sejam 1
1
= v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
n
as duas bases de \.
Sendo `
12
= [c
ij
] a matriz de transio de 1
1
para 1
2
.
v
j
= c
ij
w
i
para , = 1. . . . . :. Sendo
1(v
j
) = r
ij
v
i
e 1(w
j
) =
ij
w
i
para , = 1. . . . . :. ento [1]
1
= [r
ij
] a matriz de 1 na base 1
1
e [1]
2
= [
ij
]
a matriz de 1 na base 1
2
. Por um lado,
1(v
j
) = r
kj
v
k
= c
ik
r
kj
w
i
e, por outro,
1(v
j
) = 1 (c
kj
w
k
) = c
kj
1(w
k
) =
ik
c
kj
w
i
.
Da unicidade da decomposio de um vetor numa base, segue
c
ik
r
kj
=
ik
c
kj
para i e , iguais a 1. . . . . :. o que nos leva igualdade matricial
`
12
[1]
1
= [1]
2
`
12
o que prova o teorema, uma vez que a matriz de transio invertvel.
Notas de aula do Professor Faleiros
128 Transformao linear
Este teorema mostra que matrizes de operadores lineares 1 : \ \ em
bases diferentes so semelhantes. Isto nos permite denir o determinante de
um operador linear 1 por
det(1) = det()
onde a matriz de 1 numa base qualquer de \. Como as matrizes de 1
nas bases de \ so todas semelhantes, esta denio de determinante no
dependente da base escolhida.
Exemplo 4.39 Seja 1 : R
2
R
2
denida por 1(r. ) = (r+ . 2r+ 4).
Vamos determinar a matriz de 1 na base cannica 1
1
= e
1
. e
2
e a matriz
de 1 na base 1
2
= v
1
. v
2
onde v
1
= (1. 1) e v
2
= (1. 2). Denotemos por
[1]
1
a matriz de 1 na base cannica 1
1
e por [1]
2
a matriz de 1 na base 1
2
.
Temos
[1]
1
=
_
1 1
2 4
_
.
Sendo
`
12
=
_
1 1
1 2
_
ento
`
21
= `
1
12
=
_
2 1
1 1
_
e [1]
2
= `
21
[1]
1
`
12
. Efetuando o clculo, obtemos
[1]
2
=
_
2 1
1 1
_ _
1 1
2 4
_ _
1 1
1 2
_
=
_
2 0
0 3
_
e 1(r
1
v
1
+ r
2
v
2
) = 2r
1
v
1
+ 3r
2
v
2
. Observe que det [1]
1
= 6 e det [1]
2
= 6.
Da, det 1 = 6.
Exemplo 4.40 A matriz cannica do operador linear 1 : R
2
R
2
. denido
por 1(r. ) = (3r + 2. r + ).
=
_
3 2
1 1
_
.
O determinante de 1 o determinante de . de modo que det(1) = det() =
1.
Exemplo 4.41 Seja o um nmero real e w
1
= (cos o. sen o). w
2
= (sen o.
cos o) dois vetores do R
2
. O conjunto 1
1
= w
1
. w
2
uma base do R
2
. Seja
1 o operador linear no R
2
que leva w
1
em w
1
e w
2
em w
2
. Este operador
Notas de aula do Professor Faleiros
4.6 Matrizes semelhantes 129
reete x na reta gerada por w
1
. Esta reta passa pela origem (0. 0) e possui
uma inclinao de o radianos em relao ao eixo horizontal. A matriz de 1
na base 1
1

[1]
1
=
_
1 0
0 1
_
.
Sendo 1
2
= e
1
. e
2
a base cannica do R
2
. vale a relao
w
1
= cos o e
1
+ sen o e
2
.
w
2
= sen o e
1
+ cos o e
2
.
de onde obtemos a matriz de transio de 1
2
para 1
1
`
12
=
_
cos o sen o
sen o cos o
_
.
Invertendo esta matriz obtemos
`
21
=
_
cos o sen o
sen o cos o
_
e isto signica que
e
1
= cos o w
1
sen o w
2
.
e
2
= sen o w
1
+ cos o w
2
.
Assim
1(r. ) = r1(e
1
) + 1(e
2
) = r1(cos o w
1
sen o w
2
) + 1(sen o w
1
+ cos o w
2
)
= (r cos o + sen o)1(w
1
) + (r sen o + cos o)1(w
2
)
= (r cos o + sen o)w
1
(r sen o + cos o)w
2
= (r cos o + sen o)(cos o. sen o) + (r sen o cos o)(sen o. cos o)
e, simplicando,
1(r. ) = ( r cos 2o + sen 2o. r sen 2o cos 2o ).
Este resultado pode ser obtido usando a frmula [1]
2
= `
12
[1]
1
`
21
[1]
2
=
_
cos o sen o
sen o cos o
_ _
1 0
0 1
_ _
cos o sen o
sen o cos o
_
=
_
cos 2o sen 2o
sen 2o cos 2o
_
e
1(r. ) = ( r cos 2o + sen 2o. r sen 2o cos 2o ).
Quando o = :,6.
1(r. ) =
1
2
( r +
_
3.
_
3r ).
Notas de aula do Professor Faleiros
130 Transformao linear
4.7 Ncleo e imagem
Seja 1 : \ \ uma transformao linear. O conjunto
Im(1) = 1(v) \ : v \
chamado de imagem de 1 e o conjunto
:nc(1) = v \ : 1(v) = 0
dos vetores de \ que so levados no zero por 1 chamado de ncleo de 1. A
imagem de 1 um subespao de \ e o ncleo de 1 um subespao de \. A
dimenso da imagem de 1 chamada de posto de 1. denotada por jo:(1) e
a dimenso do ncleo chamada de nulidade de 1. denotada por :n|(1).
Exemplo 4.42 Seja 1 : R
3
R
3
a transformao linear 1(r. . .) = (2r +
3. r + .. 3r + 3 + .). A imagem formada por todo terno ordenado da
forma
(2r + 3. r + .. 3r + 3 + .) = r(2. 1. 3) + (3. 0. 3) + .(0. 1. 1)
onde r. e . podem ser qualquer nmero real. Como o conjunto (2. 1. 3).
(3. 0. 3). (0. 1. 1) linearmente dependente e (2. 1. 3). (3. 0. 3) linearmente
independente, ele uma base da imagem que tem dimenso 2. A imagem
formada por todos os ternos da forma c
1
(2. 1. 3) + c
2
(3. 0. 3) onde c
1
e c
2
percorrem o conjunto dos nmeros reais.
O ncleo formado por todo terno (r. . .) tal que (2r + 3. r + .. 3r +
3 + .) = (0. 0. 0). Portanto, (r. . .) pertence ao ncleo se for soluo do
sistema homogneo
2r + 3 = 0. r + . = 0. 3r + 3 + . = 0.
Escalonando este sistema obtemos r = . e = 2.,3. onde . varivel livre.
O ncleo formado pelos ternos (.. 2.,3. .) = (.,3) (3. 2. 3) onde .
percorre o conjunto dos nmero reais. A nulidade de 1 1.
Exemplo 4.43 O ncleo do operador 1 denido no R
3
por 1(r. . .) = (r.
. 0)
:nc(1) = (0. 0. .) R
3
: . R
que possui dimenso 1 e sua imagem
i:(1) = (r. . 0) R
3
: r. R
que possui dimenso 2. Logo, :n|(1) + jo:(1) = 1 + 2 = 3.
Notas de aula do Professor Faleiros
4.7 Ncleo e imagem 131
Exemplo 4.44 Seja uma matriz real de tamanho ::. Considere a trans-
formao 1 : R
n
R
m
denida por 1(x) = x. O ncleo de 1 o espao
nulo de e a imagem de 1 o espao coluna de . Da :n|(1) = :n|() e
jo:(1) = jo:().
Teorema 4.45 Seja 1 : \ \ uma transformao linear. Se a dimenso
de \ for :. ento
jo:(1) + :n|(1) = :.
Prova. Seja v
1
. . . . . v
k
uma base do ncleo. Inclua vetores a este
conjunto at obter uma base v
1
. . . . . v
k
. v
k+1
. . . . . v
n
. de \. Se mostrarmos
que 1(v
k+1
). . . . . 1(v
n
) uma base da imagem de 1. o teorema estar
demonstrado. Se w for um vetor da imagem de 1. existe um vetor v de \ tal
que w = 1(v). Como v = c
1
v
1
+ + c
k
v
k
+ + c
n
v
n
. segue
w = 1(v) = c
k+1
1(v
k+1
) + + c
n
1(v
n
)
uma vez que 1(v
1
). . . . . 1(v
k
) so iguais ao vetor nulo. Mostramos assim que
1(v
k+1
). . . . . 1(v
n
) gera a imagem. Falta provar que este conjunto linear-
mente independente. Se 1(v
k+1
). . . . . 1(v
n
) fosse linearmente dependente,
existiriam escalares d
k+1
. . . . . d
n
. nem todos nulos, para os quais d
k+1
1(v
k+1
)
+ + d
n
1(v
n
) = 0. o que acarreta em 1(d
k+1
v
k+1
+ + d
n
v
n
) = 0.
Neste caso, o vetor d
k+1
v
k+1
+ + d
n
v
n
pertenceria ao ncleo de 1 e, por-
tanto, existiriam escalares d
1
. . . . . d
k
tais que d
k+1
v
k+1
+ + d
n
v
n
= d
1
v
1
+ + d
k
v
k
contradizendo a independncia linear do conjunto v
1
. . . . . v
k
.
v
k+1
. . . . . v
n
. Logo, 1(v
k+1
). . . . . 1(v
n
) linearmente independente, o que
completa a prova do teorema.
Exemplo 4.46 Seja o um nmero real. A imagem do operador linear 1(r. . .) =
(r cos o sen o. r sen o + cos o. .) todo o R
3
e o seu ncleo o 0. Para
este operador, :n|(1)+ jo:(1) = 3. o que corrobora o teorema anterior.
Exemplo 4.47 Considere a transformao linear 1 : `
61
(R) `
41
(R)
denida por 1(x) = x. onde
=
_

_
1 2 0 4 5 3
3 7 2 0 1 4
2 5 2 4 6 1
4 9 2 4 4 7
_

_
.
Notas de aula do Professor Faleiros
132 Transformao linear
Realizando operaes elementares em obtemos sua forma escalonada
1 =
_

_
1 2 0 4 5 3
0 1 2 12 16 5
0 0 0 0 0 0
0 0 0 0 0 0
_

_
que possui posto 2 e nulidade 4. Logo, o posto de 1 igual a 2 e sua nulidade
4.
Notas de aula do Professor Faleiros
Captulo 5
Produto interno
5.1 Produto interno
Denio 5.1 Seja \ um espao vetorial real. Um produto interno ou
produto escalar em \ uma operao que associa a cada par de vetores v e
w um nmero real denotado por v. w. com as seguintes propriedades: Para
todo u. v. w em \ e para todo real c.
1. u. v = v. u (simetria)
2. u +v. w = u. w +v. w (aditividade)
3. c u. v = c u. v (homegeneidade)
4. v. v _ 0 (positividade)
5. v. v = 0 se, e s se, v = 0
O produto interno de dois vetores v e w tambm denotado por v w.
Escolha a notao que preferir.
Exemplo 5.2 Sejam x = (r
1
. . . . . r
n
) e y = (
1
. . . . .
n
) dois vetores do R
n
.
A operao
x. y = r
1

1
+ + r
n

n
dene um produto interno em R
n
chamado de produto interno euclidiano.
Exemplo 5.3 Sejam j
1
. . . . . j
n
nmeros reais positivos chamados pesos. Se-
jam x = (r
1
. . . . . r
n
) e y = (
1
. . . . .
n
) dois vetores do R
n
. A operao
x. y = j
1
r
1

1
+ + j
n
r
n

n
dene um produto interno em R
n
chamado de produto interno euclidiano
ponderado. Em particular, x. y = 2r
1

1
+ 3r
2

2
um produto interno
euclidiano ponderado no R
2
.
Notas de aula do Professor Faleiros
134 Produto interno
Propriedades adicionais do produto interno
Para todo c real e todo u. v. w em um espao vetorial real \ com produto
interno,
1. 0. v = v. 0 = 0
2. u. v +w = u. v +u. w
3. u. c v = c u. v
O produto interno linear nos dois fatores. Isto signica que, ao xar um
vetor v
0
num espao vetorial \ com produto interno, as funes 1 e 1 de \
em R. denidas por
1(v) = v. v
0
e 1(v) = v
0
. v
so lineares.
5.2 Norma e distncia
Seja \ um espao vetorial real com produto interno. Denimos a norma de
um vetor v em \ por
|v| =
_
v. v.
A distncia d(v. w) entre dois vetores v e w de \ denida por
d(v. w) = |v w| =
_
v w. v w.
Observe que |v| = d( v. 0). O conjunto dos vetores v em \ tais que |v| =
1 chamado de esfera unitria de \. O conjunto dos vetores v em \ tais
que |v| _ 1 chamado de disco unitrio de \.
Exemplo 5.4 Sejam x = (r
1
. . . . . r
n
) e y = (
1
. . . . .
n
) duas nuplas orde-
nadas de nmeros reais. Designando o produto interno euclidiano no R
n
por
x y. ento
|x| =
_
x x =
_
r
2
1
+ + r
2
n
a norma euclidiana de x e
d(x. y) = |x y| =
_
(x y) (x y) =
_
(r
1

1
)
2
+ + (r
n

n
)
2
a distncia euclidiana entre x e y. Sendo x = (1. 2. 3). sua norma euclid-
iana
|(1. 2. 3)| =
_
1 + 4 + 9 =
_
14.
Notas de aula do Professor Faleiros
5.2 Norma e distncia 135
Exemplo 5.5 No R
2
. se o produto interno de x = (r
1
. r
2
) e y = (
1
.
2
) for
o euclidiano, x. y = r
1

1
+ r
2

2
. ento a esfera unitria a circunferncia
r
2
1
+ r
2
2
= 1 de centro na origem (0. 0) e raio unitrio. Se a norma vier do
produto interno euclidiano ponderado x. y = 4r
1

1
+ 9r
2

2
. a esfera unitria
ser uma elipse 4r
2
1
+ 9r
2
2
= 1. centrada na origem, com semi eixos 1,2 e 1,3.
Exemplo 5.6 No espao vetorial `
n1
(R) das matrizes coluna reais, o pro-
duto de matrizes x
T
y dene um produto interno
x y = x
T
y
Em relao a este produto interno, sendo uma matriz : :.
(x) y = x
_

T
y
_
.
Exemplo 5.7 Seja uma matriz quadrada real invertvel : :. ento
x. y = x
T

T
y
um produto interno no espao vetorial `
n1
(R) das matrizes coluna reais.
Quando a matriz identidade, reobtemos o produto interno do exemplo
anterior x. y = x
T
y.
Exemplo 5.8 Seja [c. /] um intervalo fechado de nmeros reais e C[c. /] o
conjunto de todas as funes contnuas em [c. /] e imagem real. Este conjunto,
com as operaes de adio de funes e multiplicao de uma funo por um
nmero real um espao vetorial real. Nele
,. q =
_
b
a
,(r)q(r)dr
um produto interno. Para destacar o fato de a integral ocorrer no intervalo
[c. /]. pode-se dizer que um produto interno em [c. /]. Em relao a este
produto interno, podemos denir a norma e a distncia entre funes , e q
| , |
2
=
_
b
a
,
2
(r)dr
e
d(,. q) =
_
_
b
a
[,(r) q(r)]
2
dr.
Notas de aula do Professor Faleiros
136 Produto interno
Propriedades da norma
Para todo real / e todo v. w num espao vetorial real \ com produto interno,
1. |v| _ 0
2. |v| = 0 se, e s se, v = 0
3. |/ v| = [/[ |v|
4. |v +w| _ |v| +|w| .
As trs primeiras propriedades so consequncias diretas das propriedades
do produto interno. A quarta propriedade chamada de desigualdade tri-
angular e ser provada um pouco adiante usando a desigualdade de Cauchy-
Schwarz.
Propriedades da distncia
1. d(v. w) _ 0
2. d(v. w) = 0 se, e s se, v = w
3. d(v. w) = d(w. v)
4. d(v. w) _ d(v. u) + d(u. w).
Esta ltima desigualdade tambm recebe o nome de desigualdade trian-
gular e uma consequncia da desigualdade triangular para a norma.
5.3 Desigualdade de Cauchy-Schwarz
Sendo v e w dois vetores de um espao vetorial real \ com produto interno,
vale a desigualdade
[v w[ _ |v| |w| .
denominada de desigualdade de Cauchy-Schwarz.
Passemos a demonstr-la. Para todo nmero real `. pela propriedade (1)
segue |v + `w| _ 0. Elevando os dois membros da desigualdade ao quadrado,
0 _ |v + `w|
2
= (v + `w) (v + `w) = v v + `v w + `w v + `
2
w w
e, usando a simetria v w = w v. chega-se a
|v|
2
+ 2`v w + `
2
|w|
2
_ 0.
Notas de aula do Professor Faleiros
5.3 Desigualdade de Cauchy-Schwarz 137
Sendo c = |w|
2
. / = 2v w e c = |v|
2
. o lado esquerdo desta desigualdade
pode ser escrita na forma c`
2
+/`+c. Este trinmio do segundo grau maior ou
igual a zero para todo ` real. Isto ocorre se, e s se, /
2
4cc _ 0. Retornando
aos valores originais de c. / e c. obtemos
4(v w)
2
4 |v|
2
|w|
2
_ 0
ou, dividindo por 4 e extraindo a raiz quadrada, chegamos desigualdade de
Cauchy-Schwarz
[v w[ _ |v| |w| .
Usando-a no desenvolvimento de |v +w|
2
|v +w|
2
= (v +w) (v +w) = v v + 2v w +w w _ |v|
2
+ 2 [v w[ +|w|
2
_ |v|
2
+ 2 |v| |w| +|w|
2
= (|v| +|w|)
2
obtemos
|v +w|
2
_ (|v| +|w|)
2
e, ao extrair a raiz quadrada, chegamos desigualdade triangular para a norma
|v +w| _ |v| +|w| .
Desta desigualdade se deduz a desigualdade triangular para distncias
d(v. w) = |v w| = |(v u) (wu)| _ |v u|+|u w| = d(v. u)+d(u. w).
Exemplo 5.9 Para qualquer par de nuplas ordenadas x e y. vale
x y =
1
4
|x +y|
2

1
4
|x y|
2
.
Para provar esta armao, desenvolva
|x +y|
2
= (x +y) (x +y) = |x|
2
+ 2x y +|y|
2
e
|x y|
2
= (x y) (x y) = |x|
2
2x y +|y|
2
Subtraindo o segundo desenvolvimento do primeiro chega-se igualdade acima
|x +y|
2
|x y|
2
= 4x y.
Notas de aula do Professor Faleiros
138 Produto interno
5.4 ngulo entre dois vetores
Se v e w forem dois vetores no nulos de um espao vetorial real \. segue da
desigualdade de Cauchy-Schwartz que

v. w
|v| |w|

_ 1.
Logo, existe um nico nmero real o no intervalo [0. :] para o qual
v. w
|v| |w|
= cos o
de onde segue
v. w = cos o |v| |w| .
Este nmero real o chamado de ngulo entre os vetores v e w.
Se v. w = 0. diremos que v e w so ortogonais. No se dene ngulo
entre dois vetores se um deles for o vetor nulo. Entretanto, como 0. v = 0
para todo vetor v de \. se diz que o vetor nulo 0 ortogonal a todo vetor v
de \.
Exemplo 5.10 (Teorema de Pitgoras) Se v e w so vetores ortogonais,
ento
|v +w|
2
= |v|
2
+|w|
2
.
Prova. Basta desenvolver o lado esquerdo que se chega ao lado direito
|v +w|
2
= (v +w) (v +w) = v v + 2v w +w w = |v|
2
+|w|
2
.
pois u w = 0.
Exemplo 5.11 No espao vetorial das funes reais contnuas com domnio
no intervalo [1. 1]. os polinmios r e r
2
so ortogonais em relao ao produto
interno
,. q =
_
1
1
,(r)q(r)dr.
Para destacar o fato de que a integral efetuada no intervalo [1. 1]. pode-se
dizer que os polinmios r e r
2
so ortogonais no intervalo [1. 1]. Consid-
eradas como funes denidas no intervalo [0. 1]. os polinmios r e r
2
no
so ortogonais em relao ao produto interno ,. q =
_
1
0
,(r)q(r)dr. uma
vez que
_
1
0
r r
2
dr =
1
4
no igual a zero. Portanto, os polinmios r e r
2
no so ortogonais no intervalo [0. 1] em relao ao produto interno ,. q =
_
1
0
,(r)q(r)dr.
Notas de aula do Professor Faleiros
5.5 Bases ortogonais e ortonormais 139
Exemplo 5.12 O trao t:() de uma matriz quadrada real a soma das
entradas em sua diagonal principal. No espao vetorial das matrizes quadradas
reais de ordem :. a operao
. 1 = t:(
T
1) = t:(1
T
)
dene um produto interno. Tomando : = 2. as matrizes
=
_
1 0
1 1
_
. 1 =
_
0 2
0 0
_
so ortogonais neste produto interno.
Exemplo 5.13 O conjunto r. r
2
ortogonal no espao vetorial dos polinmios
reais de grau menor ou igual a 2, em relao ao produto interno
j. =
_
1
1
j(r)(r) dr.
como
|r|
2
+
_
_
r
2
_
_
2
=
__
1
1
r dr
_
2
+
__
1
1
r
2
dr
_
2
= 0 +
4
9
_
_
r + r
2
_
_
2
=
__
1
1
(r + r
2
) dr
_
2
=
4
9
verica-se que vale o teorema de Pitgoras para estes dois polinmios.
5.5 Bases ortogonais e ortonormais
Seja \ um espao vetorial real com produto interno . . Um conjunto G de
vetores de \ ortogonal quando v. w = 0 para todo v. w em G com v
distinto de w. Isto signica que os vetores de G so ortogonais quando tomados
dois a dois. Um conjunto ortogonal no qual todos os vetores tm norma 1
chamado ortonormal.
Sendo v
1
. . . . . v
n
um conjunto ortogonal de vetores que no contm o
vetor nulo, ento
_
v
1
|v
1
|
. . . . .
v
n
|v
n
|
_
ortonormal.
Qualquer subconjunto nito de vetores no nulos de um conjunto ortog-
onal linearmente independente. De fato, se G = v
1
. v
2
. . . . . v
n
for um
Notas de aula do Professor Faleiros
140 Produto interno
subconjunto nito de vetores no nulos de um conjunto ortogonal, se c
1
. . . . .
c
n
forem escalares tais que c
1
v
1
+ + c
n
v
n
= 0. multiplicando escalarmente
por v
1
obtemos 0 = c
1
v
1
v
1
+ + c
n
v
n
v
1
= c
1
v
1
v
1
= c
1
|v
1
|
2
. Como
v
1
diferente de zero, c
1
= 0. Multiplicando escalarmente por v
2
. . . . . v
n
.
provamos que c
2
= = c
n
= 0. o que nos permite armar que o conjunto
linearmente independente.
Com este resultado podemos armar que, num espao vetorial de dimenso
nita, todo conjunto ortogonal nito. Se a dimenso do espao vetorial for :.
os conjuntos ortogonais de vetores no nulos pode ter, no mximo, : vetores.
Num espao vetorial real \ com produto interno e dimenso :. todo con-
junto ortogonal com : vetores, que no contm o vetor nulo, uma base de
\. Uma base formada por vetores ortogonais chamada de base ortogonal.
Uma base formada por vetores ortonormais chamada de base ortonormal.
Exemplo 5.14 Consideremos o R
3
com o produto interno euclidiano
(r
1
.
1
. .
1
) (r
2
.
2
. .
2
) = r
1
r
2
+
1

2
+ .
1
.
2
.
Em relao a este produto interno, o conjunto formado pelos vetores v
1
=
(1. 0. 0). v
2
= (0. 1. 1) e v
3
= (0. 1. 1) ortogonal. Suas normas, se oriundas
do produto interno euclidiano, so |v
1
| = 1. |v
2
| =
_
2. |v
3
| =
_
2. O
conjunto
_
v
1
|v
1
|
.
v
2
|v
2
|
.
v
3
|v
3
|
_
=
_
(1. 0. 0).
1
_
2
(0. 1. 1).
1
_
2
(0. 1. 1)
_
ortonormal.
5.6 Coordenadas numa base ortogonal
Seja 1 = v
1
. . . . . v
n
for uma base ortogonal de um espao vetorial \ com
produto interno. Dado um vetor w em \. existem escalares c
1
. . . . . c
n
tais que
w = c
1
v
1
+ + c
n
v
n
. Efetuando o produto interno de w com v
i
. para i =
1. 2. . . . . :. obtemos
w. v
i
= c
i
v
i
. v
i

uma vez que v


j
. v
i
= 0 para todo , ,= i. Explicitando c
i
. segue
c
i
=
w. v
i

v
i
. v
i

=
w. v
i

|v
i
|
2
de onde se obtm
w =
w. v
1

|v
1
|
2
v
1
+ +
w. v
n

|v
n
|
2
v
n
.
Notas de aula do Professor Faleiros
5.7 Obtendo bases ortogonais 141
Se a base for ortonormal, ento |v
i
| = 1 e
w = w. v
1
v
1
+ +w. v
n
v
n
.
Exemplo 5.15 O conjunto 1 formado pelos vetores v
1
= (0. 1. 0). v
2
= (
4
5
. 0.
3
5
).
v
3
= (
3
5
. 0.
4
5
) uma base ortonormal do R
3
em relao ao produto interno
euclidiano. As coordenadas do vetor w = (1. 2. 3) nesta base so c
1
= w. v
1

= 2. c
2
= w. v
2
=
4
5
+
9
5
= 1. c
3
= w. v
3
=
3
5
+
12
5
= 3 e, desta forma,
w = 2v
1
+v
2
+ 3v
3
e o vetor de coordenadas de w na base 1 (2. 1. 3).
Produto interno numa base ortonormal
Se 1 = v
1
. . . . . v
n
for uma base ortonormal de \. e u. w dois vetores de \
tais que
u = c
1
v
1
+ + c
n
v
n
.
w = /
1
v
1
+ + /
n
v
n
.
ento o produto interno de u e w
u. w = c
1
/
1
+ + c
n
/
n
a norma de u ao quadrado
|u|
2
= c
2
1
+ + c
2
n
e a distncia entre u e w
d(u. w) =
_
(c
1
/
1
)
2
+ + (c
n
/
n
)
2
5.7 Obtendo bases ortogonais
Vamos descrever o processo de Gram-Schmidt, que permite obter bases
ortogonais de espaos vetoriais de dimenso nita. O nome uma homenagem
aos matemticos que o desenvolveram: Jrgen Pederson Gram (dinamarqus,
1850 - 1916) e Erhardt Schmidt (alemo, 1876 - 1959).
Este processo mostra como obter um conjunto ortogonal w
1
. . . . . w
n

a partir de um conjunto linearmente independente qualquer v


1
. . . . . v
n
.
Comece denindo
w
1
= v
1
.
Notas de aula do Professor Faleiros
142 Produto interno
Em seguida tome escolha c
12
em
w
2
= v
2
c
12
w
1
de modo a tornar w
2
ortogonal a w
1
. Da exigncia w
1
. w
2
= 0. segue
c
12
=
w
1
. v
2

w
1
. w
1

Em seguida, escolha c
13
e c
23
em
w
3
= v
3
c
13
w
1
c
23
w
2
de modo a tornar w
3
ortogonal a w
1
e w
2
. Aplicando estas duas condies,
w
1
. w
3
= 0 e w
2
. w
3
= 0 obtm-se
c
13
=
w
1
. v
3

w
1
. w
1

e c
23
=
w
2
. v
3

w
2
. w
2

.
Continuando com este processo, dena
w
j
= v
j
c
1j
w
1
c
2j
w
2
c
j1;j
w
j1
e determine os escalares c
ij
de modo a tornar w
j
ortogonal a w
i
. para i = 1.
2. . . . . , 1. Das condies de ortogonalidade obtemos
c
ij
=
w
i
. v
j

w
i
. w
i

para i = 1. 2. . . . . , 1.
Usando este processo, chega-se a um vetor w
1
que pertence ao espao ger-
ado por v
1
. chega-se a um vetor w
2
que pertence ao espao gerado por v
1
e
v
2
. Continuando com o processo at a etapa ,. chega-se a um w
j
que pertence
ao espao gerado por v
1
. v
2
. . . . . v
j
.
Para obter uma base ortonormal usando o processo de Gram - Schmidt,
basta dividir cada vetor por sua norma
q
1
=
w
1
|w
1
|
. q
2
=
w
2
|w
2
|
. q
3
=
w
3
|w
3
|
.
O processo de Gram-Schmidt leva uma base v
1
. . . . . v
n
em outra q
1
.
. . . . q
n
ortonormal de modo que, para todo / _ 1. q
1
. . . . . q
k
base do
espao gerado por v
1
. . . . . v
k
e q
k+1
ortogonal a todo vetor do espao
gerado por v
1
. . . . . v
k
.
Notas de aula do Professor Faleiros
5.8 Matriz ortogonal 143
Exemplo 5.16 Obtenha uma base ortogonal w
1
. w
2
. w
3
do R
3
a partir da
base formada pelos vetores v
1
= (1. 1. 1). v
2
= (0. 1. 1). v
3
= (0. 0. 1).
Soluo. Comeamos por denir w
1
= v
1
= (1. 1. 1). Em seguida, toma-se
w
2
= v
2
c
12
w
1
. onde
c
12
=
w
1
. v
2

w
1
. w
1

=
2
3
.
resultando que
w
2
= (0. 1. 1)
2
3
(1. 1. 1) =
1
3
(2. 1. 1).
Finalmente,
w
3
= v
3
c
13
w
1
c
23
w
2
onde
c
13
=
w
1
. v
3

w
1
. w
1

=
1
3
c
23
=
w
2
. v
3

w
2
. w
2

=
1,3
2,3
=
1
2
resultando em
w
3
= (0. 0. 1)
1
3
(1. 1. 1)
1
2
1
3
(2. 1. 1) =
1
2
(0. 1. 1).

5.8 Matriz ortogonal


Uma matriz quadrada ortogonal quando

1
=
T
.
As matrizes
=
1
7
_
_
3 2 6
6 3 2
2 6 3
_
_
e 1 =
_
cos o sen o
sen o cos o
_
so ortogonais.
A inversa de uma matriz ortogonal ortogonal. O produto de duas matrizes
ortogonais uma matriz ortogonal. O determinante de uma matriz ortogonal
igual a +1 ou igual a 1.
Notas de aula do Professor Faleiros
144 Produto interno
Exemplo 5.17 A matriz
=
1
_
2
_
1 1
1 1
_
ortogonal e det() = 1.
Teorema 5.18 Seja uma matriz real :: e x. y = x
T
y o produto interno
euclidiano em `
n1
(R). So equivalentes as seguintes armaes:
1. ortogonal.
2. x. y = x. y para qualquer x e y em `
n1
(R).
3. |x| = |x| para qualquer x em `
n1
(R).
4. Os vetores linha de formam um conjunto ortonormal de `
1n
em
relao ao produto interno r
1
. r
2
= r
1
r
T
2
.
5. Os vetores coluna de formam um conjunto ortonormal de `
n1
em
relao ao produto interno c
1
. c
2
= c
T
1
c
2
.
Prova. Vamos provar que 2 implica em 1. Se x. y = x. y para
qualquer x e y em `
n1
(R). ento

x. (
T
1)y
_
= 0. Fazendo x = (
T

1)y. segue

(
T
1)y. (
T
1)y
_
= 0 ou (
T
1)y = 0. Como este
sistema homogneo de equaes lineares deve ser satisfeito para todo y.
T
=
1. mostrando que ortogonal.
Para provar que 1 e 4 so equivalentes, considere as linhas r
1
. . . . . r
n
as
linhas de . que sero as colunas de
T
. A matriz ortogonal se, e s se,

T
= 1. Esta igualdade se verica se, e s se,
_

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

_
= 1
Esta igualdade matricial se verica se, e s se, as linhas r
1
. r
2
. . . . . r
n
de
formarem um conjunto ortonormal de `
1n
.
Para provar que 1 e 5 so equivalentes, considere a igualdade
T
= 1.
Teorema 5.19 Sejam 1
1
e 1
2
duas bases ortonormais de um espao vetorial
real \ com dimenso nita. A matriz de transio da base 1
1
para a base 1
2
ortogonal.
Notas de aula do Professor Faleiros
5.8 Matriz ortogonal 145
Prova. Sendo 1
1
= v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
n
as duas bases
ortonormais de \. podemos escrever os vetores de 1
2
como combinao linear
dos vetores de 1
1
e os vetores de 1
1
como combinao linear dos vetores de
1
2
w
j
=
n

i=1
c
ij
v
i
e v
j
=
n

i=1
/
ij
w
i
.
Neste caso, `
12
= [c
ij
] a matriz de transio da base 1
1
para a base 1
2
e
`
21
= [/
ij
] a matriz de transio da base 1
2
para a base 1
1
. J se sabe que
uma a inversa da outra, `
21
= `
1
12
. Multiplicando escalarmente os dois lados
da igualdade w
j
=

n
i=1
c
ij
v
i
por v
k
chega-se a w
j
. v
k
=

n
i=1
c
ij
v
i
. v
k
=
c
kj
. Do mesmo modo se obtm /
ij
= w
i
. v
j
= c
ji
. provando que `
21
= `
T
12
.
de onde se conclui que `
1
12
= `
T
12
. A inversa de `
12
sua transposta e,
portanto, ela uma matriz ortogonal.
Exemplo 5.20 Sendo v
1
= (1. 0). v
2
= (0. 1). w
1
= (3,5. 4,5). w
2
= (4,5.
3,5) os conjuntos 1
1
= v
1
. v
2
e 1
2
= w
1
. w
2
so bases ortonormais do
R
2
em relao ao produto interno euclidiano. Como
w
1
=
3
5
v
1
+
4
5
v
2
w
2
=
4
5
v
1

3
5
v
2
.
a matriz de transio da base 1
1
para a base 1
2

`
12
=
1
5
_
3 4
4 3
_
que uma matriz ortogonal.
Exemplo 5.21 Rotao em duas dimenses.. Seja 1
1
= v
1
. v
2
uma base
ortonormal de um espao vetorial \ de dimenso dois com produto interno. A
base 1
2
= w
1
. w
2
denida por
w
1
= v
1
cos o +v
2
sen o
w
2
= v
1
sen o +v
2
cos o
ortonormal e a matriz de mudana da base 1
1
para a base 1
2
a matriz
ortogonal
`
12
=
_
cos o sen o
sen o cos o
_
.
Notas de aula do Professor Faleiros
146 Produto interno
Exemplo 5.22 Rotao em trs dimenses. Seja 1
1
= v
1
. v
2
. v
3
uma base
ortonormal de um espao vetorial \ de dimenso trs com produto interno. A
base 1
2
= w
1
. w
2
. w
3
denida por
w
1
= v
1
cos o +v
2
sen o
w
2
= v
1
sen o +v
2
cos o
w
3
= v
3
ortonormal e a matriz de mudana da base 1
1
para a base 1
2
a matriz
ortogonal
`
12
=
_
_
cos o sen o 0
sen o cos o 0
0 0 1
_
_
cujo determinante igual a 1.
Exemplo 5.23 Rotao em trs dimenses. Seja 1
1
= v
1
. v
2
. v
3
uma base
ortonormal de um espao vetorial \ de dimenso trs com produto interno. A
base 1
2
= w
1
. w
2
. w
3
denida por
w
1
= v
1
cos o v
3
sen o
w
2
= v
2
w
3
= v
1
sen o +v
3
cos o
ortonormal e a matriz de mudana da base 1
1
para a base 1
2
a matriz
ortogonal
`
12
=
_
_
cos o 0 sen o
0 1 0
sen o 0 cos o
_
_
cujo determinante igual a 1.
Exemplo 5.24 Rotao em trs dimenses. Seja 1
1
= v
1
. v
2
. v
3
uma base
ortonormal de um espao vetorial \ de dimenso trs com produto interno. A
base 1
2
= w
1
. w
2
. w
3
denida por
w
1
= v
1
w
2
= v
2
cos o +v
3
sen o
w
3
= v
2
sen o +v
3
cos o
ortonormal e a matriz de mudana da base 1
1
para a base 1
2
a matriz
ortogonal
`
12
=
_
_
1 0 0
0 cos o sen o
0 sen o cos o
_
_
cujo determinante igual a 1.
Notas de aula do Professor Faleiros
5.9 Decomposio QR 147
5.9 Decomposio QR
Sejam c
1
. . . . . c
n
vetores coluna :1 linearmente independentes. No espao
das matrizes reais :: considere o produto interno x. y = x
T
y. Podemos,
mediante a utilizao do processo de ortogonalizao de Gram-Schmidt, obter
um conjunto ortonormal q
1
. . . . . q
n
de vetores coluna : 1. Calcule ini-
cialmente
c
11
= [[c
1
[[ e q
1
=
1
c
11
c
1
e depois faa o ndice , percorrer os inteiros de 2 a : e calcule
c
ij
= q
i
. c
j
para i = 1. . . . . , 1
c
j j
= [[c
j
c
1; j
q
1
c
j1 ; j
q
j1
[[
q
j
=
1
c
jj
(c
j
c
1; j
q
1
c
j1 ; j
q
j1
)
A diviso possvel pois c
jj
diferente de zero para , = 1. . . . . :. O c
jj
seria
zero para algum ,. apenas se a coluna c
j
for uma combinao linear das colunas
c
1
. . . . . c
j1
. o que no o caso, por hiptese. Explicitando c
j
. obtemos
c
1
= c
11
q
1
c
2
= c
12
q
1
+ c
22
q
2
c
3
= c
13
q
1
+ c
23
q
2
+ c
33
q
3
.
.
.
Seja = [c
1
. . . . . c
n
] uma matriz :: cujas colunas c
1
. . . . . c
n
so linearmente
independentes. Seja Q = [q
1
. . . . . q
n
] a matriz : :. cujas colunas so as
matrizes q
1
. . . . . q
n
obtidas no processo de ortonormalizao dos vetores coluna
de . Desta forma,
= Q1
onde
1 =
_

_
c
11
c
12
c
1n
0 c
22
c
2n
0 0 c
3n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 c
nn
_

_
.
uma matriz triangular superior invertvel, uma vez que c
ii
,= 0 para i =
1. 2. . . . . :. Podemos ento enunciar o teorema conhecido como teorema da
decomposio QR.
Notas de aula do Professor Faleiros
148 Produto interno
Teorema 5.25 Seja uma matriz :: cujas colunas formam um conjunto
linearmente independente de matrizes. Podemos realizar a fatorao = Q1.
onde Q uma matriz : : cujos vetores coluna formam um conjunto orto-
normal e 1 uma matriz : : triangular superior e invertvel.
Quando for quadrada, Q quadrada e seus vetores coluna formam um
conjunto ortonormal no produto interno x. y = x
T
y. Uma matriz quadrada
cujos vetores coluna formam um conjunto ortonormal so denominadas de
matrizes ortogonais, que so invertveis e sua inversa a sua transposta. A
inversa de uma matriz ortogonal ortogonal e o determinante de uma matriz
ortogonal igual a 1 ou 1.
Exemplo 5.26 Para obter a decomposio Q1 de
=
_
_
1 0 0
1 1 0
1 1 1
_
_
ortogonalize seus vetores coluna c
1
. c
2
e c
3
usando o processo de Gram-Schmidt
obtendo os vetores coluna ortonormais
q
1
=
1
_
3
_
_
1
1
1
_
_
. q
2
=
1
_
6
_
_
2
1
1
_
_
. q
3
=
1
_
2
_
_
0
1
1
_
_
.
formando a matriz
Q =
_
_
1,
_
3 2,
_
6 0
1,
_
3 1,
_
6 1,
_
2
1,
_
3 1,
_
6 1,
_
2
_
_
e a matriz dos coecientes obtidos do procedimento de Gram-Schmidt
1 =
_
_
q
1
. c
1
q
1
. c
2
q
1
. c
3

0 q
2
. c
2
q
2
. c
3

0 0 q
3
. c
3

_
_
=
1
6
_
_
6
_
3 4
_
3 2
_
3
0 2
_
6 1
_
6
0 0 3
_
2
_
_
.
Notas de aula do Professor Faleiros
5.10 Complemento ortogonal 149
5.10 Complemento ortogonal
Seja o um subespao de um espao vetorial \ com produto interno. Um vetor
v de \ dito ortogonal a o se v for ortogonal a todos os vetores de o. Dois
subespaos 1 e o de \ so ortogonais se para todo r em 1 e todo s em
1. r. s = 0. O complemento ortogonal de um subespao o. denotado por
o
?
. o conjunto de todos os vetores de \ ortogonais a o. O complemento
ortogonal
o
?
= v \ : v. s = 0 para todo s o
um subespao vetorial de \. O espao nulo 0 o complemento ortogonal
de \ e vice-versa.
Propriedades do complemento ortogonal
Seja o um subespao de um espao vetorial \ com produto interno.
1. O nico vetor comum a o e a o
?
o 0.
2. Um vetor ortogonal a uma base de o ortogonal a todo vetor de o.
3. Se a dimenso de o for nita
_
o
?
_
?
= o. Vamos provar esta armao
em duas etapas. Inicialmente provaremos que o
_
o
?
_
?
e depois que
_
o
?
_
?
o.
(a) Vamos provar que o
_
o
?
_
?
. De fato, se s pertence a o. ento s
ortogonal a vetor de o
?
e, por isto, pertence a
_
o
?
_
?
. Logo, o
_
o
?
_
?
.
(b) Vamos provar que
_
o
?
_
?
o quando o possui dimenso nita.
Seja w um vetor em
_
o
?
_
?
e s
1
. . . . . s
k
uma base ortonormal de
o. Considere o vetor s = w. s
1
s
1
+ + w. s
k
s
k
que est em
o e, consequentemente, em
_
o
?
_
?
. O vetor u = w s est em
_
o
?
_
?
pois w e s l esto. Por outro lado, u. s
i
= w. s
i
s. s
i

= w. s
i
w. s
i
s
i
. s
i
= 0 pois s
i
. s
i
= 1. mostrando que u
pertence a o
?
. Estando u em o
?
e em
_
o
?
_
?
. u = 0. o que implica
em w = s que pertence a o. Conclui-se que
_
o
?
_
?
o.
Provamos que o
_
o
?
_
?
e que
_
o
?
_
?
o o que implica na igual-
dade
_
o
?
_
?
= o.
Notas de aula do Professor Faleiros
150 Produto interno
4. Seja uma matriz : :. Ento o espao nulo de e o espao col-
una de
T
so complementos ortogonais com relao ao produto interno
euclidiano no espao vetorial das matrizes coluna reais com : linhas.
De fato, sejam r
1
. r
2
. . . . . r
m
as linhas de que so as colunas de
T
.
A matriz coluna x pertence ao espao nulo de . se, e s se, x = 0. o
que equivale a r
1
. x = = r
m
. x = 0. Isto prova que x pertence ao
ncleo de se, e s se, pertencer ao complemento ortogonal do espao
coluna de
T
.
Exemplo 5.27 Seja \ o subespao do R
5
gerado pelos vetores
w
1
= (2. 2. 1. 0. 1) w
2
= (1. 1. 2. 3. 1)
w
3
= (1. 1. 2. 0. 1) w
4
= (0. 0. 1. 1. 1)
Vamos obter uma base para o complemento ortogonal de \. Dispomos os
vetores como linhas de uma matriz
_

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

_
.
O espao nulo desta matriz gerado pelo vetor
_
1 1 0 0 0

T
. Conclui-
se que o complemento ortogonal de \ gerado pelo vetor (1. 1. 0. 0. 0).
5.11 Projeo ortogonal
Seja \ um subespao de \. um espao vetorial real com produto interno. Seja
w
1
. . . . . w
n
uma base ortogonal de \ e v um vetor de \. O vetor
w =
v. w
1

w
1
. w
1

w
1
+ +
v. w
n

w
n
. w
n

w
n
pertence a \ e denominado projeo ortogonal de v em \. O vetor u = v
w pertence ao complemento ortogonal de \ e chamado de componente
de v ortogonal a \. Estes vetores so tais que que v = u + w. Quando a
base v
1
. . . . . v
n
de \ for ortonormal, ento a projeo ortogonal de v em
\
w
1
= v. v
1
v
1
+ +v. v
n
v
n
.
Notas de aula do Professor Faleiros
5.11 Projeo ortogonal 151
Exemplo 5.28 Considere no R
3
o produto interno euclidiano. A projeo
ortogonal de x = (r
1
. r
2
. r
3
) no espao gerado por v
1
= (1. 0. 2) e v
2
= (0.
1. 1)
x. v
1

v
1
. v
1

v
1
+
x. v
2

v
2
. v
2

v
2
=
r
1
+ 2r
3
5
(1. 0. 2) +
r
2
+ r
3
2
(0. 1. 1)
=
1
10
(2r
1
+ 4r
3
. 5r
2
+ 5r
3
. 4r
1
+ 5r
2
+ 13r
3
).
Exemplo 5.29 Seja \ o subespao do R
3
gerado pelos vetores v
1
= (0. 1.
0) e v
2
= (4,5. 0. 3,5). Se considerarmos o produto interno euclidiano do
R
3
. o conjunto v
1
. v
2
uma base ortonormal de \. A projeo ortogonal
de v = (1. 1. 1) em \
w = 1(0. 1. 0) 1,5(4,5. 0. 3,5) = 1,25(4. 25. 3)
e o componente de v ortogonal a \
u = v w = (1. 1. 1) (4,25. 1. 3,25) = 1,25(21. 0. 28).
Seja v
1
. . . . . v
n
uma base ortogonal de um subespao \ de um espao
vetorial \ com produto interno. O operador 1 denido sobre \ por
1(v) =
v. v
1

v
1
. v
1

v
1
+ +
v. v
n

v
n
. v
n

v
n
linear e recebe o nome de projeo ortogonal sobre \. As projees or-
togonais so tais que
1
2
= 1.
Transformaes com esta propriedade so denominadas idempotentes ou
projees (no necessariamente ortogonais).
Exemplo 5.30 Consideremos o R
2
com o produto interno euclidiano. O eixo
1 gerado por e
1
= (1. 0) e o eixo 2 gerado por e
2
= (0. 1). Os operadores
lineares 1
1
(r
1
. r
2
) = (r
1
. 0) e 1
2
(r
1
. r
2
) = (0. r
2
) so as projees ortogonais
nos eixos 1 e 2. respectivamente. A reta r
2
= r
1
gerada pelo vetor v = e
1
+ e
2
= (1. 1). O operador linear denido no R
2
por
1(x) =
x. v
v. v
v =
x. (1. 1)
2
(1. 1)
a projeo ortogonal na reta r
2
= r
1
. Sendo x = (r
1
. r
2
). obtemos
1 (r
1
. r
2
) =
1
2
(r
1
+ r
2
. r
1
+ r
2
)
Notas de aula do Professor Faleiros
152 Produto interno
Exemplo 5.31 Consideremos o R
3
com o produto interno euclidiano. O
plano 12 gerado pelos vetores e
1
= (1. 0. 0) e e
2
= (0. 1. 0). O operador
linear 1
12
denido em x = (r
1
. r
2
. r
3
) do R
3
por
1
12
(x) = x. e
1
e
1
+x. e
2
e
2
= (r
1
. r
2
. 0)
a projeo ortogonal sobre o plano 12. As projees sobre os planos 13
e 23 so, respectivamente, 1
13
(r
1
. r
2
. r
3
) = (r
1
. 0. r
3
) e 1
23
(r
1
. r
2
. r
3
) =
(0. r
2
. r
3
) .
5.12 Mnimos quadrados
Sejam u. v. w trs vetores de um espao vetorial real \ com produto interno.
Vamos dizer que o vetor v est mais perto de u do que o vetor w se d(u. v) <
d(u. w). Esta desigualdade equivalente a |u v| < |u w| .
Seja \ um espao vetorial real \ com produto interno e \ um subespao
de \ com dimenso nita. Vamos investigar qual o vetor de \ que est mais
perto de um vetor x de \. Quando x est em \ ento ele o vetor de \ que
est mais perto de x.
Quando x no pertence a \. tomamos uma base ortonormal 1 = v
1
. . . . .
v
n
do subespao \ e um vetor genrico w = c
1
v
1
+ + c
n
v
n
em \. Que
valores devemos atribuir aos reais c
1
. . . . . c
n
para w ser o vetor de \ mais
prximo de x? Ora,
|x w|
2
= x w. x w
= |x|
2
2x. w +|w|
2
= |x|
2
2c
1
x. v
1
2c
n
x. v
n
+ c
2
1
+ + c
2
n
Esta uma funo quadrtica em c
1
. . . . . c
n
que possui um nico valor mnimo
que ocorre no ponto onde as derivadas parciais em relao s variveis c
1
. . . . .
c
n
forem iguais a zero. Calculando estas derivadas parciais e igualando a zero,
obtemos
c
i
= x. v
i
.
O vetor de \ mais prximo de x
w = x. v
1
v
1
+ +x. v
n
v
n
.
Esta a projeo ortogonal de x sobre \.
Existe uma outra maneira de resolver esta questo usando mtodos pu-
ramente algbricos. Ao aproximar um vetor x de \ por um vetor y de \.
Notas de aula do Professor Faleiros
5.13 Solues de mnimos quadrados 153
cometemos um rro igual a x y. Quando x no est em \ este erro
sempre diferente de zero. Sendo w a projeo ortogonal de x sobre \.
|x y|
2
= |(x w) (y w)|
2
.
Como x w ortogonal a todo vetor de \ e y w pertence a \. vale o
teorema de Pitgoras
|x y|
2
= |(x w) (y w)|
2
= |u w|
2
+|y w|
2
e obtemos
|u y|
2
= |u w|
2
+|y w|
2
_ |u w|
2
pois |y w|
2
_ 0. Quando y diferente de w. ento |y w|
2
0 e |u y|
2
|u w|
2
. Portanto, o vetor de \ que est mais perto de x a sua pro-
jeo ortogonal sobre \. Usando apenas procedimentos algbricos, provamos
o resultado que j havamos provado usando o Clculo Diferencial.
Podemos dizer que a projeo ortogonal de x sobre \ a "melhor aprox-
imao"de x por vetores de \ e vale o teorema da melhor aproximao
que enunciado em seguida.
Teorema 5.32 Seja \ um subspao de dimenso nita de um espao vetorial
\ com produto interno. Seja x um vetor de \. A projeo ortogonal de x sobre
\. que denotamos por j:o,
W
x. a melhor aproximao de x em \. no
seguinte sentido
|x j:o,
W
x| < |x y|
para todo vetor y em \ distinto da projeo ortogonal de x sobre \.
5.13 Solues de mnimos quadrados
muito comum que alguns problemas fsicos leve a um sistema x = b que
deveria se consistente em teoria, mas que no o porque "erros de medida"nas
entradas de e de b perturbem o sistema sucientemente a ponto de criar
inconsistncia. Em tais situaes procuramos um valor de x que chegue "to
perto quanto possvel"de ser uma soluo, no sentido que minimiza o valor
de |x b| em relao ao produto interno euclidiano denido no espao das
matrizes coluna reais por x. y = x
T
y. A quantidade |x b| pode ser
vista como uma medida do "erro"que resulta por considerar x uma soluo
aproximada do sistema x = b. Se o sistema consistente e x uma soluo
exata, o erro zero, pois |x b| = 0. Em geral, quanto maior o valor de
|x b| . mais pobre a aproximao x de uma soluo do sistema.
Notas de aula do Professor Faleiros
154 Produto interno
A matriz coluna x que minimiza |x b| em relao ao produto interno
euclidiano chamado de soluo de mnimos quadrados de x = b. O
nome tem origem no seguinte fato: Seja e = x b o erro proveniente da
aproximao x. Uma soluo que minimiza |e| = (c
2
1
+ +c
2
m
)
1=2
. minimiza
|e|
2
= c
2
1
+ + c
2
m
e da segue o nome mnimos quadrados.
Sendo uma matriz :: e x uma matriz coluna : 1. sabemos que x
uma combinao linear das coluna de e x = b possui soluo quando
b pertence ao espao coluna de . Vamos denotar este espao coluna por \.
Quando b no pertence a \. x = b no possui soluo mas o sistema x =
j:o,
W
b possui.
Quando x for uma soluo do sistema x = j:o,
W
b ento b x =
b j:o,
W
b e, pelo teorema da melhor aproximao,
|b x| = |b j:o,
W
b| < |b y|
para toda matriz coluna y para a qual y diferente da projeo ortogonal
de b sobre \. Como \ o espao coluna de . o seu complemento ortogonal
\
T
o espao nulo de
T
. Estando bx no espao nulo de
T
. uma soluo
por mnimos quadrados de x = b soluo do sistema

T
(b x) = 0
ou

T
x =
T
b
que chamado de sistema normal associado a x = b. Assim, o problema
de encontrar uma soluo de mnimos quardados foi reduzido a um outro que
consiste em encontrar uma soluo exata do sistema normal associado.
Observe que o sistema normal envolve : equaes em : variveis, con-
sistente e pode ter innitas solues. Quando este for o caso, todas as suas
solues so solues de mnimos quadrados de x = b.
Podemos ento enunciar
Teorema 5.33 6.4.2 Para qualquer sistema linear x = b. o sistema normal
associado

T
x =
T
b
consistente e todas as solues do sistema normal so solues de mnimos
quadrados de x = b. Alm disso, se \ o espao coluna de A e x qualquer
soluo de mnimos quadrados de x = b. ento a projeo ortogonal de b
em \
j:o,
W
b = x.
Notas de aula do Professor Faleiros
5.13 Solues de mnimos quadrados 155
Teorema 5.34 Seja uma matriz ::. Os vetores coluna de so linear-
mente independentes se e s se
T
for invertvel.
Prova. Se os vetores coluna de forem linearmente independentes e x for
soluo do sistema
T
x = 0. ento x est no espao nulo de
T
e no espao
coluna de . Como um o complemento ortogonal do outro, x s pode ser
o vetor nulo, isto , x = 0. Como os vetores coluna de so linearmente
independentes, x = 0. Mostramos que o sistema
T
x = 0 possui apenas a
soluo trivial x = 0. Portanto, a matriz quadrada
T
invertvel.
Se os vetores coluna de forem linearmente dependentes, existe x no nulo
tal que x = 0 e, consequentemente,
T
x = 0. Portanto,
T
singular.

Teorema 5.35 Se uma matriz : : com vetores coluna linearmente


independentes, ento para cada matriz b de tamanho : 1. o sistema linear
x = b tem uma nica soluo de mnimos quadrados. Esta soluo dada
por
x =
_

_
1

T
b.
Alm disso, se \ o espao coluna de . ento a projeo ortogonal de b em
\
j:o,
W
b = x =
_

_
1

T
b.
As duas frmulas acima possuem vrias aplicaes tericas, mas no so
ecientes para clculos numricos. As solues de mnimos quadrados de x =
b so melhor computadas por eliminao gaussiana ou eliminao de Gauss-
Jordan para resolver as equaes normais e a projeo ortogonal de b no espao
coluna de melhor obtida calculando x onde x a soluo do sistema
normal
T
x =
T
b. Em seguida, calcula-se x que a projeo ortogonal
de b sobre o espao coluna de .
Exemplo 5.36 Encontre a soluo de mnimos quadrados do sistema linear
x = b dado por
r
1
+ r
2
= 4
3r
1
+ 2r
2
= 1
2r
1
+ 4r
2
= 3
e obtenha a projeo ortogonal de b no espao coluna de .
Notas de aula do Professor Faleiros
156 Produto interno
Resoluo. Aqui,
=
_
_
1 1
3 2
2 4
_
_
e b =
_
_
4
1
3
_
_
.
Os vetores coluna de so linearmente independentes e, portanto, a soluo
de mnimos quadrados nica. Temos

T
=
_
14 3
3 21
_
e
T
b =
_
1
10
_
e a soluo de
T
x =
T
b
r
1
= 17,95 e r
2
= 143,285.
A projeo ortogonal de b no espao coluna de
x =
1
285
_
_
92
439
470
_
_
.

Exemplo 5.37 Encontrre a projeo ortogonal do vetor u = (3. 3. 8. 9)


no subespao do R
4
gerado pelos vetores
u
1
= (3. 1. 0. 1). u
2
= (1. 2. 1. 1). u
3
= (1. 0. 2. 1).
Resoluo. Poderamos resolver este problema ortonormalizando u
1
. u
2
.
u
3
e depois usar a frmula da projeo ortogonal. Entretanto, o mtodo a
seguir mais eciente. Forme a matriz cujas colunas so formadas pelas
entradas de u
1
. u
2
e u
3
e a matriz coluna b formada pelas entradas de u
=
_

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

_
e b =
_

_
3
3
8
9
_

_
.
O sistema x = b no possui soluo pois b no est no espao coluna de .
Se x for a projeo ortogonal de b no espao coluna de . que denotaremos
por \. ento b x ortogonal ao espao coluna de e est no espao nulo
de
T
. Isto signica que
T
(x b) = 0. Sendo

T
=
_
_
11 6 4
6 7 0
4 0 6
_
_
e
T
b =
_
_
3
8
10
_
_
Notas de aula do Professor Faleiros
5.13 Solues de mnimos quadrados 157
construmos o sistema normal
T
x =
T
b cuja soluo
x =
_
_
1
2
1
_
_
.
A projeo ortogonal de b no espao coluna de
j:o,
W
b = x =
_

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

_
_
_
1
2
1
_
_
=
_

_
2
3
4
0
_

_
e assim a projeo de u no espao gerado por u
1
. u
2
. u
3

j:o,
W
u = (2. 3. 4. 0).

Denio 5.38 Se \ um subespao de R


n
. a transformao 1 : R
n
R
n
que leva cada vetor x em R
m
em sua projeo ortogonal j:o,
W
x em \
chamada projeo ortogonal de R
m
sobre \.
A matriz cannica para a projeo ortogonal de R
n
sobre \
[1] = (
T
)
1

T
onde construda usando qualquer base de \ para vetores coluna.
Exemplo 5.39 A matriz da projeo ortogonal de R
3
sobre o plano r
[1] =
_
_
1 0 0
0 1 0
0 0 0
_
_
.
Vamos mostrar que esta matriz compatvel com a frmula [1] = (
T
)
1

T
.
Os vetores (1. 0. 0) e (0. 1. 0) geram o plano r. Com eles formamos a
matriz . cujas colunas so as entradas destes dois vetores
=
_
_
1 0
0 1
0 0
_
_
Notas de aula do Professor Faleiros
158 Produto interno
onde observamos que
T
= 1. Vamos calcular [1] = (
T
)
1

T
=
T
[1] =
_
_
1 0
0 1
0 0
_
_
_
1 0 0
0 1 0
_
=
_
_
1 0 0
0 1 0
0 0 0
_
_
que confere com o valor de [1] posto no incio.
Exemplo 5.40 Obtenha a matriz cannica da projeo ortogonal 1 de R
2
sobre a reta : que passa pela origem e faz um ngulo o com o eixo r positivo.
O vetor direcional da reta v = (cos o. sen o) e v base do subespao sobre
o qual desejamos efetuar a projeo. Formamos a matriz
=
_
cos o
sen o
_
e, considerando que
T
a matriz identidade de tamanho 1 1. calculamos
[1] =
T
=
_
cos o
sen o
_
_
cos o sen o

=
_
cos
2
o cos osen o
cos osen o sin
2
o
_
5.14 Teorema sobre matriz inversvel
Vamos resumir neste teorema as condies sob as quais uma matriz de
tamanho : : invertvel. Este o teorema 6.4.5 do livro de Anton e Rorres
de onde foram retiradas algumas redundncias.
Teorema 5.41 Armaes equivalentes sobre a inversibilidade de uma matriz
quadrada .
Seja uma matriz real : :. As armaes abaixo so equivalentes:
1. inversvel.
2. x = 0 admite apenas a soluo trivial.
3. A forma escalonada reduzida por linhas de a matriz identidade.
4. igual a um produto de matrizes elementares.
5. x = b consistente para cada matriz b de tamanho : 1.
6. x = b tem exatamente uma soluo para cada matriz b de tamanho
: 1.
7. det() ,= 0.
Notas de aula do Professor Faleiros
5.14 Teorema sobre matriz inversvel 159
8. Os vetores coluna de so linearmente independentes.
9. Os vetores linha de so linearmente independentes.
10. Os vetores coluna de geram `
n1
(R).
11. Os vetores linha de geram `
1n
(R).
12. Os vetores coluna de formam uma base do `
n1
(R).
13. Os vetores linha de formam uma base do `
1n
(R).
14. O complemento ortogonal do espao nulo de o R
n
.
15. O complemento ortogonal do espao linha de o 0.
16.
T
inversvel.
Notas de aula do Professor Faleiros
160 Produto interno
Notas de aula do Professor Faleiros
Captulo 6
Autovalores e autovetores
Neste captulo vamos considerar que as entradas das matrizes podem ser
nmeros complexos. Desejando destacar que as entradas de uma matriz so
nmeros complexos, chame-a de matriz complexa. O conjunto das matrizes
complexas :: ser denotado por `
mn
(C). As denies de igualdade de
matrizes e as operaes de adio e multiplicao de matrizes permanecem
inalteradas. A denio de multiplicao de um escalar por uma matriz ser
mantida com a ressalva de que o escalar pode ser um nmero complexo. As pro-
priedades de todas essas operaes permanecem vlidas. O conjunto `
mn
(C)
com as operaes de adio de matrizes e multiplicao de um escalar por uma
matriz um espao vetorial complexo. Aqui cabe comentar que um nmero
real um nmero complexo cuja parte imaginria igual a zero. Consequente-
mente, muitos exemplos apresentados neste captulo envolvero matrizes reais.
6.1 Autovalor e autovetor de uma matriz
Seja ` uma matriz complexa ::. Um nmero complexo ` um autovalor
de ` se houver uma matriz coluna complexa no nula A. de tamanho : 1.
para a qual
`A = `A.
Tais matrizes no nulas A para as quais `A = `A so denominadas de
autovetores de ` associados ao autovalor `. Sendo A um autovetor de `
associado ao autovalor `.
(` `1)A = 0
onde 1 a matriz identidade de tamanho ::. O sistema linear acima possui
soluo no trivial se, e s se,
det(`1 `) = 0.
Notas de aula do Professor Faleiros
162 Autovalores e autovetores
Esta uma equao polinomial em ` chamada de equao caracterstica
de `. O polinmio det(`1 `) possui grau : em ` e recebe o nome de
polinmio caracterstico de `.
Observe que, obtido um autovalor `. qualquer soluo no trivial de (`
`1)A = 0 autovetor de ` correspondente a `. Deste modo, o autovetor A
no nico. Sendo A um autovetor de ` correspondente a `. ele satisfaz
equao (` `1)A = 0 e ento, para todo , no nulo, ,A tambm um
autovetor de ` correspondente a `.
Para determinar os autovalores e autovetores de uma matriz `. primeiro
determine as razes do seu polinmio caracterstico, que so os autovalores de
`. Para cada autovalor encontrado, resolva a equao homognena (``1)A
= 0 que ter solues no triviais. Os autovetores associados ao autovalor `
so os vetores no nulos do ncleo de ` `1. O autoespao de uma matriz
quadrada `. de tamanho : :. correspondente ao autovalor ` o conjunto
A `
n1
: (` `1)A = 0 .
Ele formado pelos autovetores de ` correspondente ao autovalor ` e pelo
vetor nulo. O autoespao um subespao vetorial de `
n1
.
Exemplo 6.1 O polinmio caracterstico det(`1 `) da matriz
` =
_
_
0 0 2
1 2 1
1 0 3
_
_
`
3
5`
2
+ 8` 4 e suas razes so `
1
= 1 e `
2
= 2. Para determinar os
autovetores correspondentes a `
1
= 1. montamos o sistema homogneo (`
`
1
1)A = 0. que neste caso
_
_
1 0 2
1 1 1
1 0 2
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
.
e calculamos sua soluo geral, que gerada por
\
3
=
_
2 1 1

T
.
Todo autovetor de ` correspondente ao autovalor `
1
= 1 da forma c
_
2 1 1

T
.
onde c um escalar no nulo. O autoespao de ` correspondente ao autovalor
`
1
= 1 formado pelos vetores da forma c
_
2 1 1

T
. onde c um escalar
qualquer. Observe que `
1
= 1 uma raiz simples do polinmio caracterstico
e o autoespao correspondente a este autovalor tem dimenso 1.
Notas de aula do Professor Faleiros
6.1 Autovalor e autovetor de uma matriz 163
Para o autovalor `
2
= 2. o sistema homogneo (` `
1
1)A = 0
_
_
2 0 2
1 0 1
1 0 1
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
e sua soluo geral gerada por
\
1
=
_
_
1
0
1
_
_
e \
2
=
_
_
0
1
0
_
_
.
Toda matriz da forma c
1
\
1
+ c
2
\
2
est no autoespao de ` correspondente
ao autovalor `
2
= 2. Os vetores no nulos deste autoespao so autovetores
de ` correspondente ao autovalor 2. Observe que `
2
= 2 uma raiz dupla do
polinmio caracterstico e seu autoespao tem dimenso 2.
Conhecendo a relao `
1
. `
2
. . . . . `
k
de todos os autovalores distintos de
`. pode-se fatorar o seu polinmio caracterstico, escrevendo-o na forma
det(`1 `) = (` `
1
)
e
1
(` `
2
)
e
2
(` `
k
)
e
k
Os expoentes c
1
. c
2
. . . . . c
n
so as multiplicidades algbricas dos auto-
valores `
1
. `
2
. . . . . `
k
. A dimenso do autoespao de ` correspondente a
um determinado autovalor ` chamada de multiplicidade geomtrica do
autovalor `.
No exemplo anterior, a multiplicidade algbrica de `
1
= 1 igual a 1 e sua
multiplicidade geomtrica tambm igual a 1. Para o autovalor `
2
= 2. sua
multiplicidade algbrica e geomtrica so ambas iguais a 2.
Teorema 6.2 A multiplicidade geomtrica de um autovalor sempre menor
ou igual sua multiplicidade algbrica.
Se ` e 1 forem matrizes semelhantes, ento existe 1 invertvel tal que `
= 1
1
11. de modo que
det(`1 `) = det(`1
1
11 1
1
11) = det(1
1
(`1 1)1)
= det(1
1
) det(`1 1) det(1) = det(`1 1).
mostrando que matrizes semelhantes possuem o mesmo polinmio caracters-
tico e, consequentemente, os mesmos autovalores. Se A autovetor de `
correspondente ao autovalor `. ento 1A autovetor de 1 correspondente ao
autovalor `. Se 1 autovalor de 1 correspondente ao autovalor `. ento 1
1
1
autovetor de ` correspondente ao autovalor `.
Notas de aula do Professor Faleiros
164 Autovalores e autovetores
Exemplo 6.3 O polinmio caracterstico de ` =
_
_
0 1 0
0 0 1
4 17 8
_
_
`
3
8`
2

17` 4 = 0 e suas razes `


1
= 4; `
2
= 2 +
_
3; `
3
= 2
_
3 so os autoval-
ores de `. Os autovetores correspondentes a `
1
. `
2
e `
3
so, respectivamente,
mltiplos de
\
1
=
_
_
1
4
16
_
_
. \
2
=
_
_
7 4
_
3
2
_
3
1
_
_
. \
3
=
_
_
7 + 4
_
3
2 +
_
3
1
_
_
.
Exemplo 6.4 Se uma matriz ` = [c
ij
] de tamanho : : for triangular
superior ou inferior ento seu polinmio caracterstico
(` c
11
)(` c
22
) (` c
nn
)
Exemplo 6.5 Os autovalores de ` =
_
_
1,2 0 0
1 2,3 0
5 8 1,4
_
_
so 1,2. 2,3 e
1,4.
Uma matriz, mesmo real, pode ter um autovalor complexo. Isto ocorre
quando o polinmio caracterstico possuir raiz complexa. neste caso, os au-
tovetores tambm sero complexos.
Exemplo 6.6 Os autovalores de ` =
_
2 1
5 2
_
so i e i.
Exemplo 6.7 Determine os autovalores e autovetores da matriz ` =
_
3 0
8 1
_
.
6.2 Autovalor e autovetor de um operador lin-
ear
Seja \ um espao vetorial complexo e 1 : \ \ uma transformao linear.
Um nmero complexo ` um autovalor de 1 se houver um vetor v no nulo,
tal que
1v = `v.
Os vetores no nulos v para os quais 1v = `v so denominados de autove-
tores de 1 associados ao autovalor `.
Seja 1 = v
1
. . . . . v
n
uma base de um espao vetorial complexo \ com
dimenso nita e 1 : \ \ um operador linear. Se [1] = [c
ij
] for a matriz
Notas de aula do Professor Faleiros
6.2 Autovalor e autovetor de um operador linear 165
de 1 na base 1. ento 1(v
j
) =

n
i=1
c
ij
v
i
. Sendo v = r
1
v
1
+ + r
n
v
n
um
autovetor de 1 associado a `. ento 1(v) = `v e
`
n

i=1
r
i
v
i
= 1
_
n

j=1
r
j
v
j
_
=
n

j=1
r
j
1 (v
j
) =
n

j=1
r
j
_
n

i=1
c
ij
v
i
_
=
n

i=1
_
n

j=1
c
ij
r
j
_
v
i
ou
n

j=1
c
ij
r
j
= `
n

i=1
r
i
para , = 1. . . . . :. Estas : igualdades escalares corresponde igualdade ma-
tricial
_

_
c
11
c
1n
.
.
.
.
.
.
.
.
.
c
m1
c
mn
_

_
_

_
r
1
.
.
.
r
n
_

_
= `
_

_
r
1
.
.
.
r
n
_

_
que se resume a
[1]A = `A
onde A a matriz de coordenadas de v na base 1. Logo, ` autovalor de uma
transformao linear 1 se e s se for autovalor da matriz de 1 numa base 1
de \ e v um autovetor de 1 se e s se sua matriz A na base 1 for autovetor
de `.
Ao incluir o vetor nulo no conjunto de todos os autovetores de um op-
erador 1 correspondentes ao seu autovalor `. obtemos o autoespao de 1
correspondente ao autovalor `.
Exemplo 6.8 Encontre os autovalores e os autoespaos do operador linear 1 :
R
3
R
3
denido por
1(r
1
. r
2
. r
3
) = (2r
3
. r
1
+ 2r
2
+ r
3
. r
1
+ 3r
3
).
A matriz de 1 em relao base cannica do R
3

[1] =
_
_
0 0 2
1 2 1
1 0 3
_
_
cujos autovalores so `
1
= 1 e `
2
= 2. Uma base do autoespao de [1] associado
a `
1
= 1
\
3
=
_
2 1 1

T
.
e uma base do autoespao de [1] associado a `
2
= 2
\
1
=
_
1 0 1

T
e \
2
=
_
0 1 0

T
Notas de aula do Professor Faleiros
166 Autovalores e autovetores
O conjunto (2. 1. 1) uma base do autoespao de 1 associado a `
1
= 1
e o conjunto (1. 0. 1). (0. 1. 0) uma base do autoespao de 1 associado a
`
2
= 2.
Exerccio 6.9 Determine os autovalores e autovetores da transformao lin-
ear
1(r
1
. r
2
. r
3
) = (r
1
. r
2
. 0).
Exerccio 6.10 Considere o operador linear 1 : R
3
R
3
denido por
1(r
1
. r
2
. r
3
) = (2r
3
. r
1
+ 2r
2
+ r
3
. r
1
+ 3r
3
).
Encontre uma base de R
3
em relao qual a matriz de 1 diagonal.
6.3 Diagonalizao
Denio 6.11 Uma matriz quadrada ` diagonalizvel se existir uma
matriz invertvel 1 tal que 1
1
`1 uma matriz diagonal. Dizemos que a
matriz 1 diagonaliza `.
Teorema 6.12 Seja ` uma matriz quadrada ::. As armaes que seguem
so equivalentes:
1. ` diagonalizvel;
2. ` possui : autovetores linearmente independentes;
Para uma matriz : : possuir : autovetores linearmente independentes,
a multiplicidade geomtrica de cada autovalor de ` deve ser igual sua mul-
tiplicidade algbrica.
O teorema anterior sugere um procedimento para diagonalizar uma matriz,
que o seguinte:
1. Encontre : autovetores linearmente independente j
1
. . . . . j
n
;
2. Forme a matriz 1 =
_
j
1
. . . j
n

cujas colunas so formadas pelos


autovetores.
3. A matriz 1
1
`1 ser diagonal e os elementos da diagonal `
1
. . . . . `
n
sero exatamente os autovalores de `.
Notas de aula do Professor Faleiros
6.3 Diagonalizao 167
Exemplo 6.13 Para diagonalizar a matriz
` =
_
_
0 0 2
1 2 1
1 0 3
_
_
.
determine as razes da sua equao caracterstica (` 1)(` 2)
2
= 0 que
so os autovalores `
1
= 2 e `
2
= 1. Resolva as equaes (` `
1
1)A = 0 e
(` `
2
1)A = 0 para obtemos os autovetores
\
1
=
_
_
1
0
1
_
_
. \
2
=
_
_
0
1
0
_
_
e \
3
=
_
_
2
1
1
_
_
.
Os dois primeiros autovetores correspondem ao autovalor `
1
= 2 e o terceiro
a `
2
= 1. Forme com eles a matriz
1 =
_
_
1 0 2
0 1 1
1 0 1
_
_
cujas colunas so \
1
. \
2
e \
3
e calcule sua inversa
1
1
=
_
_
1 0 2
1 1 1
1 0 1
_
_
.
A matriz
1
1
`1 =
_
_
2 0 0
0 2 0
0 0 1
_
_
diagonal e os elementos da diagonal principal so os autovalores de `.
Exemplo 6.14 A matriz
` =
_
_
1 0 0
1 2 0
3 5 2
_
_
no diagonalizvel pois ela possui dois autovalores `
1
= 1 e `
2
= 2 e, asso-
ciados a cada um deles, existe um nico autovetor linearmente independente,
que so
\
1
=
_
_
1
1
1
_
_
e \
2
=
_
_
0
0
1
_
_
.
Notas de aula do Professor Faleiros
168 Autovalores e autovetores
Como ` possui apenas dois autovetores linearmente independente, ela no
diagonalizvel.
Pode-se vericar que ` no diagonalizvel analisando os postos das ma-
trizes ` `
1
1 e ` `
2
1. Como o posto da matriz (``
1
1) igual a 2. sua
nulidade igual a 1. mostrando que as bases do autoespao de ` associado
a `
1
possui um nico autovetor. Como o posto da matriz (` `
2
1) igual
a 2. sua nulidade igual a 1. mostrando que as bases do autoespao de `
correspondente a `
2
possui um nico autovetor. Logo, ` possui no mximo
dois autovetores linearmente independentes.
Teorema 6.15 Um conjunto formado por autovetores correspondentes a au-
tovalores distintos linearmente independente.
Prova. Sejam \
1
. . . . . \
k
autovetores de uma matriz `. correspondentes
a autovalores distintos `
1
. `
2
. . . . . `
k
. Provemos, por induo, que o conjunto
\
1
. . . . . \
k
. Todo conjunto contendo um nico autovetor linearmente inde-
pendente pois cada autovetor diferente de zero. Vamos supor como hiptese
de induo que, para todo nmero inteiro : no intervalo 1 6 : < /. o sub-
conjunto \
1
. . . . . \
r
de autovetores linearmente independente. Provemos
ento que o conjunto \
1
. . . . . \
k
linearmente independente.
Sejam c
1
. . . . . c
k
escalares tais que c
1
\
1
+ + c
k
\
k
= 0. Multiplique esta
equao por ` e por `
k
. Considerando que `\
i
= `
i
\
i
. chega-se a
c
1
`
1
\
1
+ c
2
`
2
\
2
+ + c
k
`
k
\
k
= 0
c
1
`
k
\
1
+ c
2
`
k
\
2
+ + c
k
`
k
\
k
= 0
Subtraindo um resultado do outro, segue
c
1
(`
1
`
k
)\
1
+ + c
k1
(`
k1
`
k
)\
k1
+ c
k
(`
k
`
k
)\
k
= 0.
Sendo nula a ltima parcela, chega-se a
c
1
(`
1
`
k
)\
1
+ + c
k1
(`
k1
`
k
)\
k1
= 0.
Pela hiptese de induo, o conjunto \
1
. . . . . \
k1
linearmente inde-
pendente e, sendo os autovalores distintos, conclumos que c
1
= = c
r
= 0.
Da, c
k
\
k
= 0 e, como \
k
diferente de zero, segue que c
k
= 0. o que prova a
independncia linear do conjunto \
1
. . . . . \
k
.
Nota 6.16 Sejam `
1
. `
2
. . . . . `
k
os autovalores distintos de uma matriz `
de ordem :. Para cada inteiro i entre 1 e /. a dimenso do auto-espao cor-
respondente ao autovalor `
i
pode ser maior do que 1. Seja 1
i
uma base do
auto-espao correspondente ao autovalor `
i
. A unio de todas as bases 1
i

um conjunto linearmente independente.
Notas de aula do Professor Faleiros
6.4 Polinmio matricial 169
Teorema 6.17 Se uma matriz ` de tamanho : : tem : autovalores dis-
tintos, ento ` diagonalizvel.
Prova. Se ` tem : autovalores distintos, ento possui : autovetores
linearmente independentes e, portanto, ` diagonalizvel.
Exemplo 6.18 A matriz ` =
_
_
0 1 0
0 0 1
4 17 8
_
_
possui trs autovalores distin-
tos, `
1
= 4. `
2
= 2 +
_
3 e `
3
= 2
_
3. Portanto, ` diagonalizvel e existe
uma matriz 1. cujas colunas so autovetores de ` tal que
1
1
`1 =
_
_
4 0 0
0 2 +
_
3 0
0 0 2
_
3
_
_
Matrizes triangulares superiores ou inferiores com entradas distintas na
diagonal principal so diagonalizveis.
Exemplo 6.19 A matriz ` =
_

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

_
diagonalizvel pois pos-
sui quatro autovalores distintos e, consequentemente, quatro autovetores lin-
earmente independentes.
6.4 Polinmio matricial
Seja ` uma matriz quadrada e / um nmero inteiro positivo. Denimos
`
0
= 1. onde 1 a matriz identidade, e `
k
= (`
k1
)`. Quando ` for
invertvel, dene-se `
k
= (`
1
)
k
. Se j(t) = c
0
+ c
1
t + c
2
t
2
+ + c
n
t
n
for um polinmio em t. denimos a matriz j(`) por
j(`) = c
0
1 + c
1
` + c
2
`
2
+ + c
n
`
n
onde 1 a matriz identidade com o mesmo tamanho de `.
Se A for um autovetor de ` correspondente ao autovalor `.
`A = `A. `
2
A = `
2
A. `
3
A = `
3
A.
e assim por diante. Portanto, se A for autovetor de ` correspondente ao
autovalor `. ento A autovetor de `
2
correspondente ao autovalor `
2
e
Notas de aula do Professor Faleiros
170 Autovalores e autovetores
autovetor de `
3
correspondente ao autovalor `
3
. Podemos ir alm e armar
que, se A for autovetor de ` correspondente a ` e j(t) for um polinmio em
t. ento
j(`)A = j(`)A.
Isto signica que, se ` for autovalor de `. ento j(`) autovalor de j(`). Se
A for autovetor de ` correspondente ao autovalor `. ento A autovetor de
j(`) correspondente ao autovalor j(`).
Exemplo 6.20 Os vetores coluna
_
_
1
0
1
_
_
e
_
_
0
1
0
_
_
so autovetores de ` =
_
_
0 0 2
1 2 1
1 0 3
_
_
correspondentes ao autovalor 2. Logo, eles so autovetores de
31 + `
2
+ 2`
3
correspondentes ao autovalor 23 = 3 + 2
2
+ 2 2
3
.
Se 1 for invertvel e 1 = 1
1
`1. ento
1
k
= 1
1
`
k
1
e, sendo q(t) um polinmio,
q(1) = 1
1
q(`)1
*** Quando ` diagonalizvel, existem matrizes 1 e 1. com 1 invertvel
e 1 diagonal, tais que ` = 1
1
11 e `
k
= 1
1
1
k
1.
Sendo
1 =
_

_
`
1
0 . . . 0
0 `
2
. . . 0
.
.
. 0
.
.
.
.
.
.
0 0 0 `
n
_

_
.
obtemos
1
k
=
_

_
`
k
1
0 . . . 0
0 `
k
2
. . . 0
.
.
. 0
.
.
.
.
.
.
0 0 0 `
k
n
_

_
e
`
k
= 1
1
1
k
1 = 1
1
_

_
`
k
1
0 . . . 0
0 `
k
2
. . . 0
.
.
. 0
.
.
.
.
.
.
0 0 0 `
k
n
_

_
1.
Notas de aula do Professor Faleiros
6.5 Diagonalizao ortogonal 171
Sendo q(t) um polinmio, ento
q(`) = 1
1
q(1)1 = 1
1
_

_
q(`
1
) 0 . . . 0
0 q(`
2
) . . . 0
.
.
. 0
.
.
.
.
.
.
0 0 0 q(`
n
)
_

_
1.
Exemplo 6.21 Sendo ` =
_
_
0 0 2
1 2 1
1 0 1
_
_
para calcular `
6
. calcule os au-
tovalores de ` que so 2. 1 e 2. Os autovetores para estes autovalores so,
respectivamente,
_
_
1
0
1
_
_
_
_
2
3
1
_
_
_
_
0
1
0
_
_
.
Com eles, construa a matriz
1 =
_
_
1 2 0
0 3 1
1 1 0
_
_
e
1 =
_
_
2 0 0
0 1 0
0 0 2
_
_
. 1
6
=
_
_
(2)
6
0 0
0 1
6
0
0 0 2
6
_
_
=
_
_
64 0 0
0 1 0
0 0 64
_
_
Sabemos que ` = 1
1
11 e
`
6
= 1
1
1
6
1 =
_
_
64 0 0
0 64 0
0 189 1
_
_
.
O trabalho foi um pouco menor do que calcular `
6
diretamente. Quando
se pretende calcular potncias maiores ou polinmios de `. o mtodo usado
acima bem mais econmico.
6.5 Diagonalizao ortogonal
No espao vetorial das matrizes coluna reais com : linhas, vamos considerar o
produto interno euclidiano
A. 1 = A
T
1
Notas de aula do Professor Faleiros
172 Autovalores e autovetores
onde A e 1 so matrizes coluna em `
n1
(R). Se ` uma matriz quadrada
de tamanho :. ento
`A. 1 =

A. `
T
1
_
.
e, quando ` for simtrica,
`A. 1 = A. `1 .
Uma matriz quadrada ` ortogonalmente diagonalizvel se existir
uma matriz ortogonal 1 tal que
1 = 1
1
`1 = 1
T
`1
uma matriz diagonal. Se diz neste caso que 1 diagonaliza ` ortogonalmente.
Se ` for ortogonalmente diagonalizvel, ento ` simtrica. A recproca
tambm verdadeira, como se enuncia no prximo teorema.
Teorema 6.22 Seja ` uma matriz simtrica : :.
1. Os autovalores de ` so reais.
2. Autovetores da ` correspondentes a autovalores distintos so ortogonais.
3. ` possui um conjunto ortonormal de : autovetores.
4. ` ortogonalmente diagonalizvel
Para diagonalizar uma matriz simtrica, siga os seguintes passos:
Passo 1. Encontre uma base de cada auto-espao de `.
Passo 2. Use o processo de ortogonalizao de Gram-Schmidt para obter
uma base ortogonal de cada auto-espao.
Passo 3. Divida cada vetor dessas bases pelas suas normas para obter
bases ortonormais dos auto-espaos.
Passo 4. Forme a matriz 1 cujas colunas so os autovetores ortonormais
obtidos. Esta matriz diagonaliza a matriz `. A matriz 1
T
`1 diagonal.
Exemplo 6.23 A equao caracterstica de
` =
_
_
4 2 2
2 4 2
2 2 4
_
_
Notas de aula do Professor Faleiros
6.5 Diagonalizao ortogonal 173
(` 8) (` 2)
2
= 0. Suas razes, `
1
= 2 e `
2
= 8. so os autovalores de `.
O autovalor `
1
= 2 possui multiplicidade algbrica 2 e seu autoespao gerado
pelos autovetores
\
1
=
1
_
2
_
_
2
1
0
_
_
e \
2
=
1
_
6
_
_
1
1
2
_
_
.
Eles j foram ortonormalizados pelo processo de Gram-Schmidt. O autovalor
`
2
= 8. possui multiplicidade algbrica 1 e seu autoespao gerado por
\
3
=
1
_
3
_
_
1
1
1
_
_
.
A matriz ortogonal 1 que diagonaliza `
1 =
_
_
1,
_
2 1,
_
6 1,
_
3
1,
_
2 1,
_
6 1,
_
3
0 2,
_
6 1,
_
3
_
_
.
Notas de aula do Professor Faleiros
174 Autovalores e autovetores
Notas de aula do Professor Faleiros
Referncias Bibliogrcas
[BoCoFi] J. L. Boldrini, S. I. R. Costa, V. L. Figueiredo e H. G. Wetzler,
lgebra Linear, Terceira Edio. Editora HARBRA Ltda, 1980
[CaDoCo] C. A. Callioli, H. H. Domingues e R. C. F. Costa, lgebra Linear
e Aplicaes, sexta edio. Editora Atual, 1990.
[Franklin] Joel N. Franklin, Matrix Theory, Dover publications, Inc., 1993.
[Homan] Homann & Kunze, lgebra Linear. Editora da USP com Editora
Polgono.
[Kolman] Bernard Kolman, Introduo lgebra Linear com Aplicaes,
sexta edio. Editora LTC, 1998.
[Lang] Serge Lang, lgebra Linear. Editora Edgard Blcher.
[Lawson] Terry Lawson, lgebra Linear. Editora Edgard Blcher, 1997.
Acompanham este livro: Matlab Labs for Linear Algebra, Mathe-
matica Labs for Linear Algebra, Maple Labs for Linear Algebra.
[Leon] Steven J. Leon, lgebra Linear com Aplicaes, quarta edio.
Editora LTC, 1999.
[Lipschutz] Seymour Lipschutz, lgebra Linear. Coleo Schaum. Makron
Books.
[Nicholson] W. Keith Nicholson, lgebra Linear, segunda ed. McGraw-Hill,
2004.
[NobDan] Ben Noble & James W. Daniel, lgebra Linear Aplicada, segunda
edio. Guanabara Koogan, 1986.
[Poole] David Poole (Foi traduzido), Linear Algebra: A Modern Introduc-
tion (with CD-ROM) 2ed. Brooks Cole 2005.
Notas de aula do Professor Faleiros
176 REFERNCIAS BIBLIOGRFICAS
[RoAn] Chris Rorres e Howard Anton, lgebra Linear com Aplicaes,
oitava edio. Editora Bookman, 2001.
[TrefBau] Lloyd N. Trefethen and David Bau III, Numerical Linear Algebra.
SIAM, Society for Industrial and Applied Mathematics, 1997.
Notas de aula do Professor Faleiros