Sei sulla pagina 1di 89

Instituto Superior de Engenharia de Coimbra

Departamento de Fsica e Matem atica


Apontamentos de Apoio `as Aulas de

Algebra Linear
Engenharia Inform atica
Curso Europeu de Inform atica
2013/2014
Joao Cardoso
Conte udo
1 Matrizes e Sistemas de Equacoes Lineares 1
1.1 Denicoes e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Operacoes com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Propriedades das operacoes com matrizes . . . . . . . . . . . . . . . . . . . 3
1.4 Transposicao de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Elimina cao de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6 Caracterstica de uma matriz . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7 Sistemas de equa coes lineares . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7.1 Denicao e Classicacao . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7.2 Representa cao matricial de sistemas . . . . . . . . . . . . . . . . . . 9
1.7.3 Interpreta cao geometrica de um sistema 2 2 . . . . . . . . . . . . 9
1.7.4 Metodo de eliminacao de Gauss para sistemas lineares . . . . . . . 10
1.7.5 Sistemas homogeneos . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.9 Matrizes em Blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.10 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.11 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Determinantes 27
2.1 Denicao de Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Propriedades do Determinante . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Matriz Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.5 Aplicacao `a Codica cao de Mensagens . . . . . . . . . . . . . . . . . . . . 33
2.6 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3 Vectores em IR
n
43
3.1 Vectores em IR
2
e IR
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1.1 Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1.2 Produto Vectorial e Aplicacoes . . . . . . . . . . . . . . . . . . . . 45
3.1.3 Rectas em IR
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
iii

Indice
3.1.4 Rectas e Planos em IR
3
. . . . . . . . . . . . . . . . . . . . . . . . . 47
3.1.5 Transforma coes Lineares: Aplicacao `a Computacao Gr aca . . . . . 49
3.2 O espaco vectorial IR
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2.1 Denicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2.2 Subespacos Vectoriais de IR
n
. . . . . . . . . . . . . . . . . . . . . . 56
3.2.3 Combinacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2.4 Dependencia Linear. Bases e Dimensao. . . . . . . . . . . . . . . . 58
3.3 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4 Valores e Vectores Proprios 75
4.1 Denicoes e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.2 C alculo de valores e vectores pr oprios . . . . . . . . . . . . . . . . . . . . . 76
4.3 Propriedades dos valores pr oprios . . . . . . . . . . . . . . . . . . . . . . . 77
4.4 Diagonalizacao de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.5 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
iv
Captulo 1
Matrizes e Sistemas de Equacoes
Lineares
1.1 Denic oes e Exemplos
Notacao: IK = IR ou IK = C; os elementos de IK designam-se por escalares.
Denicao. Chama-se matriz do tipo m n ao conjunto de mn elementos de IK
dispostos da seguinte forma rectangular:
A =
_

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

_
= [a
ij
]
i = 1, 2, , m
j = 1, 2, , n
Uma matriz mn tem m linhas e n colunas;
os n umeros a
ij
da matriz A designam-se por entradas ou elementos da matriz; na
notacao a
ij
, i designa a linha e j a coluna.
Exemplo. Na matriz 3 4
A =
_

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

_
,
temos a
22
= 3, a
13
= 1, a
34
= 1, ...
Mais Exemplos de Matrizes.
(a) A =
_

_
4 5/2
2 0
3

2
_

_
(matriz 3 2 com entradas em IR)
1
1. Matrizes e Sistemas de Equacoes Lineares
(b) B =
_

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

_
(matriz 3 3 com entradas em C)
(c) u =
_

_
u
1
u
2
.
.
.
u
n
_

_
(vector coluna n 1)
Denicao. Duas matrizes A e B dizem-se iguais se sao do mesmo tipo e se a
ij
= b
ij
,
para cada i e j.
1.2 Operac oes com Matrizes
Adicao
Se A = [a
ij
] e B = [b
ij
] sao matrizes m n, dene-se A + B como sendo a matriz
mn cuja entrada (i, j) e a
ij
+ b
ij
, para cada i e j.
Multiplicacao por um escalar
Se A = [a
ij
] e uma matriz mn e e um escalar, dene-se A como sendo a matriz
mn cuja entrada (i, j) e a
ij
, para cada i e j.
Notacao: A := (1)A; AB := A + (1)B
Exerccio 1.2.1
Dadas as matrizes A =
_
3 2 1
4 5 0
_
e B =
_
2 2 2
1 3 4
_
, determine
(a) A+ B
(b) 3AB
Produto de matrizes
Sejam A = [a
ij
] uma matriz m n e B = [b
ij
] uma matriz n p. O produto de A
por B, denotado por AB, e a matriz AB = C = [c
ij
] do tipo mp, onde
c
ij
=
n

k=1
a
ik
b
kj
= a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
,
para cada i = 1, 2, . . . , m e j = 1, 2, . . . , p.
Uma matriz diz-se quadrada se o n umero de linhas coincidir com o n umero de col-
unas.
2
1.3. Propriedades das operacoes com matrizes
Notacao: Se A for quadrada, denota-se
A
k
:= AA. . . A
. .
k vezes
Exerccio 1.2.2
Dadas as matrizes
A =
_

_
3 2
2 4
1 3
_

_
, B =
_
2 1 3
4 1 6
_
, C =
_

_
2
0
1
_

_
, D =
_
3 4
1 2
_
,
determinar, se possvel:
(a) AB
(b) BA
(c) AC
(d) BC
(e) D
2
Exerccio 1.2.3
(a) Quando e que o produto de duas matrizes A e B esta denido?
(b) Sera que o produto de duas matrizes e comutativo?
Chama-se matriz nula a uma matriz O com todas as entradas iguais a zero;
chama-se matriz identidade a uma matriz quadrada com 1s na diagonal e zeros nas
restantes entradas. Por exemplo, a matriz identidade de ordem 3 (isto e, 3 3) e
I =
_

_
1 0 0
0 1 0
0 0 1
_

_
.
Diz-se que uma matriz quadrada e triangular superior (respectivamente, triangular
inferior se todos os elementos situados abaixo (resp., acima) da diagonal s ao nulos.
1.3 Propriedades das operac oes com matrizes
Propriedades da adicao: Sejam A, B e C matrizes mn. Entao:
(i) A + B = B + A (comutativa)
(ii) (A + B) + C = A+ (B + C) (associativa)
(iii) a matriz nula O do tipo mn e a unica matriz tal que
A+ O = A,
para toda a matriz A.
3
1. Matrizes e Sistemas de Equacoes Lineares
(iv) Para cada matriz A existe uma unica matriz B tal que
A+ B = O;
denota-se B := A.
Propriedades da multiplicacao por um escalar: Sejam A e B matrizes mn
e , IK. Entao:
(i) (A+ B) = A+ B
(ii) ( + )A = A+ A
(iii) ()A = (A)
(iv) (1)A = A
Propriedades do produto de matrizes: Sejam A, B e C matrizes para as quais
estao denidas as operacoes seguintes. Entao:
(i) A(B + C) = AB + AC
(B + C)A = BA+ CA (distributiva)
(ii) (AB)C = A(BC) (associativa)
(iii) IA = AI = A
Observacoes:
1. AB = O , A = O B = O
(isto e, a lei do anulamento do produto nao e v alida para matrizes)
Por exemplo, se
A =
_
1 2
2 4
_
, B =
_
2
1
_
,
temos AB = O mas A ,= O e B ,= O.
2. AB = AC , B = C
(isto e, a lei do corte nao e v alida para matrizes)
Por exemplo, se
A =
_

_
3 1
6 2
3 1
_

_
, B =
_
3 1
2 2
_
, C =
_
2 1
1 4
_
temos AB = AC mas B ,= C.
1.4 Transposicao de matrizes
Denicao. Seja A uma matriz m n. Chama-se transposta de A, e escreve-se
A

, `a matriz n m que se obtem escrevendo ordenadamente as linhas de A como


colunas.
4
1.5. Elimina cao de Gauss
Exerccio 1.4.1
Dadas as matrizes
A =
_

_
3 2
2 4
1 3
_

_
, B =
_
2 1 3
4 1 6
_
, C =
_
2 0 1
_
,
determinar a sua transposta.
Propriedades da transposicao: Sejam A, B e C matrizes para as quais estao
denidas as operacoes seguintes e IK. Entao:
(i) (A

= A
(ii) (A + B)

= A

+ B

(iii) (A)

= A

(iv) (AB)

= B

Denicao. Diz-se que uma matriz e simetrica se A

= A;
diz-se que A e antisimetrica se A

= A.
Exerccio 1.4.2
De exemplos de duas matrizes simetricas e de duas matrizes antisimetricas
1.5 Eliminacao de Gauss
Denicao. Consideremos as seguintes operacoes denidas sobre as linhas de uma
matriz:
OE1 Troca de duas linhas;
OE2 Multiplicacao de uma linha por um escalar nao nulo;
OE3 Adicao a uma linha de um m ultiplo escalar de outra linha.
A estas tres operacoes da-se o nome de operacoes elementares sobre as linhas de A.
Exerccio 1.5.1
Escolha uma matriz 3 4 e efectue cada uma das tres operacoes elementares.
Denicao. Diz-se que uma matriz U esta na forma de escada se se vericarem as
seguintes condi coes:
(i) Abaixo do primeiro elemento nao nulo de cada linha, e na mesma coluna, todas
as entradas sao nulas
(ii) Abaixo de linhas nulas nao ha linhas nao nulas
(iii) O primeiro elemento nao nulo de uma linha esta situado numa coluna ` a direita
do primeiro elemento nao nulo da linha anterior.
5
1. Matrizes e Sistemas de Equacoes Lineares
Forma de escada:
_

_

0 0
0 0 0
0 0 0 0 0 0
_

_
,
onde designa uma entrada ,= 0.
Exerccio 1.5.2 Averigue se as seguintes matrizes estao em forma de escada:
A =
_

_
0 1 0
0 0 1
1 0 0
_

_
, B =
_
0 1 2 0
0 0 0 0
_
, C =
_

_
1 1 0
0 1 2
1 0 0
_

_
D =
_

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

_
, E =
_

_
1 2 3
0 0 1
0 0 0
_

_
Denicao. Diz-se que U e equivalente por linhas a A se for possvel obter U a
partir de A usando somente operacoes elementares sobre as linhas de A.
Determinar a forma de escada de uma dada matriz signica obter uma matriz em
forma de escada que seja equivalente por linhas a A.
Exerccio 1.5.3 Obter uma forma de escada das seguintes matrizes:
A =
_

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

_
, B =
_

_
0 1 0 2
0 2 1 3
0 1 1 9
0 0 2 4
_

_
O metodo usado para obter a forma de escada das matrizes anteriores chama-se
metodo de eliminacao de Gauss. Podemos esquematiz a-lo na seguinte forma:
1. Se a matriz e a matriz nula, stop ela esta em forma de escada
2. Caso contr ario, encontrar a primeira coluna (da esquerda para a direita) que
contem uma entrada nao nula (digamos, a) e mover a linha que contem essa
entrada para o topo da matriz
3. Multiplicar essa linha por 1/a para obter 1 (pivo)
4. Subtraindo m ultiplos dessa linha `as linhas abaixo, tornar todas as entradas
abaixo do piv o iguais a zero.
Estes 4 passos completam a primeira linha.
5. Repetir os passos 1 4 na matriz formada pelas restantes linhas. Quando se
esgotarem as linhas o processo termina.
6
1.6. Caracterstica de uma matriz
Denicao. Diz-se que uma matriz U esta na forma de escada reduzida se se veri-
carem as tres condi coes seguintes:
(i) U esta na forma de escada;
(ii) todos os piv os sao iguais a 1;
(iii) cada piv o e a unica entrada nao nula da sua coluna.
Exerccio 1.5.4 Calcular a forma de escada reduzida das matrizes do exerccio
anterior.
1.6 Caracterstica de uma matriz
Teorema. Se U e U

sao matrizes em forma de escada e equivalentes por linhas a


A entao o n umero de linhas nao nulas de U coincide com o n umero de linhas nao
nulas de U

.
Observacoes
1. Uma matriz A pode admitir v arias formas de escada, consoante a sequencia
de operacoes elementares utilizadas. No entanto, pelo teorema anterior, todas
elas tem o mesmo n umero de linhas nao nulas.
2. A forma de escada reduzida de A e unica.
Denicao. Seja U uma matriz em forma de escada e equivalente por linhas a A.
Chama-se caracterstica de A ao n umero de linhas nao nulas de U.
Exerccio 1.6.1
Determinar a caracterstica da matriz
A =
_

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

_
.
1.7 Sistemas de equa c oes lineares
1.7.1 Deni cao e Classica cao
Denicoes.
(i) Chama-se equa cao linear nas variaveis x
1
, x
2
, . . . , x
n
a uma equa cao da forma:
a
1
x
1
+ a
2
x
2
+ + a
n
x
n
= b, ()
onde a
1
, . . . , a
n
, b IK.
7
1. Matrizes e Sistemas de Equacoes Lineares
(ii) Diz-se que o n-uplo (s
1
, s
2
, . . . , s
n
) e solucao da equa cao () se
a
1
s
1
+ a
2
s
2
+ + a
n
s
n
b
(iii) Chama-se conjunto solucao da equa cao ao conjunto de todas as suas solucoes.
(iv) Um conjunto nito de equa coes lineares designa-se por sistema de equa coes
lineares.
(v) Diz-se que o n-uplo (s
1
, s
2
, . . . , s
n
) e solucao de um sistema linear se for solucao
de todas as equa coes do sistema.
Exerccio 1.7.1
Das seguintes equa coes, dizer quais sao lineares:
(a) y =
1
2
x + 3z + 1 (b) x + 3y
2
= 7 (c) 3x + 2y z = ln 4
(d) 3xy + z = 0 (e) x
1
+ x
2
+ x
3
= 1
Exerccio 1.7.2
Dada a equa cao 4x 2y = 1, determinar
(a) duas solucoes e duas nao solucoes
(b) o conjunto solucao
Exerccio 1.7.3
(a) Dado o sistema linear
_
4x
1
x
2
+ 3x
3
= 1
3x
1
+ x
2
+ 9x
3
= 4
,
mostre que (1, 2, 1) e solucao e que (1, 8, 1) nao e solucao.
(b) Dado o sistema linear
_
x + y = 4
2x + 2y = 6
,
averiguar se ele admite solucoes.
Teorema. Um sistema de equa coes lineares verica uma e uma so das seguintes
condi coes:
(i) o sistema tem uma so solucao (possvel determinado)
(ii) o sistema tem um conjunto innito de solucoes (possvel indeterminado)
(iii) o sistema nao tem solucoes (impossvel)
8
1.7. Sistemas de equa coes lineares
1.7.2 Representa cao matricial de sistemas
Dado um sistema com m equa coes lineares e n incognitas
_

_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2

a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
,
a sua representa cao matricial e
AX = b,
onde
A =
_

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

_
, X =
_

_
x
1
x
2
.
.
.
x
n
_

_
, b =
_

_
b
1
b
2
.
.
.
b
m
_

_
.
Chama-se matriz completa ou ampliada do sistema `a matriz
[A[b] =
_

_
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
b
m
_

_
.
Exerccio 1.7.4
Dado o sistema linear
_
4x
1
x
2
+ 3x
3
= 1
3x
1
+ x
2
+ 9x
3
= 4
,
(a) Representa-lo na forma matricial
(b) Escrever a sua matriz completa
(c) Usando a forma matricial, averiguar se os vectores X
0
=
_
1 2 1
_

e
X
1
=
_
1 8 1
_

sao solucoes do sistema.


1.7.3 Interpreta cao geometrica de um sistema 2 2
Num sistema linear 2 2, podemos associar a cada equa cao uma recta no plano:
_
ax + by = c recta r
1
a

x + b

y = c

recta r
2
.
9
1. Matrizes e Sistemas de Equacoes Lineares
Se o sistema for possvel determinado, isto signica que as rectas r
1
e r
2
se inter-
sectam num so ponto; se o sistema for impossvel, as rectas sao paralelas; se for
possvel indeterminado, as rectas sao coincidentes.
-
x
6
y
\
\
\
\
\
\
\
r
1
(
(
(
(
(
(
(
(
(
r
2
r
1
e r
2
concorrentes
-
x
6
y
(
(
(
(
(
(
(
(
(
r
1
(
(
(
(
(
(
(
(
(
r
2
r
1
e r
2
paralelas
-
x
6
y
(
(
(
(
(
(
(
(
(
r
1
r
2
r
1
e r
2
coincidentes
1.7.4 Metodo de eliminacao de Gauss para sistemas lineares
Consideremos o seguinte sistema de equa coes lineares:
_

_
x + 2y + z = 3
3x y 3z = 1
2x + 3y + z = 4
.
Para resolver este sistema, vamos considerar a sua matriz completa e seguidamente
determinar a sua forma de escada:
[A[b] =
_

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

L
2
3L
1
+ L
2
L
3
2L
1
+ L
3
_

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

L
2
L
3
_

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

L
3
7L
2
+ L
3
_

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

_
Podemos observar que as operacoes elementares efectuadas sobre as linhas da matriz
completa correspondem a operacoes efectuadas sobre as equa coes do sistema. Por
exemplo, L
2
3L
1
+ L
2
corresponde a substituir a segunda equa cao pela que
resulta da adicao a essa equa cao de um m ultiplo (3) da primeira equa cao; do
mesmo modo, L
3
2L
1
+ L
3
corresponde a substituir a terceira equa cao pela
que resulta da adicao a essa equa cao de um m ultiplo (2) da primeira equa cao;
a troca de linhas L
2
L
3
corresponde `a troca da segunda equa cao com a ter-
ceira. Podemos dizer entao que as operacoes elementares sobre as linhas da matriz
completa respeitam os princpios de equivalencia dos sistemas de equa coes. Mais
precisamente:
OE 1 troca de duas equa coes
OE 2 multiplica cao de uma equa cao por um n umero ,= 0
OE 3 adicao a uma equa cao de um m ultiplo escalar de outra equa cao
10
1.7. Sistemas de equa coes lineares
Continuando a resolver o sistema, vamos passar a matriz em escada para o sistema
correspondente:
_

_
x + 2y + z = 3
y z = 2
z = 4
.
Usando o metodo de substituicao, podemos agora facilmente determinar x, y e z e
completar a resolucao do sistema:
x = 3, y = 2, z = 4.
Teorema 1. Um sistema de equa coes lineares e possvel se e so se
car[A[b] = car A.
Exerccio 1.7.5 Averiguar se o seguinte sistema linear e possvel ou impossvel:
_
x + y + 3z = 1
2x + 2y + 6z = 1
.
Teorema 2. Seja AX = b um sistema linear possvel, com m equa coes e n
incognitas. Entao o conjunto solucao do sistema envolve n car A par ametros
(variaveis livres).
Resolucao de um sistema linear:
1. Formar [A[b] e determinar a sua forma de escada;
2. Se car[A[b] = car A, pelo Teorema 1 o sistema tem solucao.
(i) se car A = n, entao nao ha variaveis livres, pois n car A = 0; o sistema e
possvel determinado
(ii) se car A < n, o sistema e indeterminado, havendo ncar A variaveis livres.
3. Caso o sistema tenha solucao, deve passar-se a forma de escada da matriz
completa [A[b] ao sistema correspondente e usar o metodo de substituicao. Se
o sistema for indeterminado, as variaveis correspondentes a colunas sem piv os
podem ser escolhidas como livres.
Exerccio 1.7.6 Resolver o sistema linear
_

_
x
1
+ 3x
2
2x
3
= 7
4x
1
+ x
2
+ 3x
3
= 5
2x
1
5x
2
+ 7x
3
= 19
.
1.7.5 Sistemas homogeneos
Chama-se sistema homogeneo a um sistema da forma AX = O.
Um sistema homogeneo tem sempre solucao. De facto, o vector nulo X = O e
sempre solucao do sistema homogeneo; e usual designar-se esta solucao por solu cao
trivial. As solucoes nao nulas sao chamadas solucoes nao triviais.
11
1. Matrizes e Sistemas de Equacoes Lineares
Teorema. Um sistema homogeneo com n incognitas e
(i) possvel determinado se car A = n;
(ii) possvel indeterminado se car A < n.
Exemplo. Para determinar uma solucao nao trivial do sistema indeterminado
_

_
x
1
x
2
+ 2x
3
+ x
4
= 0
2x
1
+ 2x
2
x
4
= 0
3x
1
+ x
2
+ 2x
3
+ x
4
= 0
,
basta resolver o sistema e atribuir valores particulares `as variaveis livres. Vamos
come car por formar a matriz completa do sistema e determinar a sua forma de
escada.
[A[0] =
_

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

L
2
2L
1
+ L
2
L
3
3L
1
+ L
3
_

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

L
3
L
2
+ L
3
_

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

_
Como car A = 3 < n = 4, ha n car A = 1 variavel livre. Vamos escolher x
3
como
variavel livre porque esta corresponde a uma coluna sem piv o. Passando entao a
matriz completa ao sistema correspondente e fazendo x
3
= , obtemos
_

_
x
1
x
2
+ 2x
3
+ x
4
= 0
4x
2
4x
3
3x
4
= 0
x
3
=
x
4
= 0

_
x
1
=
x
2
=
x
3
=
x
4
= 0
( IR)
Fazendo, por exemplo, = 1, obtemos
(x
1
, x
2
, x
3
, x
4
) = (1, 1, 1, 0)
que e uma solucao nao trivial do sistema homogeneo.
1.8 Matriz Inversa
Denicao. Seja A uma matriz quadrada n n. Diz-se que B e a inversa de A se
AB = BA = I. ()
Se existir uma matriz B nas condi coes de (), diz-se que Ae invertvel ou nao singular;
caso contr ario, A diz-se nao invertvel ou singular.
12
1.8. Matriz Inversa
Exerccio 1.8.1 Mostre que
(a) B =
_
3 5
1 2
_
e a inversa de A =
_
2 5
1 3
_
.
(b) A =
_
0 0
1 3
_
nao tem inversa.
Teorema 1. Uma matriz invertvel admite uma so inversa, isto e, se B e C sao
inversas de A entao B = C.
Demonstracao. Supondo que B e C sao inversas de A, sabe-se que AB = BA = I
e AC = CA = I. Daqui pode-se concluir, em particular, que
AB = AC.
Multiplicando ambos os membros desta equa cao `a esquerda por B, obtem-se
B(AB) = B(AC),
ou seja, IB = IC, donde B = C.
Notacao. Como existe uma so inversa, ela sera representada por A
1
. Podemos
entao escrever
AA
1
= A
1
A = I.
Teorema 2. Sejam A e B matrizes invertveis. Entao:
(i) AB e invertvel e (AB)
1
= B
1
A
1
;
(ii) A
1
e invertvel e (A
1
)
1
= A;
(iii) A
n
e invertvel e (A
n
)
1
= (A
1
)
n
, n IN;
(iv) A

e invertvel e (A

)
1
= (A
1
)

.
Exerccio 1.8.2 Demonstrar o teorema 2.
Teorema 3. Se A e uma matriz quadrada n n, entao as seguintes arma coes sao
equivalentes:
(i) A e nao singular;
(ii) O sistema homogeneo AX = O admite apenas a solucao trivial;
(iii) car A = n.
13
1. Matrizes e Sistemas de Equacoes Lineares
Para mostrar que B e a inversa de A, pela deni cao, e necessario mostrar que
AB = I e BA = I. O teorema seguinte mostra que se uma daquelas condi coes se
vericar (ou AB = I ou BA = I), ca provado que B e a inversa de A.
Teorema 4. Sejam A e B matrizes n n.
(i) Se BA = I entao A e invertvel e B = A
1
;
(ii) Se AB = I entao A e invertvel e B = A
1
.
Demonstracao.
(i) Consideremos o sistema homogeneo Ax = 0. Multiplicando ambos os membros
do sistema `a esquerda por B e atendendo a que BA = I, obtemos
B(Ax) = B0 (BA)x = 0 x = 0,
donde se conclui que o sistema homogeneo Ax = 0 admite apenas a solucao
trivial x = 0. Pelo teorema 3 isto signica que Ae invertvel, existindo portanto
A
1
. Multiplicando ambos os membros de BA = I `a direita por A
1
vem
(BA)A
1
= IA
1
B = A
1
.
(ii) Basta considerar o sistema homegeneo Bx = 0 e proceder de modo analogo a
(i). (Vericacao ao cuidado do aluno.)
Calculo da inversa Algoritmo de Gauss-Jordan
1. Determinar a forma de escada reduzida de [A[I];
2. Se for possvel obter uma matriz da forma [I[B] entao B = A
1
.
Exerccio 1.8.3 Determinar, se existir, a inversa da matriz A =
_

_
1 2 3
2 5 3
1 0 8
_

_
.
1.9 Matrizes em Blocos
Dada uma matriz A, mn, podemos particiona-la em v arias submatrizes ou blocos.
Por exemplo, podemos escrever uma matriz em termos das suas linhas
A =
_

_
L
1
L
2
.
.
.
L
m
_

_
,
14
1.9. Matrizes em Blocos
onde L
i
=
_
a
i1
a
i2
a
in
_
, ou em termos das suas colunas
A =
_
C
1
C
2
C
n
_
,
onde C
j
=
_
a
1j
a
2j
a
mj
_

.
Questao: Como multiplicar matrizes quando estas estao subdivididas em blocos?
Suponhamos que A IR
mn
e B IR
np
estao particionadas em blocos na seguinte
forma:
A =
_

_
A
11
A
12
A
1r
A
21
A
22
A
2r
.
.
.
.
.
.
.
.
.
.
.
.
A
s1
A
s2
A
sr
_

_
B =
_

_
B
11
B
12
B
1t
B
21
B
22
B
2t
.
.
.
.
.
.
.
.
.
.
.
.
B
r1
B
r2
B
rt
_

_
.
A matriz A tem s r blocos e B tem r t. Se o produto dos blocos A
ik
B
kj
estiver
denido para cada i, j, k, entao o produto AB obtem-se efectuando o produto de
linhas por colunas, como na multiplica cao usual. Isto e, o bloco (i, j) de AB e
A
i1
B
1j
+ A
i2
B
2j
+ + A
ir
B
rj
.
A multiplica cao de matrizes em blocos tem particular vantagem quando as matrizes
A e B tem uma estrutura especial; por exemplo, quando incluem a identidade I ou
a matriz nula O como submatrizes.
Exerccio 1.9.1 Considere as seguintes matrizes particionadas em blocos:
A =
_

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

_
B =
_

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

_
,
C =
_

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

_
D =
_

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

_
.
Determinar AB e CD.
Exerccio 1.9.2 Sendo A IR
rr
, B IR
ss
matrizes invertveis, determinar
_
A C
O B
_
1
.
15
1. Matrizes e Sistemas de Equacoes Lineares
1.10 Exerccios Resolvidos
1. Resolva o sistema de equa coes lineares
_

_
2x + y + z + w = 1
4x + 2y + 3z + 4w = 3
6x 3y z + w = 1
Resolucao. Vamos come car por formar a matriz completa do sistema e determinar
a sua forma de escada.
[A[b] =
_

_
2 1 1 1 1
4 2 3 4 3
6 3 1 1 1
_

L
2
2L
1
+ L
2
L
3
3L
1
+ L
3
_

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

L
3
2L
2
+ L
3
_

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

_
Como car(A) = 2 = car([A[b]) o sistema tem pelo menos uma solucao (possvel).
Atendendo a que n car A = 4 2 = 2 > 0, concluimos que o sistema e indetermi-
nado, havendo n car A = 2 variaveis livres. Vamos escolher y e w como variaveis
livres porque estas correspondem a colunas sem piv os. Passando entao a matriz
completa ao sistema correspondente e fazendo y = e w = , obtemos
_

_
2x + y + z + w = 1
y =
z + 2w = 1
w =

_
x =
+
2
y =
z = 1 2
w =
(, IR)
O conjunto solucao do sistema e
C.S. =
__
+
2
, , 1 2,
_
: , IR
_
.
2. Discuta o sistema linear
_

_
x + y z = 1
x + y + z = 2
x + y = 2
em funcao dos par ametros reais
e .
Resolucao. Comeca-se por formar a matriz completa e determina-se a sua forma
de escada.
16
1.10. Exerccios Resolvidos
[A[b] =
_

_
1 1 1
1 2
1 0 2
_

L
2
L
1
+ L
2
L
3
L
1
+ L
3
_

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

L
3
L
2
+ L
3
_

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

_
()
Interessa-nos agora saber quais sao os valores de e que inuenciam as carac-
tersticas de A e de [A[b]. Normalmente estes valores anulam as entradas da diagonal
da matriz em escada. No caso particular deste sistema, esses valores sao = 1 e
= 0 e tem um papel importante na discuss ao do sistema.
1
o
caso: = 1 = 0
Substituindo e por estes valores na matriz (), obtemos
_

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

_
,
constatando-se que car(A) = 1 ,= car[A[b] = 2. Isto signica que o sistema e im-
possvel.
2
o
caso: = 1 ,= 0
Substituindo estes valores na matriz (), verica-se que esta matriz ainda nao esta
na forma de escada, sendo por isso necessario obte-la.
[A[b] =
_

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

L
3

1
2
L
2
+ L
3
_

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

_
Como car(A) = 2 ,= car[A[b] = 3, verica-se que o sistema e novamente impossvel.
3
o
caso: ,= 1 = 0
Substituindo na matriz (), obtemos
_

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

_
.
Como car(A) = 2 = car[A[b] e n car(A) = 3 2 = 1 > 0, o sistema e possvel
indeterminado com uma variavel livre.
17
1. Matrizes e Sistemas de Equacoes Lineares
4
o
caso: ,= 1 ,= 0
Neste caso, observa-se que a matriz () esta na forma de escada, em que car(A) =
3 = car[A[b] e n car(A) = 3 3 = 0. Isto signica que o sistema e possvel
determinado.
(Nota. Na discuss ao de sistemas nao e necessario resolver o sistema.)
3. Determine, se existir, a inversa da matriz A =
_

_
1 6 4
2 4 1
1 2 5
_

_
.
Resolucao.
[A[I] =
_

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

L
2
2L
1
+ L
2
L
3
L
1
+ L
3
_

_
1 6 4 1 0 0
0 8 9 2 1 0
0 8 9 1 0 1
_

L
3
L
2
+ L
3
_

_
1 6 4 1 0 0
0 8 9 2 1 0
0 0 0 1 1 1
_

_
.
Como a ultima linha do bloco esquerdo da matriz e nula, e impossvel obter a matriz
identidade. Isto signica que a matriz em causa nao e invertvel. Tambem se pode
observar que car(A) = 2 ,= n = 3, o que, de acordo com o teorema 3, se traduz na
nao existencia de inversa.
4. Sejam A e B matrizes quadradas da mesma ordem, invertveis. Determine a matriz
X que verica a equa cao matricial
(AB
1
)

X = I.
Resolucao. Para determinar X, e necessario multiplicar ambos os membros da
equa cao `a esquerda pela inversa da matriz que esta a multiplicar por X e usar
propriedades da inversao e transposicao de matrizes:
(AB
1
)

X = I
_
(AB
1
)

_
1
(AB
1
)

X =
_
(AB
1
)

_
1
I
X =
_
(AB
1
)

_
1
X =
_
(AB
1
)
1
_

X =
_
(B
1
)
1
A
1
_

18
1.10. Exerccios Resolvidos
X =
_
BA
1
_

X =
_
A
1
_

19
1. Matrizes e Sistemas de Equacoes Lineares
1.11 Exerccios
1. Dadas as matrizes
A =
_

_
1 0 2
0 3 1
4 2 0
_

_
, B =
_

_
1 2 3
1 3 4
1 4 3
_

_
, C =
_
1 1 2
_
e D =
_

_
1
2
3
_

_
.
Calcule, se possvel:
(a) A+ B (b) 3B 2A (c) BC (d) CB (e) CD (f) DC (g) A
2
2. Sejam A =
_
2 4 2
1 2 1
_
e B =
_

_
1 0
0 1
1 2
_

_
. Calcule AB e comente o resultado.
3. Considere as matrizes
A =
_

_
1 3 2
2 1 3
4 3 1
_

_
, B =
_

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

_
, C =
_

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

_
, D =
_

_
2
1
0
1
_

_
.
(a) Verique que AB = AC e BD = CD.
(b) Indique o valor l ogico da proposicao:
AB = AC B = C, BD = CD B = C
(por vezes chamada lei do corte).
4. Considere as matrizes
A =
_
1 0 1
1 1 1
_
, B =
_
1 1
1 1
_
, C =
_
1
2
_
, D =
_

_
1 0
0 1
1 1
_

_
.
Escolha uma maneira de as ordenar por forma a que o produto das quatro matrizes
esteja denido, e calcule esse produto.
5. Em cada uma das alneas seguintes, obtenha uma expressao para A
k
(k IN).
(a) A =
_
1 1
0 1
_
(b) A =
_
2 1
3 2
_
(c) A =
_
cos sin
sin cos
_
( IR)
6. (a) Se A e B sao matrizes, as seguintes identidades algebricas
(AB)
2
= A
2
2AB + B
2
, (A + B)(AB) = A
2
B
2
, (AB)
2
= A
2
B
2
,
20
1.11. Exerccios
conhecidas por casos notaveis, nem sempre sao verdadeiras. Verique esta
arma cao para as matrizes
A =
_
1 1
0 2
_
, B =
_
1 0
1 2
_
.
(b) Transforme os segundos membros daquelas identidades por forma a obter iden-
tidades sempre v alidas quando A e B sao matrizes quadradas da mesma ordem.
7. Que diferenca se da no produto AB das matrizes A e B se:
(a) trocarmos as linhas i e j de A?
(b) trocarmos as colunas i e j de B?
(c) Considere duas matrizes Ae B de ordem 3 `a sua escolha, e conrme as respostas
dadas nas duas alneas anteriores.
8. Mostre que E =
_

_
1 0 0
2 1 0
0 0 1
_

_
e F =
_

_
1 0 0
0 1 0
1 0 1
_

_
sao permutaveis, isto e, EF =
FE.
9. Mostre que A =
_

_
1 3 4
1 3 4
1 3 4
_

_
e nilpotente, isto e, existe k IN tal que A
k
= 0.
10. Mostre que A =
_

_
2 3 5
1 4 5
1 3 4
_

_
e B =
_

_
1 3 5
1 3 5
1 3 5
_

_
sao idempotentes, isto
e, A
2
= A e B
2
= B.
11. Mostre que A =
_

_
1 2 6
3 2 9
2 0 3
_

_
e periodica, isto e, existe p IN tal que A
p+1
= A.
12. Prove que se B e uma matriz quadrada entao as matrizes BB
T
e B + B
T
sao
simetricas.
13. Uma matriz quadrada A diz-se anti-simetrica se A
T
= A.
(a) De 2 exemplos de matrizes reais 3 3 anti-simetricas. Qual a propriedade dos
elementos da diagonal das matrizes anti-simetricas?
(b) Mostre que se B e quadrada entao B B
T
e anti-simetrica.
14. Averigue se a matriz A =
_
cos sin
sin cos
_
, IR e ortogonal (isto e, A
T
A = I).
15. Prove as seguintes arma coes ou de um contra-exemplo, com A e B matrizes nn.
21
1. Matrizes e Sistemas de Equacoes Lineares
(a) Se A e B sao ortogonais, entao A + B e ortogonal.
(b) Se A e B sao ortogonais, entao AB e ortogonal.
(c) Se A e AB sao ortogonais, entao B e ortogonal.
16. Averigue se A =
_

_
1 1 + i 2 + 3i
1 i 2 i
2 3i i 0
_

_
e hermtica, isto e, A
T
= A.
17. Averigue se as seguintes matrizes estao em forma de escada:
(a)
_

_
1 0 0
0 0 0
0 0 1
_

_
(b)
_

_
1 2 3
0 0 0
0 0 0
_

_
(c)
_

_
0 1 0
1 0 0
0 0 0
_

_
(d)
_

_
1 1 0
0 1 0
0 0 0
_

_
(e)
_

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

_
(f)
_

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

_
(g)
_

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

_
18. Determine duas formas em escada da matriz
_

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

_
, de modo a obter
duas matrizes distintas.
19. Determine uma forma em escada das seguintes matrizes, indicando as operacoes
elementares sobre linhas utilizadas:
(a)
_

_
1 2 3
4 5 6
5 7 8
_

_
(b)
_
2 1
8 7
_
(c)
_

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

_
(d)
_

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

_
20. Determine a forma de escada reduzida das matrizes do exerccio anterior.
21. Determine a caracterstica das seguintes matrizes:
(a)
_

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

_
(b)
_

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

_
(c)
_

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

_
22. Estude, segundo os valores do par ametro real , a caracterstica das seguintes ma-
trizes:
22
1.11. Exerccios
(a)
_

_
1 1 1
1 2 1
1 1
_

_
(b)
_

_
1 1
1 1
1 1 1
_

_
(c)
_
1 2
2 3
_
(d)
_

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

_
23. Dos seguintes sistemas, identique aqueles que sao lineares, sendo k uma constante
real:
(a)
_
x + 3y = 7
y = 2x + 3z + 1
(b)
_
x
1
2x
2
3x
3
+ x
4
= 4
x
1
+ x
2
+ x
3
= 1
2x
1
+ 3x
2
= 3
(c)
_
x + 3y
2
= 9
y sinx = 0
(d) 3x + y z + t = 4/5 (e)
_
3x + 2y + xz = 4
2x + z = 2
(f)
_
x
1
+ x
2
+ x
3
= cos k
kx
1
+ x
2
= x
3
24. Resolva, pelo metodo de eliminacao de Gauss, os seguintes sistemas de equa coes
lineares:
(a)
_
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
(b)
_
x
1
+ x
3
= 1
x
1
+ 2x
2
x
3
= 3
(c)
_
x 2y = 0
3x + 4y = 1
2x y = 3
(d)
_
x
1
+ 2x
2
3x
3
+ x
4
= 1
x
1
x
2
+ 4x
3
x
4
= 6
2x
1
4x
2
+ 7x
3
x
4
= 1
(e)
_
x
1
+ x
2
= 0
2x
1
+ 3x
2
= 0
3x
1
2x
2
= 0
(f)
_
x 2y + z 4w = 1
x + 3y + 7z + 2w = 2
x 12y 11z 16w = 5
(g)
_
x
1
x
2
= 2
5x
1
+ 2x
3
+ 2x
4
= 1
3x
1
2x
2
+ x
3
+ x
4
= 0
(h)
_
x + y z = 2
x y z = 1
x + y + z = 0
(i)
_
x + y z = 1
2x y + 3z = 2
4x + y + z = 4
(j)
_

_
x + 2y + 2z = 2
3x 2y z = 5
2x 5y + 3z = 4
x + 4y + 6z = 0
(k)
_

_
2a + 6b + c 3d = 1
3a 2b c + d = 2
a + 4b + 2c 2d = 3
3a 4b 4c + 2d = 2
(l)
_
x + y + z + w = 0
2x + y z + 3w = 0
x 2y + z + w = 0
25. Discuta, para todos os valores reais dos par ametros, os seguintes sistemas de equa coes
lineares:
(a)
_
x + 3y + 2z = 8
x + z = 2
3x + 3y + az = b
(b)
_
x + ay z = 1
x + (a 2)y + z = 1
2x + 2y + (a 2)z = 1
(c)
_
x + 2y 3z = 4
3x y + 5z = 2
4x + y + (a
2
14)z = a + 2
26. Determine os valores de para os quais o sistema
_
x y = 3
2x 2y =
:
(i) nao tem solucao;
(ii) tem uma so solucao;
(iii) tem uma innidade de solucoes.
27. Determine uma condi cao envolvendo a, b, c por forma a que cada um dos seguintes
sistemas
(i) tenha solucao (possvel);
(ii) nao tenha solucao (impossvel).
23
1. Matrizes e Sistemas de Equacoes Lineares
(a)
_
x + 3y + z = a
x 2y + z = b
3x + 7y z = c
(b)
_
2x + y z = a
2y + 3z = b
x z = c
28. Determine todas as matrizes permut aveis com A, sendo
(a) A =
_
2 0
0 3
_
(b) A =
_
1 2
1 1
_
29. Resolva as seguintes equa coes matriciais:
(a)
_
1 2
3 4
_
X =
_
3 0
7 2
_
(b) X
_
3 2
5 4
_
=
_
1 2
5 6
_
30. Mostre que
_

_
1 2 3
2 5 7
2 4 5
_

_
1
=
_

_
3 2 1
4 1 1
2 0 1
_

_
.
31. Resolvendo a equa cao matricial AX = I, encontre, se existir, a inversa das seguintes
matrizes:
(a) A =
_
2 2
1 3
_
(b) A =
_
2 1
6 3
_
32. Seja A uma matriz tal que A
1
=
_
3 4
5 6
_
. Determine A.
33. Determine as inversas das seguintes matrizes, usando o metodo de Gauss-Jordan:
(a)
_

_
1 2 4
3 1 0
2 2 1
_

_
(b)
_

_
1 2 3
1 3 3
2 4 3
_

_
(c)
_

_
1 1 2
5 7 11
2 3 5
_

_
(d)
_

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

_
34. Seja A uma matriz tal que A
2
3A+ I = 0. Mostre que A
1
= 3I A.
35. Sejam A e B matrizes quadradas da mesma ordem. Mostre que se A for invertvel
entao
(A+ B)A
1
(A B) = (AB)A
1
(A+ B).
36. Dadas as matrizes quadradas da mesma ordem, invertveis, A e B, determine a
matriz X que verica cada uma das seguintes equa coes matriciais:
24
1.11. Exerccios
(a) AX B = B

;
(b) AXA
1
= (A+ B)

.
37. Seja A invertvel e suponha que a inversa de 7A e
_
1 2
4 7
_
. Determine A, A
3
e
A
3
.
38. (a) Determine a inversa da matriz P =
_
2 3
5 7
_
.
(b) Seja A =
_
17 6
35 12
_
. Calcule A
5
usando a igualdade
A = P
_
2 0
0 3
_
P
1
.
39. Determine a inversa da matriz
_
cos sin
sin cos
_
, IR.
40. Seja A uma matriz qualquer, e suponhamos que existe um n umero natural k tal que
A
k
= 0 (matriz nula). Mostre que, nestas condi coes, a matriz I A e invertvel,
tendo-se
(I A)
1
= I + A+ A
2
+ . . . + A
k1
.
41. Usando o exerccio anterior, determine a inversa da matriz
_

_
1 1 0
0 1 1
0 0 1
_

_
.
42. Seja A uma matriz nao singular de ordem n. Efectue as seguintes multiplica coes
por blocos:
(a) A
1
[A I] (b)
_
A
I
_
A
1
(c) [A I]
T
[A I]
(d) [A I] [A I]
T
(e)
_
A
I
_
[A I]
43. Sejam
I =
_
1 0
0 1
_
E =
_
0 1
1 0
_
O =
_
0 0
0 0
_
C =
_
1 0
1 1
_
D =
_
2 0
0 2
_
25
1. Matrizes e Sistemas de Equacoes Lineares
e
B =
_
B
11
B
12
B
21
B
22
_
=
_

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

_
.
Efectue cada uma das seguintes multiplica coes por blocos.
(a)
_
O I
I O
_ _
B
11
B
12
B
21
B
22
_
(b)
_
C O
O C
_ _
B
11
B
12
B
21
B
22
_
(c)
_
D O
O I
_ _
B
11
B
12
B
21
B
22
_
(d)
_
E O
O E
_ _
B
11
B
12
B
21
B
22
_
44. Seja
A =
_
A
11
A
12
O A
22
_
onde todos os blocos sao matrizes n n.
(a) Se A
11
e A
22
sao nao singulares, mostre que A tambem e nao singular e que
A
1
e da forma
_
A
1
11
C
O A
1
22
_
.
(b) Determine C.
45. Seja
A =
_
O I
B O
_
,
onde os quatro blocos sao matrizes k k. Determine A
2
e A
4
.
26
Captulo 2
Determinantes
2.1 Denicao de Determinante
Denicao.
(i) Dada uma matriz 1 1, A = [a], dene-se det[a] = a;
(i) Dada uma matriz 2 2, A =
_
a b
c d
_
, dene-se
det A =

a b
c d

= ad cb.
Exemplo. Sejam A = [3] e B =
_
3 5
2 4
_
. Os seus determinantes sao dados por
det A = det[3] = [ 3[ = 3
det B = det
_
3 5
2 4
_
= 3 4 (2) 5 = 22.
O determinante de uma matriz quadrada nn sera denido a partir do determinante
de uma matriz quadrada (n 1) (n1). Isto e, o determinante de matrizes 2 2
(ja denido) permitir a denir o determinante de matrizes 3 3, que por sua vez
permitir a denir o determinante de matrizes 4 4 e assim sucessivamente ate ao
determinante de matrizes n n.
Denicao. Seja n 2 e suponhamos que o determinante de matrizes (n1)(n1)
esta denido. Seja A uma matriz nn e seja M
ij
o determinante da submatriz que
se obtem a partir de A pela supressao da linha i e da coluna j. Ao n umero M
ij
chama-se menor do elemento a
ij
e ao n umero
C
ij
= (1)
i+j
M
ij
27
2. Determinantes
chama-se complemento algebrico ou cofactor da entrada a
ij
.
Denicao. Seja n 2 e suponhamos que o determinante de matrizes (n1)(n1)
esta denido. Se A e uma matriz n n, chama-se determinante de A ao n umero
det A = [A[ = a
11
C
11
+ a
21
C
21
+ + a
n1
C
n1
.
Exemplo. Seja A =
_

_
3 1 4
2 5 6
1 4 8
_

_
.
(a) Determinar os menores e respectivos complementos algebricos relativos ` a primeira
coluna e `a segunda linha de A.
(b) Calcular det A.
Resolucao.
(a) Os menores e complementos algebricos relativos `a primeira coluna sao:
M
11
=

5 6
4 8

= 40 24 = 16 C
11
= (1)
1+1
M
11
= (1)
1+1

5 6
4 8

= 16
M
21
=

1 4
4 8

= 8 + 16 = 24 C
21
= (1)
2+1
M
21
= (1)
2+1

1 4
4 8

= 24
M
31
=

1 4
5 6

= 6 + 20 = 26 C
31
= (1)
3+1
M
31
= (1)
3+1

1 4
5 6

= 26
Os menores e complementos algebricos relativos `a segunda linha sao:
M
21
=

1 4
4 8

= 8 + 16 = 24 C
21
= (1)
2+1
M
21
= (1)
2+1

1 4
4 8

= 24
M
22
=

3 4
1 8

= 24 + 4 = 28 C
22
= (1)
2+2
M
22
= (1)
2+2

3 4
1 8

= 28
M
23
=

3 1
1 4

= 12 1 = 11 C
23
= (1)
2+3
M
23
= (1)
2+3

3 1
1 4

= 11
(b) De acordo com a deni cao, o determinante de A e dado por:
det A = a
11
C
11
+ a
21
C
21
+ a
31
C
31
= 3 16 + 2 (24) + 1 26
= 26.
Teorema de Laplace. O determinante de uma matriz quadrada e igual ` a soma
dos produtos das entradas de uma qualquer linha ou coluna pelos respectivos com-
plementos algebricos.
28
2.2. Propriedades do Determinante
Exerccio 2.1.1
Sejam A =
_

_
3 1 0
2 4 3
5 4 2
_

_
e B =
_

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

_
.
(a) Calcular det A usando o desenvolvimento de Laplace segundo a 1
a
linha e
segundo a 2
a
coluna.
(b) Calcular det B usando o desenvolvimento de Laplace segundo a linha ou coluna
que achar mais conveniente.
(c) Qual sera entao a linha ou coluna que se deve escolher para efectuar o desen-
volvimento por forma a minimizar os calculos?
2.2 Propriedades do Determinante
Exerccio 2.2.1
Suponha que se pretende calcular o determinante de uma matriz quadrada A, com
todas as entradas nao nulas, usando somente o teorema de Laplace. Se A for uma
matriz 4 4, quantos determinantes 2 2 tem de calcular para obter det A? E se
A for 5 5?
O teorema seguinte permite obter um metodo que vai permitir uma reducao signi-
cativa do n umero de operacoes envolvidas no calculo do determinante.
Teorema. Seja A uma matriz n n.
(i) Se A tem uma linha ou coluna de zeros entao det A = 0;
(ii) Se trocarmos duas linhas (ou duas colunas) de A, entao o determinante muda
o sinal;
(iii) Multiplicar o determinante de A por um n umero corresponde a multiplicar
uma qualquer linha ou coluna de A por ;
(iv) Se A tem duas linhas (ou duas colunas) iguais, entao det A = 0;
(v) Se uma linha (respectivamente, coluna) de A e soma de m ultiplos escalares de
outras linhas (respectivamente, colunas) entao det A = 0;
(vi) A operacao elementar OE3 nao altera o valor do determinante, isto e, se a uma
linha (respectivamente, coluna) adicionarmos um m ultiplo escalar de outra
linha (respectivamente, coluna) entao o valor de det A nao se altera;
29
2. Determinantes
(vii) Se A =
_

_
L
1
.
.
.
L
i
+ L

i
.
.
.
L
m
_

_
entao det A = det
_

_
L
1
.
.
.
L
i
.
.
.
L
m
_

_
+ det
_

_
L
1
.
.
.
L

i
.
.
.
L
m
_

_
.
Exemplos ilustrativos das alneas anteriores.
(i)

3 1 0
2 5 0
0 1 0

= 0
(ii)

3 1 5 1
1 0 2 8
5 1 1 2
1 2 1 3

5 1 3 1
2 0 1 8
1 1 5 2
1 2 1 3

(iii)

8 1 2
3 0 9
1 2 1

= 3

8 1 2
1 0 3
1 2 1

(iv)

2 1 2
4 0 4
1 3 1

= 0 (C
1
= C
3
)
(v)

1 2 3
7 5 4
5 1 2

= 0 (L
2
= 2L
1
L
3
)
(vi)

1 2 9
2 5 2
3 1 1

=
L
2
2L
1
+ L
2

1 2 9
0 9 20
3 1 1

(vii)

1 2 3
7 5 4
5 1 2

1 2 2
7 5 7
5 1 1

1 2 1
7 5 3
5 1 1

Exerccio 2.2.2
Se

a b c
p q r
x y z

= 6 e A =
_

_
a + x b + y c + z
3x 3y 3z
p q r
_

_
, calcule det A.
Exerccio 2.2.3
30
2.3. Matriz Adjunta
Usando os desenvolvimento de Laplace em conjunto com o teorema anterior e, em
particular, a eliminacao de Gauss, calcule o seguinte determinante:

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

Teorema. Sejam A e B matrizes n n.


(i) det(AB) = det(A) det(B);
(ii) A e invertvel sse det(A) ,= 0;
(iii) Se A e invertvel entao det(A
1
) =
1
det(A)
;
(iv) det(A) = det(A

);
(v) det(A) =
n
det(A);
(vi) O determinante de uma matriz triangular (superior ou inferior) e igual ao
produto dos elementos da diagonal.
Observacoes.
1. det(AB) ,= det(A) det(B);
2. det(2A) ,= 2 det(A);
3. Vimos anteriormente que A e invertvel se e so se car(A) = n. Usando a alnea
(ii) do teorema anterior temos o seguinte resultado importante:
A invertvel car A = n det(A) ,= 0.
Exerccio 2.2.4
1. Calcular det(A
3
B
1
A

B
2
), sabendo que det(A) = 2 e det(B) = 5
2. Sabendo que det(A) = 3 e que A tem ordem 4, qual o valor de det(2A) ?
3. Sabendo que B nao tem inversa, averiguar se o produto AB tem ou nao inversa.
2.3 Matriz Adjunta
Denicao. Seja A uma matriz nn e seja C
ij
o cofactor do elemento a
ij
.
`
A matriz
31
2. Determinantes
cof(A) =
_

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

_
,
chama-se matriz dos cofactores de A; `a sua transposta chama-se adjunta de A:
adj(A) = (cof(A))

.
Teorema. Se A e uma matriz quadrada entao
Aadj(A) = adj(A)A = det(A) I.
Corolario. Se det(A) ,= 0, entao
A
1
=
1
det(A)
adj(A).
Demonstracao. Do teorema anterior sabe-se que
Aadj(A) = det(A) I.
Multiplicando ambos os membros desta equa cao matricial pelo n umero 1/ det(A),
obtem-se
A
_
1
det(A)
adj(A)
_
= I,
donde se conclui que a inversa de A resulta da multiplica cao do inverso do determi-
nante pela adjunta.
Exerccio 2.3.1
Sendo A =
_

_
1 3 2
0 1 5
2 6 7
_

_
, calcule a sua inversa atraves da matriz adjunta.
2.4 Regra de Cramer
Teorema(Regra de Cramer) Seja A uma matriz nao singular n n e b IR
n
. Seja
A
i
a matriz que se obtem a partir de A pela substituicao da i-esima coluna de A por
b. A unica solucao do sistema linear Ax = b e dada por x = [x
1
x
2
x
n
]

, onde
x
i
=
det(A
i
)
det(A)
,
para i = 1, 2, . . . , n.
32
2.5. Aplicacao `a Codica cao de Mensagens
Observacao. A regra de Cramer apenas e v alida para sistemas lineares da forma
Ax = b, em que A e uma matriz n n nao singular, isto e, para sistemas possveis
determinados.
Exerccio 2.4.1 Usando a regra de Cramer, resolva o sistema
_

_
x
1
+ 2x
2
+ x
3
= 5
2x
1
+ 2x
2
+ x
3
= 6
x
1
+ 2x
2
+ 3x
3
= 9
2.5 Aplica cao `a Codicacao de Mensagens
Uma maneira que pode ser usada para enviar uma mensagem codicada e fazendo
corresponder a cada letra do alfabeto um determinado n umero. Assim, a mensagem
enviada sera uma sequencia de n umeros. Por exemplo, a mensagem
SEND MONEY
pode ser codicada por
5, 8, 10, 21, 7, 2, 10, 8, 3,
onde S e representado por 5, E por 8 e assim sucessivamente. A chave deste codigo
pode ser facil de quebrar, uma vez que numa mensagem longa poder a ser f acil desco-
brir qual e a correspondencia letra-n umero, bastando para isso analisar a frequencia
com que cada n umero ocorre. Por exemplo, se 8 for o n umero que aparece mais
vezes na mensagem codicada e prov avel que ele represente a letra E, no caso da
mensagem ser em ingles (letra que ocorre mais vezes na lngua inglesa) ou a letra
A, no caso da mensagem ser em portugues (letra mais usada na lngua portuguesa).
Usando o produto de matrizes e os determinantes e possvel encontrar uma forma
de codicar mensagens por forma a que alguem que nao conheca o codigo nao as
consiga decifrar.
Se A e uma matriz com entradas inteiras e determinante 1, entao, como A
1
=
adj(A), as entradas de A
1
serao tambem n umeros inteiros. Podemos usar esta
matriz para contruir a mensagem que chega ao destinat ario. O objectivo e que a
mensagem seja difcil de decifrar. Por exemplo, seja
C =
_

_
1 2 1
2 5 3
2 3 2
_

_
(matriz do codigo o seu determinante e 1). A mensagem SEND MONEY, codi-
cada usando apenas a correspondencia letra-n umero, vai ser colocada nas colunas
33
2. Determinantes
da matriz M
I
(mensagem inicial):
M
I
=
_

_
5 21 10
8 7 8
10 2 3
_

_
.
O produto seguinte da a mensagem nal M
F
que chega ao receptor:
M
F
= CM
I
=
_

_
1 2 1
2 5 3
2 3 2
_

_
_

_
5 21 10
8 7 8
10 2 3
_

_
=
_

_
31 37 29
80 83 69
54 67 50
_

_
,
que corresponde `a sequencia
31, 80, 54, 37, 83, 67, 29, 69, 50
Como e que o receptor vai descodicar a mensagem?
O receptor tem de conhecer a correspondencia letra-n umero e a matriz do codigo C.
Ele ira descodicar a mensagem multiplicando a matriz com a mensagem recebida
M
F
por C
1
:
C
1
M
F
=
_

_
1 1 1
2 0 1
4 1 1
_

_
_

_
31 37 29
80 83 69
54 67 50
_

_
=
_

_
5 21 10
8 7 8
10 2 3
_

_
= M
I
Note-se que
C
1
M
F
= C
1
(CM
I
) = M
I
Como construir matrizes de codigo (como a matriz C acima) que tem de ter deter-
minante igual a 1?
Basta considerar a matriz identidade (de qualquer ordem) e efectuar v arias operacoes
elementares do tipo OE3 (adicionar a uma linha um m ultiplo escalar de outra linha);
tambem se podem trocar linhas. A matriz resultante C tera entradas inteiras e,
atendendo a que
det C = det(I) = 1,
a sua inversa C
1
tambem tera entradas inteiras.
Resumo.
Codicacao da Mensagem
frase sequencia de n umeros Matriz M
I
M
F
= CM
I
sequencia de
n umeros a enviar
34
2.5. Aplicacao `a Codica cao de Mensagens
Descodicacao da Mensagem
sequencia de n umeros recebida matriz M
F
M
I
= C
1
M
F
sequencia
de n umeros frase
35
2. Determinantes
2.6 Exerccios Resolvidos
1. Considere a matriz A =
_

_
1 2 1
1 0 1
3 2 3
_

_
.
(a) Calcule o valor do seu determinante usando o teorema de Laplace;
(b) Usando o resultado da alnea anterior e as propriedades dos determinantes,
indique, justicando, o valor de:
(i) car(A);
(ii) det
_
2(A

)
1
_
.
(c) Calcule a inversa de A usando a matriz adjunta.
Resolucao.
(a) Vamos escolher a linha dois para efectuar o desenvolvimento de Laplace.
det(A) = 1 (1)
2+1

2 1
2 3

+ 0 + 1 (1)
2+3

1 2
3 2

= (1)(6 2) + (1)(2 + 6)
= 8
(b) (i) Como det(A) = 8 ,= 0, a caracterstica de Ae m axima, isto e, car(A) = 3.
(ii) Usando as propriedades do determinante, temos
det
_
2(A

)
1
_
= 2
3
det
_
(A

)
1
_
= 8
1
det(A

)
= 8
1
det(A)
=
8
8
= 1.
(c) Vimos acima que det(A) = 8. De seguida vamos calcular a matriz dos cofac-
tores.
cof(A) =
_

_
+

0 1
2 3

1 1
3 3

1 0
3 2

2 1
2 3

1 1
3 3

1 2
3 2

2 1
0 1

1 1
1 1

1 2
1 0

_
=
_

_
2 6 2
4 0 4
2 2 2
_

_
.
Assim, a adjunta de A e
adj(A) = (cof(A))

=
_

_
2 4 2
6 0 2
2 4 2
_

_
36
2.6. Exerccios Resolvidos
e a inversa e
A
1
=
1
8
adj(A) =
_

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

_
.
2. Considere a matriz C =
_

_
1 1 1
1 0 1
1 0 0
_

_
.
(a) Justique que C pode ser considerada uma matriz de codigo.
(b) Sendo C a matriz de codigo (considere o alfabeto ingles
1
) usada no envio de
mensagens, decifre a mensagem recebida, sabendo que ela e dada pela sequencia
de n umeros
16, 35, 23, 8, 16, 12, 24, 20, 15.
(c) De um exemplo de uma matriz 3 3 com pelo menos seis entradas nao nulas
e com determinante igual a 1.
Resolucao.
(a) Basta mostrar que det(C) = 1, para assim se garantir que a inversa de C
tenha entradas inteiras. Com efeito, escolhendo a segunda coluna para efectuar
o desenvolvimento de Laplace, temos
det(C) = 1 (1)
1+2

1 1
1 0

+ 0 + 0 = 1.
(b) A matriz nal obtem-se escrevendo os n umeros da sequencia em coluna, for-
mando uma matriz 3 3:
M
F
=
_

_
16 8 24
35 16 20
23 12 15
_

_
.
A matriz inicial obtem-se multiplicando M
F
`a esquerda por C
1
. A inversa de
C e
C
1
=
_

_
0 0 1
1 1 2
0 1 1
_

_
.
(Conrme os calculos!). Assim,
M
I
= C
1
M
F
=
_

_
0 0 1
1 1 2
0 1 1
_

_
_

_
16 8 24
35 16 20
23 12 15
_

_
=
_

_
23 12 15
5 0 14
12 4 5
_

_
1
a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z
37
2. Determinantes
obtendo-se a sequencia inicial (aquela que foi enviada)
23, 5, 12, 12, 0, 4, 15, 14, 5.
Atendendo `a correspondencia letra-n umero usada, conclui-se que a mensagem
enviada e Well done.
(c) A matriz triangular superior
_

_
1 2 23
0 1 2
0 0 1
_

_
satisfaz os requisitos pretendidos. Recorde-se que o determinante de uma ma-
triz triangular superior e igual ao produto dos elementos da diagonal.
3. Usando um metodo apropriado, calcule o determinante da matriz
A =
_

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

_
.
Resolucao. Como A e 4 4 e nao tem entradas nulas, o melhor processo para
calcular o determinante e usar a eliminacao de Gauss em conjunto com o teorema
de Laplace. Assim, efectuando a eliminacao na primeira coluna, temos

1 2 3 4
2 2 5 6
1 3 4 6
6 5 3 6

=
L
2
2L
1
+ L
2
L
3
L
1
+ L
3
L
4
6L
1
+ L
4

1 2 3 4
0 6 11 14
0 5 7 10
0 7 15 18

.
Efectuando o desenvolvimento de Laplace na mesma coluna, obtemos um determi-
nante 3 3:
det(A) = 1 (1)
1+1

6 11 14
5 7 10
7 15 18

+ 0 + 0 + 0
= 6 (1)
1+1

7 10
15 18

+ 11 (1)
1+2

5 10
7 18

+
+(14) (1)
1+3

5 7
7 15

= 0
38
2.7. Exerccios
2.7 Exerccios
1. Dada a matriz
_

_
4 0 4 4
1 0 1 1
1 3 0 3
6 3 14 2
_

_
, determine:
(a) M
13
e C
13
(b) M
23
e C
23
(c) M
22
e C
22
2. Sem calcular o valor do determinante, efectue o desenvolvimento de Laplace da
matriz do exerccio anterior, segundo:
(a) a 1
a
linha (b) a 1
a
coluna (c) a 2
a
linha
(d) a 2
a
coluna (e) a 3
a
linha (c) a 3
a
coluna
3. Calcule os seguintes determinantes, utilizando um metodo `a sua escolha:
(a)

a b a
a a + b

(b)

1 1 2
3 4 5
0 2 3

(c)

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

(d)

5 6 0 0 0
1 5 6 0 0
0 1 5 6 0
0 0 1 5 6
0 0 0 1 5

(e)

3 0 7 2
0 1 3 0
4 5 2 3
1 2 0 7

(f)

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

4. Suponha que A, B e C sao matrizes quadradas de ordem 3 tais que det(A) = 2,


det(B) = 5/3 e det(C) = 0. Calcule os seguintes determinantes:
(a) det(BA
1
B) (b) det(2AB
T
) (c) det(ABC) (d) det(3A
T
B
1
)
5. Sejam A e B matrizes n n. Mostre que se A e invertvel entao det(B) =
det(A
1
BA).
6. Sabendo que

1 2 4
1 3 9
1 1 1

= 12, calcule, sem desenvolver, os seguintes determi-


nantes:
(a)

10 20 40
1 3 9
1 1 1

(b)

6 4 8
3 3 9
3 1 1

(c)

1 2 4
1 3 9
2 2 10

39
2. Determinantes
7. Suponha que

a b c
d e f
g h i

= 5. Determine:
(a)

a b c
2d 2e 2f
g h i

(b)

a + d b + e c + f
d e f
g h i

(c)

a b c
d 3a e 3b f 3c
2g 2h 2i

8. Determine, usando a adjunta, a inversa das seguintes matrizes:


(a)
_

_
3 1 4
2 1 0
0 2 1
_

_
(b)
_

_
2 4 3
0 1 1
2 2 1
_

_
(c)
_

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

_
9. Mostre que se A IR
nn
e invertvel, entao:
(a) adj(A
T
) = (adj(A))
T
(b) adj(A) =
n1
adj(A) (c) adj(AB) = adj(B) adj(A)
10. Use determinantes para determinar os valores de para os quais o seguinte sistema
possui uma unica solucao:
_

_
1 0
0 1 1
0 1
_

_
_

_
x
1
x
2
x
3
_

_
=
_

_
3
4
7
_

_
.
11. Seja A uma matriz quadrada em que todas as entradas sao n umeros inteiros. Ex-
plique porque e que a adjunta de A tambem tem entradas inteiras.
12. Mostre que se [A[ = 1 e as entradas de A sao n umeros inteiros, entao todas as
entradas de A
1
sao tambem n umeros inteiros.
13. Considere det(A) = 8. Calcule det(B), justicando convenientemente a sua re-
sposta, sendo:
(a) B a matriz obtida de A trocando a 1
a
e a 4
a
linhas.
(b) B = 2A e A e de ordem 3.
14. Considere a matriz A =
_

_
2 0 1
1 1 0
k 1 1
_

_
, sendo k um valor real.
(a) Determine os valores de k para os quais A e invertvel.
(b) Nas alneas seguintes, suponha que k = 4.
(i) Calcule a inversa de A atraves da adjunta.
40
2.7. Exerccios
(ii) Usando a inversa de A, determine a solucao do sistema de equa coes lineares
Ax =
_

_
3
2
1
_

_
.
15. Usando a regra de Cramer, resolva os seguintes sistemas lineares:
(a)
_
x
1
+ 2x
2
= 3
3x
1
x
2
= 1
(b)
_

_
2x
1
+ x
2
3x
3
= 0
4x
1
+ 5x
2
+ x
3
= 8
2x
1
x
2
+ 4x
3
= 2
(c)
_

_
x + 3y + z = 1
2x + y + z = 5
2x + 2y z = 8
16. Na codica cao de uma mensagem, um espaco em branco foi representado por 0, a
letra A por 1, B por 2, C por 3, etc. Usou-se o alfabeto ingles (26 letras). A matriz
de codigo usada foi
_

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

_
.
(a) Sabendo que a sequencia de n umeros que chegou ao receptor foi
19, 19, 25, 21, 0, 18, 18, 15, 3, 10, 8, 3, 2, 20, 7, 12,
qual e a frase contida na mensagem?
(b) Suponha agora que a sequencia recebida foi
16, 4, 1, 16, 17, 4, 13, 4, 1, 6, 2, 4, 18, 19, 1, 2.
Qual e a frase da mensagem?
17. (a) Encontre duas matrizes 3 3 com entradas inteiras e determinante 1.
(b) Encontre duas matrizes 5 5 com entradas inteiras e determinante 1.
(c) Usando uma das matrizes 5 5 da alnea anterior como matriz de codigo,
escolha uma frase para enviar a alguem que conheca e diga qual e a sequencia
de n umeros que chegou ao receptor.
41
42
Captulo 3
Vectores em IR
n
3.1 Vectores em IR
2
e IR
3
3.1.1 Generalidades
IR e o conjunto dos n umeros reais;
os n umeros reais podem ser representados numa recta, denominada recta real.
IR
2
= (a, b) : a, b IR e o conjunto dos pares ordenados de n umeros reais. a e
a abcissa e b e a ordenada. A cada par ordenado podemos fazer corresponder um
ponto do plano ou o respectivo vector posicao. Na gura, esta representado o ponto
P(2, 3) e o seu vector posicao u.
IR
3
= (a, b, c) : a, b, c IR e o conjunto dos ternos ordenados de n umeros reais.
a e a abcissa, b e a ordenada e c e a cota. A cada terno ordenado podemos fazer
corresponder um ponto do plano ou o respectivo vector posicao. Na gura, esta
representado o ponto de coordenadas (3, 5, 7).
43
3. Vectores em IR
n
Os elementos de IR
2
e IR
3
serao designados por vectores, embora, como vimos, eles
tambem possam ser usados para representar pontos.
Do ponto de vista geometrico, a adicao de vectores no plano e no espaco, ou seja,
em IR
2
e IR
3
, respectivamente, faz-se atraves da regra do paralelogramo.
Se c e um escalar, entao cu tem a mesma direccao de u; tem o mesmo sentido de u
se c > 0 e contr ario se c < 0. O comprimento de cu e igual a [c[ vezes o comprimento
de u.
44
3.1. Vectores em IR
2
e IR
3
Dado o vector u = (u
1
, u
2
) IR
2
, chama-se comprimento ou norma ao real nao
negativo
|u| =
_
u
2
1
+ u
2
2
;
do mesmo modo, para u = (u
1
, u
2
, u
3
) IR
3
,
|u| =
_
u
2
1
+ u
2
2
+ u
2
3
.
Dados os vectores u = (u
1
, u
2
) e v = (v
1
, v
2
) pertencentes a IR
2
, chama-se produto
interno (ou produto escalar) ao n umero real
u v = u
1
v
1
+ u
2
v
2
;
se u = (u
1
, u
2
, u
3
) e v = (v
1
, v
2
, v
3
) pertencem a IR
3
, o produto interno (ou produto
escalar) e denido de modo analogo:
u v = u
1
v
1
+ u
2
v
2
+ u
3
v
3
.
Usando a notacao matricial, podemos ainda escrever
u v = u

v.
Recorde-se que o produto interno de dois vectores ortogonais (isto e, perpendicu-
lares) e nulo.
3.1.2 Produto Vectorial e Aplica coes
Os vectores de IR
3
tambem se podem representar na forma
u = u
1
i + u
2
j + u
3
k
Denicao. Sejam u = (u
1
, u
2
, u
3
) e v = (v
1
, v
2
, v
3
) dois vectores de IR
3
. Chama-se
produto vectorial de u por v ao vector
u v =

u
2
u
3
v
2
v
3

u
1
u
3
v
1
v
3

j +

u
1
u
2
v
1
v
2

k.
O produto vectorial e um novo vector, que e simultaneamente ortogonal (perpen-
dicular) a u e a v.
45
3. Vectores em IR
n
Para efeitos computacionais, podemos escrever uv como um pseudo-determinante
(porque pseudo?):
u v =

i j k
u
1
u
2
u
3
v
1
v
2
v
3

.
Aplicacoes do produto vectorial:
1. Calculo da area de um triangulo: A area do triangulo de vertices P
1
, P
2
e P
3
e dada por
A
T
=
1
2
| u v |,
onde u =

P
1
P
2
e v =

P
1
P
3
.
2. Calculo da area de um paralelogramo: A area do paralelogramo com
lados adjacentes u e v e dada por
A
P
= | u v |.
3. Calculo do volume de um paraleleppedo: O volume do paraleleppedo
(n ao necessariamente rect angulo) com um vertice na origem e arestas u, v e
w e dado por
V =

det
_

_
u
1
u
2
u
3
v
1
v
2
v
3
w
1
w
2
w
3
_

.
46
3.1. Vectores em IR
2
e IR
3
3.1.3 Rectas em IR
2
Seja r a recta emIR
2
que contem o ponto P
0
(x
0
, y
0
) e e paralela ao vector u = (u
1
, u
2
).
Supondo que u
1
,= 0 e u
2
,= 0, a equa cao da recta r pode ser escrita na forma
x x
0
u
1
=
y y
0
u
2
,
que e chamada de equa cao cartesiana. No caso particular em que u
1
= 0, a recta e
vertical e a sua equa cao sera da forma
x = x
0
;
se u
2
= 0, a recta e horizontal e a sua equa cao sera da forma
y = y
0
.
Se r nao for vertical, a sua equa cao pode ser escrita na chamada forma reduzida
y = mx + b,
onde m e o declive e b a ordenada na origem.
Exerccio 3.1.1 Determine as equa coes cartesiana e reduzida da recta que contem
os pontos P
0
(3, 4) e P
1
(3, 5). Represente geometricamente a recta.
3.1.4 Rectas e Planos em IR
3
Seja r a recta que contem o ponto P
0
(x
0
, y
0
, z
0
) e e paralela ao vector u = (u
1
, u
2
, u
3
).
Seja P(x, y, z) um ponto qualquer da recta.
47
3. Vectores em IR
n

1 u

1
u
a
P
0
P

r
Recta que contem P
0
e e paralela a u
Se u
1
,= 0, u
2
,= 0, u
3
,= 0, as equa coes de r sao
x x
0
u
1
=
y y
0
u
2
=
z z
0
u
3
.
Se alguma das componentes de u for nula, por exemplo, u
1
= 0, u
2
,= 0, u
3
,= 0,
entao as equa coes da recta r sao
_

_
x = x
0
y y
0
u
2
=
z z
0
u
3
.
Se u tiver duas componentes nulas, por exemplo, u
1
= u
2
= 0, entao as
equa coes da recta r sao
_
x = x
0
y = y
0
(subentende-se que z e qualquer).
Exerccio 3.1.2 Determine as equa coes da recta que contem os pontos P
0
(3, 1, 4)
e P
1
(3, 1, 5).
Seja o plano que contem o ponto P
0
(x
0
, y
0
, z
0
) e e perpendicular (normal) ao
vector w = (w
1
, w
2
, w
3
). Seja P(x, y, z) um ponto qualquer do plano.
48
3.1. Vectores em IR
2
e IR
3
Entao
P

P
0
P w = 0
(x x
0
, y y
0
, z z
0
) (w
1
, w
2
, w
3
) = 0
Ax + By + Cz + D = 0
onde A = w
1
, B = w
2
, C = w
3
, D = w
1
x
0
w
2
y
0
w
3
z
0
O vector w designa-se por vector normal ao plano.
Em IR
3
, um plano ca caracterizado por uma equa cao da forma
Ax + By + Cz = D,
enquanto que para denir uma recta sao necessarias duas equa coes, isto e, uma recta
ca denida pela interseccao de dois planos.
Exerccio 3.1.3 Determinar a equa cao do plano que contem os pontos
P
0
(2, 1, 3), P
1
(1, 2, 4), P
2
(4, 2, 1).
3.1.5 Transformacoes Lineares: Aplica cao `a Computacao Graca
Denicao. Uma transformacao T de IR
n
para IR
m
,
T : IR
n
IR
m
u v = T(u)
e uma correspondencia que a cada vector u IR
n
faz corresponder um unico vector
v IR
m
.
Denicao. Sejam u e v vectores de IR
n
e um escalar. Uma transformacao
T : IR
n
IR
m
diz-se linear se
T(u +v) = T(u) + T(v)
T(u) = T(u),
IR, u, v IR
n
.
49
3. Vectores em IR
n
Teorema. Seja A uma matriz m n. Entao a transformacao T : IR
n
IR
m
denida por T(u) = Au e linear; esta transformacao designa-se por transforma cao
matricial.
Demonstracao. Sejam u e v dois vectores de IR
n
e um escalar real. Atendendo
a que
T(u +v) = A(u +v) = Au + Av = T(u) + T(v)
T(u) = A(u) = A(u) = T(u)
verica-se que T e linear.
Exemplos de transformacoes matriciais no plano.
1. Simetria em relacao ao eixo dos xx: T : IR
2
IR
2
,
T(u) = Au, A =
_
1 0
0 1
_
2. Simetria em relacao ao eixo dos yy: T : IR
2
IR
2
,
T(u) = Au, A =
_
1 0
0 1
_
50
3.1. Vectores em IR
2
e IR
3
3. Dilatacao e contraccao: T : IR
2
IR
2
,
T(u) =
_
r 0
0 r
_
u = r u
r > 1 T dilatacao
0 < r < 1 T contraccao
Aplicacao `a Computacao Graca
A computacao gr aca estuda a cria cao e a manipulacao de guras com a ajuda
do computador. Usam-se tecnicas de computacao gr aca na concep cao de jogos de
vdeo, na arquitectura, na ind ustria autom ovel, na biologia molecular, etc.. A ma-
nipulacao de guras faz-se atraves do uso de sequencias de transformacoes matriciais,
onde se incluem, por exemplo, as rotacoes, simetrias, dilatacoes e as contraccoes.
De seguida serao apresentados alguns exemplos de manipulacao de guras no plano.
Exemplo 1.
Simetria de um triangulo relativamente ao eixo xx:
T(u) = Au, A =
_
1 0
0 1
_
.
Consideremos o triangulo de vertices
v
1
= (1, 4), v
2
= (3, 1), v
3
= (2, 6).
Vamos formar uma matriz em que cada coluna contem as coordenadas dos vertices:
[v
1
v
2
v
3
] =
_
1 3 2
4 1 6
_
.
Para calcular a imagem dos vertices pela transformacao, fazemos
A [v
1
v
2
v
3
] =
_
1 3 2
4 1 6
_
,
donde se conclui que a imagem do triangulo por T e o triangulo de vertices
(1, 4), (3, 1), (2, 6)
51
3. Vectores em IR
n
10 5 0 5 10
10
8
6
4
2
0
2
4
6
8
10
simetria


original
transformado
Exemplo 2.
Rotacao de angulo (sentido contr ario ao dos ponteiros do relogio):
T(u) = Au, A =
_
cos sin
sin cos
_
.
Suponhamos que pretendemos rodar a par abola y = x
2
segundo um angulo de 50
o
,
no sentido contr ario ao dos ponteiros do relogio. Vamos escolher alguns pontos da
par abola:
v
1
= (2, 4), v
2
= (1, 1), v
3
= (0, 0), v
4
=
_
1
2
,
1
4
_
, v
5
= (3, 9).
Fazendo o produto (mostrando apenas 4 casas decimais):
A [v
1
v
2
v
3
v
4
v
5
] =
_
4.3498 1.4088 0 0.1299 4.9660
1.0391 0.1233 0 0.5437 8.0832
_
.
Os pontos imagem sao
(4.3498, 1.0391), (1.4088, 0.1233), (0, 0), (0.1299, 0.5437), (4.9660, 8.0832);
Interligando estes pontos obtem-se a curva `a direita na gura.
52
3.1. Vectores em IR
2
e IR
3
10 5 0 5 10
6
4
2
0
2
4
6
8
10
12
14
rotao da parbola y = x
2


original
transformado
Exemplo 3.
Shear (tosquiadela) na direccao do eixo xx:
T(u) = Au, A =
_
1 k
0 1
_
.
Como T(x, y) = (x +ky, y), podemos ver que o ponto (x, y) se move paralelamente
ao eixo dos xx em ky unidades.
Dado um rect angulo R com vertices
(0, 0), (0, 2), (4, 0), (4, 2),
a sua imagem por uma shear com k = 2 e
(0, 0), (4, 2), (4, 0), (8, 2),
e a sua imagem por uma shear com k = 3 e
(0, 0), (6, 2), (4, 0), (2, 2),
53
3. Vectores em IR
n
10 5 0 5 10
10
8
6
4
2
0
2
4
6
8
10
Shear


original
k = 2
k = 3
3.2 O espa co vectorial IR
n
3.2.1 Deni coes
Em IR
2
e IR
3
consider amos vectores com duas e tres componentes, respectivamente.
No caso mais geral de IR
n
vamos considerar vectores com n componentes.
IR
4
= (a, b, c, d) : a, b, c, d IR
(1, 2, 3, 4) e (1,
3
4
, 0, 5) sao dois exemplos de vectores de IR
4
.
No caso geral,
IR
n
= (u
1
, u
2
, . . . , u
n
) : u
1
, u
2
, . . . , u
n
IR.
Os vectores de IR
n
tambem podem ser interpretados como vectores coluna, isto e,
como matrizes n 1:
IR
n
=
_

_
u
1
u
2
.
.
.
u
n
_

_
: u
1
, u
2
, . . . , u
n
IR.
Por uma questao de comodidade, esta ultima notacao sera usada poucas vezes.
Vimos atras que e possvel representar geometricamente IR
n
, para n = 1, 2, 3. No
entanto, tal nao e possvel para IR
n
, com n 4, pelo menos da forma como visu-
alizamos IR
2
e IR
3
. No entanto, como iremos ver seguidamente, do ponto de vista
algebrico e possvel conferir a IR
n
uma estrutura semelhante ` a de IR
2
e IR
3
.
54
3.2. O espaco vectorial IR
n
Denicao. Sejam u = (u
1
, u
2
, . . . , u
n
) e v = (v
1
, v
2
, . . . , v
n
) elementos de IR
n
e
um escalar. Denimos adicao e multiplica cao por um escalar da seguinte forma:
Adicao
u +v = (u
1
, u
2
, . . . , u
n
) + (v
1
, v
2
, . . . , v
n
)
= (u
1
+ v
1
, u
2
+ v
2
, . . . , u
n
+ v
n
)
Multiplicacao por um escalar
u = (u
1
, u
2
, . . . , u
n
) = (u
1
, u
2
, . . . , u
n
)
Exemplo: Dados os vectores u = (1, 4, 3, 7) e v = (2, 3, 1, 0) de IR
4
, temos:
u +v = (3, 1, 4, 7)
3u = (3, 12, 9, 21)
Propriedades da adicao e da multiplicacao por um escalar: Sejam u, v e
w vectores quaisquer de IR
n
e e escalares. Entao:
(A1) u +v e um vector de IR
n
(isto e, IR
n
e fechado para a adicao de vectores)
(A2) u +v = v +u
(A3) (u +v) +w = u + (v +w)
(A4) Existe um vector 0 IR
n
tal que 0 +u = u, u IR
n
(existencia de um zero em IR
n
)
(A5) Para cada u IR
n
, existe v IR
n
tal que u +v = 0
(todo o elemento de IR
n
tem um simetrico que pertence a IR
n
; notacao v = u)
(M1) u IR
n
, isto e, IR
n
e fechado para a multiplica cao por um escalar;
(M2) ( + )u = u + u
(M3) (u +v) = u + v
(M4) ()u = (u)
(M5) 1.u = u
Em virtude de as operacoes de adicao e multiplica cao por um escalar denidas em
IR
n
vericarem as propriedades numeradas de (A1) a (A5) e (M1) a (M5), diz-se que
IR
n
e um espaco vectorial. Note-se que embora existam outros espacos vectoriais
(por exemplo, o conjunto de todas as matrizes m n), apenas IR
n
sera objecto de
estudo nesta disciplina.
55
3. Vectores em IR
n
3.2.2 Subespacos Vectoriais de IR
n
Denicao. Seja S um subconjunto de IR
n
. Diz-se que S e um subespaco vectorial
de IR
n
se e so se forem vericadas as tres condi coes seguintes:
(i) S ,= ;
(ii) S e fechado para a adicao, isto e,
u, v S u +v S;
(iii) S e fechado para a multiplica cao por um escalar, isto e,
IR, u S u S.
Exemplos. S
1
= IR
n
e S
2
= (0, 0, . . . , 0) sao exemplos de subespacos de IR
n
.
Exerccio 3.2.1 Averiguar se cada conjunto S e subespaco de IR
n
.
(a) S = (x, y) IR
2
: x + y = 0
(b) S = (x, y) IR
2
: x + y = 1
(c) S = u IR
n
: Au = 0, onde A IR
mn
(S e o conjunto das solucoes do
sistema homogeneo Au = 0).
Teorema.
(i) Os subespacos vectoriais de IR
2
sao:
rectas que contem a origem
IR
2
e (0, 0)
(i) Os subespacos vectoriais de IR
3
sao:
rectas e planos que contem a origem
IR
3
e (0, 0, 0)
Exerccio 3.2.2
(a) Dar um exemplo de uma recta no plano IR
2
que seja subespaco e uma recta
que nao o seja;
(b) Dar um exemplo de uma recta e um plano no espaco IR
3
que sejam subespacos;
56
3.2. O espaco vectorial IR
n
3.2.3 Combina coes Lineares
Denicao. Sejam w, v
1
, v
2
. . . , v
r
IR
n
. Diz-se que w e combinacao linear de
v
1
, v
2
, . . . , v
r
se existirem escalares
1
,
2
, . . . ,
r
IR tais que
w =
1
v
1
+
2
v
2
+ +
r
v
r
.
Exerccio 3.2.3 Sejam u = (1, 2, 1) e v = (6, 4, 2) vectores de IR
3
.
(a) Averiguar se w = (9, 2, 7) e w

= (4, 1, 8) sao combinacoes lineares de u e


v;
(b) Indicar dois vectores que sejam combinacao linear de u e v.
Denicao. Seja S um subconjunto de IR
n
e sejam v
1
, v
2
, . . . , v
r
S. Se todo o
vector de S se puder escrever como combinacao linear de v
1
, v
2
, . . . , v
r
, diz-se que
estes vectores geram S e escreve-se
S = v
1
, v
2
, . . . , v
r
.
Teorema. Sejam v
1
, v
2
, . . . , v
r
vectores de IR
n
. O conjunto de todas as com-
binacoes lineares de v
1
, v
2
, . . . , v
r
, isto e, o conjunto
v
1
, v
2
, . . . , v
r
= v IR
n
: v =
1
v
1
+
2
v
2
+ +
r
v
r
,
i
IR
e um subespaco de IR
n
. A este subespaco da-se o nome de subespaco gerado pelos
vectores v
1
, v
2
, . . . , v
r
.
Exemplos.
1. Em IR
2
, seja v ,= 0. O subespaco gerado por v,
v = w IR
2
: w = v, IR
e a recta que contem (0, 0) e tem a direccao de v.
2. Em IR
3
, sejam v
1
, v
2
vectores nao colineares. O subespaco gerado por v
1
, v
2
,
v
1
, v
2
= w IR
3
: w = v
1
+ v
2
, , IR
e o plano que contem (0, 0, 0) e e paralelo aos vectores v
1
, v
2
.
57
3. Vectores em IR
n
Exerccio 3.2.4 Determinar uma condi cao que caracterize os subespacos gerados
por cada uma dos conjuntos indicados:
(a) C = u = (1, 1, 0, 1), v = (2, 1, 1, 3) em IR
4
;
(b) C = v
1
= (1, 1, 2), v
2
= (1, 0, 1), v
3
= (2, 1, 3) em IR
3
;
(c) C = e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1) em IR
3
.
3.2.4 Dependencia Linear. Bases e Dimensao.
Denicao. Se B = v
1
, v
2
, . . . , v
r
e um subconjunto de vectores do espaco
vectorial IR
n
, entao a equa cao vectorial

1
v
1
+
2
v
2
+ +
r
v
r
= 0
tem pelo menos uma solucao que e

1
=
2
= =
r
= 0.
Se esta for a unica solucao, diz-se que B e linearmente independente; se existirem
mais solucoes, diz-se que B e linearmente dependente.
Exerccio 3.2.5 Estudar a dependencia linear dos seguintes subconjuntos de vec-
tores B do espaco vectorial IR
n
indicado.
(a) B = (2, 6, 2), (3, 1, 2), (8, 16, 3), em IR
3
;
(b) B = (1, 1), (1, 1), em IR
2
.
Teorema.
(i) Dois vectores em IR
2
(ou em IR
3
) sao linearmente dependentes se e so se sao
paralelos;
(ii) Tres vectores em IR
3
sao linearmente dependentes se e so se sao complanares.
Denicao. Seja B um conjunto de vectores de um subespaco vectorial S de IR
n
.
Diz-se que B e uma base de S se:
(i) O subespaco gerado por B coincide com S;
(ii) B e linearmente independente.
58
3.2. O espaco vectorial IR
n
Exemplos.
1. O conjunto B = e
1
, e
2
, . . . , e
n
, onde
e
1
= (1, 0, . . . , 0)
e
2
= (0, 1, . . . , 0)

e
n
= (0, 0, . . . , 1),
e uma base de IR
n
, que se designa por base canonica.
2. No caso particular de IR
3
, a base can onica e
B = e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1).
Exerccio 3.2.6 Mostrar que C = (1, 0, 0), (1, 1, 0), (1, 1, 1), tambem e uma
base de IR
3
.
Teorema. Se v
1
, v
2
, . . . , v
n
e uma base do subespaco S, entao:
(i) Qualquer subconjunto de S com mais de n vectores e linearmente dependente.
(ii) Qualquer outra base de S tem exactamente n vectores.
Exemplos.
1. Como B = e
1
= (1, 0), e
2
= (0, 1) e uma base de IR
2
, pelo teorema anterior,
quaisquer tres vectores (ou mais) de IR
2
sao linearmente dependentes. Por
exemplo,
B

= (1, 2), (1, 3), (0, 5)


e linearmente dependente. Tambem podemos concluir que qualquer base de
IR
2
tem de ter exactamente 2 vectores.
2. Qualquer base de IR
n
tem exactamente n vectores.
Denicao. Se um subespaco vectorial S admitir uma base com n vectores, diz-se
que S tem dimensao n e escreve-se dimS = n; no caso particular S = 0, diz-se
que dimS = 0.
Exerccio 3.2.7 Indicar uma base e a dimens ao do espaco vectorial
V = (x, y, z) IR
3
: x = 0 y + z = 0.
59
3. Vectores em IR
n
Quando a dimens ao de um subespaco vectorial e conhecida, podemos utilizar o
teorema seguinte para averiguar se um dado conjunto de vectores desse subespaco
e uma base.
Teorema. Se S e um subespaco vectorial com dimens ao n, entao:
(i) Quaisquer n vectores de S que sejam linearmente independentes formam uma
base de S.
(ii) Quaisquer n vectores que geram S constituem uma base de S.
Exemplo. Como dimIR
3
= 3, quaisquer 3 vectores de IR
3
que sejam linearmente
independentes formam uma base deste espaco.
60
3.3. Exerccios Resolvidos
3.3 Exerccios Resolvidos
1. Determinar o volume do paraleleppedo com arestas
u = i 2j + 3k
v = i + 3j +k
w = 2i +j + 2k.
Resolucao. Basta calcular o m odulo do determinante cujas linhas sao as compo-
nentes dos vectores u, v e w:
V =

det
_

_
1 2 3
1 3 1
2 1 2
_

= [ 10[ = 10.
2. Considere os pontos do espaco A(0, 1, 2), B(1, 3, 4), C(3, 5, 6).
(i) Determine a area do triangulo [ABC].
(ii) Determine a equa cao do plano que contem os tres pontos dados.
Resolucao.
(i) Consideremos os vectores u =

AB = (1, 2, 2) e v =

AC = (3, 4, 4) e calculemos
o produto vectorial de u por v:
u v =

i j k
1 2 2
3 4 4

= (8 8, (4 6), 4 6) = (0, 2, 2).


A area do triangulo [ABC] e
A =
1
2
|u v| =
1
2
_
0
2
+ 2
2
+ (2)
2
=

2.
(ii) Como os vectores u e v considerados na alnea anterior sao paralelos ao plano,
o seu produto vectorial w = u v, ja calculado acima, e normal ao plano.
Sendo assim, a equa cao do plano sera da forma
0x + 2y 2z = D,
onde D e uma constante a determinar. Para determinar D basta escolher
um ponto do plano, por exemplo, o ponto A, e substituir x, y e z pelas suas
coordenadas:
0 0 + 2 1 2 2 = D,
61
3. Vectores em IR
n
isto e, D = 2. Logo a equa cao do plano que contem os pontos A, B e C e
0x + 2y 2z = 2,
ou seja, y z = 1.
3. Escreva a equa cao de uma recta que contenha o ponto (1, 1, 1) e seja paralela ao
plano de equa cao x 2y + 2z = 1.
Resolucao. O vector w = (1, 2, 2) e perpendicular ao plano. Para a recta ser
paralela ao plano, o seu vector director tera de ser perpendicular a w. Consideremos
por exemplo o vector u = (0, 1, 1). O vector u e ortogonal a w, porque
u w = 1 0 + (2) 1 + 2 1 = 0.
A equa cao de uma recta nas condi coes pedidas podera ser
_

_
x = 1
y 1
1
=
z 1
1
.
4. Dadas as transformacoes
T
1
: IR
2
IR
2
e T
2
: IR
3
IR
2
,
denidas por
T
1
(x, y) = (x y, 3x) e T
2
(x, y, z) = (xy, z),
(a) Determinar T
1
(2, 1) e T
2
(1, 1, 3).
(b) Averiguar se sao lineares.
Resolucao.
(a)
T
1
(2, 1) = (2 1, 3 2) = (1, 6)
T
2
(1, 1, 3) = (1 1, 3) = (1, 3).
(b) Sejam u = (u
1
, u
2
) e v = (v
1
, v
2
) dois vectores de IR
2
e um escalar real.
Como
T
1
(u +v) = T
1
(u
1
+ v
1
, u
2
+ v
2
)
= ((u
1
+ v
1
) (u
2
+ v
2
), 3(u
1
+ v
1
))
= (u
1
u
2
+ v
1
v
2
, 3u
1
+ 3v
1
)
62
3.3. Exerccios Resolvidos
e
T
1
(u) + T
1
(v) = T
1
(u
1
, u
2
) + T
1
(v
1
, v
2
)
= (u
1
u
2
, 3u
1
) + (v
1
v
2
, 3v
1
)
= (u
1
u
2
+ v
1
v
2
, 3u
1
+ 3v
1
)
conclui-se que
T
1
(u +v) = T
1
(u) + T
1
(v).
Atendendo a que
T
1
(u) = T
1
(u
1
, u
2
)
= (u
1
u
2
, 3u
1
)
= (u
1
u
2
, 3u
1
)
= T
1
(u),
verica-se a identidade
T
1
(u) = T
1
(u).
Como sao vericadas as duas condi coes da deni cao de transformacao linear,
concluimos que T
1
e linear.
Analisemos agora a linearidade de T
2
. O facto de a deni cao de T
2
envolver o
produto de duas variaveis, leva-nos a suspeitar que T
2
nao e de facto linear. De
qualquer modo temos de apresentar um contra-exemplo que mostre que uma
das condi coes que denem uma transformacao linear nao se verica. Conside-
remos, por exemplo, os vectores tridimensionais u = (1, 2, 3) e v = (1, 1, 1).
Atendendo a que
T
2
(u +v) = T
2
(2, 3, 4) = (2 3, 4) = (6, 4)
e
T
2
(u) + T
2
(v) = T
2
(1, 2, 3) + T
2
(1, 1, 1)
= (1 2, 3) + (1 1, 1)
= (2, 3) + (1, 1)
= (3, 4),
podemos armar que T
2
nao e linear, uma vez que
T
2
(u +v) ,= T
2
(u) + T
2
(v).
5. Determine e represente geometricamente a imagem do triangulo de vertices (1, 0),
(2, 0) e (2, 1) pela transformacao matricial f : IR
2
IR
2
denida por f(u) = Au,
onde A =
_
0 1
1 0
_
. Qual e a ac cao de f sobre o triangulo?
63
3. Vectores em IR
n
Resolucao. Para determinar a imagem do rect angulo dado, colocamos as coorde-
nadas dos seus vertices como colunas de uma matriz e multiplicamos esta matriz ` a
esquerda por A:
_
0 1
1 0
_ _
1 2 2
0 0 1
_
=
_
0 0 1
1 2 2
_
.
A imagem do triangulo por f e o triangulo de vertices (0, 1), (0, 2) e (1, 2).
Pode-se observar que a funcao faz rodar o triangulo em 90 graus, em torno da
origem.
6. Considere o subconjunto de IR
3
V = (x, y, z) IR
3
: x + 2y + z = 0.
(a) Mostre que V e um subespaco vectorial de IR
3
.
(b) Determine uma base e a dimens ao de V .
Resolucao.
(a) (i) V e um conjunto nao vazio (V ,= ), porque (0, 0, 0) V , uma vez que
0 + 2 0 + 0 = 0.
(ii) Sendo u = (u
1
, u
2
, u
3
) e v = (v
1
, v
2
, v
3
) dois vectores de V , sabemos que
u
1
+ 2u
2
+ u
3
= 0 e v
1
+ 2v
2
+ v
3
= 0. (3.1)
Pretendemos mostrar que
u +v = (u
1
+ v
1
, u
2
+ v
2
, u
3
+ v
3
) V
isto e, que
u
1
+ v
1
+ 2(u
2
+ v
2
) + u
3
+ v
3
= 0. (3.2)
Para mostrar que (3.2) e verdadeira, basta usar (3.1) e a atender a que
u
1
+ v
1
+ 2(u
2
+ v
2
) + u
3
+ v
3
= u
1
+ 2u
2
+ u
3
+ v
1
+ 2v
2
+ v
3
= 0 + 0
= 0.
64
3.3. Exerccios Resolvidos
(iii) Sendo u = (u
1
, u
2
, u
3
) um vector de V e IR, sabemos que
u
1
+ 2u
2
+ u
3
= 0. (3.3)
Pretendemos mostrar que
u = (u
1
, u
2
, u
3
) V
isto e, que
u
1
+ 2u
2
+ u
3
= 0. (3.4)
Para mostrar que (3.4) e verdadeira, basta usar (3.3) e atender a que
u
1
+ 2u
2
+ u
3
= (u
1
+ 2u
2
+ u
3
)
= 0
= 0.
(b) Na condi cao x+2y+z = 0 que caracteriza V , ha duas variaveis livres. Fazendo
x = 2y z, podemos dizer que y e z sao variaveis livres. Isto signica que
V tem dimens ao 2. Para determinar uma base de V , basta efectuar a seguinte
decomposicao para os elementos de V :
(x, y, z) = (2y z, y, z)
= (2y, y, 0) + (z, 0, z)
= y(2, 1, 0) + z(1, 0, 1), y, z IR.
Designando B := (2, 1, 0), (1, 0, 1), ca mostrado que B gera V . A forma
como se efectuou a separa cao dos vectores garante a independencia linear dos
vectores de B. Logo, B e uma base de V .
7. Considere os vectores
v
1
= (1, 0, 2), v
2
= (0, 1, 1), v
3
= (1, 1, 1)
e o subespaco S = v
1
, v
2
, v
3
.
(a) Averigue se o vector u = (0, 3, 3) e combinacao linear de v
1
, v
2
e v
3
.
(b) Diga, justicando, se o vector u pertence a S.
(c) Averigue se v
1
, v
2
, v
3
e uma base de S.
(d) Determine uma condi cao que caracterize o subespaco S = v
1
, v
2
, v
3
.
Resolucao.
(a) Escrevendo
u = v
1
+ v
2
+ v
3
(0, 3, 3) = (1, 0, 2) + (0, 1, 1) + (1, 1, 1)
(0, 3, 3) = ( + , , 2 + + )
65
3. Vectores em IR
n
obtemos o sistema _

_
+ = 0
= 3
2 + + = 3
.
Resolvendo o sistema pelo metodo de eliminacao de Gauss, obtemos
[A[b] =
_

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

L
3
2L
1
+ L
3
_

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

L
3
L
2
+ L
3
_

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

_
.
Passando a matriz completa ao sistema correspondente, obtemos
_
+ = 0
= 3

_
=
= 3 + ( IR)
.
Uma vez que
(0, 3, 3) = (1, 0, 2) + (3 + )(0, 1, 1) + (1, 1, 1),
podemos armar que o vector u e combinacao linear dos tres vectores dados.
Neste caso, e possvel escrever u como combinacao linear de v arias formas
distintas, bastando para isso atribuir valores a . Por exemplo,
= 1 (0, 3, 3) = (1, 0, 2) + 4(0, 1, 1) + (1, 1, 1)
= 0 (0, 3, 3) = 0(1, 0, 2) + 3(0, 1, 1) + 0(1, 1, 1).
(b) Como u e combinacao linear dos tres vectores dados, isto signica que u S.
Note-se que, por deni cao, S e formado por todas as possveis combinacoes
lineares de v
1
, v
2
, v
3
.
(c) Em primeiro lugar, vamos estudar a dependencia linear dos vectores. Como
v
1
+ v
2
+ v
3
= 0
(1, 0, 2) + (0, 1, 1) + (1, 1, 1) = (0, 0, 0)
( + , , 2 + + ) = (0, 0, 0),
obtemos o sistema _

_
+ = 0
= 0
2 + + = 0
.
Resolvendo este sistema pelo metodo de eliminacao de Gauss (ao cuidado do
aluno), constatamos que ele e indeterminado, tendo portanto mais do que uma
solucao. Assim, os tres vectores sao linearmente dependentes, nao podendo
formar uma base de S.
66
3.3. Exerccios Resolvidos
(d) Seja (x, y, z) um vector qualquer de S. Entao existem escalares , e tais
que
(x, y, z) = v
1
+ v
2
+ v
3
(x, y, z) = ( + , , 2 + + ) .
Daqui resulta o seguinte sistema linear, que, por hipotese, e possvel:
_

_
+ = x
= y
2 + + = z
.
Queremos saber quais os valores reais de x, y e z que tornam este sistema
possvel. Para isso e necessario determinar a forma de escada da matriz com-
pleta.
[A[b] =
_

_
1 0 1 x
0 1 1 y
2 1 1 z
_

L
3
2L
1
+ L
3
_

_
1 0 1 x
0 1 1 y
0 1 1 2x + z
_

L
3
L
2
+ L
3
_

_
1 0 1 x
0 1 1 y
0 0 0 2x + y + z
_

_
.
Concluimos entao que o sistema linear e possvel se e so se car[A[b] = car(A)
se e so se 2x + y + z = 0. Logo
S = (x, y, z) IR
3
: 2x + y + z = 0.
67
3. Vectores em IR
n
3.4 Exerccios
1. Determine u +v, u v, 2u e 3u 2v, sendo u = (1, 2, 3) e v = (0, 1, 2).
2. Sejam
u =
_

_
1
2
3
_

_
, v =
_

_
3
1
3
_

_
, w =
_

_
a
1
b
_

_
, x =
_

_
3
c
2
_

_
.
Determine a, b e c de modo que
(a) w =
1
2
u (b) w +v = u (c) w +x = v
3. Represente geometricamente os seguintes vectores:
(a) u = (2, 3, 1) (b) v = (0, 1, 4) (c) w = (0, 0, 1)
4. Represente geometricamente os seguintes vectores, onde e dado o ponto de aplicacao
e a extremidade.
(a) (2, 3, 1), (0, 0, 2) (b) (1, 1, 0), (0, 1, 1) (b) (1, 1, 3), (0, 0, 1)
5. Sejam u = (3, 2, 1), v = (0, 2, 3) e v = (2, 6, 7). Calcule
a) u v; b) u (v 2w) ; c) (u v) 3w .
6. Determine a area do triangulo de vertices P, Q e R, onde
(a) P = (2, 6, 1), Q = (1, 1, 1), R = (4, 6, 2);
(b) P = (1, 1, 2), Q = (0, 3, 4), R = (6, 1, 8).
7. Determine um vector ortogonal a ambos os vectores u = i +k e v = j +k.
8. Sabendo que u (v w) = 3 determine
a) u (w v) ; b) (v w) u; c) (u w) v .
9. Determine o volume do paraleleppedo de arestas u, v e w, sendo
(a) u = (1, 2, 1), v = (3, 0, 2), w = (2, 2, 4);
(b) u = (3, 1, 2), v = (4, 5, 1), w = (1, 2, 4).
10. Simplique (u +v) (u v).
11. Escreva na forma reduzida e cartesiana a equa cao da recta em IR
2
que contem os
pontos
(a) P(1, 1) e Q(1, 2)
(b) P(0, 1) e Q(1, 1).
68
3.4. Exerccios
12. Dados os pontos A(1, 1, 1), P(2, 1, 3) e Q(1, 3, 2) e o vector v = (2, 1, 0), escreva
as equa coes da:
(a) recta que contem A e tem a direccao de v;
(b) recta que contem A e P;
(c) recta OA;
(d) recta que contem A e Q;
(e) recta que contem A e e ortogonal a

PQ e a v.
13. Determine as equa coes da recta que contem os pontos (3, 1, 1) e (1, 2, 7). Verique
se os pontos (7, 0, 5) e (7, 0, 5) pertencem a essa recta.
14. Determine a equa cao do plano que:
(a) contem o ponto A(0, 4, 3) e e perpendicular ao vector 2i + 2j +k;
(b) contem os pontos (2, 1, 0), (3, 0, 2) e (0, 4, 3);
(c) contem o ponto (2, 3, 4) e e paralelo ao plano 3x y 3z = 5;
(d) contem os pontos (1, 0, 0), (0, 1, 0) e (0, 0, 1).
15. Condidere os vectores a = 2i + 3j 4k e b = j +k. Determine:
(a) Um vector n ortogonal aos vectores a e b;
(b) A equa cao do plano que contem a origem e e gerado pelos vectores a e b;
16. Considere o plano de equa cao 5x y + 7z = 21. Determine:
(a) Um ponto do plano que esteja no eixo Ox;
(b) Um vector perpendicular ao plano;
(c) Um vector paralelo ao plano.
17. Determine as equa coes da recta denida pela interseccao dos planos xy+3z+1 = 0
e 3x 2y z 2 = 0 .
18. Averigue se as seguintes transformacoes sao lineares.
(a) T : IR
2
IR
3
, T(x, y) = (x + 1, y, x + y)
(b) T : IR
3
IR
3
, T(x, y, z) = (x + y, y, x z)
(c) T : IR
2
IR
2
, T(x, y) = (x
2
+ x, y y
2
)
(d) T : IR
3
IR
3
, T(x, y, z) = (2x 3y, 3y 2z, 2z)
(e) T : IR
2
IR
3
, T(x, y) = (x + y, 0, 2x)
19. Seja L : IR
2
IR
2
uma transformacao linear tal que L(i) = (2, 3) e L(j) = (1, 2).
Determine:
69
3. Vectores em IR
n
(a) L(4, 3)
(b) L(x, y)
20. Seja L : IR
3
IR
3
uma transformacao linear tal que L(i) = (1, 2, 1), L(j) =
(1, 0, 2) e L(k) = (1, 1, 3). Determine:
(a) L(2, 1, 3)
(b) L(x, y, z).
21. Nas alneas seguintes, represente geometricamente o vector u e a sua imagem pela
transformacao matricial dada.
(a) f : IR
2
IR
2
denida por f
__
x
y
__
=
_
1 0
0 1
_ _
x
y
_
; u =
_
2
3
_
;
(b) f : IR
2
IR
2
e uma rotacao (no sentido contr ario aos ponteiros do relogio) de
um angulo de 2/3 radianos; u =
_
2
3
_
;
(c) f : IR
3
IR
3
denida por f
_
_
_
_
_

_
x
y
z
_

_
_
_
_
_
=
_

_
1 0 1
1 1 0
0 0 1
_

_
_

_
x
y
z
_

_
;
u =
_

_
0
2
4
_

_
;
22. Descreva geometricamente cada uma das seguintes transformacoes matriciais f :
IR
2
IR
2
denida por f(u) = Au, onde e dada a matriz A.
(a) A =
_
0 1
1 0
_
(b) A =
_
0 1
1 0
_
(c) A =
_
0 0
0 1
_
23. Seja T : IR
2
IR
2
a transformacao linear denida por T(u) = Au, onde
A =
_
cos sin
sin cos
_
,
isto e, T e uma rotacao.
(a) Se T
1
(u) = A
2
u, descreva a ac cao de T
1
sobre u.
(b) Se T
2
(u) = A
1
u, descreva a ac cao de T
2
sobre u.
(c) Se =

3
, qual e o menor inteiro positivo para o qual T(u) = A
k
u = u?
24. Determine e represente geometricamente a imagem do rect angulo R de vertices
(1, 1), (2, 1), (1, 3) e (2, 3) pelas seguintes transformacoes lineares:
(a) Simetria em rela cao ao eixo dos yy;
70
3.4. Exerccios
(b) Shear com k = 3 na direccao do eixo dos xx;
(c) Shear com k = 2 na direccao do eixo dos yy, isto e, a transformacao
matricial f : IR
2
IR
2
denida por f(v) = Av, onde
A =
_
1 0
k 1
_
;
(d) Dilatacao com k = 4;
(e) Contraccao com k = 1/4.
25. Determine e represente geometricamente a imagem do triangulo T de vertices (5, 0),
(0, 3) e (2, 1) pelas seguintes sequencias de transformacoes lineares:
(a) Transforma cao do exerccio 24b) seguida da transforma cao do exerccio 24e);
(b) Transforma cao do exerccio 24d) seguida da transforma cao do exerccio 24c),
seguida da transformacao do exerccio 24a);
(c) Transforma cao do exerccio 24b) seguida da transforma cao do exerccio 24c).
26. Considere os seguintes subconjuntos de IR
3
:
S
1
= (x, y, z) IR
3
: x = y
S
2
= (x, y, z) IR
3
: 2x + y z = 0
S
3
= (x, y, z) IR
3
: x + 5y = 0 z = 1
S
4
= (x, y, z) IR
3
: y
2
z
2
= 0
S
5
= (x, y, z) IR
3
: x + y + z = 0 x y + z = 0
S
6
= (x, y, z) IR
3
: x 0.
(a) Escolha dois elementos de cada subconjunto e averigue se a sua soma ainda lhe
pertence. Escolha tambem um escalar e um vector e averigue se a multiplica cao
do vector pelo escalar ainda pertence ao subconjunto.
(b) Descreva geometricamente cada um dos subconjuntos.
(c) Averigue se cada subconjunto e um subespaco de IR
3
.
27. Mostre que o subconjunto S, denido por cada uma das condi coes seguintes, e um
subespaco de IR
4
(supoe-se que (x, y, z, t) representa um vector generico de IR
4
):
(a) 2x = y + t (b) x + y = z t (c) x = 0 z + t = 0
28. Escreva, se possvel, cada um dos seguintes vectores como combinacao linear dos
vectores v
1
= (1, 2) e v
2
= (1, 1) de IR
2
:
(a) (5, 4) (b) (1, 3) (c) (0, 1) (d) (2, 3)
29. Sendo v
1
= (1, 0, 2), v
2
= (0, 1, 1) e v
3
= (1, 1, 1) escreva, se possvel, cada um
dos vectores seguintes como combinacao linear de v
1
, v
2
e v
3
:
(a) (1, 2, 3) (b) (1, 2, 4) (c) (1, 1/2, 1) (d) (5, 2, 0)
71
3. Vectores em IR
n
30. Averigue se IR
2
e ou nao gerado por cada um dos seguintes pares de vectores:
(a) (1, 1), (2, 2) (b) (0, 1), (3, 4) (c) (0, 2), (1, 1) (d) (2, 3), (2, 3)
31. Determine, se possvel, uma condi cao que caracterize o subespaco gerado pelos
seguintes vectores e averigue se esses vectores geram IR
3
:
(a) (1, 1, 1), (2, 2, 0), (3, 0, 0) (b) (2, 1, 3), (4, 1, 2), (8, 1, 8)
(c) (3, 1, 4), (2, 3, 5), (1, 4, 1)
32. Determine:
(a) a equa cao do plano gerado pelos vectores u = (1, 1, 1) e v = (2, 3, 5) e que
passa em (0, 0, 0);
(b) a equa cao da recta gerada pelo vector u = (2, 7, 1) e que passa em (0, 0, 0).
33. Sem efectuar calculos, explique porque e que os vectores seguintes sao linearmente
dependentes:
(a) u = (1, 2) e v = (3, 6) em IR
2
(b) u = (2, 3), v = (5, 8) e w = (6, 1) em IR
2
(c) u = (1, 2, 1) e v = (2, 4, 2) em IR
3
.
34. Estude a dependencia linear dos seguintes vectores:
(a) (2, 1, 4), (3, 6, 2) e (2, 10, 4) (b) (3, 1, 1), (11, 1, 5) e (4, 0, 3)
(c) (6, 0, 1) e (1, 1, 4) (d) (1, 3, 3), (0, 1, 4), (5, 6, 3) e (7, 2, 1)
35. Verique se os seguintes vectores de IR
3
sao complanares:
(a) (1, 0, 2), (3, 1, 2) e (1, 1, 0) (b) (2, 1, 4), (4, 2, 3) e (2, 7, 6)
36. Sem efectuar calculos, explique porque e que os seguintes conjuntos de vectores nao
sao bases dos conjuntos indicados:
(a) (1, 2), (0, 3) e (2, 7) para IR
2
(b) (1, 3, 2) e (6, 1, 1) para IR
3
37. Quais dos seguintes conjuntos de vectores sao bases para os conjuntos indicados?
(a) (2, 1) e (3, 0) para IR
2
(b) (0, 0) e (1, 3) para IR
2
(c) (3, 1, 4), (2, 5, 6) e (1, 4, 8) para IR
3
(d) (1, 0, 0), (2, 2, 0) e (3, 3, 3) para IR
3
38. Quais dos seguintes conjuntos de vectores sao bases de IR
4
?
(a) (1, 0, 0, 1), (0, 1, 0, 0), (1, 1, 1, 1), (0, 1, 1, 1);
(b) (1, 1, 0, 2), (3, 1, 2, 1), (3, 1, 2, 1);
(c) (0, 0, 1, 1), (1, 1, 1, 2), (1, 1, 0, 0), (2, 1, 2, 1).
39. Determine uma base de IR
3
que inclua os vectores
(a) (1, 0, 2);
72
3.4. Exerccios
(b) (1, 0, 2), (0, 1, 3);
40. Determine uma base de IR
4
que inclua os vectores (1, 0, 1, 0) e (0, 1, 1, 0).
41. Determine todos os valores de a para os quais (a
2
, 0, 1), (0, a, 2), (1, 0, 1) e formam
uma base de IR
3
.
42. Seja A uma matriz mn. Mostre que o conjunto solucao de um sistema homogeneo
AX = 0 e um subespaco vectorial de IR
n
.
43. Determine a dimens ao e uma base para o conjunto solucao dos seguintes sistemas
homogeneos:
(a)
_

_
2x + y + 3z = 0
x + 2y = 0
y + z = 0
(b)
_
3x + y + z + t = 0
5x y + z t = 0
(c)
_

_
x + y + z = 0
3x + 2y z = 0
2x 4y + z = 0
4x + 8y 3z = 0
2x + y 2z = 0
44. Determine a dimens ao e indique uma base para:
(a) os seguintes subespacos de IR
3
:
(i) o plano 3x 2y + 5z = 0 (ii) o plano x y = 0
(iii) a recta x = 2t y = t z = 4t (t IR) (iv) (a, b, c) IR
3
: b = a + c
(b) o subespaco de IR
5
, (x
1
, x
2
, x
3
, x
4
, x
5
) IR
5
: x
1
+ x
2
= 0 x
3
= x
4

(c) o subespaco de IR
4
, (x, y, z, w) IR
4
: y + z + w = 0
73
74
Captulo 4
Valores e Vectores Proprios
4.1 Denic oes e Exemplos
Denicao. Seja A IR
nn
. Um vector nao nulo u IR
n
diz-se um vector proprio
de A se existir IK tal que
Au = u.
Ao escalar chama-se valor proprio de A; tambem se diz que u e um vector pr oprio
de A associado ao valor pr oprio .
Exemplo. Sejam u =
_
1
2
_
, A =
_
3 0
8 1
_
.
Como
Au =
_
3 0
8 1
_ _
1
2
_
=
_
3
6
_
= 3
_
1
2
_
= 3u,
entao u e um vector pr oprio de A associado ao valor pr oprio = 3.
Geometricamente, u e um vector pr oprio da matriz A se o vector Au, resultante da
multiplica cao de A por u, for paralelo a u.
75
4. Valores e Vectores Proprios
4.2 Calculo de valores e vectores pr oprios
Teorema. Sejam A IR
nn
e IK. Entao e valor pr oprio de A se e so se
det(A I) = 0.
c() = det(AI) e dito o polinomio caracterstico de A; as razes deste polin omio
de grau n sao os valores pr oprios de A; o n umero de valores pr oprios (n ao necessa-
riamente distintos) de A, e menor ou igual a n.
Ao conjunto dos valores pr oprios de A chama-se espectro de A e representa-se por
(A).
eig(A) e o comando que se usa no Matlab para calcular os valores pr oprios da
matriz A.
Como os valores pr oprios sao obtidos atraves das razes de um polin omio de coe-
cientes reais, pode acontecer que uma matriz com entradas em IR tenha valores
pr oprios complexos, ocorrendo estes em pares conjugados.
det(A I) = 0 e dita a equa cao caracterstica de A.
Teorema. Sejam A uma matriz n n e um valor pr oprio de A.
(i) Se u e um vector pr oprio de A associado a entao u ( IR) tambem e um
vector pr oprio de A associado a .
(ii) Se u e v sao vectores pr oprios associados a entao u+v tambem e um vector
pr oprio associado a .
Exerccio 4.2.1 Demonstrar o teorema anterior.
Sejam A uma matriz n n e um valor pr oprio de A. Pelo teorema anterior, o
conjunto
E() = u IR
n
: Au = u
e um subespaco vectorial de IR
nn
, que se chama espaco proprio de A associado ao
valor pr oprio .
O espaco E() 0 e formado por todos os vectores associados ao valor pr oprio .
76
4.3. Propriedades dos valores pr oprios
O espaco pr oprio E() pode ainda ser representado na forma
E() = u IR
n
: (AI) u = 0.
Fazendo u = [u
1
u
2
. . . u
n
]

, a equa cao matricial (A I) u = 0 representa um


sistema homogeneo nas incognitas u
1
, u
2
, . . . , u
n
. Como det(AI) = 0 e, portanto,
car(AI) < n, concluimos que este sistema e sempre indeterminado.
Exerccio 4.2.2 Determine os valores e os vectores pr oprios da matriz
A =
_

_
1 0 3
1 2 1
3 0 1
_

_
.
Observacao. Suponhamos que o polin omio caracterstico c() tem grau 3. Se
nao conseguirmos decompor c() em factores (nestas condi coes nao podemos aplicar
a lei do anulamento do produto!), podemos ainda tentar o seguinte resultado:
Se um polinomio p(x) tiver razes inteiras, entao elas sao divisores do termo
independente de p(x).
Denicoes.
(i) Seja c() o polin omio caracterstico de A. Diz-se que e um valor pr oprio de
A com multiplicidade algebrica k se e uma raz de c() com multiplicidade
k; escreve-se ma() = k.
(ii) diz-se um valor pr oprio de multiplicidade geometrica l se dimE() = l;
escreve-se mg() = l.
Teorema. 1 mg() ma().
Exerccio 4.2.3 Vericar este teorema para a matriz do exerccio anterior.
4.3 Propriedades dos valores pr oprios
Propriedade 1. Sejam A e B matrizes n n. Se existir uma matriz P invertvel
tal que A = PBP
1
entao A e B tem o mesmo polin omio caracterstico (e portanto
os mesmo valores pr oprios).
77
4. Valores e Vectores Proprios
Demonstracao. Sejam c
A
() o polin omio caracterstico de A e c
B
() o polin omio
caracterstico de B. O teorema resulta das seguintes identidades:
c
A
() = det(A I)
= det(PBP
1
I)
= det(PBP
1
PP
1
)
= det
_
P(B I)P
1
_
= det(P) det(B I) det(P
1
)
= det(P)(det(P))
1
det(B I)
= det(B I)
= c
B
()
Propriedade 2. Seja A uma matriz n n. Se
1
,
2
, ...,
n
sao os valores pr oprios
de A (n ao necessariamente distintos) entao
det(A) =
1

2
...
n
tr(A) =
1
+
2
+ ... +
n
,
onde tr(A) denota o traco de A que e a soma dos elementos da diagonal de A.
Propriedade 3. Uma matriz A e invertvel se e so se os seus valores pr oprios sao
todos nao nulos.
Demonstracao. Como o determinante e o produto dos valores pr oprios, podemos
dizer que det(A) ,= 0 se e so se todos os valores pr oprios de A forem nao nulos.
Como A e invertvel se e so se det(A) ,= 0, ca demonstrado o resultado.
Propriedade 4. As matrizes A e A
T
tem o mesmo polin omio caracterstico.
Sejam c
A
() o polin omio caracterstico de A e c
A
() o polin omio caracterstico de
A

. O teorema resulta das seguintes identidades:


c
A
() = det(A I)
= det
_
(A I)

_
= det(A

I)
= c
A
()
Propriedade 5 (Teorema de Cayley-Hamilton). Se
c() = (1)
n

n
+ a
n1

n1
+ ... + a
1
+ a
0
78
4.4. Diagonalizacao de matrizes
e polin omio caracterstico de A, entao
c(A) = (1)
n
A
n
+ a
n1
A
n1
+ ... + a
1
A + a
0
I = 0 .
Exerccio 4.3.1
(a) Verique a Propriedade 2 para a matriz
A =
_

_
1 0 3
1 2 1
3 0 1
_

_
;
(b) Verique o teorema de Cayley-Hamilton para a matriz
A =
_
1 1
1 3
_
.
4.4 Diagonaliza cao de matrizes
Chama-se matriz diagonal a uma matriz quadrada cujas entradas fora da diagonal
sao todas nulas.
Denicao. Diz-se que uma matriz n n e diagonalizavel se existirem matrizes D
diagonal, e P invertvel, tais que
A = PDP
1
.
Exemplo. A =
_

_
3 2 0
2 3 0
0 0 5
_

_
, P =
_

_
1 0 1
1 0 1
0 1 0
_

_
, D =
_

_
5 0 0
0 5 0
0 0 1
_

_
.
A e diagonalizavel, porque A = PDP
1
(basta fazer os calculos!)
Como averiguar se A e diagonalizavel?
Teorema 1. Seja A uma matriz nn. Se A tem n valores pr oprios distintos entao
A e diagonalizavel.
Teorema 2. Seja A uma matriz n n. A matriz A e diagonalizavel se e so se,
para cada valor pr oprio de A, as multiplicidades algebrica e geometrica coincidem:
ma() = mg().
79
4. Valores e Vectores Proprios
Se A for diagonalizavel, como determinar P e D?
1
o
) Determinar uma base para cada espaco pr oprio de A; denotemos os vectores que
constituem essas bases (num total de n) por p
1
, p
2
, ..., p
n
.
2
o
) Formar a matriz P de colunas p
1
, p
2
, ..., p
n
e D = diag(
1
,
2
, ...,
n
), onde p
i
e um vector pr oprio associado ao valor pr oprio
i
, i = 1, 2, ..., n.
Se P e D forem determinadas conforme indicado nos passos 1
o
) e 2
o
) entao
A = PDP
1
.
Exerccio 4.4.1 Averiguar se A =
_

_
3 2 0
2 3 0
0 0 5
_

_
e diagonalizavel e, em caso
armativo, determinar P e D na decomposicao A = PDP
1
.
80
4.5. Exerccios Resolvidos
4.5 Exerccios Resolvidos
1. Considere a matriz A =
_

_
0 1 1
1 0 1
1 1 0
_

_
.
(a) Determine os valores pr oprios de A e indique as respectivas multiplicidades
algebricas.
(b) Determine os subespacos pr oprios da matriz A.
(c) Averigue se A e diagonalizavel e, em caso armativo, determine uma matriz
invertvel P e uma matriz diagonal D tais que P
1
AP = D.
Resolucao.
(a)
c() = det(A I)
= det
_

_
1 1
1 1
1 1
_

_
= (
2
1) 1( 1) + 1( + 1)
= ( 1)( + 1) + 2( + 1)
= ( + 1) [( 1) + 2]
= ( + 1)(
2
+ + 2)
Fazendo c() = 0, obtemos
+ 1 = 0
2
+ + 2 = 0,
ou seja,
= 1 = 1 = 2,
donde se conclui que os valores pr oprios de A sao 1, 1, 2, em que
ma(1) = 2, ma(2) = 1.
(b) O subespaco pr oprio associado ao valor pr oprio 1 e
E(1) = u IR
3
: (A + I)u = 0.
Para conhecermos os vectores de E(1) de forma explcita, e necessario resolver
o sistema homogeneo, possvel e indeterminado,
(A+ I)u = 0.
81
4. Valores e Vectores Proprios
(A + I)u = 0
_

_
1 1 1
1 1 1
1 1 1
_

_
_

_
u
1
u
2
u
3
_

_
=
_

_
0
0
0
_

_
u
1
+ u
2
+ u
3
= 0
u
1
+ u
2
+ u
3
= 0
u
1
+ u
2
+ u
3
= 0
Vamos resolver este sistema usando as tecnicas estudadas anteriormente:
[A[0] =
_

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

L
2
L
1
+ L
2
L
3
L
1
+ L
3
_

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

_
.
Podemos observar que ha ncar(A) = 31 = 2 variaveis livres, que sao u
2
=
e u
3
= . Passando a matriz em forma de escada ao sistema correspondente e
resolvendo, obtemos
_

_
u
1
=
u
2
= (, IR)
u
3
=
.
Como
(u
1
, u
2
, u
3
) = ( , , )
= (, , 0) + (, 0, )
= (1, 1, 0) + (1, 0, 1), , IR,
temos
E(1) = (1, 1, 0), (1, 0, 1) .
Para o valor pr oprio = 2, temos
E(2) = u IR
3
: (A 2 I)u = 0.
(A 2 I)u = 0
_

_
2 1 1
1 2 1
1 1 2
_

_
_

_
u
1
u
2
u
3
_

_
=
_

_
0
0
0
_

_
2u
1
+ u
2
+ u
3
= 0
u
1
2u
2
+ u
3
= 0
u
1
+ u
2
2u
3
= 0
82
4.5. Exerccios Resolvidos
Calculando a forma de escada da matriz completa
_

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

_
,
obtemos a matriz
_

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

_
.
Passando ao sistema correspondente, temos
_
u
1
2u
2
+ u
3
= 0
u
2
+ u
3
= 0

_

_
u
1
=
u
2
= ( IR)
u
3
=
.
Como
(u
1
, u
2
, u
3
) = (, , )
= (1, 1, 1), IR,
temos
E(2) = (1, 1, 1) .
(c) Como
mg(1) = dimE(1) = 2 = ma(1)
e
mg(2) = dimE(2) = 1 = ma(2),
a matriz A e diagonalizavel. As matrizes P e D que vericam a rela cao
P
1
AP = D sao
P =
_

_
1 1 1
1 0 1
0 1 1
_

_
e
D =
_

_
1 0 0
0 1 0
0 0 2
_

_
.
Recorde-se que as colunas de P sao os vectores das bases dos subespacos
pr oprios e que D e uma matriz diagonal, sendo a sua diagonal constituda
pelos valores pr oprios de A.
83
4. Valores e Vectores Proprios
4.6 Exerccios
1. Para cada matriz, encontre todos os valores pr oprios e os respectivos espacos pr oprios:
(a)
_
2 2
1 3
_
(b)
_
4 2
3 3
_
(c)
_

_
1 2 2
1 2 1
1 1 4
_

_
(d)
_

_
2 0 1
1 0 1
0 1 1
_

_
(e)
_

_
1 1 0
0 1 0
0 0 1
_

_
Indique a multiplicidade algebrica e a multiplicidade geometrica de cada valor
pr oprio.
2. Para cada matriz do exerccio anterior, verique que o traco da matriz e a soma dos
valores pr oprios e que o determinante e o produto dos valores pr oprios (tendo em
conta a multiplicidade algebrica de cada um).
3. Determine os valores pr oprios das seguintes matrizes:
(a)
_
3 8
2 3
_
(b)
_
1 1
2 3
_
4. Mostre que:
(a) Os valores pr oprios de um matriz triangular sao os elementos da diagonal da
matriz.
(b) Se A e nao singular e e um valor pr oprio de A entao 1/ e um valor pr oprio
de A
1
.
(c) Se B = S
1
AS e u e um vector pr oprio de B associado ao valor pr oprio ,
entao Su e um vector pr oprio de A associado a .
5. Duas matrizes n n, A e B, dizem-se semelhantes se existir uma matriz invertvel
P tal que B = P
1
AP. Supondo que A e B sao semelhantes, mostre que:
(a) A
T
e B
T
tambem sao semelhantes;
(b) A
3
e B
3
tambem sao semelhantes;
(c) tr(A) = tr(B);
(d) det(A) = det(B).
6. Mostre que A =
_

_
4 0 2
0 1 0
5 1 3
_

_
nao e diagonalizavel.
7. Averigue se as matrizes do exerccio 1 sao diagonalizaveis e, em caso armativo,
determine duas matrizes diagonalizantes.
8. Determine , , , , e de modo que os vectores (1, 1, 1), (1, 0, 1) e (1, 1, 0) de
IR
3
sejam vectores pr oprios da matriz A =
_

_
1 1 1


_

_
.
84
4.6. Exerccios
9. Uma matriz quadrada com valores pr oprios distintos e diagonalizavel. Mostre que
o recproco nao e verdadeiro, recorrendo `a matriz: A =
_

_
1 1 1
1 1 1
1 1 1
_

_
.
10. (a) Mostrar que se e valor pr oprio de A entao
k
e valor pr oprio de A
k
.
(b) Seja A uma matriz tal que A
k
= 0, para algum k IN. Verique que A possui
apenas o valor pr oprio zero.
11. Seja
A =
_

_
1 1 1
1 3 1
1 1 1
_

_
.
Verique que 1 e valor pr oprio de A associado ao vector pr oprio (1, 1, 1). Alem
do valor pr oprio 1, a matriz A possui o valor pr oprio 2 com multiplicidade algebrica
igual a 2. Indique uma matriz invertvel P tal que P
1
AP seja diagonal, caso tal
matriz exista.
12. Para cada uma das seguintes matrizes use a factoriza cao SDS
1
para calcular A
6
.
(a)
_

_
1 0 0
2 1 3
1 1 1
_

_
(b)
_

_
1 2 1
2 4 2
3 6 3
_

_
13. Considere o polin omio p() =
4
3
3
+
2
+ 4 e A =
_
1 1
1 3
_
.
(a) Verique que p(A) = 0;
(b) Determine a equa cao caracterstica de A;
(c) Mostre que A satisfaz a sua equa cao caracterstica.
14. Considere a matriz A =
_

_
4 1 2
0 1 0
1 1 1
_

_
.
(a) Escreva o polin omio caracterstico e determine os valores pr oprios de A;
(b) Determine os espacos pr oprios de A e determine uma base para cada um deles.
(c) Calcule, aplicando o teorema de Cayley-Hamilton, A
4
+ 6A
3
11A
2
+ 4I.
85