105322-AlgLinear18 13 02 2014

SERVIO PBLICO FEDERAL
INSTITUTO FEDERAL DE EDUCAO TCNICA,

TECNOLGICA SUL-RIO-GRANDENSE

CAMPUS PELOTAS

COORDENADORIA DE CINCIAS DA NATUREZA,
MATEMTICA E SUAS TECNOLOGIAS

LGEBRA LINEAR

DAVI TAIRA FERREIRA
JAIR VIGNOLLE DA SILVA
LISIANE MENESES
MARIA DA GRAA PERAA
ODAIR ANTONIO NOSKOSKI
RAFAEL MONTOITO
SILVANA L. P. IAHNKE

PELOTAS

Verso: 13/02/2014

lgebra Linear CINAT-MATEMTICA 2014

1
EMENTA
Matrizes, determinantes e sistemas lineares. Espaos vetoriais. Espaos vetoriais Euclidianos.
Transformaes Lineares. Autovalores e autovetores. Diagonalizao de operadores. Forma
cannica de Jordan.

CONTEDO
1 MATRIZES, DETERMINANTES E SISTEMAS LINEARES
2 ESPAOS VETORIAIS
3 TRANSFORMAS LINEARES
4 AUTOVALORES A AUTOVETORES
5 SEMELHANA E DIAGONALIZAO DE OPERADORES
6 POLINMIO MINIMAL E FORMA CANNICA DE JORDAN
7 PRODUTO INTERNO

BIBLIOGRAFIA:
STEINBRUCH, A. e WINTERLE, P., lgebra Linear. So Paulo: Makron Books,
LIPSCHUTZ, S., lgebra Linear. So Paulo: Makron Books, 1994 (Coleo Schaum)
CALLIOLI, C. A., lgebra Linear.
BOLDRINI, J. L., lgebra Linear. Editora Harba
HOFFMAN, K., lgebra Linear.
POOLE, D., lgebra Linear.
ANTON, H., lgebra Linear.
http://pessoal.sercomtel.com.br/matematica/index.html

2

MATRIZES, DETERMINANTES E SISTEMAS LINEARES

1.1 MATRIZES

1.1.1 Definio: Uma matriz A () de entradas reais uma lista de . nmeros
organizados em uma tabela com linhas e colunas.

As linhas de uma matriz so enumeradas de cima para baixo, e as colunas so enumeradas da
esquerda para a direita. Um elemento genrico de uma matriz A denotado por
onde i
representa a linha e j representa a coluna no qual esse elemento pertence.

(
(
(
(
=
mn m m
n
n
a a a
a a a
a a a
A
...
. ... . .
...
...
2 1
2 22 21
1 12 11
ou = [
]

1.1.2 Exemplos:
a) A matriz = [
onde
= + representada por =
2 3
3 4
4 5
.
b) = [5] uma matriz 1 1.

1.1.3 Definio: Duas matrizes = [
e = [
so iguais, = , se elas tm o
mesmo nmero de linhas ( = ) e colunas ( = ), e todos os seus elementos correspondentes
so iguais (
).

1.1.4 Classificao de Matrizes

a) Matriz linha uma matriz formada por uma nica linha.
Exemplo: A = [3 6 9], matriz do tipo 1x3

b) Matriz coluna a matriz formada por uma nica coluna.
Exemplo: A =
(
(
(
(
4
0
1
2
, matriz do tipo 4x1
1

3

c) Matriz zero (nula) a matriz com todas suas entradas nulas. Uma matriz zero sempre ser
denotada por 0.
Exemplo: 0
2x2
=
(
0 0
0 0

d) Matriz quadrada aquela que possui o nmero de linhas igual ao nmero de colunas. Uma
matriz quadrada nxn chamada de matriz de ordem n.
Exemplo: A =
(
7 4
3 2
, matriz de ordem 2

e) Matriz diagonal toda matriz quadrada em que todos os elementos que no pertencem
diagonal principal so nulos. Caso todos os elementos da diagonal principal sejam iguais a 1, esta
matriz denominada matriz identidade, sendo representada por .
Exemplo: Matriz diagonal A =
(
(
(
2 0 0
0 7 0
0 0 2
, a
ij
= 0, se i j; matriz identidade =
1 0 0
0 1 0
0 0 1

f) Matriz transposta a matriz que se obtm transformando ordenadamente cada linha de A em
coluna e vice-versa. Denota-se A
T
.
Exemplo: A =
(
(
(
7 9 5
4 8 6
3 2 1
, = [
] A
T
= ,
7 4 3
9 8 2
5 6 1
(
(
(

g) Matriz triangular superior a matriz quadrada onde todos os elementos abaixo da diagonal
principal so nulos (a
ij
= 0, para i > j). J na matriz triangular inferior, todos os elementos acima
da diagonal principal so nulos (a
ij
= 0, para i < j).
Exemplo: As matrizes e so triangulares superior e inferior, respectivamente, dadas por
,
0 0
0
(
(
(
=
f
e d
c b a
S
(
(
(
=
s r w
z y
x
F 0
0 0

h) Matriz simtrica uma matriz quadrada onde
.
Propriedade: Uma matriz M simtrica =

Exemplo:

(
(
(
f e c
e d b
c b a


4
i) Matriz anti-simtrica uma matriz quadrada onde
.
Propriedade: Uma matriz M anti-simtrica =

Exemplo:

(
(
(
f e c
e d b
c b a

1.1.5 Operaes com matrizes

a) Adio e subtrao: A adio e subtrao de duas matrizes A e B, do mesmo tipo, efetuada
somando-se os seus elementos correspondentes.
i) = +
, com 1,2, , e 1,2, , .

ii) =
, com 1,2, , e 1,2, , .

b) Multiplicao de um nmero real por uma matriz: multiplica-se todos os elementos da matriz
pelo nmero.
=
, com , 1,2, , e 1,2, , .

Exemplo: Se =
3 2
1 0
e = 3, ento 3 = 3
3 2
1 0
=
9 6
3 0

c) Produto de matriz por matriz
Dada uma matriz =
e uma matriz =
, denomina-se produto de por a matriz

=
, tal que o elemento
a soma dos produtos dos elementos correspondentes da i-

sima linha de pelos elementos da j-sima coluna de . Neste caso, = , onde

A condio para que o produto entre matrizes seja realizado que o nmero de colunas da primeira
matriz tem que ser igual ao nmero de linhas da segunda matriz.

Observao: Em geral , mesmo para matrizes quadradas de mesma ordem.

1.1.6 Exemplo: Sejam =
1 1 1
3 2 1
2 1 0
e =
1 2 3
2 4 6
1 2 3
.
Ento =
0 0 0
0 0 0
0 0 0
= 0
e =
11 6 1
22 12 2
11 6 1

Note que = 0, sem que = 0 ou = 0.


5
1.1.7 Propriedades matriciais
Supondo que os tamanhos das matrizes A, B, C so tais que as operaes indicadas podem ser
efetuadas, valem as seguintes propriedades.
Considere a, b, c nmeros reais e I e 0, as matrizes identidade e nula, respectivamente.
(a) A + B = B + A Comutatividade da adio

(b) A + (B + C) = (A + B) + C Associatividade da adio

(c) A(BC) = (AB)C Associatividade da multiplicao

(d) A(B C) = AB AC Distributividade esquerda

(e) (A B)C = AC BC Distributividade direita

(f) a(B C) = aB aC

(g) (a b)C = aC bC

(h) a(bC) = (ab)C

(i) a(BC) = (aB)C = B(aC)

(j) (A
t
)
t
= A , ou seja, a transposta da transposta da matriz A igual a matriz A.

(k) (A B)
t
= A
t
B
t

(l) (AB)
t
= B
t
A
t

(m) AI = IA = A

(n) A0 = 0A = 0

1.1.8 Matriz inversa
Uma matriz quadrada A de ordem n inversvel se, e somente se, existir uma matriz B tal que
AB = BA = I
n
, onde I
n
a matriz identidade de ordem n.
Desta forma, para a matriz B, utiliza-se a seguinte notao: B = A
-1
(l-se B igual inversa de A).

Nota: Pode ser utilizado a palavra invertvel no lugar de inversvel.

Exerccio: Verifique que as matrizes A =
(

3 1
2 1
e B =
(
1 1
2 3
so inversveis entre si.

1.1.9 Exemplo: Mostre que a matriz =
1 2
2 4
no inversvel.

6
Resoluo: Suponha que tenha como inversa
=

. Da equao
= segue que
1 2
2 4

=
1 0
0 1
,
da qual obtm-se as equaes
+2 = 1
+2 = 0
2 +4 = 0
2 +4 = 1

Subtraindo duas vezes a primeira equao da terceira, obtm-se 0 = 2 (Absurdo!). Logo no
existe soluo para o sistema.

1.1.10 Definio: O determinante da matriz denotado por det().
a) Se = [] uma matriz de ordem 1 ento det() = .
b) Se
(
=
22 21
12 11
a a
a a
A
uma matriz de ordem 2 ento . ) det(
21 12 22 11
a a a a A =
Posteriormente, ser abordado o clculo do determinante de uma matriz de ordem > 2.

1.1.11 Exemplo: Determine a inversa da matriz A =
(
4 11
2 6
.

Resoluo: Esta matriz tem inversa, pois det(A) 0.
Procuremos sua inversa tal que A.B = I e B.A = I.

Sendo =

e impondo a primeira condio temos,
(
4 11
2 6
.
(
d c
b a
=
(
1 0
0 1

(
+ +
+ +
d b c a
d b c a
4 11 4 11
2 6 2 6
=
(
1 0
0 1
. Portanto,
= +
= +
0 4 11
1 2 6
c a
c a
e
= +
= +
1 4 11
0 2 6
d b
d b

Resolvendo os sistemas, resulta em: a = 2, b = -1, c = -11/ 2, d = 3

Teremos ento, A.B =
(
4 11
2 6
.
(
(

3
2
11
1 2
=
(
1 0
0 1
, ou seja, A.B = I.
Tambm vale B.A = I (Verifique!).

Portanto, B =
(
(

3
2
11
1 2
a matriz inversa de A.


7
Exerccio: Dado a matriz =

tal que det () 0, determine a inversa
.

Sugesto: Seja =

. Encontre a inversa
resolvendo o sistema = , onde a

matriz identidade. Posteriormente, confira se = .

Resposta:
()

1.1.12 Regra geral: Se =

e det () 0 ento
()

.

1.2 DETERMINANTES
A seguir, sero abordados:
definio de determinantes para matrizes de ordem 3;
mtodo de clculo de determinantes para matrizes (desenvolvimento de Laplace);
propriedades de determinantes;
clculo de determinante por escalonamento.

1.2.1 Determinantes de matrizes de ordem 3

A regra de Sarrus um mtodo para o clculo do determinante de matrizes quadradas de ordem 3.
Seja a matriz
(
(
(
=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A

O determinante dado, segundo a regra de Sarrus por
33 32 31
23 22 21
13 12 11
) det(
a a a
a a a
a a a
A =

= [(
) +(
) +(
)] [(
) +(
) +(
)]

Uma forma prtica de calcular o determinante por esta regra consiste em comear por escrever
direita da matriz as duas primeiras colunas da mesma

8

Somando-se ento os produtos dos elementos das diagonais (em linha contnua) e subtraindo-se
os produtos dos elementos das outras diagonais (em linha pontilhada), tm-se o determinante de
.

Exerccio: Calcule o determinante da matriz A=
(
(
(
5 3 2
4 1 0
3 2 1

Resposta: det() = 27

1.2.2 Desenvolvimento de Laplace

Definies: Seja A=[
ij
a ] uma matriz de ordem n, com 2. Ento:
a)
o elemento da matriz dos cofatores de A, representado pelo escalar
= (1)
, em
que
o determinante da matriz A retirando a i-sima linha e a j-sima coluna.

b) o determinante de A o escalar
=
11
11
12
12
++(1)
1+
1
= (1)
1+
=1
(I)

Exerccio: Verifique que esta definio fornece corretamente a frmula para o determinante
de uma matriz de ordem 2.

1.2.3 Exemplo: Considere a matriz A=[
ij
a ] de ordem 3, o clculo do determinante, usando os
termos da 1
a
linha, dada por:
det(A)=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
=
13 13 12 12 11 11
C a C a C a + +

A definio (I) frequentemente referida como a expanso de cofatores pela primeira linha. O fato
interessante que podemos obter o mesmo resultado com a expanso de cofatores por qualquer
linha ou mesmo por qualquer coluna. Este fato d origem ao Teorema da Expanso de Laplace.
Para mais detalhes deste teorema veja o livro de Poole (2004), citado como bibliografia.


9
O termo
= (1)
igual, a menos do sinal mais ou menos, ao determinante menor

complementar correspondente, sendo o sinal correto dado pelo termo (1)
. Uma forma rpida

para determinar se o sinal + ou lembrar que os sinais compem um padro de um tabuleiro
de xadrez:

1.2.4 Exemplo: Calcule o determinante da matriz A=
(
(
(
(
3 4 1 3
2 2 4 5
1 0 2 0
3 1 2 5
.

Observaes:
1) O clculo do determinante de matrizes com ordem maior do que 3 s possvel usando o
teorema de Laplace.
2) Para usar o teorema de Laplace, neste exemplo, a melhor escolha a linha 2, pois a linha ou
coluna que se apresenta maior nmeros de zeros.

Resoluo: Escolhendo os termos da segunda linha tem-se:
det(A) =
3 4 1 3
2 2 4 5
1 0 2 0
3 1 2 5
=
24 23 22 21
C ) 1 ( C 0 C 2 C 0 + + + =
24 22
C C 2
Ento, necessitamos calcular os cofatores C
22
e C
24
.

= (1)

=
22
D

=
3 4 3
2 2 5
3 1 5

= [30+6+60]-[18+40+15] = 96-73 = 23
= (1)

=
24
D

=
4 1 3
2 4 5
1 2 5

= [80+12+5]-[12+10+40] = 97-62 = 35

Portanto, det(A) =
24 22
C C 2

= 223-35 = 46-35 = 11

Exerccio: Calcule o determinante da matriz
(
(
(
=
3 1 2
2 0 1
2 3 5
A
utilizando:
a) expanso de cofatores pela 3
a
linha;

10
b) expanso de cofatores pela 2
a
coluna. (Resposta: det() = 5)

1.2.5 Teorema: Uma matriz A inversvel se, e somente se, o determinante de A for diferente de
zero.

1.2.6 Propriedades da matriz inversa
Sejam A e B matrizes inversveis de mesma ordem. Ento valem as propriedades:
(i) (A
-1
)
-1
= A

(ii) (AB)
-1
= B
-1
A
-1

(iii) (A
t
)
-1
= (A
-1
)
t

A inversa da transposta a transposta da inversa

1.2.7 Propriedades dos determinantes
i) O determinante de uma matriz A no se altera quando se trocam todas as linhas pelas colunas,
na mesma ordem, ou seja, det(A) = det(A
t
).
Exemplo:
2 5 4
3 7 3
4 0 1
2 3 4
5 7 0
4 3 1
=

ii) Se na matriz A, duas linhas (ou duas colunas) tm seus elementos correspondentes
proporcionais, o determinante nulo (numa matriz A, dois elementos so correspondentes quando,
situados em linhas diferentes, esto na mesma coluna, ou quando, situados em colunas diferentes,
esto na mesma linha).
Exemplo:
, 0
1 5 4
6 4 2
3 2 1
=
( L
2
=2 L
1
)

iii) O determinante de uma matriz triangular igual ao produto dos elementos da diagonal principal:
33 22 11
33
23 22
13 12 11
a a a
a 0 0
a a 0
a a a
=

iv) det() = det() . det ()
Exemplo: Se =
1 3
2 8
e =
4 5
2 0
ento: =
1 3
2 8

4 5
2 0
=
10 5
24 10
,

11
det() = 2, det() = 10 e det() = 20 = det() . det().

1.2.8 Mtodo para clculo de determinante (por escalonamento)
A maneira mais eficiente para calcular determinantes utilizando escalonamento de linhas. No
entanto, nem toda operao elementar com linhas (ou colunas) deixa inalterado o valor do
determinante de uma matriz. O prximo teorema resume as principais propriedades que so
necessrios para usar o escalonamento de linhas (ou colunas) de forma eficaz.

1.2.9 Teorema
Seja = [
] uma matriz quadrada.

a) Se possui uma linha (ou coluna) constituda de elementos todos nulos, ento det = 0.

Os seguintes determinantes so nulos:
9 3 2
0 0 0
1 3 5
e
0 3 4
0 7 0
0 3 1

b) Trocando-se entre si duas linhas (ou colunas) de , o determinante muda de sinal.
( )
3 2
2 2 2
3 3 3
1 1 1
3 3 3
2 2 2
1 1 1
L L
c b a
c b a
c b a
c b a
c b a
c b a
=

c) Se tem duas linhas (ou duas colunas) iguais, o determinante nulo.

, 0
5 0 4
3 2 1
3 2 1
=
( L
1
= L
2
)

d) Quando se multiplicam por um nmero real todos os elementos de uma linha (ou coluna) da
matriz A, o determinante fica multiplicado por esse nmero:
3 3 3
2 2 2
1 1 1
3 3 3
2 2 2
1 1 1
c b a
c b a
c b a
k
c b a
kc kb ka
c b a
=

1.2.10 Exemplo: Sejam
(
(
(
=
3 0 0
2 2 0
4 3 1
A
e
.
3 0 0
2 2 0
16 12 4
(
(
(
= B
Como essas matrizes se diferenciam
apenas pela primeira linha, onde os elementos da 1
a
linha de so mltiplos da 1
a
linha de
(k=4), ento det() = 4det ().


12
e) Se cada elemento de uma linha (ou coluna) de pode ser escrita como soma de duas parcelas,
o determinante de pode ser expresso sob a forma de uma soma dos determinantes de duas
matrizes. Por exemplo:
2 2
1 1
2 2
1 1
2 2 2
1 1 1
c a
c a
b a
b a
c b a
c b a
+ =
+
+

f) Um determinante no se altera quando se somam aos elementos de uma linha (ou uma coluna)
da matriz , os elementos correspondentes de outra linha (ou coluna) previamente multiplicados
por um nmero real diferente de zero:
3 3 3
1 2 1 2 1 2
1 1 1
3 3 3
2 2 2
1 1 1
c b a
kc c kb b ka a
c b a
c b a
c b a
c b a
+ + + =

1.2.11 Exemplo: Calculando o determinante:
1 2 1
0 2 3
5 9 1
= 11

No prximo determinante, a nova linha
recebe a linha
mais 3 vezes a linha
1 2 1
(0 +3 1) (2 +3 2) (3 +3 1)
5 9 1
=
1 2 1
3 8 0
5 9 1
= 35 46 = 11

Obtm-se assim o mesmo resultado, conforme o item (f) do teorema.

Observaes: Como a forma escalonada de uma matriz quadrada necessariamente triangular
superior e o determinante dessa matriz o produto dos elementos da diagonal principal, pode-se
combinar as propriedades do teorema (itens a at f) para calcular determinantes de maneira
eficiente.

Para as operaes elementares com as linhas utilizam-se as seguintes notaes:
1. Trocar duas linha de posio. Notao:
(Esta operao muda o sinal do determinante)

2. Multiplicar uma linha por uma constante no nula. Notao:

3. Somar a uma linha por um mltiplo de uma outra. Notao:

1.2.12 Exemplo: Calcule o det () utilizando o processo de escalonamento por linhas.
=
0 2 4
3 0 3
2
5
4
1
5
3

5
6
7
1


13
det() =
0 2 4
3 0 3
2
5
4
1
5
3

5
6
7
1

=
(
)
(-1)
3 0 3
0 2 4
2
5
4
1
5
3

6
5
7
1

=
(
)
(3)
1 0 1
0 2 4
2
5
4
1
5
3

2
5
7
1
=

=
(
)
(
)
(3)
1 0 1
0 2 4
0
0
4
1
7
2

2
5
3
9

=
(
)
(3)
1 0 1
0 1 2
0
0
4
2
7
4

2
9
3
5
=

=
(
+4
)
(
+2
)
3
1 0 1
0 1 2
0
0
0
0
15
0

2
9
33
13
= 3.1. (1). 15. (33) = 585

Caso queira operar com as colunas, troque por nas notaes:
(a) troca de duas posies (
); (b) multiplicao de coluna por uma constante (
); soma de
uma coluna por um mltiplo de uma outra (
).

1.2.13 Outras propriedades de matrizes inversveis

Seja A uma matriz nxn.

i) Se A admite inversa, esta nica.

ii) Se A inversvel ento sua transposta A
t
tambm . A matriz inversa de A
t
(A
-1
)
t
.

1.2.14 Teorema: Se inversvel ento det(
) =
()

Demonstrao: Como inversvel,
= , logo, det(
) = det() = 1. Portanto,
(). (det
) = 1. J que det () 0 ento det(
) =

.

1.2.15 Definies: Uma matriz quadrada = [
] cujo determinante nulo uma matriz

singular.
Caso o det () 0, a matriz A denominada matriz no singular ou regular.

1.2.16 Exemplo: Como
e A 0
9 6 3
8 5 2
7 4 1
) det( = =

, 0 7
3 1 3
2 2 5
1 2 3
) det( =
(
(
(
= B

ento A uma matriz singular e B no-singular.


14

1.2.17 Operaes elementares em matrizes
Um processo de inverso de matrizes
O processo prtico de inverso de matriz, que ser apresentado a seguir, baseado nas
operaes com as linhas de uma matriz. A idia efetuar operaes linha em e
simultaneamente, isto , executar operaes na matriz [ | ]. Caso as operaes nas linhas da
matriz [ | ] resulte na matriz [ |
], obtm-se um mtodo para o clculo da inversa de ,

denominado mtodo de eliminao de Gauss-Jordan.

Operaes elementares
I) Permutao de duas linhas.
II) Multiplicao de todos os elementos de uma linha por um nmero real diferente de zero.
III) Substituio dos elementos de uma linha pela soma destes com os elementos correspondentes
de outra linha, previamente multiplicadas por um nmero real diferentes de zero.

1.2.18 Equivalncia entre matrizes
Dadas as matrizes A e B, de mesma ordem, diz-se que a matriz B equivalente matriz A, e se
representa por A~B, se for possvel transformar A em B por meio de uma sucesso finita de
operaes elementares.

1.2.19 Clculo da matriz inversa utilizando o mtodo de Gauss-Jordan
O mtodo de Gauss-Jordan para o clculo da inversa consiste em utilizar operaes elementares e
a propriedade de matrizes equivalentes para transformar [ |
] em [
].

1.2.20 Exemplo:
Verificar se a matriz A=
(
(
(
3 5 2
2 2 4
3 1 2
singular, caso no seja, determinar a inversa A
-1
usando
operaes elementares.

Resoluo:
Como det() = 32 0 ento a matriz inversvel.
Para determinar a matriz inversa, vamos usar as operaes elementares e a

(
(
(
1 0 0
0 1 0
0 0 1
3 5 2
2 2 4
3 1 2

~
(
)
(
)

(
(
(

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

~
(
)


15
~
(
(
(
0 1 2
1 0 1
0 0 1
4 0 0
0 4 0
3 1 2

~
(
)

(
(
(

0 1 2
1 0 1
1 0 5
4 0 0
0 4 0
12 0 8

~
(
+3
)

~
(
(
(

0 1 2
1 0 1
1 3 1
4 0 0
0 4 0
0 0 8

~
(
/8)
(
/4)
(
/4)

(
(
(

0 4 / 1 2 / 1
4 / 1 0 4 / 1
8 / 1 8 / 3 8 / 1
1 0 0
0 1 0
0 0 1

Como foi dito acima, transformamos [ |
] em [
].
Portanto:
A
-1
=
(
(
(

0 4 / 1 2 / 1
4 / 1 0 4 / 1
8 / 1 8 / 3 8 / 1

1.2.21 Clculo da matriz inversa utilizando o mtodo da matriz adjunta
Dada uma matriz , lembre-se que a matriz dos cofatores =
onde
= (1)

o determinante da matriz retirando a i-sima linha e a j-sima coluna.

1.2.22 Definio: Dada uma matriz quadrada , denomina-se matriz adjunta de transposta
da matriz dos cofatores de .
Notao: () =

O seguinte teorema fornece mais um mtodo de calcular a inversa de uma matriz.

1.2.23 Teorema: Se a matriz quadrada admite inversa ento
()
() =
()
.

Em outras palavras, a inversa
, se existe, pode ser calculada pelo inverso do determinante de

vezes a matriz transposta dos cofatores de .

1.2.24 Exemplo: Calcule a inversa da matriz =
6 2
11 4
utilizando o mtodo da matriz adjunta.
Resoluo: A inversa de existe pois det() = 2 0. Agora calculando a matriz dos cofatores e a
matriz adjunta de tm-se:
=
4 11
2 6
, () =
=
4 2
11 6

Ento

16
=
1
det ()
4 2
11 6
=
2 1
11/2 3

Exerccio: Utilize o mtodo da matriz adjunta para calcular a inversa da matriz
=
1 2 1
2 2 4
1 3 3

Resposta: A matriz dos cofatores
18 10 4
3 2 1
10 6 2
.

1.3 SISTEMAS DE EQUAES LINEARES

1.3.1 Equaes lineares
Uma equao linear em n variveis
, ,
uma equao do tipo
++
= ,
onde
, ,
, so constantes reais.

Os valores (razes) das variveis que verificam a equao constituem o conjunto de solues.

1.3.2 Sistema de equaes lineares (SEL)
Um sistema de equaes lineares um conjunto de equaes lineares da forma:
) (
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
= + + +
= + + +
= + + +
m n mn m m
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
M M M M M M M

sendo
constantes reais.

Na forma matricial tem-se que = , onde

,
2 1
2 22 21
1 12 11
(
(
(
(

=
mn m m
n
n
a a a
a a a
a a a
A
M M M M M M
=
(
(
(
(
n
x
x
x
M
2
1
e
(
(
(
(
=
m
b
b
b
B
M
2
1

A soluo do sistema () o conjunto soluo, de modo que

17
=
(
(
(
(
m
s
s
s
M
2
1

satisfaz (), se verifica quando
.

Observao: Caso todos os termos independentes sejam nulos (
= 0), o sistema ()
denominado homogneo. Na forma matricial fica = 0, em que 0 a matriz coluna. Todo sistema
homogneo admite a soluo = 0, denominada, soluo trivial, em que
= 0, i.

1.3.3 Classificao do SEL
Sistema possvel ou compatvel o SEL que admite soluo.
Sistema impossvel ou incompatvel o SEL que no admite soluo.

O sistema possvel se divide em outras duas classes:
Sistema possvel e determinado o SEL que admite uma nica soluo.
Sistema possvel e indeterminado o SEL que admite mais de uma soluo (na verdade,
admite infinitas solues).

Seja um sistema de 2 equaes com 2 incgnitas pode-se considerar trs possibilidades de
representao grfica:

Para um sistema de 3 equaes e 3 incgnitas, considere as seguintes representaes, entre
outras possibilidades (P
1
, P
2
e P
3
so planos).

18

1.3.4 Exemplos:
Resolver e classificar os sistemas:
a)
= +
= +
25 y 4 x 3
18 y 3 x 2

) 2 (
) 3 (

=
= +
) 2 . ( 50 8 6
) 1 . ( 54 9 6
Eq y x
Eq y x
(Eq.1) + (Eq.2) y=4

Substituindo o y na 1
a
equao: 2x+34=18 x=3
Portanto, a soluo =
3
4
e a classificao compatvel (ou possvel) e determinado (uma
nica soluo)

b)
= +
= +
200 y 4 x 8
100 y 2 x 4

) 1 (
) 2 (

=
= +
) 2 . ( 200 4 8
) 1 . ( 200 4 8
Eq y x
Eq y x
(Eq.1) + (Eq.2) 0x=0 ou 0y=0

As duas equaes, na verdade, so iguais. Ento a soluo dada apenas por uma, ou seja,
4x+2y=100 y=50-2x.
Portanto, a soluo dada por =
50 2
, e a classificao compatvel(ou possvel)
e indeterminado(uma infinidade de solues)

c)
= +
= +
) 2 . ( 12 9 3
) 1 . ( 15 9 3
Eq y x
Eq y x
(Eq.1) (Eq.2) 0x+0y=3 ou 0x=3 ou 0y=3
Conclumos que no existe x tal que 0x=3.
Portanto, a soluo dada por = e a classificao incompatvel (ou impossvel)

1.3.5 Sistemas equivalentes
Dois sistemas de equaes lineares so equivalentes quando admitem a mesma soluo.

19
As operaes elementares efetuadas nas matrizes tambm podem ser usadas em sistemas de
equaes lineares. Desta forma, dois sistemas de equaes lineares so equivalentes se diferem
por uma operao elementar.

1.3.6 Mtodo da matriz inversa
Dado um sistema de equaes lineares na forma matricial = , onde uma matriz inversvel.
Multiplicando a equao matricial por
pela esquerda, temos:
() =
) =

Este mtodo resolve apenas sistemas possveis e determinados com n equaes e n variveis. A
seguir apresentado um sistema com 2 equaes e 2 variveis. Posteriormente, ser discutido
este mtodo com mais detalhes na Regra de Cramer.

1.3.7 Exemplo:
Resolva o sistema
=
= +
20 y 15 x 5
22 y 4 x 2
.

Resoluo:
Na forma matricial tem-se AX=B, em que A=
(
15 5
4 2
, X=
(
y
x
e B=
(
20
22
.

A matriz inversa da matriz A
(
2 5
4 15
50
1
1
A
.

Portanto: X=A
-1
B=
(
2 5
4 15
50
1

(
20
22
=
50
1
(
+
+
) 20 ( ) 2 ( 22 5
) 20 ( 4 22 15
=
50
1
(
150
250
=
(
3
5

Conjunto soluo: =
5
3
.

MTODOS PARA RESOLVER SISTEMAS DE EQUAES LINEARES
Os mtodos para resolver sistemas de equaes lineares serem apresentados so:
Mtodo de eliminao de Gauss (forma escalonada de )
Uma variante do mtodo de eliminao gaussiana o mtodo de eliminao de Gauss-
Jordan, gerando uma matriz na forma escalonada reduzida de .
Regra de Cramer (Se det A
0 ento a soluo =
)

1.3.8 Mtodo de eliminao de Gauss

20
H duas matrizes importantes associadas a um sistema linear: a matriz dos coeficientes e a matriz
ampliada, sendo esta composta pela matriz dos coeficientes acrescentada de uma coluna
contendo os termos constantes.
Para o sistema
2 + = 3
+5 = 1
+3 2 = 0
a matriz ampliada
2 1 1
1 0 5
1 3 2

|
|
|

3
1
0

O procedimento de resoluo de sistema de equaes lineares, que ser abordado a seguir,
baseado na idia de reduzir a matriz ampliada do sistema a uma forma que possa ser resolvida por
substituio de trs para a frente. O mtodo direto no sentido de que leva diretamente soluo,
se existir, em um nmero finito de passos.
Quando se consegue um formato de escada nos elementos no nulos da matriz final, a soluo
direta.

1.3.9 Exemplo: As seguintes matrizes esto na forma escalonada por linhas:

2 4 1
0 2 3
0 0 0

1 0 1
0 1 5
0 0 4

1 1 2
0 0 1
0 0 0

1
5
0

0 2 0
0 0 3
0
0
0
0
0
0

1
5
0
0

3
2
7
0

4
2
0
2

A palavra escalonar vem da palavra latina scala, que significa escada ou degraus. Escalonar
uma matriz significa dar a ela a forma de escada.

1.3.10 Definio: As seguintes operaes elementares com as linhas podem ser realizadas
em uma matriz:
1. Trocar duas linha de posio. Notao:

2. Multiplicar uma linha por uma constante no nula. Notao:

3. Somar a uma linha por um mltiplo de uma outra. Notao:

Quando uma reduo por linhas aplicada matriz ampliada de uma sistema de equaes
lineares, cria-se um sistema equivalente que pode ser resolvido por substituio de trs para a
frente. O processo inteiro conhecido como mtodo de eliminao de Gauss ou mtodo de
eliminao gaussiana.


21

1.3.11 Exemplo: Resolva o sistema
= 3
2
+3
= 5
= 5

Resoluo: A matriz ampliada
1 1 1
2 3 1
1 1 2

|
|
|

3
5
5

Reduzindo forma escalonada por linhas:

1 1 1
2 3 1
1 1 2

|
|
|

3
5
5

~
(
)
(
)

1 1 1
0 1 1
0 2 3

|
|
|

3
1
8

~
(
+2
)

~
1 1 1
0 1 1
0 0 5

|
|
|

3
1
10
.
O sistema correspondente
= 3

= 1
5
= 10
Aps a substituio de trs para a frente tem-se a soluo
=
0
1
2

1.3.12 Exemplo: Resolver e classifique o sistema
=
=
= +
3 y 4 x 10
4 y 2 x 5
16 y 4 x 2

Resoluo: Reduzindo forma escalonada por linhas a matriz ampliada do sistema tem-se:
2 4 |
5 2 |
10 4 |

16
4
3

~
(
/2)

1 2 |
5 2 |
10 4 |

8
4
3

~
(
)
(
10
)

1 2 |
0 12 |
0 24 |

8
36
77
~

~
(
/12)
(
)

1 2 |
0 1 |
0 0 |

8
3
5

Como 0 +0 = 5, ento no existe e tais que satisfaa esta equao.

Portanto: = e o sistema impossvel.

1.3.13 Definio: O posto de uma matriz o nmero de linhas no nulas de qualquer uma de
suas formas escalonadas por linhas.

22

1.3.14 Teorema (Teorema do posto)
Seja a matriz dos coeficientes de uma sistema de equaes lineares com n variveis. Se o
sistema admite soluo ento o
= ()

1.3.15 Exemplos: Sejam as seguintes matrizes ampliadas escritas na forma escalonada por linhas.
Identifique qual o posto da matriz dos coeficientes e o nmero de variveis livres.
a) A forma escalonada da matriz =
1 1 1 | 3
2 3 1 | 5
1 1 2 | 5

1 1 1 | 3
0 1 1 | 1
0 0 5 | 10
. O posto da
matriz dos coeficientes 3 e o nmero de variveis livres = 3 3 = 0.

b) Escalonando a matriz ampliada =
1 1 1 2 | 1
2 2 1 3 | 3
1 1 1 0 | 3

1 1 1 2 | 1
0 0 1 1 | 1
0 0 0 0 | 0
.
O posto da matriz dos coeficientes 2 e o nmero de variveis livres = 4 2 = 2.

1.3.16 Mtodo de eliminao de Gauss-Jordan
Uma modificao do mtodo de eliminao de Gauss simplifica bastante a fase de substituio de
trs para a frente. Essa variante, conhecida como mtodo de eliminao de Gauss-Jordan, baseia-
se em reduzir ainda mais a matriz ampliada.

1.3.17 Definio: A matriz , do sistema = , est na forma escalonada reduzida (por
linhas) se ela satisfaz as seguintes propriedades:
a) Todas as linhas nulas da matriz ocorrem abaixo das linhas no nulas.
b) O piv (primeiro elemento no nulo da linha) de cada linha no nula 1.
c) O piv de uma linha sempre est a direita do piv da linha anterior.
d) Se uma coluna contm um piv ento todos os outros elementos da coluna so nulos.

Se satisfazer todas essas propriedades ento a forma escalonada reduzida da matriz nica.

As seguintes matrizes esto na forma escalonada reduzida:
1 0 0
0 1 0
0 0 1

1 2 0
0 0 1
0
0
0
0
0
0
0
0
0

0
0
1
0
0

3
4
3
0
0

1
1
2
0
0

0
0
0
1
0


23
+ 2 = 1
2 2 +3 = 3
+ = 3
Resoluo: Reduzindo forma escalonada a matriz ampliada do sistema obtm-se:
1 1 1
2 2 1
1 1 1

2
3
0

|
|
|

1
3
3

~
(
)
(
)

1 1 1
0 0 1
0 0 2

2
1
2

|
|
|

1
1
2

~
(
+2
1 1 1
0 0 1
0 0 0

2
1
0

|
|
|

1
1
0
.
Para escrever na forma escalonada reduzida deve-se criar um 0 acima do piv 1 da segunda linha
e terceira coluna. Faz isso somando a linha 2 linha 1, obtendo:

1 1 1
0 0 1
0 0 0

2
1
0

|
|
|

1
1
0

~
(
)

1 1 0
0 0 1
0 0 0

1
1
0

|
|
|

2
1
0

O sistema foi ento reduzido a
+ = 2
= 1
Agora bem mais fcil resolver o sistema em funo das variveis dependentes:
= +2 e = 1 +
Se atribui parmetros = e = , a soluo pode ser escrita da forma
=
2 +
1 +
, ,

1.3.19 Regra de Cramer
O clculo da inversa de uma matriz fornece um mtodo de resoluo de sistemas lineares de
equaes. Este s se aplica a sistemas lineares em que o nmero de equaes igual ao nmero
de incgnitas. Quando o determinante da matriz dos coeficientes for no nulo, este mtodo
denominado Regra de Cramer. Suponhamos que se queira resolver o sistema linear de n
equaes e n incgnitas.
= + + +
= + + +
= + + +
n n nn 2 2 n 1 1 n
2 n n 2 2 22 1 21
1 n n 1 2 12 1 11
b x a x a x a
b x a x a x a
b x a x a x a
M M M M M M M

Pode-se escrever este sistema na forma matricial

24
ou =
onde , e , so respectivamente, as matrizes dos coeficientes, dos termos independentes e das
incgnitas. Para esta equao suponha que tenha inversa. Ento
() =
) =

Na forma matricial

Usando o mtodo da matriz adjunta, obtm-se
=
1
det ()

Ento
++
det ()

Note que o numerador desta frao igual ao determinante da matriz que obteve de ,
substituindo a primeira coluna da matriz dos termos independentes. De fato, utilizando o
desenvolvimento de Laplace, obtm-se:
++

Ou seja
det ()

Fazendo dedues anlogas, obtm-se
det ()

para = 1,2, , .

2 3 +7 = 1
+3 = 5
2 = 0
, usando a regra de Cramer.

Resoluo:

25
Sendo =
2 3 7
1 0 3
0 2 1
a matriz dos coeficientes e =
a matriz dos termos independentes.

Ento
det() =
2 3 7
1 0 3
0 2 1
= (0 +0 +14) (0 +12 +3) = 14 15 = 1
e portanto a soluo
=
()
=
= 49 =
()
=
= 9 =
()
=
= 18
Logo o conjunto soluo =
49
9
18
.

EXERCCIOS (Matrizes, determinantes e sistemas lineares)

1) Represente a matriz A
mxn
de acordo com o elemento genrico a
ij
.
(a) m = 2, n = 4, sabendo que a
ij
= 3i + j.
(b) m = 3, n = 3, sabendo que a
ij
=
= +
j i se ij
j i se j i
, 2
,

(c) m = 3, n = 3, sabendo que a
ij
=
>
=
<
j i se j i
j i se ij
j i se i
,
,
,

2) Se A
3x2
, com a
ij
=
2
2 j i
, determine as matrizes A e A
t
.
3) Dadas as matrizes A =
(
(
(
5
2
3
e B =
(
(
(
2
4
1
, calcular a matriz:
(a) M, tal que M 2A + 3B = 0 (matriz nula 3x1). (b) N, tal que N = A
t
- 2B
t

(c) X que seja soluo da equao matricial 2X A +
2
1
B = 0.

4) Calcule os valores de m e n para que as matrizes A e B sejam iguais:
a)
(
=
(
+
=
3 6
75 8
B e
3 n 12
n 15 8
A
b)
(
=
(
+
=
3 6
13 41
B e
3 6
4 n 40 m
A
2 2

c)
(
=
(
=
25 m 10 4
8 7
B e
m 4
8 7
A
2


26
5) Dadas as matrizes
(
(
(
=
(
(
(

=
(
(
(
=
9 1 8
7 2 1
5 3 4
1 3 7
1 8 4
3 9 0
,
6 9 5
2 4 3
1 7 2
C e B A
,
efetuar e classificar a matriz resultante:
a) A + A
T
b) B + B
T
c) AA
T
d) B - B
T
e) C - C
T

6) Efetue as operaes indicadas e classifique as seguintes matrizes:

a) AA
T
b) BBT c) CC
T
d) DD
T
e) EET f) F
2

g) G
2
h) H
3
i) J
2
j) L
2
l) M
2

(
=
0 1
1 0
A

(
(
(
(
=
3
1
3
2 2
3
2 2
3
1
B

(
(
(
(
=
5
1
5
6 2
5
6 2
5
1
C

(

=
sen cos
cos sen
D

(
(
(
(
(
(
(
=
2
2
2
2
0
6
6
6
6
3
6
3
3
3
3
3
3
E

(

=
6 4
9 6
F

(

=
12 9
16 12
G

(
(
(
(
(
(

=
2
3
3
2
3
2
1
1
2
1
1
2
5
2
1
H

(

=
4 2
10 5
J

(

=
5 3
10 6
L

(
(
(
=
3 0 2
9 2 3
6 2 1
M

7) Determine os valores numricos de a e b tais que W = aX + bY, usando apenas operaes
matriciais, onde
(a) W =
(
0
8
, X =
(
4
2
, Y =
(
2
3

(b) W = [ ], X = [

], Y = [

]

8) Determine os valores numricos de a, b, c e d tais que W = aX + bY + cZ + dR, usando apenas
operaes matriciais, onde
W =
(
7 6
4 0
, X=
(
0 0
2 1
, Y=
(
1 3
0 0
, Z=
(
3 0
0 2
, R=
(
0 2
0 0
,
Resposta: (3.1) a=-1, b=2, (3.2) a=3, b=-4; (4) a=2, b=-4, c=1, d=3

9) Sejam A =
(
(
(

0 1 2
1 2 3
1 1 1
, B =
(
(
(
3 2 1
6 4 2
3 2 1

(a) Calcule AB e BA. (b) Determine (AB)
t
, A
t
B
t
e B
t
A
t
. Compare os resultados.
Resp.: (a)AB =0, BA =
(
(
(

1 6 11
2 12 22
1 6 11
(b)()
= ,
=
11 22 11
6 12 6
1 2 1
,
= .

10) Sejam B =
(
6 3
4 2
, A =
(
5 1
2 3
e C =
(

2 3
1 1

(a) Justifique que B uma matriz no inversvel e A inversvel.

27
(b) Calcule (AC)
-1
, A
-1
C
-1
e C
-1
A
-1
. Compare os resultados.
(c) Determine (A
t
)
-1
e (A
-1
)
t

11) Dadas as matrizes
(
(
(
=
6 8 7
9 2 5
1 4 3
A
,
(
(
(
=
4 2 7
1 0 3
3 1 4
B

(
(
(

=
3 2 1
12 9 3
8 6 2
C
,
Calcular, pelo processo da triangularizao (forma escalonada) ou por Laplace ou por Sarrus:
a) det A b) det B c) det (2A-3B+4C) d) det (AC
T
) e) det (CB)A

12) Calcular o determinante da matriz
(
(
(
(

=
1 5 3 4
2 1 1 1
3 2 1 0
1 1 3 2
H
, usando o processo de escalonamento e
por Laplace (desenvolvendo-o pela 2 linha).

13) Calcule os determinantes usando expanso de cofatores por linha ou coluna.
)

0
0
)
0
0
0
)
1 1 0 3
2 5 2 6
0
1
1
4
0 0
2 1
)
0 0 0
0 0
0

14) Determinar, se existir, a matriz inversa de cada uma das seguintes matrizes:
|
|
\
|
=
2 1
5 3
A
|
|
|
\
|

=
4 5 3
2 1 0
5 4 3
B

|
|
|
\
|

=
2 0 3
2 2 2
2 0 1
C

(
(
(
(
=
1 2 3 4
0 1 2 3
0 0 1 2
0 0 0 1
D

(
(
(
=
5 2 1
7 4 3
2 2 2
E

|
|
|
\
|
=
0 0 9
0 6 0
5 0 0
F

15) Descreva todos os valores de a, b, c, d, e, f que tornaro vlidas as seguintes tabelas de
adio:

16) Resolver e classificar os seguintes sistemas:
a)
= +
= +
50 16 10
34 8 5
y x
y x
R: Sistema Incompatvel: =
b)
= + +
= +
=
7 4 3 2
7 5 2 3
15 3 4
z y x
z y x
z y x
R: S.L.C.D: = (3,3, 2)
c)
=
= +
= +
24 7 2
5 4 5 3
2 2 3 2
z y x
z y x
z y x
R: S.L.C.D. = (1,2,3)

28
d)
=
= + +
0 9 6
2
3
0 6 4
z y x
z y x
R: S.L.C.I. = (4 6, , )/ ,
e)
=
= +
=
0 3 2
8 5 2
18 3 4
z y x
z y
y x
R: S.L.C.D. = (0, 6,4)
f)
= + +
= + +
= + +
7 2 2 3
9 4 3 2
11 6 4
z y x
z y x
z y x
R: S.L.C.I. =
, /
g)
= + +
= +
=
6 4
6 4 2
0
z y x
z y
y x
R: S.L.C.I. = (3 2, 3 2, )/
h)
=
= +
= +
8 4
0 3 3 9
15 4 2 7
z y x
z y x
z y x
R: S.L.C.D. = (1,2, 1)

17) Estabelecer a condio que deve ser satisfeita pelos termos independentes para que os
seguintes sistemas sejam compatveis:
a)
=
= + +
= + +
c z y
b z y x
a z y x
4 4
3 5 2
8 12 4
b)
= +
= +
= +
c z y
b z x
a z y x
2

R: 2a 4b + c = 0 R: a + b c = 0

29
2
ESPAOS VETORIAIS

2.1 Definio
Seja V um conjunto no vazio, sobre o qual esto definidas as operaes adio e multiplicao por
escalar, isto ,
u, v V temos: u+v V e,
u V e

(conj. dos num. reais), temos: u V

V com essas operaes chamado espao vetorial real se forem verificados 8 axiomas:
Em relao adio: Sejam os vetores u, v, w V
(A
1
) (u + v) + w = u + (v + w)
(A
2
) u + v = v + u
(A
3
) Existe um nico elemento neutro neutro 0 V tal que u + 0 = 0 + u = u
(A
4
) Existe um nico elemento simtrico -u V tal que u + (-u) = 0

Em relao multiplicao: Sejam os vetores u,v V e os escalares ,
(M
1
) ( . )u = ( u)
(M
2
) ( + )u = u + u
(M
3
) (u + v) = u + v
(M
4
) 1u = u

Observao: Os elementos de um espao vetorial V podem ser polinmios, matrizes, nmeros,
funes, desde que as operaes definidas neste conjunto satisfaam os oito Axiomas. Mas
independente de sua natureza os elementos de um Espao Vetorial V sero chamados vetores.

2.1.1 Exemplos:
1) V = conjunto das matrizes 2x2 ou V = M(2x2) =
)
`
w z y x
w z
y x
, , , : .
Em V definido as operaes:

Sejam u,v V onde u =
, v =
, e
Operaes: u+v =
e u =

Observao: Essas so as operaes usuais de adio e multiplicao por escalar no conjunto
das matrizes 2x2.

30
Para essas operaes assim definidas, podem ser verificadas facilmente que valem os 8 axiomas.
Portanto, neste exemplo, V = M(2x2) um espao vetorial.

2) V = [ ] / , , = conj. das matrizes linha M(1x3)
Operaes definidas:
[
] +[
] = [
] (Cuidado, adio no usual)

[
] = [
] (Multiplicao usual)
Com estas operaes, V um espao vetorial ?

Verificando os axiomas:
Sejam u = [
], v = [
], w = [
]
A
1
) (u + v) + w = u + (v + w) ?

(u + v) + w = ([
] +[
]) +[
]=
= [
] +[
]=
= [
]

u + (v + w) = [
] +([
] +[
]) =
= [
] +[
]
= [
]

O Axioma A
1
satisfeito.

A
2
) u + v = v + u ?
u + v = [
] +[
] = [
]
v + u = [
] +[
] = [
], portanto u+v v+u.

Como o axioma A
2
falha, V no um espao vetorial.
Ateno !!! Basta que um dos axiomas falhe, para que o conjunto (com as oper. definidas) no seja
um espao vetorial.

3) V ={(x,y)
2
}, conjunto dos vetores em
2
.
Operaes definidas, (a, b) + (c, d) = (a +c, b + d) e (a,b)= (
2
a,
2
b)
Como a adio uma operao usual, vamos verificar se falha algum axioma em relao
multiplicao por escalar.
Sejam u = (a, b) e v = (c, d) em
2
, e nmeros reais.
M
1
) ( . )u = ( u) ?
( . )u = ( . )(a, b) = (
2 2
a,
2 2
b)
( u) = ( (a,b)) = (
2
a,
2
b) = (
2 2
a,
2 2
b), logo ( . )u = ( u).
O Axioma M
1
satisfeito.

M
2
) ( + )u = u + u ?
( + )u = ( + )(a,b) = (( + )
2
.a, ( + )
2
.b)
u + u = (a,b) + (a,b) = (
2
a,
2
b) + (
2
a,
2
b) =

31
=((
2
+
2
)a, (
2
+
2
)b)
O Axioma M
2
no satisfeito, pois ( + )u u + u. ( ( +)
)
Ento, V ={(x,y)
2
} com as operaes definidas, no um espao vetorial.

4) V = M(m,n) = conjunto das matrizes do tipo mxn, com as operaes usuais (de adio e de
multiplicao por escalar) definem um espao vetorial.
Obs: Se A M(m,n), ento A =
(
(
(
(
mn m m
n
n
a a a
a a a
a a a
...
. ... . .
...
...
2 1
2 22 21
1 12 11

5) V =
n
= {(x
1
, x
2
, x
3
, ... , x
n
): x
i
}, 1 i n
com as operaes de adio e de multiplicao por escalar usuais definem um espao vetorial.

6) V = P
3
= conjunto dos polinmios com coeficientes reais de grau menor ou igual a 3 (incluindo os
polinmios de grau zero)
ou P
3
= { a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
: a
i
}

Exemplos de elementos de P
3
: 3, 6 +5, 6
, 1 +4
, 3 +5 4
+7

Se p
1
(x) e p
2
(x) pertencem a P
3
, ento:
p
1
(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
e p
2
(x) = b
0
+ b
1
x + b
2
x
2
+ b
3
x
3

Operaes usuais em P
3
:
p
1
(x) + p
2
(x) = (a
0
+ b
0
)+ (a
1
+ b
1
)x + (a
2
+ b
2
)x
2
+ (a
3
+ b
3
)x
3

Se temos .p
1
(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3

Com estas operaes pode-se verificar que V = P
3
um espao vetorial.

Observaes: Matrizes, vetores, polinmios podem estar associados da seguinte maneira.

Por exemplo,
A =
d
a

e
b

(
(
f
c
, v = (a, b, c, d, e, f), p(x) = a + bx + cx
2
+ dx
3
+ ex
4
+ fx
5

A M(2,3), v
6
, p(x) P
5

Pode-se dizer que a, b, c, d, e, f so as coordenadas de A, v e p(x). Por isto, matrizes, vetores,
polinmios so chamados de maneira geral vetores.

2.2 Subespaos Vetoriais
Deseja-se dentro de um espao vetorial V, detectar se um subconjunto S de V tambm espao
vetorial. Tais conjuntos sero chamados subespaos de V.

32
S V =
2

S =
)
`
= x y y x
2
1
: ) , (
=
)
`
x );
2
x
, x (

Observa-se que ao somarmos dois vetores de
S, obtemos outro vetor em S. E se
multiplicarmos um vetor de S por um nmero,
o vetor resultante estar em S.

2.2.1 Exemplo:
V =
2
com as operaes usuais de adio e multiplicao por escalar um espao vetorial.
S uma reta que passa pela origem. Neste caso, S um subconjunto de V.

Sejam os vetores u = (2,1), v = (3, 3/2) S, ento u + v = (5, 5/2)S
Seja o vetor u = (2,1) S e o escalar = 2 , ento = 2 (2,1) = (4,2) .

2.2.2 Definio: Seja V um espao vetorial e S um subconjunto no vazio de V.
S um subespao vetorial de V se:
(i) 0 S
(ii) u, v S u + v S
(iii) e u S u S

OBSERVAES:
Qualquer subespao S de V deve conter o vetor nulo 0 (devido ao Axioma A
3
do Espao Vetorial).
Caso contrrio S no um subespao vetorial.
Todo espao vetorial V admite pelo menos 2 subespaos (chamados subespaos triviais), o
conjunto 0 e o prprio espao vetorial V.

2.2.3 Exemplos:
1) Seja V =
com as operaes usuais e = (, +1) / .

S pode ser representada por uma reta que passa pelos pontos (-1,0) e (0,1).
O vetor nulo ( 0,0 ) S, ento S no um subespao vetorial de V.

33

2) Seja V =
com as operaes usuais e = (, || /
. S subespao de V?

i) O vetor nulo 0,0
, portanto a condio i verificada.

ii) Porm, existem vetores u e v de S tais que (u + v) S.

Por exemplo, u = (1,1), v = (-1,1) pertencem a S e u + v = (0,2) S.
Portanto, S no um subespao de V =
.

3) Seja o espao vetorial V =
com as operaes usuais e seja o subconjunto

= , , / + + = 0 . S um subespao de V ?

Observao: S um plano que passa pela origem.

Resoluo:
Vamos verificar se em S satisfazem as condies (i), (ii) e (iii).

( i ) (0,0,0) S, pois a0 + b0 + c0 = 0.
( ii ) Sejam u = (u
1
, u
2
, u
3
) e v = (v
1
, v
2
, v
3
) elementos de S.

Ento,
= + +
= + +
0
3
cv
2
bv
1
av
0
3
cu
2
bu
1
au

Logo, a(u
1
+ v
1
)+b(u
2
+ v
2
)+c(u
3
+ v
3
) = 0

Portanto, (u
1
+ v
1
, u
2
+ v
2
, u
3
+ v
3
)S. Da, u +v S.

(iii) Seja e u = (u
1
, u
2
, u
3
)
.
Se u S, ento au
1
+ bu
2
+ cu
3
= 0.
Portanto,
( au
1
+ bu
2
+ cu
3
) = 0
= 0
= 0

= 0 u S.

Como as trs condies foram satisfeitas, S um subespao de V =
.

2.3 Interseco e Soma de Subespaos


34
2.3.1 Teorema:
Sejam S
1
e S
2
subespaos vetorias de V (espao vetorial). Ento,
(i) S
1
S
2
um subespao de V.
(ii) S
1
+ S
2
um subespao de V.

Observao:
S
1
S
2
= {v V : v S
1
e v S
2
}
S
1
+ S
2
= { v = u + w / u S
1
e w S
2
}.
Todo elemento de S
1
+ S
2
um vetor soma de 2 vetores, um vetor de S
1
e o outro de S
2
.

2.3.2 Exemplos:
a) V = M(3 x 3)
S
1
=
0 0
; a
i
e S
2
=
0 0
; a
i

S
1
e S
2
so subespaos de V = M(3 x 3)

S
1
= {matrizes triangulares superiores}, S
2
= {matrizes triangulares inferiores}
Logo, S
1
S
2
=
(
(
(
9
5
1
0 0
0 0
0 0
a
a
a
um subespao de V = M(3 x 3)

b) V =
3

S
1
= {(0, 0, x): x } Reta no eixo z
S
2
= {(a, a, 0): a } Reta no plano xy
S
1
+ S
2
= {(a,a,x)} plano que contm as retas S
1
e S
2
.
S
1
+ S
2
um subespao de V =
3
.

2.4 Soma direta de subespaos
2.4.1 Definio:
Sejam S
1
e S
2
subespaos vetoriais de V.
V a soma direta de S
1
e S
2
(Representado por V = S
1
S
2
)
Se V = S
1
+ S
2
e S
1
S
2
= { 0 }.

35

2.4.2 Exemplo: V = M(2 x 2)
S
1
=
)
`
0 0
b a
e S
2
=
)
`
d c
0 0
onde a, b, c, d .
S
1
+ S
2
=
)
`
d c
b a
= M(2 x 2) e S
1
S
2
=
)
`
0 0
0 0
.
Logo, V = S
1
S
2
e portanto V soma direta de S
1
e S
2
.

2.5 Combinao linear de vetores

2.5.1 Definio:
Seja V um espao vetorial tal que v
1
, v
2
, ... , v
n
V e a
1
, a
2
, ... , a
n
.
Ento, o vetor v = a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
uma combinao linear de v
1
, v
2
, ... , v
n
e v V.

2.5.2 Exemplos:

1) Considerando os vetores v
1
=(1,0,0) e v
2
=(0,1,0). Escrever v=(2,3,0) como combinao linear de
v
1
e v
2
.

Resoluo:
v = a
1
v
1
+ a
2
v
2
(2,3,0) = a
1
(1,0,0) + a
2
(0,1,0) = (a
1
, a
2
, 0)
Da, (2,3,0) = (a
1
, a
2
, 0) a
1
= 2, a
2
= 3
Resp: v = 2v
1
+ 3v
2

2) Considerando, novamente, os vetores v
1
=(1,0,0) e v
2
=(0,1,0). Mostrar que w = (1,2,3) no
1
e v
2
.

Resoluo:
w = a
1
v
1
+ a
2
v
2
(1,2,3) = a
1
(1,0,0) + a
2
(0,1,0) = (a
1
, a
2
, 0)

Logo, (1,2,3) = (a
1
, a
2
, 0). Absurdo! Pois 3 0.

Portanto, w no uma combinao linear de v
1
e v
2
.

Observao: Nestes exemplos, observe que v pertence ao plano que contm v
1
e v
2
, mas w no
pertence a este plano.

2.6 Subespao finitamente gerado

2.6.1 Definio: Sejam v
1
, v
2
, ... , v
n
V (espao vetorial). O conjunto de todos os vetores que
so combinao linear de v
1
, v
2
, ... , v
n
um subespao vetorial de V. Este conjunto
representado por
S = [v
1
, v
2
, ... , v
n
] = {v V / v = a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
}


36
S denominado subespao gerado por v
1
, v
2
, ... , v
n
.

Observao: Seja A = {v
1
, v
2
, ... , v
n
} o conjunto gerador de S.

G(A) o subespao gerado por A, isto , G(A) = [v
1
, v
2
, ... , v
n
] = S

2.6.2 Exemplos

1) Seja V =
e u = (3,4,5)
.
Determine o subespao gerado por u, isto , encontrar S = [u] .

Resoluo:
S = [u] = {(x,y,z)
/ (x,y,z) = a(3,4,5), em que a }.

Da, x =3a, y = 4a, z = 5a
De x =3a temos a =
3
x
, substituindo a em y e z ficamos com,
y =
3
4x
e z =
3
5x
.
Resposta: = = ,
/ . (Conjunto de vetores pertencentes a uma reta que

passa na origem)

Observao: Se u um vetor no-nulo pertencente a
, ento S = [u] um conjunto de vetores

pertencentes a uma reta que passa pela origem.

2) Seja V =
, encontre S = [v
1
, v
2
], em que v
1
= (2,0,1) e v
2
= (0,3,3).

Resoluo:
[v
1
, v
2
] = {(x,y,z)
3
R / (x,y,z) = a
1
(2,0,1) + a
2
(0,3,3)}. Logo temos,
(x,y,z) = (2a
1
, 0, a
1
) + (0, 3a
2
, 3a
2
) = (2a
1
, 3a
2
, a
1
+ 3a
2
)

Portanto, 2a
1
= x, 3a
2
= y e a
1
+ 3a
2
= z
(x,y,z) [v
1
, v
2
] o sistema anterior tem soluo.

Substituindo a
1
= x/2 e a
2
= y/3 na 3
a
equao a
1
+ 3a
2
= z obtm-se,
2
x
+ 3
3
y
= z

x + 2y = 2z ou x + 2y - 2z = 0 (plano que contm v
1
e v
2
e passa na origem)

Portanto, (x,y,z) pode ser escrito como combinao linear de v
1
, v
2
, se e somente se, (x,y,z)
satisfaz a equao x + 2y - 2z = 0.

37
Portando, [v
1
, v
2
] = {(x,y,z)
3
R / x + 2y - 2z = 0 } (Conjunto de vetores pertencentes ao plano
que contm v
1
e v
2
)

3) Seja V =
, determine S = [u
1
, u
2
], em que u
1
= (1,0), u
2
= (0,1).

Resoluo:
[u
1
, u
2
] = {(x,y)
/ (x,y) = a
1
(1,0) + a
2
(0,1)}.
(x,y) = a
1
(1,0) + a
2
(0,1) (x,y) = (a
1
,a
2
), ou seja, qualquer vetor (x,y) pode ser escrito como
combinao linear de (1,0) e (0,1), bastando que a
1
= x e a
2
= y, ou seja, no tm restries.

Portanto, [u
1
, u
2
] = {(x,y)
} =

4) Seja V =
, encontrar S = [v
1
, v
2
, v
3
], em que v
1
= (1,0,0), v
2
= (0,1,0), v
3
= (0,0,1).

Resoluo:
[v
1
, v
2
, v
3
] = {(x,y,z)
/ (x,y,z) = a
1
(1,0,0) + a
2
(0,1,0) + a
3
(0, 0,1)}. Logo temos,
(x,y,z) = (a
1
, 0, 0) + (0, a
2
, 0) + (0, 0, a
3
) = (a
1
, a
2
, a
3
)

Ento, qualquer vetor (x,y,z) pode ser escrito como combinao linear de (1,0,0), (0,1,0), (0, 0,1),
j que a
1
= x, a
2
= y, a
3
= z.

Portanto, [v
1
, v
2
, v
3
] =

Observao:
Nos grficos das figuras que os vetores de
so no paralelos e os vetores de
so no
coplanares.

Concluses:
Dos exemplos 3 e 4, podemos obter algumas generalizaes:
Sejam u
1
, u
2

(Plano) e v
1
, v
2
, v
3

(Espao) (todos no nulos)

(i) Se u
1
, u
2
so no paralelos, ento [u
1
, u
2
] =

(ii) Se v
1
, v
2
, v
3
so no coplanares, ento [v
1
, v
2
, v
3
] =

2.7 Dependncia e Independncia Linear
Seja
um vetor pertencente ao mesmo subespao gerado por
, ento o subespao
gerado por
o mesmo subespao gerado por
, isto ,
=

Ex. 3 Ex. 4

38

A razo disso que
um vetor a mais para descrever o subespao, pois v

3
uma combinao
linear de
. Em nosso estudo, estamos interessados em determinar dentre um conjunto de n

vetores {v
1
, v
2
, ..., v
n
}, o menor conjunto gerador de um subespao, denominado Base. Para isto
precisamos definir dependncia e independncia linear.

2.7.1 Definio
Sejam v
1
, v
2
, ... , v
n
V (espao vetorial).
O conjunto {v
1
, v
2
, ... , v
n
} linearmente independente (LI), se a equao
a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
= 0
admitir apenas a soluo trivial (a
1
= a
2
= ... = a
n
= 0 )
Caso exista algum a
i
0, ento o conjunto { v
1
, v
2
, ... , v
n
} dito linearmente dependente (LD).

2.7.2 Exemplos:

1) Seja V =
e v
1
,v
2
V tal que v
1
= (1,0) e v
2
= (0,1). O conjunto {v
1
, v
2
}

LI ou LD ?
Resoluo:
Este conjunto LI pois da equao a
1
v
1
+ a
2
v
2
= (0,0) temos,
a
1
(1,0) + a
2
(0,1) = (0,0) a
1
= a
2
= 0.

2) Seja V =
e v
1
,v
2
,v
3
V tal que v
1
= (1,1,2), v
2
= (3,-8,-5) e v
3
= (-2,8,6).
O conjunto {v
1
, v
2
, v
3
}

LI ou LD ?

Resoluo:
Da equao a
1
v
1
+ a
2
v
2
+ a
3
v
3
= (0,0,0) temos,
a
1
(1,1,2) + a
2
(3,-8,-5) + a
3
(-2,8,6) = (0,0,0)
Da, tem-se o seguinte sistema homogneo,
= +
= +
= +
0 a 6 a 5 a 2
0 a 8 a 8 a
0 a 2 a 3 a
3 2 1
3 2 1
3 2 1

Sabe-se que todo sistema homogneo admite a soluo trivial. Portanto, verificaremos se o
sistema admite outra soluo, caso exista, o conjunto {v
1
, v
2
, v
3
}

LD.
Escrevendo o sistema na forma de uma matriz ampliada e em seguida utilizando o processo de
escalonamento, temos:

(
(
(

6 5 2
8 8 1
2 3 1

~

(
(
(

10 11 0
10 11 0
2 3 1

~

(
(
(

0 0 0
10 11 0
2 3 1


39

Portanto, -11a
2
+ 10a
3
= 0 e a
1
+ 3a
2
- 2a
3
= 0 (Sist. Indeterminado)
Ento, a
2
=
11
10
a
3
e a
1
= - 3a
2
+ 2a
3
=
11
30
a
3
+ 2 a
3
=
11
8
a
3
a
1
=
11
8
a
3

Logo, para qualquer a
3
0, temos uma soluo no trivial.
Por exemplo, se a
3
= 11, temos a
2
= 10 e a
1
= -8, ou seja, -8(1,1,2) + 10(3,-8,-5) + 11(-
2,8,6) = (0,0,0).
Ento, o conjunto {v
1
, v
2
, v
3
}

LD.

Observao: Para escalonar sistemas homogneos no h necessidade de incluir a coluna das
constantes formada por zeros.

2.7.3 Teorema: O conjunto {v
1
, v
2
, ... , v
n
} LD Um dos vetores v
i
(i=1,2,...,n) for
combinao linear dos outros.

2.7.4 Exemplos:

1) No conjunto {v
1
, v
2
, v
3
}, em que v
1
= (2,1,3), v
2
= (10,5,15),

v
3
= (4,5,9), nota-se que:

v
2
= 5v
1
+ 0v
3
, isto , v
2
1
e v
3
.
Logo, o conjunto {v
1
, v
2
, v
3
} LD.

2) Seja {v
1
, v
2
, v
3
}, em que v
1
= (2,4,5), v
2
= (8,1,12). v
3
= (10,5,17)
Observe que: v
3
= v
1
+ v
2
. Ento o conjunto {v
1
, v
2
, v
3
} LD.

Observao: Uma outra verso do teorema :
O conjunto {v
1
, v
2
, ... , v
n
} LI Nenhum destes vetores for combinao linear dos outros.

2.7.5 Teorema: Sejam
, ,
vetores (linha) em
que tem esses

vetores como suas linhas. Ento,
, ,
sero linearmente dependentes se, e somente se,

< , onde o nmero de linhas de .

2.7.6 Exemplo: Considere os vetores
= 1, 2, 0,
= 1, 1, 1
= 1, 4, 2 do
.
Construindo a combinao linear
= 0, chega-se em uma matriz ampliada.

Resolvendo por escalonamento temos

40
=
1 2 0
1 1 1
1 4 2

~

1 2 0
0 1 1
0 2 2

~
+2

1 2 0
0 1 1
0 0 0

Portanto, = 2 < 3 . Logo, pelo teorema 2.7.5, o conjunto
linearmente dependente.

2.7.7 Exemplo: Dado os vetores
=
1
0
0
,
=
1
1
0
,
=
1
1
1
. Calculando-se o posto da matriz
=
temos:

=
=
1 0 0
1 1 0
1 1 1

~

1 0 0
1 1 0
0 0 1

~

1 0 0
0 1 0
0 0 1

Pela forma escalonada de nota-se que = 3 = . Portanto,
linearmente independente.

2.8 Base de um Espao Vetorial
Pergunta-se: Quantos vetores tm o espao vetorial
?
Uma infinidade. Imagina se temos que efetuar operaes ou verificar propriedades desse espao
vetorial, tendo que trabalhar com um nmero infinito de vetores?
Agora, por outro lado, como vetores linearmente independentes geram o espao
, ento basta
termos vetores LI que geram o
para podermos, simplesmente, trabalhar com esses vetores

na qual representam todos os vetores do
.
Portanto, desejamos encontrar um nmero finito de vetores de um espao vetorial V que sejam
necessrios para gerar V. Um conjunto deste tipo denomina-se Base de V.

2.8.1 Definio
Seja o conjunto B = {v
1
, v
2
, ... , v
n
} V (espao vetorial).
B uma base de V se:
(i) o conjunto B LI;
(ii) o conjunto B gera V, isto , [v
1
, v
2
, ... , v
n
] = V

2.8.2 Exemplos:
1) O conjunto B = {(1,1), (0,1)} base de V =
?
Basta verificar se B LI e se B gera
.
(i) a
1
(1,1) + a
2
(0,1)=(0,0) a
1
= 0 e

a
1
+ a
2
= 0 a
1
= a
2
= 0.

41
Logo, B LI.

(ii) B gera
se para qualquer v=(x,y)
pode ser escrito como combinao linear de (1,1) e

(0,1).
De (x,y) = a
1
(1,1) + a
2
(0,1) temos, a
1
= x e

a
1
+ a
2
= y
Da, a
2
= y - a
1
= y x.
Portanto, (x,y) = x(1,1) + (y-x)(0,1). Ento, B gera
.
Como foram satisfeitas as condies (i) e (ii), o conjunto B uma base de
.

2) Seja F = {(0,1), (0,2)} no base de
pois F um conj. LD, j que

(0,2) = 2(0,1), ou seja, (0,2) uma combinao linear de (0,1).

3) Seja V =
e e
1
= (1,0) e e
2
= (0,1).
O conjunto {e
1
, e
2
} denominado base cannica de
.

4) Seja V =
e e
1
= (1,0,0), e
2
= (0,1,0) e e
3
= (0,0,1).
O conjunto {e
1
, e
2
, e
3
} denominado base cannica de
.

2.8.3 Teorema: Qualquer base de um espao vetorial V tem sempre o mesmo nmero de
elementos.
Este nmero denominado dimenso de V, cuja notao dim V.

2.8.4 Exemplos
(1) Seja o espao vetorial V =
. Os conjuntos B
1
= {(1,0), (0,1)} e B
2
= {(1,1), (0,1)} so bases
de V =
, ento dim
= 2.

(2) Seja V =
(espao vetorial), ento dim
= 3.

(3) V =
(espao vetorial), ento dim
= n.

(4) Seja V = M(2,2) (espao vetorial), ento dim M(2,2) = 4.
O conjunto
)
`
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
forma uma base (base cannica) de M(2,2).

2.8.5 Corolrio (Conseqncia do Teorema)
Se dim V = n ento:
(a) qualquer conjunto com mais de n vetores LD.
(b) qualquer conjunto de n vetores LI uma base de V.

Ex 1
Ex 2

42

2.8.6 Exemplos:

1) Seja o conjunto C = {(1,0,0), (0,1,0), (3,4,7),(5,8,6)}.
Como dim
= 3 e o conjunto possui 4 vetores, ento o conjunto C LD. (Pelo corolrio (a)).

2) Seja D = {(1,2,3), (-1,1,-1), (2,-1,4)}, ento o conjunto D base de
?
Como dim
= 3 e D possui 3 vetores. Ento, se o conjunto D for LI, pelo corolrio (b), D ser
uma base de
. Verificando se D LI.
De x(1,2,3) + y(-1,1,-1) + z(2,-1,4) = (0,0,0) temos,
= +
= +
= +
0 z 4 y x 3
0 z y x 2
0 z 2 y x
Resolvendo este sistema por escalonamento temos, x = y = z = 0.
Portanto, o conjunto D LI e forma uma base de
.

3) Determinar a dimenso e uma base para cada um dos seguintes subespaos vetoriais:
(a) V =
, A = {(x,y,z)/ z = 4x}
Resoluo:
A = {(x,y, 4x)}. Nota-se que existem 2 variveis livres x e y, portanto dim A = 2. Para encontrar
uma base, faa x = 1 e y = 0, e posteriormente x = 0 e y =1. Da, uma base pode ser {(1,0,4),
(0,1,0)}.

(b) V =
, B = {(x,y,z)/ x = 5y e z = y}
Resoluo:
B = {(5y ,y,y)}, dim B = 1 e uma base de B {(5,1,1)}.

(c) V =
, C = {(x,y,z)/ y = 2x, z = -y}

Resoluo:
C = {(x,2x,-2x)}, dim C = 1 e uma base de C {(1,2,-2)}

(d) V =
, D = {(x,y,z)/ x +y z = 0}
Resoluo:
D = {(x, y, x+y)}, dim D = 2 e uma base de D {(1, 0, 1), (0, 1, 1)}

(e) V =
, E =
)
`
= + =
(
c a e d c b :
d c
b a

Resoluo:

43
E =
)
`
+
d c
d c c
, dim E = 2 e uma base de E
)
`
1 0
1 0
,
0 1
1 1

2.8.7 Teorema: Se e so subespaos de uma espao vetorial que tem dimenso finita,
ento dim dim e dim dim. Alm disso,
dim + = dim + dim

2.8.8 Exemplo: Considere = , , ; + = 0 e = , , ; = . Determine +,
e confira que dim + = dim + dim .
Resoluo: Observe que
= 1, 0, 1, 0, 1, 1 e = 1, 1, 0, 0, 0, 1.
Ento
+ = 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 1.
Dado , ,
podemos escrever
, , =
1,0,1 +
0, 1, 1 +
1, 1, 0 +
0, 0, 1
Escalonando a matriz ampliada temos

1 0 1 0
0 1 1 0
1 1 0 1
~

1 0 1 0
0 1 1 0
0 1 1 1
~

~
1 0 1 0
0 1 1 0
0 0 2 1 +

Se
= 0 temos
=
Portanto, + =
. Observer que a soluo deste sistema no nica j que 4 vetores no

necessariamente LD.
Como dim + = dim + dim ento: dim = 1.
Vamos determinar .
= , , ; + = 0 =
= , , ; = =
2
= 1, 1, 1/2

2.9 Vetor Coordenada

2.9.1 Definio
Sejam B = {v
1
, v
2
, ... , v
n
} base de V e v = a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
.

44
Chamamos os nmeros a
1
, a
2
, ..., a
n
de coordenadas de v em relao base B.

Notao: v
B
= (a
1
, a
2
, ... , a
n
) ou na forma matricial v
B
=
(
(
(
(
n
2
1
a
...
a
a

Observao: (a
1
, a
2
, ... , a
n
) denominado vetor-coordenada de v em relao base B.

2.9.2 Exemplo:
No
, consideremos as bases B = {(1,1), (-1,1)} e C = {(2,0), (1,3)}.

Dado o vetor v = (8,6), tem-se:
(8,6) = 7(1,1) -1(-1,1) e (8,6) = 3(2,0) + 2(1,3)
Logo, v
B
= (7,-1) o vetor-coordenada de v em relao base B
e v
C
= (3,2) o vetor-coordenada de v em relao base C
ou na forma matricial v
B
=
(
1
7
e v
C
=
(
2
3

2.10 Mudana de Base
Sejam =
, ,
e =
, ,
duas bases ordenadas de um mesmo espao

vetorial . Dado , podemos escrev-lo em funo dessas bases
++
++
(1)

As coordenadas de em relao s bases so dadas por:

Como base de V, podemos escrever os elementos de como combinao linear dos
elementos de , ou seja:
(2)

Substituindo (2) em (1):
=
++
++

Como =
++
e as coordenadas em relao a uma base so nicas, segue

que:

45
(3)

Na forma matricial:
(4)

Denota-se por
, sendo
chamada matriz mudana da base para

a base .
Portanto, (4) pode ser escrita da forma:
.

2.10.1 Exemplo
Sejam = {(2, -1) ; (3, 4)} e ={ (1, 0); (0, 1)} bases de
.
(a) Encontre
e 5,8
;
(b) Calcule
e compare com a matriz
.
Resoluo:
(a) Escrevendo cada vetor da base como combinao linear da base , tem-se
1,0 = 2, 1 +3,4
0,1 = 2, 1 +3,4
Isto implica que: = 4/11, = 1/11, = 3/11, = 2/11. Portanto,
=

=
4/11 3/11
1/11 2/11

Pode ser utilizado esta matriz para encontrar 5,8
.
5,8
5, 8

=
4/11 3/11
1/11 2/11

5
8

=
4
1

Logo,
5, 8 = 42, 1 13,4

Caso o problema fosse simplesmente encontrar as coordenadas de 5, 8 em relao base ,
basta resolver o sistema 5, 8 =
2, 1 +
3,4.

46

O clculo feito atravs da matriz de mudana de base vantajoso quando se trabalha com mais
vetores, pois neste caso no ser necessrio resolver um sistema de equaes para cada vetor.

(b) A matriz
fcil de ser calculada j que a base cannica.

2, 1 = 21,0 10,1
3,4 = 31,0 +4(0,1)
Portanto,
=
2 3
1 4

Para a matriz
tem-se que:
=
4/11 3/11
1/11 2/11
=
2 3
1 4

Comparando-se as matrizes
, nota-se que so iguais. O teorema a seguir

generaliza este resultado.

2.10.2 Teorema: Seja um espao vetorial de dimenso finita. Se e so duas bases de
ento
inversvel e, alm disso, tem-se que
.

2.10.3 Exemplo:
Sejam = {(1, 1 , 1); (1, 1, 0); (1, 0, 0)} e = {(1, 2, 0); (1, 3, 2); (0, 1, 3)} bases de
. Determine
e as coordenadas de = 3,2,1
em cada uma das bases.

Resoluo:
Escrevendo cada vetor da base como combinao linear da base , tem-se
=
0 2 3
2 1 2
1 2 1

Pelo teorema 2.10.2:
=
5 4 7
4 3 6
3 2 4
.
Para o vetor = 3,2,1, escrito como combinao linear dos vetores da base , tem-se:
=
1
1
1

Portanto,

47
=
5 4 7
4 3 6
3 2 4

1
1
1
=
16
13
9

Exerccios (Espaos Vetoriais)

1) Verifique se os conjuntos definidos abaixo representam espaos vetoriais
a) V = {(x, y) / x, y }; (x
1
, y
1
) + (x
2
, y
2
) = (x
1
+ x
2
, 0) ; a(x, y) = (ax, ay)
b) V = {(x, y) / x, y }; a adio usual ; a(x, y) = (ax, 0)
c) V = {(x, y) / x, y }; (x
1
, y
1
) + (x
2
, y
2
) = (x
1
+ x
2
, y
1
+ y
2
) ; a(x, y) = (x, ay)
d) V = {(x, y) / x, y }; (x
1
, y
1
) + (x
2
, y
2
) = (x
1
, y
1
) ; a(x, y) = (ax, ay)

2) Verifique quais dos conjuntos abaixo representam subespaos vetoriais de R
3
em relao s
operaes de adio e multiplicao por escalar usuais.
a) W = {(x, y, z)
/ x = 0}
b) W = {(x, y, z)
/ x Z}
c) W = {(x, y, z)
/ y Q}
d) W = {(x, y, z)
/ x 3z = 0}
e) W = {(x, y, z)
/ x y z }

3) Verifique quais dos conjuntos abaixo representam subespaos vetoriais do espao vetorial dos
polinmios reais P()
a) W = {f(t) p() / f(t) tem grau maior que 2}
b) W = {f(t) p() / f(t) > 0, t R}

4) Seja M
2
o espao vetorial das matrizes quadradas de ordem 2. Verifique se os conjuntos abaixo
representam subespaos vetoriais de M
2

a) V =
\
|
c
a

)
`
|
|
|
= c b R d c b a
d
b
; , , , ;

b) W =
\
|
c
a

)
`
|
|
|
+ = 1 ; , , , ; c b R d c b a
d
b

5) Verifique quais dos subconjuntos de
abaixo so linearmente independentes

a) {(1, 0, 0), (0, 1, 0), (0, 0, 1), (2, 3, 5)} b) {(1, 1, 1), (1, 0, 1), (1, 0, -2)}
c) {(0, 0, 0), (1, 2, 3), (4, 1, -2)} d) {(1, 1, 1), (1, 2, 1), (3, 2, -1)}

6) Verifique quais dos subconjuntos de P
4
() abaixo so linearmente independentes
a) {1, x 1, x
2
+ 2x + 1, x
2
} b) {2x, x
2
+ 1, x + 1, x
2
1}
c) {x
2
x, x
3
, 2x
3
x
2
, x} d) {x
4
+ x 1, x
3
x + 1, x
2
1}

48

7) Seja o espao vetorial M
2
e os vetores v
1
=
\
|
1
1

|
|
|
1
0
, v
2
=
\
|
0
1

|
|
|
1
2
e v
3
=
\
|
2
0

|
|
1
1
.
Escreva o vetor v =
\
|
0
1

|
|
|
5
8
como combinao linear dos vetores v
1
, v
2
e v
3
.

8) Seja dado o espao P
2
() = {at
2
+ bt + c / a, b, c } e os vetores p
1
= t
2
2t +1, p
2
= t + 2
e p
3
= 2t
2
t de P
2
.
a) Escreva o vetor p = 5t
2
5t + 7 como combinao linear dos vetores p
1
, p
2
e p
3
.
b) Escreva o vetor p = 5t
2
5t + 7 como combinao linear dos vetores p
1
e p
2
.
c) Determine os valores de a, b e c de modo que o vetor p = at
2
+ bt + c seja combinao linear de
p
2
e p
3
.
d) Verifique se possvel escrever p
1
como combinao linear de p
2
e p
3.

9) Determine o valor de k para que
\
|
1
1

|
|
|
0
0
,
\
|
0
1

|
|
|
0
1
,
\
|
k
2
)
`
|
|
|
0
1
seja LD

10) Seja W o subespao de M
2
definido por W =
\
|
0
2a

)
`
|
|
+
R b a
b a
b a
, ;
2
Verifique se
a)
\
|
0
0

|
|
1
2
W b)
\
|
3
0

|
|
|
1
2
W
11) Seja W o subespao de M
3X2
e os vetores
\
|
0
1
0

|
|
|
|
0
1
0
,
\
|
1
0
0

|
|
|
0
1
1

\
|
0
0
0

|
|
|
|
0
0
1
de W. Verifique se o vetor
\
|
5
3
0

|
|
|
|
0
4
2
pertence a W
12) Seja S o subespao de M
2
definido por S =
\
|
+
b a
b a

)
`
|
|
R b a
b
a
, ;
2
.
a) Verifique se
\
|
1
5

|
|
|
2
6
W b) k = ? para que
\
|
2
4

|
|
|
3
k
pertena a W

13) Sejam os vetores v
1
= (1, 1, 1) , v
2
= (1, 2, 0) e v
3
= (1, 3, -1). Determine k, no vetor (3, -1, k),
sabendo que ele pertence a [v
1
, v
2
, v
3
]

14) Verifique quais dos seguintes conjuntos formam uma base de R
2
. Dentre os que formarem,
escreva a configurao do vetor
a) {(1, 2), (-1, 3)} b) {(3, -6), (-4, 8)}
c) {(0, 0), (2, 3)} d) {(3, -1), (2, 3)}

15) Verifique quais dos seguintes conjuntos formam uma base de R
3
. Dentre os que formarem,
escreva os vetores que geram o espao

49
a) {(1, 1, -1), (2, -1, 0), (3, 2, 0)} b) {(1, 0, 1), (0, -1, 2), (-2, 1, -4)}
c) {(2, 1, -1), (-1, 0, 1), (0, 0, 1)} d) {(1, 2, 3), (4, 1, 2)}
e) {(0, -1, 2), (2, 1, 3), (-1, 0, 1), (4, - 1, -2)}

16) Dentre os vetores v
1
= (1, 1, 1), v
2
= (1, 2, 3), v
3
= (3, 0, 2) e v
4
= (2, -1, 1), verifique se
possvel formar uma base de R
3
(se for possvel, escreva os vetores que geram o espao)

17) Seja V = R
3
e o conjunto B = {(0, 1, 1), (1, 1, 0), (1, 2, 1)} R
3
. Mostre que B no base de R
3

e determine uma base para este espao

18) Mostre que V =
\
|
0
1

|
|
|
0
0
,
\
|
0
0

|
|
|
0
1
,
\
|
1
0

|
|
|
0
0
,
\
|
0
0

)
`
|
|
|
1
0
base de M
2

19) Escreva uma base para o espao vetorial das matrizes quadradas de ordem n e indique a
dimenso deste espao.

20) Sejam U, V e W os subespaos de R
3
definidos como U = {(x, y, z) / x = z}, V = {(x, y, z) / x = y
= 0} e W = {(x, y, z) / x + y + z = 0}. Verifique que U + V = R
3
, U + W = R
3
e V + W = R
3
. Em cada
um dos casos, escreva os vetores que geraram o espao.

21) Determine os vetores que geram os espaos abaixo, sendo cada um deles um subespao de
.

a) U = {(x, y, z) / x 2y = 0} b) V ={(x, y, z)/x + z = 0, x 2y = 0}
c) W = {(x, y, z) / x + 2y 3z = 0} d) U V e) V + W

22) Indique o conjunto gerador e uma base do exerccio 4-a

23) Dados os espaos vetoriais abaixo, indique sua base e dimenso
a) matrizes diagonais de ordem n
b) matrizes na forma escada de ordem n
c) V =
\
|
a
a

)
`
|
|
|

+
R b a
b
b a
, ;
d) V = {(a, a, ..., a)
}
e) V = {(a, 2a, 3a)}

24) Determinar as coordenadas do vetor v = (6, 2) em relao s bases
a) = {(3, 0), (0, 2)} b) = {(1, 2), (2, 1)}
c) = {(1, 0), (0, 1)} d) = {(0, 1), (1, 0)}

25) Sejam = {(1, 0), (0, 1)},
1
= {(-1, 1), (1, 1)}, e
2
= {(2, 0), (0, 2)} bases ordenadas de
.
a) Ache as matrizes mudana de base
.
b) Escreva as coordenadas do vetor v = (3, -2) com relao base ,
1
e
2

c) As coordenadas de um vetor v em relao base
1
so dadas por (v)
1
=
|
|
\
|
0
4
. Escreva as
coordenadas de v com relao s bases

e
2
.

26) Se
\
|
1
0
1

0
1
1

|
|
|
|
1
1
0
, determine:

50
a) (v)

, onde (v)
1
=
|
|
|
\
|
3
2
1

b) (v)
1
, onde (v)

=
|
|
|
\
|
3
2
1

27) Sejam
1
= {(1, 0), (0, 2)},
2
= {(-1, 0), (1, 1)}, e
3
= {(-1, -1), (0, -1)} bases ordenadas de R
2
.
Determine
.

28) Sejam
= , , ,
; + = 0 = 0 e
= , , ,
; + = 0
subespaos de
.
a) Determine
.
b) Exiba uma base para
.
c) Determine
.
d)
soma direta? Justifique.

e)
?

29) Sejam
=

; = = e
=

; = = subespaos de 2,2.
a) Determine
e exiba uma base.

b) Determine
. soma direta?
= 2,2?

Respostas (Espaos Vetoriais)

1 a) no b) no c) no d) no
2 a) sim b) sim c) no d) sim e) no
3 a) sim b) no
4 a) no b) no
5 a) LD b) LI c) LD d) LI
6 a) LD b) LD c) LD d) LI
7 v = 4v
1
+ 3v
2
2v
3

8 a) p = 3p
1
+ 2p
2
+ p
3
b) no possvel c) a + 2b c = 0 d) no possvel
9 k = 3
10 a) sim (a = 0, b = -1) b) no
11 no
12 a) sim (a = 3, b = -2) b) k = -2
13 k = 7
14 a) (x y, 2x + 3y) b) no forma base c) no forma base d) (3x + 2y , - x + 3y)
15 a) (x + 2y + 3z , x y + 2z , - x) b) no forma base c) (2x y , x, - x + y + z)
d) (x + 4y, 2x + y, 3x + 2y) e) no forma base
16 B = {v
1
, v
2
, v
3
} (x + y + 3z, x + 2y, x + 3y + 2z)

51
17 B = {v
1
, v
2
}
19 dim M
n
= n
2

20 U+V = [(1, 0, 1), (0, 1, 0), (0, 0, 1)] (x, y, x + z)
U+W=[(1, 0, 1), (0, 1, 0), (1, 0, -1)] (x + z, y, x z)
V+W=[(0, 0, 1),(1, 0, -1), (0, 1, -1)] (y, z, x y z)
21 a) [(2, 1, 0), (0, 0, 1)] b) [(2, 1, -2)] c) [(-2, 1, 0), (3, 0, 1)]
d) [(2, 1, -2)] e) [(0, 2, -2), (3, 0, 1)]
22
\
|
0
1

|
|
|
0
0
,
\
|
1
0

|
|
|
0
1
,
\
|
0
0

(
(
(
|
|
|
1
0

23 a) B = ,
0 . . 0
. . .
. . .
0 . . 1
|
|
|
|
|
\
|

|
|
|
|
|
\
|
0 . . 0
. . .
. 1 .
0 . . 0
, ,
|
|
|
|
|
\
|
1 . . 0
. . .
. . .
0 . . 0
, dim V = n
b) B =
|
|
|
|
|
\
|
1 . . 0
. . .
. 1 .
0 . . 1
, dim V = 1 c) B =
\
|
1
1

|
|
|
0
1
,
\
|
0
0

|
|
|
1
1
, dim V =2
d) B = {(1, 1, ..., 1)} , dim V = 1 e) B = {(1, 2, 3)} , dim V = 1
24 v
= (2, 1) , v
= |
\
|
3
10
,
3
2
v
= (6, 2) , v
= (2, 6)
25 a)
=
1 1
1 1
,
0
0
b)
=
3
2
,
1
c)
=
4
4
,
=
2
2

26 a)
=
1
1
4
, b)
=
2
3
1

27
=
1 2
0 2
,
=
0 1
1 1
,
=
1 0
=
1 1
0

28 (a)
= 0,0,1,1;
(b) Uma base para
0,0,1,1;
(c)
= 1,1,0,0, 0,0,1,1, 1,1,0,0, 1,0,1,0, 1,0,0,1;

(d)
no soma direta pois
0;
(e) Sim. Sugesto: Exiba uma para base para
.


52
3
TRANSFORMAES LINEARES

3.1 Introduo
Definio: Sejam V e W espaos vetoriais. Uma aplicao T: V W chamada transformao
linear de V em W, se , :
(i) T(u+v) = T(u) + T(v);
(ii) T(u) = T(u)

Observao: Decorre da definio que uma transformao linear : leva o vetor nulo de V
no vetor nulo de W, isto ,
. Isto ajuda a detectar transformaes no lineares, se
. Mas cuidado
no suficiente para que seja linear. Por exemplo, a

funo , , = +1, + no satisfaz esta condio.

3.1.1 Definio: Uma transformao linear de V em V ( o caso de V=W) chamada operador
linear sobre V.

Exerccios: Prove que as funes T e G so transformaes lineares e apresente um
contra-exemplo especfico para cada item (c) e (d), a fim de provar que uma das
propriedades de uma transformao linear no se verifica.

a) T :
, definida por T(x,y)=(3x,-2y,x-y)

b) G: , definida por = ,
c) F: , definida por F(u)=u
2

d) H:
, definida por = det

3.1.2 Exemplos:
1) Sejam = =
(polinmios de grau e :
, a aplicao derivada que a cada

polinmio associa sua derivada por =
. Para quaisquer funes derivveis, uma

transformao linear pois
+ =
= +
e =
= .

2) =
e =


53
T(u)+T(v)
T(u)
T(v)
u+v
u
3
2
1 v
X
5 4 3 2
0
1
-1
Y
4
Seja uma matriz . Define-se a funo :
por = .
onde o vetor coluna, =
e = .
.
Das propriedades de operaes de matrizes tem-se:
Sejam
+ = .
= .
+.
=

+ = + = + = +
e
= = =

Portanto, uma transformao linear.

3.1.3 Interpretao geomtrica
Uma interpretao geomtrica do significado de uma transformao linear T:
pode ser dada

considerando, por exemplo, o operador linear.

T:
, T(x,y)=(-3x+y,2x+3y)

Se u=(-1,1) e v=(0,1), tem-se u+v=(-1,2)

T(u)=(4,1) e T(v)=(1,3)

T(u)+T(v)=(5,4) e T(u+v)=(5,4)

Sendo u+v a diagonal do paralelogramo determinado por u e v, sua imagem T(u+v) representa a
diagonal do paralelogramo determinado por T(u) e T(v), isto , T(u+v)=T(u)+T(v). Diz-se, nesse
caso, que T representa a adio de vetores.
Se multiplicar o vetor u por 2, por exemplo, sua imagem T(u) tambm fica multiplicada por 2, isto ,
T(u)= T(u). Diz-se que nesse caso, que T preserva a multiplicao de um vetor por um escalar.

Exerccio: Suponha que seja uma transformao linear de
em
tal que 1,1 =

2, 3,1 e 2,3 = 1,0, 1.
a) Prove que os vetores = 1,1 e 2,3 formam uma base de
.
b) Escreva , como combinao linear de e .
c) Aplique a transformao na combinao linear encontrada no item anterior.
Qual a transformao linear ?

54

3.1.4 Teorema
Dados dois espaos vetoriais e e uma base de ,
, ,
. Ento existe uma nica

transformao linear : tal que
, ,
, para elementos arbitrrios
, ,
de . Esta aplicao dada por:

se =
+ +
( uma combinao linear de
, ,
),

=
+ +

Exerccio
Sejam T:
uma transformao linear e B={v

1
=(0,1,0), v
2
=(1,0,1) e v
3
=(1,1,0)} uma base do
.
Sabendo que T(v
1
)=(1,-2), T(v
2
)=(3,1) e T(v
3
)=(0,2), determinar T(x,y,z).

3.2 Ncleo de uma transformao linear
3.2.1 Definio: Seja : uma transformao linear. O conjunto de todos os vetores
tais que = denominado ncleo de T, sendo denotado por ou .

N(T) = {v V: T(v)=0} V

Observao: pois 0 uma vez que T(0)=0.

Exerccios:

1) Determinar o ncleo da transformao linear :
, , = 2, +3.

2) Seja a transformao linear :
, , , = +4, 3 + +8, determinar o

ncleo da transformao.

3.3 Imagem de uma transformao linear

55
3.3.1 Definio: Uma transformao linear : injetora se leva vetores distintos de
em vetores distintos de .

= : =

pois T(0)=0 Im(T).

Se = , ento sobrejetora. Em outras palavras, sobrejetora se dado , existir
tal que = .

Se sobrejetora, a imagem de coincide com W.

3.4 Propriedades
Se : uma transformao linear ento:
um subespao de .
De fato, sejam v
1
e v
2

N(T) e . Portanto,
i) T(v
1
+v
2
) = T(v
1
)+T(v
2
) = 0+0 = 0, ento v
1
+v
2
N(T)
ii) T(v
1
) = T(v
1
) = .0 = 0, ento v
1
N(T)
(b) um subespao de .
Sejam w
1
e w
2
Im(T) e . Ento, existem vetores v
1
e v
2
tais que T(v
1
)=w
1
e T(v
2
)=w
2
.
Portanto
T(v
1
+v
2
)=T(v
1
)+T(v
2
)= w
1
+w
2
. Ento, w
1
+w
2
.
T(v
1
)= T(v
1
)= w
1
. Logo, w
1
.

3.5 Teorema: Seja : uma transformao linear. Ento
dim +dim = dim

Exerccio:

56
Seja a transformao linear :
, , , = , 2, 0. Determine a imagem de , o ncleo de

e os vetores geradores de e . Verifique o teorema.

Exerccio:
1. Dado o operador linear :
, , , = +2 , +2, +3 +
a) Determinar o ncleo de T, a dimenso do ncleo e uma de suas bases.
b) Determinar a imagem de T, a dimenso da imagem e uma de suas bases.
c) Verificar as propriedades da dimenso.

3.6 Corolrios
Seja T:VW uma transformao linear.
(i) Se dim V= dim W, ento T injetora se, e somente se, sobrejetora.
(ii) Se dim V = dim W e T injetora, ento T transforma base em base, isto , se B={v
1
, ..., v
n
}
base de V, ento T(B)={T(v
1
),...,T(v
n
)}

3.7 Definio
Quando uma transformao linear : for injetora e sobrejetora, d-se o nome de
isomorfismo.
Quando h tal transformao entre dois espaos vetoriais dizemos que estes so isomorfos e
possuem a mesma dimenso. Um isomorfismo leva base em base e alm disso, um isomorfismo
: tem uma aplicao inversa
: , que linear e tambm um isomorfismo.

Exerccio
1) Seja :
, tal que , , = 2 , , +.
a) Mostrar que um isomorfismo.
b) Calcular
.

3.8 Aplicaes lineares e matrizes

Em um dos exemplos de transformaes lineares vimos que a toda matriz est associada
uma transformao linear :
por = . , onde o vetor coluna =
e =
.
. Logo a seguir, ser formalizado este resultado para espaos vetoriais e e


57
tambm estabelecer o seu recproco, isto , uma vez fixadas as bases, a toda transformao linear
: estar associada uma nica matriz.
Inicialmente, veremos que dados dois espaos vetoriais e com bases e e uma matriz ,
podemos obter uma transformao linear.

3.8.1 Considere = =
e as bases = 1,0, 0,1 e = 1,1, 1,1 e a matriz =
2 0
0 1
.
Deseja-se associar a esta matriz uma transformao linear que dependa de e das bases e ,
isto ,
. As coordenadas de em relao base representada por =
.
Portanto,
=
2 0
0 1

=
2
.
Ento,
= 21,1 +1,1 = 2 , 2 +
Note que se tivssemos partido de = = 1,0, 0,1, teramos obtido
= 2, = .

De modo geral, fixadas as bases =
, ,
e =
, ,
, matriz
=

podemos associar
com da seguinte forma:

Seja =
ento
=

Ento,
++
onde
a i-sima linha de .
Em geral, dada uma matriz
, essa encarada com uma transformao linear
em
relao s bases de
.

Exemplo: Sejam =
1 3 5
2 4 1
, = 1,0, 0,1 e = 1,0,0, 0,1,0, 0,0,1.

Determine a transformao linear
.
Resoluo: Seja =
, ento

58
=
1 3 5
2 4 1

=
3 +5
2 +4
.
Logo
, , = 3 +51, +2 +4 0,1 =
= 3 +5, 2 +4

3.8.2 Agora vamos encontrar a matriz associada a uma transformao linear. Seja : linear,
=
, ,
base de e =
, ,
base de . Ento
, ,
so vetores de e
portanto
++
++
++

A transposta da matriz dos coeficientes deste sistema, anotada por
, denominada matriz de
em relao s bases e .
=
Note que passa a ser a transformao linear associada matriz e bases e , isto , =
.

Observaes: Em relao matriz
temos que a primeira coluna formada pelas coordenadas

de
em relao base , isto ,
; a segunda coluna formada por
; de modo
geral, a matriz
pode ser representada por

3.8.3 Exemplos
Exemplo 1: Seja :
tal que , , = 2 + , 3 2 +4.

Sejam = 1,1,1, 1,1,0, 1,0,0 e = 1,3, 1,4. Determine
.
Resoluo: Aplicando nos elementos da base , temos:
1,1,1 = 2,5 = 31,3 11,4
1,1,0 = 3,1 = 111,3 81,4
1,0,0 = 2,3 = 51,3 31,4

59
Ento
=
3 11 5
1 8 3

Note que se fixarmos outras bases e , teremos uma outra matriz para a transformao .

Exemplo 2: Seja a transformao linear do Exemplo 1 e sejam = 1,0,0, 0,1,0, 0,0,1 e
= 1,0, 0,1. Calcule
.
Resoluo:
1,0,0 = 2,3 = 21,0 = 30,1
0,1,0 = 1, 2 = 11,0 20,1
0,0,1 = 1,4 = 11,0 +40,1
Ento
=
2 1 1
3 2 4

Exemplo 3: Dada as bases = 1,1, 0,1 de
e = 0,3,0, 1,0,0, 0,1,1 de
, encontre
a transformao linear :
cuja matriz
=
0 2
1 0
1 3

Resoluo: Interpretando a matriz, temos:
1,1 = 00,3,0 11,0,0 10,1,1 = 1, 1, 1
0,1 = 20,3,0 +01,0,0 +30,1,1 = 0, 9, 3
Devemos encontrar agora , . Para isto escrevemos , em relao `a base :
, = 1,1 + 0,1
Aplicando e usando a linearidade, temos:
, = 1,1 + 0,1
= 1, 1, 1 + 0,9,3
= , 9 10, 3 4

COMPOSIO DE TRANSFORMAES LINEARES

3.9 Definio: Se : e : so transformaes lineares, a composio de com
a aplicao o definida por
o =
onde um elemento de .


60
Observe que o uma aplicao de em . Note tambm que, para a definio fazer sentido, a
imagem de deve estar contida no domnio de .

3.10 Teorema: Se : e : so transformaes lineares, ento a composta
o: uma transformao linear.

3.11 Transformaes do plano no plano

Nesta seo iremos apresentar representaes geomtricas de algumas transformaes lineares
do plano no plano :
.

3.11.1 Expanso (ou Contrao)
:
onde =
Por exemplo: Se = 2 (expanso) ento a funo = 2 leva cada vetor do plano num vetor de
mesma direo e sentido de , mas de mdulo maior. Caso || < 1, uma contrao.

3.11.2 Reflexo em torno do eixo x
, = ,

3.11.3 Reflexo na origem
, = ,

3.11.4 Rotao de uma ngulo : (no sentido anti-horrio)
, = , +
Na forma matricial temos
, =


61
Considere o caso particular onde = /2. Da temos
/
, =
0 1
1 0

=

3.11.5 Cisalhamento horizontal
, = +, ,
Por exemplo: para = 2 temos , = +2,


62
EXERCCIOS (Transformaes Lineares)

1 Determine quais das funes abaixo representam transformaes lineares:
a) f: R
2
R
2
; (x, y) (x + y, x y)
b) g: R
2
R ; (x, y) xy
c) h: M
2
R ;
\
|
b
a

|
|
|
d
c
det
\
|
b
a

|
|
|
d
c

d) k: P
2
P
3
; ax
2
+ bx + c ax
3
+ bx
2
+ cx
e) m: R
3
R
2
; (x, y, z) (x, y, z)
\
|
1
0
1

|
|
|
1
1
2

f) n: R R ; x x

2 a) Ache a transformao linear T: R
3
R
2
tal que T(1, 0, 0) = (2, 0) , T(0, 1, 0) = (1, 1) e
T(0, 0, 1) = (0, -1).
b) Encontre v de R
3
tal que T(v) = (3, 2)

3 a) Qual a transformao linear T: R
2
R
3
tal que T(1, 1) = (3, 2, 1) e T(0, -2) = (0, 1, 0)?
b) Ache T(1, 0) e T(0, 1);
c) Qual a transformao linear S: R
3
R
2
tal que S(3, 2, 1) = (1, 1), S(0, 1, 0) = (0, -2) e
S(0, 0, 1) = (0, 0)?

4 a) Ache a transformao T do plano no plano que uma reflexo em torno da reta x = y
b) Escreva-a em forma matricial

5 No plano, uma rotao anti-horria de 45 seguida por uma dilatao de 2 . Ache a aplicao
A que representa esta transformao no plano.

6 Qual a aplicao que representa uma contrao de
2
1
seguida por uma rotao horria de
45?

7 Sejam = {(1, -1), (0, 2)} e = {(1, 0, -1), (0, 1, 2), (1, 2, 0)} bases de R
2
e R
3

respectivamente e
\
|
0
1
1

|
|
|
|
1
1
0
.
a) Ache T; b) Se S(x, y) = (2y, x y, x), ache
;
c) Ache uma base de R
3
tal que
\
|
0
0
1

|
|
|
|
1
0
0

8 Seja V o espao vetorial das matrizes de ordem 2 cuja base considerada a cannica. Se T:
V R
2
dada por T
\
|
\
|
c
a

|
|
|
|
|
|
b
b
= (a + d, b + c).
a) Ache
, onde a base cannica do R

2


63
b) Se S: R
2
V e
\
|
0
1
1
2

|
|
|
|
|
1
0
1
1
, ache S e, se for possvel, um vetor (a, b) tal que S(a, b) =
\
|
0
1

|
|
|
1
0

9 Seja T: R
2
R
2
tal que (T) =
\
|
0
1

|
|
|
1
2
. Ache os vetores u e v tal que T(u) = u e T(v) = - v

10 No exerccio 7, determine ker(T), Im(T), ker(S) e Im(S) e verifique o teorema da dimenso

11 Considere a transformao linear T: R
3
R
3
dada por T(x, y, z) = (z, x y, - z).
a) Determine ker(T) e sua base b) Determine dim(Im(T))
c) T sobrejetora? Justifique d) Faa um esboo de ker(T)

12 Sejam = {(0, 2), (2, -1)} e = {(1, 1, 0), (0, 0, -1), (1, 0, 1)} bases de R
2
e R
3
e
\
|
0
4
2

|
|
|
|
4
0
0
. Determine S(x, y)

13 a) Determine a transformao linear T: R
3
R
2
tal que T(1, -1, 0) = (1, 1), T(0, 1, 1) =
(2, 2) e T(0, 0, 1) = (3, 3).
b) Ache T(1, 0, 0) e T(0, 1, 0)

14 Seja T: R
3
R
2
uma transformao linear definida por T(1, 1, 1) = (1, 2),
T(1, 1, 0) = (2, 3) e T(1, 0, 0) = (3, 4).
a) Determine T(x, y, z)
b) Determine v R
3
tal que T(v) = (-3, -2)
c) Determine v R
3
tal que T(v) = (0, 0).

15 Determine a transformao linear T: P
2
P
2
tal que T(1) = x, T(x) = 1 x
2
e T(x
2
) = x + 2x
2

16 Determine, para cada transformao linear abaixo, o ncleo, a imagem e a dimenso de cada
uma. Verifique se cada uma delas injetora e/ou sobrejetora e se satisfaz o teorema da dimenso.
a) T: R
2
R
2
; T(x, y) = (3x y, -3x + y)
b) T: R
2
R
3
; T(x, y) = (x + y, x, 2y)
c) T: R
2
R
2
; T(x, y) = (x 2y, x + y)
d) T: R
3
R
2
; T(x, y, z) = (x + 2y - z, 2x y + z)
e) T: R
3
R
3
; T(x, y, z) = (x y 2z, - x + 2y + z, x 3z)
f) T: R
3
R
3
; T(x, y, z) = (x 3y, x z, z - x)
g) T: P
1
R
3
; T(at + b) = (a, 2a, a - b)
h) T: M
2
R
2
; T
\
|
\
|
c
a

|
|
|
|
|
|
b
b
= (a - b, a + b)


64
17 Consideremos a transformao linear T: R
3
R
2
definida por T(x, y, z) = (2x + y z, x + 2y) e
as bases A = {(1, 0, 0), (2, -1, 0), (0, 1, 1)} do R
3
e B = {(-1, 1), (0, 1)} do R
2
. Determine

18 Sabendo que a matriz de uma transformao linear T: R
2
R
3
nas bases A = {(-1, 1), (1, 0)} do
R
2
e B = {(1, 1, -1), (2, 1, 0), (3, 0, 1)} do R
3

\
|
1
2
3

|
|
|
|
1
5
1
, encontre a expresso T(x, y) e a
matriz (T).

19 Seja (T) =
\
|
1
2
1

|
|
|
|
3
0
2
a matriz cannica de uma transformao linear T: R
2
R
3
. Se
T(v) = (2, 4, -2), calcule v.

20 Seja T: R
3
R
2
tal que
\
|
1
1

1
0

|
|
|
1
1
sendo B
1
= {(0, 1, 1), (1, 0, 0), (1, 0, 1)} e
B
2
= {(-1, 0), (0, -1)} bases do R
3
e do R
2
respectivamente.
a) Encontre a expresso de T(x, y, z)
b) Determine ker(T) e sua base
c) Determine Im(T) e sua base
d) T injetora? T sobrejetora? Justifique
21 Seja T: R
2
R
2
definida por (T) =
\
|
1
1

|
|
|
5
3
. Determine os vetores u, v e w tais que
a) T(u) = u b) T(v) = 2v c) T(w) = (4, 4)

22 Seja o espao vetorial V = M
2
e a transformao linear T: V R
3
definida por
T
\
|
\
|
c
a

|
|
|
|
|
|
b
b
= (a + b, c d, 2a).
a) Mostre que T linear
b) Determine
sendo A e B as bases cannicas de M

2
e R
3
, respectivamente
c) Calcule v V tal que T(v) = (3, -2, 4)
d) Determine ker(T)

23 Sejam F: R
2
M
2
uma transformao linear e e as bases cannicas de R
2
e M
2
,
respectivamente. Sabendo que
\
|
1
3
2
1

|
|
|
|
|
2
2
1
0
, determine
a) F(1, 0) b) F(0, 1) c) F(2, 3) d) (a, b) tal que F(a, b) =
\
|
3
1

|
|
|
4
2


65
24 Dadas as transformaes lineares abaixo, verifique quais dentre elas representam um
isomorfismo. Defina a transformao inversa daquelas que representarem.
a) T: R
2
R
2
; T(x, y) = (3x 4y, - x + 2y)
b) T: R
2
R
2
; T(x, y) = (x 2y, - 2x + 3y)
c) T: R
2
R
2
; T(x, y) = (2x y, - 4x + 2y)
d) T: R
3
R
3
; T(x, y, z) = (x y + 2z, y z, 2y 3z)
e) T: R
3
R
3
; T(x, y, z) = (x y + 2z, y z, - 2x + y 3z)
f) T: R
3
R
3
; T(x, y, z) = (x + z, x z, y)
25 Seja o operador linear T: R
3
R
3
definida pela matriz
\
|
0
2
1

0
1
0

|
|
|
|
1
1
1
.
a) Mostre que T um isomorfismo
b) Determine a lei que define T
-1

c) Utilize a matriz (T) para obter o vetor v R
3
tal que T(v) = (2, -3, 0)

26 Sejam T e S operadores lineares de R
2
definidos por S(x, y) = (x 2y, y) e T(x, y) = (2x, -y).
Determine:

a) S + T b) T S c) 2S + 4T d) So T e) To S f) So S

27 Seja a transformao linear S: R
3
R
4
, S(x, y, z) = (x + y, z, x y, y + z). Calcule (So T)(x, y) se
T: R
2
R
3
definida como T(x, y)=(2x + y, x y, x 3y)

RESPOSTAS (Transformaes Lineares)

1 a) sim b) no c) no d) sim e) sim f) no
2 a) (2x + y, y z) b) (x, 3 2x, - 2x + 1)
3 a) |
\
|
x ,
2
y 5x
3x, b) |
\
|
|
\
|
0 ,
2
1
0, ; 1 ,
2
5
3,

c) |
\
|
+
3
5x
2y ,
3
x

4 b)
|
|
\
|
|
|
\
|
|
|
\
|
y
x
0 1
1 0
y
x
c) (x y, x + y)
6 |
\
| +
2
y x
,
2
y x

7 a) |
\
|
+

y 2x ,
2
y x
,
2
y x
b)
|
|
|
\
|
=
8 5
10 4
20 11
3
1
(S)

c) = {(1, 1, 1), (-1, -1, 2)}
8 a)
=
1 0
0 1
0 1
1 0
b)
|
|
\
|
+
y x
y y x 2x
; no possvel
9 (-y, y) ,
2
R y
10 N(T) = {0}, Im(T)= , 1 ,
2
1
,
2
1
, 2 ,
2
1
,
2
1
(
\
|
|
\
|
N(S) = {0}, Im(S) = [(0, 1, 1), (2, -1, 0)]
11 a) N(T) = {(x, x, 0) , x R} base = {(1, 1, 0)}
b) 2 c) no d) reta x = y (no espao)

66
12 |
\
|
+ 3x 2y ,
2
x
y 3x, y
13 a) (-y + 3z, -y + 3z) b) (0, 0) ; (-1, -1)
14 a) (3x y z, 4x y, - z ) b) v = (1, y, - y + 6) c) v = (0, -z, z)
15 (2a b)x
2
+ (a + c) x + b
16 a) ker(T) = [(1, 3)] dim(ker(T)) = 1 no Im(T) = [(-1, 1)] dim(Im(T)) = 1 no
b) ker(T) = {0} dim(ker(T)) = 0 sim Im(T) = [(1, 1, 0), (1, 0, 2)] dim(Im(T))=2no
c) ker(T) = {0} dim(ker(T)) = 0 sim Im(T) = [(1, -2), (1, 1)] dim(Im(T)) =2sim
d) ker(T) = [(1, -3, -5)] dim(ker(T)) = 1 no Im(T) = [(2, -1), (-1,1)] dim(Im(T))=2sim
e) ker(T)=[(3, 1, 1)] dim(ker(T)) = 1 no Im(T) = [(-1, 2, 0), (-2, 1, -3)] dim(Im(T))=2no
f) ker(T)=[(1,
3
1
, 1)] dim(ker(T))=1 no Im(T) = [(1, 1, -1), (0, -1, 1)] dim(Im(T))=2no
g) ker(T) = {0} dim(ker(T)) = 0 sim Im(T) = [(1, 2, 1), (0, 0, -1)] dim(Im(T))=2no
h) ker(T)=
(
(

|
|
\
|
R d c, ,
d c
0 0
dim(ker(T))=2 no Im(T)=[(1, 1), (-1, 1)] dim(Im(T))=2sim
17
=
2 3 0
3 3 2

18 (8x + 18y , 6x + 11y , - 2x 4y) =
8 18
6 11
2 4

19 v = (-2, 0)
20 a) (-2y + z, - x + y) b) ker(T) = [(1, 1, 2)] dim(ker(T)) = 1
c) Im(T) = [(0, -1), (-2, 1)] dim(Im(T)) = 2 d) no ; sim
21 a) (0, 0) b) (3y, y) c) (1, 1)
22 b)
=
1 1 0 0
0 0 1 1
2 0 0 0
c)
|
|
\
|
d 2 d
1 2
d) ker(T) =

|
|
\
|
R d ,
d d
0 0

23 a)
\
|
3
1

|
|
|
1
2
b)
\
|
2
0

|
|
|
2
1
c)
\
|
2
2

|
|
|
4
7
d) F(x, y) =
|
|
\
|
+
+
2y x 2y 3x
y 2x x
no
possvel determinar (a, b)
24 a) sim ; T
-1
= |
\
| +
+
2
3y x
2y, x b) sim ; T
-1
= (-3x 2y , - 2x y) c) no
d) sim ; T
-1
=(x y +z, 3y z, 2y z) e) no f) sim ; T
-1
= |
\
| +
2
y x
z, ,
2
y x

25 b) T
-1
= (x + z, 2x y + z, - z) c) v = (2, 7, 0)

26 a) (3x 2y, 0) b) (x + 2y , - 2y) c) (10x 4y, - 2y) d) (2x + 2y, - y)
e) (2x 4y, - y) f) (x 4y, y)

27 S
o
T = (3x, x 3y, x + 2y, 2x 4y)


67
4
AUTOVALORES E AUTOVETORES

Dada uma transformao linear, T: V V estamos interessados em saber que vetores (no nulos)
so levados em um mltiplo de si mesmo; isto , procuramos um vetor v V e um escalar real
tais que

T(v) = .v

Neste caso T(v) ser um vetor de mesma direo que v.
O escalar ser chamado autovalor e o vetor v um autovetor. Vamos formalizar este conceito.

4.1 Definio
Seja T: V V uma transformao linear.
Se existirem vV, v 0, e tais que Tv = .v, ento
um autovalor de T e v um autovetor de T associados a .
Observe que pode ser o nmero 0, embora v no possa ser o vetor nulo.

4.1.1 Exemplos:
1) Seja T:
2 2
dado por T(x,y) = 2.(x,y).
Neste caso = 2 o autovalor de T
E qualquer vetor (x, y) (0, 0) um autovetor de T associado a =2.

2) T:
2 2
onde T(x,y) = (x, -y)
Note que T(0, -y)=(0,-y)=-1(0, y)
Portanto,
1
=-1 o autovalor de T e todo vetor v
1
=(0,y) tal que y 0 um autovetor de T.
Observe tambm que T(x,0)=(x,0)=1(x,0)
Ento,
2
=1 o autovalor de T e todo vetor v
2
=(x,0) tal que x 0 um autovetor de T.

3) Quais so as matrizes A
1
e A
2
associadas s Transformaes Lineares em relao base
cannica, nos exemplos 1 e 2? (Exerccio)

v
T(v)

68

Comentrio:
As noes de autovetor e autovalor de uma transformao linear (ou matriz) so fundamentais, por
exemplo, em Fsica Atmica porque os nveis de energia dos tomos e molculas so dados por
autovalores de determinadas matrizes. Tambm o estudo dos fenmenos de vibrao, anlise de
estabilidade de um avio e muitos outros problemas de Fsica levam procura de autovalores e
autovetores de matrizes.

4.2 Autovalores e Autovetores de uma matriz

Lembre-se que toda transformao linear T:
n n
est associada a uma matriz A(n x n) em
relao base cannica, isto , T(v) = A .v.
Logo, o autovalor e o autovetor de A o autovalor e autovetor de T.
Portanto, o autovalores e o autovetores v, so solues das equaes da seguinte relao T(v)
= .v, isto , A.v=.v, v 0 (v vetor no nulo).

4.3 Polinmio Caracterstico
Mtodo prtico para encontrar autovalores e autovetores de uma matriz. Observe que, se for a
matriz identidade de ordem 2, ento a equao acima pode ser escrita na forma
. =

. =

=

Exemplificando:
3 4
1 2

0
0
.
=
0
0

3 4
1 2
.
=
0
0

Se escrevermos explicitamente o sistema de equaes lineares equivalente a esta equao
matricial, iremos obter um sistema de 2 equaes e 2 incgnitas.
Pela regra de Cramer, se o determinante da matriz dos coeficientes for diferente de zero,
saberemos que este sistema tem uma nica soluo, que a soluo trivial, ou seja, x=y=0.
Mas estamos interessados em calcular os autovetores de A, isto , vetores v 0, portanto
= , ou seja,

= 3 + . 2 +4 = 0
+ 2 = 0

Denominamos de =
+ 2 de polinmio caracterstico de A.

Observao: = (Polinmio caracterstico de )

Continuando a resoluo, temos que
= 2 e
= 1 so as razes do polinmio caracterstico,

e portanto os autovalores da matriz A so -2 e 1.

69
Atravs dos autovalores encontramos os autovetores.
(i) Substituindo
= 2

em
3

4
1 2

=
0
0

1 4
1 4
.
=
0
0

+4 = 0

= 4
O autovetor associado a
v
1
=(4y,y), y 0, ou v
1
=(x,x/4), x 0

(ii) Substituindo
= 1 em
3
4
1 2
=
0
0

4 +4 = 0
+ = 0

4 4
1 1
.
=
0
0

4 +4 = 0
+ = 0

=

O autovetor associado a
v
2
=(x,x), x 0.

4.4 Teorema
Se a equao polinomial 0 c c ... c
n 1 n
1 n
1
n
= + + + +

, onde c
1
, ... , c
n
so inteiros.
Todas as solues inteiras (se houver) desta equao so divisores do termo c
n
.

4.4.1 Exemplo: As possveis razes inteiras da equao 0 6 3 2
2 3
= + so os
divisores de -6 que so, 6 , 3 , 2 , 1 .
Se 6 3 2 ) (
2 3
+ = p , ento 2
0
= uma das razes do polinmio ) ( p , pois p(2)=0.
Para as outras possibilidades, no encontramos razes.
Mas, dividindo p( ) por
0
, onde
0
uma raiz de p( ), temos,
) 3 ).( 2 ( ) (
2
+ = p
Logo, as outras razes sero solues da equao 0 3
2
= +

3 =
Considerando razes no campo complexo, temos 3 i = .
Ento, as razes de p() so: 2, 3 i , 3 i .

Observao: Vale lembrar que uma equao polinomial com coeficientes reais pode no admitir
razes reais, neste caso, ela possui razes complexas. Assim, toda transformao linear sobre
espaos vetoriais complexos sempre admite autovalores.


70
Exerccios (Autovalores e autovetores)

1) Sejam A =
\
|
0
0
1

0
1
2

|
|
|
|
1
1
1
e B =
\
|
0
0
1

0
2
3

|
|
|
|
3
0
1
matrizes inversveis.
a) Calcule AB e BA (note que o produto entre elas origina matrizes distintas)
b) Encontre os autovalores de AB e de BA. O que se pode observar?
c) Encontre os autovetores associados de AB e de BA. O que se pode observar?
Resp: (a) AB =
|
|
|
\
|
3 0 0
3 2 0
4 7 1
e BA = ;
3 0 0
2 2 0
3 1 1
|
|
|
\
|
(b) so iguais;
1
= 1,
2
= -2,
3
= -3

2) Ache os autovalores e autovetores correspondente das transformaes lineares dadas:
(a) T(x, y)= (2y, x) Resp: 2
1
= v
1
= ( 2 y, y), y 0
2
2
= v
2
= (- 2 y, y), y 0
(b) T(x, y) = (x + y, 2x + y) Resp: 2 1
1
+ = v
1
= (x, 2 x), x 0
2 1
2
= v
2
= (x, - 2 x), x 0

3) Ache os autovalores e os autovetores correspondentes das transformaes lineares dadas
a) T: R
2
R
2
; T(x, y) = (2y, x)
b) T: R
2
R
2
; T(x, y) = (x + y, 2x + y)
c) T: R
3
R
3
; T(x, y, z) = (x + y, x y + 2z, 2x + y z)
d) T: P
2
P
2
; T(ax
2
+ bx + c) = ax
2
+ cx + b
e) T: R
4
R
4
; T(x, y, z, w) = (x, x + y, x + y + z, x + y + z + w)

Resp: a) 2 ; - 2 e [( 2 , 1)], [ (- 2 , 1)] b) 1 + 2 ; 1 - 2 e [(1, 2 )], [ (1, - 2 )]
c) 2; -2; -1 e [(1, 1, 1)], [(1, -3, 1)], [(-2, 4, 1)] d) 1; -1; 1 e [(1, 0, 0), (0, 1, 1)], [(0, -1, 1)]
e) 1; 1; 1; 1 e [(0, 0, 0, 1)]

4) Calcule os autovalores e autovetores correspondentes das matrizes:
(a) A =
(
1 0
2 1
R: 1
1
= v
1
= (x, 0), x 0
1
2
= v
2
= (-y, y), y 0
(b) A =
(
1 1
1 1
R: 0
1
= v
1
= (x, -x), x 0
2
2
= v
2
= (x, x), x 0

5) Calcule os autovalores e os autovetores correspondentes das matrizes dadas
a) A =
\
|
0
1

|
|
|
1
2
b) A =
\
|
1
1

|
|
|
1
1
c) A =
\
|
0
0
1

0
1
2

|
|
|
|
1
2
3
d) A =
\
|
0
0
3

0
3
3

|
|
|
1
5
4


71
e) A =
\
|
1
1
1

1
0
0

|
|
|
|
2
1
2
f) A =
\
|
2
1
1

1
2
1

|
|
|
|
1
1
2
g) A =
\
|
1
0
0

0
0
1

|
|
|
|
0
1
0

h) A =
\
|
3
0
1

3
4
3

|
|
|
|
1
0
3
i) A =
\
|
2
2
1

4
7
4

|
|
|
|
11
14
14
j) A =
\
|
0
12
0
2

1
0
2
0

0
3
0
1

|
|
|
|
|
|
0
0
1
0

Resp: a) 1; -1 e [(1, 0)], [(1, -1)] b) 0; 2 e [(1, -1)], [(1, 1)]
c)
1, 2, 3
= 1 e [(1, 0, 0)] d)
1, 2
= 3;
3
= -1 e [(1, 0, 0)], [(1, -20, 16)]
e) 1; 3; -1 e [(1, -1, 0)], [(1, 0, 1)], [(1, 2, -1)] f) 1; -1; 4 e [(1, -2, 1)], [(0, 1, -1)], [(1, 1, 1)]
g)
1, 2, 3
= -1 e [(1, -1, 1)] h)
1
= -2 ;
2, 3
= 4 e [(1, 0, 1)], [(1, 1, 0), (0, 1, 1)]
i)
1, 3
= - 3;
2
= 9 e [(2, 1, 0), (-7, 0, 1)], [(1, 1, 1)]

6) Encontre as equaes caractersticas e os autovalores.
(a) A =
(

1 2
4 1
Resp: =
1
1 2 2 i
(b) A =
(
1 2
4 2
Resp:
2
i 31 3
=

(c) A =
(

2 3
2 1
Resp:
2
i 23 3
=

(d) A =
(

2 4
4 3
Resp:
2
i 73 5
=

7) Encontre as equaes caractersticas, os autovalores e os autovetores das matrizes:
(a) A =
(
1 8
0 3
Resp: 3
1
= v
1
= (x, 2x), x 0
1
2
= v
2
= (0, y), y 0
(b) A =
(
2 4
9 10
Resp: = 4 v = (3x, 2x), x 0
(c) A =
(
0 4
3 0
Resp:
3 2
1
=
v
1
= (3x, 2 3 x), x 0

3 2
1
=
v
1
= (-3x, 2 3 x), x 0
(d) A =
(
1 0
0 1
Resp: = 1, autovetor qualquer v = (x,y) tal que x, y 0.

8) Dado a matriz A, determine os autovalores e os autovetores da matriz A
a) A =
(
(
(
4 2 0
1 1 0
0 1 2
b) A =
(
(
(
1 0 0
5 3 0
4 0 3

R: =
1
2, v
1
= (x, 0, 0), x 0 Resp: =
1
3, v
1
= (x, y, 0), x, y 0
=
2
3, v
2
= (x, x, -2x), x 0 =
2
-1, v
2
= (z, -
4
5
z, z), z 0
c) A =
(
(
(

1 0 0
5 3 0
4 3 3
d) A =
(
(
(
1 0 0
2 1 0
3 2 1


72
R: =
1
3, v
1
= (x, 0, 0), x 0 Resp: = 1, v
1
= (x, 0, 0), x 0
=
2
-1, v
2
= (
16
z
, -
4
5
z, z), z 0
e) A =
(
(
(
2 1 1
1 0 1
2 0 1
f) A =
(
(
(
1 1 2
2 1 1
0 1 1

R: =
1
1, v
1
= (x, -x, 0), x 0 Resp: =
1
-1, v
1
= (x, -2x,
2
x
), x 0
=
2
-1, v
2
= (x, 2x, -x), x 0 =
2
-2, v
2
= (x, -3x, x), x 0
=
3
3, v
3
= (x, 0, x), x 0 =
3
2, v
1
= (x, x, x), x 0

g) A =
(
(
(
1 1 2
1 2 1
2 1 1

Resp: =
1
1 v
1
= (x, 0, x), x 0
=
2
-1, v
2
= (x, 0, x), x 0
=
3
4 v
3
= (x, x, x), x 0

9) Determine todos os autovalores da matriz sobre o conjunto dos nmeros complexos. Encontre
tambm os autovetores correspondentes.
a =
1 1
1 1
=
1
1
=
3 1
1 3

Resp:
= 1 +;
= 1 ;
= , , 0;
= , , 0

= 1 +;
= 1 ;
= , , 0;
= , 0

= 3 +;
= 3 ;
= , , 0;
= , , 0

10) Sejam e nmeros reais. Encontre os autovalores e os autovetores correspondentes de
=

sobre o conjunto dos nmeros complexos.
Resp:
= +;
= ;
= , , 0;
= , , 0

11) Seja =
1 2 0
0 1 1
1 0 0
. Quais so os autovalores e autovetores de de um espao vetorial:
(a) Real (b) Complexo
Resp:
(a)

= 2, = 2, , , 0

(b)
= 2,
= 2, , , 0;
= ,
= 1 +, , 1 +, 0;
= ,
= 1 , , 1 , 0

73
5
SEMELHANA E DIAGONALIZAO DE OPERADORES

As matrizes triangulares e matrizes diagonais so interessantes, pois seus autovalores so
determinados diretamente. Portanto, seria agradvel se pudssemos relacionar uma matriz a outra
matriz triangular ou diagonal de forma que ambas tivessem os mesmos autovalores.

5.1 Matrizes Semelhantes
5.1.1 Definio: Sejam A e B matrizes do tipo nxn. Dizemos que A semelhante a B se existir
uma matriz nxn invertvel P tal que P
-1
AP=B. Se A semelhante a B, escrevemos A~B.
Observao: Se A~B, podemos escrever que A=PBP
-1
ou AP=PB.

Exemplo: As matrizes
(
=
1 0
2 1
A
e
(

=
1 2
0 1
B
so semelhantes.
Tome
(

=
1 1
1 1
P
. Calculando AP e PB temos que: AP=PB=
(
1 1
1 3
.

5.1.2 Teorema
Sejam A e B matrizes semelhantes. Ento:
a) det(A) = det(B).
b) A invertvel

B invertvel.
c) A e B tm o mesmo posto.
d) A e B tm o mesmo polinmio caracterstico.
A demonstrao deste teorema pode ser vista no livro lgebra Linear (David Poole, 2004).

Lembrete: O posto de uma matriz o nmero de linhas no nulas de qualquer uma de suas
formas escalonadas por linhas.

5.2 Diagonalizao
Temos a melhor situao possvel quando uma matriz quadrada semelhante a uma matriz
diagonal. Como veremos logo a seguir, a possibilidade de isso ocorrer est relacionada
estreitamente com os autovalores e autovetores da matriz.

74

5.2.1 Definio:
Uma matriz A(nxn) diagonalizvel se existe uma matriz diagonal D tal que A~D, ou seja, se
existe P(nxn) invertvel tal que P
-1
AP=D.

Exemplo: A matriz
(
=
2 2
3 1
A
diagonalizvel, pois, se
(
=
2 1
3 1
P
e
(
=
1 0
0 4
D
, ento AP=PD=
(

2 4
3 4
.

5.2.2 Teorema
A matriz A(nxn) diagonalizvel A tiver n autovetores LI.

Em outras palavras:
Existem P invertvel e uma matriz diagonal D tal que P
-1
AP=D se, e somente se, as colunas de P
forem n autovetores de A, linearmente independentes, e os elementos da diagonal de D forem os
autovalores correspondentes aos autovetores.
Neste caso, | |
n
v v v P ...
2 1
= , onde
n
v v v , ... , ,
2 1
so os n autovetores cujas coordenadas so
posicionadas em colunas, e

(
(
(
(
= =
n
D AP P
0 0 0
0 0
0 0
0 0 0
2
1
1
O O
O

5.2.3 Exemplos: Se possvel, determine a matriz P que diagonaliza
a)
(
(
(
=
4 5 2
1 0 0
0 1 0
A
b)
(
(
(
=
1 0 1
3 0 3
1 0 1
A

Solues:
a) det(A- I)=0 0 2 5 4
2 3
= + + 1
2 = 0
Os autovalores so 1
2 1
= = e 2
3
= .
Para 1
2 1
= = tem como autovetor os mltiplos de (1,1,1).
Para 2
3
= tem como autovetor os mltiplos de (1,2,4).
Como no possvel existir 3 autovetores LI, pelo teorema anterior, A no diagonalizvel.

75
Observao: 1 = tem multiplicidade algbrica igual a 2 e 2 = tem multiplicidade algbrica
igual a 1. Cada autovalor gera somente um autovetor, portanto a multiplicidade geomtrica 1,
para qualquer autovalor.

b) det(A- I)=0
+2 = 0
Para
0
2 1
= =
temos autovetores da forma (x,y,x), x,y 0, que so gerados pelos vetores
v
1
=(0,1,0) e v
2
=(1,0,1).
Para 2
3
= tem como autovetor v
3
=(-1,3,1).
fcil verificar que estes 3 vetores so LI. Pelo teorema,
=
=
0 1 1
1 0 3
0 1 1
invertvel. Alm disso, P
-1
AP=D=
(
(
(
2 0 0
0 0 0
0 0 0
, ou que, AP=PD.
Cuidado ao trocar a ordem! Por exemplo, se =
, ento P
-1
AP=D=
(
(
(
2
1
3
0 0
0 0
0 0

Observao: 0
1
= tem multiplicidade algbrica igual a 2 e 2
3
= tem multiplicidade
algbrica igual a 1.
0
1
= gera dois autovetores e 2
3
= gera um autovetor, portanto
1
tem multiplicidade
geomtrica igual a 2 e
3
tem multiplicidade geomtrica igual a 1.

5.2.4 Teorema
Se A (nxn) tm n autovalores distintos entre si, ento A diagonalizvel.

Observao: Os autovalores de uma matriz triangular so os elementos da sua diagonal principal.

Exemplo: Os autovalores da matriz
(
(
(
=
1 0 0
1 5 0
7 3 2
A
so , 2
1
= , 5
2
= . 1
3
=
Como a dimenso da matriz n=3 e possui 3 autovalores distintos, pelo Teorema 5.2.4, a matriz A
diagonalizvel.

5.2.5 Teorema da Diagonalizao
Seja A(nxn) com n autovalores distintos (no necessariamente distintos entre si). So equivalentes
os enunciados:
i) A diagonalizvel.
ii) A unio de todos os autovetores gerados pelos autovalores contm n vetores LI.
iii) A multiplicidade algbrica de cada autovalor igual sua multiplicidade geomtrica.

76

5.2.6 Exemplos
a) 1
2 1
= = tem multiplicidade algbrica igual a 2 mas multiplicidade geomtrica igual a 1,
logo
(
(
(
=
4 5 2
1 0 0
0 1 0
A
no diagonalizvel, de acordo com o Teorema da Diagonalizao.

b) A matriz
(
(
(
=
1 0 1
3 0 3
1 0 1
A
tem dois autovalores distintos 0
2 1
= = e 2
3
= . O autovalor
0 = tem multiplicidades algbrica e geomtrica iguais a 2, e para o autovalor , 2 = as
multiplicidades so iguais a 1. Portanto, de acordo com o Teorema da Diagonalizao, A
diagonalizvel.

EXERCCIOS (semelhana e diagonalizao)

1) Verifique se os operadores lineares abaixo so diagonalizveis.
a) T: R
2
R
2
; T(x, y) = (2y, x)
b) T: R
3
R
3
; T(x, y, z) = (x + y, x y + 2z, 2x + y z)
c) T: R
4
R
4
; T(x, y, z, w) = (x, x + y, x + y + z, x + y + z + w)
d) T: R
2
R
2
; T(x, y) = (6y, x + y)

2) Utilize o teorema 5.2.2 (a matriz
diagonalizvel

tiver autovetores LI) para
verificar se diagonalizvel.
a) A =
\
|
0
1

|
|
|
1
2
b) A =
\
|
1
1

|
|
|
1
1
c) A =
\
|
0
0
1

0
1
2

|
|
|
|
1
2
3
d) A =
\
|
1
1
1

1
0
0

|
|
|
|
2
1
2
e) A =
\
|
1
0
0

0
0
1

|
|
|
|
0
1
0

3) Determine se A diagonalizvel e, quando for, encontre uma matriz invertvel P e uma matriz
diagonal D tais que P
-1
AP=D, ou, AP=PD.
a)
(
=
5 2
2 5
A
b)
(
=
1 1
4 3
A

c)
(
(
(
=
3 0 0
1 3 0
0 1 3
A
d)
(
(
(
=
0 1 1
1 1 0
1 0 1
A
e)
(
(
(
=
1 0 3
1 2 2
0 0 1
A

f)
(
(
(
=
0 1 1
1 0 1
1 2 1
A
g)
(
(
(
(
=
1 0 0 0
0 3 0 0
1 2 3 0
2 0 0 2
A
h)
(
(
(
(
=
2 0 0 0
0 2 0 0
0 0 2 0
4 0 0 2
A


77

4) Encontre todos os valores reais de para os quais diagonalizvel.
=
1 1
0
=
1
0 1
=
1
1 0
=
1 0
0 1 0
0 0 1
=
1 1
1 1
1 1

Respostas (Semelhana e diagonalizao de operadores)

1 - a) sim b) sim c) no d)sim

2 - a) sim b) sim c) no d) sim e) no

3 - a)
(
=
1 1
1 1
P ,
(
=
7 0
0 3
D

b) 1
2 1
= = . Com apenas o autovetor (2,1) no possvel determinar P. Logo, A no
diagonalizvel.
c) Para 3 = temos apenas o autovetor (1,0,0). Como no possvel determinar P com 1 vetor
ento A no diagonalizvel.
d)
(
(
(
=
0 2 1
1 1 1
1 1 1
P
,
(
(
(
=
1 0 0
0 1 0
0 0 2
D

e) O polinmio caracterstico de A 1
2 = 0. Autovalores: 1 e 2.
Para 1 = , a multiplicidade algbrica vale 2 e tem como autovetor
(0,1,-1), portanto a multiplicidade geomtrica vale 1. Logo, A no diagonalizvel.
f) O polinmio caracterstico de A
1 = 0.
(1,-1,1), portanto a multiplicidade geomtrica vale 1. Logo, A no diagonalizvel.
g) O polinmio caracterstico de A 2 3
1 = 0.
(0,1,0,0), portanto a multiplicidade geomtrica vale 1. Logo, A no diagonalizvel.
h)
(
(
(
(

=
1 0 0 0
0 1 0 0
0 0 1 0
1 0 0 1
P
,
(
(
(
(
=
2 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
D

4 ; = 0; > 2 < 2; = 0; .


78
6
POLINMIO MINIMAL E FORMA CANNICA DE JORDAN

No captulo anterior vimos que os operadores podem ser ou no diagonalizveis, exibindo uma
base de autovetores, ou mostrando a inexistncia desta base. Em casos de espaos vetoriais de
baixa dimenso, este o procedimento conveniente. Entretanto, podemos estar interessados,
principalmente, em casos de espaos vetoriais de dimenso alta, onde os clculos so longos.
J sabemos que se dim = e o operador linear tem autovetores distintos, ento
diagonalizvel. No caso geral, a resposta est ligada ao aspecto de um polinmio que chamaremos
de polinmio minimal do operador . Para isso, vamos introduzir a definio de polinmios
calculados em matrizes.

6.1 Definio: Seja =
++
um polinmio e A uma matriz quadrada. Ento,

p(A) a matriz
=
++
.
Quando = 0, dizemos que o polinmio anula a matriz A.

6.1.1 Exemplo: Sejam os polinmios =
9 = 2 +3
Se =
1 4
2 1
ento
=
1 4
2 1
9
1 0
0 1
=
0 0
0 0

e
= 2
1 4
2 1
+3
1 0
0 1
=
1 8
4 5

Ento p(x) anula e q(x) no anula .

6.2 Definio: Seja uma matriz quadrada. O polinmio minimal de um polinmio
=
++

tal que
(i) m()=0, isto , m(x) anula a matriz .
(ii) m(x) o polinmio de menor grau entre aqueles que anulam .

Observao: O coeficiente do termo
do polinmio minimal 1.


79
A seguir sero apresentados alguns resultados envolvendo polinmio minimal que indicaro um
procedimento que possibilita determinar se um operador linear diagonalizvel ou no, sem
calcular os autovalores.

6.3 Teorema: Sejam : um operador linear e uma base qualquer de de dimenso .
Ento diagonalizvel se, e somente se o polinmio minimal de
da forma
=
, ,

O problema que consiste em determinar se T diagonalizvel reduz-se em determinar o polinmio
minimal de T.

6.4 Teorema de Cayley-Hamilton: Seja : um operador linear, uma base de V e p(x)
o polinmio caracterstico de T. Ento
= 0
Isto significa que o polinmio caracterstico um candidato ao polinmio minimal porque ele satisfaz
a condio (i) da definio 6.2.

6.5 Exemplo: Demonstrao do teorema de Cayley-Hamilton no caso 2 2.
Seja
=

. Ento o polinmio caracterstico
=

1 0
0 1
= .

Logo

=
1 0
0 1

1 0
0 1

1 0
0 1

=
0

0

0
0
=
0 0
0 0

6.6 Teorema: As razes do polinmio minimal so as mesmas razes (distintas) do polinmio
caracterstico.

Estes dois ltimos teoremas juntos nos dizem como achar o polinmio minimal de um operador
linear : . O polinmio minimal deve ser de grau menor ou no mximo igual ao do polinmio
caracterstico e ainda deve ter as mesmas razes.

6.6.1 Exemplo:

80
Seja : um operador linear e uma base de V. Suponhamos que o polinmio caracterstico
de T seja = 3
+5.
Ento o seu polinmio minimal ser um dos polinmios:
= 3 1 +5
= 3
1 +5
= 3 1
+5
= 3 1
+5
= 3
+5
= 3
+5

Como o polinmio minimal o de menor grau que anula
, verificamos primeiramente se
= 0. Em caso afirmativo,
ser o polinmio minimal. Se
0, testamos
e assim sucessivamente. Na pior das hipteses o polinmio minimal ser o prprio

polinmio caracterstico.
Se voltarmos ao primeiro teorema (6.3) veremos que o operador linear T ser diagonalizvel se
for o polinmio minimal. Ento, vamos reestruturar o teorema 6.3.

6.7 Teorema: Sejam
, ,
os autovalores distintos de um operador linear T. Ento T ser

diagonalizvel se, e somente se o polinmio

anular a matriz de T.

6.7.1 Exemplo: O operador linear :
definido por , , , = 3x 4z, 3y +5z, z, t

diagonalizvel?
Resoluo: Seja =
a base cannica de
. Ento a matriz
=
3 0 4 0
0 3 5 0
0
0
0
0
1 0
0 1

Calculemos o polinmio caracterstico
= det
= 3

Os autovalores so
= 3 e
= 1, ambos com multiplicidade 2. Ento, os candidatos a

polinmio minimal so
= 3 1
= 3
= 3 1
= 3

Notamos que
= 0 e dentre os candidatos o de menor grau.

Ento

81
= 3 +1
o polinmio minimal. Portanto, diagonalizvel, isto , existe uma base de autovetores e
nesta base
=
3 0 0 0
0 3 0 0
0
0
0
0
1 0
0 1

Exerccios:

1) Determine o polinmio mnimo da matriz
2 2 5
3 7 15
1 2 4
. Verifique se a matriz diagonalizvel.

2) Determine os polinmios mnimos das matrizes
1 2 3
3 0 4
6 4 5
e
1 6 2
3 2 0
0 3 4
e verifique se so
diagonalizveis.

Observao: Identificaremos o polinmio caracterstico por ) (t

6.8 Teorema
O polinmio mnimo m(t) de A divide todo polinmio que tem A como zero.
Em particular, m(t) divide o polinmio caracterstico ) (t de A.

6.9 Teorema
Os polinmios caractersticos e mnimo de uma matriz A tm os mesmos fatores irredutveis.

Este teorema, no nos diz que ) ( ) ( t t m = , e sim que qualquer fator irredutvel de um deve dividir
o outro. Em particular, como um fator linear irredutvel, m(t) e A(t) tm os mesmos fatores lineares,
logo eles tm as mesmas razes.

6.10 Teorema
Um escalar um autovalor de uma matriz A, se e somente se, uma raiz do polinmio mnimo
de A.

Exerccio: Ache o polinmio mnimo m(t) de
(
(
(
=
4 2 1
15 7 3
5 2 2
A
(Coleo Schaum).
Resp: = 1
3; = 1 3


82

6.11 Operadores Nilpotentes
Um operador linear V V T : chamado nilpotente se 0 =
n
T para algum inteiro positivo n; k o
ndice de nilpotncia de T se 0 =
k
T , mas 0
1
k
T . Analogamente, uma matriz quadrada A
chamada nilpotente se 0 =
n
A para algum inteiro positivo n, e de ndice k se 0 =
k
A , mas 0
1
k
A .
Obviamente o polinmio mnimo de um operador (matriz) nilpotente de ndice k
k
t t m = ) ( ; logo 0
seu nico autovalor.

6.11.1 Teorema :
Seja V V T : um operador nilpotente de ndice k. Ento T admite uma representao matricial
em bloco cujos elementos diagonais tm a forma
,
0 0 0 0 0
1 0 0 0 0
0 0 1 0 0
0 0 0 1 0
(
(
(
(
(
(
=
L
L
L L L L L L
L
L
N

isto , todos os elementos de N so 0s, exceto os que esto, diretamente acima da diagonal
principal, e que so 1s. H ao menos uma matriz N de ordem k, e todas as outras matrizes N so
de ordem k . O nmero de Ns de cada ordem possvel determinado de modo nico por T. Alm
disso, o nmero total de Ns de todas as ordens igual nulidade de T.
Observemos que a matriz N acima ela prpria nilpotente, e que seu ndice de nilpotncia igual
sua ordem. Note-se que a matriz N de ordem 1 no mais do que a matriz zero 1x1(0).

6.12 Forma Cannica de Jordan
Um operador T pode ser posto em forma cannica de Jordan se seus polinmios caracterstico e
mnimo puderem fatorar-se em polinmios lineares.
Se : um operador linear e um espao vetorial complexo, podemos achar sempre uma
base de , tal que
assuma uma forma especial, chamada de forma de Jordan.

6.12.1 Teorema
Seja V V T : um operador linear cujos polinmios caracterstico e mnimo so, respectivamente
=
e m =
,
onde os
i
so escalares
distintos. Ento T admite uma representao matricial em bloco J cujos elementos diagonais tm a
forma

83
(
(
(
(
(
(
=
i
i
i
i
ij
J
0 0 0 0
1 0 0 0
0 0 1 0
0 0 0 1
L
L
L L L L L L
L
L

Para cada
i
os blocos correspondentes
ij
J tm as seguintes propriedades:
(i) H ao menos um
ij
J de ordem
i
m ; todos os outros
ij
J so de ordem
i
m
(ii) A soma das ordens dos
ij
J
i
n .
(iii) O nmero de
ij
J igual multiplicidade geomtrica de
i
.
(iv) O nmero de
ij
J de cada ordem possvel univocamente determinado por T.

A matriz J que aparece no teorema acima chamada forma cannica de Jordan do operador T. Um
bloco diagonal
ij
J chamado bloco de Jordan pertencente ao autovalor
i
. Observe que

(
(
(
(
(
(
+
(
(
(
(
(
(
=
(
(
(
(
(
(
0 0 0 0 0
1 0 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
1 0 0 0
0 0 1 0
0 0 0 1
L
L
L L L L L L
L
L
L
L
L L L L L L
L
L
L
L
L L L L L L
L
L
i
i
i
i
i
i
i
i

Isto , N I J
i ij
+ = , onde N o bloco nilpotente que aparece no Teorema 4

6.12.2 Exemplo: Suponhamos que os polinmios caracterstico e minimal de um operador linear T
sejam, respectivamente, = 2
e m = 2
. Ento a forma cannica

de Jordan de T uma das matrizes seguintes:
(
(
(
(
(
(
(
(
(
3
3 0
1 3
2 0
1 2
2 0
1 2
ou
(
(
(
(
(
(
(
(
(
3
3 0
1 3
2
2
2 0
1 2

A primeira matriz ocorre se T tem dois autovetores independentes pertencentes ao seu autovalor 2;
e a segunda matriz ocorre se T tem trs autovetores independentes pertencentes a 2.

Exerccios


84
1) Determine todas as formas cannicas possveis para um operador linear V V T : cujo polinmio
caracterstico = 2
(Coleo Schaum)

2) Determine todas as formas cannicas de Jordan J possveis para uma matriz de ordem 5 cujo
polinmio mnimo m = 2
(Coleo Schaum)

EXERCCIOS (Polinmio Minimal e Forma Cannica de Jordan)

1) Seja a matriz =
2 1
0 2
0 0
0 0
0 0
0 0
2 0
0 3
.
a) A diagonalizvel? b) Encontre seu polinmio minimal.

2) Seja a matriz =
2 1 1
6 3 4
3 2 3
.
a) A diagonalizvel? b) Encontre seu polinmio minimal.

3) Determine o polinmio mnimo m(t) da matriz
(
(
(
=
3 2 3
4 3 6
1 1 2
A .
4) Determine o polinmio mnimo m(t) da matriz (onde 0 ):
(
(
(

=
0 0
0
0
B .
5) Ache o polinmio mnimo m(t) da matriz
(
(
(
(
(
(
=
4 0 0 0 0
1 4 0 0 0
0 0 4 0 0
0 0 1 4 0
0 0 0 1 4
M .

6) Determine uma matriz A cujo polinmio mnimo seja
(a) 7 5 8 ) (
2 3
+ + = t t t t f (b) 6 5 4 3 ) (
2 3 4
+ + = t t t t t f

7) Determine todas as formas cannicas de Jordan possveis para as matrizes cujos polinmios
caractersticos ) (t e mnimo ) (t m so:
(a) = 2
e m = 2
(b) = 7
e m = 7

(c) = 2
e m = 2
(d) = 3
e m = 3

Respostas (Polinmio Minimal e Forma Cannica de Jordan)

1 (a) no (b) p(x) = (2 x)
2
(3 x) = x
3
+ 7x
2
16x + 12
2 (a) sim (b) p(x) = (x 2) (x 1) = x
2
3x + 2

85

3) m = 2 1 =
3 +2 4) m = =

5) m = 4

6) (a)
(
(
(
=
8 1 0
5 0 1
7 0 0
A
(b)
(
(
(
(
=
3 1 0 0
4 0 1 0
5 0 0 1
6 0 0 0
A

7) (a)
(
(
(
(
(
(
(
(
3
1 3
2
1 2
2
1 2

(
(
(
(
(
(
(
(
3
1 3
2
2
2
1 2

(b)
(
(
(
(
(
(
7
7
1 7
7
1 7

(
(
(
(
(
(
7
7
7
7
1 7

(c)
(
(
(
(
(
(
(
(
(
2
2
1 2
1 2
2
1 2
1 2

(
(
(
(
(
(
(
(
(
2
1 2
2
1 2
2
1 2
1 2

(
(
(
(
(
(
(
(
(
2
2
2
1 2
2
1 2
1 2

(
(
(
(
(
(
(
(
(
2
2
2
2
2
1 2
1 2

(d)
(
(
(
(
(
(
(
(
(
(
(
5
1 5
5
1 5
3
1 3
3
1 3

(
(
(
(
(
(
(
(
(
(
(
5
5
5
1 5
3
1 3
3
1 3

(
(
(
(
(
(
(
(
(
(
(
5
1 5
5
1 5
3
3
3
1 3

(
(
(
(
(
(
(
(
(
(
(
5
5
5
1 5
3
3
3
1 3


86
7
PRODUTO INTERNO

7.1 Definio: Seja um espao vetorial real. Um produto interno sobre uma funo que a
cada par de vetores e , associa um nmero real, indicado por < , >, satisfazendo as
propriedades:
P
1
) < , > 0 para todo vetor , e
< , 0 = 0.
P
2
) < , >=< , >, .
P
3
) < +, >=< , > +< , >.
P
4
) < , > =< , >.

Exerccios:
1) No espao vetorial V=
, mostre que a aplicao que associa cada par de vetores u=(x

1
,y
1
) e
v=(x
2
,y
2
) ao nmero real < , > = 2x
1
x
2
+ 5y
1
y
2
um produto interno.

2) Em relao ao produto interno < , > =2x
1
x
2
+5y
1
y
2
, calcular < , > para u=(2,1) e v=(3,-2).

Observaes:
i) O produto interno examinado neste exerccio diferente do produto interno usual do
que
definido por: < , > = x
1
x
2
+ y
1
y
2
. Portanto, possvel a existncia de mais de um produto interno
no mesmo espao vetorial.
ii) Se u=(x
1
,y
1
,z
1
) e v=(x
2
,y
2
,z
2
) so vetores quaisquer do
, o nmero real < , > =x

1
x
2
+y
1
y
2
+z
1
z
2

define o produto interno usual do
.
De forma anloga, se u=(x
1
,x
2
,...,x
n
) e v=(y
1
,y
2
,...,y
n
), o nmero real < , > =x
1
y
1
+x
2
y
2
+...+x
n
y
n

define o produto interno usual no
.

7.2 Espao vetorial euclidiano
Um espao vetorial real, de dimenso finita, no qual est definido um produto interno, um
espao vetorial euclidiano.

7.3 Mdulo de um vetor

87
Dado um vetor v de um espao vetorial euclidiano V, chama-se mdulo, norma ou comprimento de
v, o nmero real no-negativo, indicado por |v|, definido por ||v||=
< , >.
Assim, se v=(x
1
,y
1
,z
1
)
, com produto interno usual, tem-se:

||v||=

O vetor
||||
unitrio, de mesma direo e sentido de v (versor de v). Diz-se, nesse caso, que o
vetor v foi normalizado. Se ||v||=1, o vetor chamado vetor unitrio.
Observe que o mdulo de v depende do produto interno utilizado: se o produto interno muda, o
mdulo altera-se.

Exerccios:

1. Dado o vetor v=(-2,1,2)
, calcular o mdulo de v e normalizar v, considerando que:

(a)
est munido do produto interno usual

(b) Em
est definido o produto interno <
> = =3x
1
x
2
+2y
1
y
2
+z
1
z
2
, sendo v
1
=(x
1
,y
1
,z
1
) e
v
2
=(x
2
,y
2
,z
2
)

2. Dado o espao vetorial V=
, munido do produto interno usual, calcular m do vetor v=(6,-3,m)

de modo que ||v||=7

3. Dado o espao das funes contnuas no intervalo [0,1] em que o produto interno
< , >= (). (),

a) Determine o produto interno de f(x)=x+1 e g(x)=2x
b) Calcular a norma de f(x)=x+1
c) Normalizar a funo f(x)=x+1

7.4 Propriedades do mdulo de um vetor
Seja V um espao vetorial euclidiano.
(i) ||v|| 0, || = 0 = 0
(ii) || = ||. ||, ,
Demonstrao de II: || = (). () =
< , >= ||
< , >= ||. ||||

(iii) ||u+v|| ||u||+||v||, ,
Observao: ||u+v|| ||u||+||v|| denominado desigualdade de Shwarz ou inequao de Cauchy-
Schwarz ou Desigualdade triangular.

88
Interpretao Geomtrica no
ou

A soma das medidas de dois lados de um tringulo maior do que a
medida do terceiro lado.

7.5 ngulo entre dois vetores
Sejam e vetores no-nulos de um espao vetorial euclidiano . A partir da desigualdade de
Shwarz, pode-se chegar ao ngulo de dois vetores dados por:
=
< , >
||. ||
, 0

Exerccios:
Nos exerccios 1 e 2, considerando o produto interno usual no
e no
respectivamente, calcular
o ngulo entre os vetores dados em cada um deles.
1. u=(2,1,-5) e v=(5,0,2)
2. u=(1,-1,2,3) e v=(2,0,1,-2)

3. Sendo V um espao vetorial euclidiano e u,v , calcular o cosseno do ngulo entre os vetores u
e v, sabendo que ||u||=3, ||v||=7 e ||u+v||=45

4. No espao vetorial das matrizes quadradas V=M(2x2), dadas duas matrizes quaisquer, =
, o nmero real < , >=
define um produto
interno em M(2x2).
Sabendo que =
1 2
1 1
=
0 2
1 1
. Calcular:
a) ||u+v|| b) O ngulo entre u e v

7.6 Distncia entre dois vetores
Chama-se distncia entre dois vetores (ou pontos) u e v, o nmero real, representado por d(u,v),
definido por: d(u,v) = ||u-v||
Se u = (x
1
,y
1
) e v = (x
2
,y
2
) so vetores (ou pontos) do R
2
, com produto interno usual, tem-se:
d(u,v)= ||u-v|| =|(x
1
-x
2
, y
1
-y
2
)|=(
+(

7.7 Vetores ortogonais
||u+v||
||u||
||v||

89

7.7.1 Definio: Seja V um espao vetorial com produto interno <, >. Diz-se que dois vetores e
so ortogonais (em relao a este produto interno) se < , > = 0. Neste caso utiliza-se a
notao .

7.7.2 Propriedades
0 para todo .
Se ento se
Se para todo , ento = 0.
Se
, ento (
)
Se , ento , .

7.7.3 Exemplos:

1) Os vetores u=(2,7) e v=(-7,2) de
, munido do produto interno usual, so ortogonais pois

< , > = 2. (7) +7.2 = 0.
2) Os vetores u=(-3,2) e v=(4,3) so ortogonais no espao vetorial V=
em relao ao produto
interno <(x
1
,y
1
),(x
2
,y
2
)>=x
1
.x
2
+2y
1
y
2
.

7.8 Conjunto ortogonal de vetores
Dado um espao vetorial euclidiano V, diz-se que um conjunto de vetores {v
1
,v
2
,...,v
n
} V
ortogonal, se para quaisquer dois vetores distintos so ortogonais entre si, isto , <
>= 0 para
.

7.8.1 Propriedade: Um conjunto ortogonal de vetores no-nulos =
, ,
de um espao
vetorial euclidiano linearmente independente.

Exerccios
1) No espao vetorial
, verifique que o conjunto {(1,2-3),(3,0,1),(1,-5,-3)} ortogonal em relao

ao produto interno usual.
2) Determine os vetores
tais que = 1 e , = , = 0 em relao ao produto

interno usual, em que = (1,1,1) e = (1, 1,0).

7.8.2 Base ortogonal

90
Uma base =
, ,
de um espao vetorial euclidiano ortogonal se os seus vetores so

dois a dois ortogonais.
Se dim V = n, qualquer conjunto de n vetores no-nulos e dois a dois ortogonais, constitui uma base
ortogonal. O conjunto ={(1,2-3),(3,0,1),(1,-5,-3)}, uma base ortogonal de R
3
.

7.8.3 Base ortonormal
Uma base =
, ,
de um espao vetorial euclidiano V ortonormal se todos os vetores de

so unitrios e dois a dois ortogonais, isto :
=
0
1 =

Exerccios
1) As bases cannicas do
, ...
so bases ortonormais em relao ao produto interno

usual.

2) A base =
do
ortonormal em relao ao produto interno usual.

3) Uma base ortonormal sempre pode ser obtida de uma base ortogonal, normalizando cada um de
seus vetores. Assim, da base ortogonal B={(1,2-3),(3,0,1),(1,-5,-3)} do
, relativamente ao produto
interno usual, pode-se obter a base ortonormal B={u
1
,u
2
,u
3
}.

7.9 Processo de ortogonalizao de GRAM-SCHMIDT
A partir de uma base qualquer de um espao vetorial existe um processo para se obter uma base
ortonormal. Inicialmente vamos dar uma descrio deste processo de ortonormalizao para uma
base =
.
Seja
. Precisamos encontrar a partir de
um novo vetor
ortogonal a
, isto ,
= 0. Para isto tomamos
, onde um nmero escolhido de modo que
= 0, ou seja,
= 0. Isto implica que =
.

Ficamos ento com


91

Observe que
foi obtido de
, subtraindo-se deste a projeo do vetor
na direo de
e que
so vetores ortogonais no nulos. Podemos ento normaliz-los,

obtendo uma base
que ortonormal.

7.9.1 Seja = (2,1), (1,1) uma base de
. Obtenha a partir de uma base ortonormal em

relao ao produto interno usual.
Sejam
= (2,1) e
= (1,1). Considere
= (2,1)
= (1,1)
3
5
(2,1) =
1
5
,
2
5

Normalizando estes vetores obtemos:

Ento,
uma base ortonormal.

O procedimento de ortogonalizao de dois vetores pode ser generalizado para uma base =
, ,
. Continuando o raciocnio do caso anterior, estabelea que

onde e satisfazem as equaes
= 0 e
= 0. Desenvolvendo estas duas

condies obtemos
=
, =

E portanto,

O vetor
obtido de
, subtraindo-se suas projees sobre
. Procedendo de maneira
anloga, obtemos os vetores
, ,
.

Assim, a partir de uma base =
, ,
de um espao vetorial , construmos a base ortogonal
, ,
dada por:


92

Este procedimento conhecido como processo de ortogonalizao de Gram-Schmidt.
Se quisermos agora obter uma base ortonormal, basta normalizarmos os vetores
por

7.9.2 Exemplo: Seja =
uma base de
onde
= 1,1,1,
= 0,2,1,
=
0,0,1 . Vamos obter a partir de uma base ortonormal em relao ao produto usual. Utilizando o
processo de Gram-Schmidt temos:
= 1,1,1
= 0,2,1
3
3
1,1,1 = 1,1,0
= 0,0,1 01,1,0
1
3
1,1,1 =
1
3
,
1
3
,
2
3

Normalizando os vetores
temos
, 0,

e =
uma base ortonormal.

Observe que dos vetores originais da base o nico que foi preservado, pelo menos em sua
direo, foi o vetor
, a partir do qual foi iniciado o processo de ortogonalizao. Partindo da

mesma base poderemos obter uma outra base ortogonal iniciando o processo, por exemplo, a
partir de
.

Exerccio
Sejam v
1
=(1,1,1), v
2
=(0,1,1) e v
3
=(0,0,1) vetores do
. Esses vetores constituem uma base

=
no ortogonal em relao ao produto interno usual. Obtenha uma base =
que seja ortonormal.

Resp:
= 0,


93
EXERCCIOS (Espaos Vetoriais Euclidianos)

Nos problemas de 1 e 2 considerando os vetores
do espao vetorial
=
, verificar quais funes : , definidos em cada um deles, so produtos internos

em .
1)
+2

2)

Nos problemas 3 e 4, considerando os vetores u = (x
1
, y
2
) e v(x
2
,y
2
), calcular os produtos internos
indicado em casa um deles.
3) < , >= x
1
.x
2
+ y
1
.y
2
, para u = (1, -1) e v = (-7, 4).
4) < , >= 3x
1
.x
2
+ 4y
1
.y
2
, para u = (2, 3) e v = (-5, 3).

Nos problemas 5 e 6, considerando os vetores u = (x
1
, y
1
, z
1
) e v = (x
2
, y
2
, z
2
) calcular os produtos
internos indicados em cada um deles.
5) < , > = x
1
x
2
+ y
1
y
2
+ z
1
z
2
para u = (6, 4, 2) e v = (2, 3, 5)
6) < , > = 4x
1
.x
2
+ 2y
1
.y
2
+ 6z
1
z
2
para u = (1, 1, 1) e v = (1, 0, 1)

Nos problemas 9 e 10, calcular o mdulo de cada um dos vetores do
, em relao ao produto
interno <
> = 4x
1
x
2
+ 2y
1
y
2
+ z
1
.z
2,
com v
1
= (x
1
, y
1
, z
1
) e v
2
= (x
2
, y
2
, z
2
).
9) v = (3, -1, 4)
10) v = (-2, -5, -7)

Nos problemas 15 a 17 calcular a distncia entre os vetores u e v, adotando o produto interno
usual.
15) u = (5, 6) e v = (-10, 7)
16) u = (-3, 1, 9) e v = (8, 14, 6)
17) u = (4, 1, 7, 9) e v = (2, -3, -5, -11)

Nos problemas 18 a 21, considerando o produto interno usual no
ou
, calcular o ngulo
entre os pares de vetores dado em cada um deles.
18) u = (1, 0, -3) e v = (3, 1, 0)
19) u =
2 2
,
2 2
| |
|
\
e v =
3 3
,
2 2
| |
|
\

20) u = (3, 1, -7) e v = (0, 1, 3)
21) u = (1, 2, -1, 2) e v = (0, 1, -1, -2)

22) Dadas duas matrizes quaisquer =
e =
, do espao vetorial = 2
2
, munido do produto inteiro < , > = a

1
.a
2
+b
1
.b
2
+c
1
.c
2
+d
1
.d
2
e dados os vetores
u =
2 1
2 3
e v =
2 0
1 2
, calcular: (a) ||u + v||; (b) d(u, v); (c) o ngulo entre u e v.

23) Considerando no
o produto interno usual, calcular os valores de m para os quais os vetores

u e v sejam ortogonais.
a) u = (3m, 2, -m) e v = (-4, 1, 5)
b) u = (0, m-1, 4) e v = (5, m-1, -1)


94
24) Calcular um vetor v simultaneamente ortogonal aos vetores v
1
= (1, 1, 2), v
2 =
(5, 1, 3) , do
espao vetorial V =
em relao ao produto interno usual.

25) Calcular um vetor unitrio u simultaneamente ortogonal aos vetores v
1
= (1, -1, 2) e v
2

= (2, 1, 0) do espao vetorial V =

26) Dado o espao vetorial =
, munido do produto interno definido no problema 22,

calcular x de modo que:
M =
1 2
5
e V =
3 2
1 1
, sejam ortogonais.
27) Sendo V =
, munido do produto interno usual, determinar um vetor no nulo v
,
simultaneamente ortogonal a v
1
= (1, 1, 1, -1) e v
2
= (1, 2, 0, 1) e v
3
= (-4, 1, 5, 2).

28) O conjunto B = {(2,-1) , (K, 1)} uma base ortogonal do
em relao ao produto interno.

<(x
1
,y
1
), (x
2
,y
2
)> = 2x
1
.x
2
+ x
1
.y
2
+ x
2
.y
1
+ y
1
.y
2

Calcular o valor de K e obter, a partir de B uma base B ortonormal em relao ao produto interno
dado.

Nos problemas 29 a 31, dada em cada uma deles, uma base A, em relao ao produto interno
usual. Determinar, a partir de A:
a) Uma base ortogonal B, utilizando o processo ortogonalizao de Gram-Schmidt.
b) Uma base ortonormal C, normalizando cada vetor de B.
29) A = { v
1
= (3, 4), v
2
= (1, 2)}
30) A = { v
1
= (1, 0, 0), v
2
= (0, 1, 1), v
3
= (0, 1, 2)}
31) A = { v
1
= (1, 0, 1), v
2
= (0, 1, -1), v
3
= (0, 3, 4)}
32) Determinar os vetores (a,b,c) para que o conjunto B={(1,-3,2), (2,2,2), (a,b,c)} seja uma base
ortogonal do

RESPOSTAS (Espaos Vetoriais Euclidianos)
1) produto interno em V.
2) No produto interno em V.
3) < , > = 11 4) < , > = 6 5) < , > = 34 6) < , > = 10
9) |||| = 36 10) |||| = 115

95
15) (, ) = 226 . . 16) (, ) = 299 . . 17) (, ) = 2141 . .
18) = cos
73 19) = 0
20) = cos
145 21) = cos
97
22) a) || + || = 19 . . b) (, ) = 35 . . c) = cos
108
23) a) =
b) = 3 = 1
24) e , se = (, , )
| = 7 , = 4). Por exemplo, para = 1, temos

= (1,7, 4).
25) e , se =
, para .
26) = 12
27) , e , se = (, , , )
| =
, =
, =
.
Por exemplo para = 1, temos = 1,
.
28) =

29) = (3,4),

30) = (1,0,0), (0,1,1), 0,
= (1,0,0), 0,
, 0,

31) = (1,0,1),
, 1,
, 0,

32) (-5t, t, 4t), 0

105322-AlgLinear18 13 02 2014

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

105322-AlgLinear18 13 02 2014

Caricato da

Copyright:

Formati disponibili

SERVIO PBLICO FEDERAL

INSTITUTO FEDERAL DE EDUCAO TCNICA,

, com 1,2, , e 1,2, , .

, com 1,2, , e 1,2, , .

, com , 1,2, , e 1,2, , .

, denomina-se produto de por a matriz

, tal que o elemento

a soma dos produtos dos elementos correspondentes da i-

resolvendo o sistema = , onde a

o elemento da matriz dos cofatores de A, representado pelo escalar

o determinante da matriz A retirando a i-sima linha e a j-sima coluna.

igual, a menos do sinal mais ou menos, ao determinante menor

. Uma forma rpida

] uma matriz quadrada.

mais 3 vezes a linha

(Esta operao muda o sinal do determinante)

); (b) multiplicao de coluna por uma constante (

) = 1. J que det () 0 ento det(

] cujo determinante nulo uma matriz

], obtm-se um mtodo para o clculo da inversa de ,

, se existe, pode ser calculada pelo inverso do determinante de

uma equao do tipo

pela esquerda, temos:

, usando a regra de Cramer.

a matriz dos termos independentes.

] (Cuidado, adio no usual)

], portanto u+v v+u.

com as operaes usuais e = (, +1) / .

com as operaes usuais e = (, || /

, portanto a condio i verificada.

com as operaes usuais e seja o subconjunto

/ (x,y,z) = a(3,4,5), em que a }.

/ . (Conjunto de vetores pertencentes a uma reta que

, ento S = [u] um conjunto de vetores

(Espao) (todos no nulos)

um vetor pertencente ao mesmo subespao gerado por

o mesmo subespao gerado por

um vetor a mais para descrever o subespao, pois v

. Em nosso estudo, estamos interessados em determinar dentre um conjunto de n

que tem esses

sero linearmente dependentes se, e somente se,

= 0, chega-se em uma matriz ampliada.

para podermos, simplesmente, trabalhar com esses vetores

se para qualquer v=(x,y)

pode ser escrito como combinao linear de (1,1) e

pois F um conj. LD, j que

(espao vetorial), ento dim

(espao vetorial), ento dim

= 3 e o conjunto possui 4 vetores, ento o conjunto C LD. (Pelo corolrio (a)).

, C = {(x,y,z)/ y = 2x, z = -y}

. Observer que a soluo deste sistema no nica j que 4 vetores no

, consideremos as bases B = {(1,1), (-1,1)} e C = {(2,0), (1,3)}.

duas bases ordenadas de um mesmo espao

e as coordenadas em relao a uma base so nicas, segue

chamada matriz mudana da base para

e compare com a matriz

fcil de ser calculada j que a base cannica.

, nota-se que so iguais. O teorema a seguir

inversvel e, alm disso, tem-se que

em cada uma das bases.

abaixo so linearmente independentes

soma direta? Justifique.

e exiba uma base.