Notas de aulas

Altemir Jose Borges

Curitiba
Outubro de 2013

A leitura destas notas de aulas n

ao
dispensa, em hip
otese alguma, uma
leitura atenta ao referencial
bibliogr
afico desta disciplina.

ii

Sum
ario

1 Matrizes

1.1

Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Tipos de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.1

Matriz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.2

Matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.3

Matriz coluna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.4

Matriz linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.5

Matriz diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.6

Matriz tridiagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.7

Matriz identidade . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.8

Matriz escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.9

Matriz triangular superior . . . . . . . . . . . . . . . . . . . . . . .

1.2.10 Matriz triangular inferior . . . . . . . . . . . . . . . . . . . . . . . .

1.2.11 Matriz simetrica

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.12 Matriz antisimetrica . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.13 Matriz conjugada . . . . . . . . . . . . . . . . . . . . . . . . . . . .

iii

1.3

1.4

1.5

1.2.14 Matriz esparsa . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.15 Matriz diagonalmente dominante . . . . . . . . . . . . . . . . . . .

Operacoes com matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.1

Igualdade de matrizes . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.2

Adicao de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.3

Multiplicacao por escalar . . . . . . . . . . . . . . . . . . . . . . . .

1.3.4

Transposicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.5

Multiplicacao de matrizes . . . . . . . . . . . . . . . . . . . . . . .

1.3.6

Matrizes em blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1

Equivalencia de matrizes . . . . . . . . . . . . . . . . . . . . . . . . 18

1.4.2

Calculo da inversa empregando operacoes elementares . . . . . . . . 22

1.4.3

Calculo da inversa empregando matrizes de blocos . . . . . . . . . . 24

Execcios

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2 Determinantes

36

2.1

Definicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2.2

Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

2.3

Desenvolvimento por Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 38

2.4

Execcios

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

3 Sistemas de equac
oes lineares
3.1

42

Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

iv

3.2

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

4 Vetores
4.1

4.2

4.3

4.4

4.5

52

Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.1.1

Segmento orientado . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

4.1.2

Segmentos equipolentes . . . . . . . . . . . . . . . . . . . . . . . . . 52

4.1.3

Classe de equivalencia . . . . . . . . . . . . . . . . . . . . . . . . . 53

Vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.1

Vetor nulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.2.2

Vetor unitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.2.3

Versor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.2.4

Vetor oposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

Operacoes com vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.3.1

Adicao de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.3.2

Multiplicacao por escalar . . . . . . . . . . . . . . . . . . . . . . . . 55

4.3.3

Subtracao de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 56

4.3.4

Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

Expressao cartesiana de um vetor . . . . . . . . . . . . . . . . . . . . . . . 58

4.4.1

Expressao cartesiana do versor de um vetor . . . . . . . . . . . . . 58

4.4.2

Operacoes com vetores na forma cartesiana . . . . . . . . . . . . . . 59

4.4.3

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

Paralelismo de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.5.1

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
v

4.6

Coplanaridade de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.6.1

4.7

Cosenos diretores de um vetor . . . . . . . . . . . . . . . . . . . . . . . . . 62

4.7.1

4.8

4.9

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

Produto escalar ou interno . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

4.8.1

Definicao

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

4.8.2

Interpretacao geometrica . . . . . . . . . . . . . . . . . . . . . . . . 63

4.8.3

Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

4.8.4

Expressao cartesiana do produto escalar . . . . . . . . . . . . . . . 64

4.8.5

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

Produto vetorial ou externo . . . . . . . . . . . . . . . . . . . . . . . . . . 66

4.9.1

Definicao

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

4.9.2

Interpretacao geometrica . . . . . . . . . . . . . . . . . . . . . . . . 66

4.9.3

Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

4.9.4

Expressao cartesiana do produto vetorial . . . . . . . . . . . . . . . 67

4.9.5

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

4.10 Produto misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

4.10.1 Definicao

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

4.10.2 Interpretacao geometrica . . . . . . . . . . . . . . . . . . . . . . . . 70

4.10.3 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.10.4 Expressao cartesiana do produto misto . . . . . . . . . . . . . . . . 71
4.10.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

vi

4.11 Exerccios gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

5 A reta no R3
5.1

5.2

77

Equacoes da reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.1.1

Equacao vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

5.1.2

Equacos parametricas . . . . . . . . . . . . . . . . . . . . . . . . . . 77

5.1.3

Equacoes simetricas . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

5.1.4

Equacoes reduzidas . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

6 O plano no R3
6.1

6.2

84

Equacao do plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.1.1

Equacao vetorial do plano . . . . . . . . . . . . . . . . . . . . . . . 84

6.1.2

Equacao geral do plano . . . . . . . . . . . . . . . . . . . . . . . . . 84

6.1.3

Equacao do plano que passa por um ponto e e ortogonal a um vetor 85

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

7 Espaco Vetorial
7.1

Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
7.1.1

7.2

90

Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

Subespacos vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
7.2.1

Definicao

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

7.2.2

Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

7.2.3

Intersecao de subespacos . . . . . . . . . . . . . . . . . . . . . . . . 94

vii

7.2.4

Soma de subespacos . . . . . . . . . . . . . . . . . . . . . . . . . . 95

7.3

Combinacao linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

7.4

Subespaco gerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

7.5

Dependencia linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

7.6

Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

7.7

Mudanca de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

7.8

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

8 Transforma
co
es Lineares

114

8.1

Definicao e Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

8.2

O espaco vetorial L(U, V) . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

8.2.1

Operacoes em L(U, V) . . . . . . . . . . . . . . . . . . . . . . . . . 118

8.3

N
ucleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

8.4

Transformacoes lineares e matrizes . . . . . . . . . . . . . . . . . . . . . . 125

8.5

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

9 Autovalores e autovetores

131

9.1

Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

9.2

Autovalores e autovetores de uma matriz . . . . . . . . . . . . . . . . . . . 133

9.3

Polinomio caracterstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

9.4

Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

9.5

Diagonalizacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

9.6

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

viii

10 Espacos com produto interno

141

10.1 Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141

10.2 Coeficientes de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
10.3 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144

10.3.1 Angulo
entre vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 146
10.4 Processo de Ortogonalizacao de Gram-Schmidt . . . . . . . . . . . . . . . . 147
10.5 Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152

11 C
onicas e qu
adricas

154

11.1 Conicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154

11.1.1 Parabola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
11.1.2 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
11.1.3 Hiperbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
11.2 Quadricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
11.2.1 Elipsoide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
11.2.2 Hiperboloide de uma folha . . . . . . . . . . . . . . . . . . . . . . . 159
11.2.3 Hiperboloide de duas folhas . . . . . . . . . . . . . . . . . . . . . . 160
11.2.4 Paraboloide elptico . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
11.2.5 Paraboloide hiperbolico . . . . . . . . . . . . . . . . . . . . . . . . . 161
11.2.6 Cone elptico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
11.2.7 Cilindro elptico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
11.2.8 Cilindro hiperbolico . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
ix

11.2.9 Cilindro parabolico . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

11.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164

12 Respostas

165

Captulo 1
Matrizes

1.1

Definic
ao

Uma matriz de ordem m n sobre um corpo1 F e uma aplicacao do conjunto X dado

por X = {(i, j) N N : 1 i m, 1 j n} em F.
Representaremos as matrizes por letras mai
usculas do alfabeto latino.
Exemplo 1. A aplicacao A : X R, onde X = {(i, j) N N : 1 i 3, 1 j 2}
definida por A(1, 1) = 7, A(1, 2) = 1, A(2, 1) = 5, A(2, 2) = 0, A(3, 1) = 1 e A(3, 2) =
3 e uma matriz de ordem 3 2 sobre o corpo R.
Exemplo 2. A aplica
cao I : X R, onde X = {(i, j) N N : 1 i 3, 1 j 3}
1, i=j
definida por I(i, j) =
e uma matriz sobre R.
0, i=
6 j
Nota
c
ao: Para facilitar os calculos que envolverao matrizes, em exerccios futuros,
iremos representar uma matriz A de ordem m n dispondo suas imagens (A(i, j)) em
uma tabela composta de m linhas e n colunas, ladeadas por colchetes. Cabendo a trans1

Corpo e uma terna (F, +, .), que satisfaz as seguintes propriedades:(A1)(x+y)+z = x+(y+z),(A2)x+

y = y + x,(A3)x + 0 = x,(A4)x + (x) = 0, (M1)(xy)z = x(yz),(M2)xy = yx,(M3)x.1 = x,(M4)Para

todo x 6= 0 existe y F tal que xy = 1(D)x(y + z) = xy + xz.

formada do par (i, j) a i-esima linha e a j-esima coluna da tabela, ficando assim a matriz
A representada genericamente por:

a11

Amn

1.2

a12

a1n

a21 a22 a2n

=
..
..
..
.
.
.

am1 am2 amn

= [aij ]mn

Tipos de matrizes

Existem matrizes que em determinados problemas tem forma ou propriedades especiais, dentre essas matrizes podemos citar:

1.2.1

Matriz quadrada

Uma matrizAmn e dita

quadrada quando m = n.
1 3 0

Exemplo: A =
5 2

0 8 3

1.2.2

Matriz nula

Uma matriz Amn e chamada de matriz nula quando todos os seus elemento sao iguais
a zero, isto e, a
ij = 0, i ej.
0 0 0

0 0 0

Exemplo: A =

0 0 0

0 0 0

1.2.3

Matriz coluna

Uma matriz Amn e chamada de matriz coluna quando possuir somente uma coluna,
ou seja, n = 1.

Exemplo: A =

0

6

1.2.4

Matriz linha

Uma matriz Amn e chamada de matriz linha quando possuir somente uma linha, ou
seja, m = 1.
Exemplo: A =

1.2.5

1 5 2 3

Matriz diagonal

uma matriz quadrada (m = n) onde aij = 0 para todo i 6= j, isto e, os elementos

E
2
que nao estao na
sao nulos.
diagonal principal

1 0 0

0 0

Exemplo: A = 0
3 0 , B =

0 1
0 0 3

1.2.6

Matriz tridiagonal

Uma matriz quadrada A e chamada de tridiagonal se os seus elementos sao nulos,

exceto aqueles que se encontram sobre a diagonal principal e sobre as diagonais imediatamente adjacentes.
2

A diagonal principal e formada pelos elementos aij em que i = j.

1 5 0 0 0

2 8 1 0 0

Exemplo: A = 0 1 3 4 0

0 0
6 9 5

0 0
0 1 2

1.2.7

Matriz identidade

1,
uma matriz quadrada (m = n) onde aij =
E
0,

i=j

, isto e, os elementos da
i 6= j
diagonal principal sao iguais a 1 e os que nao estao na diagonal principal sao nulos. As
matrizes identidades

Exemplo: I3 = 0

1.2.8

de ordem
m n serao denotadas por In .

0 0

1 0

1 0 , I2 =

0 1
0 1

Matriz escalar

k,
uma matriz quadrada (m = n) onde aij =
E
0,

i=j

, isto e, os elementos da
i 6= j
diagonal principal sao iguais a um elemento k e os que nao estao na diagonal principal
sao nulos.

3 0 0

Exemplo: E = 0 3 0

0 0 3

1.2.9

Matriz triangular superior

uma matriz quadrada (m = n) onde aij = 0 para todo i > j, ou seja, e uma matriz
E
quadrada na qual
os
3

Exemplo: S = 0

elementosque estao abaixo da diagonal principal sao iguais a zero.

2 5

2 4

1.2.10

Matriz triangular inferior

uma matriz quadrada (m = n) onde aij = 0 para todo i < j, ou seja, e uma matriz
E
quadrada na qual
os
3

Exemplo: T = 7

1.2.11

elementos
que estao acima da diagonal principal sao iguais a zero.
0 0

2 0

Matriz sim
etrica

uma matriz quadrada (m = n) onde aij = aji para todo i e j.

E

3 5 0 9

5 2 2 8

Exemplo: S =

0
2 4

9
8 4 3

1.2.12

Matriz antisim
etrica

uma matriz quadrada (m = n) onde aij = aji para todo i e j.

E

0 5 0
9

5
0 2 8

Exemplo: A =

0
2
0 4

9 8
4
0

1.2.13

Matriz conjugada

Considere Amn uma matriz complexa, isto e, seus elementos [aij ] sao n
umeros complexos, chama-se matriz conjugada de A `a matriz A = [aij ], onde aij e o conjugado
complexo de aij .
Propriedade:
i) (A ) = A

1.2.14

Matriz esparsa

uma matriz que e formada por poucos elementos nao nulos.

E

3 0 0 0 0

Exemplo: T = 0 2 0 7 0

0 0 0 0 1
importante citar que existira uma grande economia computacional se somente os
E
elementos nao nulos da matriz forem armazenados.

1.2.15

Matriz diagonalmente dominante

n
X

Uma matriz A e diagonalmente dominante se |ai,i | >

|aij |, i = 1, 2, . . . , n, isto e,

j=1,j6=i

o modulo do elemento da matriz na diagonal principal e maior que a soma dos modulos
de todos os demais
valores (n
ao-diagonais) daquela linha.
13 0 2

Exemplo: T = 7 9 0

5 2 8

1.3
1.3.1

Operaco
es com matrizes
Igualdade de matrizes

Duas matrizes Amn = [aij ] e Bmn = [bij ] serao iguais, denotado por A = B, se
ai,j = bi,j para todo 1 i m e 1 j n.

0 x 1
0 5 1

Exemplo: As matrizes A = 5 0 2 e B = 5 0 y serao iguais se

z 2 0
4
2 0
x = 5, y = 2 e z = 4.

1.3.2

Adic
ao de matrizes

Defini
c
ao: Dadas as matrizes Amn = [aij ] e Bmn = [bij ] chama-se adicao de A com
B, denotado por A + B, `a matriz Cmn = [cij ] tal que cij = aij + bij para todo 1 i m
e 1 j n.

0 5 1 9

Exemplo: Sejam A = 5 0 2 8

4
2 0 2

1 1 1 3

e B = 2 3 1 4 , entao,

1 5 1 1

0+1
5 + 1 1 + (1) 9 + 3

A + B = 5 + 2
0+3
2+1
8+4

4 + (1) 2 + 5
0+1
2 + 1

1 4 0 12


= 3 3 3 12

3
7 1 1

Note que a adicao de matrizes somente esta definida quando a matrizes a serem somadas possurem a mesma ordem.
Propriedades: Sejam as matrizes Amn , Bmn e Cmn , entao:
i) A + B = B + A (propriedade comutativa)
ii) A + (B + C) = (A + B) + C (propriedade associativa)
iii) A + 0 = A (existencia do elemento neutro), onde 0 e a matriz nula de ordem m n.
iv) (A + B) = A + B

1.3.3

Multiplicac
ao por escalar

Defini
c
ao: Sejam uma matriz Amn = [aij ] e um escalar k. Chama-se multiplicacao
do escalar k pela matriz A, denotado por kA, `a matriz Pmn = [pij ] tal que pij = k aij
para todo 1 i m e 1 j n.


Exemplo: Sejam A =

2 1
3

1 5

e k = 2, entao:

2A =

2 2 2 (1)
23

20

21

22

2 (1) 2 5

4 2
6

2 10

Propriedades: Sejam as matrizes Amn e Bmn e os escalares a e b, entao:

i) a(A + B) = aA + aB (propriedade distributiva em relacao `a soma de matrizes)
ii) (a + b)A = aA + bA (propriedade distributiva em relacao `a soma de escalares)
iii) a(bA) = (ab)A
iv) a0 = 0
v) 0A = 0
vi) A + (A) = 0
vii) (1)A = A
viii) (A) = A
Defini
c
ao: Dadas as matrizes Amn = [aij ] e Bmn = [bij ] chama-se diferenca de A
com B, nesta ordem, denotado
por A B, como

AB
0 2 1
2 1

Exemplo: Sejam A = 3 1
1 eB= 0 5

2 2 4
1 1

0 2 2 + 1 1 3

AB = 30 15

2 1 2 + 1

1.3.4

=A
+ (B).
3

1 , entao,

2 1 4

11 = 3

1
44

Transposic
ao

4
1

0 .

Defini
c
ao: Dada uma matriz Amn = [aij ] chama-se transposta de A, denotada por
AT , `a matriz AT = [bij ]nm tal bij = aji .
Propriedades: Sejam as matrizes Amn e Bmn e o escalar k, entao:
i) (A + B)T = AT + B T
ii) (AT )T = A
iii) (kA)T = k.AT
Defini
c
ao: Uma matriz complexa Amn = [aij ] e chamada de hermitiana ou auto
adjunta se A = A, onde A e a transposta da matriz conjugada de A (A = (A)T ).

1.3.5

Multiplicac
ao de matrizes

Defini
c
ao: Dadas as matrizes Amn = [aij ] e Bnp = [bjk ] define-se o produto das
matrizes A por B nesta ordem, denotado por AB, `a matriz Cmp = [cik ] com
cik =

n
X

aij bjk

(1.1)

j=1

Exemplo 1. Efetue o produto AB onde A =

2 1
1

4 2 0

eB=

5 1 3

A ordem da matriz produto C = A22 B23 e C23 , ou seja, C =

Utilizando a definicao de produto matricial dada em 1.1 cik =

n
X
j=1

c11 =

2
X

a1j bj1 = a11 b11 + a12 b21 = 2 4 + (1) 5 = 8 5 = 3

j=1

c12 =

2
X

a1j bj2 = a11 b12 + a12 b22 = 2 2 + (1) 1 = 4 1 = 3

j=1

c11 c12 c13

c21 c22 c23

aij bjk , tem-se:

c13 =

2
X

a1j bj3 = a11 b13 + a12 b23 = 2 0 + (1) 3 = 0 3 = 3

j=1

c21 =

2
X

a2j bj1 = a21 b11 + a22 b21 = 1 4 + 3 5 = 4 + 15 = 19

j=1

c22 =

2
X

a2j bj2 = a21 b12 + a22 b22 = 1 2 + 3 1 = 2 + 3 = 5

j=1

c23 =

2
X

a2j bj3 = a21 b13 + a22 b23 = 1 0 + 3 3 = 0 + 9 = 9

j=1

Assim C = AB =

3 3

19 5

1 2

Exemplo 2. O resultado do produto 3 1 1

2 2 3
pode ser escrito como:

6
1
2
2

=
4
+
1
+
2
11
3
1
1 .

4
2
2
3

e
igual
a
1
11

2
4

, que

Nesse caso diz-se que a matriz 11 e uma combinacao linear das matrizes 3 ,

4
2

2
2

1 e 1 , que se pode generalizar:

2
3

a11

a12

a1n

a21 a22 a2n

..
..
..
.
.
.

am1 am2 amn

x1
x2
..
.
xn

a11

a21
=
..
.

am1

10

a12

x1 + 22
..

am2

a1n

x2 + 2n
..

amn

xn

Exemplo 3. Sejam as matrizes A235 = [aij ] e B512

0, se i 6= j
= [bij ], em que aij =
i, se i = j

1, se i 6= j
, determine o elemento c34 da matriz produto AB.
e bij =
i2 , se i = j
Empregando a definicao de produto matricial dada em 1.1 cik =

n
X

aij bjk , escreve-se:

j=1

c34 =

5
X

a3j bj4

j=1

= a31 b14 + a32 b24 + a33 b34 + a34 b44 + a35 b54
= 0 1 + 0 1 + 3 1 + 0 42 + 0 1 = 3
Defini
c
ao: Se A e uma matriz quadrada escreve-se A2 = A A, A3 = A A A e
assim por diante. Considera-se A0 = I e A1 = A.
Exemplo 4.
Dada a
funcao f : R22 R22 tal que f (x) = x2 3x + 2. Determine
1 0
. 3
f (A) para A =
4 2
f (A) = A2 3A + 2I
f (A) = A A 3A + 2I

1 0
1 0
1 0
1 0

3
+ 2

f (A) =
4 2
4 2
4 2
0 1

f (A) =

12 4

12 6

2 0

0 2

f (A) =

0 0

0 0

Observa
co
es sobre o produto matricial

a) A associatividade.
3

R22 e o conjunto de todas as matrizes reais de ordem 2 2 e, f : R22 R22 e uma funcao com

domnio e contra-domnio iguais a R22 .

11

Sejam A, B e C matrizes tais que os seguintes produtos existam, entao A(BC) =

(AB)C.
b) A nao comutatividade.
Se as matrizes A e B sao tais que AB = BA dizemos que A e B comutam, por
exemplo:

As matrizes A =

Porem A =

2 5
3 4

2 5
3 4

eB=

eB=

1 1
0 1

1 0
0 1

comutam.

nao comutam.

Consequentemente dizemos o produto de matrizes nao e comutativo, uma vez que

nao se tem AB = BA para todas as matrizes A e B.
c) A distributividade em relacao `a adicao.
Sendo A, B e C matrizes de ordens convenientes, entao:
A(B + C) = AB + AC (distributividade `a direita)
(B + C)A = BA + CA (distributividade `a esquerda)
c) A lei do cancelamento.
Uma igualdade X = Y , com X e Y matrizes de ordem m n, pode ser multiplicada
`a esquerda por uma matriz Ppm , obtendo P X = P Y . Analogamente poderamos
multiplicar ambos os membros da igualdade X = Y `a direita por uma matriz Qnq
chegando a XQ = Y Q.
Ja a recproca nao e valida, isto e, se XQ = Y Q nao implica em X = Y , analogamente P X = P Y tambem nao implica em X = Y . Tambem AB = 0 nao implica
em termos A = 0 ou B = 0.
Isto e a lei do cancelamento para matrizes nao e valida.
Teorema : Se Amn e Bnp entao (AB)T = B T AT .
Demonstracao:
Escreva A = [aij ]mn e B = [bjk ]np . O elemento cik de AB e dado por cik =

n
X
j=1

12

aij bjk .

Considere

c0ik

como o elemento generico de (AB) , assim

c0ik

b0ij de B T e b0ij = bji , logo o elemento c0ik de B T AT e c0ik =

n
X

akj bji . Mas o elemento

Pn j=10 0
j=1 bij ajk

Pn

j=1 bji akj ,

logo

c0ik de (AB)T o mesmo elemento c0ik de B T AT .

Defini
c
ao: Uma matriz Amm = [aij ] e chamada de idempotente se A2 = A.
Defini
c
ao: Uma matriz Amm = [aij ] e chamada de nilpotente de ndice k se Ak = 0
e Ak1 6= 0, sendo k um inteiro positivo.

1.3.6

Matrizes em blocos

Uma matriz A pode-se particionada em matrizes menores chamadas blocos ou celas.

A matriz A assim escrita e chamada matriz em blocos.
Exemplo:

1 0 0

A matriz A = 1 3 1 0 0 pode ser particionada em blocos, por exemplo,

1 2 1 4 7

2 3 1 0 0

X Y
2 3 1

, onde X =
, Y =
como A = 1 3 1 0 0 =

Z W
1 3 1
1 2 1 4 7

0 0

, Z = 1 2 1 e W = 4 7 .
0 0
A vantagem da particao de uma matriz em blocos, vem do fato que as operacoes sobre
matrizes em blocos pode se feito operando-se os blocos, como se fossem elementos das
matrizes.

A
A12
11

A21 A22
Sejam as matrizes de blocos A =

Am1 Am2

13

B
B12 B1n

11

B21 B22 B2n

A2p

, B =

Bp1 Bp2 Bpn

Amp
A1p

C
C12
11

C21 C22
eC=

Cm1 Cm2

C1p

C2p
, entao:

Cmp

kA11 kA12

kA21 kA22
a) kA =

kAm1 kAm2

kA1p

kA2p

kAmp

A11 + C11

A12 + C12

A1p + C1p

A21 + C21 A22 + C22 A2p + C2p

b) A + C =

Am1 + Cm1 Am2 + Cm2 Amp + Cmp

Q
Q12
11

Q21 Q22
c) AB =

Qm1 Qm2

Q1n

Q2n
, em que Qij = Ai1 B1j + Ai2 B2j + + Aip Bpj

Qmn

1
Exemplo: Empregando matrizes de blocos efetue AB, onde A =

2 3 0 0

1 3 0 0

B = 1 2 0 0 .

0
0 1 1

0
0 2 1

2 3 0 0

2 3
0 0 0

1 3 0 0

1 3 0 0 0

AB =
1 2 0 0 =
.

0
0 1 4 7

0
0 1 1

0
0
1 1 2
0
0 2 1
14

0 0

3 0 0 0
,

0 1 4 7

0
1 1 2

2 3 0 0

1 3 0 0

1 3 0 0 0

. 1 2 0 0
AB =

0
0 1 4 7

0
0 1 1

0
0
1 1 2
0
0 2 1

X Y Z

=
F

W R T
G

X.E + Y.F + Z.G

=
W.E + R.F + T.G

X.E + 0 + 0
X.E
X.E
0
=
=
+

=
0 + R.F + T.G
R.F + T.G
R.F
T.G

4 + 3 6 9 0 0
0 0 0 0

2 3 3 + 9 0 0 0 0 0 0

=
=
+

1
2
4 4 0 0 14 7

1
2
1 1
0 0 4 2

7 15 0 0

5 12 0 0

1 2 18 3

1 2
5 1
2

1.4

0 0

Matriz inversa

Defini
c
ao: Dada uma matriz Amn , dizemos que uma matriz Gnm e uma inversa
`a esquerda da matriz A se e somente se GA = I. Analogamente H nm e uma inversa `a
direita de A se AH = I.
Exemplo: Determine, se existirem, as inversas `a esquerda e `a direita da matriz A =
1 0 2

1 1 1

15

(i) Inversa `a esquerda (G):

Como a matriz A possui ordem 2 3 a matriz inversa `a esquerda, caso exista, tera
ordem 3 2,

G= c

assim considere:

d , tal que GA = I, ou ainda:

a b

1 0 0

1 0 2

=
0 1 0
c d

1 1 1

0 0 1
e f

ab=1

b=0

2a + b = 0

cd=0

,
d=1

2c + d = 0

ef =0

f =0

2e + f = 1
que e um sistema de equacoes lineares incompatvel, assim, a matriz A nao possui inversa
`a esquerda.
(ii) Inversa `a direita (H):
Como a matriz A possui ordem 2 3 a matriz inversa `a direita, caso exista, tera ordem
3 2, assim considere:

a b

H = c d , tal que AH = I, ou ainda:

e f

16

a + 2e = 1

a b

b + 2f = 0
1 0 2
1
0

c d =

1 1 1
0 1
a + c + e = 0

e f

b + d + f = 1

a = 1 2e

b = 2f

Substituindo as duas u
ltimas igualdades nas equacoes (3) e (4) iniciais, vem:

a = 1 2e

b = 2f

(1 2e) + c + e = 0 c = 1 3e

(2f ) + d + f = 1 d = 1 3f

eR

f R
Como o sistema apresentou-se indeterminado, existem varias matrizes inversas `a direita da matriz A e, escreve-se:

1 2e 2f

H = 1 3e 1 3f , e R, f R

e
f
Veja que a medida que forem atribudos valores aos parametros e e f , serao obtidas
as diversas matrizes inversas `a direita.
Teorema: Se existirem inversas `a esquerda e `a direita de uma matriz quadrada A elas
serao iguais e essa inversa sera u
nica.
demonstracao: Sejam G e H as inversas de A `a esquerda e `a direita, respectivamente,
assim GA = I e AH = I. Mas G = G.I = G(AH) = (GA)H = I.H = H. Para provar
a unicidade suponha que exista G0 que tambem seja uma inversa `a esquerda de A, logo
como feito anteriormente chega-se a G0 = H entao G0 = G, ou seja a inversa e u
nica.
Teorema: Seja Amn uma matriz retangular, m 6= n. Se m < n A nao possui inversa
`a esquerda e se m > n A nao possuira inversa `a direita.
Observacao. Veja que o teorema acima nada afirma com respeito a existencia de uma
matriz inversa, somente afirma que em determinado lado nao havera inversa.

17

Defini
c
ao: Se existirem inversas `a esquerda e `a direita de uma matriz A ela sera dita
inversvel, regular ou nao singular e essa inversa (
unica) sera denotada por A1 .
Teorema: Uma matriz e inversvel se e somente se for quadrada e seu determinante
for diferente de zero.
Teorema: Se A e B forem matrizes inversveis, entao:
i) (A1 )1 = A
ii) (AT )1 = (A1 )T
iii) (AB)1 = B 1 A1
iv) Para todo k R a matriz k.A e inversvel e (k.A)1 =

1 1
A
k

v) An = (A1 )n = A1 .A1 A1
Prova:
(i) (A1 )1 = X (A1 )(A1 )1 = A1 X I = A1 X A = X.
Propriedades: Se A e B forem matrizes inversveis, entao:
i) Se A e uma matriz inversvel, entao A.AT e AT .A sao tambem inversveis.
ii) Se A e uma matriz simetrica inversvel, entao A1 e simetrica.
iii) A inversa de uma matriz triangular inferior e uma matriz triangular inferior.
iv) A inversa de uma matriz triangular superior e uma matriz triangular superior.

1.4.1

Equival
encia de matrizes

Defini
c
ao: Chamam-se operacoes elementares por linhas de uma matriz A = [aij ] de
ordem m n:
op.1) A permuta de duas linhas de A.

18

op.2) A multiplicacao de uma linha por um escalar nao nulo.

op.3) A substituicao de uma linha pela sua soma com outra linha premultiplicada por
um escalar.
Defini
c
ao: Uma matriz B diz-se equivalente por linhas a uma matriz A se e somente
se puder ser obtida, a partir de A, mediante a aplicacao de um n
umero finito de operacoes
elementares sobre as linhas de A.

1
2 1

Exemplo. Dada a matriz A = 1 1

3 determine uma matriz T , triangular

1 1 0
superior que seja equivalente por linhas a A.
Como foi pedido para se determinar uma matriz equivalente por linhas `a matriz A,
basta escalonar, por linhas a matriz A ate obter-se uma matriz triangular superior.

1
2 1
1 2 1

1 1
3 L2 L2 + L1 0 3
2

1 1 0
1 1 0

0 3

1 1

0
L3 L3 L1

1
L3 L3 + L2

0 3

0 3

0 3

0 3

1 2 1

0 3

0 0

1 2 1

Logo B = 0 3 2 e uma matriz triangular superior equivalente por linhas `a

0 0 3
matriz A.

2 1 2

Exemplo. Idem para A = 1 1 0

3 2 2

19

2 1 2
L L2
1

1 1 0

3 2 2

1 1 0

2 1 2

3 2 2

1 1 0

2 1 2 L2 L2 2L1

3 2 2
L3 L3 3L1
1 1 0

0 1 2

L3 L3 L2
0 1 2

1 1 0

0 1 2

0 1 2

1 1 0

0 1 2

0 0 0

1 1 0

e, C = 0 1 2 e uma matriz triangular superior equivalente por linhas `a

0 0 0
matriz A.
importante observar que as operacoes elementares op.1 e op.2 nos
Observacao: E
fornecem outra operacao, nao elementar, mas que pode ser de muita utilidade:
Li cLi + dLj

Defini
c
ao: Uma matriz m n e dita escalonada, ou em forma de escada, se:
a) As linhas nulas ocorrem depois das linhas nao nulas.
b) Se o primeiro nao nulo de uma linha ocorrer na coluna k entao o primeiro elemento
nao nulo da linha seguinte devera estar depois da coluna k.
Defini
c
ao: Chama-se matriz escalonada reduzida por linhas a uma matriz A tal que:
a) A matriz e escalonada.
b) Cada coluna que contem o primeiro elemento nao nulo de alguma linha tem todos os
outros seua elementos iguais a zero.
c) O primeiro elemento nao nulo de linha e 1.
20

Teorema: Toda matriz Amn sobre um corpo F e equivalente por linhas a uma u
nica
matriz B, escalonada reduzida por linhas.
Defini
c
ao: Chama-se matriz elementar `a matriz que e obtida a partir da matriz
identidade utilizando-se uma u
nica operacao elementar sobre as linhas da matriz identidade.

1 0 0

1
0

sao matrizes elementares, enquanto

Exemplos: A = 1 1 0 , B =

0 2
0 0 1

1 0 0

1 0

eD=
que C =
1 2 0 nao sao matrizes elementares.

1 2
0 0 1
Teorema: Matrizes elementares sao inversveis e suas inversas sao matrizes elementares
do mesmo tipo.

Teorema: Qualquer operacao elementar sobre as linhas de uma matriz Amn pode se
obtida multiplicando-se a matriz A pela matriz elementar E, `a esquerda, onde E e obtida
aplicando-se `a matriz identidade a operacao elementar desejada.

1 0
3 5
3 5

=
e o mesmo que aplicar a operacao
Exemplo:
1 1
1 2
4 3
elementar L2 L2 + L1 .
Teorema:Uma matriz Amn e equivalente por linhas a uma matriz Bmn se e somente
se existe uma matriz P produto de matrizes elementares, onde A = P B.

Teorema: Uma matriz A quadrada sera inversvel se e somente se for equivalente por
linhas `a matriz identidade.
demonstracao:
() Seja A inversvel e B a matriz escalonada reduzida por linhas equivalente a A. Entao
existe uma matriz P , que e produto de matrizes elementares, tal que B = P A. Pelo fato
de A ser inversvel tem-se det(A) 6= 0 e como P e o produto de matrizes elementares
tem-se tambem que det(P ) 6= 0, logo det(B) 6= 0 o que implica que B nao possui linhas
21

nulas e assim B = I. Entao A e equivalente por linhas `a matriz identidade.

Sendo A equivalente por linhas `a matriz identidade, existe P , produto de matrizes
elementares, tal que I = P A. Entao det(I) = det(P A) ou ainda det(I) = det(P )det(A),
mas det(I) = 1 logo det(A) 6= 0 e assim A e inversvel.

1.4.2

C
alculo da inversa empregando operac
oes elementares

Como consequencia do teorema anterior pode-se escrever o seguinte algoritmo para a

determinacao da inversa de uma matriz quadrada A.
.
Algoritmo: Devera ser construda uma matriz de blocos [A .. I] e em seguida aplicamos operacoes elementares sobre as linhas desta matriz de blocos com o objetivo de
conduzir a matriz A `a matriz identidade. Assim no lugar da matriz A teremos a matriz
identidade e no lugar da matriz identidade teremos a inversa de A.

1 0 0

Exemplo 1. Determine, utilizando o algoritmo anterior, a inversa da matriz 1 2 0

0 0 1

1 0 0 1 0 0

1 2 0 0 1 0 L2 L2 L1

0 0 1 0 0 1

1 0 0 1 0 0

0 2 0 1 1 0 L2

0 0 1 0 0 1

1 0 0
1
0 0

0 1 0 1/2 1/2 0

0 0 1
0
0 1

A1

1
0 0

= 1/2 1/2 0

0
0 1

L2
2

22

0 1 2

Exemplo 2. Determine a matriz inversa de 1 2 1 .

1 3 8

0 1 2 1 0 0

1 2 1 0 1 0 L2 L1

1 3 8 0 0 1

1 2 1 0 1 0

0 1 2 1 0 0

L3 L3 + L1
1 3 8 0 0 1

1 2 1 0 1 0
L L1 2L2

0 1 2 1 0 0

L3 L3 5L2
0 5 9 0 1 1

1 0 3 2 1 0

0 1 2
1 0 0

0 0 1 5 1 1

L L1 3L3
1

L2 L2 + 2L3

1 0 0 13 2 3

0 1 0 9 2
2

L3 L3
0 0 1 5 1
1

1 0 0 13 2 3

0 1 0 9 2
2

0 0 1 5 1 1

A1

13 2 3

= 9 2
2

5 1 1

23

1.4.3

C
alculo da inversa empregando matrizes de blocos

P Q

, em que P tem ordem

R S
k k, S e de ordem (n k) (n k), Q e de ordem k (n k) e R tem ordem (n k) k.
Seja A uma matriz de ordem n n da forma A =

Supondo que P 1 e conhecida ou e facilmente determinada, pode mostrar que A1 pode

ser obtida atraves de um procedimento eficiente utilizando somente A1 .

X Y
, assim pode-se escrever:
Considere que A1 =
Z W

P Q
R S

Z W

Ik

Ink

, em que Ik e Ink sao respectivamente as matrizes identidade de ordem k e nk, e tem-se

P X + QZ = Ik
(1)

P Y + QW = 0
(2)

RX + SZ = 0

RY + SW = I
nk

(3)
(4)

Isolando Y na equacao (2) tem-se Y = P 1 QW que substituido em (4) resulta

W = (S RP 1 Q)1 .
Agora a partir de (1) escreve-se X = P 1 P 1 (QZ) e levado em (3) implica em
Z = W RP 1 , assim:

W = (S RP 1 Q)1

Y = P 1 QW

Z = W RP 1

X = P 1 P 1 (QZ)

Exemplo:
Determine, empregando
matrizes de blocos, a inversa de

1 0
3
1

0 0.5 4
2
.

A=

5 3 10 7

6 4 14 10.5
24


Tome: P =

, Q =

3 1

,R =

5 3

0 0.5
4 2
6 4

1 0
3 1
escreve-se P 1 Q =

=
0 2
8 4

Como P 1

Empregando as relacoes deduzidas anteriormente, vem:

1 0

W = (S RP 1 Q)1 =

0 2

3 2

Y = P 1 QW =

8 8

assim,

5
6

Z = W RP 1 =

12 16

26
34

X = P 1 P 1 (QZ) =

88 114

26 34 3 2

88 114 8 8
X Y
=
=

5
Z W
6 1 0

12 16 0 2

A1

1.5

Execcios

1. Escreva em forma de tabela as seguintes matrizes:

(a) A23 = [aij ] onde aij = i2 j

1,
(b) B33 = [bij ] onde bij =
0,

i=j
i 6= j

(c) C31 = [cij ] onde cij = i + j

i, i=j
(d) D14 = [dij ] onde dij =
j , i 6= j
2. Determine a matriz transposta de:

i, i=j
(a) D14 = [dij ] onde dij =
j , i 6= j
25

e S =

10

14 10.5


i, i=j
(b) I33 = [iij ] onde iij =
0 , i 6= j

i+j , i=j
(c) E32 = [eij ] onde eij =
1 j , i 6= j

3. Resolva a equacao matricial

4. Determine x e y em

x y

1 0

8 z

x 2

3 x+1

1 7

y+4

2
2

x +4

8 x+y

5. Dadas as matrizes A =

7 y
5

eB =

12

53

calcular x e y de

modo que A = B.

2 3 8
3 7 1
7 8 3

6. Dadas as matrizes A = 5 9 6 , B = 4 2 5 e C = 4 3 2 .

7 4 1
0 9 4
9 5 1
Calcular:
(a) A + B
(b) C A
(c) 3A 2B + 4C
7. Forneca um exemplo de uma matriz de ordem 3 3 que seja antisimetrica. (nota:
uma matriz e dita

a b

8. Seja A = d e

g h

antisimetrica se AT = A)

f . Calcule:

(a) A AT
(b) A + AT

9. Dadas as matrizes A =

, B =

4 2
mine X tal que 3X + B = 2A C.

26

2 2
5

eC =

2 1

, deter-


10. Dadas as matrizes A =

2X + Y = 3A B
.
X 2Y = 5A + 2B

1 0
4 2

eB=

0 2
2 1

resolva o sistema

11. Verifique se o produto A.AT e uma matriz simetrica, sendo A = 1 3 1

1 2 1

4 6 3

. Calcule (AB)T e
12. Dadas as matrizes A = 3 7 e B =

3 5 8
2 4
B T AT verificando a igualdade (AB)T = B T AT
4

13. Verdadeiro ou falso? Se a afirmacao for verdadeira prove, caso falsa de um contraexemplo.
(a) A matriz nula O33 e uma matriz diagonal.
(b) A matriz identidade I33 e triangular inferior.
(c) Toda matriz escalar e triangular superior.
(d) O produto de duas matrizes quadradas sempre existe.
(e) Existem matrizes quadradas nao nulas que elevadas ao quadrado resultam na
matriz nula.
(f) AX = AY implica em X = Y para qualquer matriz A.
(g) (A B)(A + B) = A2 B 2
(h) Se A e uma matriz triangular superior entao AT e triangular inferior.
(i) Seja Ann entao AAT e simetrica.
(j) O produto de matrizes triangulares inferiores (superiores) de mesma ordem e
outra matriz triangular inferior (superior) de mesma ordem.
(k) (A + B)2 = (A + B)(A + B)
(l) Uma matriz escalar de ordem m m comuta com todas as matrizes de ordem
m m.
27

14. De um exemplo de uma matriz nilpotente de ndice 4.

15. Determine X na equacao matricial AXB = C, sabendo que P A = BQ = I.
22
16. Dada
a fun
R tal que f (x) = 2x2 x + 4. Calcule f (A) sendo
cao f : R

1 2

3 1

17. Uma rede de comunicacao tem cinco locais com transmissores de potencias distintas. Estabelecemos que aij = 1, na matriz a seguir, significa que a estacao i pode
transmitir diretamente `a estacao j, e aij = 0 significa que a transmissao da estacao
i nao alcanca a estacao j.

0 1 1 1 1

1 0 1

A= 0 1 0

0 0 1

0 0 0

1 0

1 0

0 1

1 0

(a) Qual o significado da diagonal principal ser nula.

(b) Calcule B = A2
(c) Qual o significado do elemento b13 = 2 em A2
(d) Qual o significado da matriz A2
18. Existem tres marcas de automoveis disponveis no mercado: o Jacare, o Piranha e
o Urubu. O termo aij da matriz A, a seguir, e a probabilidade de que um dono de
carro
da linha i
mude para o carro da coluna j, quando comprar um carro novo.

0.7 0.2 0.1

0.3 0.5 0.2

0.4 0.4 0.2

(a) Calcule A2
(b) Qual o significado da matriz A2
19. Determine An , para:

1 0

(a) A =
0 2
28

1 0

(b) B = 0 1

0 0

cos(x)
(c) R =
sen(x)

sen(x)

cos(x)

20. Determine, se existir, uma matriz A tal que:

5
4

(a) A2 =
6 5

0 1

(b) A2 =
0 0

21. Determine todas as matrizes A22 tais que AB = BA para B =

1 1

22. Dada uma matriz Ann = [aij ], entao o traco de A, denotado tr(A), e definido como
i=n
X
a soma de todos os elementos da diagonal principal de A, isto e, tr(A) =
aii .
i=1

Mostre que:
(a) tr(A + B) = tr(A) + tr(B).
(b) tr(AT ) = tr(A)
(c) tr(AT A) 0
23. Calcule o traco de uma matriz escalar de ordem n n.

24. Se A e uma matriz n n e A4 = 0, verifique que (In A)1 = In + A + A2 + A3 .

2 0
calcule A2 , A3 , An .
25. Sendo A =
0 3

1
1 2
2
3
n
26. Seja A =
1 . Usando o Octave, calcule a sequencia A, A , A , . . . , A , . . .
0
3
. Descreva o comportamento dessa sequencia matricial.

29

27. Uma matriz real simetrica A e positiva definida de para

x
todo vetor (coluna)

1
0 2

T
tem-se x Ax e positivo. Verifique se as matrizes A = 0
2 2 , B =

2 2 7

1 0 1
4 2 12

0 1 2 e C = 2 10 3 sao positiva definidas.

1 2 3
12 3 41
28. Uma matriz real
S e ortogonal se S T S
= SS T = I.
1/9 8/9 4/9

Mostre que S = 4/9 4/9 7/9 e ortogonal.

8/9 1/9
4/9
29. Descreva como determinaramos somente o elemento p7,4 da matriz P = AB, onde
A2312 e B129 .

30. Considere a matriz S = 1

1
inteiro positivo.

x
31. Encontre todas as matrizes
z

1 1

2 1 , mostre que S n+1 = 3n S para todo n

1 2

y
t

que comutam com

1 1
0 1

1


32. Verifique se a matriz X = 2 e solucao da equacao matricial AX = 2X com

1

3 2 0

A = 2 3 0 .

0
5 5
33. Determine uma matriz nao nula de ordem 2 2 tal que B 2 = 0.

3 2

X +Y =A+B

34. Resolva o sistema de equacoes

, em que A = 2 3 ,
X Y = A + C

0
5

30

0 0
1 2

B = 3 0 e C = 2 1 .

5 5
4
2
35. Prove que se A e B sao matrizes simetricas entao AB sera simetrica se e somente
se AB = BA.

2 3 0 0 0
0

1 3 0 0 0
0
36. Calcule BA sendo A =

0 0 0 1 4 7

0 0 0 1 1 2

37. Dada a matriz A =

2 3 0
0

1 3

0
0
eB=

0 0 1 4

0 0
1 1

1 2
3 6

. Determine uma matriz nao nula B23 tal que

AB = 0.
38. Confirme as respostas encontradas utilizando o software Octave.

1 1 0
2 3 1

39. Verificar se a matriz A = 0 1 1 e a inversa de B = 1 3 1

1 1 3
1 2 1

40. Determine m e n para que a matriz B =

22

5 22
2

seja a inversa de A =

41. Determine a inversa das seguintes matrizes, se existirem: ,

31

1 2 1

(a) A = 0 1 3

1 2 3

1 1 1

(b) B = 0 1 2

2 3 4

1 2 1

(e) E = 2 1 1

1 1 0

1 2 1

(d) D = 0 1 1

1 1 1

a
1 0 0 0

1 1 0 0
0
(h) H =
(g) G =

0
0 1 1 0

0
0 0 1 1

1 x
(e + ex ) 12 (ex ex )

(j) J = 2
1 x
1 x
x
x
(e

e
)
(e
+
e
)
2
2

3 1 5 0

0 2
0 1

(c) C =

2 0 1 3

1 1 2 0

i
3
2 i

3 i 1
i
(f ) F =

2 1 1 0

i i
0
1

0 0 0

cos() sen()
b 0 0
(i)I =

1 c 0
sen() cos()

0 0 d

42. Uma maneira para codificar uma mensagem e atraves da multiplicacao de matrizes. Vamos associar as letras do alfabeto aos n
umeros, segundo a correspondencia
seguinte:
A

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

Suponhamos que a nossa

matriz 3 3 assim: A

15 20 23

M = 1 0 21

9 4 1

mensagem
seja PUXA VIDA. Podemos formar uma
U X

V , que usando a correspondencia numerica fica:

D A

Agora seja C uma matriz qualquer 3 3 nao singular, por exemplo:

1 0 1

C = 1 3 1

0 1 1
Multiplicamos nossa matriz da mensagem por C, obtendo M.C,
32

15 20 23
1 0 1
5 83 58

1 0 21 . 1 3 1 = 1 21 22 . Transmitimos esta nova

9 4 1
0 1 1
5 13 14
matriz(na pratica, envia-se a cadeia de n
umeros 5, 83, 58, 1, 21, 22, 5, 13, 14). Quem
recebe a mensagem decodifica-a atraves da multiplicacao pela inversa(M.C).C 1 =
M e posterior transcricao dos n
umeros por letras. C e chamada matriz chave para
o codigo.
(a) Voce recebeu a mensagem: 12, 48, 23, 2, 42, 26, 1, 42, 29. Utilizando a mesma
matriz chave traduza a mensagem.
(b) Acontece que o inimigo descobriu
sua chave.O seu comandante manda voce
1 1 1

substituir a matriz chave por 1 1 0 . Voce transmite a mensagem

0 0 2
CRETINO...a ele. Por que nao sera possvel a ele decodificar sua mensagem?
(c) Escolha uma matriz chave que de para codificar palavras ate 16 letras. Codifique e descodifique `a vontade! Se possuir algum software que faca o produto
de matrizes, o utilize neste tem.
43. Verdadeiro ou falso? Se a afirmacao for verdadeira prove, caso falsa de um contraexemplo.
(a) Se a matriz A possui uma linha nula entao AB tambem tem uma linha de
elementos nulos.
(b) Se a matriz A possui uma coluna nula entao AB tambem tem uma coluna de
elementos nulos.
(c) Se A e B sao matrizes diagonais n n entao AB = BA.
(d) Se AAT = 0 entao A = 0.
(e) A inversa de uma matriz triangular superior e uma matriz triangular inferior.
(f) Se tr(AAT ) = 0 entao A = 0.
(g) Sejam duas matrizes A e B de ordem n n equivalentes por linhas. A e
inversvel se e somente se B e inversvel.
(h) Se A, B e C sao matrizes n n, entao (ABC)1 = C 1 A1 B 1 .
33

(i) Se A e inversvel entao (A1 )1 = A.

(j) Se A e inversvel entao (kA)1 = kA1 .
(k) Nao existem matrizes A22 , diferente da matriz identidade, que seja autoinversa, isto e, tal que A = A1 .
(l) Se uma matriz A e inversvel entao A2 sempre sera inversvel.
(m) Se as matrizes Ann e Bnn sao inversveis entao A + B tambem e inversvel.
(n) Seja A inversvel, entao se AB = AC tem-se B = C.
(o) Seja A uma matriz quadrada tal que I A e inversvel entao A(I A)1 =
(I A)1 A.
44. Suponha que A e B sao matrizes quadradas e que AB = 0. Se B e inversvel calcule
a matriz A.
45. As operacoes elementares
op1. L2 L2 2L1
op2. L3 L3 4L1
op3. L3 L3 + L2
op4. L3 L3
op5. L2 L2 + L3
op6. L1 L1 2L3
praticadas na ordem em que estao escritas deixam a matriz A33 equivalente por
linhas `a matriz identidade. Determine as matrizes A e A1 .
46. Explique, utilizando os teoremas vistos em sala, o procedimento pratico para a
.
.
determinacao da matriz inversa, isto e, [A .. I] escalonado se torna [I .. A1 ].

2 1 1
1 3 0

1
1
47. Se A = 0 1 1 e B = 0 0 2 . Calcule (AB)1 .

1 1 1
1 1 4

0 1 2

48. Dada a matriz A = 1 2 1 , resolva a equacao A1 .X.AT = A, sem substi

1 3 8
tuir X por uma matriz generica.
34

49. Resolva as seguintes equacoes matriciais, sendo A inversvel:

(a) AX = B
(b) XA = B
(c) X 1 A = B
(d) AX 1 = B
(e) AXB = BA
(f) (AX)T = B
(g) (AX)1 = B
(h) ((AX)1 B)T = A
(i) AX = AT + I

50. Mostre que a inversa de A =

cos(x)

sen(x)

sen(x) cos(x)

e A1 =

cos(x) sen(x)
sen(x)

cos(x)

51. Resolva, novamente, os exerccios 39, 40, 41, 42, 47 e 48 utilizando o Octave.

35

Captulo 2
Determinantes

2.1

Definic
oes

Defini
c
ao: Seja S = {1, 2, 3, . . . , n} o conjunto de todos os n
umeros inteiros de 1
a n, dispostos em ordem crescente. Uma outra ordem j1 , j2 , . . . , jn dos elementos de S
e chamada uma permutacao de S.
Defini
c
ao: Uma permutacao j1 , j2 , . . . , jn de Sn = {1, 2, 3, . . . , n} tem uma
inversao se um inteiro jr precede um inteiro menor js . Uma permutacao e denominada
par se o n
umero total de inversoes e par. Uma permutacao e denominada mpar se o
n
umero total de inversoes e mpar.
Exemplo 1: Seja S4 = {1, 2, 3, 4}. A permutacao (4, 1, 3, 2), que representaremos
por 4132, tem 4 inversoes: o 4 antes do 1, o 4 antes do 3, o 4 antes do 2, o 3 antes do 2.
Portanto, a permutacao 4132 de S4 e uma permutacao par, pois tem um n
umero par de
inversoes.
Exemplo 2: Seja S2 = {1, 2}. A permutacao 12 nao tem nenhuma inversao. Logo,
e uma permutacao par. Ja a permutacao 21 e uma permutacao mpar, pois tem apenas
uma inversao, o 2 antes do 1.
Defini
c
ao: Seja Amm uma matriz quadrada, define-se como determinante de A, de36

notado por det(A) ou |A|, como det(A) =

P
()a1j1 .a2j2 .a3j3 . . . amjm , onde o somatorio

e tomado sobre todas as permutacoes j1 , j2 , . . . , jm do conjunto Sm = 1, 2, 3, . . . , m. O

sinal do termo correspondente `a permutacao j1 , j2 , . . . , jm e + se ela for par e sera se
for mpar.
Pode-se constatar que cada termo do det(Anxn ) e um produto de n elementos de A,
contento exatamente um elemento de cada linha e um elemento de cada coluna. Os ndices
relativos `as linhas estao na sua ordem natural (1, 2, 3, . . . , n), enquanto que os ndices
relativos `as colunas estao na ordem j1 , j2 , . . . , jn . Como a permutacao j1 , j2 , . . . , jn
consiste nos n
umeros de 1 a n em uma ordem diferente da usual, ela nao tem repeticao.
Assim, o det(A) tem n! termos.

a11 a12 a13

Exemplo: Calcule, usando a definicao, o determinante da matriz A = a21 a22 a23

a31 a32 a33

Pela definicao de determinante temos:

det(A) =

X
()a1j1 .a2j2 .a3j3

Como S3 = 1, 2, 3, entao as permutacoes sao 123, 132, 213, 231, 312, 321 com,
respectivamente, 0, 1, 1, 2, 2, 3 inversoes. Assim,
det(A) = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31

2.2

Propriedades

(i) det(AT ) = det(A)

(ii) Se B e uma matriz obtida permutando-se duas linhas (ou duas colunas) de A, entao
.det(B) = det(A),
(iii) Se A possui duas linhas ou duas colunas iguais ou, ainda, se A possui uma linha ou
uma coluna nula, entao det(A) = 0.

37

(iv) Se Be uma matriz obtida multiplicando-se uma linha (ou coluna) de A por um
n
umero real k, entao det(B) = kdet(A). Consequentemente, det(kB) = k n det(A)
se Ann .
(v) Se substituirmos uma linha r (ou coluna r) pela soma dos elementos de r com os correspondentes elementos de uma linha s (ou coluna s) multiplicada por uma constante
k nao nula, com r 6= s, obtendo-se assim uma matriz B, entao det(B) = det(A).
(vi) Se A e uma matriz triangular superior ou inferior, entao det(A) = a11 .a22 . . . . .ann ,
isto e, o determinante de A e igual ao produto dos elementos da diagonal principal.
(vii) det(AB) = det(A).det(B).
(viii) det(A1 ) =

1
, se A e inversvel.
det(A)

(ix) det(A) = n det(A), onde A tem ordem n n.

2.3

Desenvolvimento por Laplace

Seja Amm uma matriz quadrada entao:

det(A) =

m
X

aij (1)i+j det(Aij ) ,

j=1

onde det(Aij ) e o determinante da submatriz Aij obtida a partir de A suprimindo-se

a i-esima linha e a j-esima coluna.

1 1

1 1
Exemplo. Calcule o determinante da matriz A =

1 0

3 2

det(A) =

1 1

1 0

38

0
2
1

det(A) =

1 0

3 1 1 2
1 1

5 2

6 3

3 1 1 2

1 1 0 1

5 2 0 3

6 3 0 4

det(A) =

4+3
0(1) 1

1 1

det(A) =

det(A) =

L3 L3 + 2L1

L4 L4 + L1

1 1 1

(1)(1)1+3 5 2 3

6 3 4

1 2

1 1

2 3

3 1 2

+ (0)(1)2+3 5 2 3

6 3 4

det(A) = (1) 8 + 15 + 18 12 9 20
det(A) = 0

39

3 1 2

+ 0(1)3+3 1 1 1

6 3 4

2.4

Execcios

1. Quantas inversoes de 1, 2, 3, 4, 5 existem nos conjuntos:

(a) 3, 5, 4, 1, 2
(b) 2, 1, 4, 3, 5
(c) 5, 4, 3, 2, 1

1 2 3

2. Calcule o valor do determinante da matriz A = 1 1 1 pela definicao.

1 4 1
Depois confirme o resultado utilizando a regra de Sarrus e o Octave.

1 2
3 1
eB=
, calcule:
3. Dadas as matrizes A =
1 0
0 1
(a) det(A) + det(B)
(b) det(A + B)
4. Sejam A e B matrizes de ordem n n. Se a afirmacao for verdadeira justifique, caso
falsa de um contra-exemplo.
(a) det(AB) = det(BA)
(b) det(AT ) = det(A)
(c) det(2A) = 2det(A)
(d) det(A2 ) = (det(A))2
(e) Se det(A) = 1 entao A1 = A
(f) det(AT B T ) = det(A).det(B T ).
(g) Se A = A1 entao det(A) e somente igual a 1.
5. Calcule o determinante das seguintes matrizes:

3 1 5 0

0 2
0 1

(a) A =

2 0 1 3

1 1
2 0
40


i
3
2

3 i 1
(b) B =

2 1 1

i i
0

1
0
0

3 2 0

(c) C = 2
1 1

2 4
0

3 5
8

0 0

0 0

1 0

4 2

6. Qual o valor do determinante de uma matriz ortogonal A?

1 2 1

7. Sendo A = 1 0
1 determine os valores tais que det(A I) = 0.

4 4 5

41

Captulo 3
Sistemas de equac
oes lineares

3.1

Conceitos

Um sistema de m equacoes lineares com n incognitas x1 , x2 , , xn e com coeficientes

aij e termos independentes bk , definidos sobre um corpo F e escrito de seguinte forma:

a11 x1

a x

21 1
S:
a31 x1

a x
m1 1

+ a12 x2

+ a13 x3

+ + a1n xn

= b1

+ a22 x2

+ a23 x3

+ + a2n xn

= b2

+ a32 x2

+ a33 x3

+ + a3n xn

= b3

+ am2 x2 + am3 x3 + + amn xn = bm

Sistemas lineares e matrizes

Se no sistema S anterior fizermos Amn = [aij ], X T = [x1 , x2 , , xn ] e bT =
[b1 , b2 , , bm ] teremos a forma matricial:
Ax = b
Quando a matriz b = 0 o sistema sera chamado de sistema linear homogeneo.
Soluc
ao de um sistema linear
Chama-se solucao de um sistema linear S a uma matriz x que verifique simultanea42

mente todas as equacoes de S : Ax = b. Conceitua-se que resolver um sistema linear e

determinar todas as suas solucoes, enquanto que discutir um sistema e discutir sob quais
condicoes este sistema tera ou nao solucoes.
Equival
encia de sistemas lineares
Dois sistemas lineares S1 e S2 serao chamados de equivalentes se e somente se possurem
as mesmas solucoes, ou seja, toda solucao de S1 tambem e solucao de S2 e vise-versa.
Assim torna-se claro que para determinarmos a solucao de um sistema linear S deveremos
encontrar um sistema S1 equivalente a S mas que possua uma solucao mais visvel. Como
por exemplo:

2x + y = 9
S:
e S1
2x + 2y = 0

2x + y = 9
:

+ 3y = 9

Veja que no sistema S1 a solucao e facilmente encontrada, x = y = 3.

.
.
Teorema: Se as matrizes [A..B] e [A1 ..B1 ] forem equivalentes por linhas entao os sistemas A1 x = B1 e Ax = B serao equivalentes.
Posto
Chama-se posto de uma matriz Amn , denotado por p(A), ao n
umero de linhas nao
nulas de uma matriz escalonada equivalente por linhas a A.
Nulidade
Chama-se nulidade de uma matriz Amn a n p(A).
Teorema:
Dado um sistema de equacoes lineares Ax = b, com Amn .

(i) Se p(Ab) > p(A) o sistema sera incompatvel.

(ii) Se p(Ab) = p(A) < n o sistema sera possvel e indeterminado, apresentando mais de
uma solucao.
(iii) Se p(Ab) = p(A) = n o sistema sera possvel e determinado, apresentando uma u
nica
solucao.
43

Exemplos
1. Resolver os seguintes sistemas de equacoes lineares:

x + 2y 3z = 3

2x y + z = 3
a)

x y z = 4

2x
3z = 4

3 3

2 1 1
3

1 1 1 4

2
0 3 4

1
2 3 3

2 1 1
3

1 1 1 4

2
0 3 4

L2 L2 2L1

L3 L3 + L1

L4 L4 2L1

3 3

0 5 7
9 L2 L3

0 1 4 7

0 4 3
2

1 2 3 3

0 1 4 7

0 5 7
9 L3 L3 + 5L2

0 4 3
2
L4 L4 + 4L2

1 2

0 1 4 7

0 0 13 26

0 0 13 26

L4 L4 L3

44

x + 2 1 3 2 = 3 x = 1
1 2 3 3

0 1 4 7
y 4 2 = 7 y = 1

0 0 13 26 13z = 26 z = 2

0 0 0
0

x + 2y 3z + w = 3

b)
2x y + z 2w = 3

x 8y + 11z 7w = 9

1 2 3 1 3

2 1 1 2 3

1 8 11 7 9

2 1 1 2

1 8 11 7

3 L2 L2 2L1

9
L3 L3 L1

0 5 7 4

0 10 14 8

L3 L3 2L2
12

1 2 3 1 3

0 5 7 4 9

0 0
0
0 6

0w = 6 Sistema incompatvel

45

3x + 2y z w = 3

c)
2x y + z 2w = 3

x 3y + 2z w = 6

3
2 1 1 3

2 1 1 2 3

1 3 2 1 6

3
2 1 1 3

2 1 1 2 3 L2 L2 L1

1 3 2 1 6

3
2 1 1 3

1 3 2 1 6

L3 L3 L2
1 3 2 1 6

3
2 1 1 3

1 3 2 1 6 L2 3L2 + L1

0
0
0
0
0

0 7

0 0

1 1 3
5

5z 4w 15

15 7y + 5z 4w = 15 y =

7
0

3x + 2y z w = 3 3x + 2

2. Discutir os

a)
2x

5z 4w 15
z + 5w + 3
z w = 3 x =
7
7

seguintes sistemas de equacoes lineares:

y

= 1

y + bz = 3
y

= a

1 1 1 1

2 1 b 3

1 1 1 a

46

1 1 1 1

2 1 b 3 L2 L2 2L1

1 1 1 a
L3 L3 + L1

1
1 1 1

0 1 b+2
1

0 2 2 a + 1

L3 L3 + 2L2

1 1
1
1

0 1 b+2
1

0 0 2b + 2 a + 3

(2b + 2)z = a + 3

Sistema possvel e determinado: 2b + 2 6= 0 b 6= 1

Sistema possvel e indeterminado: 2b + 2 = 0 e a + 3 = 0 b = 1 e a = 3
Sistema incompatvel: 2b + 2 = 0 e a + 3 6= 0 b = 1 e a 6= 3

x + y + a2 z = 1

b)
bx + y + abz = 1

b2 x + by a3 z = ab

1 1 a
1

b 1 ab 1

b2 b a3 ab

1
1 1 a

b 1 ab 1

b2 b a3 ab

L2 L2 bL1

L3 L3 bL2

1
1
a
1

0 1 b ab a2 b 1 b

0
0
a3 ab2 ab b

1
1
a
1

0 1 b ab(1 a)
1b

0
0
a(a2 + b2 ) b(a 1)

Sistema possvel e indeterminado: a(a2 + b2 ) = 0 e b(a 1) = 0 ou 1 b = 0 e

ab(1 a) = 0 e 1 b = 0 b = 1, isto e, a = 0 e b = 0 ou a = b = 1 ou a = 0 e
b = 1.
47

 Sistema incompatvel: a(a2 + b2 ) = 0 e b(a 1) 6= 0 ou 1 b = 0 e ab(1 a) = 0

e 1 b 6= 0 b 6= 1, isto e, a = 0 e b 6= 0.
Sistema possvel e determinado: Nos casos contrarios.

3.2

Exerccios

1. Determine todas as solucoes, se existirem, dos seguintes sistemas de equacoes lineares.

a)

+ 2y + 3z = 9

2x

3x

2x
b)

2x

= 8

= 3

x + 2y + 3z + 4w = 5

c)
x + 3y 5z + 7w = 11

x
z 2w = 6

+ 2z 5t =

+ 5y

9t =

+ 3t = 11

3y + 2z + 7t =

x + 2y + 2z = 0

d)
x + 3y + 2z = 0

2x + y 2z = 0

x + 2y + z + w = 0

x + 2y = 0
f
)
e)
x
+ w = 0

x 2y = 0

x + y + z
= 0

x

1 1 1
4

.
g)
y =

2 5 2
3
z

x2
14
1 3 2
3 7

h) 2 6 1 2 5 . x3 = 2

x4
1
1 3 1 0
2

x5
2. Resolva os sistemas anteriores usando o comando \ do Octave.
3. Resolva os sistemas anteriores usando o comando rref do Octave.

48

3
3

4. Resolva por escalonamento e tambem com o Octave o sistema

x +
=
1

+ 0.001y
= 0.001

+ 0.0001z = 0.0001

x + 0.001y + 0.0001z = 1.0011

1.01

0.011

5. No exerccio 3 anterior substitua a matriz de termos independentes por b =

0.0099

1.0021
e resolva novamente por escalonamento e tambem pelo Octave. Compare as solucoes.
O que sera que aconteceu com o software?
6. Sabe-se que uma alimentacao diaria equilibrada em vitaminas deve constar de 170
unidades de vitamina A, 180 unidades de vitamina B, 140 unidades de vitamina
C, 180 unidades de vitamina D e 350unidades de vitamina E. Com o objetivo de
descobris como devera ser uma refeicao equilibrada, foram estudados 5 alimentos.
Fixada a mesma quantidade (1g) de cada alimento, determinou-se que:
i) O elemento I tem 1 unidade de vitamina A, 10 unidades de vitamina B, 1 unidade
de vitamina C, 2 unidades de vitamina D e 2 unidades de vitamina E.
ii) O elemento II tem 9 unidade de vitamina A, 1 unidades de vitamina B, 0 unidade
de vitamina C, 1 unidade de vitamina D e 1 unidade de vitamina E.
iii) O elemento III tem 2 unidades de vitamina A, 2 unidades de vitamina B, 5
unidades de vitamina C, 1 unidade de vitamina D e 2 unidades de vitamina E.
iv) O elemento IV tem 1 unidade de vitamina A, 1 unidade de vitamina B, 1
unidade de vitamina C, 2 unidades de vitamina D e 13 unidades de vitamina
E.
v) O elemento V tem 1 unidade de vitamina A, 1 unidade de vitamina B, 1 unidade
de vitamina C, 9 unidades de vitamina D e 2 unidades de vitamina E.
Quantos gramas de cada um dos alimentos I, II, III, IV e V devemos ingerir para
que nossa alimentacao seja equilibrada?

49

7. Discutir os

ax

a)
ax

seguintes sistemas:
+

az =

= 2a

+ ay

x + y + z = 1

b)
x + ay + z = 1

x + y + az = 1

ax + 2y = 6

c)
3x y = 2

x + y = 0

x + ay z = a

d)
x y + az = a2

ax + y + z = ab

x 4y + a2 z = a2

f)
g)
2x + 2y 2az = ab

4x y + 4z = b2

2sen()

8. Resolva o sistema nao linear

7sen()

4sen()

x + y z = 1

2x + 3y + az = 3

x + ay + 3z = 2
+

cos()

= 1

+ 6cos() tg() = 1 , para os

+ 4cos() tg() = 0
angulos incognitos , e , em que 0 2, 0 2 e 0 .

9. Determine o polinomio p(x) = ax3 + bx2 + cx + d tal que p(0) = 3, p(1) = 5,

p(2) = 5 e p(3) = 9
10. Sejam U e V matrizes-colunas solucoes do sistema linear homogeneo Ax = 0.
(a) Mostre que U + V e uma solucao
(b) Mostre que U V e uma solucao
(c) Mostre que rU e uma solucao qualquer que seja o escalar r.
(d) Mostre que rU + sV e uma solucao quaisquer que sejam os escalares r e s.
(e) De exemplos numericos para ilustrar este exerccio

a b
. Mostre que A e equivalente por linhas a I2 se e somente
11. Dada a matriz
c d
se ad bc 6= 0.

1 0 5

12. Dada a matriz A = 1 1 1 . Determine a solucao dos sistemas (A+4I)X = 0

0 1 4
50

e (A 2I)X = 0.
13. Considere Amn e Bm1 6= 0. Mostre que se X1 e uma solucao do sistema AX = B e
Y1 e uma solucao do sistema associado AX = 0 entao X1 + Y1 e solucao de AX = B.
14. Sejam A uma matriz m n e B uma matriz n m, com n < m. Mostre que AB
nao e inversvel. (Dica: Mostre que o sistema (AB)X = 0 tem solucao nao trivial,
isto e, e indeterminado.)

51

Captulo 4
Vetores

4.1

Conceitos

4.1.1

Segmento orientado

Dada uma reta r e dois pontos A e B pertencentes a esta reta. Ao se admitir um

sentido para o segmento AB tem-se um segmentos orientado AB, em que A e chamado
de origem e B de extremidade do segmento orientado, ou BA. Todo segmento orientado
e composto por tres tens:
a mesma de sua reta suporte.
Direcao: E
definido da origem para a extremidade do segmento.
Sentido: E
dado pela distancia do ponto A ao ponto B e, sera representado por
Modulo: E
|AB|.

4.1.2

Segmentos equipolentes

Dois segmentos orientados AB e CD sao chamados de equipolentes se possuirem a

mesma deirecao, o mesmo sentido e o mesmo modulo e, serao denotados por AB CD.

52

Propriedades
(i) Reflexiva: AB AB.
(ii) Simetrica: Se AB CD entao CD AB.
(iii) Transitiva: AB CD e CD EF entao AB EF
(iv) Dados um segmento orientado AB e um ponto C, entao existe um u
nico ponto D
tal que AB CD.
(v) Se AB CD entao BA DC.
(vi) Se AB CD entao AC BD.
(vii) Todos os segmentos nulos sao equipolentes entre si.

4.1.3

Classe de equival
encia

Pela propriedade (iv) anterior, existem infinitos segmentos orientados equipolentes

a um segmento AB dado. Este conjunto recebe o nome de classe de equivalencia do

segmento orientado AB.

4.2

Vetor

O vetor determinado por um segmento orientado AB e o conjunto de todos os seg

mentos orientados equipolentes a AB e, sera denotado por
v , isto e, vetor e um elemento
importante concluir, a partir desta definicao,
generico de uma classe de equivalencia. E

que um vetor
v nao esta fixo em um determinado ponto do espaco ao qual ele pertence.
Assim, pode-se escrever:

A+
v = B, ou ainda,
v = B A.1
Exemplos:
1

Veja que este conceito e consequencia da propriedade (iv)

53

1. Determine o vetor
v = AB em que A(1, 2, 4) e B(0, 3, 1).

2. Determine o modulo do vetor AB em que A(0, 5, 0) e B(2, 1, 3).

4.2.1

Vetor nulo

um vetor que possui modulo igual a zero.

E

4.2.2

Vetor unit
ario

Um vetor
v e unitario se |
v | = 1.

4.2.3

Versor

Dado um vetor
v nao nulo, seu versor, denotado por vers
v , e o vetor unitario de

mesma direcao e mesmo sentido de

v.

4.2.4

Vetor oposto

Dado um vetor AB seu vetor oposto sera dado por BA.

4.3

Operaco
es com vetores

4.3.1

Adic
ao de vetores

ao: Dados dois vetores

u e
v chama-se vetor soma de
u e
v , denotado
1. Definic

por
u +
v , ao vetor obtido por meio do seguinte procedimento: Dado um ponto A

qualquer determine o ponto B tal que B = A +

u e o ponto C tal que C = B +
v.

nestas condicoes, tem-se

u +
v = C A.

2. Propriedades Dados os vetores

u,
v e
w , entao:

54

Associativa. (
u +
v)+
w =
u + (
v +
w)

Comutativa:
u +
v =
v +
u

Elemento neutro.
u + 0 =
u

Elemento oposto:
u + (u) = 0

Lei do cancelamento: Se
u +
v =
u +
w entao
v =
w
Prova da propriedade comutativa.

V1

V2+V1

V +V
1

Figura 4.1: Propriedade comutativa da adicao de vetores.

O+
v1 = A
v1 = A O
Como

A+
v2 = P
v2 = P A

Logo
v1 +
v2 = P O. (1)

O+
v2 = B
v2 = B O
E como

B+
v =P
v =P B
1

vem
v2 +
v1 = P O. (2)

Comparando (1) e (2) resulta

v1 +
v2 =
v2 +
v1

4.3.2

Multiplicac
ao por escalar

1. Definic
ao: Dados um vetor
v e um escalar K. Chama-se multiplicacao do escalar

K pelo vetor
v , denotado por k
v , ao vetor k
v tal que:

v e K
v possuem a mesma direcao.

v e K
v terao mesmo sentido se K > 0 e terao sentidos contrarios se K < 0.
55

|K
v | = |K||
v|

2. Propriedades: Dados os escalares e e os vetores

u e
v entao:

Propriedade comutativa.
v =
v

Propriedade associativa em relacao ao produto de escalares. (

u ) = ()
u

Propriedade distributiva em relacao `a adicao de escalares. ( + )

u =
u +

Propriedade distributiva em relacao `a adicao de vetores. (

u +
v ) =
u +
v

4.3.3

Subtrac
ao de vetores

ao: Dados dois vetores

u e
v , define-se diferenca entre
u e
v , nesta
1. Definic

ordem, denotado por

u
v , ao vetor
u
v =
u + (
v ).

4.3.4

Exemplos

v e
w que
1. Determine o modulo da soma e o modulo da diferenca de dois vetores

formam um angulo de 60o , |

v | = 4 e |
w | = 6.
P

V2

V1+V2

V1

V2

V1V2

Figura 4.2: Soma e subtracao de vetores.

56

A partir da lei dos cosenos a2 = b2 + c2 2bccos(), e da figura 4.2 pode-se escrever:

|
v +
w |2 = |
v |2 + |
w |2 2|
v ||
w |cos(180o )

Assim |
v +
w |2 = 42 + 62 2.4.6.cos(120o ).

Logo |
v +
w |2 = 16 + 36 + 24, assim |
v +
w | = 76.
Analogamente,

|
v
w |2 = |
v |2 + |
w |2 2|
v ||
w |cos()

Assim |
v
w |2 = 42 + 62 2.4.6.cos(60o ).

Logo |
v
w |2 = 16 + 36 24, assim |
v
w | = 28.
2. Dados dois vetores perpendiculares de modulo igual a 12 e 5, determine o modulo
da soma e o modulo da diferenca desses vetores.
3. Demonstre, vetorialmente, que o segmento determinado pelos pontos medios de dois
lados de um triangulo e paralelo ao terceiro lado e tem comprimento igual `a metade
deste terceiro lado. Do triangulo ABC da figura 4.3 vem (BA) = (CA)+(BC).

Figura 4.3: Exemplo 3.

(3)
Do triangulo M N C da figura 4.3 vem (N M ) = (C M ) + (N C). (4)
Mas (C A) = 2(C M ) e (B C) = 2(N C), assim (3) fica (B A) =
2(C M ) + 2(N C)
(B A) = 2(N M )

AB = 2M N
57

4.4

Express
ao cartesiana de um vetor

Considere um sistema cartesiano ortogonal de eixos Ox, Oy e Oz e os repectivos

versores destes eixos i , j e k .
z
C

v
O

B
y

A
x

Figura 4.4: Expressao cartesiana de um vetor

Observando a figura 4.4 e considerando P (x, y, z) pode-se escrever:

v = OP = OA + OB + OC
Mas como:

OA = x i ,

OB = y j e

OC = z k vem

v = OP = x i + y j + z k

que e a expressao de um vetor

v = (x, y, z).

4.4.1

Express
ao cartesiana do versor de um vetor

Dado o vetor
v = x i + y j + z k pode-se escrever:

x i +y j +zk
v

= p
vers( v ) =
|
v|
x2 + y 2 + z 2

x
y
z

k
vers(
v)= p
i +p
j +p
2
2
2
2
2
2
2
2
2
x +y +z
x +y +z
x +y +z

58

4.4.2

Operac
oes com vetores na forma cartesiana

1. Adicao: Dados os vetores

v1 = x1 i + y1 j + z1 k e
v2 = x2 i + y2 j + z2 k tem-se

v1 +
v2 = (x1 + x2 ) i + (y1 + y2 ) j + (z1 + z2 ) k .

v 1 = x1 i + y 1 j + z 1 k e o
2. Produto de um vetor por um escalar: Dado o vetor

escalar tem-se
v = x i + y j + z k
1

4.4.3

Exerccios

v1 = 2 i 3 j + k e
v2 = 2 i + j 2 k determine:
1. Dados os vetores

a)
v1 +
v2

b) 2
v1 + 3
v2

2. Determine m, n e p tais que m

v1 + n
v2 + p
v3 = O

3. Determine os escalares a e b tais que

u = a
v + b
w , em que
u = i + j,

v = i +5j +2k e
w = i +2j + k.

4. Determine o valor de a para que o vetor

w = 3a i + a j + 3 k tenha modulo igual
a 7.

4.5

Paralelismo de vetores

Dois vetores
u e
v serao chamados de paralelos se possuirem a mesma direcao, logo
pelo fato desses vetores possuirem a mesma reta suporte, eles irao diferir ou pelo sentido
ou pelo modulo, assim pode-se enunciar:

Teorema 4.1 Dois vetores

u e
v , nao nulos, serao paralelos se e somente se existir um
escalar K tal que

u = K
v
.

59

Corol
ario 4.2 Dois vetores
v 1 = x1 i + y 1 j + z 1 k e
v2 = x2 i + y2 j + z2 k serao
paralelos se somente se suas coordenadas homonimas forem proporcionais, isto e,
y1
z1
x1
=
=
x2
y2
z2

4.5.1

Exerccios

1. Determine a e b para que os vetores

u = i +2j 3k e
v = a i +4j +bk
sejam paralelos.
2. Dados os pontos A(3, 1, 2) e B(3, 1, 1), determine:

a) O vetor AB

b) O vetor
w paralelo a AB e tal que |
w | = 14
3. Verifique se os pontos A(2, 1, 0), B(3, 1, 1) e C(3, 3, 2) sao colineares.
4. Mostre que os pontos A(4, 0, 1), B(5, 1, 3), C(3, 2, 5) e D(2, 1, 3) sao vertices de um
paralelogramo.
5. Determine o ponto simetrico de A(3, 1, 2) em relacao ao ponto B(1, 0, 3).

6. Os vetores
v1 = 2 i 3 j + 6 k e
v2 = i + 2 j 2 k estao aplicados no mesmo

ponto A. Determine as coordenadas do vetor AB de modulo 3 42 e cuja direcao e

a direcao da bissetriz do angulo formado pelos vetores

v e
v .
1

7. Demonstre que as diagonais de um paralelogramo se interseptam em seus pontos

medios.
8. O segmento que une os pontos medios dos lados nao paralelos de um trapezio e
paralelo `as bases e igual a sua semi-soma.
9. Demonstre vetorialmente que o baricento G de um triangulo ABC e dado por G =
A+B+C
.
3
2

A nulidade de um dos denominadores implica na nulidade do numerador correspondente.

60

4.6

Coplanaridade de vetores

Tres vetores
u,
v e
w serao coplanares se possuirem imagens geometricas paralelas
ao mesmo plano.

av
u

bw

Figura 4.5: Coplanaridade de tres vetores

Teorema 4.3 Os vetores

u,
v e
w serao coplanares se e somente se existirem escalares

a e b tais que
u = a
v + b
w 3.

Corol
ario 4.4 Tres vetores
u = (x1 , y1 , z1 ),
v = (x2 , y2 , z2 ) e
w = (x3 , y3 , z3 ) serao
coplanares se e somente se

4.6.1

x1 y1 z1

x2 y2 z2 = 0.

x3 y3 z3

Exerccios

u = (3, 1, 2),
v = (1, 2, 1) e
w = (2, 3, 4) sao coplanares.
1. Verificar se os vetores
2. Verifique se os pontos A(1, 1, 1), B(2, 1, 3), C(0, 2, 2) e D(1, 0, 2) sao coplanares.
3. Determine o valor de m para que os pontos A(m, 1, 2), B(2, 2, 3), C(5, 1, 1) e
D(3, 2, 2) sejam coplanares.

61

Figura 4.6: Cosenos diretores de um vetor

4.7

Cosenos diretores de um vetor

Chamam-se angulos diretores de um vetor

v = x i + y j + z k aos angulos , e

que o vetor
v forma com os vetores i , j e k , respectivamente.

Os cosenos dos angulos diretores sao chamados de cosenos diretores do vetor

v , ou
seja, cos(), cos() e cos() e, sao dados por:
x
y
z
cos() =
, cos() =
e cos() =
,

|v|
|v|
|v|
e satisfazem a
cos2 () + cos2 () + cos2 () = 1 .

4.7.1

Exerccios

v = (2, 3, 6).
1. Determine os cosenos diretores do vetor

2. Determinar o angulo diretor de um vetor

v , sendo = 45o e = 60o .
3. Prove que cos2 () + cos2 () + cos2 () = 1.
3

Nesta expressao (
u = a
v + b
w ) diremos que
u e uma combinacao linear de
v e
w.

62

4.8

Produto escalar ou interno

4.8.1

Definic
ao

Dados dois vetores

u e
v , chama-se produto escalar ou interno de
u e
v , denotado

por
u .
v , ao n
umero real

u .
v = |
u ||
v |cos() ,

(4.1)

em que 0 e o angulo formado por

u e
v.
A partir da definicao (4.1)) observa-se:

u .
v > 0 quando cos() > 0, ou seja, quando
1. Sinal do produto escalar. Tem-se

o angulo entre os dois vetores for agudo e,

u .
v < 0 quando cos() < 0, isto e,
quando o angulo for obtuso.

2. Nulidade do produto escalar. O produto interno

u .
v sera nulo se:
(i) Um dos dois vetores for o vetor nulo.
(ii) O vetores forem ortogonais.

3. Modulo de um vetor. Dado um vetor

u , tem-se

u .
u = |
u ||
u |cos(0)

u .
u = |
u |2

|
u|=
u .
u

4.8.2

Interpretac
ao geom
etrica

Sejam dados os vetores

u e
v que formam um angulo , conforme a figura 4.7.
Do triangulo OP 0 P da figura 4.7 pode-se escrever:

|OP 0 |

cos() =
ou |OP 0 | = |
v |cos()

|v|

em que OP 0 e o vetor projecao de

v sobre
u,
63

(4.2)

Figura 4.7: Interpretacao geometrica do produto escalar.

u .
v

mas da definicao (4.1)) pode-se escrever | v |cos() =

,

|u|
assim (4.2) fica:

4.8.3

|
u .
v|
|OP 0 | =

|u|

Propriedades

Dados os vetores
v1 ,
v2 e
v3 e os escalares a e b tem-se:

1. Propriedade comutativa:
v1 .
v2 =
v2 .
v1

v1 ).(b
v2 ) =
2. Propriedade associativa do produto escalar em relacao aos escalares a e b: (a

(ab)
v .
v
1

3. Propriedade distributiva: (
v1 +
v2 ).
v3 =
v1 .
v3 +
v2 .
v3

4.8.4

Express
ao cartesiana do produto escalar

v2 = x2 i + y2 j + z2 k entao:
Sejam os vetores
v1 = x1 i + y1 j + z1 k e

v1 .
v2 = (x1 i + y1 j + z1 k ).(x2 i + y2 j + z2 k )
Aplicando as propriedades dadas em (2.1.3), vem:

v1 .
v2 = x1 x2 i . i + x1 y2 i . j + x1 z2 i . k + y1 x2 j . i + y1 y2 j . j + y1 z2 j . k +

+z1 x2 k . i + z1 y2 k . j + z1 z2 k . k
64

mas i . i = j . j = k . k = 1 e i . j = i . k = j . k = 0 tem-se

v1 .
v2 = x1 x2 + y1 y2 + z1 z2

4.8.5

Exerccios

u | = 4 e |
v | = 5, calcular |
u +
v | sabendo que o angulo entre os vetores
1. Dados |

u e
v e igual a 120o .

2. Determinar, empregando produto escalar, |

v |, sendo
v = (1, 3, 2).

3. Determine o angulo entre os vetores

v = (1, 1, 4) e
u = (1, 2, 2).
4. Mostre que o triangulo de vertices A(2, 3, 1), B(2, 1, 1) e C(2, 2, 2) e retangulo.

u = (1, a, 2) e
v = (2, 1, 4) sejam
5. Determine o valor de a para que os vetores
ortogonais.

6. Determine um vetor nao nulo simultaneamente ortogonal aos vetores

u = (1, 2, 4)

e
v = (3, 1, 2).

u = (2, 3, 1)
7. Determine um vetor unitario simultaneamente ortogonal aos vetores

e
v = (6, 1, 1).

8. Sabendo que os vetores

u e
v sao paralelos e que
u
v = 3 determine
u sendo

v = (2, 1, 1).

9. Determine o modulo da projecao do vetor

u = (2, 3, 4) sobre o vetor
v = (1, 1, 0)
e apos determine o vetor projecao.
10. Dado o triangulo de vertices A(1, 2, 1), B(1, 0, 1) e C(2, 1, 2) determine a medida da projecao do lado AB sobre o lado BC e a projecao do vertice A sobre o
lado BC.
11. Prove que as diagonais de um losango sao perpendiculares.

65

4.9

Produto vetorial ou externo

4.9.1

Definic
ao

Dados dois vetores

u e
v chama-se produto vetorial ou externo de
u por
v , nesta

ordem, denotado por

u
v , ao vetor com as seguintes caractersticas:

A direcao de
u
v e ortogonal ao plano determinado por
u e
v.

u
v e aquele em que o triedro formado pelos vetores
u,
v e
u
v
O sentido de
e orientado positivamente.

|
u
v | = |
u ||
v |sen(), em que e o Angulo
formado por
u e
v.

Figura 4.8: Sentido do produto vetorial

4.9.2

Interpretac
ao geom
etrica

Dado um paralelogramo formado por dois vetores

v1 e
v2 aplicados em um mesmo

ponto P , cujo o valor absoluto da area deste paralelogramo e igual a |

v ||
v ||sen()| e
1

comparando com o modulo do produto vetorial conclui-se:

A = |
v1
v2 |.

66

Figura 4.9: Interpretacao geometrica do produto vetorial

4.9.3

Propriedades

Dados os vetores
v1 ,
v2 e
v3 e os escalares a e b tem-se:

v1 ) (b
v2 ) = (ab)(
v1
v2 )
1. Propriedade associativa em relacao aos escalares a e b: (a

2. Propriedade distributiva: (
v1 +
v2 )
v3 =
v1
v3 +
v2
v3 ou
v1 (
v2 +
v3 ) =

v
v +
v
v
1

3. Anti-comutativa:
v1
v2 =
v2
v1

v1
v2 = 0 entao
v1 = 0 ou
v2 = 0 ou os vetores sao paralelos.
4. Se

4.9.4

Express
ao cartesiana do produto vetorial

Sejam os vetores
v1 = x1 i + y1 j + z1 k e
v2 = x2 i + y2 j + z2 k entao:

v1
v2 = (x1 i + y1 j + z1 k ) (x2 i + y2 j + z2 k )

(4.3)

Aplicando as propriedades dadas em (5.9.3), vem:

v1
v2 = x1 x2 i i +x1 y2 i j +x1 z2 i k +y1 x2 j i +y1 y2 j j +y1 z2 j k +

+z1 x2 k i + z1 y2 k j + z1 z2 k k

mas i i = j j = k k = 0 e i j = j i = k e i k =

k i = j e j k = k j = i assim

v1
v2 = x1 y2 k x1 z2 j x2 y1 k + y1 z2 i + x2 z1 j y2 z1 i
67

v1
v2 = (y1 z2 y2 z1 ) i + (x2 z1 x1 z2 ) j + (x1 y2 x2 y1 ) k

y
z
x
z
x
y

1
1
1
1
1
1

i
j +

v1 v2 =

k
y2 z2
x2 z2
x2 y 2
que, a partir do desenvolvimento por Laplace, pode

i j

v1
v 2 = x1 y 1

x2 y 2

4.9.5

ser escrita

z1

z2

Exerccios

1. Calcule (1, 3, 2) (2, 1, 1)

i
j
k

u v = 1 3 2 = (3 2) i + (4 1) j + (1 6) k

2 1 1

u
v = 5 i + 3 j 7 k

2. Determine um vetor unitario simultaneamente ortogonal a

v1 = i j + k e a

v2 = 2 i + j k

i
j
k

v1 v2 = 1 1 1 = (0, 1, 1)

2
1 1

(0, 1, 1)
(0, 1, 1)
2 2

w =
=
,
= 0,
|(0, 1, 1)|
2 2
2

3. Determine a area do paralelogramo determinado pelos vetores

v1 = i 3 j + 2 k

e
v2 = i + 2 j k .

A = |
v1
v2 |

i
j
k

v1
v2 = 1 3 2 = (1, 1, 1)

1 2 1

A = |(1, 1, 1)| = 3 ua
4. Determine a area do triangulo de vertices A(1, 0, 1), B(0, 1, 3) e C(1, 2, 4).

68


AB = B A = (0, 1, 3) (1, 0, 1) = (1, 1, 2)

AC = C A= (1, 2, 4) (1,
0, 1) = (2, 2, 3)

i j k

AB AC = 1 1 2 = (1, 1, 0)

2 2 3
1
1
2 ua
A = |(1, 1, 0)| =
2
2
5. Determine a medida da altura referente ao vertice A para o triangulo ABC do
exerccio anterior.
bh
Sabe-se da geometria plana que a area de um triangulo e dada por A =
, mas
2

exerccio
anterior A = 2, assim, 2 = |BC|h e,
2
h=
|(1,
1, 1)|
2
h = uc
3
6. Demonstre a lei dos senos para um triangulo ABC.
bh
A expressao que fornece a area de um triangulo pode escrita como A =
ou
2



|AB AC|
|BA BC|
|CA CB|
vetorialmente por A =
=
=
.
2
2
2
ou ainda, utilizando a definicao de produto vetorial:



b
b
b
|AB||AC|sen(A)
|AB||BC|sen(B)
|AC||BC|sen(C)
A=
=
=
2
2
2
Dividindo ambos os membros da igualdade acima por |AB||BC||AC|, vem:
b
b
b
sen(A)
sen(B)
sen(C)
= =
|BC|
|AC|
|AB|

e como |BC| = a, |AC| = b e |AB| = c escreve-se:

b
b
b
sen(A)
sen(B)
sen(C)
=
=
.
a
b
c

4.10

Produto misto

4.10.1

Definic
ao

Dados tres vetores

v1 ,
v2 e
v3 , chama-se produto misto destes vetores, ao escalar

v .(
v
v ).
1

69

4.10.2

Interpretac
ao geom
etrica

Figura 4.10: Interpretacao geometrica do produto misto

Sabe-se da geometria espacial que o volume do paraleleppedo e dado pelo produto da
area da base pela altura, para a figura 4.10, o volume e o produto da area do paralelogramo

composto pelos vetores

v e
v , A , pela altura h.
1

base

Mas Abase = |
v1
v2 | e h e a projecao do vetor
v3 sobre o vetor
v1
v2 , ou seja,

h=
v3 cos(), assim:

V = |
v
v ||
v |cos()
1

V = |(
v1
v2 ).
v3 |

Finalmente, o volume de um paraleleppedo formado pelos vetores

v1 ,
v2 e
v3 e numericamente igual ao modulo do produto misto destes vetores.

4.10.3

Propriedades

v1 .(
v2
v3 ) = 0 se e somente um dos tres vetores for o vetor nulo ou se
v2 for
1.

paralelo a
v3 ou se os vetores forem coplanares.

2.
v1 .(
v2
v3 ) =
v2 .(
v1
v3 ).

70

3. O produto misto nao se altera quando e trocada a ordem dos produtor escalar e

vetorial, isto e,
v .(
v
v ) = (
v
v ).
v .
1

4. (
v1 +
v2 ).(
v3
v4 ) =
v1 .(
v3
v4 ) +
v2 .(
v3
v4 ).

5. (a
v1 ).(
v2
v3 ) =
v1 .(a
v2
v3 ) =
v1 .(
v2 a
v3 ) = a
v1 .(
v2
v3 ) .

4.10.4

Express
ao cartesiana do produto misto

Dados os vetores
v1 = x1 i + y1 j + z1 k ,
v 2 = x2 i + y 2 j + z 2 k e
v 3 = x3 i +

y3 j + z3 k , entao

i j k

v1 .( v2 v3 ) = (x1 i + y1 j + z1 k ). x2 y2 z2

x3 y 3 z 3

y2 z2

v1 .(
v2
v3 ) = (x1 i + y1 j + z1 k ).
y3 z3

y2 z2

y1
v1 .( v2 v3 ) = x1

y3 z3

x1

v1 .( v2 v3 ) = x2

x3

4.10.5

x2 z2

x2 y2

i
j +
k

x3 z3
x3 y 3

x2 y2
x2 z2
+ z1

x3 z3
x3 y3

y1 z1

y2 z2

y3 z3

Exerccios

1. Determine (1, 2, 1).(0, 4, 1) (1, 0, 1)

1 2 1

(1, 2, 1).(0, 4, 1) (1, 0, 1) = 0 4 1 = 4 2 4 = 2

1 0 1
2. Determine o volume do tetraedro de vertices A(1, 1, 1), B(0, 1, 4), C(2, 1, 3) e
D(4, 5, 2).
O volume de um tetraedro de vertices A, B, C e D e igual a sexta parte do volume
do prisma de mesmos vertices, e, usando a interpretacao geometrica do produto
71

misto tem-se:
1
V = |AB.AC AD|
6

1 0 3

V = | 3 2 2 |

5 4 1
1
56
V = | 2 + 36 + 30 8| = uv
6
6
3. Determine o valor x para que o ponto A(4, 5, x) pertenca ao plano determinado
pelos pontos B(4, 4, 4), C(0, 1, 1) e D(3, 9, 4).
Para que A pertenca ao plano BCD e necessario que o volume do prisma ABCD
seja nulo, assim:

CA.
CB CD = 0

4 6 x+1

4 5
5 =0

3 10
5
100 40x 40 + 90 15x 15 + 120 200 = 0
x=1
4. Determine a equacao do plano BCD do exerccio anterior.
Tome A = (x, y, z)

CA.
CB CD = 0

x y+1 z+1

4
5
5 =0

3
10
5
25x + 15y + 15 40z 40 15z 15 + 20y + 20 50x = 0
25x + 35y 55z 20 = 0
5x + 7y 11z 4 = 0

4.11

Exerccios gerais

1. Dado o triangulo de vertices ABC, cujas medianas sao AM , BN e CP prove que

AM + BN + CP = 0
2. Demonstre que em qualquer quadrilatero os pontos medios dos lados sao os vertices
72

de um paralelogramo.
3. Demonstre que as diagonais de um paralelogramo se cortam mutuamente ao meio.
4. Demonstre que a base media de um trapezio e paralela `as bases e igual a sua
semi-soma.

5. Sabendo que |
v1 | = 11, |
v2 | = 23 e |
v1
v2 | = 30, calcule |
v1 +
v2 |.

6. Sabendo que os vetores

v1 e
v2 formam um angulo de 60o e que seus modulos sao

rspectivamente iguais a 8 e 5. Calcule |

v
v | e |
v +
v |.
1

7. Num triangulo ABC sabe-se que G e o baricentro. Demonstre que GA+ GB+ GC =

0.
8. Determine o modulo dos seguintes vetores:

v1 = (2, 1, 2)
(i)

(ii)
v2 = 6 i + 2 j 3 k

(iii)
v3 = i + j k
9. Normalize cada um dos vetores do exerccio (8) anterior.

10. Dados os pontos A(2, 2, 1) e B(3, 2, 6), determine o versor do vetor AB.

11. Determine um vetor paralelo ao vetor

v = (2, 1, 2) que tenha modulo igual a 6.

12. Determine o valor de x para o vetor

v = (x, 2, 2x) tenha modulo igual a 7.
13. Sendo A, B, C e D vertices consecutivos de um paralelogramo, calcular as coordenadas do vertice D, sendo dados A(1, 3), B(5, 11) e C(6, 15).

14. Num paralelogramo ABCD sabe-se que A(1, 3, 2) e que as diagonais sao AC(4, 2, 3)

e BD(2, 0, 1). Calcule as coordenadas dos outros 3 vertices.

15. Determine o valor de r sabendo que os vetores

u = (1, 3, 10) e
v = (2, r, 20)
sao paralelos.

16. Justifique que os vetores

v1 = i + 3 j + 4 k ,
v2 = + i 2 j 6 k e
v3 =
73

3 i + j 2 k podem ser os lados de um triangulo. Calcule o permetro e os comprimentos
das medianas deste triangulo.

17. Exprimir o vetor

v = 4 i k como combinacao linear de
v1 = i ,
v2 =

3 i +2j + k e
v3 = i j + k .
18. Determine m para que os seguintes vetores sejam linearmente dependentes:
(i) (2, 5, 3), (1, 2, 3) e (m, 0, 2).
(ii) (1, 2, 3), (m 1, 4, 6).
(iii) (m + 1, 1, 0), (1, 0, 1) e (1, 2, 1)

19. Verifique se os vetores

v1 = 4 i + j 3 k ,
v2 = 3 j + k e
v3 = 2 j + 3 k sao
coplanares.

20. Determine o valor de m para que os vetores

v1 = 2 i + j + 5 k ,
v3 = m i + 6 j

e
v3 = 2 i + 4 j k sejam coplanares.

21. Sabendo que os vetores

v1 e
v2 sao linearmente independentes, mostre que os

vetores
v +
v e
v tambem sao LI.
1

22. Os vetores
v1 = (2, 3, 6) e
v2 = (1, 2, 2) estao aplicados no mesmo ponto A.

Determine as coordenadas do vetor AB de modulo 3 42 e cuja direcao e a direcao da

bissetriz do angulo formado pelos vetores

v e
v .
1

23. Determine, em radianos, o angulo entre os vetores:

a)
u = (1, 0, 1),
v = (2, 10, 2)

b)
u =(

3 1
, , 0),
2 2

v =(

3 1
, ,
2 2

3)

u = (300, 300, 0),

v = (2000, 1000, 2000), dica: Procure vetores com coordenadas
c)
mais simples tais que a medida do anguloe seja a mesma.
74

3
1

24. Se
u +
v +
w = 0 , |
u | = , |
v | = , |
w | = 2, calcule
u .
v +
v .
w +
w .
u
2
2

e
, com
25. Decomponha o vetor
u = (1, 3, 2) como a soma de dois vetores
w
w
1
2

w1 paralelo a (0, 1, 3) e w2 ortogonal e este u

ltimo.

26.Mostre que |
u +
v |2 = |
u |2 + 2
u .
v + |
v |2 .
27.Prove que as diagonais de um quadrado sao perpendiculares.

28. Ache um vetor unitario ortogonal aos vetores

u = (1, 3, 1) e
v = (3, 3, 3).

29. Ache
x tal que
x ( i + k ) = (2, 2, 2) e |
x | = 6.
30. Calcule a distancia de um ponto C `a reta definida pelos pontos distintos A e B.
31. Determine os angulos internos do triangulo de vertices A(0, 3, 4), B(1, 2, 2) e
C(2, 1, 2).

32. Os vetores
v1 e
v2 sao dois lados consecutivos de um paralelogramo. Sabe-se que

|
v1 | = 4, |
v2 | = 2 e o angulo entre
v1 e
v2 e igual a 60o . Calcule o angulo formado pelas
diagonais deste paralelogramo.

33. Um vetor
v1 forma com o eixo dos x um angulo de 60o e com os outros dois eixos

y e z angulos congruentes. Calcule as coordenadas de

v1 .

34. Calcule a medida da projecao ortogonal do vetor

v1 = (2, 0, 1) sobre a direcao

do vetor
v2 = (2, 1, 3).
35. Calcule a area do triangulo de vertices A(1, 1, 2), B(2, 1, 0) e C(2, 3, 4).

36. Calcular a area do paralelogramo ABCD cujas diagonais sao AC = (1, 3, 3) e

BD = (3, 3, 1).

37. Dados os vetores

v1 = (0, 1, 2) e
v2 = (3, 2, 1) determine as coordenadas do vetor

v3 paralelo ao plano xOy e tal que

v2 = 2(
v1
v3 ).
38. Calcule o volume do tetraedro de vertices A(2, 1, 0), B(1, 2, 3), C(1, 2, 3) e
D(4, 2, 1).
39. Um tetradro tem volume igual a 4. Sabe-se que A(1, 3, 1), B(0, 2, 4) e C(2, 1, 3).
75

Determine o vertice D sabendo que ele pertence ao eixo Oy.

40. Caso as seguintes afirmacoes forem verdadeiras justifique, caso falsas de um contraexemplo:

(i) Se
u .
v =
u .
w entao
v =
w

(ii) Se
u .
v =
u .
w entao
u (
v
w)

(iii)
u
v = |
u |.|
v |sen()

(iv) Os vetores
u,
v e
u
v sao LI.

(v)
u
v =
v
u

(vi) Se
u
v +
v
w entao
v (
u +
w ).

u
v +
v
w entao (
u
w)
v
(vii) Se

(viii) Se
u
v =
u
w entao
v =
w

(ix) (
u
v ).
w =
u
v .
w

76

Captulo 5
A reta no R3

5.1
5.1.1

Equac
oes da reta
Equac
ao vetorial

Dado um ponto A(x0 , y0 , z0 ) e um vetor

v = (a, b, c). Considere P (x, y, z) um ponto

generico da reta que passa por A e com a direcao do vetor

v . Como o vetor
v e paralelo

ao vetor AP , pode-se escrever:

AP = t
v ,

e ainda, P A = t
v , assim

P = A + t
v ,
que e a equacao vetorial da reta.

5.1.2

Equac
os param
etricas

Dada a equacao vetorial P = A + t

v e considerando A(x0 , y0 , z0 ),
v = (a, b, c) e
P (x, y, z), tem-se
(x, y, z) = (x0 , y0 , z0 ) + t(a, b, c)

77

x = x0 + at

y = y0 + bt

z = z + ct
0

que sao as equacoes parametricas da reta.

5.1.3

Equac
oes sim
etricas

x = x0 + at

Isolando o parametro t em cada uma das equacoes parametricas

y = y0 + bt , re

z = z + ct
0

sulta:
t=

x x0
y y0
z z0
=
=
a
b
c

que sao as equacoes simetricas da reta.

5.1.4

Equac
oes reduzidas

Das equacoes simetricas t =

x x0
y y0
z z0
=
=
pode-se escrever, por exemplo:
a
b
c

yy
x x0
0

=
a
z z 0 = x x0
c
a
e isolando a variavel y resulta:
m(x x0 )
+ y0
l
mx
mx0
y=
+ y0
l
l
y=

chamando

m
mx0
= p 1 e y0
= q1 , vem:
l
l

y = p1 x + q1
Analogamente para a variavel z, vem:
z = p2 x + q2
que sao as equacoes reduzidas da reta.
Exemplos:
78

1. Determine a equacao vetorial da reta determinada pelos pontos A(1, 2, 1) e B(0, 1, 3).
Para determinar a equacao de uma reta e necessario ter:
Um ponto
Um vetor
Logo a equacao vetorial da reta e P = (1, 2, 1) + t(1, 3, 4)
2. Determine as equacoes parametricas da reta que passa pelo ponto A(2, 1, 1) e tem

a direcao do vetor
v = (1, 3, 2).
Para determinar a equacao de uma reta e necessario ter:
Um ponto
Um vetor
Logo a equacao vetorial da reta e P = (2,
1, 1) + t(1, 3, 2).

x=2+t

As equacoes parametricas da reta sao r :

y = 1 + 3t

z = 1 + 2t
3. Dada a reta r :

x3
y+1
z
=
= , determine o vetor diretor e dois pontos de r.
2
2
1

A(3, 1, 0)
B(5, 3, 1)

v = (2, 2, 1)

4. Determine o ponto em que a reta r :

x=1+t

y = 2 t intercepta o plano yOz.

z = 1 2t

O plano yOz tem equacao

Assim para x = 0 resulta t =
O ponto de intersecao e A(0, 3, 1).

5. Determine o angulo entre as retas r :

x=1t
y = 2 2t

es:

y3
z2
x+1
=
=
.
2
2
1

z = 1 2t
Para determinar o angulo entre as duas retas deve-se conhecer os vetores diretores
das retas e apos calcular o produto escalar.

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

vr
vs = |
vr ||
vs |cos()
0

cos() =
= = arccos(0) =
9
2
79

x = 1 + 3t

x
y5
z+2
6. Determine o valor de m para que as retas r :
=
=
es:
y = 3 2t

m
3
2

z = 4 t
sejam ortogonais.
Para que duas retas sejam ortogonais basta que seus vetores diretores sejam ortogonais, isto e, o produto interno e igual a zero.

v = (m, 3, 2) e
v = (3, 2, 1)
r

3m 6 2 = 0 = m = 8/3
7. Obtenha as equacoes simetricas da reta que passa por P (1, 2, 2) e e paralela `a reta
determinada pelos pontos A(0, 1, 1) e B(1, 2, 4).

Retas paralelas possuem o mesmo vetor diretor

v = (1, 3, 3).
r

x1
y+2
z2
=
=
1
3
3

8. Calcule o valor de m para que as retas r :

x=1+t

y = 2 + mt

z = 1 2t

x = 4 + 2y
e s :
z = 2 y

sejam coplanares.
Para que duas retas sejam coplanares e necessario que seus vetores diretores e um
outro vetor formado por um ponto de uma reta com um ponto da outra reta sejam
coplanares.

v = (1, m, 2)
r

vs = (2, 1, 1)

RS = (4, 0, 2) (1, 2, 1) = (3, 2, 1)

Condicao de coplanaridade

1 m 2

2 1 1 = m = 11.

3 2 1

x = 2 + 3t

9. Determine o ponto de intersecao das retas r :

y = 4 + 5t e s :

y+1
x+1
=
=
2
4

z = 2t

z+2
.
1
Deve-se resolver o sistema de equacoes lineares formado pelas equacoes das retas.

80

Escrevendo as equacoes simetricas da reta r

x2
y4
z
r:
=
=
3
5
2
x2
y4

5
3
Resolvendo o sistema
= x = y = 1

x+1
y+1

=
2
4
Substituindo x = 1 na equacao da reta s, por exemplo, vem z = 2 e o ponto de
intersecao e P (1, 1, 2).
10. Determine a distancia do ponto P (1, 1, 3) `a reta determinada pelos pontos A(4, 3, 2)
e B(2, 2, 0).
A distancia do ponto P ate uma reta AB e numericamente igual `a medida da altura

do paralelogramo formado pelos vetores AP e AB.

d= 2
11. Determine a distancia entre as retas r :

x
y
z2
x+1
y1
z
= =
es:
=
= .
1
1
2
2
2
4

Veja que as retas sao paralelas.

d = 30/3
x
z1
x1
y2
12. Determine a distancia entre as retas r :
=
,y = 1 e s :
=
=
1
1
1
1
z1
.
2
Veja que
as retas sao reversas.
2 3
d=
3

5.2

Exerccios

1. Determine dois pontos distintos e o vetor diretor das seguintes retas:

x = 1 + 2t

(i) r :
y = t

z = 1 3t
(ii) s :
(iii) r :

x2
y+1
z+4
=
=
3
2
1

y = x 1
z = 2x + 3
81

(iv) P = (1, 2, 1) + (1, 0, 3)

2. Quais
sao os valores de a e b para que o ponto A(a, b, 2) pertenca `a reta r :

x = 7 2t

?
y =3+t

z = 1 + 3t
x+5
y1
z+4
=
=
, determine as coordenadas do ponto P de
3
2
2
cota 6 pertencente a s.

3. Dada a reta s :

4. Determine as equacoes parametricas das seguintes retas:

(i) r definida pelos pontos A(0, 1, 0) e B(1, 3, 1)

x = y 1
(ii) r paralela a s :
passando pelo ponto Q(2, 3, 0)
z = 2y 3
5. Determine as equacoes simetricas das seguintes retas:
(i) r definida pelos pontos A(1, 1, 0) e B(1, 3, 1)

x = 1 t

passando pelo ponto Q(2, 3, 6)

(ii) r paralela a reta s :
y = 2t

z = 5 3t
6. Determine as equacoes reduzidas da reta r que passa pelo ponto A(2,3,-5) e e paralela
ao eixo das ordenadas.
7. Determine a equacao vetorial da reta r que passa pelo ponto A(7,-4,6) e e perpendicular ao plano x0y.
8. Dado o triangulo de vertices A(1, 2, 3), B(3, 6, 1) e C(0, 4, 7). Escreva a equacao
vetorial da reta suporte da mediana relativa ao lado AB.
9. Determine as equacoes parametricas da reta r que passa pelo ponto A(7,11,-5) e e
ortogonal aos eixos Ox e Oz.
10. Seja a reta r definida pelos pontos A(1, 2, 3) e B(1, 3, 1). Determine as equacoes
parametricas da reta s passando pelo ponto P (4, 7, 0) e paralela a r.

82

11. Determine
a equacao vetorial
da reta r que passa pela intersecao das retas r1 :

x = 1 + t
x = 3

e r2 :
e e paralela a P = (2, 3, 6) + k(1, 5, 2)
y =2t
y = 4 4t

z = 3 + 2t
z = 7 3t
12. Encontre o ponto de intersecao da reta P = (2, 3, 1) + (1, 1, 2) com o plano
x0y, se existir.
13. Determine o angulo entre as retas:
(i) r definida pelos pontos A(1, 1, 1) e B(2, 3, 1) e s dada pelos pontos C(1, 1, 1)
e D(0, 1, 2).

x=3

x=z1
(ii) r :
er:
y = 4t

y = 2z + 3

z = 1 5t
(iii) P = (0, 0, 0) + (2, 1, 2) e

y4
z5
=
,x = 2
4
3

14. Verifique a posicao relativa dos seguintes pares de retas.

y = 2x 3
x2
y4
z
(i) r :
es:
=
=
z = x
3
6
3
(ii) r : P = (2, 0, 2) + (3, 2, 2) e s : P = (0, 1, 0) + (2, 2, 1)

x=2+t

e s : P = (0, 3, 0) + (1, 4, 1)
(iii) r :
y = 3 + 2t

z = 1 2t
15. Determine o valor de a para que as retas r : P = (1, 2, 3) + (2, 5, 1) e s :
y1
z3
=
sejam ortogonais.
a
2

x3
=
4

16. Encontre as coordenadas do ponto P equidistante de A(1,1,4) e B(-6,6,4), que pertence ao eixo das ordenadas.

17. Mostre que a distancia entre duas retas reversas r : P1 +

vr e s : P 2 +
vs e dada

(P2 P1 ). vr vs
por d(r, s) =
.

|
vr
vs |

83

Captulo 6
O plano no R3

6.1
6.1.1

Equac
ao do plano
Equac
ao vetorial do plano

Seja o plano determinado pelo ponto A(xo , yo , zo ) e pelos vetores

v1 = (a1 , b1 , c1 ) e

v2 = (a2 , b2 , c2 ).

Qualquer ponto P (x, y, z) do plano determinara um vetor AP que sera combinacao

linear dos vetores

v e
v , isto e:
1

AP = k
v1 + l
v2 , assim:

P = A + k
v1 + l
v2
que e a equacao vetorial do plano.

6.1.2

Equac
ao geral do plano

Impondo que os vetores AP ,
v1 e
v2 sejam coplanares, vem:

84

x xo y yo z zo

a1
b1
c1

a2
b2
c2

= 0 vem:

(b1 c2 b2 c1 )(x xo ) + (a2 c1 a1 c2 )(y yo ) + (a1 b2 a2 b1 )(z zo ) = 0 que pode ser

escrita como:

ax + by + cz + d = 0
que e a equacao geral do plano.

6.1.3

Equac
ao do plano que passa por um ponto e
e ortogonal
a um vetor

Dada um ponto Po (xo , yo , zo ) pertencente a um plano e um vetor

n = a i +b j +c k
ortogonal a .

Seja P (x, y, z) um ponto generico do plano , entao os vetores Po P e

n sao ortogonais
e seu produto interno e nulo, assim:

(P Po )
n =0
a(x xo ) + b(y yo ) + c(z zo ) = 0
ax + by + cz + (axo byo czo ) = 0
ax + by + cz + d = 0
Exemplos:
1. Determine a equacao vetorial, as equacoes parametricas e a equacao geral do plano

que contem o ponto A(1, 2, 2) e e paralelo aos vetores

v1 = (2, 1, 3) e
v2 =
(3, 1, 4).
Para ter-se a equacao de um plano e necessario conhecer um ponto e dois vetores
do plano.
P = (1, 2, 2) + k(2, 1, 3) + l(3, 1, 4) = Equacao vetorial.
85

x = 1 2k + 3l

y = 2 + k + l = Equacoes parametricas.

z = 2 + 3k + 4l

x1 y+2 z2

2
1
3 = 0 =

3
1
4
4(x 1) 2(z 2) + 9(y + 2) 3(z 2) + 8(y + 2) 3(x 1) = 0
x + 17y 5z + 43 = 0
2. Achar a equacao geral do plano que contem os pontos A(0, 4, 1) e B(1, 3, 2) e tem

a direcao do vetor
v =
(1, 3, 5).

x0 y4 z1

1
1
1 = 0 =

1
3
5
3. Determine a intersecao do plano : 2x 3y + 4z = 12 com o plano x0y.
Plano x0y = z = 0 = r : 2x 3y = 12

4. Determine a intersecao do plano : 2x 3y + 4z = 12 com os eixos coordenados.

Eixo 0x = y = z = 0 = x = 6
Eixo 0y = x = z = 0 = y = 4
Eixo 0z = x = y = 0 = z = 3
x
y
z
+ = 1.
5. Parametrize o plano de equacao segmentaria +
2 2 1

x = 2k + 2l

y = 2k

z =1l

6. Determine a equacao do plano que contem A(4, 1, 2) e e ortogonal ao vetor

v =
(2, 3, 1).
2x + 3y + z + d = 0

2.4 + 3.(1) + 2 + d = 0

d=9

2x + 3y + z + 9 = 0
7. Obtenha um vetor unitario ortogonal ao plano :

n = ( 2/2, 1/2, 1/2).

86

2x+yz+5=0

8. Determine a equacao do plano que passa pelo ponto A(1, 1, 1) e e paralelo ao plano
: 2x 3y + z 5 = 0.
1 : 2x 3y + z = 0
9. Calcule o valor de k para que os planos : 3xy +z 4 = 0 e : kx+3y z 2 = 0
sejam ortogonais.
3k 3 1 = 0 = k = 4/3.
10. Determine a equacao do plano ortogonal aos planos 1 : x y + z 2 = 0 e
2 : 2x + 3y z 1 = 0 e que contem o ponto A(1, 1, 1).

n = (1, 1, 1) (2, 3, 1)
11. Encontre a projecao ortogonal do ponto A(3, 1, 3) sobre o plano : x + y + z 4 = 0

Mostre que a projecao P do ponto A e dada por P = A BA vers(

n ) vers(
n ),
em que B e um ponto qualquer do plano .
P (2, 0, 2)
12. Determine o ponto simetrico do ponto A em relacao ao plano do exemplo anterior.
13. Determine a distancia do ponto A(1, 0, 1) ao plano : 2x + 2y 2z + 3 = 0.

d = 3/2
14. Determine o angulo entre os planos 1 : x + 2y 3z 1 = 0 e 2 : 3x y + 2z 5 = 0.
= arccos(5/14)
15. Determine o angulo que a reta r :

x1
y3
z
=
= forma com o plano x0y.
3
2
6

= arcsen(6/7).

6.2

Exerccios

1. Determine o valor de a para que o ponto P (a, 3, 1) pertenca ao plano : 2x +

11y + 8z = 27.
2. Determine um vetor normal para os seguintes planos:
(i) 1 : x y z 2 = 0
(ii) 2 : x + z = 0
87

(iii) 3 : z = 0
3. Determine os pontos de intersecao do plano : 2x 3y + 4z 12 = 0 com os eixos
coordenados.
4. Determine a equacao vetorial e a equacao geral do plano que passa pelos pontos
A(4, 2, 1), B(1, 1, 1) e C(3, 0, 2).
5. Encontre a equacao geral do plano que passa por P (1, 2, 3) e e paralelo ao plano
yOz.
6. Determine a equacao geral do plano que passa pelo ponto P (3, 1, 2) e e perpendix1
y+1
z2
cular `a reta
=
=
.
2
1
1

7. Determine a equacao geral do plano paralelo aos vetores

u1 = (2, 0, 1) e
u2 =
(1, 2, 1) e passa pelo ponto A(1, 1, 0).

x = 3 + 2y
8. Determine a equacao geral do plano que contem a reta r :
e passa
z = 3 + 3y
pelo ponto A(0, 0, 6).
9. Verifique se os pontos A(2, 1, 0), B(1, 2, 3), C(1, 2, 3) e D(4, 2, 1) pertencem a
um mesmo plano.
10. Verifique a posicao relativa dos planos:
(i) 1 : x 2y 3z + 5 = 0 e 2 : 2x + 4y + 6z 1 = 0
(ii) 1 : 3x + 4y + 4z 3 = 0 e 2 : 4x y + 2z 5 = 0
(iii) 1 : x 4y + 4z 3 = 0 e 2 : 4x + 3y + 2z 1 = 0
11. Determine o valor de para que os planos 1 : 3x y + 4z 3 = 0 e 2 : x y +
2z 5 = 0 sejam perpendiculares.
12. Determine o valor de e de para que os planos 1 : 3x y + 4z 3 = 0 e
2 : x + y + 2z 5 = 0 sejam paralelos.
13. Determine o angulo entre os planos 1 : x + y 2z + 3 = 0 e 2 : 4x + 2y + 2z = 0.

88

x = 3 t

14. Determine o angulo entre o plano 1 : x+y2z +3 = 0 e a reta r :

y = 2 + t .

z = 3 + t
15. Determine as equacoes simetricas da reta intersecao dos planos 1 : 2x3y+2z4 =
0 e 2 : x y + z + 2 = 0.
16. Determinar as equacoes reduzidas, em funcao de z, da reta r que passa pelo ponto
A(2, 3, 6) e e perpendicular ao plano : x 3y + 2z + 11 = 0.
17. Determine as coordenadas da projecao ortogonal de P (3, 1, 3) sobre o plano :
x+y+z4=0
18. Determine as coordenadas do ponto simetrico de P (3, 6, 1) em relacao ao plano
: x + y + z 13 = 0.
19. Mostre que a distancia do ponto P (xo , yo , zo ) ao plano : ax + by + cz + d = 0 e
| axo + byo + czo + d |

dada por
.
a2 + b2 + c2
20. Determinar as equacoes reduzidas, em funcao de z, da reta r que passa pelo ponto
A(2, 3, 6) e e perpendicular ao plano : x 3y + 2z + 11 = 0.

89

Captulo 7
Espaco Vetorial

7.1

Definic
ao

Espaco vetorial sobre um corpo K e um conjunto nao vazio V de elementos u, v, w, ,

+
chamados de vetores, munido das operacoes soma + : V V
V e multiplicacao por
.
escalar . : R V
V, tais que, para todos u, v, w de V e a e b reais tenha-se:

A1 (u + v) + w = u + (v + w)
A2 u+v=v+u
A3 Existe um elemento 0, chamado vetor nulo, em V tal que u + 0 = 0 + u = u
A4 Existe um elemento u em V tal que u + (u) = (u) + u = 0
M1 a.(u + v) = a.u + a.v
M2 (a + b).u = a.u + b.v
M3 (ab).u = a.(bu)
M4 1.u = u

90

7.1.1

Exemplos

1. O conjunto V = R2 = {(x, y)/x R, y R} munido das operacoes + e . usuais e

um espaco vetorial.
Prova:

(A1) (x1 , y1 ) + (x2 , y2 ) + (x3 , y3 ) = (x1 , y1 ) + (x2 , y2 ) + (x3 , y3 )

(A2) (x1 , y1 ) + (x2 , y2 ) = (x2 , y2 ) + (x1 , y1 )
(A3) O = (0, 0) R2 /(0, 0) + (x1 , y1 ) = (x1 , y1 ) + (0, 0) = (x1 , y1 )

(A4) (x, y) R2 /(x, y) + (x, y) = (0, 0)

(M1) a (x1 , y1 ) + (x2 , y2 ) = a(x1 , y1 ) + a(x2 , y2 )

(M2) (a + b)(x1 , y1 ) = a(x1 , y1 ) + b(x1 , y1 )

(M3) (ab)(x1 , y1 ) = a b(x1 , y1 )

(M4) 1(x1 , y1 ) = (x1 , y1 )
2. V = Rn = (x1 , x2 , x3 , , xn )

n a b
o
/a, b, c, d R
3. V = R22 = M(2, 2) =
c d
4. V = Pn (x) = a0 + a1 x + a2 x2 + + an xn
5. V = Rmn = M(m, n)

7.2
7.2.1

Subespacos vetoriais
Definic
ao

Dado um espaco vetorial V, um subconjunto nao vazio W sera um subespaco vetorial

de V se:
1. Para todo u, v W tem-se u + v W.
2. Para todo u W e para todo a R tem-se au W.
91

Observacoes:
As condicoes da definicao acima dizem que o conjunto W e fechado em relacao `as
operacoes + e . .
O vetor nulo sempre pertence ao subespaco W.
Todo espaco vetorial V admite dois subespacos triviais, que sao o proprio espaco e
aquele formado somente pelo vetor nulo.

7.2.2

Exemplos

1. W = {(x, y)/y = 2x} e um subespaco vetorial de V = R2 . Prova:

(i) W R2
(ii) W 6= , pois existe (0, 0) W.
(iii) Para todo u, v W tem-se u + v W.
Sejam u = (x1 , y1 ) e v = (x2 , y2 ) vetores genericos de W = {(x, y)/y = 2x}, ou seja,
y1 = 2x1 e y2 = 2x2
u + v = (x1 , y1 ) + (x2 , y2 ) = (x1 , 2x1 ) + (x2 , 2x2 ) = (x1 + x2 , 2x1 + 2x2 )
= (x1 + x2 , 2(x1 + x2 ))
Logo u + v pertence a W.
(iv) Para todo u W e para todo a R. tem-se au W.
Sejam u = (x1 , y1 ) W e a R.

au = a(x1 , y1 ) = a(x1 , 2x1 ) = (ax1 , a 2x1 ) = (ax1 , 2 ax1 ) W.
Como as quatro afirmacoes sao verificadas W e um subespaco vetorial de R2
2. W = {(x, y, z)/x + y + z = 0} e um subespaco vetorial de V = R3 .
Prova:
(i) W R3
(ii) W 6= , pois existe (0, 0, 0) W.
(iii) Para todo u, v W tem-se u + v W.
Sejam u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ) vetores genericos de W = {(x, y, z)/x+y+z =
0}.
u + v = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
92

x1 + x2 + y1 + y2 + z1 + z2 = (x1 + y1 + z1 ) + (x2 + y2 + z2 ) = 0 + 0 = 0
Logo u + v pertence a W.
(iv) Para todo u W e para todo a R. tem-se au W.
Sejam u = (x1 , y1 , z1 ) W e a R.
au = a(x1 , y1 , z1 ) = (ax1 , ay1 , az1 ).
ax1 + ay1 + az1 = a(x1 + y1 + z1 ) = a0 = 0, logo au W.
Como as quatro afirmacoes sao verificadas W e um subespaco vetorial de R3
3. Seja o espaco vetorial V = Rnn = M(n, n). O conjunto das matrizes An,n triangulares superior, e um subespaco vetorial de V.
4. O conjunto de todas as solucoes de um sistema de equacoes lineares homogeneo com
n incognitas e um subespaco vetorial de Rn1 = M(n, 1).
Prova
Seja Ax = 0 um sistema linear de n incognitas e W o conjunto das solucoes de
Ax = 0.
(i) x Rn1 = M(n, 1), pois e um vetor coluna.
(ii) W 6= , pois existe x = [0 0 0]T W.
(iii) Para todo u, v W tem-se u + v W.
Sejam u e v duas solucoes genericas de Ax = 0, isto e, Au = 0 e Av = 0.
Desejamos provar que u + v tambem e uma solucao, isto e u + v satisfaz Ax = 0
A(u + v) = Au + Av = 0 + 0 = 0
Logo u + v pertence a W.
(iv) Para todo u W e para todo a R, tem-se au W.
Sejam u uma solucao de Ax = 0 e a R.
A(au) = a(Au) = a0 = 0.
Logo au W.
Como as quatro afirmacoes sao verificadas W e um subespaco vetorial de Rn1
5. W = {(x, y)/y = x2 } nao e um subespaco vetorial de V = R2 .
Prova: Para provar que um conjunto nao e subespaco vetorial, basta exibir um
contra exemplo para uma das quatro afirmacoes, assim:
Tome u = (2, 4) W e u = (3, 9) W, mas, u + v = (5, 13) nao e um vetor de W.
Logo W nao e subespaco vetorial de R2 .
93

6. O R2 nao e subespaco vetorial do R3 .

Prova:
Tome por exemplo (0, 0) R2 mas (0, 0) nao pertence a R3 , logo R2 * R3 , assim
R2 nao e subespaco vetorial do R3 .
7. W = {(x, y)/y = 2x 3} nao e subespaco vetorial de R2 .
8. W = {(x, y)/y 0} nao e subespaco vetorial do R2

7.2.3

Intersec
ao de subespacos

Teorema 7.1 Dados dois subespacos vetoriais W1 e W2 de um mesmo espaco vetorial V,

a intersecao W1 W2 tambem e um subespaco vetorial de V.
Prova:
(i) Para todo u, v W tem-se u + v W.
Dados u e v pertencentes a W1 W2 deve-se provar que u + v tambem e um vetor
de W1 W2 .
Se u W1 W2 entao u W1 e u W2 .
Se v W1 W2 entao v W1 e v W2 .
Como W1 e W2 sao subespacos vetoriais entao u + v pertence a W1 e a W2 , logo
u + v W1 W2 .
(ii) Para todo u W e para todo a R tem-se au W.
Dados u pertencente a W1 W2 e a um escalar deve-se provar que au e um vetor
de W1 W2 .
Se u W1 W2 entao u W1 e u W2 .
Como W1 e W2 sao subespacos vetoriais entao au pertence a W1 e a W2 , logo
au W1 W2 .
Exemplos:
1. Tome V = R3 , W1 = {(x, y, z) R3 /x y = 0} e W2 = {(x, y, z) R3 /x 2y = 0}
v W1 W2 = {(x, y, z) R3 /x = y = 0} e um subespaco vetorial do R3 .
94

2. Considere V = R33 , W1 o subconjunto de V formado pelas matrizes triangulares

superiores e W2 o subconjunto de V formado pelas matrizes triangulares inferiores.
W1 W2 e conjunto das matrizes diagonais, que e um subespaco vetorial de V =
R33 .

3. Seja V = R22 , W1 =

W1 W2 =

7.2.4

a 0
0 0

a b
0 0

e W2 =

a 0
c 0

, que e um subespaco vetorial de V = R22 . Justifique.

Soma de subespacos

Teorema 7.2 Dados dois subespacos vetoriais W1 e W2 de um mesmo espaco vetorial V,

a soma dos subespacos W1 e W2 , dada por
W1 + W2 = {v V/v = w1 + w2 , w1 W1 , w2 W2 }
e um subespaco vetorial de V.

Prova:

7.3

Combinac
ao linear

Definicao:
Sejam V um espaco vetorial, v1 , v2 , v3 , , vn vetores de V e a1 , a2 , a3 , , an escalares.
Entao o vetor
v = a1 v1 + a2 v2 + a3 v3 + + an vn
e um vetor de V e e chamado de combinacao linear dos vetores v1 , v2 , v3 , , vn .
Exemplos:
1. Dado V = R3 , escreva v = (1, 4, 5) como combinacao linear de v1 = (1, 2, 1) e
v2 = (1, 1, 2).

95

2. Considere o espaco vetorial do polinomios de grau menor ou igual a 2, P2 (x) =

{a0 + a1 x + a2 x2 , ai R, i = 0, 1, 2}. Verifique se v = 1 + x + x2 e combinacao linear
de v1 = x x2 e v2 = 1 x2 .

7.4

Subespaco gerado

Definicao:
Chama-se subespaco gerado pelos vetores v1 , v2 , v3 , , vn de um espaco vetorial V, denotado por [v1 , v2 , v3 , , vn ] ou span{v1 , v2 , , vn }
[v1 , v2 , v3 , , vn ] = {v V/v = a1 v1 + a2 v2 + a3 v3 + + an vn }.

Exemplos:
1. Verifique se o vetor (3, 3, 2) pertence ao espaco vetorial gerado pelos vetores v1 =
(2, 1, 1), v2 = (1, 1, 0) e v3 = (0, 1, 3).
2. Determine a relacao entre x,y e z para que o vetor v = (x, y, z) pertenca ao espaco
gerado por v1 = (1, 1, 1) e v2 = (2, 1, 0).
3. Verifique se o R2 e gerado pelos vetores v1 = (1, 0) e v2 = (0, 1).
4. Forneca quatro vetores que gerem o espaco vetorial das matrizes de ordem 2 2.

7.5

Depend
encia linear

Definicao:
Dados um espaco vetorial V e os vetores v1 , v2 , v3 , , vn V. O conjunto {v1 , v2 , v3 , , vn }
sera linearmente independente (LI) se a equacao a1 v1 + a2 v2 + a3 v3 + + an vn = 0 implicar em a1 = a2 = a3 = = an = 0. Caso existir algum ai nao nulo o conjuto, ou os
vetores, serao chamados de linearmente dependentes (LD).
Exemplos:

96

1. Verifique se os vetores v1 = (1, 1) e v2 = (1, 1) sao LI.

2. Verifique se os vetores v1 = (1, 1, 1), v2 = (1, 1, 2) e v3 = (1, 3, 4) sao LI.
3. Mostre que se os vetores u, v e w sao LI entao u + v, u + 2v w e v + 3w tambem
sao LI.

Teorema 7.3 O conjunto {v1 , v2 , v3 , , vn } e LD se e somente se um desses vetores for

combinacao linear dos demais vetores.

Prova:
()
Hipotese: {v1 , v2 , v3 , , vn } e LD.
Tese: vi e combinacao linear dos outros vetores.
Se {v1 , v2 , v3 , , vn } e LD entao em a1 v1 +a2 v2 +a3 v3 +an vn = 0 existe um coeficiente
ai =
6 0, assim de a1 v1 + a2 v2 + a3 v3 + + ai vi + + an vn = 0 pode-se escrever vi =
a2
an
a1
v1 v2 vn , isto e vi e combinacao linear de v1 , v2 , v3 , , vi1 , vi+1 , , vn
ai
ai
ai

()
Hipotese: vi e combinacao linear dos outros vetores.
Tese: {v1 , v2 , v3 , , vn } e LD.
Da hipotese escreve-se vi = a1 v1 + a2 v2 + a3 v3 + + ai1 vi1 + ai+1 vi+1 + + an vn ou
ainda a1 v1 + a2 v2 + a3 v3 + + ai1 vi1 vi + ai+1 vi+1 + + an vn = 0, como ai = 1 6= 0
os vetores sao LD.

7.6

Base

Definicao:
Um conjunto {v1 , v2 , v3 , , vn } de vetores de um espaco vetorial V sera uma base para
V se:
97

(i) {v1 , v2 , v3 , , vn } e LI.

(ii) {v1 , v2 , v3 , , vn } gera V.
Exemplos:
1. = {(1, 0), (0, 1)} e uma base para V = R2
2. = {(1, 3), (1, 3)} nao e uma base para V = R2
3. = {1 + x + x2 , x + 2x2 , 1 x2 } e uma base para o espaco vetorial dos polinomios
de grau menor ou igual a 2.
4. Forneca a base canonica para o R3 .
5. Determine uma base para o subespaco do R4 , intersecao dos subespacos W1 gerado
por pelo conjunto {(1, 2, 1, 2), (1, 1, 2, 1), (2, 1, 1, 1)} e W2 gerado por
{(1, 0, 1, 2), (1, 1, 1, 2), (2, 1, 1, 2)}.
Seja v um vetor generico de intersecao W1 W2 .
Entao v e uma combinacao linear dos vetores de W1 e de W2 , que se escreve:
v = a(1, 2, 1, 2) + b(1, 1, 2, 1) + c(2, 1, 1, 1)
v = d(1, 0, 1, 2) + e(1, 1, 1, 2) + f (2, 1, 1, 2)
Igualando vem:

a + b + 2c = d + e + 2f

2a + b + c = e + f

a + 2b + c = d + e + f

2a + b + c = 2d + 2e + 2f
Escalonando o sistema em funcao de a, b e c:

a + b + 2c = d + e + 2f

b 3c = 2d e 3f

b c = f

b + 3c = 2f

a + b + 2c = d + e + 2f

b 3c = 2d e 4f

4c = 2d e 4f

0 = 2d + e + f

f = 2d e
98

Voltando ao vetor v, vem:

v = d(1, 0, 1, 2) + e(1, 1, 1, 2) + f (2, 1, 1, 2) = d(1, 0, 1, 2) + e(1, 1, 1, 2) + (2d
e)(2, 1, 1, 2)
v = d(1, 0, 1, 2) + e(1, 1, 1, 2) + d(4, 2, 2, 4) + e(2, 1, 1, 2)
v = d(1 4, 0 2, 1 2, 2 4) + e(1 2, 1 1, 1 1, 2 2)
v = d(3, 2, 1, 2) + e(1, 0, 0, 0)
Finalmente, tem-se que W1 W2 e gerado por {(3, 2, 1, 2), (1, 0, 0, 0)}, ou
ainda = {(3, 2, 1, 2), (1, 0, 0, 0)} e uma base para W1 W2 .
Teorema 7.4 Sejam {v1 , v2 , , vn } vetores nao nulos que geram um espaco vetorial V.
Ent
ao, pode-se extrair uma base a partir deste vetores.
Prova:
Hipotese: {v1 , v2 , , vn } gera V.
Tese: Existe uma base formada a partir {v1 , v2 , , vn }.
Para que um conjunto seja uma base para V e necessario que gere V e que seja LI.
Como = {v1 , v2 , , vn } ja gera V, deve-se somente mostrar que {v1 , v2 , , vn } e LI.
Se = {v1 , v2 , , vn } for LI entao e base e ja esta provado.
Se { = v1 , v2 , , vn } for LD entao existe uma combinacao linear entre estes vetores,
isto e, vn = a1 v1 + a2 v2 + + an1 vn1 e assim v1 , v2 , , vn1 continua gerando V.
Supondo, agora, que v1 , v2 , , vn1 seja LI entao v1 , v2 , , vn1 e base para V e o
teorema esta provado.
Caso v1 , v2 , , vn1 for LD existe uma combinacao linear entre eles, assim pode-se excluir
aquele vetor que e combinacao linear dos demais e, {v1 , v2 , , vn2 } e base para V.
Seguindo este raciocnio por uma quantia finita de passos, chega-se a um subconjunto
{v1 , v2 , , vr } de {v1 , v2 , , vn }, com r n, que e LI e ainda gera V, ou seja, e uma
base.

Teorema 7.5 Seja um espaco vetorial V gerado por um conjunto finito de vetores v1 , v2 , , vn .
Ent
ao, qualquer conjunto com mais de n vetores e LD.
Prova:
Se v1 , v2 , , vn gera V entao, pelo teorema 7.4 pode-se extrair uma base a partir destes
99

vetores. Seja = {v1 , v2 , , vr }, r n, esta base.

Seja agora {w1 , w2 , , wm } um subconjunto qualquer de V com mais de n elementos,
m > n, entao:

w1 = a11 v1 + a12 v2 + + a1r vr

w = a v + a v + + a v
2
21 1
22 2
2r r

w = a v + a v + + a v
m
m1 1
m2 2
mr r

(7.1)

Para provar que w1 , w2 , , wm e LD deve-se mostrar que

b1 w1 + b2 w2 + + bm wm = 0

(7.2)

implica em bi 6= 0, para algum i.

Substituindo 7.1 em 7.2 vem:
b1 (a11 v1 +a12 v2 + +a1r vr )+b2 (a21 v1 +a22 v2 + +a2r vr )+ +bm (am1 v1 +am2 v2 + +amr vr ) = 0

Reescrevendo, tem-se:
(a11 b1 +a21 b2 + +am1 bm )v1 +(a12 b1 +a22 b2 + +am2 bm )v2 + +(a1r b1 +a2r b2 + +amr bm )vr = 0

a11 b1 + a21 b2 + + am1 bm = 0

a b + a b + + a b = 0
12 1
22 2
m2 m
que e um sistema
Como v1 , v2 , , vr e LI entao:

a b + a b + + a b = 0
1r 1
2r 2
mr m
linear homogeneo de r equacoes com m incognitas b1 , b2 , , bm e como r n < m o
sistema e possvel e indeterminado, ou seja, existe um bi nao nulo, logo w1 , w2 , , wm
sao LD.

Teorema 7.6 Qualquer base de um espaco vetorial V tem sempre o mesmo n

umero de
elementos.

Prova:
Sejam 1 = {v1 , v2 , , vn } e 2 = {w1 , w2 , , wm } duas bases de V. Como 1 e base
100

gera V e 2 por ser base e LI, entao pelo teorema 7.5 m n e, por outro lado, se 2 gera
V e 1 e LI entao n m, logo m = n.
Definicao:
Dado um espaco vetorial V. Chama-se dimensao de V, denotado por dim(V), a quantidade
de vetores de uma base.
Exemplos:
1. Como a base canonica de V = R2 e = {(1, 0), (0, 1)} entao dim(R2 ) = 2.
2. dim(R3 ) = 3
3. dim(P2 (x)) = 3, porque a base canonica deste espaco e = {1, x, x2 }.
4. dim(M22 ) = 4

Teorema 7.7 Qualquer conjunto de vetores LI de um espaco vetorial V de dimensao finita

pode ser completado de modo a formar uma base.

Prova:
Seja {v1 , v2 , , vr } um conjunto LI de V com dim(V) = n, assim pelo teorema 7.5 r n.
Se {v1 , v2 , , vr } gerar V ja tem-se uma base e assim o teorema ja esta provado.
Caso {v1 , v2 , , vr } nao gere V existe vr+1 V que nao e combinacao linear de {v1 , v2 , , vr },
logo {v1 , v2 , , vr , vr+1 } e LI.
Se 1 = {v1 , v2 , , vr , vr+1 } gerar V entao 1 e base para V.
Caso contrario existe vr+2 que nao pertence ao espaco gerado por {v1 , v2 , , vr , vr+1 } e
novamente 2 = {v1 , v2 , , vr+2 } e LI e se 2 gerar V sera base e a demonstracao estara
concluda, caso contrario o procedimento usado deve ser realizado , continuadamente, ate
obter-se n vetores LI que gerem V.

Corol
ario 7.8 Qualquer conjunto de n vetores LI de um espaco vetorial V de dimensao
n sera uma base de V.

101

Prova:
Se este conjunto de n vetores nao formar uma base ele poderia ser completado ate ser
formada uma base, que teria mais de n vetores, absurdo pelo teorema 7.6.

Teorema 7.9 Se W1 e W2 sao subespacos vetoriais de um espaco vetorial V de dimensao

finita, entao dim(W1 ) dim(V), dim(W2 ) dim(V) e dim(W1 + W2 ) = dim(W1 ) +
dim(W2 ) dim(W1 W2 )

Prova:
Observe que W1 W2 e um subespaco tanto de W1 quanto de W2 .

Supondo que

dim(W1 ) = m, dim(W2 ) = n e dim(W1 W2 ) = r. Supondo ainda que {v1 , v2 , , vr } e

uma base para W1 W2 . Pelo teorema 7.7, pode-se extender {vi } para uma base de W1
e para uma base de W2 que respectivamente sao:
{v1 , , vr , u1 , , umr } e {v1 , , vr , w1 , , wnr }.
Seja = {v1 , , vr , u1 , , umr , w1 , , wnr } que possui exatamente m + n r elementos. Assim para que o teorema esteja provado basta mostrar que e uma base para
W1 + W2 . Como {vi , uj } gera W1 e {vi , wk } gera W2 a sua uniao {ui , vj , wk } ira gerar
W1 + W2 , logo e necessario mostrar que e LI.
Seja
a1 v1 + + ar vr + b1 u1 + + bmr umr + c1 w1 + + cnr wnr = 0

(7.3)

em que ai , bj , ck sao escalares. Seja

v = a1 v1 + + ar vr + b1 u1 + + bmr umr

(7.4)

Por 7.3 tem-se tambem que

v = c1 w1 cnr wnr

(7.5)

Como [ui , vj ] W1 vem que v W1 e como [wk ] W2 , v W2 , por 7.5. Consequentemente, v W1 W2 . Mas [vi ] e uma base de W1 W2 e assim existem escalares
d1 , d2 , , dr para os quais v = d1 v1 + + dr vr . Assim por 7.5, vem
d1 v1 + + dr vr + c1 w1 + + cnr wn r = 0
102

(7.6)

Mas {vi , wk } e uma base para W2 e assim e LI, logo pela equacao 7.6 tem-se c1 = =
cnr = 0, que substituindo em 7.3 resulta:
a1 v1 + + ar vr + b1 w1 + + bmr wmr = 0
Mas {vi , uj } e uma base de W1 , logo LI e, pela equacao acima tem-se
a1 = = ar = b1 = = bmr = 0
Como a equacao 7.3 implica que os coeficientes ai , bj e ck sao todos nulos, tem-se que
e LI.

Soma direta
Definicao: Um espaco vetorial V e uma soma direta de seus subespacos W1 e W2 ,
denotado por V = W1 W2 se todo todo vetor v V puder ser escrito de modo u
nico
como v = w1 + w2 , em que w1 W1 e w2 W2 .
Teorema 7.10 O espaco vetorial V e a soma direta de seus subespacos W1 e W2 se e
somente se:
(i) V = W1 + W2
(ii) W1 W2 = {0}
Prova:
Suponha V = W1 W2 , assim v = w1 + w2 , em que w1 W1 e w2 W2 , isto e
particularmente V = W1 + W2 .
Supondo agora que v W1 W2 , entao:
v = v + 0 em que v W1 e 0 W2 ,
v = 0 + v em que 0 W1 e v W2 .
Consequentemente W1 W2 = , pelo fato de v = w1 + w2 ser e escrito de modo u
nico.

Supondo V = W1 + W2 e W1 W2 = . Seja v V e como V = W1 + W2 , existem

w1 W1 e w2 W2 , tais que v = w1 + w2 . Deve-se mostrar que tal soma e u
nica e, para
isso, escreva v = w10 + w20 , entao
103

 v = w1 + w2 = w10 + w20 e assim w1 w10 = w2 w20

Mas w1 w10 W1 e w2 w20 W2 mas W1 W2 = logo:
w1 w10 = 0 e w2 w20 = 0
assim
w1 = w10 e w2 = w20
e a soma v = w1 +w2 e u
nica.

Exemplo:
Sejam W1 = {(x, y, z) R3 /x + y z = 0} e W2 = {(x, y, z) R3 /x y = 0}, determine:
(i) Uma base para W1
(ii) dim(W1 )
(iii) Uma base para W2
(iv) dim(W2 )
(v) Uma base para W1 + W2
(vi) dim(W1 + W2 )
(vii) dim(W1 W2 )
(viii) Uma base para W1 W2
Solucao:
(i) Uma base para W1
Seja v = (x, y, z) W1 entao x + y z = 0, isto e, z = x + y assim v = (x, y, z) =
(x, y, x + y)
v = (x, 0, x) + (0, y, y)
v = x(1, 0, 1) + y(0, 1, 1), isto e, v e combinacao linear de (1, 0, 1) e de (0, 1, 1) que
sao LI (prove), assim 1 = {(1, 0, 1), (0, 1, 1)} e base para W1 .
104

(ii) dim(W1 ) = 2
(iii) Uma base para W2
Seja v = (x, y, z) W2 entao x y = 0, isto e, x = y assim v = (x, y, z) = (x, x, z)
v = (x, x, 0) + (0, 0, z)
v = x(1, 1, 0) + z(0, 0, 1), isto e, v e combinacao linear de (1, 1, 0) e de (0, 0, 1) que
sao LI (prove), assim 2 = {(1, 1, 0), (0, 0, 1)} e base para W2 .
(iv) dim(W2 ) = 2
(v) Uma base para W1 + W2
W1 + W2 = {v V/v = w1 + w2 , w1 W1 , w2 W2 }
Como v = w1 + w2 , w1 W1 , w2 W2 entao v e uma combinacao linear de vetores
de W1 e de W2 , isto e, e gerado por (1, 0, 1), (0, 1, 1), (1, 1, 0), (0, 0, 1).
agora, escalonando estes quatro vetores,

1 0 1
1 0 1

0 1 1
0 1 1

1 1 0
0 1 1

0 0 1
0 0 1
Logo = {(1, 0, 1), (0, 1, 1), (0, 0, 1)}.

1 0

1 0 1

0 1 1
0 1 1

0 0 1
0 0 2

0 0 1
0 0 0

(vi) dim(W1 + W2 ) = 3, assim W1 + W2 = R3

(vii) dim(W1 W2 )
Pelo teorema 7.9 dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) dim(W1 W2 )
3 = 2 + 2 dim(W1 W2 ), logo dim(W1 W2 ) = 1
(viii) Uma base para W1 W2
W1 W2 = {(x, y, z)/x
+ y z = 0 e x y = 0}
x+yz =0
Resolvendo o sistema
, vem:
xy =0
z
x=y=
2
W1 W2 = {(z/2, z/2, z)} = {z(1/2, 1/2, 1)}
Logo uma base para W1 W2 e inter = {(1, 1, 2)}.
Teorema 7.11 Dada uma base ordenada = {v1 , v2 , , vn } de um espaco vetorial V
ent
ao todo vetor v V e escrito de forma u
nica como v = a1 v1 + a2 v2 + + an vn .
105

Prova:
Como e base entao v = a1 v1 + a2 v2 + + an vn , agora suponha que v possa ser escrito
como uma outra combinacao linear dos elementos de , como v = b1 v1 + b2 v2 + + bn vn ,
ai 6= bi , i.
Igualando as duas combinacoes lineares, vem:
a1 v1 + a2 v2 + + an vn = b1 v1 + b2 v2 + + bn vn
ou ainda
(a1 b1 )v1 + (a2 b2 )v2 + + (an bn )vn = 0
como e base entao a1 b1 = a2 b2 = = an bn = 0, absurdo.

Definicao:
Dados v V e = {v1 , v2 , , vn } uma base ordenada de um espaco vetorial V em
que v = a1 v1 + a2 v2 + + an vn . Os coeficientes v = a1 , a2 ,
, an ser
ao chamados de
a
1
.
coordenadas do vetor em relacao `a base e denotado por [v] = .. . Exemplos:

an
1. Seja V = R2 e = {(1, 0), (0, 1)} sua base canonica ordenada. Entao v = (2, 3)
pode ser escrito como (2, 3) = a(1, 0) + b(0,
1), em
que a = 2 e b = 3, logo as
2

coordenadas de v em relacao a sao [v] =

3
2. Seja = {(3, 5), (1, 1)} base ordenada do R2 . Determine as coodenadas de
v = (1, 1) em relacao a .
(1,
1) = a(3, 5) + b(1, 1)
3a b = 1
.
5a + b = 1

Logo a = 1 e b = 4 e assim [v] =

1
4

3. Determine as coordenadas de p = 2 + 2x x2 em relacao `a base = {2 x +

x2 , 1 + 3x x2 , 1 x2 }.
2 + 2x x2 a(2 x + x2 ) + b(1 + 3x x2 ) + c(1 x2 )

106

2a b + c = 2

a + 3b = 2 .

a b c = 1

1


Resolvendo o sistema vem [v] = 1 .

1

7.7

Mudanca de base

Na secao anterior, foi visto e possvel representar um vetor de um espaco vetorial V

por meio de suas coordenadas em relacao a uma base . Agora, como num espaco vetorial
existem varias bases, nesta secao, sera mostrado como e possvel relacionar as coordenadas
de um vetor em relacao a duas bases diferentes.
Sejam = {u1 , u2 , , un } e 0 = {w1 , w2 , , wn } duas bases ordenadas de um
espaco vetorial V. Dado um vetor v V entao escreve-se:
v = x 1 u1 + x 2 u2 + + x n un
v = y1 w1 + y2 w2 + + yn wn

(7.7)

assim as coordenadas de v em relacao `a base e:

x
1

x2

[v] =
..
.

xn
e em relacao a 0 e:

[v] 0 =

y1
y2
..
.

yn
Como = {u1 , u2 , , un } e base de V entao cada um dos vetores wi de 0 e combinacao

107

linear dos vetores ui , assim:

w1 = a11 u1 + a21 u2 + + an1 un

w = a u + a u + + a a
2
12 1
22 2
n2 n
.

..

w = a u + a u + + a u
n
1n 1
2n 2
nn n

(7.8)

Substituindo 7.8 em 7.7 vem:

v = y1 (a11 u1 + a21 u2 + + an1 un ) + + yn (a1n u1 + a2n u2 + + ann un )
v = (a11 y1 + a12 y2 + + a1n yn )u1 + + (an1 y1 + an2 y2 + + ann yn )un
Mas v = x1 u1 + x2 u2 + + xn un e como as coordenadas de um vetor em relacao a uma
base sao u
nicas, vem:
x1 = a11 y1 + a12 y2 + + a1n yn
x2 = a21 y1 + a22 y2 + + a2n yn
..
.
xn = an1 y1 + an2 y2 + + ann yn
Em forma matricial

x1
x2
..
.

xn

y1

a11 a1n

y2
..
..
..

.
.
. .
..

an1 ann
yn

ou resumidamente
0

[v] = [I] [v] 0 ,

em que

0
[I] =

a11 a12 a1n

a21 a22
..
..
.
.
an1 an2

a2n

..
.

ann

e a matriz de mudanca da base 0 para a base .

Exemplo: Sejam = {(1, 2), (3, 5)} e 0 = {(1, 0), (0, 1)} duas bases do R2 . Determine
a matriz de mudanca da base 0 para a base .
(1, 0) = a(1, 2) + b(3, 5)
108

(1, 0) = (a + 3b, 2a + 5b)

Resolvendo o sistema tem-se a = 5 e b = 2
(0, 1) = c(1, 2) + d(3, 5)
(0, 1) = (c + 3d, 2c + 5d)
Resolvendo o sistema
vemc = 3 e d = 1

5 3
0

Assim [I] =
2 1
Como complemento observe que para determinar as coordenadas do vetor v = (1, 1)
em relacao `a

5
[v] =
2

2
[v] =
1

base , basta em [v] 0 = [I] 0 [v] substituir [I] e [v] 0 , isto e:

3
1

1
1

Veja que neste caso, o calculo das coordenadas de apenas um vetor, seria mais simples
resolver, diretamente, o sistema (1, 1) = a(1, 2) + b(3, 5).
Inversa da matriz de mudan
ca de base
Se, anteriormente, tivessemos escrito os vetores de como combinacao linear dos
vetores de 0 chegariamos a
[v] 0 = [I] 0 [v]

(7.9)

em que [I] 0 e a matriz de mudanca de base da base para a base 0 .

0

Como os vetores de uma base sao LI, vem que [I] e inversvel e assim multiplicando
h 0 i1
, vem:
ambos os membros de 7.9 por [I]
h 0 i1
[v] = [I]
[v] 0
Logo:

0
[I]

h
=

[I] 0

109

i1

7.8

Exerccios

1. Seja V o espaco vetorial de todas as matrizes 2 2 sobre o corpo real. Verifique

qual dos subconjuntos abaixo e subespaco vetorial de V:
a) W formado por todas as matrizes com determinante nulo.
b) W formado por todas as matrizes triangular superior.
c) W formado por todas as matrizes com a1,1 = 0.
d) W formado por todas as matrizes S tais que S 2 = S.
2. Seja V o espaco vetorial de todas os polinomios a0 + a1 x +2 x2 + + an xn sobre o
corpo real. Verifique qual dos subconjuntos abaixo e subespaco vetorial de V:
a) W formado por todos os polinomios com coeficientes inteiros.
b) W formado por todos os polinomios de grau menor ou igual a 4.
c) W formado por todos os polinomios que passam pela origem.
d) W formado por todos os polinomios de expoentes pares.
3. Verificar se o R2 munido das operacoes nao usuais (x1 , y1 )+(x2 , y2 ) = (x1 +x2 , y1 y2 )
e (x1 , y1 ) = (x1 , y1 ) e um espaco vetorial.
4. Verifique se no espaco vetorial das funcoes reais de variaveis reais, o conjunto de
todas as funcoes f tais que f (x + 1) = f (x) + f (0) e um subespaco vetorial, sujeito
as operacoes usuais.
5. Verifique se W = {(x, y, z) R3 /y = 2x, z = 3x} e um subespaco vetorial do R3 .
6. Verifique se W = {(x, y) R2 /y = x} e um subespaco vetorial do R3 .
7. Verifique se W = {(x, y, z) R3 /y = x, z = 1} e um subespaco vetorial do R3 .
8. Verifique se W = {(x, y) R2 /xy = 0} e um subespaco vetorial do R2 .
9. Verifique se W = {(x, y, z) R3 /x 0} e um subespaco vetorial do R3 .

a b
e um sube10. Mostre que o conjunto de todas as matrizes reais da forma
b c
22
spaco vetorial do R .
110


11. Escreva a matriz A =

1 1
1 0

, C =

0 0
1 1

1 1

como combinacao linear das matrizes B =

eD=

0 1

12. Determine a relacao existente entre a, b e c de modo que w = (a, b, c) pertenca ao

espaco gerado por u, v, onde u = (1, 3, 2) e v = (2, 1, 1).
13. Verifique se o vetor (1, 2, 3) pertence ao espaco gerado por {(0, 1, 5), (3, 4, 1)}.
14. Mostre que os vetores (1, 2) e (2, 1) geram o R2 .
15. Mostre que os vetores (1, 2, 1) e (2, 1, 0) e (3, 1, 1) nao geram o R3 .
16. Determine o valor de k para que o conjunto A = {(1, k), (k, 4)} forme uma base
para o R2 .
17. Complete o conjunto A = {(1, 1, 1), (1, 1, 0)} de modo que forme uma base para o
espaco vetorial R3 .

18. Verifique se o

por A =

2
1

conjunto = 3 , 1 e uma base para o espaco gerado

2
1

1
5
3

2 , 8 , 4

3
7
1

19. Complete o conjunto A = {p1 (x), p2 (x), p3 (x)}, de modo que este forme uma base
para o espaco vetorial dos polinomios de grau menor ou igual a 3, sendo p1 (x) =
x3 x2 2x + 1, p2 (x) = 2x3 + 3x2 x 1 e p1 (x) = x3 2x 3.

20. Determine uma base para o espaco vetorial das solucoes do sistema

x + 2y z = 0
2x + 5y + 2z = 0
x + 4y + 7z = 0
x + 3y + 3z = 0

21. Determine um sistema de equacoes lineares no qual o conjunto solucao seja gerado
pelos vetores v1 = (2, 1, 0, 0) e v2 = (1, 0, 1, 1).

111

22. Determine uma

o subespa
aodossubespa
cos
W
e W2
base para

cointersec

vetoriais

1
1 2

1 1
2 1
1 0
1 1
2 1

,
gerados por
,
,
e
,
,
1 2

2 1
1 1
1 2
1 2
1 2
respectivamente.
23. Determine uma base para o subespaco soma W1 +W2 , onde W1 = span{(1, 2, 1), (0, 1, 1)}
e W1 = span{(0, 2, 2), (1, 1, 1)}.
24. Determine uma base para o subespaco vetorial do R4 que e gerado pelo conjunto
de vetores {(1, 1, 1, 1), (1, 2, 1, 2), (1, 1, 1, 1), (1, 4, 1, 4)}.
25. Ache dois vetores u, v de R3 tais que se w = (1, 1, 1), entao R3 = span{u, v, w}.
26. Classifique as seguintes afirmacoes como verdadeiras ou falsas. Caso verdadeira
justifique, caso falsa de um contra-exemplo.
a) Se Z = {0} e o subespaco trivial, entao dimZ = 0, porque a base para esse
espaco e o conjunto vazio.
b) Seja L uma reta passando pela origem em R3 , entao dimL = 1, porque uma
base para L consiste de um vetor nao nulo sobre L.
c) Se P e um plano passando pela origem em R3 , entao dimP = 2 porque um
conjunto gerador mnimo para P deve conter 2 vetores de P.

1 0 0

3
d) dimR = 3 porque os tres vetores unitarios 0 , 1 , 0 , con

0
0
1
stitui uma base para o R3 .
e) dimRn = n porque os vetores unitarios {e1 , e2 , , en } em Rn formam uma
base.
f ) O conjunto {1, x, x2 , , xn } e uma base para o espaco vetorial dos polinomios
de grau menor ou igual a n.
g) W1 W1 + W2
27. Justifique porque podemos extrair uma base para um espaco vetorial V a partir de
um conjunto de vetores nao nulos que geram V.

112

28. Justifique porque se n vetores geram um espaco vetorial V qualquer conjunto com
mais de n vetores de V sao LI.
29. Sejam u = (2, 1, 1), v = (0, 1, 1) e w = (2, 1, 3). Mostre que span{u + w, v w}
span{u, v, w}.
30. Qual a condicao para que W1 = W1 + W2 ?

113

Captulo 8
Transformaco
es Lineares

8.1

Definic
ao e Teoremas

Defini
c
ao 8.1 Sejam U e V dois espacos vetoriais sobre um mesmo corpo F. Uma
transformac
ao linear T de U em V e uma aplicac
ao T : U V tal que, para todos vetores
u e v de U e todo escalar a do corpo F, tenha-se:
1. T(u+v)=T(u)+T(v)
2. T(au)=aT(u)
As condicoes da definicao 8.1 podem ser condensadas para
T (au + bv) = aT (u) + bT (v)
para todo b F.
Exemplo 1: T : R2 R2 definida por T (x, y) = (x y, 2x + y) e uma transformacao
linear do R2 no R2 .
Prova:
(1) Deve-se mostrar que T (u + v) = T (u) + T (v) vale para todos u, v R2 .
Sejam u = (x1 , y1 ) e v = (x2 , y2 ) vetores do R2 .

T (u + v) = T (x1 , y1 ) + (x2 , y2 ) = T (x1 + x2 , y1 + y2 ) =

T (u + v) = (x1 + x2 ) (y1 + y2 ), 2(x1 + x2 ) + (y1 + y2 ))

114

T (u + v) = (x1 + x2 y1 y2 , 2x1 + 2x2 + y1 + y2 )

T (u + v) = (x1 y1 + x2 y2 , 2x1 + y1 + 2x2 + y2 )
T (u + v) = (x1 y1 , 2x1 + y1 ) + (+x2 y2 , 2x2 + y2 )
T (u + v) = T (u) + T (v)
(2) Deve-se mostrar que T (au) = aT (u) vale para todo u R2 e para todo a R.
Sejam u = (x1 , y1 ) R2 e a R.

T (au) = T a(x1 , y1 ) = T (ax1 , ay1 )

T (au) = (ax1 ay1 , 2ax1 + ay1 )
T (au) = a(x1 y1 , 2x1 + y1 )
T (au) = aT (u)
Exemplo 2: Considere uma matriz Amn sobre o corpo dos reais e X uma matriz
coluna n 1, que podemos identificar como um vetor do Rn . A aplicacao T : Rn Rm
dada por T (x) = Ax e uma transformacao linear.
Prova:
(1) Deve-se mostrar que T (u + v) = T (u) + T (v) vale para todos u, v Rn .
Sejam u e v vetores do Rn .
T (u + v) = A(u + v) = Au + Av = T (u) + T (v)
(2) Deve-se mostrar que T (au) = aT (u) vale para todo u Rn e para todo a R.
Sejam u Rn e a R.
T (au) = A(au) = a(Au) = aT (u)
Exemplo 3: Seja Pn (x) o espaco vetorial dos polinomios de grau menor ou igual a n e
dp(x)
T : Pn (x) Pn (x) definida por T (p(x)) =
e uma transformacao linear.
dx
Prova:
d(u + v)
du dv
(1) Tome u, v Pn (x) entao T (u + v) =
=
+
= T (u) + T (v)
dx
dx dx
du
d(au)
=a
= aT (u).
(2) Tome u Pn (x) e a R entao T (au) =
dx
dx
Exemplo 4: Seja V = C[0, 1] o espaco vetorial
das funcoes contnuas no intervalo [0, 1]
Z
1

e T : C[0, 1] R definida por T (f (x)) =

V = C[0, 1] em R.

f (x)dx. T e uma transformacao linear de

0

Prova:
Exemplo 5: A simetria de eixo Ox definida por T : R2 R2 tal que T (x, y) = (x, y)

115

e linear.
Prova:
Exemplo 6: A rotacao no sentido anti-horario definida por T : R2 R2 tal que
T (x, y) = (xcos() ysen(), xsen() + ycos()) e uma transformacao linear do R2 no
R2 .
Prova:
Exemplo 7: A aplicacao T : R2 R2 dada por T (x, y) = (x + y, y + 1) nao e linear.
Prova:
Exemplo 8: A aplicacao T : R2 R2 dada por T (x, y) = (x2 , y) nao e linear.
Prova:

Teorema 8.2 Se T : U V e linear, entao

T (a1 v1 + a2 v2 + + an vn ) = a1 T (v1 ) + a2 T (v2 ) + + an T (vn ) ,
para quaisquer vetores v1 , v2 , , vn V e escalares a1 , a2 , , an R.

Prova: Como T e linear escreve-se T (a1 v1 + a2 v2 + + an vn ) = T (a1 v1 ) + T (a2 v2 ) +

+ T (an vn ) e agora, novamente pela linearidade de T , T (a1 v1 + a2 v2 + + an vn ) =
a1 T (v1 ) + a2 T (v2 ) + + an T (vn ).

Teorema 8.3 Se T : U V e linear, entao

T (0) = 0 .

Prova:
Como T e linear entao T (au) = aT (u), para todo a R.
Fazendo a = 0 vem:
T (0u) = 0T (u) logo T (0) = 0.

116

Teorema 8.4 Sejam U e V dois espacos vetoriais sobre um mesmo corpo F. Sejam
{u1 , u2 , , un } uma base de U e v1 , v2 , , vn vetores quaisquer de V. Entao existe uma
u
nica transformac
ao linear T : U V tal que T (u1 ) = v1 , T (u2 ) = v2 , , T (un ) = vn .
E se u = a1 u1 + a2 u2 + + an un , T e dada por
T (u) = a1 T (u1 ) + a2 T (u2 ) + + an T (un )
T (u) = a1 v1 + a2 v2 + + an vn
Prova:
Existem 3 tens para serem provados, que sao:
i) T e linear (Linearidade).
Para isto tome u = a1 u1 + a2 u2 + + an un , w = b1 u1 + b2 u2 + + bn un vetores de U e
a R.

T (u + w) = T (a1 u1 + a2 u2 + + an un ) + (b1 u1 + b2 u2 + + bn un )

T (u + w) = T (a1 + b1 )u1 + (a2 + b2 )u2 + + (an + bn )un

T (u + w) = (a1 + b1 )v1 + (a2 + b2 )v2 + + (an + bn )vn
T (u + w) = a1 v1 + a2 v2 + + an vn + b1 v1 + b2 v2 + + bn vn
T (u + w) = T (u) + T (w).

T (ku) = T (ka1 u1 + ka2 u2 + + kan un )

T (ku) = ka1 T (u1 ) + ka2 T (u2 ) + + kan T (un )

T (ku) = k a1 T (u1 ) + a2 T (u2 ) + + an T (un )

T (ku) = kT (u).
ii) T e u
nica (Unicidade).
Suponha que exista S : U V tal que S(ui ) = vi .
Se u = a1 u1 + a2 u2 + + an un entao
S(u) = S(a1 u1 + a2 u2 + + an un ) = a1 S(u1 ) + a2 S(u2 ) + + an S(un ) = a1 v1 + a2 v2 +
+ a n vn =
= a1 T (u1 ) + a2 T (u2 ) + + an T (un ) = T (a1 u1 + a2 u2 + + an un ) = T (u)
Como S(u) = T (u) para todo u U, S = T , logo T e u
nica.
iii) T (u) = a1 v1 + a2 v2 + + an vn (Existencia).
Imediato a partir do teorema 8.2.

117

Exemplo 1: Qual a transformacao linear T : R2 R3 tal que T (1, 0) = (1, 2, 1) e

T (0, 1) = (2, 1, 3)
Solucao:
Tome v = (x, y) R2 . Como = {(1, 0), (0, 1)} a base canonica do R2 entao v = (x, y) =
x(1, 0) + y(0, 1).

T (v) = T x(1, 0) + y(0, 1)

T (v) = xT (1, 0) + yT (0, 1) = x(1, 2, 1) + y(2, 1, 3)
T (v) = (x 2y, 2x + y, x + 3y)
Exemplo 2: Qual a transformacao linear T : R2 R3 tal que T (1, 1) = (3, 2, 1) e
T (0, 2) = (2, 1, 3)
Solucao:
Tome v = (x, y) R2 . Como = {(1, 1), (0, 2)} e uma base do R2 , entao:
(x, y) = a(1, 1) + b(0, 2).

x=a
a=x

y = a 2b
b = xy

(x, y) = x(1, 1) +

xy
(0, 2)
2

Calculando T (v) = T (x, y)

T (v) = T (x, y) = T (x(1, 1)) + T ( xy
(0, 2))
2
T (v) = T (x, y) = xT (1, 1) +

xy
T (0, 2))
2

T (v) = T (x, y) = x(3, 2, 1) +

xy
(2, 1, 3)
2

T (v) = T (x, y) = (3x x + y, 2x +

xy
,x
2

+ 3 xy
)
2

, 5x3y
).
T (v) = T (x, y) = (2x + y, 5xy
2
2

8.2

O espaco vetorial L(U, V)

Defini
c
ao 8.5 O conjunto L(U, V) e o conjunto formado por todas as transformac
oes
lineares de U em V.

8.2.1

Operac
oes em L(U, V)

Dados os espacos vetoriais U e V definidos sobre um mesmo corpo F, defini-se:

118

1. Adicao de transformacoes lineares:

Sejam S e T transformacoes lineares de U em V, entao :
(S + T )(v) = S(v) + T (v)
2. Multiplicacao de transformacao por um escalar:
Dada uma transformacao linear de U em V e a F, entao:
(aT )(v) = a.T (v)

Teorema 8.6 Com as operac

oes + e . definidas anteriormente, o conjunto L(U, V) de
todas as transformac
oes lineares de U em V torna-se um espaco vetorial.

8.3

N
ucleo e Imagem

ucleo de T , denotado por ker(T ), ao conDefini

c
ao 8.7 Seja T L(U, V), chama-se n
junto de vetores u de U tais que T (u) = 0.

Defini
c
ao 8.8 Seja T L(U, V), chama-se imagem de T , denotado por Im(T ), ao conjunto de vetores v de V que sao correspondencias de vetores de U, isto e, Im(T ) = {v
V/v = T (u)}.

Teorema 8.9 O n
ucleo de T L(U, V) e um subespaco vetorial de U.

Prova:
Inicialmente veja que ker(T ) U e tambem ker(T ) 6= , pois T (0) = 0.
(i) Sejam u e v vetores do n
ucleo de T , entao T (u) = 0 e T (v) = 0.
Como T e linear T (u + v) = T (u) + T (v) = 0 + 0 = 0, logo u + v pertence ao n
ucleo de
T.
(ii) Analogamente, se u ker(T ), a R e como T e linear T (au) = aT (u) = a0 = 0,
assim au ker(T ) e ker(T ) e subespaco vetorial de U.

119

Teorema 8.10 A imagem de T L(U, V) e um subespaco vetorial de V.

Prova:
Inicialmente veja que Im(T ) V e tambem Im(T ) 6= , pois 0 Im(T ) pelo fato de
T (0) = 0.
(i) Sejam w1 e w2 vetores da imagem de T , entao existem u1 e u2 tais que T (u1 ) = w1 e
T (u2 ) = w2 , Assim w1 + w2 = T (u1 ) + T (u2 ) = T (u1 + u2 ) o que implica que w1 + w2
Im(T ).
(ii) Analogamente, se w1 Im(T ), a R e aw1 = aT (u1 ) = T (au1 ), isto e, aw1 Im(T )
e assim Im(T ) e subespaco vetorial de V.

Defini
c
ao 8.11 Chama-se nulidade de uma transformac
ao linear, denotado por (T ), `a
dimens
ao de sua imagem.

Defini
c
ao 8.12 Chama-se posto de uma transformac
ao linear, denotado por (T ), `a
dimens
ao de seu n
ucleo.

Teorema 8.13 Seja T L(U, V), em que U possui dimensao finita, entao (T ) + (T ) =
dim(U).

Exemplo 1: Determine uma base para o n

ucleo e outra para a imagem de T L(R3 )
definido por T (x, y, z) = (x + 2y z, y + z, x + y 2z). Determine, tambem (T ) e (T ).
Como Im(T ) = {v V/v = T (u)} entao
Im(T ) = {v V/v = (x + 2y z, y + z, x + y 2z)}
v = (x + 2y z, y + z, x + y 2z) = x(1, 0, 1) + y(2, 1, 1) + z(1, 1, 2)
Entao Im(T ) e gerada por {(1, 0, 1), (2, 1, 1), (1, 1, 2)} e pelo teorema 6.10 do captulo
de espacos vetoriais,
pode-se
extrairuma base para
).
Im(T

1
1 0 1
1 0 1

Escalonando, 2 1 1 0 1 1 0

0
0 1 1
1 1 2
Assim = {(1, 0, 1), (0, 1, 1)} e uma base para Im(T ) e, a
120

1 1

0 0
nulidade de T e (T ) = 2.

Como T (u) = 0 entao

x + 2y z = 0

(x + 2y z, y + z, x + y 2z) = 0, isto e:

e escalonando
y+z =0

x + y 2z = 0

1 2 1
1 2 1
1 2 1
x = 3z

0 1 1 0 1
1 0 1 1 y = z

1 1 2
0 1 1
0 0 0
zR
logo u = (3, 1, 1)z entao o n
ucleo e gerado pelo vetor u = (3, 1, 1)
e 0 = {(3, 1, 1)} e uma base para ket(T ) e assim o posto do n
ucleo de T e (T ) = 1.
Exemplo 2: Idem para T (x, y, z) = (x, 2y, 0).

Como Im(T ) = {v V/v = T (u)} entao

Im(T ) = {v V/v = (x, 2y, 0)}
v = (x, 2y, 0) = x(1, 0, 0) + y(0, 2, 0)
e a imagem de T e gerada pelos vetores (1, 0, 0) e (0, 2, 0) que sao LI, logo, = {(1, 0, 0), (0, 2, 0)}
e uma base para im(T ).
Como T (u) = 0 entao
(x, 2y, 0) = 0, o que leva a x = 0 e y = 0 e,
0 = {(0, 0, 1)} e uma base para ker(T ).
Exemplo 3: Determine uma transformacao linear T : R3 R4 cuja imagem e gerada
pelos vetores u1 = (1, 2, 1, 1) e u2 = (3, 1, 0, 1).
Considere a base canonica {(1, 0, 0), (0, 1, 0), (0, 0, 1)} do R3 e considere agora, por exemplo, T (1, 0, 0) = (1, 2, 1, 1), T (0, 1, 0) = (3, 1, 0, 1) e T (0, 0, 1) = (0, 0, 0, 0). Lembre
que T definida desta forma e u
nica.
Como e a base canonica do R3 , (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) e T (x, y, z) =
x(1, 2, 1, 1) + y(3, 1, 0, 1) + z(0, 0, 0, 0), pelo fato de T ser linear.
Finalmente, T (x, y, z) = (x + 3y, 2x + y, x, x y).
Exemplo 4: Determine uma transformacao T : R4 R3 linear cujo n
ucleo e gerado
por u1 = (1, 0, 1, 2), u2 = (1, 1, 0, 1) e u3 = (2, 1, 0, 1).
Lembre que este exemplo ja foi visto no captulo sobre espacos vetoriais Determine um
sistema de equacoes lineares cuja solucao e gerada por um conjunto de vetores. Assim,
considere uma combinacao linear deste 3 vetores:
121

(x,
y, z, t) = a(1, 0, 1, 2) + b(1, 1, 0, 1) + c(2, 1, 0, 1)

a + b + 2c = x

b+c=y
, escalonando:

a
=
z

2a b + c = t

a
+
b
+
2c
=
x
a + b + 2c = x

b+c=y
b+c=y

b + 2c = x z
c=xyz

3b 3c = 2x + t
0 = 2x + 3y + t
E a transformacao linear pedida e T : R4 R3 tal que T (x, y, z, t) = (2x + 3y + t, 0, 0)

Defini
c
ao 8.14 Dada T L(U, V), diremos que T e injetora se dados u, v U com
T (u) = T (v) tivermos u = v, ou equivalentemente, se para todos u 6= v U tivermos
T (u) 6= T (v).

Defini
c
ao 8.15 Dada T L(U, V), diremos que T e sobrejetora se Im(T ) = V.

Defini
c
ao 8.16 Dada T L(U, V), for injetora e sobrejetora diremos que T e um isomorfismo.

Teorema 8.17 Seja T L(U, V), entao ker(T ) = {0} se e somente se T e injetora.

Prova: ()
Hipotese: ker(T ) = {0}.
Tese: T e injetora.
Sejam u1 e u2 vetores de U tais que T (u1 ) = T (u2 ), logo T (u1 ) T (u2 ) = 0 e ainda como
T e linear T (u1 u2 ) = 0 logo u1 u2 ker(T ).
Mas por hipotese o n
ucleo possui somente o vetor nulo, logo u1 u2 = 0, isto e, u1 = u2
e assim T e injetora.

()
Hipotese: T e injetora.
122

Tese: ker(T ) = 0.
Tome v ker(T ) o que implica que T (v) = 0.
E como pelo teorema 8.3 T (0) = 0 tem-se que v = 0, pelo fato de T ser injetora.

Teorema 8.18 Seja T L(U, V), entao dim(ker(T )) + dim(Im(T )) = dim(U).

Prova:
Seja = {u1 , u2 , , un } uma base para o n
ucleo de T e como por 8.9 e um subespaco
vetorial de U e pelo teorema 1.7 do captulo de espacos vetoriais pode ser completado
de modo a obter uma base para U.
Considere agora 1 = {u1 , u2 , , un , w1 , w2 , , wm } esta base para U. Deve-se mostrar
que = {T (w1 ), T (w2 ), , T (wm )} e uma base para o conjunto imagem de T .
Para mostrar que gera Im(T ), tome w Im(T ), assim existe u U tal que T (u) = w.
Como u U e 1 e base de U entao u = a1 u1 + a2 u2 + + an un + b1 w1 + + bm wm .
Mas w = T (u) = T (a1 u1 + a2 u2 + + an un + b1 w1 + + bm wm )
w = T (u) = a1 T (u1 ) + a2 T (u2 ) + + an T (un ) + b1 T (w1 ) + + bm T (wm )
Como os vetores u1 , , un pertencem ao n
ucleo de T entao T (ui ) = 0, i = 1, , n,
assim,
w = T (u) = b1 T (w1 ) + + bm T (wm ) o que diz que a imagem de T e gerada e gerada
pelos vetores T (w1 ), , T (wm ).
Agora, falta mostrar que = {T (w1 ), T (w2 ), , T (wm )} e LI e, para isto considere a
combinacao linear
a1 T (w1 ) + a2 T (w2 ) + + am T (wm ) = 0, e como T e linear, escreve-se T (a1 w1 + a2 w2 +
+ am wm ) = 0 logo a1 w1 + a2 w2 + + am wm ker(T ).
Entao a1 w1 + a2 w2 + + am wm pode ser escrito com combinacao linear da base =
{u1 , u2 , , un } de ker(T ), isto e, existem coeficientes b1 , b2 , , bn tais que:
a1 w1 + a2 w2 + + am wm = b1 u1 + b2 u2 + + bn un e ainda
a1 w1 + a2 w2 + + am wm b1 u1 b2 u2 bn un = 0
Mas {w1 , w2 , , wm , u1 , u2 , , un } e uma base de U, logo os coeficientes ai e bj , i
1, 2, , m, j = 1, 2, , n sao nulos e, = {T (w1 ), T (w2 ), , T (wm )} e LI.

123

Corol
ario 8.19 Se dim(U) = dim(V), entao T e injetora se e somente se T for sobrejetora.

Prova:
Se T e injetora pelo teorema 8.17 ker(T ) = {0}, assim, dim(ker(T )) = 0 e pelo
teorema 8.18 dim(im(T )) = dim(U ), que por hipotese dim(im(T )) = dim(V ), logo T e
sobrejetora.

Se T e sobrejetora entao dim(im(T )) = dim(V ), logo pela hipotese dim(im(T )) = dim(U )

e pelo teorema 8.18 vem que dim(ker(T )) = 0, assim ker(T ) = {0} e T e injetora.

Corol
ario 8.20 Seja T L(U, V) injetora. Se dim(U) = dim(V), entao T leva base em
base.

Prova:
Seja = {u1 , u2 , , un } uma base para U.
O conjunto {T (u1 ), T (u2 ), , T (un )}, T (ui ) V, e LI pois, se b1 T (u1 ) + b2 T (u2 ) + +
bn T (un ) = 0 e, pelo fato de T ser linear tem-se T (b1 u1 ) + T (b2 u2 ) + + T (bn un ) = 0 e
ainda T (b1 u1 + b2 u2 + + bn un ) = 0 logo b1 u1 + b2 u2 + + bn un = 0 entao, por {vi }
ser LI vem que bi = 0.
Mas pela hipotese dim(U) = dim(V) entao dim(V) = n e T (ui ) e LI.

ao linear T : U V, tal que T (u) = v, sera inversvel se

Defini
c
ao 8.21 A transformac
for um isomorfismo e se possuir um operador inverso, isto e, se existir T 1 : V U tal
que T 1 (v) = u.

Exemplo. Seja T : R3 R3 definida por T (x, y, z) = (x 2y, z, x + y). prove que T e

um isomorfismo e determine T 1 .
Solucao:
Utilizando o corolario 8.21, para provar que T e um isomorfismo basta mostrar que T e
injetora, isto e, ker(T ) = {0} ou ainda, (x 2y, z, x + y) = (0, 0, 0).
124

x 2y = 0

Resolvendo o sistema homogeneo de equacoes lineares

, vem x = y = z = 0,
z=0

x+y =0
logo T e um isomorfismo.
Para determinar T 1 , basta lembrar que se:
T :UV

T 1 : V U

(x, y, z) (x 2y, z, x + y)
(x 2y, z, x + y) (x, y, z)
entao basta fazer (x 2y, z, x + y) = (u, v, w) e calcular x, y e z em funcao de u, v e w,
isto e, resolver o sistema:

e se obtem:

assim

x 2y = u

z=v

x+y =w

x = u+2w

wu
y= 3

z=v

T 1 : R3 R3

.
wu
(u, v, w) ( u+2w
,
,
v)
3
3
Resolva este exemplo novamente, aplicando o teorema 8.4 a partir da base canonica do
R3 , resumidamente:
O conjunto imagem de T e Im(t) = {T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)} que pelo corolario
8.20 e uma base, confirme, entao escreva (x, y, z) como combinacao linear de Im(T ) para
obter T 1 .

8.4

Transformaco
es lineares e matrizes

Sabe-se que T : Rn Rm dado por T (v) = Av e uma transformacao linear, em que

Amn . Veremos a seguir que se T L(U, V) pode ser representado por uma matriz. Sendo
U e V sao espacos vetoriais de dimensao finita.
Sejam = {u1 , u2 , , un } e 0 = {v1 , v2 , , vm } bases ordenadas para U e V,
respectivamente.

125

Se T : Rn Rm escreve-se
T (u1 ) = a11 v1 + a21 v2 + + am1 vm
T (u2 ) = a12 v1 + a22 v2 + + am2 vm
..
.

(8.1)

T (un ) = a1n v1 + a2n v2 + + amn vm

ou simplificadamente T (uj ) =

m
X

aij vi , j = 1, 2, , n, e o teorema 8.4 garante que a

i=1

transformacao T esta perfeitamente definida pelos escalares aij .

0

A transposta da matriz dos coeficientes do sistema 8.1, denotada por [T ] e chamada

matriz representativa da transformacao T em relacao `as bases e 0 .

a11 a1n

..
..
0
[T ] = .
. =A

am1 amn
Exemplo 1: Seja T : R3 R2 tal que T (x, y, z) = (2x + y z, 3x 2y + 4z). Sejam
0

= {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e 0 = {(1, 0), (0, 1)}. Determine [T ] .
Calculando a imagem dos vetores da base .
T (1, 0, 0) = (2, 3) = 2(1, 0) + 3(0, 1)
T (0, 1, 0) = (1, 2) = 1(1, 0) 2(0, 1)
T (0, 0, 1) = (1,
4) = 1(1, 0)+ 4(0, 1)
0

Assim [T ] =

3 2

Exemplo 2: Seja T : R3 R2 tal que T (x, y, z) = (2x + y z, 3x 2y + 4z). Sejam

0

= {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e 0 = {(1, 3), (1, 4)}. Determine [T ] .
Veja que a transformacao linear e a mesma do exemplo anterior, mas as bases sao diferentes, o que ira originar uma matriz diferente.
Calculando a imagem dos vetores da base e ja escrevendo como combinacao linear dos
vetores de 0 .
T (1, 1, 1) = (2, 5) = 3(1, 3) 1(1, 4)
T (1, 1, 0) = (3, 1) = 11(1, 3) 8(1, 4)
T (1, 0, 0) = (2, 3) = 5(1, 3) 3(1, 4)
126

Assim [T ] =

11

1 8 3

Exemplo 3: Dadas as bases = {(1, 1), (0, 1)} do R2 e 0 = {(0, 3, 0), (1, 0, 0), (0, 1, 1)}
do R3 . determinea transformacao linear T : R2 R3 cuja matriz representativa e
0 2

0
[T ] = 1 0 .

1 3
T (1, 1) = 0(0, 3, 0) 1(1, 0, 0) 1(0, 1, 1) = (1, 1, 1)
T (0, 1) = 2(0, 3, 0) + 0(1, 0, 0) + 3(0, 1, 1) = (0, 9, 3)
para determinar T (x, y) deve-se escrever (x, y) como combinacao linear dos vetores de ,
isto e: (x, y) = x(1, 1) + (y x)(0, 1)
Calculando a imagem de (x, y)
T (x, y) = T (x(1, 1) + (y x)(0, 1)) = xT (1, 1) + (y x)T (0, 1)
T (x, y) = x(1, 1, 1) + (y x)(0, 9, 3)
T (x, y) = (x, 9y 10x, 3y 4x)
Teorema 8.22 Sejam U e V espacos vetoriais, base de U, 0 base de V e T : U V
linear. Entao para todo u U tem-se
[T (u)] 0 = [T ] 0 [u] .
oes lineares e , e
Teorema 8.23 Sejam T1 : V W e T2 : W U transformac
bases de V, W e U, respectivamente. Entao a transformac
ao composta de T1 com T2 ,
T2 T1 : V U e linear e dada por
[T2 T1 ] = [T2 ] [T1 ] .
Exemplo: Sejam as transformacoes lineares pertencentes a L(R2 , R2 ), dadas por S(x, y) =
(x, x + 2y) e T (x, y) = (y, 2x y). Calcular:
a) ST
(ST )(x, y) = S(T (x, y)) = S(y, 2x y) = (y, y + 4x 2y) = (y, 4x y)
b) T S
(T S)(x, y) = T (S(x, y)) = T (x, x + 2y) = (x + 2y, 2x x 2y) = (x + 2y, x 2y)
127

c) S 2
(SS)(x, y) = S(S(x, y)) = T (x, x + 2y) = (x, x + 2x + 4y) = (x, 3x + 4y)
d) T 2
(T T )(x, y) = T (T (x, y)) = T (y, 2x y) = (2x y, 2y 2x + y) = (2x y, 2x + 3y)
2
3
3
2
Exemplo: Sejam as transformacoes
linearesT1 : R R e T2 : R R cujas

1 0

0
1
1

, em relacao
matrizes representativas sao [T1 ] = 1 1 e [T2 ] =

0 0 0
0 1
`as bases = {(1, 0), (0, 2)}, = {( 13 , 0, 3), (1, 1, 15), (2, 0, 5)} e = {(2, 0), (1, 1)}.
2
Determine a composta T2 T
R2 .
1 : R

1 0

1 2
0 1 1
1 1

[T2 T1 ] =
=

0 0 0
0 0
0 1
Escrevendo
agora as coordenadas do vetor v = (x, y) em relacao `a baes . [(x, y)] =

y
2

e utilizando o teorema

8.23, vem:

xy
1 2
x

=
[(T2 T1 )(x, y)] =
y
0
0 0
2
Finalmente, (T2 T1 )(x, y) = (x y)(2, 0) + 0(1, 1) = (2x 2y, 0).

8.5

Exerccios

1. Verifique se as seguintes transformacoes T sao lineares.

a) T : R2 R2 dada por T (x, y) = (x y, 2x + 3y)
b) T ; R3 R tal que T (x, y, z) = x y + z 1
c) T : R3 R2 definida por T (x, y, z) = (xy, yz)
d) T : R2 R3 onde T (x, y) = (|x|, y, x y)
2. Seja V o espaco vetorial das matrizes quadradas n n sobre o corpo dos reais. Seja
M uma matriz arbitraria em V, seja tambem T : V V definida por T (A) =
AM + M A, sendo A V. Mostre que T e linear.
128

3. Seja D22 uma matriz diagonal real. Mostre que a aplicacao dada por T (A) =
DA AD, para A22 e um operador linear sobre R22 .
4. Determine T (x, y) sendo T : R2 R3 dada por T (1, 2) = (3, 1, 5), T (0, 1) =
(2, 1, 1).
5. Determine T (x, y, z) sendo T : R3 R dada por T (1, 1, 1) = 3, T (0, 1, 2) = 1 e
T (0, 0, 1) = 2.

6. Determine o operador linear T : R22 R22 tal que T

0 1

0 0

0 0

.
1 1

1 0
1 0

, T

0 0

1 0

1 0
0 1

1 0

0 1

eT

1 2

1 1
!
0 0

=
0 1

ucleo e uma
7. Para as seguintes transformacoes lineares determine uma base para o n
base para a imagem.
a) T : R3 R3 onde T (x, y, z) = (x + 2y, y z, x + 2z)
b) T : R3 R2 onde T (x, y, z) = (x + y, y + z)
8. Dado o operador linear T : P2 (x) P2 (x), tal que T (ax2 + bx + c) = (a + 2b)x + c,
verifique:
a) v = 4x2 + 2x 2 pertence ao n
ucleo de T ?
b) x2 + 2x + 1 e um vetor da imagem de T ?
c) Determine uma base para ker(T ).
d) Determine uma base para Im(T ).
(e) T e injetora?
(f ) T e sobrejetora?
9. Determine uma transformacao linear T : R3 R3 , cuja imagem seja gerada pelos
vetores (1, 2, 3) e (4, 5, 6).
10. Determine uma transformacao linear T : R4 R3 , cujo n
ucleo e gerado pelos
vetores (1, 2, 3, 4) e (0, 1, 1, 1).
129

11. Mostre que cada um dos seguintes operadores T sobre o R3 e inversvel e determine
T 1 (x, y, z).
a) T (x, y, z) = (x 3y 2z, y 4z, z)
b) T (x, y, z) = (x + z, x z, y)
12. Classifique as seguintes afirmacoes como verdadeiras ou falsas. Caso verdadeira
justifique, caso falsa de um contra-exemplo.
a) Se T : U V e linear e e uma base U entao {T ()} e base para V.
b) T2 T1 = T1 T2
c) Se a matriz representativa de T : U V, com U e V de dimensao finita, e nao
singular entao ker(T ) = {0}.
d) Se a matriz representativa de T : U V, com U e V de dimensao finita, e nao
singular entao T e sobrejetora.
(e) dim(Im(T )) dim(V ), para T L(U, V).
(f ) Se T L(U, V) e sobrejetora entao dim(V ) dim(U).
13. Para quais valores de m, o operador linear T (x, y, z) = (x+y, x2yz, x+y+mz)
e inversvel?
14. Determine a matriz representativa, da transformacao linear T (x, y) = (x + y, x y)
sobre as bases canonicas.
15. Determine a matriz representativa, da transformacao linear T (x, y) = (x + y, x y)
sobre as bases = 0 = {(1, 2), (0, 1)}.
16. Determine a matriz representativa, da transformacao linear T (x, y, z, t) = (x y +
z, 2x+zt, x+y+t) sobre as bases = {(1, 0, 0, 1), (1, 1, 0, 1), (0, 1, 0, 1), (1, 0, 1, 0)}
e 0 = {(1, 1, 1), (1, 0, 2), (0, 1, 0)}.
17. Dado o operador linear T : R3 R3 tal que T (1, 0, 2) = (3, 1, 4), T (0, 1, 1) =
(1, 0, 1) e T (1, 1, 3) = (4, 3, 5). Determine uma base para a imagem de T e uma
base para o n
ucleo de T .

130

Captulo 9
Autovalores e autovetores

9.1

Definic
ao

Defini
c
ao 9.1 Dado T L(V, V), R sera um autovalor associado ao autovetor

v V, v 6= 0 se
T (v) = v

(9.1)

Geometricamente, esta definicao, diz que em relacao a transformacao dada por T : Rn

Rn , os autovetores somente terao uma mudanca em sua norma, isto e, T (v) possui a
mesma direcao de v. O autovalor tem a propriedade de esticar ou encolher o vetor v,
quando transformado por T , conforme pode ser visto na figura 9.1.

T(v)
v

Figura 9.1: interpretacao geometrica dos autovetores

1

Os autovalores tambem, em geral, sao chamados de valores caractersticos ou valores proprios e os

autovetores de vetores caractersticos ou vetores proprios.

131

Exemplo 1: Determine os autovalores e autovetores do operador linear, reflexao em

torno do eixo Oy, T : R2 R2 dado por T (x, y) = (x, y).
A determinacao dos autovalores e autovetores e feita pela resolucao da equacao T (v) = v,
assim:
(x, y) = (x, y) o que leva ao sistema

x=0
x = x x(1 + ) = 0
= 1
y = y
Substituindo = 1 na segunda equacao do sistema, vem, y = 0 e assim, 1 = 1 e um
autovalor associado ao autovetor v1 = (x, 0), x 6= 0, ou somente v1 = (1, 0).
Da segunda equacao do sistema tem-se:
y = y y(1 ) 0

y=0

=1
Substituindo = 1 na primeira equacao do sistema, vem, x = 0 e assim, 2 = 1 e um
autovalor associado ao autovetor v2 = (0, y), y 6= 0, ou somente v2 = (0, 1).
Exemplo 2: Determine os autovalores e autovetores do operador linear T : R2 R2
dado por T (x, y) = (x + y, 3y).
Usando a equacao T (v) = v, tem-se:
(x + y, 3y) = (x, y) o que leva ao sistema

x + y = x
y=0
3y = y
y(3 ) = 0
= 3.
Voltando na primeira equacao do sistema com y = 0, vem:
x + 0 = x x(1 ) = 0 que implica em
1. x = 0, nao e solucao pois um autovetor nao pode ser o vetor nulo.
2. = 1 leva em x R, logo 1 = 1 e um autovalor associado ao autovetor v1 = (x, 0),
x 6= 0, ou somente v1 = (1, 0).
Voltando, agora, na primeira equacao do sistema com = 3, vem:
x + y = 3x y = 2x, assim 2 = 3 e um autovalor associado ao autovetor v2 = (x, 2x),
x 6= 0, ou v2 = (1, 2).
Exemplo 3: Determine os autovalores e autovetores do operador linear, rotacao de 90o
132

em torno da origem, T : R2 R2 dado por T (x, y) = (y, x).

Aplicando a definicao de autovalores e autovetores T (v) = v, vem:
(y, x) = (x, y) o que leva ao sistema

y = x
x = (x) x(1 + 2 ) = 0
x = y

x=0

y=0 .

Logo T nao possui autovalores e autovetores.

Teorema 9.2 Dado T L(V, V) e um autovalor associado ao autovetor v entao qualquer vetor w = v tambem e um autovetor associado ao autovalor .

Prova:
Deve-se mostrar que T (w) = w, assim,
T (w) = T (v)
T (w) = T (v), mas como v e um autovetor T (v) = v, entao:
T (w) = (v)
T (w) = (v)
T (w) = (w)

9.2

Autovalores e autovetores de uma matriz

Defini
c
ao 9.3 Dada uma matriz quadrada Ann sobre um corpo F, diz-se que um escalar
F e um vetor xn1 6= 0 satisfazendo a
Ax = x

(9.2)

, sao chamados autovalores e autovetores de A, respectivamente, e o par (, x) e chamado

de autopar para A. O conjunto de todos os autovalores, denotado por (A) e chamado de
espectro de A.

Teorema 9.4 Seja uma matriz quadrada Ann sobre um corpo F. Entao as seguintes
afirmac
oes sao equivalentes:
133

(i) (A).
(ii) A I e singular. (nao inversvel).
(iii) det(A I) = 0

Prova:
Se pertence ao espectro de A, (A), entao e um autovalor de A, ou seja,
Ax = x
Ax x = 0
det(A I) = 0
que e um sistema linear homogeneo e como x 6= 0 este sistema deve ter solucoes nao nulas,
isto e, deve se possvel e indeterminado que implica em A I singular. Se A I e
singular ja foi mostrado que det(A I) = 0.

Exemplo 1: Determine os autovalores e autovetores da matriz A =

7 4
5 2

Utilizando o tem (iii) do teorema

10.4
= 0,

det(A
I)

7 4
1 0
7
4

) = det
=0
p() = det(A I) = det(
5 2
0 1
5
2
2
p() = 5 + 6 = 0 , entao 1 = 2 e 2 = 3 sao os autovalores de A.
Voltando com 1 = 2 e 2 = 3 em 9.2, ou equivalentemente, em (A I)x = 0 teremos
os autovetores de A.
Para
1 = 2,

7
4
x = 0

5
2

5 4

5 4

x
y

=0

5 4
0

x
y

=0

5x 4y = 0

Entao v1 = (4y, 5y), y 6= 0 e um autovetor de A associado ao autovalor 1 = 2, ou

v1 = (4, 5).
Agora
para 2 = 3,tem-se:

7
4
x = 0

5
2
134

4 4
5 5

x
y

=0

4 4
0

x
y

=0

4x 4y = 0

Entao v2 = (x, x), x 6= 0 e um autovetor de A associado ao autovalor 2 = 3, ou v2 = (1, 1).

9.3

Polin
omio caracterstico

9.4

Definic
ao

omio p() = det(A I) e

Defini
c
ao 9.5 Dada uma matriz quadrada Ann , o polin
chamado polin
omio caracterstico de A.

Observacoes:
O polinomio caracterstico de Ann e p() = det(A I).
O grau de p() e igual a n.
A equacao caracterstica de Ann e p() = det(A I) = 0.
Oa autovalores de A sao as solucoes da equacao caracterstica, ou equivalentemente,
as razes do polinomio caracterstico.
Se a matriz A e formada somente por n
umeros reais e possui um autovalor complexo
entao tambem e autovalor de A.

9.5

Diagonalizac
ao

Defini
c
ao 9.6 Diz-se que um operador linear T : V V e diagonaliz
avel se puder ser
representado por uma matriz diagonal D.

Teorema 9.7 Autovetores associados a autovalores distintos sao linearmente independentes.

135

Prova:
A prova sera feita por inducao sobre n. Se n = 1, entao v1 e LI, porque v1 6= 0.
Suponha n > 1 e
a1 v1 + a2 v2 + + an vn = 0 ,

(9.3)

em que ai sao escalares.

Aplicando T na sentenca 9.3, vem:
T (a1 v1 + a2 v2 + + an vn ) = T (0)
a1 T (v1 ) + a2 T (v2 ) + + an T (vn ) = 0
Mas por hipotese T (vi ) = i vi , logo
a1 1 v1 + a2 2 v2 + + an n vn = 0

(9.4)

Agora multiplicando 9.3 por n , resulta

a1 n v1 + a2 n v2 + + an n vn = 0, que subtraido de 9.4, fornece:
a1 (1 n )v1 + a2 (2 n )v2 + + an1 (n1 n )vn1 = 0
Supondo, por inducao, que v1 , v2 , , vn1 sao LI, vem que os coeficientes a1 (1 n ), a2 (2
n ), , an1 (n1 n ) sao nulos.
Como os autovalores i sao distintos, i n 6= 0, para i 6= n. Logo a1 = a2 = = an =
0.
Levando este resultado em 9.3, vem que an vn = 0 e assim an = 0.
Provando, assim, que os vetores ui sao LI.

Corol
ario 9.8 Seja V um espaco vetorial de dimensao n e T L(V, V) com n autovalores distintos, entao V possui uma base formada por autovetores.
Teorema 9.9 Se A e uma matriz diagonalizavel entao e semelhante

a uma matriz D,

com P 1 AP = D, cujos elementos diagonais sao os autovalores de A, enquanto P e uma

matriz cuja colunas sao, respectivamente, os n autovetores LI.
2

Uma A e semelhante uma matriz B se existir uma matriz P inversvel tal que A = P 1 BP e a

semelhanca goza das seguintes propriedades: A e semelhante a A, Se B e semelhante a A ent

ao A e
semelhante a B e se A e semelhante a B e B e semelhante a C entao A e semelhante a C.

136

Teorema 9.10 Se A e uma matriz simetrica real entao existe uma matriz ortogonal P tal
que P 1 AP = D e diagonal.

Defini
c
ao 9.11 Diz-se que um operador linear T : V V e diagonalizavel se V possuir
uma base de autovetores.

Exemplo 1: Mostre que a matriz A =

matriz inversvel P tal que P

2 4
AP e diagonal.

e diagonalizavel e determine uma

Inicialmente deve-se determinar os autovalores e os autovetores de A.

det(A I) = 0

=2
1

1
1
= 0 (1 )(4 ) + 2 = 0 2 5 + 6 = 0

=3
2 4
2
Assim pelo teorema 9.8 tem-se que A e diagonalizavel.
Para 1 = 2,

12
1
x
1 1
x

= 0
= 0 x = y e,
2 4 2
y
2 2
y
v1 = (1, 1) e o autovetor associado ao autovalor 1 = 2.
Para 2 = 3,

2 1
x
13
1
x
= 0 y = 2x e,

= 0
2 1
y
2 4 3
y
v1 = (1, 2) eo autovetor
ao
autovalor 2 = 3.
associado

1 1
2 0
eD=
e pelo teorema 9.9 vem que P 1 AP = D.
Entao P =
1 2
0 3
Entenda esteresultadocomo: O operador linear em relacao a base canonica e dado pela
matriz A =

2 4

e em relacao `a base de autovetores = {(1, 1), (1, 2)} o operador

e representado pela matriz diagonal D =

2 0
0 3

137

0 0 0

Exemplo 2: Mostre que a matriz A = 0 1 0 e diagonalizavel e determine uma

1 0 1
matriz inversvel P tal que P 1 AP e diagonal.
e os autovetores de A.

Determinando os autovalores

0
0
0

1 = 0

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

= =1
2
3

1
0
1
Para
1 = 0,
00
0
0

0
10
0

1
0
10

x = z
y=0

x
0 0 0
x

y = 0 0 1 0 y = 0

z
1 0 1
z

v1 = (1, 0, 1) e o autovetor associado ao autovalor 1 = 0.

Para 2 = 3 = 1,

01
0
0

0
11
0

1
0
11

x=0
y, z R

x
1 0 0
x

y = 0 0 0 0 y = 0

z
1 0 0
z

v2 = (0, 1, 0) e v3 = (0, 0, 1) sao autovetores LI associados ao autovalor 2 = 1.

Exemplo 3: Mostre que a matriz P =

1
3

2
3

2
3

2
3

1
3

2
3

2
3

2
3

1
3

diagonaliza a matriz simetrica

7 2 0

A = 2 6 2

0 2 5

9.6

Exerccios

1. Seja A uma matriz n n e seja T : V W uma transformacao linear cuja matriz

T em relacao `as bases e 0 de V e W, respectivamente, e A. Justifique porque as
138

seguintes afirmacoes sao equivalentes:

i. A e inversvel;
ii. Ax = b tem uma u
nica solucao, para todo b Rn ;
iii. Ax = 0 somente admite a solucao trivial;
iv. ker(T ) = {0};
v. T e injetiva;
vi. Im(T ) = W;
vii. T e sobrejetiva;
viii. T e inversvel;
ix. 0 nao e autovalor de T ;
x. det(A) 6= 0.

2. Encontre todos os autovalores e autovetores de A =

uma matriz P tal que P

1 4
2 3

e apos determine

AP e diagonal.

1 3 3

3. Verifique qual das matrizes seguintes pode ser diagonalizavel: A = 3 5 3

6 6 4

3 1 1

e B = 7 5 1 .

6 6 2

4. Determine todos os autovalores e os autovetores do operador linear T : R3 R3

dada por T (x, y, z) = (2x + y, y z, 2y + 4z).

0 2
, determine B 22 .
5. Dada a matriz B =
1 1
6. Para cada uma das seguintes matrizes determine todos os autovalores e os autovetores:
139

3 1 1

a) A = 2 4 2

1 1 3

1 2 2

b) B = 1 2 1

1 1 4

1 1 0

c) C = 0 1 0

0 0 1
7. Justifique a sentenca: Os autovalores de uma matriz A sao iguais aos autovalores
da AT .
8. Utilize o Octave para calcular os autovalores e os autovetores das matrizes do
exerccio 27 do captulo de matrizes.
(i) Verifique o teorema 9.10.
(ii) Verifique a proposicao: Se uma matriz e positiva definida seus autovalores sao positivos.

9. Mostre para a matriz A =

a b

que a soma dos autovalores e igual a traco de

c d
A e o produto dos autovalores e igual ao determinante de A.

140

Captulo 10
Espacos com produto interno

10.1

Produto interno

Defini
c
ao 10.1 Seja V um espaco vetorial sobre um corpo F. Um produto interno sobre
V e uma aplicac
ao de V V sobre o corpo F, isto e, cada par de vetores v1 e v2 de V e
associado a um escalar, denotado por < v1 , v2 >, satisfazendo as seguintes propriedades:
(i) hv1 , v1 i 0 e hv1 , v1 i = 0 se e so se v1 = 0
(ii) hav1 , v2 i = ahv1 , v2 i
(iii) hv1 + v2 , v3 i = hv1 , v3 i + hv2 , v3 i
(iv) hv1 , v2 i = hv2 , v1 i
Defini
c
ao 10.2 Um espaco de dimensao finita com produto interno real e chamado de
espaco Euclidiano.
Exemplo 1: Em Rn existe um produto interno a que chamamos produto interno usual
definido por hv1 , v2 i = x1 y1 +x2 y2 + +xn yn , em que v1 = (x1 , x2 , , xn )
ou canonico. E
e v2 = (y1 , y2 , , yn ). Para o R3 este produto e conhecido por produto escalar.
Exemplo 2: Verifique que em R2 para v1 = (x1 , y1 ) e v2 = (x2 , y2 ) a aplicacao de
R2 R2 tal que hv1 , v2 i = x1 x2 y1 x2 x1 y2 + 4y1 y2 e um produto interno.
141

(i) hv1 , v1 i = h(x1 , y1 ), (x1 , y1 )i 0

hv1 , v1 i = x1 x1 x1 y1 x1 y1 + 4y1 y1
hv1 , v1 i = x21 2x1 y1 + 4y12
hv1 , v1 i = (x1 y1 )2 + 3y12 0
e hv1 , v1 i = (x1 y1 )2 + 3y12 = 0 se e so se x1 = y1 = 0
(ii) hav1 , v2 i = ha(x1 , y1 ), (x2 , y2 )i
hav1 , v2 i = h(ax1 , ay1 ), (x2 , y2 )i
hav1 , v2 i = ax1 x2 ay1 x2 ax1 y2 + a4y1 y2
hav1 , v2 i = a(x1 x2 y1 x2 x1 y2 + 4y1 y2 ) = ahv1 , v2 i
(iii) hv1 + v2 , v3 i = h(x1 , y1 ) + (x2 , y2 ), (x3 , y3 )i
hv1 + v2 , v3 i = h(x1 + x2 , y1 + y2 ), (x3 , y3 )i
hv1 + v2 , v3 i = (x1 + x2 )x3 (y1 + y2 )x3 (x1 + x2 )y3 + 4(y1 + y2 )y3
hv1 + v2 , v3 i = x1 x3 + x2 x3 y1 x3 y2 x3 x1 y3 x2 y3 + 4y1 y3 + 4y2 y3
hv1 + v2 , v3 i = (x1 x3 y1 x3 x1 y3 + 4y1 y3 ) + (x2 x3 y2 x3 x2 y3 + 4y2 y3 )
hv1 + v2 , v3 i = h(x1 , y1 ), (x3 , y3 )i + h(x2 , y2 ), (x3 , y3 )i
(iv) hv1 , v2 i = hv2 , v1 i
hv1 , v2 i = x1 x2 y1 x2 x1 y2 + 4y1 y2
hv1 , v2 i = x2 x1 x2 y1 y2 x1 + 4y2 y1
hv1 , v2 i = hv2 , v1 i
2

Exemplo 3: Seja V = Rnn . Como Rnn e isomorfo ao Rn , e natural escrever o

produto interno canonico de V = Rnn como:
n
X
hA, Bi =
Ajk Bjk
j,k

Exemplo 4: Seja V = C[0, 1] o espaco vetorial de todas

as funcoes contnuas, de variavel
Z
1

real x, no intervalo [0, 1]. Mostre que hf (x), g(x)i =

f (x)g(x)dx e um produto interno.

0

Defini
c
ao 10.3 Seja V um espaco vetorial munido de um produto interno h, i. Dois
vetores v1 e v2 de V serao chamados de ortogonais, em relac
ao a este produto vetorial, se
hv1 , v2 i = 0 e sera denotado por v1 v2
142

Propriedades:
1. 0 v para todo v V.
2. Se v1 v2 entao v2 v1 .
3. Se v1 v2 para todo v2 V entao v1 = 0.
4. Se v1 v3 e v2 v3 entao (v1 + v2 ) v3 .
5. Se v1 v2 e e um escalar entao v1 v2 .
Exemplo 1. Mostre que, em relacao ao produto interno usual do R3 os vetores u =
(1, 3, 2) e v = (1, 1, 1) sao ortogonais.
Para mostrar que dois vetores sao ortogonais basta provar que hu, vi = 0. Assim:
hu, vi = h(1, 3, 2), (1, 1, 1)i
hu, vi = 1 + 3 2 = 0

Teorema 10.4 Seja {v1 , v2 , , vn } um conjunto de vetores nao nulos dois a dois ortogonais, isto e, hvi , vj i = 0 para todo i 6= j. Entao {v1 , v2 , , vn } e linearemente
independente.

Prova:
Considere a1 v1 + a2 v2 + + an vn = 0.
Enao ha1 v1 + a2 v2 + + an vn , vi i = h0, vi i = 0 e,
ha1 v1 , vi i + ha2 v2 , vi i + + han vn , vi i = 0
a1 hv1 , vi i + a2 hv2 , vi i + + an hvn , vi i = 0
Mas, por hipotese, hvi , vj i = 0, i 6= j, entao
ai hvi , vi i = 0, que pelo fato de vi nao ser o vetor nulo leva a ai = 0, para todo i, assim o
conjunto {v1 , v2 , , vn } e LI.

Defini
c
ao 10.5 Um conjunto = {v1 , v2 , , vn } de vetores de um espaco vetorial V
ser
a uma base ortogonal para V se for base de V e hvi , vj i = 0 para todo i 6= j.
143

10.2

Coeficientes de Fourier

Seja V um espaco vetorial munido de um produto interno h, i, = {v1 , v2 , , vn }

uma base ortogonal para V e w V.
Como w V e e base entao w = a1 v1 + a2 v2 + + an vn . Calculando o produto
interno de w com vi tem-se:
ha1 v1 + a2 v2 + + an vn , vi i = a1 hv1 , vi i + a2 hv2 , vi i + + ai hvi , vi i + + an hvn , vi i
hw, vi i = ai hvi , vi i e

ai =

Defini
c
ao 10.6 Os coeficientes ai =

hw, vi i
hvi , vi i

hw, vi i
sao chamados coeficientes de Fourier.
hvi , vi i

Exemplo 1: Seja V = R2 munido do produto interno canonico e seja tambem =

{(1, 1), (1, 1)} uma base ortogonal de V, verifique. Determine as coordenadas de v =
(1, 5) em relacao `a base .
Lembre que estas coordenadas pode ser determinadas pela resolucao de (1, 5) = a(1, 1)+
b(1, 1), mas como e ortogonal estas coordenadas podem ser determinadas pelos coefihw, vi i
, assim,
cientes de Fourier ai =
hv1 , vi i
h(1, 5), (1, 1)i
1 + 5
a=
=
= 2 e,
h(1, 1), (1, 1)i
1+1
1+5
h(1, 5), (1, 1)i
b=
=
= 3 e,
h(1, 1), (1, 1)i
1+1

(1, 5) = 2(1, 1) + 3(1, 1) ou [v] =

10.3

2
3

Norma

Defini
c
ao 10.7 Seja V um espaco vetorial munido de um produto interno h, i. Chama-se
norma de um vetor v V, em relac
ao a esse produto interno, denotado por kvk, a
kvk =

p
hv, vi .
144

Exemplo 1: Determine k(1, 2)k.

p
k(1, 2)k = h(1, 2), (1, 2)i

k(1, 2)k = 1 + 4

k(1, 2)k = 5
Exemplo 2: Determine kf (x)k, sendo f (x) = 2x 1.
p
kf (x)k = hf (x), f (x)i
qR
1
f (x)f (x)dx
kf (x)k =
0
qR
1
kf (x)k =
(2x 1)(2x 1)dx
0
qR
1
(2x 1)2 dx
kf (x)k =
r 0
(2x 1)3 1
kf (x)k =

6
0
r
1
kf (x)k =
3
Exemplo 3: Determine o valor de a para que k(6, a, 3)k = 7.
p
k(6, a, 3)k = (6)2 + a2 + 32 = 7
36 + a2 + 9 = 49
a = 2

Propriedades:

Sejam V um espaco vetorial Euclidiano, v, w vetores de V e a R.

(i) kvk 0 e kvk = 0 se e so se v = 0.
(ii) kavk = |a|kvk.
(iii) |hv, wi| kvkkwk (Desigualdade de Schwarz).
(iv) kv + wk kvk + kwk (Desigualdade triangular).

Defini
c
ao 10.8 Sejam v e w dois vetores de um espaco vetorial V munido de uma norma
k.k. Chama-se distancia

entre os vetores v e w, denotado por d(v, w), a:

d(v, w) = kv wk

A distancia e chamada de metrica induzida pela norma.

145

10.3.1

Angulo
entre vetores

Defini
c
ao 10.9 Dados dois vetores u, v de um espaco Euclidiano V. O angulo entre u
e v e tal que:
cos() =

|hu, vi|
kukkvk

Exemplo 1. Determine o angulo entre os vetores u = (1, 2, 1) e v = (2, 1, 1).

|hu, vi|
cos() =
kukkvk
|h(1, 2, 1), (2, 1, 1)i|
cos() =
k(1, 2, 1)kk(2, 1, 1)k
22+1
cos() =
6 6
1
1
cos() = = arccos
6
6

1 0
0 1
ev=
.
Exemplo 2. Determine o angulo entre os vetores u =
2 2
2 2
|hu, vi|
cos() =
kukkvk
1.0 + 0.(1) + 2.2 + (2).2

cos() =
=0
1+0+4+4 0+1+4+4
= /2

Defini
c
ao 10.10 Dizemos que um vetor v de um espaco vetorial Euclidiano V esta normalizado se kvk = 1.

Defini
c
ao 10.11 Seja V um espaco vetorial Euclidiano. Uma base = {v1 , v2 , , vn }
de V ser
a chamada de base ortonormal se for ortogonal e cada vetor vi for unitario,
isto e:

0, se i 6= j
|hvi , vj i| =
1, se i = j

Exemplo 1. A base canonica = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, em relacao ao produto
interno usual, e uma base ortonormal.
Exemplo 2. Normalize a base do R2 = {(3, 4), (12, 5)}.

k(3, 4)k = 9 + 16 = 5

k(12, 5)k = 144 + 25 = 13

146

1
1
0 = { (3, 4), (12, 5)}
5
13
3
4
12 5
)}
0 = {( , ), ( ,
5 5 13 13
Exemplo 3. Determine as coordenadas do vetor v = (1, 1, 1) em relacao `a base ortonormal = {(0, 1, 0), ( 53 , 0, 45 ), ( 54 , 0, 35 )}.
v = a(0, 1, 0) + b( 35 , 0 45 ) + c( 54 , 0, 35 )
Utilizando os coeficientes de Fourier, vem:
h(1, 1, 1), (0, 1, 0)i
a=
=1
h(0, 1, 0), (0, 1, 0)i
h(1, 1, 1), ( 35 , 0, 54 )i
1/5
1
b=
=
=
3
4
3
4
1
5
h( 5 , 0, 5 ), ( 5 , 0, 5 )i
c=

h(1, 1, 1), ( 45 , 0, 35 )i
7/5
7
=
=
4
3
4
3
1
5
h( 5 , 0, 5 ), ( 5 , 0, 5 )i

Assim, [v] = (1, 1/5, 7/5)

10.4

Processo de Ortogonalizac
ao de Gram-Schmidt

Dada uma base = {v1 , v2 , , vn } de um espaco vetorial Euclidiano V, desejamos

determinar, a partir de , uma base 0 = {v10 , v20 , , vn0 } que seja ortogonal.
Consideremos inicialmente, por exemplo, v10 = v1 . Desejamos determinar a partir do
vetor v2 um vetor v20 que seja ortogonal a v10 .

Figura 10.1: Processo de Ortogonalizacao de Gram-Schmidt

Observe a partir da figura 10.1 que v2 = v20 +cv1 , em que cv1 = cv10 , isto e, v20 = v2 cv10
e como hv20 , v10 i = 0 entao
h(v2 cv10 ), v10 i = 0

147

hv2 , v10 i hcv10 , v10 i = 0

hv2 , v10 i chv10 , v10 i = 0
c=

hv2 , v10 i
hv10 , v10 i

e
v20 = v2

hv2 , v10 i 0
v
hv10 , v10 i 1

Generalizando este procedimento, vem:

v10 = v1
v20 = v2
v30 = v3

vn0 = vn

hv2 , v10 i 0
v
hv10 , v10 i 1

hv3 , v20 i 0 hv3 , v10 i 0

v
v
hv20 , v20 i 2 hv10 , v10 i 1
..
.

0
hvn , vn1
i 0
hvn , v10 i 0
v

v
0
0
hvn1
, vn1
i n1
hv10 , v10 i 1

Exemplo 1. Determine a partir de = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} uma base ortonormal para o R3 munido do produto interno usual.
No processo de ortogonalizacao de Gram-Schmidt escolha v10 = (1, 1, 1), v2 = (0, 1, 1)
e v3 = (0, 0, 1), assim:
v20

hv2 , v10 i 0
= v2 0 0 v1
hv1 , v1 i

v20 = (0, 1, 1)

h(0, 1, 1), (1, 1, 1)i

(1, 1, 1)
h(1, 1, 1), (1, 1, 1)i

0+1+1
(1, 1, 1)
1+1+1

2 2 2
0
v2 = (0, 1, 1)
, ,
3 3 3
v20 = (0, 1, 1)

v20 = (2/3, 1/3, 1/3)

hv3 , v20 i 0 hv3 , v10 i 0
v
v
hv20 , v20 i 2 hv10 , v10 i 1

2 1 1

, ,
h(0, 0, 1),
i
h(0, 0, 1), (1, 1, 1)i
2 1 1
3 3 3
0

, ,
(1, 1, 1)

v3 = (0, 0, 1)
2 1 1
2 1 1
3 3 3
h(1, 1, 1), (1, 1, 1)i
, ,
, ,
h
,
i
3 3 3
3 3 3
v30 = v3

148

v30

1/3
= (0, 0, 1)
6/9

2 1 1
, ,
3 3 3

1
(1, 1, 1)
3

v30 = (0, 0, 1) (1/3, 1/6, 1/6) (1/3, 1/3, 1/3)

v30 = (0, 1/2, 1/2)
e 0 = {(1, 1, 1), (2/3, 1/3, 1/3), (0, 1/2, 1/2)} e uma base ortogonal para R3 .
Agora para obter uma base ortonormal deve-se normalizar cada um dos vetores de 0 .
v100 =

v10
(1, 1, 1)
(1, 1, 1)

=
=
=
(
3/3,
3/3,
3/3)
kv10 k
k(1, 1, 1)k
3

v200 =

v20
(2/3, 1/3, 1/3)
(2/3, 1/3, 1/3)

=
=
=
(2/
6,
1/
6,
1/
6)
kv20 k
k(2/3, 1/3, 1/3)k
6/3

v30
(0, 1/2, 1/2)
(0, 1/2, 1/2)

=
(0,

=
=
2/2,
2/2)
kv30 k
k(0, 1/2, 1/2)k
1/ 2

e 00 = {( 3/3, 3/3, 3/3), (2/ 6, 1/ 6, 1/ 6), (0, 2/2, 2/2)} e uma base
v300 =

ortonormal para R3 .
Exemplo 2. Considere o espaco Euclidiano dos polin
omios de grau menor ou igual a 2,
Z
1

f (x)g(x)dx e a base = {1, x, x2 }

P2 (x), munido do produto interno hf (x), g(x)i =

0

de P2 (x). Ortogonalize .

No processo de ortogonalizacao de Gram-Schmidt tome v10 = 1, v2 = x e v3 = x2 .

v20 = v2

hv2 , v10 i 0
v
hv10 , v10 i 1

hx, 1i
1
h1, 1i
R1
1 xdx
v20 = x R01
1
1 1dx
0
v20 = x

v20

x2 /2|0
=x
1
x|10

v20 = x 1/2
hx2 , (x 1/2)i
hx2 , 1i
(x 1/2)
1
h(x 1/2), (x 1/2)i
h1, 1i
R1 2
R1 2
x
(x

1/2)dx
x 1dx
v30 = x2 R 1 0
(x 1/2) R0 1
1
(x

1/2)

(x

1/2)dx
1

1dx
0
0
v30 = x2

149

R1

R1 2
3
2
(x

x
/2)dx
x dx
v30 = x2 R0 1
(x 1/2) 0R 1
1
(x 1/2)2 dx
dx
0
0
v30 = x2

x4 /4 x3 /6|10
x3 /3|10
(x

1/2)

1
(x 1/2)3 /3|10
x|10

v30 = x2 1 (x 1/2)

1
1
3

v30 = x2 x + 1/6
e 0 = {1, x 1/2, x2 x + 1/6} e uma base ortogonal para P2 (x). (Confirme o
resultado.)
Exemplo 3. Utilizando o processo de ortogonalizacao de Gram-Schmidt, determine o
vetor projecao ortogonal do vetor v = (a, b, c, d), sobre o sub-espaco W R4 gerado pelos
vetores v1 = (1, 0, 0, 0), v2 = (0, 1, 1, 0) e v3 = (1, 1, 1, 1).
Inicialmente, deve-se determinar uma base ortogonal a partir de v1 , v2 e v3 .
v10 = v1 = (1, 0, 0, 0)
v20 = v2

hv2 , v10 i 0
v
hv10 , v10 i 1

v20 = (0, 1, 1, 0)
v30 = v3

h(0, 1, 1, 0), (1, 0, 0, 0)i

(1, 0, 0, 0) = (0, 1, 1, 0)
h(1, 0, 0, 0), (1, 0, 0, 0)i

hv3 , v20 i 0 hv3 , v10 i 0

v
v
hv20 , v20 i 2 hv10 , v10 i 1

1
2
v30 = (1, 1, 1, 1) (1, 0, 0, 0) (0, 1, 1, 0) = (0, 0, 0, 1)
1
2
Assim o vetor projecao de v = (a, b, c, d) sera:
proj(v) =

hv, v20 i 0
hv, v30 i 0
hv, v10 i 0
+
+
v
v
v
1
2
hv10 , v10 i
hv20 , v20 i
hv30 , v30 i 3

a
b+c
d
proj(v) = (1, 0, 0, 0) +
(0, 1, 1, 0) +
(0, 0, 0, 1)
1
2
1
proj(v) = (a,

b+c b+c
,
, d)
2
2

150

10.5

Complemento ortogonal

Defini
c
ao 10.12 Considere um espaco vetorial Euclidiano V e S um subconjunto nao
vazio de V, nao obrigatoriamente um subespaco vetorial de V. Chama-se complemento
ortogonal de S, denotado por S , ao conjunto:
S = {v V/hv, si = 0, s S} .

Propriedades:
S e um subespaco vetorial de V, independente de S ser subespaco de V ou nao.
S S = {0}
Se S for um subespaco vetorial de V entao S S = V.
Se v S entao v e ortogonal aos vetores de uma base de S.
S S
Se S1 S2 entao S2 S1
Exemplo 1. Considere o R3 munido do produto interno canonico e S = span{(1, 1, 2), (0, 1, 1)}.
Determine S .
S = {v V/hv, si = 0, s S}
Seja v S entao hv, si = 0 para todo vetor s de S.
Como S e gerado por {(1, 1, 2), (0, 1, 1)} que e LI, entao {(1, 1, 2), (0, 1, 1)} e uma base
para S e entao hv, (1, 1, 2)i = 0 e hv, (0, 1, 1)i = 0, que para V = (x, y, z) vem:

x + y + 2z = 0
x = z

y+z =0
y = z
e v = (z, z, z) logo,
S = span{(1, 1, 1)}.

151

10.6

Exerccios

1. Seja V um espaco vetorial munido de um produto interno h, i. Mostre que h0, vi = 0

para todo v V.
2. Seja h, i o produto interno usual do R2 . Determine o vetor w tal que hw, ui = 1 e
hw, vi = 3 sendo u = (1, 2) e v = (1, 1).
Z

3. Seja V = C[0, 1] munido do produto interno hf (x), g(x)i =

hf (x), g(x)i para f (x) = x2 2 e g(x) = 2x + 1.

f (x)g(x)dx. Calcule
0

4. Determine a para que os vetores f (x) = x 1 e g(x) = x + a de C[0, 1] sejam

ortogonais.
22
5. Sejam A e B duas matrizes do espaco R
munido
interno

do produto
hA, Bi =
1 0
1 1
eB=
.
tr(B T A). Determine d(A, B), sendo A =
2 1
0 2

6. Seja T : R3 R3 dada por T (x, y, z) = (z, x y, z). Determine uma base

ortonormal para o complemento ortogonal do n
ucleo de T .
7. Calcule a distancia entre os vetores u = (1, 3, 5, 7) e v = (4, 2, 8, 1) utilizando a
norma usual do R4
8. Calcule a distancia
Z 1 entre os vetores u = t + 2 e v = 3t 2 utilizando o produto
u(t)v(t)dt.
interno hu, vi =
0

9. Calcule o angulo entre os vetores:

(a) u = (1, 3, 2) e v = (2, 1, 5)
(b) u = (1, 3, 5, 4) e v = (2, 3, 4, 1)
(c) f (t) = 2t 1 e g(t) = t2 , com a norma da integral

0 1
2 1
com o produto interno hA, Bi = tr(B T A).
e B =
(d) A =
2 3
3 1
10. Utilize Gram-Schmidt para obter uma base ortonormal a partir
de:
(a) = {(1, 1, 1), (1, 0, 1), (1, 2, 3)}
152

(b) = {(1, 0, 1, 1), (0, 1, 1, 1), (0, 0, 1, 2)}

R /2
(c) = {1, sen(t)}, em que hf (t), g(t)i = 0 f (t).g(t)dt.
11. Determine
uma base ortonormal para o espaco solucao do sistema homogeneo

x+yz =0
.
2x + y + 2z = 0
12. Utilize os coeficientes de Fourier para determinar as coordenadas de v = (2, 3) em

`a base ortonormal = {(1/ 2, 1/ 2), (1/ 2, 1/ 2)}.

13. Idem para v = (2, 3, 1) e = {(1/ 5, 0, 2/ 5), (2/ 5, 0, 1/ 5), (0, 1, 0)}.
14. Determine uma base para o complemento ortogonal do subespaco
W = span{(2, 1, 0, 1, 2), (1, 3, 1, 2, 4), (3, 2, 1, 1, 2), (7, 7, 3, 4, 8),
(1, 4, 1, 1, 2)}.
15. Seja V = R22 o espaco vetorial das matrizes reais de ordem 2 por 2,munido do

1 2

produto interno hA, Bi = tr(B T .A). Determine o vetor projecao de v =

1 3

0 1
.
sobre o vetor w =
1 2
dos polinomios de grau menor ou igual a 2, munido
16. Seja V = P2 (t), o espaco vetorial
Z
1

f (t).g(t)dt. Determine uma base para o subespaco

do produto hf (t), g(t)i =

0

vetorial W ortogonal ao vetor h(t) = 2t + 1.

153

Captulo 11
C
onicas e qu
adricas

11.1

C
onicas

Defini
c
ao 11.1 Dado um sistema de coordenadas cartesianas xOy, uma conica e o conjunto de todos os pontos P (x, y) que verificam a equac
ao quadratica, do 2o grau com duas
vari
aveis,
Ax2 + By 2 + Cxy + Dx + Ey + F = 0 .

Geometricamente as conicas sao obtidas atraves da intersecao de um plano com uma

superfcie conica circular, conforme a figura 11.1.

Figura 11.1: Conicas

154

11.1.1

Par
abola

Defini
c
ao 11.2 Parabola e o lugar geometrico dos pontos P (x, y) de um plano que equidistam de uma reta d, chamada diretriz, e de um ponto F , chamado foco.

Figura 11.2: Parabola

Equacoes da parabola
1. O eixo de simetria e paralelo ao eixo Ox
(y yo )2 = 2p(x xo )
2. O eixo de simetria e paralelo ao eixo Oy
(x xo )2 = 2p(y yo )

11.1.2

Elipse

Defini
c
ao 11.3 Elipse e o lugar geometrico dos pontos P (x, y) de um plano cuja soma
das distancias a dois pontos fixos dados F1 e F2 , chamados focos da elipse, e uma constante
2a, em que 2a > d(F1 , F2 ).
d(P, F1 ) + d(P, F2 ) = 2a

155

Elementos da elipse:
A1 , A2 , B1 , B2 sao os vertices.
F1 , F2 sao os focos e segmento F1 F2 de comprimento 2c e a distancia focal.
O e centro, o ponto medio do segmento F1 F2 .
O segmento A1 A2 tem medida 2a e e chamado de eixo maior.
O segmento B1 B2 tem medida 2b e e chamado de eixo menor.
A aplicacao do teorema de Pitagoras no triangulo de vertices O, F1 e B2 conduz `a
relacao
a2 = b2 + c2
A relacao e =

c
e a excentricidade da elipse.
a

Figura 11.3: Elipse

Equacao da elipse
1. Os eixos sao paralelos ao eixo coordenados
(x xo )2 (y yo )2
+
=1
a2
b2

11.1.3

Hip
erbole

Defini
c
ao 11.4 Hiperbole e o lugar geometrico dos pontos P (x, y) de um plano cujo
m
odulo da diferenca de suas distancias a dois pontos fixos dados F1 e F2 , chamados focos
156

da hiperbole, e uma constante 2a, em que 2a < d(F1 , F2 ).

|d(P, F1 ) d(P, F2 )| = 2a

Figura 11.4: Hiperbole

Equacoes da hiperbole
1. Os eixos sao paralelos ao eixos coordenados.
(x xo )2 (y yo )2

=1
a2
b2
Exerccios: Identifique cada uma das seguintes conicas:
1. 2x2 5y 2 7 = 0
2x2 5y 2 = 7
2x2 5y 2

=1
7
7
y2
x2
p 2 p 2 = 1 Representa uma hiperbole.
7/2
7/5
2. x2 + y 2 6x 2y + 8 = 0
x2 6x + 9 + y 2 2y + 4 2 = 0
(x 3)2 + (y 1)2 = 2 Representa uma circunferencia de raio

3. 2x2 + 2y 2 + 4xy + 4 2 x + 12 2 y 8 = 0
1o Escrevendo
forma matricial.
cao em
a equa

a b
x
= ax2 + 2bxy + cy 2
x y
y
b c
157

2 e centro (3, 1).

Assim,

a=2

b=2

c=2
Logo.

2 2

x
x

+ 4 2 12 2 8 = 0
x y
2 2
y
y

2 2

2o Determinacao dos autovalores e autovetores da matriz

2 2
1 1
v1 = ( , ) e o autovetor associado ao autovalor 1 = 0.
2 2
1 1
v2 = ( , ) e o autovetor associado ao autovalor 2 = 4.
2 2

2 2
x
na base canonica se reduz a
Assim x y
2 2
y

0 0
x
1 em relacao `a base de autovetores.
x1 y 1
0 4
y1
o
3 Determinacao da matriz mudanca de coordenadas da base de autovetores para a
base can

onica.

autovetores
x
x
= I
1
can
onica
y
y1

autovetores

x1
x
1/ 2 1/ 2

1/ 2 1/ 2
y1
y
can
onica
o
4 Reescrever
o dada

a equa
ca
na base de autovetores.

0 0

x1
1/
x
2
1/
2

+ 4 2 12 2
8 =
x1 y 1

0 4
y1
1/ 2 1/ 2
y1
0
Efetuando as operacoes anteriores, vem:
y12 + 2x1 + 4y1 2 = 0
ou ainda
(y1 + 2)2 + 2(x1 3) = 0
Que representa uma parabola de vertice (3, 2) em relacao ao sistema de eixos
formados pelos autovetores, cujo grafico esta representado na figura 11.5.

158

Figura 11.5:

11.2

Qu
adricas

Defini
c
ao 11.5 Uma quadrica em R3 e o conjunto de todos os pontos P (x, y) que verificam a equac
ao quadratica, do 2o grau com tres variaveis,
Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Gx + Hy + Iz + J = 0 .

11.2.1

Elips
oide

x2 y 2 z 2
+ 2 + 2 =1
a2
b
c

Figura 11.6: Elipsoide

11.2.2

Hiperbol
oide de uma folha

x2 y 2 z 2
+ 2 2 =1
a2
b
c
159

Figura 11.7: Hiperboloide de uma folha

11.2.3

Hiperbol
oide de duas folhas

x2 y 2 z 2
2 2 + 2 =1
a
b
c

Figura 11.8: Hiperboloide de duas folhas

160

11.2.4

Parabol
oide elptico

x2 y 2
+ 2 = cz
a2
b

Figura 11.9: Paraboloide elptico

11.2.5

Parabol
oide hiperb
olico

x2 y 2
+ 2 = cz
a2
b

Figura 11.10: Paraboloide hiperbolico

11.2.6

Cone elptico

x2 y 2
+ 2 = z2
2
a
b
161

11.2.7

Cilindro elptico

x2 y 2
+ 2 =1
a2
b

11.2.8

Cilindro hiperb
olico

x2 y 2
2 =1
a2
b

11.2.9

Cilindro parab
olico

y = ax2

Figura 11.11: Cilindro parabolico

162

Exemplo 1. Classifique e esboce o grafico da quadrica x2 + y 2 2x 4y + 2z + 5 = 0.

a) Fazendo uma translacao para eliminar os termos lineares.
(x 1)2 + (y 2)2 + 2z = 0

= Paraboloide circular.

Exemplo 2. Classifique e esboce o grafico da quadrica x2 + 2yz + z y = 100.

a) Escrevendo a equacao em forma matricial:

x
a b c
x

x y z b d e y + 0 1 1 y = 100

z
c e f
z

x
a b c

Mas, x y z b d e y = ax2 + dy 2 + f z 2 + 2bxy + 2cxz + 2eyz

c e f
z
Logo a = 1,b = c = d =
f
= 0 ee = 1, assim:

1 0

x y z 0 0

0 1
b) Determinando uma

x
x




1 y + 0 1 1 y = 100


0
z
z
base ortonormal de autovetores.
1 1
= {v1 , v2 , v3 }, em que v1 = (1, 0, 0) e v2 = (0, , ) sao autovetores normalizados
2 2
1 1
associados ao autovalor 1 = 1 e v3 = (0, , ) e autovetor de norma igual a 1
2 2
associado ao autovalor 2 = 1.

c) Determinando a matriz mudanca de base.

1
0
0
x
x

autov 1
1
1

0
= I =
y = I
y1

2
2

can

1 1
z
z1

0
can
autov
2
2
d) Reescrevendo a equacao em relacao `a base (referencial) de autovetores.

1 0
0
x
1 0 0
1

1
1

0
x1 y1 z1 0 1 0 y1 + 0 1 1

2
2

1 1
z1
0
0 1

0
2
2
100
e) Voltar da forma matricial para a forma quadratica.
2
x21 y12 + z12 y1 = 100
2
f) Efetuando uma translacao para eliminar o termo linear.

163

x1

y
=
1

z1

1
199
x21 (y1 + )2 + z12 =
2
2
1
(y1 + )2
2
x1
z12
2
e ainda p
2 p
2 + p
2 = 1
199/2
199/2
199/2
A equacao representa um hiperboloide de duas folhas.

11.3

Exerccios

Esboce o grafico e classifique as seguintes quadricas:

1. x2 9y 2 + z 2 = 9
2. 9x2 16y 2 + z 2 = 144
3.

x2 y 2 z 2

+
=0
16
9
4

4. z = x2 + 2y 2
5. 2x2 + 3y 2 + 4z 2 = 12
6. 5x2 + y 2 11z 2 16yz 10x 22z 16y 6 = 0

164

Captulo 12
Respostas

1. a) A =

Captulo 1.

0 1 2
3

1 0 0

b) B = 0 1 0

0 0 1

2


c) C = 3

4

d) D = 1 2 3 4

2
T

2. a) D =

1 0 0

b) I T = 0 1 0

0 0 1

2 0 0

d) E T =
1 4 1

1 10 9

6. a) A + B = 9 11 1

7 13 3

5 11 5

b) C A = 9 12 8

2 9 2

40 37 34

c) 3A 2B + 4C = 9 11 20

57 26 7
7. A matriz deve ser simetrica com diagonal
principal nula.

0
bd cg

8. a) AAT = d b
0
f h

gc hf
0

2a
b+d c+g

T
b) A + A = b + d
2e
f +h

c+g f +h
2i

5. y = 8, x = 7 ou x = 7

9. X =

5/3

1/3 1

3. x = 3, y = 4, z = 7
4. x = 6, y = 9

10. X =

11/5

44/5 22/5

7/3 10/3

Y =
38/3 19/3

165

14 12 9

T
11. A A = 12 11 8

9
8 6

13.

0.59 0.28 0.13

2
18. a) A = 0.44 0.39 0.17

0.48 0.36 0.16

b) Recompra.

1 0

19. a) An =
0 2n

1
0
0

b) B n = 0 (1)n 0

n
0
0
3

n1
n1
cos(2
x)
sen(2
x)

c) Rn =
n1
n1
sen(2 x) cos(2 x)

1
9 4

12. (AB)T = 1 17 8

52 65 38
a)V

b)V

c)V

d)F

e)V

f )F

g)F

h)V

i)V

j)V

k)V

l)V

0 0 1 1

14. N =

0 0 0 1

0 0 0 0

20. a) A =

0 1 1 1

15. X = P CQ

16. f (A) =

1 2
3

22. Sejam A = [aij ] e B = [bij ].

i=n
X
a) tr(A + B) =
(aii + bii ) =

3 17

i=1

17. a) Uma estacao nao transmite para

si mesma.

b) Nao existe A.

x 0
,xR
21. A =
x 0

19 2

1 1 2 3 1

0 2 2 2 2

b) B = A2 = 1 0 2 1 1

0 1 0 2 0

0 0 1 0 1
c) A estacao 1 transmite para a estacao j de

i=n
X

aii +

i=1

i=n
X

bii = tr(A) + tr(B)

i=1

b) Imediata.

j=n
X
c) A A = [cik ] =
(a0ij ajk ) =
T

= tr(AT A) =
=

dois modos distintos utilizando uma estacao

como intermediaria. d) Uma retransmissao =

j=n
i=n
X
X
i=1
j=1
j=n
i=n
X
X
i=1

com uma estacao intermediaria.

i=n
X

j=1
j=n

i=1

!
(a0ij aji )

!j=1

(aji aji )

!
(a2ji )

j=1

23. O traco sera n vezes o elemento da

diagonal principal.
166

24. Multiplicando ambos os membros da

32. Substitua X na igualdade AX = 2X

igualdade a ser verificada, vem:

e efetue as operacoes.

In = (In + A + A2 + A3 )(In A)
a b
tal que X 2 = 0
33. Seja X =
In = In + A + A2 + A3 A A2 A3 A4
c 1

Como A4 = tem-se a verificacao da afirmacao.

a2 + bc = 0

ab + b = 0
2n 0
b = 0 ou a = 1

25. A =
Assim,

0 3n

ac + c2 = 0 c = 0 ou c = a = 1

bc + 1 = 0
b = 1
26. A
sequencia parece estar
conver

1, 0000 0, 7500
1 1
.
.
gindo para
logo X =
0
0
1
1
27. A e C sao matrizes positiva definida

X = 12 (B + C) e

e B nao e positiva definida.

Y = 12 (2A + B C)

28. Basta mostrar que SS T = S T S = I

29. Basta multiplicar o primeiro elemento
da setima linha da matriz A pelo primeiro
da quarta coluna de B, mais o segundo pelo
segundo a assim por diante ate o decimo segundo.

34. Resolvendo o sistema vem:

Substituindo
A, Be C vem:

1/2 1

X = 1/2 1/2

9/2 7/2

5/2 1

e Y = 1/2 5/2

1/2 13/2

30. Verifique usando o octave

35. Sejam A, B e AB simetricas, assim

1 1

A = AT , B = B T e AB = (AB)T , mas
31. Sejam A =
0 1

(AB)T = B T AT = BA, logo

x y
. Efetuando AX = XA, AB = BA.
eX =
z t
vem:

36. Divida as matrizes em 4 blocos cada

x
=
x
+
z

z
=
0

x+y =y+t x=t

multiplique

em blocos obtendo

z=z

1 15 0 0 0
0

z+t=t

z=0
5 6 0 0 0
0

BA =

t y

0 0 0 3 8 15
, t, y R
assim X =

0 t
0 0 0 0 5 9

167


37. BA =

2a 2b 2c
a

j) I 1 =

1 x
(e
2

+e )
1
1
2
(ex + ex )
2

1
(ex
2

+e )

1 x
(e
2

38.
42.
39. Mostre que AB = I
40. m = 9, n = 5

3 4

1
41. a) A = 3
2
1
b) B e na
o inversvel

2
0

43.

a)V

b)F

c)V

d)V

e)F

f )V

g)V

h)F

i)V

j)F

k)F

l)F

m)F

n)V

o)V

48.X = A2 (A( T ))1 =

13/76 9/76 3/76
31/76
80 59 30

3/76 33/76 11/76 13/76.

1
39 31 15

c) C =

2/19
3/19 1/19 4/19
318
233
119

3/38 5/38
11/38 13/38

Captulo 2.
0 1 1

2. 0
d) D1 = 1
0 1

1 1
1
3.a. 1
e) E e nao invers
vel

7 + 11i 20 12i

20 12i 28 + 10i
1

f) F 1 =
34
6 + 10i
12 14i

23 27i 22 + 48i

1
0
0 0

1 1
0 0
1

g) G =

1 1 1 0

1 1 1 1

1/a
0
0
0

0
1/b
0
0
1

h) H =

0 1/bc 1/c 0

0
0
0 1/d

cos() sen()
1

i) I 1 =
2
sen( cos(

6 + 10i

23 27i

22i + 48i

10 + 6i 24 6i

24i 6i 109 45i

3.b. 3
12 14i

5.a. -12
5.b. 12+8i
5.c. 4
6. 1
7. 1 = 1, 2 = 2, 3 = 3
Captulo 3.

168

+e )

1.

x=2

a)
y = 1

z=3

c) incompatvel

x = t

y=t
e)

z = t

tR

x = 2t

f)
y=t

tR

Captulo 5.

x = 5 2t

y = 2 + 3t
b)

z = 3 + 2t

tR

x=0

d)
y=0

z=0

Captulo 6.
linear.
1.a) E
1.b) Nao e linear.
1.c) Nao e linear.
1.d) Nao e linear.
3. (i) Sejam u, v R22
T (u + v) = D(u + v) (u + v)D
T (u + v) = Du + Dv uD vD
T (u + v) = Du uD + Dv vD
T (u + v) = T (u) + T (v).
(ii) Sejam u R22 e a R
T (au) = D(au) (au)D

x=2

3.

T (au) = a(Du) a(uD)

T (au) = a(Du uD) = aT (u).

y = 1

z=3

7.a) Im(T ) = spam{(1, 0, 1), (2, 1, 0)},

4. Sistema incompatvel.

ker(T ) = spam{(2, 1, 1)}

6. d) Sistema possvel e indeterminado

7.b) Im(T ) = spam{(1, 0), (0, 1)}, ker(T ) =

se a = 2 e b = 1 ou se a = b = 1; sistema spam{(1, 1, 1)}

impossvel se a = 2 e b 6= 1 ou a = 1 e
Captulo 7.

22
23
2 + 2
2+2
.
5. B 22 =
22
23
1+2
1 + 2

b 6= 1; sistema possvel e determinado se

a 6= 1 e a 6= 2 .
f) Se a = 4 e b = 8 ou b = 2, ou a = 1

6. a) 1 = 2, v1 = (1, 1, 0), v2 =

e b = 2 ou b = 1/2 indeterminado. Se Se
a = 4 e b 6= 8 ou b 6= 2, ou a = 1 e

(1, 0, 1), 2 = 6, v3 = (1, 2, 1)

b 6= 2 ou b 6= 1/2 impossvel. Se a 6= 4 e
a 6= 1 determinado.

b) 1 = 3, v1 = (1, 1, 0), v2 = (1, 0, 1),

2 = 1, v3 = (2, 1, 1)

Captulo 4.

c)1 = 1, v1 = (1, 0, 0), v2 = (0, 0, 1)

169

Refer
encias Bibliogr
aficas

[1] BOLDRINI, Jose Luiz; et al. Algebra

linear. Sao Paulo:

[9] RIGHETTO, Armando. Vetores e Geo-

Harper&Row do

metria Analtica. Sao Paulo: IBLC,

Brasil, 1980.

1988.

[2] BOULOS, Paulo; Camargo, Ivan de. [10] ROCHA, Silvana H. Apostila de maGeometria analtica: Um tratamento
vetorial. Sao Paulo, McGraw-Hill, 2a
edicao.
[3] DOMENICO,

tematica 1. Curitiba: UTFPR.

[11] STEINBRUCH,

Alfredo.;

WIN-

TERLE, Paulo. Geometria Analtica.

Luiz

Carlos

de.

Exerccios.

Sao Paulo: McGraw-Hill, 1987.

[12] STEINBRUCH,

WIN-

TERLE, Paulo. Algebra

linear. Sao

[4] KOLMAN, Bernard. Introducao `a

algebra linear com aplicacoes. Rio de
Janeiro: Prentice-Hall do Brasil, 1980.

Alfredo.;

Paulo: McGraw-Hill, 1987.

vetorial e
[13] VENTURI, Jacir. Algebra
geometria analtica. 9a edicao.

[5] KRAUSE, Decio. Notas de aulas

[6] LIPSCHUTZ, Seymour. Algebra

Li- [14] SHORES, Thomas S. Applied linear alnear. Makron Books, Sao Paulo 1994,
3a edicao.
[7] MEYER, Carl D. Matrix analysis and
applied linear algebra. SIAM, Philadelphia, 2000.
[8] MUNEM, Mustafa A.; FOULIS, David. J. Calculo. Rio de Janeiro: Editora
Guanabara Dois, 1982.

170

gebra and matrix analysis. 2000.