Notas Do Curso de Algebra Linear I

Universidade Federal Rural do Rio de Janeiro
Notas de Aula
LGEBRA L INEAR I
Nova Iguau
2016
Prefcio
Este texto, denominado Notas de Aula: lgebra Linear I, um guia das aulas ministra-
das por mim na disciplina IM 429 - lgebra Linear I, do curso de Matemtica, da Universi-
dade Federal Rural do Rio de Janeiro, Campus Nova Iguau. Ele reproduz fielmente todos
os slides apresentados em sala de aula, e por este motivo tomei a liberdade de escrev-lo
coloquialmente, alm de tornar seu texto simples e direto (claramente, nas aulas, as infor-
maes so complementadas com comentrios).
Isto tambm justifica o fato do texto no se encontrar nas normas da ABNT (nada impede
que em um futuro prximo isto seja feito). Mas adianto que diversas figuras foram retiradas
das fontes citadas na Bibliografia, na internet ou feitas pelo autor, utilizando o software
Geogebra, ou similares.
Portanto deixo um aviso ao leitor: o texto no tem a pretenso de ser uma referncia
bibliogrfica. Em nenhum momento deve-se substituir as referncias bibliogrficas do curso.
Seu objetivo principal fazer com que o aluno tenha suporte nas aulas com slides, as quais
reconheo serem mais difceis, talvez pelo seu dinamismo.
Outro aviso: o texto, por no passar por revises, pode conter erros que no foram per-
cebidos. Eu seria imensamente grato se o leitor puder apresent-los, ou trouxer sugestes,
visando a melhoria do texto para futuros leitores.
Bom estudo.
Marcelo Farias
1
APRESENTAO DO CURSO
0.1 CONTEDO PROGRAMTICO

Unidade I - Matrizes e Sistemas Lineares
1. Matrizes: Definio, Classificao, Operaes com matrizes;
2. Escalonamento de Matrizes;
3. Sistemas de Equaes Lineares;
4. Matrizes Invertveis. Determinao da Matriz Inversa por Escalonamento.
Unidade II - Espaos Vetoriais
1. Espaos Vetoriais: Definio e Exemplos;
2. Subespaos Vetoriais: Definio, Propriedades, Exemplos, Operaes de Subespaos;
3. Combinaes Lineares, Espaos Gerados por um Conjunto de Vetores;
4. Independncia Linear;
5. Bases e Dimenso de um Espao Vetorial;
6. Coordenadas de um vetor em relao a uma base.
Unidade III - Transformaes Lineares
1. Transformaes Lineares: Definio, Propriedades e Exemplos;
2. Teorema do Ncleo e da Imagem;
3. A lgebra das transformaes Lineares;;
4. Transformaes Injetoras e Sobrejetoras. Isomorfismos de Espaos Vetoriais ;
5. Matriz de uma Transformao Linear.
2
Prof. Marcelo Farias lgebra Linear I Ementa
0.2 BIBLIOGRAFIA
Anton, H., Rorres, C., lgebra Linear com Aplicaes. Rio de Janeiro: Bookman, 2012.
Boldrini, J.L., lgebra Linear. So Paulo: Editora Harbra, 1980.
Callioli, C., lgebra Linear e Aplicaes. Rio de Janeiro: Editora Atual, 2013.
Lay, D., lgebra Linear e suas aplicaes. Rio de Janeiro: LTC, 1999.
3
Captulo 1
Aula 01 - Matrizes
Em uma tabela convencionamos chamar de linhas as filas horizontais, as quais so con-

tadas de cima para baixo; e de colunas as filas verticais, as quais so contadas dda esquerda
para a direita.
Considere a tabela que indica o nmero de vendas efetuadas em uma agncia de auto-
mveis durante o primeiro trimestre.
Janeiro Fevereiro Maro

Carro I 20 18 25
Carro II 12 10 15
Carro III 15 9 20
Carro IV 18 15 21
Definio 1.1 (Matriz) Uma matriz m n (l-se: m por n) uma tabela com m n elementos
dispostos em m linhas e n colunas.

Exemplo 1 0 1
" #
2 1 5 2 0
A= uma matriz 2 3. B= uma matriz 4 2.
1 10 1 5 9

1 1
Algebricamente, uma matriz A de ordem m n pode ser representada por:

a11 a12 a13 a1n

a21 a22 a23
a2n

A = a31 a32 a33
a3n

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

am1 am2 am3 amn
4
Prof. Marcelo Farias lgebra Linear I Aula 01
Ou ainda, pode ser representada abreviadamente por: A = (aij )mn , onde i = 1, , m e

j = 1, , n.

a11 a1j a1n

a21
a2j a2n

.. . ..
..

. .
A=
a
i1 aij ain

. .. .. ..
..

. . .

am1 amj amn
O elemento aij da matriz encontra-se na linha i e na coluna j.

" #
2 1 5
(a) (b) Exemplo 2 (a) Seja A = . Temos que: a11 = 2, a12 = 1, a13 = 5, a21 = 1, a22 =
1 10 1
10, a23 = 1.
(b) Construa a matriz A = (aij ) de ordem 3 2, cujo termo geral dado por
aij = 2i j.
Se a matriz 3 2, ento i varia de 1 a 3 e j varia de 1 a 2. Ento os elementos de A so:

a11 a12 1 0
A = a21 a22 = 3 2 .

a31 a32 5 4
O conjunto de todas as matrizes de ordem m n, cujos elementos so nmeros reais,

denotado por Mmn (R).
Definio 1.2 Se uma matriz A tem o mesmo nmero de linhas e colunas ela dita qua-
drada. Se n o nmero de linhas e colunas, dizemos que a ordem de A n.
O conjunto de todas as matrizes de ordem n, cujos elementos so nmeros reais, deno-

tado por Mn (R).
1.1 Igualdade de Matrizes

Definio 1.3 Consideremos duas matrizes A = (aij ) e B = (bij ) de mesma ordem. Dizemos
que A e B so iguais se
aij = bij para todos i = 1, , m , j = 1, , n.
5

1 x y 2
Exemplo 3 (a) 3 2 = b 2 y = 1, b = 3, x = 2 e a = 1; (b)

a 4 1 4
" # " #
1 4 1 3
6=
3 2 4 2
1.2 Operaes com Matrizes
1.2.1 Adio
Lojas Brasileiras 2014

Geladeira 25 13 0
Fogo 16 10 12
TV 15 9 14
Micro-ondas 11 10 17
Lojas Brasileiras 2015

Geladeira 23 13 2
Fogo 17 8 13
TV 9 19 10
Micro-ondas 3 15 20
Pergunta 1 Como fazemos para saber o nmero de unidades vendidas de cada item no
primeiro trimestre, nos anos 2014-15?

25 13 0 23 13 2 25 + 23 13 + 13 0+2

16 10 12 17 8 13 16 + 17 10 + 8 12 + 13
15 9 14 9 19 10 = 15 + 9 9 + 19 14 + 10
+ =

11 10 17 3 15 20 11 + 3 10 + 15 17 + 20

48 26 2

33 18 25

24 28 24

14 25 37
6
Ento a tabela que representa o nmero de unidades vendidas na loja fica assim:

Geladeira 48 26 2
Fogo 33 18 25
TV 24 28 24
Micro-ondas 14 25 37
Raciocinando como acima, podemos definir a adio de matrizes:

Sejam

a11 a12 a1n b11 b12 b1n
a21 a22 a2n b b22 b2n

e B = 21

A=
.. .. .. .. .. .. .. ..

. . . .

. . . .

am1 am2 amn bm1 bm2 bmn
duas matrizes de ordem m n.

a11 + b11 a12 + b12 a1n + b1n
a21 + b21 a22 + b22 a2n + b2n

A adio de A e B a matriz A + B = .. .. ... ..
.
. . .

am1 + bm1 am2 + bm2 amn + bmn
Sejam A = (aij ), B = (bij ), i = 1, , m, j = 1, , n, matrizes de ordem m n. A matriz
soma C = A + B tem termo geral
cij = aij + bij .
Observao 1.4 (I) A adio de matrizes s faz sentido se ambas possuem a mesma ordem,
isto , possuem os mesmos nmeros de linhas e colunas. (II) Se A = (aij ) e B = (bij ) tm
ordem m n, ento A + B tem a mesma ordem.
" # " #
8 2 2 4 6 2
Exemplo 4 Sejam A = eB = . Determine A + B.
0 3 4 3 2 5
" # " # " #

8 2 2 4 6 2 8 + (4) 2 + 6 2+2
A+B = + =
0 3 4 3 2 5 0+3 3 + (2) 4 + (5)
" #
4 4 4
=
3 5 1
7
1.2.2 Propriedades da Adio

Propriedade 1 (Associativa) Sejam A, B, C Mmn (R). Ento
A + (B + C) = (A + B) + C.
D EMONSTRAO : Sejam A = (aij ), B = (bij ) e C = (cij ), com 1 i m e 1 j n. O

elemento genrico da matriz A + (B + C)
aij + (bij + cij ) = (aij + bij ) + cij ,
pois a adio de nmeros reais associativa.

O membro da direita, por sua vez, o elemento genrico da matriz (A + B) + C.
Logo A + (B + C) = (A + B) + C.
" # " # " #
1 2 1 4 6 2 1 3 2
Exemplo 5 Sejam A = ,B = eC = .
0 3 2 3 2 5 7 4 1
Temos que
" # " # " #
1 2 1 5 9 0 4 7 1
A + (B + C) = + =
0 3 2 10 6 6 10 9 4
E " # " # " #

3 4 3 1 3 2 4 7 1
(A + B) + C = + =
3 5 3 7 4 1 10 9 4
Logo A + (B + C) = (A + B) + C.
Propriedade 2 (Comutativa) Sejam A, B Mmn (R). Ento
A + B = B + A.
D EMONSTRAO : Sejam A = (aij ) e B = (bij ), com 1 i m e 1 j n. O elemento

genrico da matriz A + B
aij + bij = bij + aij ,
pois a adio de nmeros reais comutativa.

O membro da direita, por sua vez, o elemento genrico da matriz B + A.
Logo A + B = B + A.
" # " #
1 2 1 4 6 2
Exemplo 6 Sejam A = eB = .
0 3 2 3 2 5
Temos que
" # " # " #
1 2 1 4 6 2 3 4 3
A+B = + =
0 3 2 3 2 5 3 5 3
8
E " # " # " #

4 6 2 1 2 1 3 4 3
B+A= + =
3 2 5 0 3 2 3 5 3
Logo A + B = B + A.
Propriedade 3 (Elemento Neutro) Existe uma matriz O Mmn (R), chamada nula, tal que
A + O = O + A = A, para toda matriz A Mmn (R).
Esta matriz tem termo geral oij = 0, para todos i = 1, , m, j = 1, n.
D EMONSTRAO : Sejam A = (aij ) e O = (oij ), com oij = 0 para todos 1 i m e

1 j n. O elemento genrico da matriz A + O
aij + oij = aij + 0 = aij
pois 0 o elemento neutro da adio de nmeros reais. Logo A + O = A. Analogamente

demonstra-se que O + A = A.
" #
0 0 0
Exemplo 7 (a) O23 = o elemento neutro da adio em M23 (R).
0 0 0

0 0

0 0
(b) O42 =
o elemento neutro da adio em M42 (R).
0 0

0 0
Propriedade 4 (Elemento Oposto) Para toda matriz A = (aij ) Mmn (R) existe uma ma-
triz A, chamada oposta, tal que
A + (A) = (A) + A = O matriz nula.
Claramente A = (aij ), para todos i = 1, , m, j = 1, n.
D EMONSTRAO : Sejam A = (aij ) e A = (aij ), com 1 i m e 1 j n. O

elemento genrico da matriz A + (A)
aij + (aij ) = 0
pois aij o elemento oposto de aij . Logo A + (A) = O. Analogamente demonstra-se

que (A) + A = O.
" # " #
2 1 0 2 1 0
Exemplo 8 Se A = , ento A = .
3 4 1 3 4 1
E ento: " # " # " #
2 1 0 2 1 0 0 0 0
A + (A) = + =
3 4 1 3 4 1 0 0 0
9
1.2.3 Multiplicao por Escalar

Considere a tabela que indica o nmero de vendas efetuadas em uma agncia de auto-
mveis durante o primeiro trimestre de 2014.

Honda Civic 20 18 25
Fiat 12 10 15
Gol 15 9 20
Voyage 18 15 21
Pergunta 2 Suponha que as vendas tenham dobrado, no mesmo trimestre do ano seguinte.
Qual seria a representao em tabela?
A matriz que representa o nmero de vendas :

Obtendo a tabela
Podemos ento definir a multiplicao de um nmero real por uma matriz.
Sejam

a11 a12 a1n
a21 a22 a2n

A=
.. .. .. ..

. . . .

am1 am2 amn
uma matriz de ordem m n e R.

a11 a12 a1n
a21 a22 a2n

A multiplicao de A por a matriz A = .. .. .. ..
.

. . . .

am1 am2 amn
Sejam A = (aij ), com i = 1, , m, j = 1, , n, uma matriz de ordem m n e R. A
matriz soma B = A tem termo geral
bij = aij .
Observao 1.5 Se A = (aij ) tem ordem m n e R, ento A tem a mesma ordem.

Civic 2 20 2 18 2 25
Fiat 2 12 2 10 2 15
Gol 2 15 29 2 20
Voyage 2 18 2 15 2 21
10

Civic 40 36 50
Fiat 24 20 30
Gol 30 18 40
Voyage 36 30 42
1.2.4 Propriedades da Multiplicao por Escalar

Propriedade 5 (Associativa) Sejam A Mmn (R) e , R. Ento
( A) = ()A.
D EMONSTRAO : Exerccio.
Propriedade 6 (Distributiva Direita) Sejam A Mmn (R) e , R. Ento
( + )A = A + A.
Propriedade 7 (Distributiva Esquerda) Sejam A, B Mmn (R) e R. Ento
(A + B) = A + B.
Propriedade 8 (Elemento Neutro) Para toda matriz A, 1 A = A.
1.2.5 Multiplicao de Matrizes

Suponhamos que a matriz abaixo fornea a quantidade de vitaminas A, B e C obtidas
em cada poro dos alimentos I,II e III:
A B C
Alimento I 4 3 0
Alimento II 5 0 1
Alimento III 2 1 3
Pergunta 3 Se em uma refeio ingerirmos 3 pores do Alimento I, 2 do Alimento II e 5 do

Alimento III, qual ser o consumo de cada vitamina?
11
Uma forma rpida de responder este problema utilizar uma notao matricial.
h i
Vamos chamar de matriz consumo a matriz de 1 linha e 3 colunas: 3 2 5 .
As quantidades ingeridas de cada vitamina podem ser vistas na matriz:

h i 4 3 0 h i
3 2 5 5 0 1 = 34+25+52 33+20+51 30+21+53

2 1 3
h i
= 32 14 17 .
Nesta refeio ingerimos 32 u. da vitamina A; 14 u. da vitamina B; e 17 u. da vitamina C.

Suponhamos agora que existem duas refeies distintas:
Refeio I: 3 pores do Alimento I, 2 do Alimento II e 5 do Alimento III.
Refeio II: 4 pores do Alimento I, 1 do Alimento II e 2 do Alimento III.
Podemos utilizar um mecanismo parecido com o anterior. Neste contexto a matriz de

consumo pode ser representada por uma matriz com duas linhas e trs colunas:
" #
3 2 5
.
4 1 2
Procedendo da mesma forma:

" # 4 3 0 " #
3 2 5 32 14 17
5 0 1 = .

4 1 2 25 14 7
2 1 3
Na refeio I ingerimos 32 u. da vitamina A; 14 u. da vitamina B; e 17 u. da vitamina

C;
Na refeio II ingerimos 25 u. da vitamina A; 14 u. da vitamina B; e 7 u. da vitamina

C;
Pode parecer que esta nova multiplicao no tenha poupado muito trabalho. Mas ima-
gine este mesmo problema com um nmero muito maior de alimentos e vitaminas. Ao
processo descrito acima damos o nome de multiplicao de matrizes.

a11 a12 a1n b11 b12 b1p
a21 a22 a2n b21 b22 b2p

Sejam A = .

.. .. ..
uma matriz mn e B = .

.. . . ..

. . . . . . . . . .
am1 am2 amn mn bn1 bn2 bnp np
uma matriz de ordem n p.
12
A multiplicao de A por B a matriz de ordem m p dada por:

c11 c12 c1n
c21 c22 c2n

AB = .
.. .. .. ,

. . . . .
cm1 cm2 cmp
onde
c11 = produto linha 1 de A por coluna 1 de B = a11 b11 + a12 b21 + + a1n bn1 .
c12 = produto linha 1 de A por coluna 2 de B = a11 b12 + a12 b22 + + a1n bn2 .
.. .. .. ..
. . . .
cmp = produto linha m de A por coluna p de B = am1 b1p + am2 b2p + + amn bnp .

a11 a12 a1n b11 b12 b1p
a21 a22 a2n b21 b22 b2p

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

. . . .

. . . .
am1 am2 amn bn1 bn2 bnp
c11 = a11 b11 + a12 b21 + + a1n bn1 .

a11 a12 a1n b11 b12 b1p
a21 a22 a2n b21 b22 b2p

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

. . . . . . . .

am1 am2 amn bn1 bn2 bnp
c12 = a11 b12 + a12 b22 + + a1n bn2

E assim sucessivamente at o termo cmp .
" # " #
2 3 4 2 1
Exemplo 9 (a) Sejam A = eB = .
1 4 5 2 0
Note que o nmero de colunas de A igual ao nmero de linhas de B. Ento podemos
calcular A B. " #
c11 c12 c13
AB = ,
c21 c22 c23
13
onde
cij = produto da linha i de A por coluna j de B, com i = 1, . . . , 2 e j = 1, . . . , 3.
Vamos calcular o elemento c11 :
" # " #
2 3 4 2 1

1 4 5 2 0
c11 = a11 b11 + a12 b21 = 2 4 + 3 (5) = 7.

" # " #
2 3 4 2 1

1 4 5 2 0
c12 = a11 b12 + a12 b22 = 2 (2) + 3 2 = 2.

" # " #
2 3 4 2 1

1 4 5 2 0
c13 = a11 b13 + a12 b23 = 2 1 + 3 0 = 2.

" # " #
2 3 4 2 1

1 4 5 2 0
c21 = a21 b11 + a22 b21 = 1 4 + 4 (5) = 24.

" # " #
2 3 4 2 1

1 4 5 2 0
c22 = a21 b12 + a22 b22 = 1 (2) + 4 2 = 10.

" # " #
2 3 4 2 1

1 4 5 2 0
c23 = a21 b13 + a22 b23 = 1 1 + 4 0 = 1.

Logo " # " # " #
2 3 4 2 1 7 2 2
AB = =
1 4 5 2 0 24 10 1
14
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 01
Observao 1.6 A multiplicao de matrizes em Mn (R) no comutativa, ou seja, se A, B

so matrizes no necessariamente A B = B A.
De fato, ! ! !
1 2 5 6 19 22
= ;e
3 4 7 8 43 50
! ! !
5 6 1 2 23 34
= .
7 8 3 4 31 46
1.2.6 Propriedades da Multiplicao de Matrizes

Propriedade 9 (Associativa) Sejam A, B, C Mmn (R). Ento
A (B C) = (A B) C.
Propriedade 10 (Distributiva) Sejam A, B, C Mmn (R). Ento
A (B + C) = (A B + A C) e (A + B) C = (A C + B C).
Propriedade 11 (Elemento Neutro) Seja A Mn (R) (matriz quadrada de ordem n). Ento
existe uma matriz, denotada por I e chamada matriz identidade, tal que
A I = I A = A.
(
1 se i = j
Esta matriz I = (bij ) tem termo geral I =
0 se i 6= j

1 0 0 " #
1 0
Exemplo 10 I3 = 0 1 0 , I2 = .

0 1
0 0 1
1.3 Lista de Exerccios 01

" # " # " #
2 1 0 4 1 1 2 0 1
1. Considere as matrizes A = ,B = eC = .
0 2 4 1 2 2 1 2 3
1
(a) Calcule 3A B + C
2
(b) Determine a matriz X M23 tal que 2X A = 2B 3CX
" # " # (
2 0 1 5 X +Y = 3A
2. Considere as matrizes A = eB = . Resolva o sistema
0 4 3 0 X Y = 2B
15

" # " # 1
1 4 2 0 1 2
3. Considere as matrizes A = ,B = ,C = 1 e D =

2 0 1 0 1 1
3
h i
1 1 .
Determine todos os produtos possveis entre estas matrizes.
4. Construa as matrizes A = (aij )32 , B = (bij )23 e C = A B, sabendo que aij = 2i

j, bij = 3j i.
5. Construa as matrizes A = (aij )33 e B = (bij )42 , sabendo que

( (
1 , se i = j 1 , se i + j = 4
aij = e bij = .
0 , se i 6= j 0 , se i + j 6= 4
6. Dada uma matriz A, dizemos que uma matriz X comuta com A se AX = XA. Deter-
mine todas as matrizes que comutam com
" #
1 0
A= .
0 3
7. Verdadeiro ou falso? Justifique.
(a) Se A e B so matrizes quadradas de mesma ordem, ento (A B)(A + B) =

A2 B 2 .
(b) Se A, B e C so matrizes quadradas de mesma ordem tais que AB = AC, ento
B = C.
8. Seja A = (aij ) Mmn qualquer. Chamamos de transposta de A, e denotamos por At ,

a matriz de ordem n m cujo termo geral bij = aji .

" # 1
1 4 2 h i
Determine a transposta de A = ,B = 3 e C = 1 0 .

3 0 4
4
9. Sejam A e B matrizes de mesma ordem. Mostre que:
(a) (A + B)t = At + B t .
(b) (k A)t = k At .
(c) Se A uma matriz m n e B uma matriz n p, prove que (A B)t = B t At .
(d) Mostre que (At )t = A, para toda matriz A de ordem m n.
10. Demonstre que:
(a) se A tem uma linha nula, ento A B tem uma linha nula;
(b) se B tem uma coluna nula, ento A B tem uma coluna nula; e
16
Captulo 2
Aula 2 - Sistemas Lineares
Definio 2.1 Uma equao linear nas variveis x1 , x2 , , xn uma equao que pode ser
escrita na forma
a1 x1 + a2 x2 + + an xn = b,
onde a1 , a2 , , an , b R.
Exemplo 11 (a) 2x + 4y = 3 uma equao linear com duas variveis.

(b) 5x 2y + z = 3 uma equao linear com trs variveis.

(c) 7a 2b c + 4d = 5 uma equao linear com quatro variveis.
(d) A equao 5x2 + 2x + 4y = 3 NO linear.
(e) A equao 2x 3y xy = 9 NO linear.

(f) A equao 2 x 3y = 9 NO linear.
(g) A equao 4x 5y + 2 = z t + 7w linear com cinco variveis.
Definio 2.2 Dada uma equao linear a1 x1 +a2 x2 + +an xn = b, onde a1 , a2 , , an , b R,

dizemos que uma sequncia ordenada de nmeros reais
(1 , 2 , , n )
uma soluo da equao se for verdadeira a afirmao
a1 1 + a2 2 + + an n = b.
Chamamos a sequncia ordenada (1 , 2 , , n ) de nupla.
Exemplo 12 (a) (1, 1) uma soluo da equao linear x + 4y = 3, pois
(1) + 4 1 = 3.
(b) Mas (2, 3) NO uma soluo de x + 4y = 3, pois
2 + 4 (3) = 10 6= 3.
17
(c) (1, 1, 0) uma soluo de 5x 2y + z = 3, pois
5 1 2 1 + 0 = 3.
(d) (2, 1, 1) NO uma soluo de 5x 2y + z = 3, pois
5 2 2 (1) + (1) = 11 6= 3.
Definio 2.3 Um sistema de equaes lineares (ou sistema linear) S uma conjunto de m
equaes lineares nas variveis x1 , x2 , , xn :

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2

S: .. .. ..

. . .

am1 x1 + am2 x2 + + amn xn = bm

onde aij , bi R, i = 1, , m, j = 1, , n.
(
2x 3y = 1
Exemplo 13 (a) um sistema linear com duas equaes e duas variveis.
x + 4y = 0
(
xy+z = 10
(b) um sistema linear com duas equaes e trs variveis.
2x + y 2z = 5
(
xy = 0
(c) um sistema linear com duas equaes e trs variveis.
2x + y 2z = 2
Definio 2.4 Dado um sistema linear S com m equaes e n variveis, uma nupla de
nmeros reais
(1 , 2 , , n )
uma soluo de S se for soluo das m equaes, simultaneamente.
(
2x y + z = 1
Exemplo 14 (a) S : um sistema linear com duas equaes e trs va-
x + 2y = 6
riveis. (0, 3, 4) uma soluo de S.
Esta soluo no nica, por exemplo, (4, 1, 6) outra soluo. (2, 2, 3) no soluo
de S, embora satisfaa a segunda equao. Assim como (1, 1, 0), que s satisfaz a primeira
equao de S.
Observao 2.5 Claramente uma equao linear da forma
0x1 + 0x2 + + 0xn = b,
onde b R, b 6= 0, no possui soluo. Logo um sistema de equaes lineares que contm tal
equao no possui soluo alguma.
18
(b) Um sistema linear dito homogneo se b1 , b2 , , bm = 0 , isto ,

a11 x1 + a12 x2 + + a1n xn = 0

a21 x1 + a22 x2 + + a2n xn

= 0
S: .. .. ..

. . .

am1 x1 + am2 x2 + + amn xn = 0

Um sistema homogneo sempre tem (pelo menos uma) soluo: a nupla (0, 0, , 0).
2.1 Classificao de Sistemas Lineares

Vejamos as possibilidades de um sistema linear, com relao existncia de solues.
Sistema Linear com Duas Variveis
fcil resolver um sistema linear com duas variveis. Por exemplo, considere
(
x 2y = 1
S1 :
x + 3y = 3
Para que (x, y) seja soluo do sistema, (x, y) deve ser soluo da primeira equao.
Logo x = 2y 1. Substituindo na segunda equao, temos que
(2y 1) + 3y = 3 y+1=3 y = 2.
Ento x = 2y 1 = 2 2 1 = 3. A nica soluo de S1 (3, 2). Sabemos da Geometria

Analtica que equaes da forma:
ax + by = c, onde a, b, c R,
com a e b no simultaneamente nulos, representam retas no plano.

As solues de (
x 2y = 1
S:
x + 3y = 3
so portanto os pontos (x, y) do plano que pertencem s duas retas
r : x 2y = 1 e s : x + 3y = 3,
simultaneamente. Agora considere

(
x 2y = 1
S2 :
x + 2y = 3
Para que (x, y) seja soluo do sistema, (x, y) deve ser soluo da primeira equao. Logo
x = 2y 1.
19
Figura 2.1: As retas so concorrentes.
Substituindo na segunda equao, temos que
(2y 1) + 2y = 3 1 = 3.
Como no existe valor de y tal que a ltima equao seja verdadeira, S2 no possui solu-
o. E, finalmente, considere
Figura 2.2: As retas so paralelas. No possuem interseo.

(
x 2y = 1
S3 :
2x 4y = 2
Para que (x, y) seja soluo do sistema, (x, y) deve ser soluo da primeira equao. Logo
x = 2y 1.
Substituindo na segunda equao, temos que
2(2y 1) 4y = 2 2 = 2.
Como para todo valor de y R a ltima equao verdadeira, S2 possui infinitas solu-
es.
Toda 2upla da forma (2y 1, y), com y R soluo de S3 .
20
Figura 2.3: As retas so coincidentes.
Sistema Linear com Trs Variveis
Podemos utilizar este mesmo procedimento na resoluo de sistemas lineares de trs

variveis.
Por exemplo, considere o sistema

x 2y + z = 0
S4 : 2y 8z = 8

4x + 5y + 9z = 9

Para que (x, y, z) seja soluo do sistema, (x, y, z) deve ser soluo da primeira equao.
Logo
x = 2y z.
Substituindo nas outras duas equaes, temos que (x, y, z) soluo de S4 se, e somente se,
(y, z) soluo de
( (
2y 8z = 8 2y 8z = 8

4(2y z) + 5y + 9z = 9 3y + 13z = 9
que um sistema de duas variveis.

Fazendo y = 4z + 4 e substituindo na segunda equao, temos que
3(4z + 4) + 13z = 9 12z 12 + 13z = 9 z = 3.
Ento y = 4z + 4 = 4 3 + 4 = 16 e x = 2y z = 2 16 3 = 29.
A nica soluo de S4 (29, 16, 3). O que vimos nestes casos acima so as possibilidades
de qualquer sistema linear S com trs variveis:
Existe uma nica soluo;
Existe uma infinidade de solues; ou
No existe soluo alguma.
21
Figura 2.4: Os trs planos tm uma interseo.
Figura 2.5: Os trs planos no tm uma interseo comum.
(i) trs planos paralelos; (ii) dois planos paralelos e um plano concorrente; (iii) trs
planos concorrentes, sem interseo comum; e (iv) dois planos coincidentes e um paralelo.
(i) trs planos paralelos se intersectam em uma reta; (ii) trs planos coincidem;
(iii) dois planos coincidem e o terceiro concorrente.
Sistema Linear com Mais de Trs Variveis
Se um sistema linear S tem quatro variveis, fazendo uma substituio de variveis, po-
demos reduz-lo a um sistema linear com trs variveis, que por sua vez pode ser reduzido
a um sistema de duas variveis. E que pode ter: uma nica soluo, ou infinitas solues,
ou nenhuma soluo.
E assim sucessivamente um sistema linear com qualquer nmero de variveis pode ser
classificado em relao existncia de solues.
Definio 2.6 Seja S um sistema linear nas variveis x1 , x2 , , xn . O conjunto soluo de S

o conjunto formado por todas as suas solues.
Classificaremos um sistema linear da seguinte maneira:
Possvel Determinado: se existe uma nica soluo;
22
Figura 2.6: Os trs planos tm infinitos pontos em comum.
Possvel Indeterminado: se existe uma infinidade de solues; ou
Impossvel: se no existe soluo alguma.
Exemplo 15 (a) Vimos que o sistema

(
x 2y = 1
S1 :
x + 3y = 3
tem como conjunto-soluo S = {(3, 2)}. Logo S1 um sistema possvel determinado

(SPD).
(b) Vimos que o sistema (
x 2y = 1
S2 :
x + 2y = 3
no possui nenhuma soluo. Logo S2 um sistema impossvel (SI).
(c) Vimos que o sistema (
x 2y = 1
S3 :
2x 4y = 2
possui infinitas solues, a saber, o conjunto-soluo S = {(2y 1, y); y R}.
Logo S2 um sistema possvel indeterminado (SPI).
2.2 Resoluo de Sistemas Lineares

Nosso objetivo obter um algoritmo para resolver sistemas lineares, indepependente do
nmero de equaes e variveis.
Basicamente, a estratgia ser simplificar o sistema o mximo possvel, sem que seja
alterado seu conjunto soluo.
Definio 2.7 Dizemos que dois sistemas lineares S1 e S2 so equivalentes se possuem as

mesmas solues.
23
Para isso vejamos que existem alteraes que podem ser realizadas com as equaes de um
sistema linear, sem que sejam alteradas as solues:
(I) Mudana na ordenao das equaes de um sistema:
Claramente os sistemas abaixo possuem as mesmas solues.

x 2y + z = 0
2y 8z = 8
0
S: 2y 8z = 8 e S : x 2y + z = 0

4x + 5y + 9z = 9 4x + 5y + 9z = 9

Os sistemas

a11 x1 + a12 x2 + + a1n xn = b1
a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn a21 x1 + a22 x2 + + a2n xn

= b2

= b2
.. .. .. .. .. ..

. . . . . .

ai1 x1 + ai2 x2 + + ain xn

= bi aj1 x1 + aj2 x2 + + ajn xn

= bj
S: .. .. .. e S0 : .. .. ..

. . .

. . .

a x + aj2 x2 + + ajn xn = bj ai1 x1 + ai2 x2 + + ain xn = bi

j1 1

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

am1 x1 + am2 x2 + + amn xn = bm am1 x1 + am2 x2 + + amn xn = bm

so equivalentes.
(II) Multiplicao de uma equao por um nmero real no nulo:

x 2y + z = 0 3x 6y + 3z = 0

S: 2y 8z = 8 e S0 : 2y 8z = 8

4x + 5y + 9z = 9 4x + 5y + 9z = 9

Seja R. Os sistemas

a11 x1 + a12 x2 + + a1n xn = b1

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2 a21 x1 + a22 x2 + + a2n xn = b2

.. .. ..
.. .. ..
. . . 0
. . .
S: e S :

ai1 x1 + ai2 x2 + + ain xn = bi
a0i1 x1 + a0i2 x2 + + a0in xn = b0i
.. .. .. .. .. ..

. . .

. . .

a x + a x + + a x

= bm a x + a x + + a x

= bm
m1 1 m2 2 mn n m1 1 m2 2 mn n
so equivalentes, onde a0ij = aij e b0i = bi (j = 1, , n).

(III) Somar a uma equao um mltiplo de uma outra:

x 2y + z = 0
x 2y + z = 0
0
S: 2y 8z = 8 e S : 2y 8z = 8

4x + 5y + 9z = 9 3x + 3y + 10z = 9

24
Seja R . Os sistemas

a11 x1 + a12 x2 + + a1n xn = b1
a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn a21 x1 + a22 x2 + + a2n xn

= b2

= b2
.. .. .. .. .. ..

. . . . . .

ai1 x1 + ai2 x2 + + ain xn

= bi a0 x 1 + a0 x 2 + + a0 x n

= b0i
i1 i2 in
S: .. .. .. e S0 : . .. ..

. . .
.
. . .

aj1 x1 + aj2 x2 + + ajn xn = bj aj1 x1 + aj2 x2 + + ajn xn = bj

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

am1 x1 + am2 x2 + + amn xn = bm am1 x1 + am2 x2 + + amn xn = bm

so equivalentes, onde a0ik = aik + ajk e b0i = bi + bj (k = 1, , n). Essas trs alteraes
so chamadas de Operaes Elementares sobre as equaes de um sistema linear.
(I) Permutar equaes ;
(II) Multiplicar uma equao por um nmero real;
(III) Somar a uma equao o mltiplo de uma outra equao.

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2

Considere o sistema linear abaixo S : .. .. ..

. . .

am1 x1 + am2 x2 + + amn xn = bm

Podemos escrever S como uma equao matricial.
Sejam

a11 a12 a1n x1 b1
a21 a22 a2n x b

, X = 2 e B = 2 .

A=
.. .. .. .. .. ..
. . . . . .

am1 am22 amn xn bm
Temos que

a11 a12 a1n x1 b1
a21 a22 a2n x2 b2

AX =B ..

.. .. ..

..
=
..

. . . . . .

am1 am22 amn xn bm

a11 x1 + a12 x2 + + a1n xn
a11 x1 + a12 x2 + + a1n xn = b1
b1

a21 x1 + a22 x2 + + a2n xn b2 a21 x1 + a22 x2 + + a2n xn = b2

=
.. .. .. .. ..

. . . . .

am1 x1 + am2 x2 + + amn xn bm am1 x1 + am2 x2 + + amn xn = bm

25
Definio 2.8 A matriz

a11 a12 a1n
a21 a22 a2n

A=
.. .. .. ..

. . . .

am1 am22 amn
dita a matriz dos coeficientes do sistema linear, ou matriz incompleta.
X dita ser a matriz das variveis; e B a dos termos independentes do sistema.
Definio 2.9 A matriz completa do sistema a matriz A aumentada da coluna dos termos
independentes:

a11 a12 a1n b1
a21 a22 a2n b2

A|B = .

.. .. .. .. .

. . . . . .
am1 am22 amn bm

x 2y + z = 0
Exemplo 16 Considere o sistema S : 2y 8z = 8

4x + 5y + 9z = 9

A matriz completa de S :

1 2 1 0
0 2 8 8 .

4 5 9 9
Notemos que as operaes elementares de um sistema linear produzem efeito similar na
matriz completa do sistema:
De fato, considere o sistema S abaixo e sua matriz completa.

x 2y + z = 0 1 2 1 0
S: 2y 8z = 8 0 2 8 8

4x + 5y + 9z = 9 4 5 9 9

A permuta entre as equaes E1 e E2 do sistema acarreta a permuta entre as linhas L1

por L2 da matriz:

2y 8z = 8 0 2 8 8
S0 : x 2y + z = 0 1 2 1 0

4x + 5y + 9z = 9 4 5 9 9

1. A matriz completa de um sistema linear foi reduzida, por operaes elementares,

forma abaixo. D o conjunto soluo do sistema.
1 1 0 0 5
1 5 7 0
0 1 2 0 7
(a) 0 1 3 1 (b)

0 0 1 2 2
0 0 1 1

0 0 0 1 4
26

1 2 0 0 0 1 1 2 1
(c) 0 1 2 0 0 (d) 0 1 7 1

0 0 1 2 0 0 0 0 3
Trabalharemos ento com a matriz completa do sistema utilizando as operaes elemen-
tares nas linhas da matriz.
Definio 2.10 Duas matrizes A e A0 so ditas linha-equivalentes (ou equivalentes) se uma

foi obtida da outra atravs de uma operao elementar.
2. A matriz completa de um sistema linear foi alterada, por meio de uma operao ele-
mentar. Determine-a.

1 3 1 1 3 1
(a) 0 2 4 0 1 2

0 0 1 0 0 1

1 1 0 0 5 0 0 1 2 2

0 1 2 0 7 2 0 7
0 1
(b)
0 0
1 2 2
1 0 0 5
1

0 0 0 1 4 0 0 1 4
0

1 2 0 1 3 1 2 0 1 3
(c) 0 1 2 0 0 2 5 2 2 6

0 0 1 2 0 0 0 1 2 0
Vamos realizar o procedimento de simplificao do sistema linear, utilizando somente as
operaes elementares:

x 2y +z = 0 1 2 1 0
S: 2y 8z = 8 0 2 8 8

4x +5y +9z = 9 4 5 9 9

Fazendo E3 E3 + 4E1 obtemos:

x 2y +z
= 0 1 2 1 0
S1 : 2y 8z = 8 0 2 8 8

3y +13z = 9 0 3 13 9

x 2y +z
= 0 1 2 1 0
S1 : 2y 8z = 8 0 2 8 8

3y +13z = 9 0 3 13 9

1
Fazendo E2 E2 obtemos:
2

x 2y +z = 0
1 2 1 0
S2 : y 4z = 4 0 1 4 4

3y +13z = 9 0 3 13 9

27

x 2y +z = 0
1 2 1 0
S2 : y 4z = 4 0 1 4 4

3y +13z = 9 0 3 13 9

Fazendo E1 E1 + 2 E2 obtemos:

x
7z = 8 1 0 7 8
S3 : y 4z = 4 0 1 4 4

3y +13z = 9 0 3 13 9

x
7z = 8 1 0 7 8
S3 : y 4z = 4 0 1 4 4

3y +13z = 9 0 3 13 9


x
7z = 8 1 0 7 8
S4 : y 4z = 4 0 1 4 4

z = 3 0 0 1 3

x
7z = 8 1 0 7 8
S4 : y 4z = 4 0 1 4 4

z = 3 0 0 1 3


x
= 8 1 0 0 29
S5 : y 4z = 4 0 1 4 4

z = 3 0 0 1 3

x
= 29 1 0 0 29
S5 : y 4z = 4 0 1 4 4

z = 3 0 0 1 3


x
= 29 1 0 0 29
S6 : y = 16 0 1 0 16

z = 3 0 0 1 3

O sistema S6 possvel determinado e sua nica soluo (29, 16, 3).
Como S linha-equivalente a S6 , (29, 16, 3) tambm a nica solua de S.
Este processo conhecido como eliminao.

Vejamos outro exemplo.
28
Considere o sistema linear

y 4z = 8
S: 2x 3y +2z = 1

5x 8y +7z = 1

que possui a seguinte matriz completa:

0 1 4 8
2 3 2 1

5 8 7 1
1
0 1 4 8 L1 L2 2 3 2 1 L1 2
L1
2 3 2 1 0 1 4 8

5 8 7 1 5 8 7 1

1 32 1 1
2
1 23 1 1
2
L1 L1 + 32 L2
0 1 4 8 0 1 4 8

1 3
5 8 7 1 L3 L3 5L1 0 2
2 2
L3 L3 + 12 L2
25

1 0 5 2
0 1 4 8

5
0 0 0 2
A matriz obtida
25
1 0 5 2
0 1 4 8

5
0 0 0 2
a matriz completa do seguinte sistema linear:

25
x
5z = 2
0
S : y 4z = 8

5
0 =

2
Note que este sistema impossvel, j que a equao

5
0x + 0y + 0z =
2
no possui nenhuma soluo.
3. Pelo Mtodo da Eliminao, resolva o sistema abaixo.

2x 3y +4z = 5

S: y 2z = 4

x +3y z = 2

29
Captulo 3
Aula 03 - Escalonamento de Matrizes
Definio 3.1 (Matriz Reduzida Forma Escada) Uma matriz dita reduzida forma es-
cada se ela satisfaz as seguintes propriedades:
1. O primeiro elemento no nulo de cada linha, chamado de lder, igual a 1;
2. Cada elemento lder de uma linha o nico elemento no nulo de sua coluna;
3. Cada elemento lder de uma linha est numa coluna direita do elemento lder da
linha anterior;
4. Todas as linhas nulas esto abaixo das linhas no nulas.
Propriedade checklist
O primeiro elemento no nulo de cada linha 1. 3
1 5 7 Cada elemento lder de uma linha o nico elemento no
5
A=
0 1 3
nulo de sua coluna.
Cada elemento lder de uma linha est numa coluna direita

0 0 1 3
do elemento lder da linha anterior.
Todas as linhas nulas esto abaixo das linhas no nulas. 3
Concluso: A no est reduzida forma escada.
30
Prof. Marcelo Farias lgebra Linear IAula 03 - Escalonamento de Matrizes

1 1 0 0 O primeiro elemento no nulo de cada linha 1. 5
Cada elemento lder de uma linha o nico elemento no
0 2 2 0 5
B=
0
nulo de sua coluna.
0 1 2 Cada elemento lder de uma linha est numa coluna direita
3
0 0 0 1 do elemento lder da linha anterior.
Concluso: B no est reduzida forma escada.
1 2 0 0 5 Cada elemento lder de uma linha o nico elemento no
3
C=
0 0 0 1 0
nulo de sua coluna.

0 0 1 0 3 5
Concluso: C no est reduzida forma escada.

1 0 0 2 5 O primeiro elemento no nulo de cada linha 1. 3
0 1 0 1 0 3
D=
0 0 1 0 3

nulo de sua coluna.

3
0 0 0 0 0 do elemento lder da linha anterior.
Concluso: D est reduzida forma escada.

1 0 0 2 5

0 1 0 1 0
D=

0 0 1 0 3

0 0 0 0 0
Uma escada imaginria em que o elemento lder de cada linha deve escalar: a matriz est
escalonada!
31
1 0 1 2 5 Cada elemento lder de uma linha o nico elemento no
5
E=
0 1 2 0 0
nulo de sua coluna.

0 0 0 1 3 3
Concluso: E no est reduzida forma escada.

1 0 1 2 5

0 1 2 0 0
E=

0 0 0 1 3

0 0 0 0 0
CUIDADO:
Existe uma escada na qual o elemento lder est subindo mas a matriz no est reduzida
forma escada!
Teorema 3.2 (do Escalonamento) Toda matriz A Mmn (R) linha-equivalente a uma
nica matriz reduzida forma escada.
Ou seja, uma matriz pode ser transformada em uma reduzida forma escada, utili-
zando somente as trs operaes elementares. Veremos agora o procedimento para reduzir
uma matriz sua forma escada:
Definio 3.3 Numa matriz A, uma posio de piv uma posio correspondente a um
elemento lder na forma escalonada. Uma coluna piv uma coluna que contm uma posi-
o de piv.
Exemplo 17

4 0 1 0 5
1 1 2 0 0

0 0 2 0 3
Passo 1 Inicie com a primeira coluna no nula, da esquerda para a direita. Esta uma coluna piv.
A posio piv a primeira de cima.
32
Passo 2 Escolha qualquer elemento no nulo da coluna piv para servir de elemento piv.
Se tal elemento no for 1, divida a linha por um nmero adequado; e se necessrio troque de linhas
para que atinja a posio piv.
Passo 3 Use as operaes necessrias para zerar todas as entradas abaixo (e acima) do piv.
Passo 4 Escolha nova coluna piv e refaa os passos (1)-(2)-(3), at obter a matriz reduzida forma
escada.
Propriedade checklis
0 1 4 8 Cada elemento lder de uma linha o nico elemento no
5
2 3
Exemplo 18 Considere a matriz 2 1 nulo de sua coluna.
5 8 7 1 Cada elemento lder de uma linha est numa coluna direita

5

Logo esta matriz no est reduzida forma escada.
Mas vamos fazer uma sequncia de operaes elementares que a transformar numa
matriz reduzida forma escada.
1
0 1 4 8 L1 L2 2 3 2 1 L1 2
L1
2 3 2 1 0 1 4 8

5 8 7 1 5 8 7 1

1 32 1 1
2
1 23 1 1
2
L1 L1 + 32 L2
0 1 4 8 0 1 4 8

1 3
5 8 7 1 L3 L3 5L1 0 2
2 2
L3 L3 + 12 L2

1 0 5 25
2
1 0 5 25
2
L1 L1 25
2
L3
0 1 4 8 0 1 4 8 L2 L2 8 L3

0 0 0 52 L3 25 L3 0 0 0 1
E assim chegamos matriz reduzida forma escada:
1 0 5 0
3

0 1 4 0 nulo de sua coluna.

0 0 0 1 do elemento lder da linha anterior.
3
33
3.1 Usando Escalonamento para Resolver um Sistema

Passo 1 Escreva a matriz completa do sistema.
Passo 2 Use o Algoritmo de Escalonamento para obter a forma escada.
Passo 3 Reescreva o sistema correspondente matriz na forma escada.
Passo 4 Classifique o sistema de acordo com a existncia de solues; e determine as relaes entre
elas.
Exemplo 19 (a) Resolva o sistema

x 2y +z = 0
S: 2y 8z = 8

4x +5y +9z = 9

A matriz completa do sistema :

1 2 1 0
0 2 8 8

4 5 9 9
Vamos escalonar:

1 2 1 0 1 2 1 0
1
0 2 8 8 0 2 8 8 L2 L

2 2
4 5 9 9 L3 L3 + 4L1 0 3 13 9

1 2 1 0 L1 L1 + 2L2 1 0 7 8 L1 L1 + 7L3
0 1 4 4 0 1 4 4 L2 L2 + 4L3

0 3 13 9 L3 L3 + 3L2 0 0 1 3

1 0 7 8 L1 L1 + 7L3 1 0 0 29
0 1 4 4 L2 L2 + 4L3 0 1 0 16

0 0 1 3 0 0 1 3
Obtemos o sistema:
x
= 29
0
S : y = 16

z = 3

O sistema S possvel determinado e sua nica soluo (29, 16, 3).

(b) Resolva o sistema
x 2y z = 1

S: 2x +y 3z = 0

x 7y = 3

34

1 2 1 1
2 1 3 0

1 7 0 3
Vamos escalonar:

1 2 1 1 1 2 1 1
2 1 3 0 L2 L2 2L1 0 5 1 2

1 7 0 3 L3 L3 L1 0 5 1 2 L3 L3 + L2

1 2 1 1 1 2 1 1 L1 L1 + 2L2
1 1 2
0 5 1 2 L2 L2 0 1

5 5
5
0 0 0 0 0 0 0 0
7 1

1 2 1 1 L L1 + 2L2 1 0
1 2 1 5 5
1 2

0 1

5 5
0 1
5 5

0 0 0 0 0 0 0 0
Obtemos o sistema:
7 1 1 7

x z =
x = + z

5 5
5 5
S0 :

1 2
2 1
y z = y = + z

5 5 5 5
Para cada z R, a tripla
1 7 2 1
+ z, + z, z
5 5 5 5
uma soluo do sistema. Logo S possvel indeterminado.
Observao 3.4 (I) Note que para fabricarmos solues podemos atribuir varivel z qual-
quer valor real. Por isso dizemos que a varivel z independente.
(II) Os valores das variveis x e y dependem do valor escolhido para z. Por isso dizemos
que as variveis x e y so dependentes.
(c) Vejamos outro exemplo de sistema possvel indeterminado:

x +y +z +3t = 1

S:

x +y z +2t = 0


1 1 1 3 1

1 1 1 2 0
35
Escalonando a matriz completa, obtemos:

1 1 1 3 1 1 1 1 3 1

1
1 1 1 2 0 L2 L2 L1 0 0 2 1 1 L2 L2
2
5 1

1 1 1 3 1 L1 L1 L2 1 1 0 2
2

1 1

0 0 1
1 1
2 2 0 0 1
2 2
O sistema associado a esta matriz :

5 1 1 5

x +y + t =
x = y t

2 2
2 2

1 1
1 1
z + t = z = t

2 2 2 2
Note que para cada valor real dados s variveis y e t, produzimos uma soluo do
sistema:
1 5 1 1
y t, y, t, t .
2 2 2 2
Logo o sistema possvel indeterminado, cujo conjunto soluo :

1 5 1 1
y t, y, t, t ,
2 2 2 2
onde y, t R. Este sistema possui duas variveis independentes e duas dependentes.
(d) Resolva o sistema
x +y +z = 1

S: x y z = 2

2x +y +z = 3

A matriz completa de S :

1 1 1 1
1 1 1 2

2 1 1 3
Escalonando, obtemos:

1 1 1 1 1 1 1 1
1 1 1 2 L2 L2 L1 0 2 2 1 L2 L3

2 1 1 3 L3 L3 2L1 0 1 1 1

1 1 1 1 1 1 1 1
0 1 1 1 L2 L2 0 1 1 1

0 2 2 1 0 2 2 1 L3 L3 + 2L2
36

1 1 1 1 1 1 1 1
0 1 1 1 0 1 1 1

0 2 2 1 L3 L3 + 2L2 0 0 0 1
Note que a ltima linha da matriz gera a seguinte equao linear:
h i
0 0 0 1 0x +0y +0z = 1
que claramente no possui soluo. Logo o sistema impossvel.
RESUMO DA DISCUSSO:
Suponhamos que um sistema tenha sido escalonado e, retiradas as equaes do tipo
0 = 0, restam p equaes com n variveis.
(I) Se alguma equao restante da forma:
0x1 + 0x2 + 0xn = b (b 6= 0)
ento o sistema impossvel, ou seja, no possui soluo alguma.

(II) Se p = n o sistema possvel determinado, ou seja, possui uma nica soluo.
(III) Se p < n o sistema possvel indeterminado, ou seja, possui infinitas solues.

1. A matriz completa de um sistema linear foi alterada, por meio de operaes elementa-
res. Determine tais operaes.

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

0 0 1 0 0 1 0 0 1

1 1 0 0 5 0 0 1 2 2 0 0 1 2 2

0 1 2 0 7 0 1 2
0 7
0 1 2 0 7

(b)
0
0 1 2 2
1 1 0
0 5

1 1 0 0 5

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

1 2 0 1 3 1 0 4 1 3
(c) 2 5 2 2 6 ? 0 1 2 0 0

0 0 1 2 0 0 0 1 2 0
2. Verifique se as matrizes abaixo esto reduzidas forma escada. Caso contrrio expli-
cite as propriedades que no so satisfeitas pela matriz. Depois indique a sequncia
de operaes elementares que colocam a matriz na forma escada.
37

1 0 0 0 1 1 2 2 0 4
(a) 0 0 (c) 0 1 0 2 (e) 0 0 1 4

0 1 1 0 0 3 0 1 0 2

0 1 0 0 3 0

2 0 0 2 1 2 0 1 0 0 0 1 2 0
(f)
(b) 0 3 0 6 (d) 0 1 0 2 0 0 0 0 0 1

0 0 1 3 0 0 1 4 0 0 0 0 0 0
3. Reduza as matrizes forma escada, explicitando as passagens necessrias.

1 2 3 1 0 2 2 0 1 3 2

(a) 2 1 2 3 1 1 3 (c) 2 1 4 3

(b)

3 1 2 3 3 4 2 2 3 2 1

2 3 1
4. Dado o sistema linear

x +2y +z = 0

x +3z = 5

x 2y +z = 1

verifique se so solues do sistema as seguintes 3uplas:

(a) (7, 2, 11) (b) (1, 3, 2) (c) (2, 1, 1) 7 1 11
(d) , ,
8 4 8
5. Dados os sistemas lineares:

2x y +3z = 11
3x +5y = 2 2x +3y +z = 11

4x 3y +2z = 0
S1 : 2x +z = 3 , S2 : x +y +z = 6 e S3 :
x +y +z = 6
5x +y z = 0 5x +2y +3z = 18

3x +y +z = 4
(a) Escreva a equao matricial associada ao sistema AX = B;

(b) Escalone a matriz aumentada [A|B].
(c) Determine o sistema associado matriz escalonada encontrada acima
(d) Quantas solues tem o sistema? Classifique-o.
6. Dado o sistema linear

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

5x +y z = 0

escreva a matriz ampliada associada ao sistema, e reduza-a forma escada para clas-
sificar o sistema.
38
7. Resolva os seguintes sistemas lineares, pelo mtodo do escalonamento de suas matri-

zes ampliadas.
11

x +3y z = 2
2x +y z w
= 4
(a) 2x 2y +z = 3 (f) y +w +u = 4

3x y +z = 23 x z +2w = 0

3x +2y z = 5

x +y +z = 2
(b) 2x +y +z = 7

x y z = 3

x 2y +3z = 1 (g)

2x +y +2z = 1
x +2y +8z = 0

3x +2y +3z = 3
(c) x 3y 7z = 0

x y z = 0 3x +3y 2z t = 2

(h) S : 5x +2y +z 2t = 3
n
(d) x +3y +2z = 2
2x y +3z t = 1

x y +z = 0

y +w = 0 x +y +z = 1

(e)

3x 2y +3z +w = 0 (i) S : x y z = 2

y w = 0 2x +y +z = 3

8. Determine o valor de k para que o sistema linear

4x +3y = 2

5x 4y = 0

2x y = k

admita soluo.
9. Determine o valor de k para que o sistema linear

(
kx 2y = 1
4x +3y = 2
admita soluo.
10. Determine se existem valores de a e b de forma que o sistema linear

(
4x ay = 16
4x +3y = b
admita infinitas solues.
11. Determine se existe valor de k de forma que o sistema linear

(
x +2y = 1
3x +6y = k
no admita soluo.
39
12. Um concurso com 50 questes tem a seguinte regra: o candidato ganha 5 pontos por
exerccio que acerta; e perde 3 pontos por exerccio que erra. Sabendo que Joozinho
tinha 130 pontos, quantos exerccios acertou?
13. Um motorista abasteceu seu carro Flex num posto com 10 litros de lcool e 30 litros de
gasolina pagando R$90, 00. Na semana seguinte, no mesmo posto, abasteceu com 30
litros de lcool e 20 litros de gasolina pagando R$102, 00. Se no houve alterao nos
preos, calcule o preo do lcool nesse posto?
14. Em uma pastelaria, dois pastis mais trs caldos de cana custam R$5, 40. Cinco pastis
mais dois caldos custam R$9, 10. Qual o preo de quatro pastis e quatro caldos?
15. Um comerciante deseja totalizar a quantia de R$500, 00 utilizando cdulas de um, cinco
e dez reais, num total de 92 cdulas, de modo que as quantidades de cdulas de um
e de dez reais sejam iguais. Neste caso, qual a quantidade de cdulas de cinco reais o
comerciante precisar?
16. Ao descontar um cheque, recebi somente notas de R$10 e R$50 em um total de 14 notas.
Quando fui conferir, descobri que o caixa havia se enganado, pois recebi tantas notas
de R$50 quanto as de R$10 que deveria ter recebido e vice-versa. Percebido o erro,
verifiquei que se gastasse R$240 da importncia recebida, ainda ficaria com o valor do
meu cheque. Qual era o valor do cheque?
17. Um fazendeiro est decidido a plantar trs diferentes gros: feijo, milho e soja, utili-
zando todos os seus 1.200 hectares. O custo do plantio das sementes de cada gro por
hectare dado pelo quadro abaixo
gro custo das sementes/hectare

milho R$20
soja R$50
trigo R$12
(a) Use as informaes acima para montar um sistema linear com duas equaes e
trs incgnitas e o resolva.
(b) Cada soluo do sistema uma escolha que o fazendeiro pode tomar. D duas
possveis solues.
(c) Suponha que na colheita o preo de revenda da soja seja de R$100 por hectare; do
milho R$300 por hectare; e de trigo R$100 por hectare
40
Captulo 4
Aula 04 - Aplicaes de Sistemas Lineares
4.1 Sistemas Lineares em Economia

Veremos agora um exemplo de aplicao importante de Sistemas Lineares na Economia.
O economista russo Wassily Leontif (1906-1999) foi laureado com o prmio Nobel de
Economia (1973) pela criao e desenvolvimento da chamada Anlise input-output, um m-
todo que fornece ferramentas para uma anlise sistemtica das complexas transaes entre
indstrias de uma economia.
Veremos com mais detalhes este modelo, quando tivermos mais teoria e melhor notao.
Neste momento veremos o modelo de de troca mais simples, tambm devido a Leontif.
Suponhamos que a economia de uma nao seja dividida em muitos setores, como co-
municao, minerao, servios, entretenimento, etc.
Suponhamos que saibamos a produo de cada setor durante um ano, e como se d a
diviso da produo entre todos os setores da economia.
Leontif provou o seguinte resultado:
Resultado 1 Existem preos de equilbrio que podem ser atribudos s produes totais dos
diversos setores de modo que a receita de cada setor se equilibre com seus gastos.
Vejamos o seguinte exemplo:

Um pedreiro, um eletricista e um hidrulico, pretendem fazer consertos em suas casas.
Eles concordam em trabalhar durante 10 dias cada conforme a tabela seguinte:
41
Dias de Trabalho Trabalho Executado pelo

Pedreiro Eletricista Hidrulico
Na casa do Pedreiro 2 1 6
Na casa do Eletricista 4 5 1
Na casa do Hidrulico 4 4 3
Cada proprietrio deve pagar aos outros e a ele mesmo, um salrio dirio e pelos servios
prestados em sua casa.
Os salrios dirios normais so, aproximadamente, R$100, 00, mas eles concordam em
ajustar estes salrios de tal modo que o total pago por cada um seja igual ao total recebido.
Determine os salrios de cada um.
Sejam p1 o salrio dirio do pedreiro, p2 o salrio dirio do eletricista e p3 o salrio dirio
do hidrulico.
Para satisfazer a condio de equilbrio, isto , de tal modo que o total dos gastos seja
igual ao total recebido para cada um dos proprietrios pelo perodo de dez dias, tem-se:

2p1 +p2 +6p3 = 10p1
8p1 1p2 6p3 = 0

S: 4p1 +5p2 +p3 = 10p2 4p1 +5p2 p3 = 0

4p1 +4p2 +3p3 = 10p3 4p1 4p2 +7p3 = 0

Tal sistema tem matriz completa:

8 1 6 0 8 1 6 0
4 5 1 0 L2 L2 + L3 8 1 6 0 L2 L2 + L1

4 4 7 0 4 4 7 0
1
8 1 6 0 8 1 6 0 L1 8
L1
0 0 0 0 L2 L3 4 4 7 0

4 4 7 0 0 0 0 0
1 3

1 3
1 0
1 0 8 4
8 4
9

2
L2 L2 + 4 L1
L2 L2

4 4 7 0 0 4 0

2 9
0 0 0 0 0 0 0 0
1 3 31

1 0 L1 + 8 L2 1 0 36 0
1
8 4 L1
0 1 8 0 0 1 8 0

9 9
0 0 0 0 0 0 0 0
Temos ento o seguinte sistema:

31 31
p1 p3 = 0 p1 = p3

36 36
8 8

p2 p3 = 0
p2 = p3
9 9
42
O sistema possvel indeterminado e todas as suas solues so da forma:

31 8
s, s, s ,
36 9
onde s R.
Podemos reescrever as solues da seguinte forma:
(31s, 32s, 36s) ,
onde s R.
Como queremos um salrio em torno de R$100, 00 para cada um, podemos escolher s = 3
e obteremos

p1 31 93
p2 = 3 32 = 96 .

p3 36 108
4.2 Modelo de markov para o Desemprego

A taxa de desemprego muda constantemente ao longo do tempo, conforme os indivduos
ganham ou perdem seus empregos.
Vamos considerar um modelo simples, chamado de Modelo de Markov, que descreve
esta dinmica, utilizando probabilidades transitrias.
Neste modelo assumiremos:
Se um indivduo est desempregado em uma dada semana, a probabilidade p para

estar empregado na prxima semana; e de 1 p para estar desempregado;
Se um indivduo est empregado em uma dada semana, a probabilidade q para per-

manecer empregado na prxima semana; e de 1 q para estar desempregado;
Sejam xt e yt as taxas de indivduos empregados e desempregados, respectivamente, em

uma semana t. Ento as mudanas nas taxas, semana-a-semana, so dadas pelas equaes:
xt+1 = qxt + pyt

yt+1 = (1 q)xt + (1 p)yt
Note que as equaes acima so lineares e podem ser escritas como
vt+1 = Avt , onde:

" # " # " #
xt+1 q p xt
vt+1 = , A= e vt = .
yt+1 1q 1p yt
43
Perguntas:
Daqui a 100 semanas quais sero as taxas de emprego e desemprego?
Existe algum estado de equilbrio?
Se existe, o equilbrio ser atingido, se as probabilidades permanecerem?
Denotando o estado inicial, ou seja, na semana t = 0, por:

" #
x0
v0 = ,
y0
o estado do sistema depois de t semanas transcorridas dado por:
v1 = Av0
v2 = Av1 = A(Av0 ) = A2 v0
v3 = Av2 = AA2 v0 = A3 v0
..
.
vt = Avt1 = At v0 .
Por exemplo, suponha que as probabilidades p e q so de
p = 0, 136 e q = 0, 998.
E que a taxa de desemprego

" seja # de"5% na semana
# t = 0.
x0 0, 95
Temos ento que v0 = = . Na semana t teremos taxas:
y0 0, 05
" # " #t " #
xt 0, 998 0, 136 x0
vt = = .
yt 0, 002 0, 864 y0
Portanto daqui a 100 semanas teremos taxas de desemprego:
" # " #100 " #
x100 0, 998 0, 136 0, 95
v100 = = .
y100 0, 002 0, 864 0, 5
" #100
0, 998 0, 136
Precisamos de uma maneira eficiente de calcular .
0, 002 0, 864
A condio de equilbrio das taxas de desemprego ocorrer quando o vetor estado per-
manecer inalterado:
Avt = vt .
Ou seja, para determinarmos o equilbrio de um sistema linear devemos descobrir os
autovetores associados ao autovalor = 1.
44
" # " # " # " # " # " #

0, 998 0, 136 x x 0, 998 1 0, 136 x 0
= = .
0, 002 0, 864 y y 0, 002 0, 864 1 y 0
(
0, 002x + 0, 136y = 0 n
x = 68y
0, 002x + 0, 136y = 0
Como v = (x, y) um vetor de probabilidade: x + y = 1. Logo a nica soluo do sistema
:
68 1
x== 0, 986 e y = = 0, 014.
69 69
Em outras palavras, o equilbrio do sistema obtido quando a taxa de desemprego de
1, 4%.
4.3 Interpolao Polinomial

Um problema importante com diversas aplicaes determinar um polinmio que passa
por um conjunto de pontos especificados no plano, que chamamos de interpolao polino-
mial.
O exemplo mais simples deste problema determinar um polinmio linear
p(x) = ax + b, onde a, b R,
cujo grfico passa por dois pontos dados (x1 , y1 ) e (x2 , y2 ).

J conhecemos mtodos para a determinao deste polinmio, utilizando como ferra-
menta a Geometria Analtica. Aqui estaremos interessados em utilizar sistemas lineares.
Dados dois pontos A = (x1 , y1 ) e B = (x2 , y2 ) sabemos que existe uma nica reta pas-
sando por eles.
Seja
y = ax + b
a equao desta reta.

Substituindo as coordenadas de A e B na equao da reta, obtemos o sistema linear (nas
variveis a e b):
(
ax1 + b = y1 y2 y1 y 1 x2 y 2 x1
a= e b= ,
ax2 + b = y2 x2 x 1 x2 x1
desde que x1 6= x2 .
Por exemplo, a reta y = ax + b que passa por (2, 1) e (5, 4) pode ser obtida utilizando as
relaes acima:
41 1542
a= =1 e b= = 1.
52 52
45
Logo a reta que passa por (2, 1) e (5, 4) y = x 1.

Agora consideremos o caso geral de achar um polinmio cujo grfico passa por n pontos
com primeiras coordenadas distintas
(x1 , y1 ), (x2 , y2 ), (x3 , y3 ), , (xn , yn ).
Nossa intuio sugere a determinao de um polinmio de grau n 1:
p(x) = a0 + a1 x + a2 x2 + + an1 xn1 ,
mas a configurao dos pontos pode ser uma reta, ou uma parbola, etc. , que recairia no
caso de um polinmio de grau no mximo n 1.
Teorema 4.1 Dados n pontos do plano com primeiras coordenadas distintas, existe uma
nica funo polinomial de grau menor ou igual a n 1 cujo grfico passa por estes pontos.
D EMONSTRAO : Sejam (x1 , y1 ), (x2 , y2 ), (x3 , y3 ), , (xn , yn ) n pontos com primeiras co-
ordenadas distintas.
E considere o problema da determinao de um polinmio de grau n 1:
p(x) = a0 + a1 x + a2 x2 + + an1 xn1 ,
passando por eles.

Substituindo as coordenadas na equao do polinomial:

2 n1
a0 + a1 x1 + a2 x1 + + an1 x1

= y1
a0 + a1 x2 + a2 x2 + + an1 xn1

= y2
2 2
.
. .
. .
. .
. .

. . . . = ..

a0 + a1 xn + a2 x2n + + an1 xnn1 = yn

com n equaes e n variveis, que so a0 , a1 , , an1 .

Obtemos assim um sistema linear

a0 + a1 x1 + a2 x21 + + an1 x1n1 = y1

a0 + a1 x2 + a2 x2 + + an1 xn1 = y2

2 2
A matriz aumentada do sistema . . . . .. dada por

.. .. .. .. = .

2 n1
a0 + a1 xn + a2 xn + + an1 xn = yn

1 x1 x21 x31 xn1
1 y1
1 x2 x22 x32 xn1

2 y2

1 x3 x23 x33 xn1
3 y 3

.. .. .. .. ..

. . . . .

1 xn x2n x3n xn1
n y n
Prova-se que este sistema possvel e determinado utilizando a teoria de determinantes.
46
A matriz incompleta do sistema

1 x1 x21 x31 x1n1
1 x2 x22 x32 x2n1

A=
1 x3 x23 x33 x3n1

.. .. .. .. ..

. . . . .

2 3 n1
1 xn xn xn xn
chamada de matriz de Vandermonde, cujo determinante dado por:
Y
det(A) = (xj xi ) 6= 0.
1i<jn
Exemplo 20 (a) Determine uma funo polinomial de grau menor ou igual a 2 que passa
pelos pontos
(1, 3), (2, 2), (1, 4).
Queremos obter um polinmio p(x) = a0 + a1 x + a2 x2 que passa pelos pontos dados.
Ento as variveis a0 , a1 e a2 devem satisfazer ao seguinte sistema:

2

a 0 +a 1 x 1 +a 2 x 1 = y 1 a0
+a1 1 +a2 12 = 3
2 2
a0 +a1 x2 +a2 x2 = y2 = a0 +a1 2 +a2 2 = 2

a0 +a1 x3 +a2 x23 = y3 a0 +a1 (1) +a2 (1)2 = 4

fazendo (x1 , y1 ) = (1, 3), (x2 , y2 ) = (2, 2) e (x3 , y3 ) = (1, 4):

a0 +a1 +a2 = 3
1 1 1 3
a0 +2a1 +4a2 = 2 1 2 4 2

a0 a1 +a2 = 4 1 1 1 4

Escalonando a matriz obtemos:

1 1 1 3 1 1 1 3 L1 L1 L2
1 2 4 2 L2 L2 L1 0 1 3 5

1 1 1 4 L3 L3 L1 0 2 0 1 L3 L3 + 2L2

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

0 0 6 9 L3 61 L3 0 0 1 32

1 0 2 8 L1 L1 + 2L3 1 0 0 5
0 1 3 5 L2 L2 3L3 0 1 0 12

0 0 1 32 0 0 1 32
Passando ao sistema:

a0
= 5
1 3

a1 = 12 5, , a nica soluo.
2 2
a2 = 23

47
Portanto o polinmio de grau 2 que passa por (1, 3), (2, 2), (1, 4) :
1 3
p(x) = a0 + a1 x + a2 x2 = 5 x x2 .
2 2
Figura 4.1: Polinmio de grau 2 que passa por (1, 3), (2, 2), (1, 4).
(b) Determine uma interpolao polinomial cbica cujo grfico passa pelos pontos
(1, 3), (2, 2), (3, 5) e (4, 0).
Queremos obter um polinmio p(x) = a0 + a1 x + a2 x2 + a3 x3 que passa pelos pontos dados.

Ento as variveis a0 , a1 , a2 e a3 devem satisfazer ao seguinte sistema:

2 3

a0 +a 1 x 1 +a 2 x 1 +a 3 x 1 = y1

a0 +a1 (1) +a2 (1)2 +a3 (1)3 = 3
a +a x +a x2 +a x3 = y
a +a (2) +a (2)2 +a (2)3

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

a0 +a1 x3 +a2 x3 +a3 x3 = y3

a0 +a1 (3) +a2 (3) +a3 (3)3
2
= 5
a +a x +a x2 +a x3 = y
a +a (4) +a (4)2 +a (4)3

= 0
0 1 4 2 4 3 4 4 0 1 2 3
fazendo (x1 , y1 ) = (1, 3), (x2 , y2 ) = (2, 2), (x3 , y3 ) = (3, 5) e (x4 , y4 ) = (4, 0).
Obtemos o sistema:

a0 +a1 +a2 +a3 = 3 1 1 1 1 3

a +2a
0 1 +4a2 +8a3 = 2 1 2 4 8 2

a0 +3a1 +9a2 +27a3 = 5 1 3 9 27 5

a +4a +16a +64a = 0
0 1 2 3 1 4 16 64 0
(Exerccio) Escalonando a matriz obtemos:

1 0 0 0 4 a0

= 4

0 1 0 0 3 a1 = 3

0 0 1 0 5 a2 = 5

0 0 0 1 1 a3 = 1
48
(c) (Uma Integral Aproximada por Interpolao Polinomial) Podemos utilizar a inter-
polao polinomial para aproximarmos o valor de uma integral, sem resolv-la. Por exem-
plo, considere a integral
1
x2
Z
sen dx.
0 2
Consideremos a interpolao polinomial com 5 pontos que dividem o intervalo de integra-
o [0, 1] em partes iguais:
x0 = 0, x1 = 0.25, x2 = 0.5, x3 = 0.75 e x4 = 1.
Ento os pontos que pertencem ao grfico de f so:
(0, 0), (0.25, 0.098), (0.5, 0.382), (0.75, 0.773) e (1, 1).
Resolvendo o sistema linear obtm-se o polinmio de grau 4 (com coeficientes aproxima-

dos):
p(x) = a0 + a1 x + a2 x2 + a3 x3 + a4 x4 = 0.098x + 0.762x2 + 2.144x3 2.005x4 .
Ento tem-se que:

1 1
x2
Z Z
sen dx p(x)dx 0.438.
0 2 0
Observao: Nem sempre a interpolao polinomial boa. Ver arquivo: aula 04 - integral
e interpolao polinomial.ggb
49
50
Captulo 5
Aula 05 - Matrizes Invertveis
Definio 5.1 Seja A uma matriz quadrada de ordem n. Dizemos que A invertvel se existe
uma matriz B Mn (R) tal que
A B = In e B A = In ,
onde In a matriz identidade.
Observao 5.2 Pela definio, no faz sentido perguntar se uma matriz A de ordem m n,
com m 6= n, invertvel.
Proposio 5.3 Seja A uma matriz quadrada de ordem n. Se A for invertvel a matriz B ser
a nica com a propriedade:
A B = In e B A = In ,
onde In a matriz identidade.
D EMONSTRAO : Suponhamos que B, C Mn (R) satisfaam tal propriedade. Ento
B = B In = B (A C) = (B A) C = In C = C.
Definio 5.4 Chamaremos B de inversa de A e denotaremos por A1 .
Observao 5.5 Se A uma matriz invertvel de ordem n, a inversa de A a nica matriz X

que satisfaz simultaneamente as equaes:
A X = In e X A = In .
" # " #
2 5 7 5
Exemplo 21 (a) Sejam A = eB = . Temos que
3 7 3 2
" # " # " #
2 5 7 5 1 0
AB = = e
3 7 3 2 0 1
51
" # " # " #

7 5 2 5 1 0
BA= =
3 2 3 7 0 1
Logo B = A1 .
(b) Uma matriz quadrada (de qualquer ordem) com uma linha nula no possui inversa.
Por exemplo, considere a matriz

1 4 1
A= 3 2 2

0 0 0
Qualquer que seja a matriz B de ordem 3, a matriz A B ter a linha 3 tambm nula:

1 4 1 a b c 1 0 0
AB = 3 2 2 d e f = 6 0 1 0 = I3
=

0 0 0 g h i 0 0 0 0 0 1
(c) Analogamente, uma matriz quadrada (de qualquer ordem) com uma coluna nula no
possui inversa. Por exemplo, considere a matriz

0 4 1
A= 0 2 2

0 1 2
Qualquer que seja a matriz B de ordem 3, a matriz B A ter a coluna 1 tambm nula:

a b c 0 4 1 0 1 0 0
B A = d e f 0 2 2 = 0 6= 0 1 0 = I3

g h i 0 1 2 0 0 0 1
5.1 O Problema de Obter a Matriz Inversa

Determinar se uma matriz invertvel recai no estudo de um sistema linear possuir so-
luo. " # " #
1 2 x y
Por exemplo, a matriz A = ser invertvel se existir uma matriz X =
1 3 z w
tal que:
A X = I2 e X A = I2 .
" # " # " # " # " # " #
1 2 x y 1 0 x y 1 2 1 0
= e =
1 3 z w 0 1 z w 1 3 0 1
As equaes
" # " # " # " # " # " #
1 2 x y 1 0 x y 1 2 1 0
= e =
1 3 z w 0 1 z w 1 3 0 1
52
do origem ao sistema linear com 8 equaes e 4 incgnitas:

x +2z = 1

y +2w = 0

x +3z = 0

y +3w = 1

x +y = 1

2x +3y = 0

z +w = 0

2z +3w = 1
Deixamos como exerccio a demonstrao de que o sistema possui uma nica soluo:
x = 3, y = 2, z = 1 e w = 1.
" # " #
1 2 3 2
Logo A = possui inversa A1 = .
1 3 1 1
" #
1 2
Exerccio: Utilize este mtodo para mostrar que a matriz B = no invertvel.
2 4
Vimos que para obter a inversa de uma matriz, no caso mais simples possvel, o de ordem
2, este mtodo muito trabalhoso.
Quanto maior a ordem da matriz, mais trabalhoso se torna o problema.
Se a ordem da matriz 3, recaremos no estudo de um sistema linear com 18 equaes e
9 incgnitas.
Veremos mais adiante um mtodo mais eficaz na obteno da matriz inversa, caso ela
exista.
5.2 Propriedades de Matrizes Invertveis

Propriedade 12 (I) Se A invertvel, sua inversa A1 invertvel. Alm disso,
(A1 )1 = A.
D EMONSTRAO : A inversa de A1 a nica soluo simultnea das equaes:
A1 X = In e X A1 = In .
Claramente a matriz A soluo destas equaes. Portanto, (A1 )1 = A.
Propriedade 13 (II) Se A invertvel e k R , ento k A invertvel. Alm disso,
(k A)1 = k 1 A1 .
53
D EMONSTRAO : A inversa de (k A)1 a nica soluo simultnea das equaes:
k A X = In e X (k A) = In .
Deixaremos como exerccio provar que k 1 A1 tal soluo.
Propriedade 14 (III) Se A e B so matrizes invertveis de ordem n, ento A B invertvel e

vale:
(A B)1 = B 1 A1 .
D EMONSTRAO : A inversa da matriz A B a nica matriz que soluo simultnea

das duas equaes matriciais:
X (A B) = In e (A B) X = In .
Fazendo X = B 1 A1 na equao da esquerda:
(B 1 A1 ) (A B) = B 1 (A1 A) B = B 1 In B = B 1 B = In .
Analogamente, prova-se que (A B) (B 1 A1 ) = In .

" # " #
1 2 3 2
Exemplo 22 As matrizes A = eB = so invertveis e suas inversas so:
1 3 2 2
" # " #
3 2 1 1
A1 = e B 1 = .
1 1 1 23
" #
7 6
O teorema anterior afirma que a matriz A B = invertvel e sua inversa a
9 8
matriz: " # " # " #
1 1 3 2 4 3
B 1 A1 = 3
= .
1 2
1 1 92 7
2
As verificaes so deixadas como exerccio.
5.3 Matrizes Invertveis e Sistemas Lineares

O resultado abaixo mostra como a matriz identidade surge naturalmente na resoluo
de sistemas lineares com mesmo nmero de equaes e variveis:
Teorema 5.6 Sejam A Mn (R) e R a matriz de ordem n reduzida forma escada equiva-
lente a A. Ento uma (e somente uma) das afirmaes verdadeira:
(i) R possui uma linha nula;
(ii) R a matriz identidade In .
54
D EMONSTRAO : Suponha que a matriz reduzida forma escada equivalente a A seja:

r11 r12 r1n
r21 r22 r2n

R= .. .. ..

. . .

rn1 rn2 rnn
Suponha que (i) no seja verdadeira. Como toda linha de R no nula, existem n termos
lderes iguais a 1.
A cada linha os termos lderes devem vir direita do lder da linha anterior. E isto implica
que os n termos lderes so:
r11 = 1, r22 = 1, , rnn = 1.
Alm disso, abaixo ou acima de cada termo lder s podem constar entradas nulas, ou
seja rij = 0, se i 6= j.
Logo R = In .
Seja S um sistema com n equaes e n variveis:

a11 x1 +a12 x2 + +a1n xn = b1

a21 x1 +a22 x2 + +a2n xn = b2

S: . .. .. .. ..
..

. . . .

an1 x1 +an2 x2 + +ann xn = bn

Sabemos que S pode ser visto como sendo uma equao matricial

a11 a12 a1n x1 b1
a21 a22 a2n x2 b2

AX =B .. .. ..

..
=
..

. . . . .

an1 an2 ann xn bn
Teorema 5.7 Se a matriz A dos coeficientes do sistema S invertvel, ento o sistema pos-
svel determinado. Sua nica soluo a nupla:
1
x1 a11 a12 a1n b1
x2 a21 a22 a2n b2

1

X=A B, ou seja, ..
=
.. .. .. ..
..
.
. . . . . .

xn an1 an2 ann bn
D EMONSTRAO : Se A X = B, ento
A1 (A X) = A1 B (A1 A) X = A1 B In X = A1 B X = A1 B .
55
Exemplo 23 Considere o sistema linear:

(
2x +5y = 1
S:
3x 7y = 2
S pode ser escrito como a seguinte equao matricial:

" # " # " #
2 5 x 1
=
3 7 y 2
| {z } | {z } | {z }
A X B
Como vimos anteriormente, a matriz A invertvel e possui como inversa a matriz

" #
7 5
A1 = .
3 2
Pelo Teorema anterior, o sistema S possvel determinado e sua nica soluo :

" # " # " # " #
x 7 5 1 17
= = .
y 3 2 2 7
| {z } | {z } | {z }
X A1 B
Na prtica no utilizamos este mtodo para resolver um sistema linear, pois:
(I) Nem sempre um sistema linear tem um mesmo nmero de equaes e incgnitas;
(II) Nem sempre um sistema linear tem a matriz A de seu coeficientes invertvel, o que
impossibilita o clculo; e
(III) Encontrar a matriz inversa um processo mais trabalhoso do que resolver o sistema,
utilizando escalonamento.
5.4 Algoritmo para a Determinao da Inversa

O procedimento adequado para a determinao da inversa de uma matriz
Teorema 5.8 Uma matriz A Mn (R) invertvel se, e somente se, A linha-equivalente
matriz In . Alm disso, a mesma sequncia de operaes elementares que transforma A em
In tambm transforma In em A.
Omitiremos a demonstrao deste resultado nesta apresentao. Quem tiver interesse

ver uma das referncias bibliogrficas.
Dada a matriz A Mn (R). Para determinar se A invertvel devemos seguir os seguin-
tes passos:
56
Passo 1 Construa a matriz aumentada:

h i
A In .
Passo 2 Escalone a matriz A ( esquerda), e aplique a mesma sequncia das operaes na

h i
matriz In ( direita): A In . A ser invertvel se, e somente se, a matriz escada for da
forma:
h i
In B .
Neste caso, A1 = B.
Exemplo 24 (a) Determine se a matriz abaixo invertvel, e d a sua inversa, caso exista.

0 1 2
1 0 3 .

4 3 8
Temos que escalonar a matriz:

0 1 2 1 0 0 L1 L2 1 0 3 0 1 0
1 0 3 0 1 0 0 1 2 1 0 0

4 3 8 0 0 1 4 3 8 0 0 1 L3 L3 4 L1

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

1
0 3 4 0 4 1 L3 L3 + 3 L2 0 0 2 3 4 1 L3 L
2 3

1 0 3 0 1 0 L1 L1 3L3 1 0 0 92 7 32
0 1 2 1 0 0 L2 L2 2L3 0 1 0 2 4 1

3
0 0 1 2
2 12 0 0 1 32 2 12

1 0 0 29 7 2 3
0 1 0 2 4 1

0 0 1 32 2 1
2
Ento a matriz A invertvel e sua inversa :

9 3

7
2 2

1

A = 2 4 1

3 1
2
2 2
57
(b) Determine se a matriz abaixo invertvel, e d a sua inversa, caso exista.

1 0 1
1 2 1 .

0 2 0
Temos que escalonar a matriz:

1 0 1 1 0 0 1 0 1 1 0 0
1 2 1 0 1 0 L2 L2 L1 0 2 0 1 1 0

0 2 0 0 0 1 0 2 0 0 0 1 L3 L3 L2

1 0 1
1 0 0

1 0 1 1 0 0
1
1 1
0 2 0 1 1 0 L2 L2
0 1 0 2 2 0 .

2
0 0 0 1 1 1 0 0 0 1 1 1
Como a matriz esquerda est reduzida forma escada, e no aparece a matriz In , a matriz
A no invertvel.
5.5 Motivao para o Conceito de Determinante

Vamos aplicar este algoritmo no caso das matrizes quadradas de ordem 2:
" #
a b
Teorema 5.9 Seja A = . Se ad bc 6= 0, ento A invertvel; e vale
c d
" #
1 d b
A1 = .
ad bc c a
D EMONSTRAO : Suponha que a 6= 0. Vamos escalonar a parte esquerda da matriz au-

mentada:
b 1

" #
1 1 0
a b 1 0 L1 a
L1
a a

c d 0 1
c d 0 1 L2 L2 c L1
b 1 b 1

1 0 1 0

a a

a a

ad cb c
a
c a
0 1 L2 adcb
L2 0 1
a a ad cb ad cb
58
b 1 d b

1 0 L1 L1 L2 1 b0

a a
a ad cb ad cb

c a c a
0 1 0 1
ad cb ad cb ad cb ad cb
d b

ad cb ad cb
" #
1 d b
Logo a matriz inversa = .

c a ad cb c a

ad cb ad cb
" #
a11 a12
Definio 5.10 Seja A = . Chamamos de determinante de A o nmero real
a21 a22

a a
11 12
det(A) = = a11 a22 a12 a21 .
a21 a22
" #
1 2
Exemplo 25 Seja A = . Ento
3 4
det(A) = 1 4 (3) 2 = 10.
Podemos reler os teoremas anteriores da seguinte maneira:

" #
a b
Teorema 5.11 Seja A = . Ento:
c d
A invertvel se, e somente se, det(A) 6= 0.
Alm disso, " #

1 d b
A1 = .
det(A) c a
(
ax +by = 1
Teorema 5.12 Seja S : um sistema linear. Ento
cx +dy = 2
S possvel determinado se, e somente se, det(A) 6= 0.
Para estender este interessante fato para matrizes de ordem maior, veremos o que ocorre
quando uma matriz invertvel de ordem 3 escalonada.
Seja A = (aij ) M3 (R), com a11 6= 0. Escalonando A:

a11 a12 a13 a11 a12 a13
a21 a22 a23 L2 a11 L2 a11 a21 a11 a22 a11 a23 L2 L2 a21 L1

a31 a32 a33 L3 a11 L3 a11 a31 a11 a32 a11 a33 L3 L3 a31 L1
59

a11 a12 a13
0 a11 a22 a12 a21 a11 a23 a13 a21

0 a11 a32 a12 a31 a11 a33 a13 a31

Como A invertvel, ou a11 a22 a12 a21 6= 0 ou a11 a32 a12 a31 6= 0. Suponhamos que seja
o primeiro.
Multiplique a linha L3 por a11 a22 a12 a21 , e depois some nova linha L3 a linha
(a11 a32 a12 a31 )L2 .
Obteremos
a11 a12 a13
0 a11 a22 a12 a21 a11 a23 a13 a21 ,

0 0 a11
onde
= a11a22a33 + a12a23a31 + a13a21a32 a11a23a32 a12a21a33 a13a22a31
Note que A ser invertvel se, e somente se, 6= 0.

a11 a12 a13
Definio 5.13 Seja A = a21 a22 a23 . O determinante de A o nmero real:

a31 a32 a33
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a11 a23 a32 a12 a21 a33 a13 a22 a31
Figura 5.1: A Regra de Sarrus.
Para generalizarmos a definio de determinante de uma matriz de ordem n qualquer,

vejamos o que ocorre como obtemos o determinante de uma matriz de ordem 3, a partir de
matrizes de ordem 2.
60
= a11 a22 a33 +a12 a23 a31 +a13 a21 a32 a11 a23 a32 a12 a21 a33 a13 a22 a31 =
" # " # " #
a22 a23 a21 a23 a21 a23
a11 det a12 det +a13 det
a32 a33 a31 a33 a31 a33
Definio 5.14 Seja A = (aij ) uma matriz de ordem n. Para cada i, j {1, , n}, definimos
a submatriz Aij como sendo a matrizes obtidas de A, eliminando a isima e a jsima
coluna de A.

1 2 2 " #
1 2
Exemplo 26 Seja A = 2 40 . Temos que a submatriz A22 igual a .

1 3
1 0 3
Como j definimos o determinantes de matrizes quadradas de ordem 2, faremos agora a

definio do caso geral:
Definio 5.15 (Determinantes) Para n 2, o determinante de uma matriz A = (aij ) de

ordem n o nmero real:
det(A) = a11 det(A11 ) a12 det(A12 ) + + (1)i+j a1j det(Aij ) + + (1)1+n a1n det(A1n )
No curso de lgebra Linear II, vemos a formalizao do conceito de Determinante.

1. Utilizando a resoluo de sistemas lineares, verifique quais das matrizes abaixo so
invertveis e, em caso afirmativo, determine sua inversa.
" # " #
1 3 6 3
(a) (b)
2 5 4 2
2. Seja R. Considere a matriz

" #
cos() sen()
R = ,
sen() cos()
chamada de matriz de rotao de ngulo (por qu?). Verifique que R invertvel,

para todo R, e que vale
(R )1 = R .
3. Utilize as matrizes A e B abaixo para verificar que (A B)1 = B 1 A1 :

" # " #
6 4 3 1
A= e B= .
2 1 5 2
61
4. Determine se as matrizes abaixo so invertveis, reduzindo-as forma escada, explici-

tando a inversa, caso exista.

0 0 2 0 1 0 0 0
" # " # 1 2 0 1 3 4
1 4 2 1 1 0 0 1 1 3 0 0
, , 2 1 2 , 2 4 1 , ,

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

2 1 5 3 1 3 5 7
5. Calcule os valores de a e b de forma que as matrizes abaixo sejam inertveis

a a a b 1 0
A = 1 a a e B = 1 b 1 .

1 1 a 0 1 b
Vimos em sala de aula o seguinte resultado, que serve como base do processo de deter-
minao da matriz inversa por meio de escalonamento:
Teorema 5.16 Seja A Mn (R). A invertvel se, e somente se, sua reduzida forma escada
In . Alm disso, a sequncia de operaes elementares que transformam A em In tambm
transforma In em A1 .
A srie de exerccios a seguir servir como um guia para compreendermos o funciona-

mento deste algoritmo. Comecemos com uma:
Definio 5.17 Dizemos que uma matriz A Mn (R) elementar se for obtida fazendo uma
nica operao elementar em In .
6. Verifique quais das matrizes abaixo so elementares, explicitando a transformao ele-

mentar que foi utilizada em I2 para obt-la:
" # " # " # " # " #
1 0 0 1 1 3 1 3 1 0
, , , e .
0 3 1 0 0 1 0 2 0 0
7. Verifique quais das matrizes abaixo so elementares, explicitando a transformao ele-

mentar que foi utilizada em I3 para obt-la:

1 0 0 1 0 5 2 0 0 0 0 1
0 4 0 , 0 1 0 , 0 2 0 e 0 1 0 .

0 0 1 0 0 1 0 0 1 1 0 0
8. Consideremos as matrizes
" # " # " # " #
1 0 0 1 1 0 1 0
A= , E1 = , E2 = e E3 = .
2 1 1 0 0 3 4 1
62
(a) E1 , E2 e E3 so matrizes elementares. Quais foram as operaes elementares que

transformaram I2 em E1 , E2 e E3 , respectivamente?
(b) Calcule E1 A, E2 A e E3 A.
(c) Quais foram as transformaes ocorridas de A para E1 A, de A para E2 A, e de
A para E3 A?
(d) Calcule E2 E1 A. Qual foi a transformao de A para E2 E1 A?
(e) Calcule E3 E2 E1 A. Qual foi a transformao de A para E3 E2 E1 A?
9. As transformaes notadas no exerccio acima no so coincidncias. De maneira geral

podemos enunciar o seguinte:
Teorema 5.18 Sejam A Mn (R) qualquer e E uma matriz elementar. Se E resulta

de uma operao elementar em In , ento E A a matriz obtida quando aplicamos a
mesma operao elementar matriz A.
" #
a b
Fazendo A = , demonstre este teorema no caso n = 2 quando:
c d
(a) a operao elementar : L1 L2 ;

(b) a operao elementar : L1 c L1 , onde c 6= 0; e
(c) a operao elementar : L1 L1 + c L2 .
10. Mostre que toda operao elementar possui uma operao elementar inversa.
Operao Elementar sobre In que produz E Operao Elementar sobre E que produz In
Li Lj Li Lj
1
Li c Li Li c
Li
Li Li + c Lj Li Li c Lj
11. Mostre que se E uma matriz elementar ento existe uma matriz elementar F tal que
E F = In e F E = In . Ou seja, toda matriz elementar invertvel.
12. Seja A Mn (R) qualquer. E suponha que existam k operaes elementares que re-
duzem A sua forma escada R. Vimos nos exerccios anteriores que existem matrizes
elementares E1 , E2 , , Ek tais que
R = (Ek . . . E2 E1 ) A.
Use este fato para provar parte do esperado resultado:
63
Teorema 5.19 Seja A Mn (R). Se a reduzida forma escada de A In , ento A

invertvel.
Dica: Para provarmos a volta, denote por Ei1 a matriz elementar gerada pela operao
inversa que gera Ei . Ento
A = E11 E21 . . . Ek1 ,
o que implica A1 = Ek . . . E2 E1 .
13. A recproca do resultado acima demonstrada pela sequncia de afirmaes, que j

foram apresentadas em sala de aula:
Teorema 5.20 Seja A Mn (R). Ento as seguintes afirmaes so equivalentes:
(a) A invertvel;
(b) O sistema linear homogneo com representao matricial AX = 0 tem somente a
soluo trivial X = 0;
(c) A tem como reduzida forma escada In .
64
Captulo 6
Aula 06 - Espaos Vetoriais
6.1 Vetores no Plano e no Espao

Certas grandezas ficam determinadas apenas por um nmero real, acompanhado pela
unidade correspondente. Por exemplo, um objeto tem 5 kg de massa; uma sala tem 10 m2
de rea; um tanque tem 42m3 de volume. Essas so chamadas grandezas escalares. Outras
grandezas necessitam de mais informaes:
deslocamento: alm de saber o quanto foi deslocado um objeto, temos que saber em
que direo e sentido se deu tal translao;
velocidade e acelerao: alm da magnitude, a direo e sentido so informaes com-

plementares;
foras em um objeto: alm da magnitude, a direo e sentido em que as foras so

exercidas so necessrias para uma descrio completa;
Essas grandezas so ditas vetoriais.

Definio 6.1 Sejam A e B dois pontos do plano (ou do espao).Chamamos de vetor AB
o conjunto de todos os segmentos orientados de mesma direo, mesmo sentido e compri-
mento.
Geometricamente, vetores so representados por segmentos de retas orientados no plano

ou no espao.
A ponta da seta do segmento orientado chamada extremidade e o outro ponto extremo
chamado de origem.
Utilizamos letras minsculas com uma seta em cima para denotarmos vetores: ~u, ~v .

Ou ainda, por suas extremidades: AB, CD.
65
B r extremidade

AB
A r
origem
Definio 6.2 Dois vetores ~u e ~v so ditos iguais se possuem mesmos direo, sentido e
comprimento.
B D F

AB CD EF
A C E

Temos que AB=CD e que AB6=EF .
Definio 6.3 Dois vetores ~u e ~v so ditos paralelos se possuem mesma direo.
Figura 6.1: Vetores paralelos.
6.2 Operaes com Vetores

Definio 6.4 Sejam ~u, ~v vetores do plano. O vetor ~u + ~v o vetor que tem a origem de ~u; e
extremidade na extremidade de ~v .
(I) ASSOCIATIVA: Para todos ~u, ~v , w

~ vale:
(~u + ~v ) + w
~ = ~u + (~v + w).
~
66
w
~
~u + (~v + w)
~
~v + w
~
~v
~u
Logo (~u + ~v ) + w
~ = ~u + (~v + w).
~
(II) COMUTATIVA: Para todos ~u, ~v vale:
~u + ~v = ~v + ~u.
~v
~vu + ~u
v ~u
~u
~v
(III) ELEMENTO NEUTRO: Existe um vetor, chamado vetor nulo, e denotado por ~0, tal
que:
~u + ~0 = ~u e ~0 + ~u = ~u, para todo vetor ~u.
Este vetor tem origem e extremidade iguais, ou seja, se resume a um ponto do plano (ou
espao).
(IV) ELEMENTO SIMTRICO: Para todo vetor ~u existe um vetor chamado simtrico, e
denotado por ~u, tal que:
~u + (~u) = ~0.
67
Este vetor ~u tem a mesma direo e comprimento de ~u, mas sentido oposto.
Sejam ~u um vetor do plano (ou do espao) e R. O produto de por ~u o vetor tal
que:
(I) se > 0, ~u o vetor que tem mesma origem, mesma direo e mesmo sentido de ~u e
comprimento vezes o de ~u.
(II) se < 0, ~u o vetor que tem mesma origem, mesma direo e sentido oposto de ~u
e comprimento kk vezes o de ~u.
(I) ASSOCIATIVA: Para todos ~u e , R vale:
(~u) = ()~u.
(II) DISTRIBUTIVA: Para todos ~u e , R vale:
( + )~u = ~u + ~u.
(III) DISTRIBUTIVA: Para todos ~u, ~v e R vale:
(~u + ~v ) = ~u + ~v .
(IV) ELEMENTO NEUTRO: Para todo ~u vale:
1~u = ~u.
6.3 Espaos Vetoriais

A lgebra Linear o estudo das grandezas vetoriais e das relaes entre elas.
As chamadas grandezas vetoriais, como o prprio nome sugere, interagem entre si de
forma anloga aos vetores do plano (ou do espao).
Na prtica, chamaremos de espao vetorial um conjunto de objetos que interagem entre
si conforme vetores e suas operaes de adio e multiplicao por escalar.
68
Definio 6.5 Um espao vetorial um conjunto no vazio de objetos, chamados vetores,

sobre os quais esto definidas duas operaes, chamadas adio e multiplicao por escalar
que satisfazem as seguintes propriedades: (I) (associativa) (~u + ~v ) + w ~ ;
~ = ~u + (~v + w)
(II)(comutativa) ~u + ~v = ~v + ~u; (III) (elemento neutro da adio) Existe um vetor, chamado
nulo, e denotado por ~0, tal que
~0 + ~u = ~u + ~0 = ~u;
1 (IV) (elemento simtrico) Para todo vetor ~u existe um vetor, chamado simtrico, e deno-
tado por ~u, tal que
~u + (~u) = ~u + ~u = ~0;
(V) (associativa) (~u) = ()~u. (VI) (distributiva direita) ( + )~u = ~u + ~u. (VII)
(distributiva esquerda) (~u + ~v ) = ~u + ~v . (VII) (elemento neutro da multiplicao)
~ e , R.
1~u = ~u, para todos ~u, ~v , w
Exemplos de Espaos Vetoriais
(a) Os vetores do plano cartesiano

Consideremos o conjunto R2 = {(x, y); x, y R} conhecido como o plano cartesiano.
Os elementos de R2 so chamados pares ordenados e representam pontos do plano.
Podemos associar a cada ponto (x, y) do plano cartesiano ao vetor cuja origem (0, 0) e
cuja extremidade (x, y).
Definimos a adio de pontos (ou vetores) do plano da seguinte maneira:
Sejam ~u = (x1 , y1 ) e ~v = (x2 , y2 ) vetores.
Adio:
~u + ~v = (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ).
69
Figura 6.2: (x, y) = (x1 + x2 , y1 + y2 ).
Figura 6.3: (x, y) = (x1 + x2 , y1 + y2 ).
Definimos a multiplicao de pontos (ou vetores) do plano por um nmero real da se-
guinte maneira:
Sejam ~u = (x1 , y1 ) e k R.
Multiplicao por escalar:
k~u = k(x1 , y1 ) = (kx1 , ky1 ).
fcil verificar que valem as oito propriedades que caracterizam um espao vetorial so
satisfeitas.
Logo R2 , munido destas duas operaes, um espao vetorial.
Note que
~0 = (0, 0);
e se ~u = (a, b), ento ~u = (a, b).

(b) Os vetores do espao cartesiano
Consideremos o conjunto R3 = {(x, y, z); x, y, z R} conhecido como o espao cartesi-
ano.
Os elementos de R3 so chamados triplas ordenadas e representam pontos do espao.
Associamos um ponto (x, y, z) do espao cartesiano ao vetor cuja origem (0, 0, 0) e cuja
extremidade (x, y, z).
70
Figura 6.4: (x, y) = (x1 + x2 , y1 + y2 ).
Figura 6.5: (x, y) = (x1 + x2 , y1 + y2 ).
Definimos as seguintes operaes para vetores do plano.

Sejam ~u = (x1 , y1 , z1 ) e ~v = (x2 , y2 , z2 ) vetores e R.
Adio:
~u + ~v = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ).
~u = (x1 , y1 , z1 ) = (x1 , y1 , z1 ).
Claramente R3 , munido destas operaes, um espao vetorial.

Note que
~0 = (0, 0, 0);
e se ~u = (a, b, c), ento ~u = (a, b, c).

(c) O espao Rn
De maneira geral, se n N, podemos definir o espao
Rn = {(x1 , x2 , , xn ); x1 , x2 , , xn R}.
Definimos as seguintes operaes para vetores:

Sejam ~u = (x1 , x2 , , xn ) e ~v = (y1 , y2 , , yn ) vetores e R.
71
Figura 6.6: k (x1 , y1 ) = (k x1 , k y1 ).
Adio:
~u + ~v = (x1 , x2 , , xn ) + (y1 , y2 , , yn ) = (x1 + y1 , x2 + y2 , , xn + yn ).
~u = (x1 , x2 , , xn ) = (x1 , x2 , , xn ).
Claramente Rn , munido destas operaes, um espao vetorial.

Note que
~0 = (0, 0, , 0);
e se ~u = (a1 , a2 , , an ), ento ~u = (a1 , a2 , , an ).

(d) O conjunto soluo de um sistema linear homogneo
Seja

a11 x1 +a12 x2 + + +a1n xn = 0

a21 x1 +a22 x2 + + +a2n xn = 0

S: .. .. .. .. .. ..

. . . . . .

am1 x1 +am2 x2 + + +amn xn = 0

72
um sistema linear homogneo de m equaes e n variveis.

Tal sistema sempre possvel. O conjunto soluo de S formado por sequncias de n
nmeros reais. Ou seja, pode ser visto como um subconjunto de Rn .
Munindo o conjunto-soluo de S da adio e multiplicao por escalar usuais de Rn ,
temos um espao vetorial.
De fato, se (1 , 2 , , n ) e (10 , 20 , , n0 ) so solues de S, ento
(1 + 10 , 2 + 20 , , n + n0 ) e (1 , 2 , , n )
so solues de S, para todo R.
(e) O conjunto das matrizes
(" de ordem
# 2 )
a b
O conjunto M2 (R) = ; a, b, c, d R , munido da adio de matrizes e da
c d
multiplicao por escalar, claramente um espao vetorial.
Adio: " # " # " #
a11 a12 b11 b12 a11 + b11 a12 + b12
+ = .
a21 a22 b21 b22 a21 + b21 a22 + b22
" # " #
a11 a12 a11 a12
= .
a21 a22 a21 a22
" #
0 0
Note que o vetor nulo a matriz ~0 = ;
0 0
" #
a b
e dado um vetor ~u = , ento
c d
" #
a b
~u = .
c d
de ordem m n
(f) O conjunto das matrizes

a11 a12 a1n

a21 a22 a2n

O conjunto Mmn (R) = .
.. .. .. ; aij R, munido da adio de ma-

.. . . .

am1 am2 amn

trizes e da multiplicao por escalar, claramente um espao vetorial.
Propriedades da
Propriedades da Adio checklist Multiplicao
checklist
A adio uma A multiplicao
operao
3 uma operao
3
associativa 3 associativa 3
comutativa 3 distributiva direita 3
elemento neutro 3 distributiva esquerda 3
elemento simtrico 3 elemento neutro 3
73
(g) O conjunto dos polinmios de grau menor ou igual a 2

Vamos definir o conjunto dos polinmios
P2 (R) = {p(t) = a0 + a1 t + a2 t2 ; a0 , a1 , a2 R}.
Sejam p(t) = a0 + a1 t + a2 t2 e q(t) = b0 + b1 t + b2 t2 e R.

Adio: p(t) + q(t) = (a0 + b0 ) + (a1 + b1 )t + (a2 + b2 )t2 .
Multiplicao por escalar: p(t) = (a0 ) + (a1 )t + (a2 )t2 .
P2 (R) um espao vetorial.
Propriedades da
checklist
operao
3 uma operao
3
(h) O conjunto dos polinmios de grau menor ou igual a n

Vamos definir o conjunto dos polinmios de grau menor ou igual do que n:
Pn (R) = {p(t) = a0 + a1 t + a2 t2 + + an tn ; a0 , a1 , , an R}.
Exerccio: Defina operaes de adio e multiplicao por escalar que tornem o conjunto
um espao vetorial.
(i) Seja V = {x R; x > 0}.
Se considerarmos em V as operaes usuais de + e , V no um espao vetorial.
Propriedades da Adio checklist

A adio uma
operao
3
Propriedades da
associativa 3 Multiplicao
checklist
A multiplicao
comutativa 3 uma operao
5
elemento neutro 5
elemento simtrico 5
Concluso: V munido das operaes usuais no um espao vetorial.

Vamos agora alterar a noo de adio e multiplicao por escalar de forma que V
seja um espao vetorial. Definamos as seguintes operaes em V :
Adio: x y = x y.
Multiplicao por escalar: x = x .
Afirmamos que V munido destas operaes (adio) e (multiplicao por escalar)
x y = x y e x = x
74
Propriedades da
checklist
operao
3 uma operao
3
Concluso: V munido de , um espao vetorial.

(j) Considere o conjunto de todas as funes reais:
F(R) = {f ; f : R R}.
Se considerarmos em F(R) as operaes:
Adio: (f + g)(x) = f (x) + g(x).

Multiplicao por escalar: ( f )(x) = f (x),
temos um espao vetorial.
Figura 6.7: (a) f + g (b) k f (c) f
(f + g)(x) = f (x) + f (y) e ( f )(x) = f (x).

Propriedades da
checklist
operao
3 uma operao
3
Concluso: F(R) um espao vetorial.

(k) Seja V = R2 e defina as operaes da seguinte maneira:
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) e (x1 , y1 ) = ( x1 , 0).
75
Propriedades da
checklist
operao
3 uma operao
3
Concluso: V no um espao vetorial.

(l) Seja V = R2 e defina as operaes da seguinte maneira:
(x1 , y1 ) + (x2 , y2 ) = (x1 , y1 ) e (x1 , y1 ) = ( x1 , y1 )).

Propriedades da
checklist
operao
3 uma operao
3
Concluso: V no um espao vetorial.

1. Consideremos no espao vetorial R3 , com as operaes usuais, os vetores ~u = (1, 2, 1), ~v =
(3, 1, 2) e w
~ = (4, 1, 0).
(a) Calcule 2~u ~v + 3w;

~
(b) Resolva a equao 3~u + 2x = ~v + w;
~
(
u+y = v+z
(c) Resolva o sistema nas variveis y e z (que so vetores do R3 ).
v + 2z = y
2. Consideremos no espao vetorial M23 (R), com as operaes usuais, as matrizes

" # " # " #
1 1 2 2 3 0 4 8 4
~u = , ~v = e w
~= .
3 2 1 2 3 1 12 13 1
(a) Calcule 3~u 2~v + w;

~
(b) Determine x, y R tais que x~u + y~v + w
~ tenham a primeira coluna nula.
~ = (3, 2, 7) em R3 . Verifique se
3. Considere os vetores ~u = (1, 2, 3), ~v = (3, 2, 1) e w
existem x, y R tais que:
x~u + y~v = w.
~
76
~ = (2, 0, 0) em R3 . Determine x, y, z
4. Considere os vetores ~u = (1, 2, 3), ~v = (3, 2, 0) e w
R tais que:
x~u + y~v + z w
~ = (1, 1, 1).
5. Verifique se o conjunto de todas as matrizes da forma

(" # )
x 0
D= ; x, y R
0 y
um espao vetorial, com a adio de vetores e multiplicao por escalar usuais.
6. Verifique se o conjunto de todos os polinmios de grau menor ou igual a 1:
P1 (R) = {a0 + a1 x; a0 , a1 R}
um espao vetorial, com a adio de vetores e multiplicao por escalar usuais de

polinmios.
7. Verifique se as afirmaes abaixo so verdadeiras ou falsas, justificando sua resposta:
(a) Um vetor um segmento orientado.

(b) Um vetor uma sequncia ordenada de n nmeros reais.
(b) Uma sequncia ordenada de n nmeros reais pode ser considerada como um ve-
tor.
(c) Um conjunto com um elemento pode ser um espao vetorial.
(d) Um conjunto com dois vetores pode ser um espao vetorial.
(e) O conjunto de polinmios de grau 3 um espao vetorial (com a adio e multi-
plicao por escalar usuais).
(f) O conjunto das matrizes de ordem 2 cujo termo a11 = 0 um espao vetorial,
munido da adio e multiplicao por escalar usuais.
(g) O conjunto das matrizes de ordem 2 cujo termo a11 = 1 um espao vetorial,
munido da adio e multiplicao por escalar usuais.
8. Considere em R2 as seguintes operaes:
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) e (x1 , y1 ) = (0, y1 ).
(a) Calcule 3(1, 2) 2(3, 4).

(b) Verifique quais dos axiomas de multiplicao por escalar so vlidos.
(c) R2 um espao vetorial, munido destas operaes?
9. Considere V = {(x, y) R2 ; x 0 e y 0}.
77
(a) Se ~u, ~v V , necessariamente ~u + ~v V ? Justifique com desenhos e depois argu-

mente.
(b) Se ~u V e R, necessariamente ~u V ? Justifique com desenhos e depois
argumente.
(c) V um espao vetorial, munido das operaes usuais?
10. Considere W = {(x, y) R2 ; x y 0}.
(a) Se ~u, ~v W , necessariamente ~u + ~v W ? Justifique com desenhos e depois

argumente.
(b) Se ~u W e R, necessariamente ~u W ? Justifique com desenhos e depois
argumente.
(c) W um espao vetorial, munido das operaes usuais?
11. Considere U = {(x, y) R2 ; x2 + y 2 1}.
(a) Se ~u, ~v U , necessariamente ~u + ~v U ? Justifique com desenhos e depois argu-

mente.
(b) Se ~u U e R, necessariamente ~u U ? Justifique com desenhos e depois
argumente.
(c) U um espao vetorial, munido das operaes usuais?
12. Mostre que R2 no um espao vetorial em relao a cada uma das seguintes operaes
de adio e multiplicao por escalar abaixo, explicitando quais das condies no so
satisfeitas:
(a) (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) e (x1 , y1 ) = (x, y);

(b) (x1 , y1 ) + (x2 , y2 ) = (x1 , y1 ) e (x1 , y1 ) = (x1 , y1 );
(c) (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) e (x1 , y1 ) = (2 x1 , 2 y1 );
(d) (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) e (x1 , y1 ) = (x1 , 0);
13. Seja R = {(x1 , x2 , . . . ); xi R} o conjunto de todas as sequncias infinitas de nmeros

reais. Defina em R operaes que o torne um espao vetorial real.
14. Seja V um espao vetorial sobre R. Mostre que (u) = u para todo vetor u V.
15. Sejam V e W espaos vetoriais reais. Mostre que V W = {(v, u)/ v V e w W }

munido das seguintes operaes: (v1 , w1 ) + (v2 , w2 ) = (v1 + v2 , w1 + w2 ) e (v, w) =
(v, w), para todo R, um espao vetorial, chamado de produto cartesiano de V
e W.
78
Captulo 7
Aula 07 - Subespaos Vetoriais
7.1 Propriedades Bsicas de Espaos Vetoriais

Definio 7.1 Um espao vetorial um conjunto no vazio de objetos, chamados vetores,
sobre os quais esto definidas duas operaes, chamadas adio e multiplicao por escalar
que satisfazem as seguintes propriedades: (I) (comutativa) ~u + ~v = ~v + ~u; (II) (associativa)
(~u + ~v ) + w ~ (III) (elemento neutro da adio) Existe um vetor, chamado nulo,
~ = ~u + (~v + w);
~
e denotado por 0, tal que
~0 + ~u = ~u + ~0 = ~u;
(IV) (elemento simtrico) Para todo vetor ~u existe um vetor, chamado simtrico, e deno-
tado por ~u, tal que
~u + (~u) = ~u + ~u = ~0;
(V) (associativa) (~u) = ()~u. (VI) (distributiva) (+)~u = ~u+~u. (VII) (distributiva)
(~u + ~v ) = ~u + ~v .
(VII) (elemento neutro da multiplicao) 1~u = ~u,
~ e , R.
para todos ~u, ~v , w
Propriedade 15 Seja E um espao vetorial. Ento s existe um nico elemento neutro da

adio de vetores, a saber o vetor nulo ~0.
D EMONSTRAO : Sejam ~0 e ~00 dois elementos neutros da adio de vetores em E. Ento:
~0 = ~0 + ~00 = ~00 .
Propriedade 16 Sejam E um espao vetorial e ~u E. Ento s existe um nico elemento

simtrico para ~u, com respeito adio de vetores, a saber o vetor ~u.
79
D EMONSTRAO : Sejam ~u e ~u0 dois elementos simtricos de ~u. Ento:
~u0 = ~u0 + ~0 = ~u0 + (~u + (~u)) = (~u0 + ~u) + (~u) = ~0 + (~u) = ~u.
Propriedade 17 Sejam E um espao vetorial e R. Ento
~0 = ~0.
D EMONSTRAO : De fato,
~0 = (~0 + ~0) = ~0 + ~0.
Somando o simtrico do vetor ~0 dos dois lados da igualdade ~0 = ~0 + ~0 temos

que
~0 = ~0.
Propriedade 18 Sejam E um espao vetorial e ~u E. Ento
0 ~u = ~0.
0 ~u = (0 + 0) ~u = 0 ~u + 0 ~u.
Somando o simtrico do vetor 0 ~u dos dois lados da igualdade 0 ~u = 0 ~u + 0 ~u temos

que
0 ~u = ~0.
Propriedade 19 Sejam E um espao vetorial R e ~u E. Ento
() ~u = ~u = ( ~u).
D EMONSTRAO : O vetor (~u) o nico vetor que satisfaz a equao
x + ~u = ~0.
Basta mostrar que () ~u tambm soluo desta equao.

Temos que () ~u + ~u = ( + ) ~u = 0 ~u = ~0. Deixamos como exerccio a verificao
de que ~u = ( ~u).
Definio 7.2 Sejam E um espao vetorial e ~u, ~v E. A diferena de~u e ~v definida como
sendo:
~u ~v = ~u + (~v ).
80
~u ~v
~v
~u
~u ~v
~v
Propriedade 20 Sejam E um espao vetorial, ~u~v E e , R. Ento:

(a) ( ) ~u = ~u ~u;
(b) (~u ~v ) = ~u ~v ;
7.2 Subespaos Vetoriais

Em muitas situaes precisaremos reconhecer se um subconjunto de um espao vetorial
, tambm, um espao vetorial.
Definio 7.3 Sejam E um espao vetorial e F E. Dizemos que F um subespao vetorial

de E se F um espao vetorial, com as operaes de E.
Na prtica, determinar se um conjunto um subespao vetorial mais simples do que

verificar se um espao vetorial.
Teorema 7.4 Sejam E um espao vetorial e F E. F um subespao vetorial de E se, e
somente se, as seguintes propriedades so satisfeitas:
(I) para todos ~u, ~v F , ~u + ~v F .
(II) para todos ~u F e R, ~u F .

D EMONSTRAO : As propriedades acima afirmam que a adio e a multiplicao por
escalar so operaes em F . E como as propriedades so vlidas para todos os vetores de E,
em particular, vale para os vetores de F .
(a) Se E um espao vetorial, {~0} e E so subespaos vetoriais de E, ditos triviais.
(b) Seja E = R2 e considere V = {(x, y) R2 ; x + y = 0}.
Para verificarmos se V um subespao de E, veremos se as duas propriedades do teo-
rema acima so satisfeitas:
81
(I) Sejam ~u = (x1 , y1 ), ~v = (x2 , y2 ) V . Ento ~u + ~v = (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ).

Para que o vetor ~u + ~v V a soma das suas coordenadas deve ser igual a 0. Note que
(x + x ) + (y1 + y2 ) = (x1 + y1 ) + (x2 + y2 ) = 0 + 0 = 0.

| 1 {z 2} | {z }
1a coordenada 2a coordenada
Logo ~u + ~v V.
V = {(x, y) R2 ; x + y = 0}
C
A
B
A
C
(II) Sejam ~u V e R. Ento ~u = (x1 , y1 ) = (x1 , x2 ).

Para que o vetor ~u V a soma das suas coordenadas deve ser igual a 0. Note que
x1 + y1 = x1 + y1 = (x1 + y1 ) = 0 = 0.
|{z} |{z}
Logo ~u V.
Como (I) e (II) so satisfeitas V um subespao de R2 .
V = {(x, y) R2 ; x + y = 0}
~u
C
A
~u
~u B
82
(c) Seja E = R2 e considere V = {(x, y) R2 ; ax + by = 0}, onde a, b R.

V um subespao vetorial de R2 .
(I) Sejam ~u = (x1 , y1 ), ~v = (x2 , y2 ) V .

Note que a(x1 + x2 ) + b(y1 + y2 ) = (ax1 + by1 ) + (ax2 + by2 ) = 0 + 0 = 0.
| {z } | {z }
Logo ~u + ~v V.
(II) Sejam ~u V e R.
Note que a(x1 ) + b(y1 ) = (ax1 + by1 ) = 0 = 0.
| {z } | {z }
Logo ~u V.
Ento V um subespao de R2 .
Observao 7.5 Nem toda reta do plano um subespao vetorial. Na verdade, uma reta s
um subespao se passa pela origem (0, 0).
C
U = {(x, y) R2 ; x + 3y = 6}
(d) O conjunto V = {(x, y) R2 ; y = x2 } no um subespao de R2 .

De fato, se ~u = (x1 , y1 ), ~v = (x2 , y2 ) V , ento
y1 = x21 e y2 = x22 .
~u + ~v = (x1 + x2 , y1 + y2 ) V ? No necessariamente, porque y1 + y2 = x21 + x22 6= (x1 + x2 )2 .

Alm disso, se R, ~u V
C
B
U = {(x, y) R2 ; y = x2 }
A soma de vetores do conjunto U nem sempre pertence a U .

Mltiplos de vetores do conjunto U nem sempre pertence a U .
83
(e) Subespaos de R3 .
(I) Retas que passam pela origem.
Figura 7.1: V = {(x, y, z) R3 ; (x, y, z) = (a, b, c)} um subespao de R3 , onde a, b, c R.
ver o arquivo: Aula 6 - subespaos do r3 - retas.ggb

(II) Planos que passam pela origem.
Figura 7.2: V = {(x, y, z) R3 ; ax + by + cz = 0} um subespao de R3 .
ver o arquivo: Aula 6 - subespaos do r3 - planos.ggb
Observao 7.6 (I) Nem toda reta do espao um subespao vetorial. Na verdade, uma reta s um
subespao se passa pela origem (0, 0, 0).
(II) Nem todo plano do espao um subespao vetorial. Na verdade, um plano s um subespao
se passa pela origem (0, 0, 0).
84
Ver arquivo: aula 6 - contraexemplo de subespao do r3.ggb

Vimos que Rn , munido da adio e multiplicao por escalar usuais, um espao veto-
rial.
Pergunta 4 R2 um subespao vetorial de R3 ?
No. R2 no est contido em R3 !

Mas podemos fazer uma cpia de R2 em R3 :
O conjunto H = {(x, y, 0); x, y R} o plano xy do espao R3 se comporta como R2 .
1. Quais dos seguintes subconjuntos abaixo so subespaos vetoriais de R3 :
(a) A = {(x, y, z) R3 ; x = 0}.
(b) B = {(x, y, z) R3 ; x = 1, y = 0}.
(c) C = {(x, y, z) R3 ; z Z}.
(d) D = {(x, y, z) R3 ; x = 3z}. (" # )
a b
(f) Considere no espao vetorial M2 (R) = ; a, b, c, d R o subconjunto das
c d
matrizes (" # )
a b
T = ; a, b R .
0 0
T um subespao de M2 (R)?
(I) Se A, B T , A + B T ? Sim.
(II) Se A T e R, A T ? Sim.
Logo T um subespao de M2 (R). (" # )

a b
(g) Considere no espao vetorial M2 (R) = ; a, b, c, d R o subconjunto das
c d
matrizes (" # )
a b
S= ; a, b, c R .
c 1
S um subespao de M2 (R)?
(I) Se A, B S, A + B S? No.
" # " # " #

a1 b 1 a2 b 2 a1 + a2 b 1 + b 2
+ = 6 S.
c1 1 c2 1 c1 + c2 2
(II) Se A S e R, A S? No.
" # " #
a1 b 1 a1 b1
= 6 S,
c1 1 c1
se 6= 1.
85
Logo S no um subespao de M2 (R).

(h) Considere no espao vetorial
P2 (R) = {p(t) = a0 + a1 t + a2 t2 ; a0 , a1 , a2 R}
o subconjunto V = {p(t); grau de p(t)=2}.

V um subespao de P2 (R)?
No. Porque a soma de dois polinmios de grau 2 pode no ter grau 2:
Sejam p(t) = 1 + 2t 4t2 , q(t) = 3 + 7t + 4t2 V . Ento:
p(t) + q(t) = (1 + 2t 4t2 ) + (3 + 7t + 4t2 ) = 4 + 9t 6 V.

1. Esboce os subconjuntos de R2 abaixo e verifique quais so subespaos vetoriais. De-
termine vetores ~u e ~v de R2 de maneira que um pertena e outro no pertena a cada
um dos conjuntos dados.
(a) A = {(, 2); R} (e) E = {(x, y); x 0 e y 0}

(b) B = {(, 2); 0} (f) F = {(x, y); y 0}
(c) C = {(x, 0); x R} (g) G = {(x, y); xy 0}
(d) D = {(0, y); y R} (h) H = {(x, y); x2 + y 2 1}
2. Verifique quais dos subconjuntos de R3 abaixo so subespaos vetoriais. Determine

vetores ~u e ~v de R3 de maneira que um pertena e outro no pertena a cada um dos
conjuntos dados.
(a) A = {(x, 0, 0); x R} (c) C = {(x, y, 0); x, y R}

(b) B = {(x, y, z); z 0} (d) D = {(x, y, z); z = x + y + 1}
3. Verifique quais dos subconjuntos de Mn (R) abaixo so subespaos vetoriais. Deter-

mine vetores ~u e ~v de Mn (R) de maneira que um pertena e outro no pertena a cada
um dos conjuntos dados.
(" # )
a 0 (c) C = X Mn (R); X T = X
(a) A = ; a, b R
0 b (d) D = {X Mn (R); X T = X}
(" # )
a b
(b) B = ; a+d=0
c d
Observao: No item (b), X T a transposta de X (procure saber o que a transposta

de uma matriz). Uma matriz dita simtrica se X = X T .
86
4. Verifique quais dos subconjuntos de F(R) abaixo so subespaos vetoriais. Determine

vetores ~u e ~v de F(R) de maneira que um pertena e outro no pertena a cada um dos
conjuntos dados.
(a) A = {f : R R; f (0) = 0} (d) D = {f : R R; f (x) =

(b) B = {f : R R; f (0) = 1} f (x) para todo x R}
(c) C = {f : R R; f (x) = (e) E = {f : R R; f contnua}

f (x) para todo x R} (f) F = {f : R R; f derivvel}
5. Verifique quais dos subconjuntos de P3 (R) abaixo so subespaos vetoriais. Determine

vetores ~u e ~v de P3 (R) de maneira que um pertena e outro no pertena a cada um
dos conjuntos dados.
(a) A = {a0 + a1 t + a2 t2 + a3 t3 ; a0 = 0} 0 e a2 = 0}
(b) B = {a0 + a1 t + a2 t2 + a3 t3 ; a3 = 1}
(e) E = {a0 + a1 t + a2 t2 +
2
(c) C = {a0 + a1 t + a2 t +
a3 t3 ; a0 , a1 , a2 , a3 Z}
3
a3 t ; a0 , a1 , a2 , a3 0}
(d) D = {a0 + a1 t + a2 t2 + a3 t3 ; a0 = (f) F = {a0 + a1 t + a2 t2 ; a0 , a1 , a2 Z}
6. Considere sobre o conjunto R2 as seguintes operaes:
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 + 5, y1 + y2 ) e (x1 , y1 ) = ( x1 + 5( 1), y1 ).
(a) Calcule (1, 2) + (3, 4) e 2 (1, 2).

(b) Verifique R2 com estas operaes tambm um espao vetorial.
(c) Verifique se V = {(x, y) R2 ; x = 5} um subespao de R2 com estas operaes.
(d) V = {(x, y) R2 ; x = 5} um subespao de R2 com as operaes usuais de
adio e multiplicao por escalar?
7. (a) Sejam E um espao vetorial e V um subespao vetorial de E. Denotemos por ~0E

e ~0V os vetores nulos de E e V , respectivamente. Mostre que ~0V = ~0E .
(b) Seja X um subconjunto de um espao vetorial E. Mostre que ~0E X uma
condio necessria para que um X seja um subespao vetorial.
(c) Use o item anterior para mostrar que o subconjunto X = {(x, y, z); x+2y2z = 1}
no um subespao de R3 .
(d) Vale a recproca do resultado visto em (b)? Justifique.
87
Captulo 8
Aula 08 - Operaes com Subespaos
Teorema 8.1 Sejam U e V subespaos vetoriais de um espao vetorial E. Ento U V um subespao

vetorial.
D EMONSTRAO :
(I) Sejam ~u, ~v U V . Pela definio de interseo de conjuntos:
~u, ~v U e ~u, ~v V.
Ento ~u + ~v U e ~u + ~v V , o que implica
~u + ~v U V
(II) Sejam ~u U V e R. Pela definio de interseo de conjuntos:
~u U e ~u V.
Ento ~u U e ~u V , o que implica
~u U V.
Portanto U V um subespao vetorial de E.
Exemplos:
(a) Considere a equao linear de n variveis:
a1 x1 + a2 x2 + + an xn = 0.
O conjunto soluo S desta equao um subespao vetorial de Rn .
(I) Sejam ~u = (1 , 2 , , n ), ~v = (1 , 2 , , n ) S. Ento
a1 1 + a2 2 + + an n = 0 e a1 1 + a2 2 + + an n = 0.
Queremos provar que ~u + ~v = (1 + 1 , 2 + 2 , , n + n ) S.
88
De fato
a1 (1 + 1 ) + a2 (2 + 2 ) + + an (n + n ) = (a1 1 + a2 2 + + an n )
+ (a1 1 + a2 2 + + an n )
= 0+0 = 0
(8.1)
Logo ~u + ~v S.
(II) Sejam ~u = (1 , 2 , , n ) S e R.
Queremos provar que ~u = (1 , 2 , , n ) S:
a1 (1 + a2 (2 ) + + an (n ) = (a1 1 + a2 2 + + an n ) = 0 = 0.
Logo ~u S.
Portanto S um subespao vetorial de Rn .
(b) Considere o sistema linear:

a11 x1 +a12 x2 + +a1n xn = 0

a21 x1 +a22 x2 + +a2n xn = 0

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

. . . . . .

am1 x1 +am2 x2 + +amn xn = 0

Seja Si o conjunto soluo da isima equao do sistema. Pelo exemplo anterior Si

um subespao de Rn .
O conjunto soluo S do sistema linear a interseo dos conjuntos solues Si :
S = S1 S2 Sm ,
e portanto um subespao vetorial de Rn .

(c) A interseo de dois subespaos em R3 .
Se U um subespao de R3 , ento:
U = {~0};
U uma reta que passa pela origem (0, 0, 0);
U um plano que passa pela origem (0, 0, 0);
U = R3 .
89
Figura 8.1: A interseo de dois subespaos um subespao.
3
Sejam V e W dois planos que so subespaos("de R . #Ento V W ) um subespao.
a b
(d) Considere no espao vetorial M2 (R) = ; a, b, c, d R os subespaos
c d
(" # ) (" # )
a b 0 0
T = ; a, b R e S= ; a, b R .
0 0 c d
(" #)
0 0
Ento T S = .
0 0
A unio de dois subespaos no necessariamente um subespao.
Figura 8.2: U V no um subespao.
Temos o seguinte resultado:
Teorema 8.2 Sejam V e W dois subespaos de E. V W um subespao de E se, e somente

se, V W ou W V.
D EMONSTRAO : Se V W , V W = W ; e se W V , V W = V . Em ambos os casos

V W subespao.
Suponha que V W um subespao e suponha por absurdo que V " W e W " V.
90
Ento existem v V, v 6 W e w W, w 6 V .
Ento v + w 6 V W , o que um absurdo.
Definio 8.3 Sejam V e W subespaos de um espao vetorial E. Chamamos de soma de V

e W o conjunto
V + W = {v + w; v V e w W }.
Proposio 8.4 Sejam V e W subespaos de um espao vetorial E. Ento V + W um su-

bespao vetorial de E.
Exemplos:
(a) Considere o espao vetorial R2 .
Seja ~u = (x1 , y1 ) R2 um vetor no nulo.
O conjunto U = {~u; R} = {(x1 , y1 ); R} um subespao de R2 . (Por qu?)
Sejam U = {~u; R} = {(x1 , y1 ); R} e V = {~v ; R} = {(x2 , y2 ); R},

onde ~u, ~v 6= (0, 0).
Pergunta 5 O que seria U + V ?
~ R2 pode ser escrito como soma de mltiplos dos vetores ~u e ~v .

Todo vetor w
91
Logo R2 = U + V.
Exemplos:
(a) Sejam U = {(2, 1); R} e V = {(3, 1); R}.
Queremos mostrar que R2 = U + V.
Seja (1, 3) R2 . Vamos exibir nmeros , tais que
(1, 3) = (2, 1) + (3, 1) U + V.

| {z } | {z }
U V
(
2 3 = 1
Isto ocorre se, e somente se, ,
+ = 3
que um sistema linear nas variveis , , cuja soluo = 2 e = 1.

Logo (1, 3) U + V .
Seja (x, y) R2 . Vamos exibir nmeros , tais que
(x, y) = (2, 1) + (3, 1) U + V.

| {z } | {z }
U V
(
2 3 = x
+ = y
3y + x 2y x
que um sistema linear nas variveis , , cuja soluo = e= .
5 5
Logo (x, y) U + V . Da conclumos que R2 = U + V.
(b) Sejam U = {(0, 0, 1); R} e V = {(x, y, 0); x, y R}.
Queremos mostrar que R3 = U + V.
Seja (a, b, c) R3 .
Podemos escrever
(a, b, c) = c(0, 0, 1) + (a, b, 0) U + V.
| {z } | {z }
U V
3
Ou seja, todo vetor de R pode ser escrito como a soma de vetores de U e V .
92
(" # )
a b
(c) Considere no espao vetorial M2 (R) = ; a, b, c, d R os subespaos
c d
(" # ) (" # )
a b 0 0
T = ; a, b R e S= ; a, b R .
0 0 c d
Ento M2 (R) = T + S, pois

" # " # " #
a b a b 0 0
= + .
c d 0 0 c d
| {z } | {z }
T S
(d) Sejam U = {(0, 0, 1); R} e V = {(0, 1, 0); R}.

verdade que R3 = U + V ?
Seja (a, b, c) R3 . Para que existam R3 = U + V , devemos exibir um ~u U e ~v V tais
que
(a, b, c) = ~u + ~v .
Ou seja, exibir , R tais que
(a, b, c) = (0, 0, 1) + (0, 1, 0)

| {z } | {z }
U V

0 + 0 = a

Isso ocorre se, e somente se, 0 + = b

+ 0 = c

Que possui soluo se a = 0, b = e c = .
Ento somente os vetores da forma (0, b, c), com b, c R, pertencem a U + V.
Definio 8.5 Sejam V e W subespaos de um espao vetorial E. Dizemos que E a soma

direta de V e W se:
(i) E = V + W ;
93
(ii) Se V W = {~0}.
Neste caso, denotamos por E = V W.
Os exemplos (a),(b) e (c) anteriores so somas diretas.

No exemplo (d), R3 no a soma direta de V e W , pois no vale R3 = V + W .
Qual a vantagem de se trabalhar com somas diretas de subespaos?
Teorema 8.6 Sejam V e W subespaos de um espao vetorial E. Se E = V W ento todo

vetor de E se expressa de maneira nica como soma de vetores de V e W . Ou seja, se u E,
existem nicos v V e w W tais que:
u = v + w.
D EMONSTRAO : Seja u E e considere v1 , v2 V e w1 , w2 W tais que
u = v1 + w1 e u = v2 + w2 .
Ento v1 + w1 = v2 + w2 , o que implica
v1 v2 = w2 w1 .
Como v1 v2 V W , ento v1 v2 = ~0 v1 = v2 .
Analogamente w2 = w1 , o que prova o teorema.
~ = (2, 3) U + V , se U = {(1, 0)} e V = {(0, 2)}.
1. Verifique se o vetor w
~ = (2, 3, 1) U + V , se U = {(1, 0, 0)} e V = {(0, 2, 1)}.
2. Verifique se o vetor w

A fazer.
94
Captulo 9
Aula 09 - Combinaes Lineares
Uma das caractersticas mais importantes de um espao vetorial a noo de gerar novos
vetores a partir de um conjunto de vetores dado.
Veremos mais adiante que a partir do conhecimento de um conjunto pequeno de veto-
res conseguimos construir todo o espao.
Chamaremos este conjunto de base do espao.
Vimos na aula passada a noo de que a partir de dois vetores no nulos do plano, que
no so mltiplos um do outro, geram todo vetor de R2 .
Por exemplo, sejam ~u = (2, 1) e ~v = (3, 1).

~ = (1, 3) R2 pode ser escrito como soma de mltiplos de ~u e
Queremos mostrar que w
~v .
Vamos exibir nmeros , tais que
(1, 3) = (2, 1) + (3, 1).

(
2 3 = 1
+ = 3
que um sistema linear nas variveis , , cuja soluo = 2 e = 1.

Logo
(1, 3) = 2(2, 1) + 1(3, 1).
95
~ = (x, y) R2 pode ser escrito como soma de mltiplos de ~u e ~v .

Note que qualquer w
Vamos exibir nmeros , tais que
(
2 3 = x
~ = ~u + ~v (x, y) = (2, 1) + (3, 1)
w
+ = y
3y + x 2y x
Este sistema linear nas variveis , possui soluo = e= .
5 5
Logo
3y + x 2y x
(x, y) = (2, 1) + (3, 1).
5 5
Dizemos neste caso que todo vetor w~ R2 escrito como combinao linear de ~u e ~v .
Definio 9.1 (Combinao Linear) Sejam E um espao vetorial e v1 , v2 , , vn E. Dize-

mos que w E uma combinao linear de v1 , v2 , , vn se existem a1 , a2 , an R tais
que
w = a1 v1 + a2 v2 + + an vn .
Exemplos: (a) Considere os vetores ~u = (1, 2, 0) e ~v = (1, 0, 2).

O vetor w
~ = (1, 6, 4) uma combinao linear de ~u e ~v , pois
(1, 6, 4) = 3(1, 2, 0) + 2(1, 0, 2).
Como determinamos essa combinao?

Temos que exibir , R tais que

1 1 = 1

(1, 6, 4) = (1, 2, 0) + (1, 0, 2) 2 + 0 = 6

0 + 2 = 4

O conjunto soluo do sistema {(3, 2)}, ou seja, = 3 e = 2.

Logo
(1, 6, 4) = 3(1, 2, 0) + 2(1, 0, 2).
(b) Verifique se o vetor w

~ = (0, 2, 3) pode ser escito como combinao linear de ~u =
(1, 2, 0) e ~v = (1, 0, 2).
Temos que verificar a existncia de , R tais que

1 1 = 0

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

0 + 2 = 3

Este sistema impossvel. Logo no existem , R de forma que a equao seja ver-
dadeira.
Portanto w
~ no combinao linear de ~u e ~v .
96
" #
1 2
(c) Verifique se a matriz A = pode ser escita como combinao linear de B =
2 1
" # " #
0 2 3 1
eC = .
1 0 0 1
Temos que verificar a existncia de , R tais que

0 + 3 = 1
" # " # " #
1 2 0 2 3 1 2 = 2
= +
2 1 1 0 0 1

1 + 0 = 2

0 + = 1
Este sistema impossvel. Logo no existem , R de forma que a equao seja ver-
dadeira.
Portanto A no combinao linear de B e C.
(d) Verifique se o polinmio q(t) = 9 7t 15t2 pode ser escrito como combinao
linear de
p1 (t) = 2 + t + 4t2 , p2 (t) = 1 t + 3t2 e p3 (t) = 3 + 2t + 5t2 .
Temos que verificar a existncia de a, b, c R tais que

2a + b + 3c = 9

ap1 (t) + bp2 (t) + cp3 (t) = q(t) a b + 2c = 7

4a + 3b + 5c = 15

possui soluo.
Resolvendo o sistema:

2 1 3 9 L1 L2 1 1 2 7
1 1 2 7 2 1 9 L2 L2 2L1
3

4 3 5 15 4 3 5 15 L3 L3 4L1

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

0 7 3 13 L3 L3 2L2 0 1 1 23 L3 L2

1 1 2 7 L1 L1 + 3L1 1 0 1 30
0 1 1 23 0 1 1 23

0 3 1 5 L3 L3 3L2 0 0 2 74 L3 12 L3

1 0 1 30 L1 L1 L3 1 0 0 67 a = 67

0 1 1 23 L2 L2 + L3 0 1 0 14 b = 14

0 0 1 37 0 0 1 37 c = 37

Logo
67 p1 (t) 14 p2 (t) + 37 p3 (t) = q(t)
97
e q(t) [p1 (t), p2 (t), p3 (t)].
Proposio 9.2 Sejam E um espao vetorial e v1 , v2 , , vn E. O conjunto
[v1 , v2 , , vn ] = {a1 v1 + a2 v2 + + an vn ; a1 , a2 , an R}
das combinaes lineares de v1 , v2 , , vn um subespao vetorial de E.
D EMONSTRAO : Sejam w1 , w2 [v1 , v2 , , vn ] e R.

Ento
w1 = a1 v1 + a2 v2 + + an vn e w2 = b1 v1 + b2 v2 + + bn vn .
w1 + w2 = (a1 v1 + a2 v2 + + an vn ) + (b1 v1 + b2 v2 + + bn vn )
= (a1 + b1 )v1 + (a2 + b2 )v2 + + (an + bn )vn
[v1 , v2 , , vn ] (9.1)
w1 = (a1 v1 + a2 v2 + + an vn )
= (a1 )v1 + (a2 )v2 + + (an )vn
[v1 , v2 , , vn ] (9.2)
Logo [v1 , v2 , , vn ] um subespao vetorial de E.
Definio 9.3 Sejam E um espao vetorial e v1 , v2 , , vn E. Chamamos
[v1 , v2 , , vn ]
de subespao gerado pelos vetores v1 , v2 , , vn . Dizemos tambm que os vetores v1 , v2 , , vn

geram o subespao, ou que so geradores do espao.
Exemplos:
(a) Seja ~u R2 no nulo.
[~u] = {~u; R},
que a reta que passa em (0, 0), na direo de ~u.

(b) Sejam ~u, ~v R2 {(0, 0)}, no paralelos.
[~u, ~v ] = {~u + ~v ; , R} = R2 .
(c) Sejam ~u = (2, 1), ~v = (4, 2).
[~u, ~v ] = [~u] = [~v ],
98
pois ~v mltiplo de ~u.

(d) Em R2 considere os vetores e1 = (1, 0) e e2 = (0, 1).
Todo vetor ~u = (x, y) R2 pode ser escrito com combinao linear de e1 e e2 :
(x, y) = x(1, 0) + y(0, 1) ~u = x e1 + y e2 .
Analogamente, em R3 considere os vetores e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1).

Todo vetor ~u = (x, y, z) R3 pode ser escrito com combinao linear de e1 , e2 e e3 :
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) ~u = x e1 + y e2 + z e3 .
De maneira geral, em Rn considere os vetores
e1 = (1, 0, , 0), e2 = (0, 1, 0, , 0), , en = (0, , 0, 1).
Todo vetor ~u = (x1 , x2 , , xn ) Rn pode ser escrito com combinao linear de e1 , e2 , , en :
(x1 , x2 , , xn ) = x1 (1, 0, , 0) + x2 (0, 1, 0, , 0) + + xn (0, , 0, 1).

" # " # " #
1 0 0 1 0 0
(e) Considere no espao M2 (R) as matrizes E1 = , E2 = , E3 =
0 0 0 0 1 0
" #
0 0
e E4 = .
0 1
" #
a b
Toda matriz A = pode ser escita como combinao linear de E1 , E2 , E3 e E4 :
c d
" # " # " # " # " #
a b 1 0 0 1 0 0 0 0
=a +b +c +d .
c d 0 0 0 0 1 0 0 1
(f) Considere no espao Pn (R) = {a0 + at1 + + an tn ; ai R} os polinmios:
1, t, t2 , t3 , , tn .
Claramente
Pn (R) = [1, t, t2 , t3 , , tn ].
Exerccios:
1. Considere ~u = (1, 2, 1) e ~v = (6, 4, 2) em R3 . Verifique se:
~ = (9, 2, 7) [~u, ~v ].
(a) w
~ = (4, 1, 8) [~u, ~v ].
(b) w
99
9.1 Reconhecendo o Subespao Gerado

Exemplos:
~ = (0, 1, 2) em R3 .
(a) Considere ~u = (1, 0, 1), ~v = (0, 1, 0) e w
Queremos determinar o subespao vetorial [~u, ~v , w].
~
Por definio, um vetor (x, y, z) pertence a [~u, ~v , w]
~ se puder ser escrito como combinao
~ Isto , se existem a, b, c R tais que
linear de ~u, ~v , w.

a
= x
(x, y, z) = a(1, 0, 1) + b(0, 1, 0) + c(0, 1, 2) b +c = y

a 2c = z

tem soluo.

1 0 0 x 1 0 0 x
0 1 1 y 0 1 1 y

1 0 2 z L3 L3 L1 0 0 2 zx L3 12 L3

1 0 0 x

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

0 1 1 y
L2 L2 L1 2
xz

0 0 1 xz
2 0 0 1
2

1 0 0 x

0 1 0 x + 2y + z

2 ,

xz
0 0 1
2
que est reduzida forma escada.
Note o sistema acima sempre ter soluo uma nica soluo:
x + 2y + z xz
a = x; b = ; c= .
2 2
Isto significa que todos os vetores de R3 podem ser escritos como combinao linar dos
~ = (0, 1, 2).
vetores ~u = (1, 0, 1), ~v = (0, 1, 0) e w
x + 2y + z xz
(x, y, z) = |{z}
x (1, 0, 1) + (0, 1, 0) + (0, 1, 2)
2 2 }
a | {z } | {z
b c
Logo todo vetor de R3 pode ser escrito como combinao linear de ~u, ~v e w.
~
Ou seja, R3 = [~u, ~v , w].
~
~ = (2, 1, 3) em R3 .
(b) Agora considere ~u = (1, 1, 2), ~v = (1, 0, 1) e w
Queremos determinar se R3 = [~u, ~v , w].
~
100
Isso ocorrer se todo vetor (x, y, z) puder ser escrito como combinao linear de ~u, ~v , w.
~
Isto , se existem a, b, c R tais que

a +b +2c = x

(x, y, z) = a(1, 1, 2) + b(1, 0, 1) + c(2, 1, 3) a +c = y

2a +b +3c = z

tem soluo.

1 1 2 x 1 1 2 x
1 0 1 y L2 L2 L1 0 1 1 y x

2 1 3 z L3 L3 2 L1 0 1 1 z 2x L3 L3 L2

1 1 2 x 1 1 2 x L1 L1 L2
0 1 1 yx L2 L2 0 1 1 xy

0 0 0 x y + z 0 0 0 x y + z

1 0 1 y 1 0 1 y
0 1 1 xy 0 1 1 xy

0 0 0 x y + z 0 0 0 x y + z
O sistema associado a esta matriz escalonada:

1 0 1 y
0 1 1 xy

0 0 0 x y + z
ter soluo se, e somente se, x y + z = 0.

Isto significa que somente os vetores do conjunto
V = {(x, y, z) R3 ; x y + z = 0}
podem ser escritos como combinao linar dos vetores ~u, ~v e w.

~
Logo R3 6= [~u, ~v , w].
~
(c) Sejam U o espao gerado por ~u1 = (1, 1, 0) e ~u2 = (1, 0, 1) e V o espao gerado por
~v1 = (1, 0, 4) e ~v2 = (0, 1, 2).
Queremos encontrar os vetores que esto em U W .
Devemos encontrar os vetores que so combinaes lineares de ~u1 e ~u2 que so tambm
combinaes lineares de ~v1 e ~v2 , ou seja, devemos encontrar vetores (x, y) que satisfazem as
duas equaes:
(x, y, z) = a~u1 + b~u2

a~u1 + b~u2 = c~v1 + d~v2
(x, y, z) = c~v1 + d~v2
101
Temos
a(1, 1, 0) + b(1, 0, 1) = c(1, 0, 4) + d(0, 1, 2).

a b c
= 0
Que nos leva ao sistema linear: a d = 0

b +4c +2d = 0

1 1 1 0 0 L1 L2 1 0 0 1 0
1 0 0 1 0 1 1 1 0 0 L2 L3

0 1 4 2 0 0 1 4 2 0

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

1 1 1 0 0 L3 L3 + L1 0 1 1 1 0 L3 L3 + L2

1 0 0 1 0 1 0 0 1 0
0 1 4 2 0 0 1 4 2 0 L2 L2 4L3

0 0 3 1 0 L3 31 L3 0 0 1 31 0

1 0 0 1 0 a
d = 0
2
0 1 0 3 0 b + 2d = 0

3
1 d
0 0 1 3 0 c +3 = 0

O sistema

a
d = 0
b + 2d
3
= 0

d
c +3 = 0

tem solues da forma:
2d d
a = d, b = , c= .
3 3
Ento (x, y, z) U V se, e somente se,

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

1 2
Logo U V o espao gerado por , 1, .
3 3
1. Mostre que o espao gerado pelos vetores ~u = (1, 1, 2) e ~v = (3, 0, 1) o mesmo
espao gerado por ~u = (1, 2, 3) e ~v = (3, 3, 4).
2. Verifique se R3 gerado pelos vetores ~u = (1, 1, 2), ~v = (1, 0, 1) e w

~ = (2, 1, 3).
3. Verifique se P3 (R) gerado pelos polinmios 1 t, (1 t)2 e (1 t)3 .
102
9.2 Determinando um Conjunto de Geradores

Veremos agora um mtodo para determinarmos um conjunto de geradores para um su-
bespao de Rn , se este for dado atravs de uma caracterizao de seus elementos.
Exemplos:
(a) Considere o subespao V = {(x, y, z) R3 ; 2x 3y + 4z = 0}.
Queremos obter vetores que geram V , isto , um conjunto de vetores v1 , v2 , , vn V
tais que V = [v1 , v2 , , vn ].
Como V = {(x, y, z) R3 ; 2x y + 4z = 0},
(x, y, z) V 2x y + 4z = 0 y = 2x + 4z.
Ou seja,
(x, y, z) = (x, 2x + 4z, z) = (x, 2x, 0) + (0, 4z, z) = x(1, 2, 0) + z(0, 4, 1).
Resumindo: um vetor (x, y, z) V se, e somente se, uma combinao linear dos vetores:
(1, 2, 0) e (0, 4, 1).
Logo V = [(1, 2, 0), (0, 4, 1)].
(b) Seja W = {(x, y, z, t) R4 ; 2x 4y = 0}. Obtenha um conjunto de geradores de W .
(x, y, z, t) W 2x 4y = 0 x = 2y.
Ou seja,
(x, y, z, t) = (2y, y, z, t) = (2y, y, 0, 0) + (0, 0, z, 0) + (0, 0, 0, t) =
y(2, 1, 0, 0) + z(0, 0, 1, 0) + t(0, 0, 0, 1).
Resumindo: um vetor (x, y, z, t) W se, e somente se, uma combinao linear dos
vetores: (2, 1, 0, 0), (0, 0, 1, 0) e (0, 0, 0, 1).
Logo V = [(2, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)].
(c) Seja W = {(x, y, z, t) R4 ; x y = 0 e z + t = 0}. Obtenha um conjunto de geradores
de W .
(x, y, z, t) W x y = 0 e z + t = 0 x = y e z = t.
Ou seja,
(x, y, z, t) = (x, x, t, t) = (x, x, 0, 0) + (0, 0, t, t) =
x(1, 1, 0, 0) + t(0, 0, 1, 1).
Resumindo: um vetor (x, y, z, t) W se, e somente se, uma combinao linear dos
vetores: (1, 1, 0, 0) e (0, 0, 1, 1).
Logo W = [(1, 1, 0, 0), (0, 0, 1, 1)].
103

1. Exprima o vetor (1, 3, 10) como combinao linear de ~u = (1, 0, 0), ~v = (1, 1, 0) e
~ = (2, 3, 5).
w
2. Quais dos seguintes vetores so combinaes lineares de ~u = (0, 2, 2) e ~v = (1, 3, 1)?
(a) (2, 2, 2) (b) (3, 1, 5) (c) (0, 4, 5) (d) (0, 0, 0)
3. Quais dos seguintes vetores so combinaes lineares de ~u = (4, 2, 3), ~v = (2, 1, 2) e

~ = (2, 1, 0)?
w
(a) (1, 1, 1) (b) (4, 2, 6) (c) (2, 1, 1) (d) (1, 2, 3)
4. Escreva o polinmio p(t) = 3t2 + 8t 5 como combinao linear de q(t) = 2t2 + 3t 4

e r(t) = t2 2t 3.
5. Quais dos seguintes vetores so combinaes lineares de
p1 (t) = 4t2 + 1t + 2, p2 (t) = 3t2 t + 1 e p(t) = 5t2 + 2t + 3?
(a) 15t2 7t 9 (b) 6t2 + 11t + 6 (c) 2 (d) 9t2 + 8t + 7

" # " # " #
6 8 4 0 1 1
6. Verifique que a matriz pertence ao espao gerado das matrizes:,
1 8 2 2 2 3
" # "
4 0 1 1
7. Verifique quais das matrizes abaixo pertencem ao espao gerado das matrizes: ,
2 2 2 3
" # " # " # " #
0 0 1 0 6 0 1 5
(a) (b) (c) (d)
0 0 0 1 3 8 7 1
8. Sejam ~u = (1, 3, 2), ~v = (2, 1, 1) em R3 . Para qual valor de k o vetor (1, k, 5)

combinao linear de ~u e ~v ?
~ = (x, y, z) de R3 pode ser expresso como com-

9. Sob qual(is) condio(es) um vetor w
binao linear de ~u = (5, 3, 2) e ~v = (3, 1, 3)?
10. Seja V um subespao de R3 gerado pelos vetores ~u = (1, 1, 1) e ~v = (1, 1, 1). De-
~ = (x, y, z) V . D exemplo de vetores
termine sob qual(is) condio(es) um vetor w
~1 V e w
w ~ 2 6 V.
11. Determine um conjunto de geradores para cada um dos subespaos de R3 :
(a) U = {(x, y, z) R3 / x 2y = 0};
104
(b) V = {(x, y, z) R3 / x + z = 0 e x 2y = 0};

(c) W = {(x, y, z) R3 / x + 2y 3z = 0};
12. Em cada um dos casos abaixo, verifique se o conjunto de vetores gera R2 :
(a) ~u = (0, 0), ~v = (1, 1) e (b) ~u = (1, 0) e ~v = (0, 2) (c) ~u = (1, 2) e ~v = (3, 1)
w
~ = (2, 2)
13. Em cada um dos casos abaixo, verifique se o conjunto de vetores gera R3 :
(a) ~u = (2, 2, 2), ~v = (0, 0, 3) e w

~ = (c) ~u = (3, 1, 4), ~v = (2, 3, 5), ~t =
(0, 1, 1) (5, 2, 9) e w
~ = (1, 4, 1)
(b) ~u = (3, 1, 4), ~v = (2, 3, 5), ~t = (d) ~u = (2, 1, 3), ~v = (4, 1, 2) e w
~ =
(5, 2, 9) e w
~ = (1, 4, 1) (8, 1, 8)
14. Mostre que os polinmios p(t) = 1 t, q(t) = (1 t)2 e r(t) = (1 t)3 no geram P3 (R).
Verifique se os polinmios 2t3 + t 1 e 2t3 7t2 + 6t 1 pertencem ao espao gerado
por p(t), q(t) e r(t).
" # " # " # " #
1 0 1 1 0 0 0 1
15. Verifique se , , , geram o espao M2 (R).
0 1 0 0 1 1 1 2
( ! )
x y
16. Considere o subespao vetorial de M2 (R) dado por U = /xyz =0 .
z t
Determine um sistema de geradores para U .
17. Sejam ~u1 = (1, 6, 4), ~u2 = (2, 4, 1), ~u3 = (1, 2, 5), ~v1 = (1, 2, 5) e ~v2 = (0, 8, 9)
vetores de R3 . Mostre que
[~u1 , ~u2 , ~u3 ] = [~v1 , ~v2 ].
18. Sejam U = [(1, 0, 0), (1, 1, 1)] e W = [(0, 1, 0), (0, 0, 1)] subespaos de R3 .
(a) Verifique se R3 = U + V ;
(b) Determine um sistema de geradores de U V ;
(c) Vale R3 = U V ?
19. Sejam U, V e W os seguintes subespaos de R3 :
U = {(x, y, z) R3 / x = z} , V = {(x, y, z) R3 / x = y = 0} e W = {(x, y, z) R3 / x+y+z = 0}.
(a) Determine conjuntos geradores de U, V e W .

(b) Verifique que R3 = U + V , R3 = V + W e R3 = U + W .
(c) Alguma destas somas direta?
105
Captulo 10
Aula 10 - Independncia Linear
Teorema 10.1 Sejam E um espao vetorial, u1 , u2 , , un , v1 , v2 , , vm E. Se U = [u1 , u2 , , un ]

e V = [v1 , v2 , , vm ], ento
U + V = {u + v; u U e v V } = [u1 , u2 , , un , v1 , v2 , , vm ].
D EMONSTRAO : Seja w U + V . Ento existem u U e v V tais que
w = u + v.
Como u U , existem a1 , a2 , , an R tais que
u = a1 u1 + a2 u2 + + an un .
Analogamente, como v V , existem b1 , b2 , , bm R tais que
v = b1 v1 + b2 v2 + + bm vm .
Logo
w = u+v
= (a1 u1 + a2 u2 + + an un ) + (b1 v1 + b2 v2 + + bm vm )
[u1 , u2 , , un , v1 , v2 , , vm ].
Exemplo: Sejam
U = (x, y, z) R3 ; x + z = 0 e x 2y = 0 e V = (x, y, z) R3 ; x + 2y 3z = 0

subespaos de R3 .
Queremos obter um conjunto de geradores do subespao U + V .
Para isso determinaremos conjuntos de geradores de U e V , separadamente.
Um conjunto de geradores de U :
(
x +z = 0
(x, y, z) U
x 2y = 0
106
z
Logo x = z e y = .
2
n z o 1
Podemos concluir que U = z, , z ; z R = 1, , 1 .
2 2
Um conjunto de geradores de V :
(x, y, z) V x + 2y 3z = 0
Logo x = 2y + 3z e y, z R.
Podemos concluir que V = {(2y + 3z, y, z); y, z R} = [(2, 1, 0), (3, 0, 1)].
Pelo Teorema anterior, o subespao U + V gerado por

1
1, , 1 , (2, 1, 0), (3, 0, 1) .
2
Sejam
U = [(1, 0, 0), (1, 1, 1)] e V = [(0, 1, 0), (0, 0, 1))]
subespaos de R3 .
Um vetor w U V w U e w V . Ento existem a, b, c, d R tais que

1a +1b = 0c +0d

a(1, 0, 0) + b(1, 1, 1) = c(0, 1, 0) + d(0, 0, 1) 0a +1b = 1c +0d

0a +1b = 0c +1d

a = b, c = b e d = b.
Ento w U V w = a(1, 0, 0) + b(1, 1, 1) = b(1, 0, 0) + b(1, 1, 1) = b(0, 1, 1).

Logo U V = [(0, 1, 1)].
10.1 Propriedades do Subespao Gerado

Sejam ~v1 , , ~vn vetores de um espao vetorial E. Ento:
h i
~
Propriedade 21 (I) [~v1 , , ~vn ] = 0, ~v1 , , ~vn .
a1~v1 + + an~vn = a ~0 + a1~v1 + + an~vn ,
para todos a, a1 , a2 , , an R.
Propriedade 22 (II) [~v1 , , ~vi , , ~vj , , ~vn ] = [~v1 , , ~vj , , ~vi , , ~vn ] .
107
Propriedade 23 (III) Se 6= 0,
[~v1 , , ~vi , , ~vn ] = [~v1 , , ~vi , , ~vn ] .
D EMONSTRAO : Evidente.
Propriedade 24 (IV) Se 6= 0,
[~v1 , , ~vi , , ~vj , , ~vn ] = [~v1 , , ~vi + vj , , ~vj , , ~vn ] .
Utilizamos estas quatro propriedades para simplificar ao mximo um conjunto de gera-
dores de um subespao.
Exemplo: Considere em R3 o subespao
V = [(1, 0, 1), (3, 1, 1), (4, 1, 0), (1, 1, 3)] .
Para simplificar o conjunto de geradores, utilizaremos as operaes elementares com

os vetores. Para facilitar, iremos dispor os vetores em uma matriz, onde cada linha ser
formada pelas coordenadas dos vetores:

1 0 1

3
1 1

4 1 0

1 1 3
Vamos escalonar a matriz obtida:

1 0 1 1 0 1

3
1 1 L2 L2 3L1
0 1 4

L3 L3 4L1
4 1 0 0 1 4 L L L
3 3 2
1 1 3 L4 L4 + L1 0 1 4 L4 L4 + L2

1 0 1

0 1 4

0 0 0

0 0 0
As propriedades enunciadas mostram que:
V = [(1, 0, 1), (3, 1, 1), (4, 1, 0), (1, 1, 3)] = [(1, 0, 1), (0, 1, 4)] .
108
Figura 10.1: Dizemos que ~v depende linearmente de ~u.
10.2 Independncia
Sejam ~u e ~v vetores do plano, onde ~v = ~u, para algum R.
Ao fazermos uma alterao em ~u, automaticamente ocorre uma alterao semelhante em
~v .
Pergunta 6 Sejam ~u e ~v vetores do plano, onde ~v = ~u, para algum R. Existem c1 e

c2 R no simultaneamente nulos de forma que
c1 ~u + c2 ~v = ~0?
Resposta: Sim. Suponha 6= 0. Como ~v = ~u, temos que
1 ~v = ~0.
~u + |{z}
|{z}
c1 c2
Agora consideremos vetores do plano w

~ que no seja mltiplo de ~u.
Qualquer alterao que se faa em ~u no produz alterao em w.
~
Figura 10.2: Dizemos que w

~ independe linearmente de ~u.
Pergunta 7 Sejam ~u e w ~ no mltiplo de ~u. Existem c1 e c2 R

~ vetores do plano, onde w
no simultaneamente nulos de forma que
~ = ~0?
c1 ~u + c2 w
Resposta: No. Suponha por absurdo que existam c1 e c2 no simultaneamente nulos

tais que
~ = ~0.
c1 ~u + c2 w
109
Se c1 6= 0, ento teremos:
c2
~u =
w.
~
c1
E a w
~ seria mltiplo de ~u, o que um absurdo.
Sejam ~u e ~v vetores do plano, onde ~v no um mltiplo de ~u, e seja
w
~ = ~u + ~v .
Ao fazermos qualquer alterao em ~u ou em ~v , automaticamente ocorre uma alterao

em w.
~
Figura 10.3: Dizemos que w

~ depende linearmente de ~u e ~v .
Definio 10.2 Sejam ~v1 , ~v2 , , ~vn vetores de um espao vetorial E. Dizemos que v1 , v2 , , vn
so linearmente independentes (ou LI) se a equao
c1~v1 + c2~v2 + + cn~vn = ~0
admite somente a soluo trivial c1 = c2 = = cn = 0. Caso contrrio, dizemos que

~v1 , ~v2 , , ~vn so linearmente dependentes (ou LD).
(a) Dois vetores ~u, ~v em um espao vetorial so linearmente independentes se, e somente
se, no so mltiplos um do outro.
(b) Dois vetores ~u, ~v em um espao vetorial so linearmente dependentes se, e somente
se, so mltiplos um do outro.
(c) Em R3 , considere
e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1).
O conjunto {e1 , e2 , e3 } linearmente independente.

Sejam a, b, c R tais que:
ae1 + be2 + ce3 = ~0 a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) = (0, 0, 0).
(a, b, c) = (0, 0, 0) a = b = c = 0,
o que prova a independncia linear de {e1 , e2 , e3 }.
110
(d) Em Rn , considere
e1 = (1, 0, , 0), e2 = (0, 1, 0, , 0) en = (0, , 0, 1).
O conjunto {e1 , e2 , , en } linearmente independente.

(e) Em R3 , considere
~u = (1, 1, 0), ~v = (1, 4, 5) e w

~ = (3, 6, 5).
Verifiquemos se o conjunto {u, v, w} linearmente independente.

Sejam a, b, c R tais que
~ = ~0
a~u + b~v + cw
a(1, 1, 0) + b(1, 4, 5) + c(3, 6, 5) = (0, 0, 0)

a +b +3c = 0

(a + b + 3c, a + 4b + 6c, 5b + 5c) = (0, 0, 0) a +4b +6c = 0

5b +5c = 0

Resolvendo o sistema linear:

1 1 3 0 1 1 3 0
1
1 4 6 0 0 5 5 0 L2 L

5 2
0 5 5 0 L3 L2 1 4 6 0

1 1 3 0 1 1 3 0
0 1 1 0 0 1 1 0

1 4 6 0 L3 L3 L1 0 3 3 0 L3 L3 3L2

1 1 3 0 L1 L1 L2 1 0 2 0
0 1 1 0 0 1 1 0

0 0 0 0 0 0 0 0
E isto nos leva ao sistema (
a +2c = 0
b +c = 0
que possui infinitas solues: {(2c, c, c); c R}.
Logo a equao
~ = ~0
a~u + b~v + cw
possui solues diferentes da soluo trivial a = b = c = 0, o que nos mostra que o conjunto
{~u, ~v , w}
~ linearmente dependente.
(f) Em R3 , considere
~u = (3, 1, 6), ~v = (4, 1, 7) e w

~ = (2, 1, 5).
111
~ = ~0
a~u + b~v + cw a(3, 1, 6) + b(4, 1, 7) + c(2, 1, 5) = (0, 0, 0)

3a 4b 2c = 0

(3a 4b 2c, a + b + c, 6a + 7b + 5c) = (0, 0, 0) a +b +c = 0

6a +7b +5c = 0


3 4 2 0 L1 L2 1 1 1 0
1 1 1 0 3 4 2 0 L2 L2 3L1

6 7 5 0 6 7 5 0

1 1 1 0 1 1 1 0
0 7 5 0 0 7 5 0

6 7 5 0 L3 L3 + L2 6 0 0 0 L3 16 L3

1 1 1 0 L1 L3 1 0 0 0 1 0 0 0
0 7 5 0 0 7 5 0 L2 L3 1 1 1 0

1 0 0 0 1 1 1 0 0 7 5 0

1 0 0 0 1 0 0 0
1 1 1 0 L2 L2 L1 0 1 1 0

0 7 5 0 0 7 5 0 L3 L3 + 7L2

1 0 0 0 1 0 0 0
0 1 1 0 0 1 1 0 L2 L2 L3

1
0 0 2 0 L3 L
2 3
0 0 1 0

1 0 0 0
0 1 0 0

0 0 1 0
E isto nos leva ao sistema
a
= 0
b = 0

c = 0

que possui uma nica soluo: a = b = c = 0.

Logo a equao
~ = ~0
a~u + b~v + cw
possui somente a soluo trivial a = b = c = 0, o que nos mostra que o conjunto {~u, ~v , w}
~
linearmente independente.
(g) Em R4 , considere
~u = (1, 1, 0, 0), ~v = (0, 2, 1, 0) e w

~ = (0, 0, 0, 3).
112

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

a = 0

a +2b = 0
(a, a + 2b, b, 3c) = (0, 0, 0, 0)

b = 0

3c = 0
Logo a equao
~ = ~0
a~u + b~v + cw
possui somente a soluo trivial a = b = c = 0, o que nos mostra que o conjunto {~u, ~v , w}
~
linearmente independente.
(h) Em P2 (R), considere
p(t) = 1 + t, q(t) = 2 + t2 e r(t) = t t2 .
Verifiquemos se o conjunto {p(t), q(t), r(t)} linearmente independente.

ap(t) + bq(t) + cr(t) = 0 (polinmio nulo) a(1 + t) + b(2 + t2 ) + c(t t2 ) = 0

a +2b
= 0
(a + 2b) + (a + c)t + (b c)t2 = 0 a +c = 0

b c = 0


1 2 0 0 L1 L2 1 0 1 0
1 0 1 0 1 2 0 0 L2 L3

0 1 1 0 0 1 1 0

1 0 1 0 1 0 1 0
0 1 1 0 0 1 1 0

1 2 0 0 L3 L3 L1 0 2 1 0 L3 L3 2L2

1 0 1 0 L1 L1 L3 1 0 0 0
0 1 1 0 L2 L2 + L3 0 1 0 0

0 0 1 0 0 0 1 0
a
= 0
b = 0

c = 0

113

Logo a equao
ap(t) + bq(t) + cr(t) = 0
possui somente a soluo trivial a = b = c = 0, o que nos mostra que o conjunto {p(t), q(t), r(t)}
L.I..
(i) Em P2 (R), considere
p(t) = 1 t, q(t) = 5 + 3t 2t2 e r(t) = 1 + 3t t2 .
Verifiquemos se o conjunto {p(t), q(t), r(t)} linearmente independente.

ap(t) + bq(t) + cr(t) = 0 (polinmio nulo) a(1 t) + b(5 + 3t 2t2 ) + c(1 + 3t t2 ) = 0

a +5b +c = 0

(a + 5b + c) + (a + 3b + 3c)t + (2b c)t2 = 0 a +3b +3c = 0

2b c = 0


1 5 1 0 1 5 1 0
1 3 3 0 L2 L2 + L1 0 8 4 0

0 2 1 0 0 2 1 0 L3 L3 + 14 L2

1 5 1 0
1 5 1 0 1 L1 L1 5L2
0 8 4 0 L2
1
L
0 1 0
2

8 2
0 0 0 0

0 0 0 0

3
1 0 2 0
0 1 1 0

2

0 0 0 0

3

a c = 0

2

1
b + c = 0

2

3 1
que possui infinitas solues: c, c, c ; c R .
2 2
Logo a equao
ap(t) + bq(t) + cr(t) = 0
114
possui solues diferentes da trivial a = b = c = 0, o que nos mostra que o conjunto

{p(t), q(t), r(t)} L.D..
(j) Considere no espao vetorial M2 (R) o conjunto de matrizes:
" # " # " #
1 1 0 1 1 0
A= , B= e C= .
1 0 1 1 0 1
Queremos verificar se A, B e C so L.I.. Sejam a, b, c R tais que:

" # " # " # " #
1 1 0 1 1 0 0 0
a +b +c = .
1 0 1 1 0 1 0 0
A equao matricial
" # " # " # " #
1 1 0 1 1 0 0 0
a +b +c =
1 0 1 1 0 1 0 0
nos leva ao sistema linear

a +c = 0

a +b = 0
.

a +b = 0

b +c = 0

1 0 1 0 1 0 1 0

1 1 0 0 0 1 1 0
L2 L4
1 1 0 0 1 1 0 0

0 1 1 0 1 1 0 0 L4 L4 L3

1 0 1 0 1 0 1 0 1 0 1 0

0 1 1 0 0 1 1 0 0 1 1 0

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

1 0 1 0 L1 L1 L3 1 0 0 0

0 1 1 0 L2 L2 L3 0 1 0 0

L3 12 L3
0 0 1 0

0 0 1 0

0 0 0 0 0 0 0 0
O sistema linear
a
= 0
b = 0

c = 0

possui uma nica soluo: a = 0, b = 0 e c = 0.
115
Logo a nica forma da equao

" # " # " # " #
1 1 0 1 1 0 0 0
a +b +c =
1 0 1 1 0 1 0 0
ser verdadeira com a = 0, b = 0 e c = 0, o que demonstra que as matrizes A, B e C so

L.I.
10.3 Propriedades Da Independncia Linear

Seja E um espao vetorial.
Propriedade 25 (I) Se um conjunto X contm o vetor nulo ~0, ento X L.D..
D EMONSTRAO : Se X = {~0, ~v2 , , ~vn }, ento
1 ~0 + 0~v2 + 0~v3 + + 0~vn = ~0.
Propriedade 26 (II) Se um conjunto X = {~v1 , ~v2 , , ~vn } contm um vetor que combinao
linear dos outros, ento X L.D..
D EMONSTRAO : Suponha que ~v1 combinao linear de ~v2 , , ~vn .

Ento existem a2 , a3 , , an R tais que:
~v1 = a2~v2 + a3~v3 + + an~vn .
Podemos escrever: 1~v1 a2~v2 a3~v3 an~vn = ~0.
Propriedade 27 (III) Se um conjunto X = {~v1 , ~v2 , , ~vn } L.D., ento um dos vetores de X
combinao linear dos outros.
D EMONSTRAO : Suponha que X = {~v1 , ~v2 , , ~vn } seja L.D..

Ento existem a1 , a2 , , an R, nem todos nulos, tais que:
a1~v1 + a2~v2 + a3~v3 + + an~vn = ~0.
Suponha que a1 6= 0. Podemos escrever:

a2 a3 an
~v1 = ~v2 ~v3 ~vn ,
a1 a1 a1
ou seja, ~v1 combinao linear dos outros vetores.
Propriedade 28 (IV) Se um conjunto X = {~v1 , ~v2 , , ~vn } L.D. e X Y , ento Y L.D..
116

a1~v1 + a2~v2 + a3~v3 + + an~vn = ~0.
Seja Y = {~v1 , ~v2 , , ~vn , ~u1 , , ~um } . Podemos escrever:
a1~v1 + a2~v2 + a3~v3 + + an~vn + 0~u1 + + 0~um = ~0,
ou seja, Y L.D..
Propriedade 29 (V) Se um conjunto X = {~v1 , ~v2 , , ~vn } L.I. e Y X, ento Y L.I..
D EMONSTRAO : Pela proposio anterior se Y fosse linearmente dependente, o mesmo

aconteceria com X.
Teorema 10.3 (Operaes Elementares e Independncia Linear) Seja X = {~v1 , , ~vi , , ~vj , , ~vn }
um conjunto L.I. . Ento:
(i) {~v1 , , ~vj , , ~vi , , ~vn } L.I.;
(ii) Se 6= 0, {~v1 , , ~vi , , ~vn } L.I.;
(iii) Se 6= 0, {~v1 , , ~vi + vj , , ~vn } L.I.;

A fazer
117
Captulo 11
Aula 11 - Base de um Espao Vetorial
11.1 Propriedades da Independncia Linear

Seja E um espao vetorial.
Propriedade 30 (I) Se um conjunto X contm o vetor nulo ~0, ento X L.D..
D EMONSTRAO : Se X = {~0, ~v2 , , ~vn }, ento
1 ~0 + 0~v2 + 0~v3 + + 0~vn = ~0.
Propriedade 31 (II) Se um conjunto X = {~v1 , ~v2 , , ~vn } contm um vetor que combinao
linear dos outros, ento X L.D..
D EMONSTRAO : Suponha que ~v1 combinao linear de ~v2 , , ~vn .

Ento existem a2 , a3 , , an R tais que:
~v1 = a2~v2 + a3~v3 + + an~vn .
Podemos escrever: 1~v1 a2~v2 a3~v3 an~vn = ~0.
Propriedade 32 (III) Se um conjunto X = {~v1 , ~v2 , , ~vn } L.D., ento um dos vetores de X
combinao linear dos outros.

a1~v1 + a2~v2 + a3~v3 + + an~vn = ~0.
Suponha que a1 6= 0. Podemos escrever:

a2 a3 an
~v1 = ~v2 ~v3 ~vn ,
a1 a1 a1
ou seja, ~v1 combinao linear dos outros vetores.
118
Propriedade 33 (IV) Se um conjunto X = {~v1 , ~v2 , , ~vn } L.D. e X Y , ento Y L.D..

a1~v1 + a2~v2 + a3~v3 + + an~vn = ~0.
Seja Y = {~v1 , ~v2 , , ~vn , ~u1 , , ~um } . Podemos escrever:
a1~v1 + a2~v2 + a3~v3 + + an~vn + 0~u1 + + 0~um = ~0,
ou seja, Y L.D..
Propriedade 34 (V) Se um conjunto X = {~v1 , ~v2 , , ~vn } L.I. e Y X, ento Y L.I..
D EMONSTRAO : Pela proposio anterior se Y fosse linearmente dependente, o mesmo

aconteceria com X.
Teorema 11.1 Seja X = {~v1 , ~v2 , , ~vm } um conjunto de m vetores de Rn . Se m > n, ento
X LD.
D EMONSTRAO : De fato, suponha que
~v1 = (a11 , a21 , , an1 ),

~v2 = (a12 , a22 , , an2 ),
.. .. ..
. . .
~vm = (a1m , a2m , , anm )
Considere a combinao linear nula:
x1~v1 + x2~v2 + + xm~vm = ~0.
Na notao de vetores:
x1 (a11 , a21 , , an1 ) + x2 (a12 , a22 , , an2 ) + + xm (a1m , a2m , , anm ) = (0, 0, , 0)
Que gera o seguinte sistema linear:

a11 x1 + a12 x2 + + a1m xm = 0

a21 x1 + a22 x2 + + a2m xm = 0

.. .. .. ..

. . . .

an1 x1 + an2 x2 + + anm xm = 0

Se m > n, o sistema linear possvel indeterminado, isto , possui infinitas solues.

Logo X = {~v1 , ~v2 , , ~vm } LD.
Exemplos:
(a) Todo conjunto com mais de dois vetores LD em R2 .
(b) Todo conjunto com mais de trs vetores LD em R3 .
119
Observao 11.2 Em Rn , um conjunto de m vetores no necessariamente LI, se m n.
Exemplo: Em R4 , os vetores
~u = (1, 2, 3, 4) e ~v = (2, 4, 6, 8)
so LD, por serem um mltiplo do outro.

A afirmao contrapositiva do Teorema a seguinte:
Corolrio 11.3 Seja X = {~v1 , ~v2 , , ~vm } um conjunto de m vetores de Rn . Se X LI, ento
m n.
Teorema 11.4 (Operaes Elementares e Independncia Linear) Seja X = {~v1 , , ~vi , , ~vj , , ~vn }
um conjunto L.I. . Ento:
(i) {~v1 , , ~vj , , ~vi , , ~vn } L.I.;
(ii) Se 6= 0, {~v1 , , ~vi , , ~vn } L.I.;
(iii) Se 6= 0, {~v1 , , ~vi + vj , , vj , , ~vn } L.I.;
11.2 Algoritmo para Determinar a Independncia Linear

O teorema acima nos fornece um mtodo para determinarmos diretamente se um con-
junto finito de vetores de Rn LI ou LD. Utilizaremos as operaes elementares com os
vetores, que no alteram a independncia linear. Para facilitar, iremos dispor os vetores
em uma matriz, onde cada linha ser formada pelas coordenadas dos vetores. Por exemplo,
considere o conjunto de R3 dado por:
X = {(1, 1, 1), (3, 2, 1), (1, 4, 1)}.

1 1 1
3 2 1

1 4 1
Ao escalonar a matriz acima no alteramos a independncia linear:

1 1 1 1 1 1
3 2 1 L2 L2 3L1 0 5 4

1 4 3 L3 L3 + L1 0 5 4 L3 L3 + L2

1 1 1 1 1 1 L1 L1 + L2
1 4
0 5 4 L2 5 L2 0 1 5

0 0 0 0 0 0
120
1

1 0 5
0 1 54

0 0 0
Note que o conjunto 1, 0, 51 , 0, 1, 54 , (0, 0, 0) LD.

Logo X = {(1, 1, 1), (3, 2, 1), (1, 4, 1)} LD.
Observao 11.5 Vistas como coordenadas de vetores, as linhas no nulas de uma matriz
na forma escada so LI.
Consideremos agora em R3 o conjunto
Y = {(3, 1, 6), (4, 1, 7), (2, 1, 5)}.
Queremos saber se Y LI.

1
1

3 1 6 L1 L
3 1
1 3
2
4 1 7 4 1 7 L2 L2 + 4L1

2 1 5 2 1 5 L3 L3 + 2L1

1 13 2 1 11
3
0
0 73 1 L2 L2 + L3 0 4 0 L2 14 L2

0 53 1 L1 L1 + 2L3 0 53 1

1 11
3
0 L1 L1 11
3
L2 1 0 0
0 1 0 0 1 0

5
0 3
1 L3 L3 35 L2 0 0 1
Como o conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} LI, o mesmo ocorre com Y .
11.3 Base de um Espao Vetorial

Consideremos no plano os vetores:
~u = (1, 1), ~v = (2, 1) e w

~ = (1, 2).
~ gera R2 , ou seja, todo vetor do plano pode ser escrito como

Podemos provar que {~u, ~v , w}
combinao linear de ~u, ~v , w.
~
Por exemplo:
(2, 4) = 1 (1, 1) + 1 (2, 1) + 1 (1, 2).
Mas tambm pode ser escrito como:
(2, 4) = 2 (1, 1) + 2 (2, 1) + 0 (1, 2).
121
Ou seja, a combinao linear no nica.

O mesmo no ocorre com o seguinte conjunto: {(1, 0), (0, 1)}.
S existe uma nica maneira de escrever o vetor (2, 4) como combinao linear de (1, 0)
e (0, 1):
(2, 4) = 2 (1, 0) + 4 (0, 1).
Este fato decorre da independncia linear dos vetores geradores.
Teorema 11.6 Sejam ~v1 , , ~vn vetores linearmente independentes de um espao vetorial E.
Se ~v [~v1 , , ~vn ], ento existem nicos a1 , a2 , , an R tais que
~v = a1~v1 + a2~v2 + + an~vn .
D EMONSTRAO : Sejam a1 , a2 , , an , b1 , b2 , , bn R tais que
~v = a1~v1 + a2~v2 + + an~vn = b1~v1 + b2~v2 + + bn~vn .
Ento
(a1 b1 )~v1 + (a2 b2 )~v2 + + (an bn )~vn = ~0.
Como ~v1 , , ~vn vetores LI, temos que
(a1 b1 ) = (a2 b2 ) = = (an bn ) = 0.
O que demonstra a1 = b1 , , an = bn .
Definio 11.7 Seja E um espao vetorial. Um conjunto {~v1 , , ~vn } de vetores dito ser
uma base de E se:
(i) E = [~v1 , , ~vn ];
(ii) {~v1 , , ~vn } linearmente independente.
(a) O conjunto {(1, 0), (0, 1)} uma base de R2 .

(i) R2 = [(1, 0), (0, 1)]:
De fato, se (x, y) R2 ,
(x, y) = x (1, 0) + y (0, 1).
(ii) {(1, 0), (0, 1)} LI.

{(1, 0), (0, 1)} dita ser a base cannica de R2 .
(b) Qualquer conjunto {~u, ~v } de dois vetores no plano, onde um no mltiplo do outro,
uma base de R2 .
Sejam ~u = (a, b) e ~v = (c, d). J vimos anteriormente que:
(i) R2 = [(a, b), (c, d)];
122
(ii) {(a, b), (c, d)} LI.

(c) O conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} uma base de R3 .
(i) R3 = [(1, 0, 0), (0, 1, 0), (0, 0, 1)]:
De fato, se (x, y, z) R3 ,
(x, y, z) = x (1, 0) + y (0, 1, 0) + z (0, 0, 1).
(ii) {(1, 0, 0), (0, 1, 0), (0, 0, 1)} LI.

{(1, 0, 0), (0, 1, 0), (0, 0, 1)} dita ser a base cannica de R3 .
(d) Mais geralmente o conjunto
{(1, 0, , 0), (0, 1, 0, , 0), , (0, , 0, 1)}
uma base de Rn :
(i) Rn = [(1, , 0, 0), (0, 1, 0, , 0), , (0, 0, , 0, 1)]:
De fato, se (x1 , x2 , , xn ) Rn ,
(x1 , x2 , , xn ) = x1 (1, 0, , 0) + x2 (0, 1, 0, , 0) + + xn (0, , 0, 1).
(ii) J vimos que {(1, 0, , 0), (0, 1, 0, , 0), (0, , 0, 1)} LI.
(e) O conjunto {1, t, t2 } uma base de P2 (R).
(i) P2 (R) = [1, t, t2 ];
De fato,
p(t) = a0 + a1 t + a2 t2 = a0 1 + a1 t + a2 t2 .
(ii) {1, t, t2 } LI.

De fato,
a0 1 + a1 t + a2 t2 = 0 a0 = a1 = a2 = 0.
(f) O conjunto {1 + t, 2 + t2 , t t2 } uma base de P2 (R).

(ii) J verificamos que {1 + t, 2 + t2 , t t2 } LI. (Veja Aula 09 - Independncia Linear,
exemplo (h).)
Falta verificar se
(i) P2 (R) = [1 + t, 2 + t2 , t t2 ];
De fato, seja p(t) = a0 + a1 t + a2 t2 P2 (R).
Temos que mostrar que existem x, y, z R tais que
p(t) = x(1 + t) + y(2 + t2 ) + z(t t2 )
a0 + a1 t + a2 t2 = (x + 2y) + (x + z)t + (y z)t2
Isso nos leva ao sistema:
123

x +2y
= a0
x +z = a1

y z = a2


1 2 0 a0 L1 L2 1 0 1 a1
1 0 1 a1 1 2 0 a0 L2 L3

0 1 1 a2 0 1 1 a2

1 0 1 a1 1 0 1 a1
0 1 1 a2 0 1 1 a2

1 2 0 a0 L3 L3 L1 0 2 1 a0 a1 L3 L3 2L2

1 0 1 a1 L1 L1 L3 1 0 0 a0 + 2a1 + 2a2
0 1 1 a2 L2 L2 + L3 0 1 0 a0 a1 a2

0 0 1 a0 a1 2a2 0 0 1 a0 a1 2a2

x
= a0 + 2a1 + 2a2
y = a0 a1 a2

z = a0 a1 2a2

que possui uma nica soluo.

Logo {p(t), q(t), r(t)} gera P2 (R).
(g) O conjunto = {(1, 2, 2, 1), (4, 9, 9, 4), (5, 8, 9, 5)} uma base de R4 ?
(i) R4 = [(1, 2, 2, 1), (4, 9, 9, 4), (5, 8, 9, 5)]?
Seja (x, y, z, w) R4 . Vejamos sob quais condies
(x, y, z, w) [(1, 2, 2, 1), (4, 9, 9, 4), (5, 8, 9, 5)].
Para isso necessrio e suficiente que existam a, b, c R tais que

a + 4b + 5c = x

2a + 9b + 8c = y
a(1, 2, 2, 1) + b(4, 9, 9, 4) + c(5, 8, 9, 5) = (x, y, z, w)

2a + 9b + 9c = z

a 4b 5c = w

1 4 5 x 1 4 5 x L1 L1 4L2

2 9 8 y L2 L2 2L1 0 1 2 y 2x

2 9 9 z L L 2L 0 1 1 z 2x L L L
3 3 1 3 3 2
1 4 5 w L4 L4 + L1 0 0 0 x+w
124

1 0 13 9x 4y L1 L1 13L3 1 0 0 9x + 9y 13z

0 1 2 y 2x
L2 0 1 0 2x y + 2z
L2 + 2L3

0 0 1
zy
0 0 1
zy

0 0 0 x+w 0 0 0 x+w
Obtemos a matriz:

1 0 0 9x + 9y 13z

a = 9x + 9y 13z

0 1 0 2x y + 2z b = 2x y + 2z

0 0 1
zy

c = zy

0 0 0 x+w 0a +0b +0c = x+w
Este sistema s ter soluo se x + w = 0.

Isto significa dizer que
(x, y, z, w) [(1, 2, 2, 1), (4, 9, 9, 4), (5, 8, 9, 5)] se, e somente se, x + w = 0.
Resumindo: [(1, 2, 2, 1), (4, 9, 9, 4), (5, 8, 9, 5)] = {(x, y, z, w) R4 ; x + w = 0}.

Concluso:
{(1, 2, 2, 1), (4, 9, 9, 4), (5, 8, 9, 5), (x, y, z, w)} no gera R4 . E por isso no uma base
de R4 .
(h) Considere em M2 (R) o conjunto:
( " # " # " # " #)
1 0 0 1 0 0 0 0
= E11 = , E12 = , E21 = , E22 = .
0 0 0 0 1 0 0 1
uma base de M2 (R).
(i) Considere em Mmn (R) o conjunto:

1 0 0 0 1 0 0 0 0

. .. .. .. . .. .. .. . .. .. ..
. . .
= E11 = , E12 = . , , Emn = .
.
. . . . . . . . . .

0 0 0 0 0 0 0 0 1
uma base de Mmn (R).

A fazer
125
Captulo 12
Aula 12 - Coordenadas de um Vetor
Uma das caractersticas teis de uma base de um espao vetorial V de dimenso finita
essencialmente que ela nos permite introduzir coordenadas em V de maneira anloga s
coordenadas naturais xi de um elemento
~u = (x1 , . . . , xn )
do espao vetorial Rn , por exemplo.

Assim, as coordenadas de um elemento ~u de V em relao a uma base sero os escalares
que servem para representar ~u como uma combinao linear dos elementos da base.
Exemplo: Considere em R2 a base = {(1, 0), (0, 1)}.
O vetor ~u = (1, 2) escrito como combinao linear dos vetores da base acima:
~u = 1 (1, 0) + 2 (0, 1)

Agora considere em R2 a base = {(1, 2), (1, 1)}.
O vetor ~u = (1, 2) escrito como combinao linear dos vetores da base acima:
~u = (3) (1, 2) + (4) (1, 1)

Definio 12.1 Seja S um conjunto de n elementos. Uma ordenao de S uma funo do

conjunto dos inteiros positivos {1, . . . , n} sobre S.
Definio 12.2 Uma base ordenada de um espao vetorial V de dimenso finita uma base
de V, com ordenao fixa de seus elementos.
Exemplo: As bases ordenadas de R2 = {(1, 0), (0, 1)} e = {(0, 1), (1, 0)} so diferentes,
embora do ponto de vista da Teoria de Conjuntos sejam iguais.
126
Teorema 12.3 Sejam V um espao vetorial de dimenso finita e = {v1 , , vn } uma base
ordenada de V . Ento todo elemento de V escrito de modo nico como uma combinao
linear dos elementos de . Isto , dado o elemento u V existem nicos c1 , , cn R tais
que
u = c1 v1 + c2 v2 + + cn vn .
D EMONSTRAO : Sejam c1 , , cn , d1 , , dn R tais que
u = c1 v1 + c2 v2 + + cn vn = d1 v1 + d2 v2 + + dn vn .
Ento (c1 d1 )v1 + (c2 d2 )v2 + + (cn dn )vn = 0.

Como {v1 , , vn } LI, temos que
c1 d1 = c2 d2 = = cn dn = 0,
o que prova a unicidade.
Definio 12.4 Os nmeros c1 , , cn R satisfazendo a equao
u = c1 v1 + c2 v2 + + cn vn
so chamados de coordenadas de u em relao base .
Denotamos as coordenadas atravs da matriz coluna

c1
c2

.. .
[u] =
.
cn
Exemplos:
(a) Considere o espao vetorial real Rn e o elemento u = (x1 , , xn ) Rn .
Se = {e1 , , en } a base ordenada cannica de Rn , a matriz de coordenadas do ele-
mento u em relao base dada por:

x1
x2

[u] = ..
,
.

xn
pois u = x1 e1 + x2 e2 + + xn en .
(b) Considere o espao vetorial real P2 (R) e o elemento
p(t) = 2 3t + 2t2 .
127
Se = {1, t, t2 } a base ordenada cannica de P2 (R), a matriz de coordenadas do ele-

mento p(t) em relao base dada por:

2
[p(t)] = 3 ,

pois p(t) = 2 (1) + (3) (t) + 2 (t2 ).

(c) Considere o espao vetorial real Pn (R) e o elemento
p(t) = a0 + a1 t + a2 t2 + + an tn .
Se = {1, t, , tn } a base ordenada cannica de Pn (R), a matriz de coordenadas do

elemento p(t) em relao base dada por:

a0
a1

[p(t)] = ..
,
.

an
pois p(t) = a0 (1) + a1 (t) + a2 (t2 ) + + an (tn ). !

a b
(d) Considere o espao vetorial M2 (R) e o elemento A = .
c d
Se = {E11 , E12 , E21 , E22 } a base cannica ordenada, onde
! ! ! !
1 0 0 1 0 0 0 0
E11 = , E12 = , E21 = e E22 = ,
0 0 0 0 1 0 0 1
a matriz de coordenadas do elemento A em relao base dada por:

a

b
[A] =
c ,

d
pois A = a E11 + b E12 + c E21 + + d E22 .

(e) Considere no espao vetorial real R3 as seguintes bases ordenadas:
(i) = {e1 , e2 , e3 } a base cannica; e
(ii) = {(1, 1, 1), (1, 0, 1), (1, 0, 1)}.
Determine as coordenadas do vetor ~u = (2, 1, 4), com relao s bases e .
(a) Claramente as coordenadas do elemento ~u em relao base dada por:

2
[~u] = 1 .

128
(b) Para determinarmos as coordenadas de ~u = (2, 1, 4) em relao base , devemos

escrever ~u como uma combinao linear dos elementos de :
~u = (2, 1, 4) = a(1, 1, 1) + b(1, 0, 1) + c(1, 0, 1),
e determinarmos a, b e c.
Assim, obtemos o seguinte sistema linear nas incgnitas a, b e c:

a +b +c = 2

a = 1

a +b c = 4

Desse modo, temos que a = 1, b = 2 e c = 1.

Portanto, as coordenadas de ~u = (2, 1, 4) com relao base ordenada so dadas por:

1
[(2, 1, 4)] = 2 .

(f) Podemos verificar facilmente que = {1, 1 + t, 1 + t2 } uma base ordenada para o
espaco vetorial P2 (R).
Determine as coordenadas do elemento p(t) = 2 + 4t + t2 em relao base ordenada .
Inicialmente, escrevemos o polinmio p(t) como uma combinao linear dos elementos
da base ordenada:
p(t) = 2 + 4t + t2 = a + b(1 + t) + c(1 + t2 ) = (a + b + c) + bt + ct2 .
Assim, obtemos o seguinte sistema linear nas incgnitas a, b e c que so as coordenadas

de p(t) com relao base ordenada :

a +b +c = 2

b = 4

c = 1

Desse modo, temos que a = 3, b = 4 e c = 1.

Portanto, as coordenadas de p(t) com relao base ordenada so dadas por:

3
[p(t)] = 4 .

(g) Considere no espao vetorial real M2 (R) a base ordenada = {A1 , A2 , A3 , A4 }, onde
" # " # " # " #
1 1 1 1 1 0 0 1
A1 = , A2 = , A3 = e A4 = .
1 0 0 1 1 1 1 1
129
" #
4 6
Determine as coordenadas da matriz A = em relao base .
5 6
Inicialmente, escrevemos a matriz A como uma combinao linear dos elementos da base
ordenada:
" # " # " # " # " # " #
4 6 1 1 1 1 1 0 0 1 a+b+c a+b+d
=a +b +c +d = .
5 6 1 0 0 1 1 1 1 1 a+c+d b+c+d
Assim, obtemos o seguinte sistema linear nas incgnitas a, b, c e d que so as coordenadas

de A com relao base ordenada :

a +b +c = 4

a +b +d = 6
a
+c +d = 5

b +c +d = 6
Desse modo, temos que a = 1, b = 2, c = 1 e d = 3.
Portanto, as coordenadas de A com relao base ordenada so dadas por:

1

2
[A] = 1 .

3
(h) Sejam V um espao vetorial e = {~v1 , ~v2 , ~v3 , ~v4 } uma base ordenada para V . Pedese:
(i) Mostre que = {~v1 , ~v1 + ~v2 , ~v1 + ~v2 + ~v3 , ~v1 + ~v2 + ~v3 + ~v4 } uma base de V .
(ii) Se o elemento ~v V tem como coordenadas em relao base

4

3
[~v ] =
1 ,

2
determine [~v ] .
(i) Vamos considerar a combinao linear nula
a~v1 + b(~v1 + ~v2 ) + c(~v1 + ~v2 + ~v3 ) + d(~v1 + ~v2 + ~v3 + ~v4 ) = ~0.
Ento:
(a + b + c + d)~v1 + (b + c + d)~v2 + (c + d)~v3 + d~v4 = ~0,
e utilizando a hiptese que = {~v1 , ~v2 , ~v3 , ~v4 } LI, obtemos o seguinte sistema linear:

a +b +c +d = 0

b +c +d = 0

c +d = 0

d = 0
130
Desse modo, temos que a = b = c = d = 0. O que implica ser LI. E como dim V = 4,
tambm uma base de V .
(b) Vamos obter as coordenadas
de ~v em relao base .
a

b
Considerando [~v ] =
c ,

d
temos que
a~v1 + b(~v1 + ~v2 ) + c(~v1 + ~v2 + ~v3 ) + d(~v1 + ~v2 + ~v3 + ~v4 ) = ~v .

4

3
Como [v] =
1 ,

2
temos que ~v = 4~v1 + 3~v2 + ~v3 + 2~v4 .
Ento:
a~v1 + b(~v1 + ~v2 ) + c(~v1 + ~v2 + ~v3 ) + d(~v1 + ~v2 + ~v3 + ~v4 ) = ~v
se, e somente se,
(a + b + c + d)~v1 + (b + c + d)~v2 + (c + d)~v3 + d~v4 = 4~v1 + 3~v2 + ~v3 + 2~v4 .

Obtemos o seguinte sistema linear:

a +b +c +d = 4

b +c +d = 3

c +d = 1

d = 2
Desse modo,temos que a = 1, b = 2, c = 1 e d = 2.

1

2
Logo [~v ] =
1 .

2
12.1 Mudana de base

Dadas duas bases e de um espao vetorial V de dimenso finita n, existe um proce-
dimento que fornece a relao entre as coordenadas de um vetor ~v em relao s bases.
Este processo se deve ao fato da existncia de uma matriz invertvel P (M )n (R) com a
seguinte propriedade:
[~v ] = P [~v ] e [~v ] = P 1 [~v ] ,
131
para todo vetor ~v V.

Esta matriz P chamada de matriz mudana de base de para .

1. Determine as coordenadas do vetor ~v = (4, 5, 3) R3 em relao base = {(1, 1, 1), (1, 2, 0), (3, 1, 0
2. Determine as coordenadas do polinmio p(t) = 1 + 2t t3 P3 (R) em relao s bases

=cannica e = {1, 1 t, 1 t2 , 1 t3 }.
3. Considere no espao vetorial M2 (R) a base ordenada

(" # " # " # " #)
1 0 0 1 0 0 0 0
= , , , .
0 1 0 0 2 0 1 2
" #
1 1
Determine as coordenadas da matriz A = em relao base .
2 0
132
Captulo 13
Aula 13 - Transformaes Lineares
Estudaremos agora os objetos centrais de um curso de lgebra Linear: transformaes

lineares (um tipo especial de funo) e matrizes. At agora matrizes apareceram apenas
como um artifcio para resolver sistemas lineares: ao invs de se trocar linhas de um sistema,
trocam-se linhas da matriz que o representa, etc.
Veremos que matrizes representam funes (mais exatamente transformaes lineares)
do Rn em Rm .
Por exemplo, matrizes representam transformaes geomtricas como projeo, refle-
xes, ampliaes, redues e rotaes.
Comearemos com uma reviso sobre funes.
13.1 Funes
Definio 13.1 Sejam A e B dois conjuntos no vazios. Uma funo f de A em B uma lei
a qual para cada elemento x de A faz corresponder exatamente um elemento chamado f (x),
em B.
A denominado de domnio e B de contradomnio da funo f .
Exemplo:
f :R R
x 7 2x
f (0) = 2 0 = 0
f (2) = 2 2 = 4
133

3
3
2 2
f (e )=2e
f () = 2
Definio 13.2 A imagem de uma funo o conjunto de todos os valores que ela pode
assumir. Mais precisamente, a imagem de uma funo f : A B o subconjunto de pontos
y B para os quais existe pelo menos um x A tal que f (x) = y:
Imagem de f = {y B; existe x A com f (x) = y}.
f :R R
x 7 2x
1 pertence a imagem de f ? Sim, pois f ( 21 ) = 1!
f :R R
x 7 2x
2 pertence a imagem de f ? Sim, pois f (1) = 2!
f :R R
x 7 2x
134
b pertence a imagem de f ? Sim, pois f ( 2b ) = b!

Ento a Imagem de f = R.
f :R R
x 7 x2
1 pertence a imagem de f ? Sim, pois f (1) = 1!

2 pertence a imagem de f ? Sim, pois f ( 2) = 2!

b 0 pertence a imagem de f ? Sim, pois f ( b) = b!
-1 pertence a imagem de f ? No, pois x2 0 para todo x R.
b< 0 pertence a imagem de f ? No pois x2 0 para todo x R.
Concluso: Imagem de f = [0, +].
13.2 Transformaes Lineares

Nosso objeto de estudo so os espaos vetoriais. Portanto, nosso foco sero as funes
com domnios e contradomnios sendo espaos vetoriais.
Vejamos alguns exemplos interessantes de funes de R2 em R2 e suas implicaes na
manipulao de imagens digitais.
Definio 13.5 Sejam V e W espaos vetoriais. Uma funo T : V W dita ser uma
transformao linear se:
(i) T (u + v) = T (u) + T (v) para todo u, v V ; (preserva a soma de vetores)
(ii) T (u) = T (u) para todo u V e R (preserva multiplicao).
Se T uma transformao linear, ento T preserva combinaes lineares, isto :
T (u + v) = T (u) + T (v).
Exerccio:
Mostre por induo que se T : V W uma transformao linear de V em W e

~u1 , ~u2 , , ~un V e 1 , 2 , , n R ento
T (1~u1 + 2~u2 + + n~un ) = 1 T (~u1 ) + 2 T (~u2 ) + + n T (~un ).
(a) A funo I : V V definida por
I(v) = v,
135
para todo v V , linear. Ela chamada de identidade.

(b) A funo T : V V definida por
T (v) = ~0,
para todo v V , linear. Ela chamada de transformao linear nula.

(c) A funo T : R3 R2 definida por
T (x, y, z) = (z, x)
linear.
De fato, sejam R, ~u = (x1 , y1 , z1 ) e ~v = (x2 , y2 , z2 ).
(i) T (~u + ~v ) = T (x1 + x2 , y1 + y2 , z1 + z2 ) = (z1 + z2 , (x1 + x2 )) = (z1 , x1 ) + (z2 , x2 ) =
T (~u) + T (~v ).
(ii) T (~u) = T (x1 , y1 , z1 ) = (z1 , x1 ) = (z1 , x1 ) = T (~u).
(d) Considere a aplicao T : R3 R2 definida por
T (x, y, z) = (z, xy)
Note que
T (1, 1, 1) = (1, 1) e T (2, 2, 2) = (2, 4) 6= 2T (1, 1, 1).
Ou seja, a propriedade T (v) = v no vlida, para todos R e v R3 .

Logo T no linear. (e) Considere a aplicao T : R2 R2 definida por
T (x, y) = (x + y, x + 1)
Note que se ~u = (x1 , y1 ) e ~v = (x2 , y2 ) ento
T (~u + ~v ) = T ((x1 , y1 ) + (x2 , y2 )) = T ((x1 + x2 , y1 + y2 )) = ((x1 + x2 ) + (y1 + y2 ), (x1 + x2 ) + 1).
Por outro lado,
T (~u)+T (~v ) = (x1 +y1 , x1 +1)+(x2 +y2 , x2 +1) = ((x1 +x2 )+(y1 +y2 ), (x1 +x2 )+2) 6= T (~u +~v ).
Logo T no uma transformao linear.

(f) A funo T : R R definida por
T (x) = a x,
onde a R linear.
De fato, sejam x, y, R:
(i) T (x + y) = a(x + y) = a x + a y = T (x) + T (y).
(ii) T (x) = a (x) = (a x) = T (x).
Na verdade, toda transformao linear de R em R da forma T (x) = a x, onde a R.
136
De fato, se T for linear,
T (x) = T (1 x) = T (1) x.
Basta fazer a = T (1).

Logo as transformaes lineares de R em R tm seus grficos representados por retas no
verticais que passam pela origem (0, 0).
(g) A funo T : R R definida por
T (x) = x2 ,
no linear.
De fato, se x, y R:
T (x + y) = (x + y)2 = x2 + 2xy + y 2 6= x2 + y 2 = T (x) + T (y).
T (x) = (x)2 = 2 x2 6= x2 = T (x).
(h) A funo T : P2 (R) R3 definida por
T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ),
linear.
De fato, se
p(t) = a0 + a1 t + a2 t2 , q(t) = b0 + b1 t + b2 t2 P2 (R) :
(i) T (p(t) + q(t)) = T ((a0 + b0 ) + (a1 + b1 )t + (a2 + b2 )t2 ) = (a0 + b0 , a1 + b1 , a2 + b2 )

= (a0 , a1 , a2 ) + (b0 , b1 , b2 ) = T (p(t)) + T (q(t)).
(ii) T (p(t)) = T ((a0 + a1 t + a2 t2 )) = (a0 , a1 , a2 ) = (a0 , a1 , a2 ) = T (p(t)).
Teorema 13.6 Seja A uma matriz m n real. Ento a funo TA : Rn Rm por TA (v) = Av
(produto matriz-vetor) uma transformao linear.
D EMONSTRAO : A linearidade decorre das propriedades de adio de matrizes e mul-

tiplicao por escalar.
x1 y1
. .
Suponhamos R e ~u = . . Rn . Ento
. e ~v = .
xn yn
TA (~u + ~v ) = A [~u + ~v ] = A ~u + A ~v = TA (~u) + TA (~v ); e
TA (~u) = A [~u] = (A ~u) = TA (~u).
Exemplos: Para cada matriz A abaixo determine o domnio, o contradomnio e a trans-

formao linear associada TA .
137
!
1 2 3
(h)
4 5 6

2 3
(i) 5 6

3 1
(j) A funo T : Rn Rm definida por
T (x1 , x2 , , xn ) =
(a11 x1 + + a1n xn , a21 x1 + + a2n xn , , am1 x1 + + amn xn )
linear.
a11 a12 a1n
a21 a22 a2n

De fato, considere a matriz A = .. .. ... ..

. . .

am1 am2 amn mn
Note que T (x1 , x2 , , xn ) = TA (x1 , x2 , , xn ).
Logo T linear.
13.3 Transformaes do Plano no Plano

Exemplos:
(a) (Ampliaes e Redues)
Considere um nmero real fixo a e definamos a funo:
T : R2 R2
(x, y) 7 a(x, y) = (ax, ay)
!
a 0
Considere a matriz A = .
0 a
Note que a funo T acima pode ser expressa da seguinte maneira:
! ! ! !
x a 0 x ax
T (x, y) = A = = .
y 0 a y ay
(b) (Reflexo em torno do eixo x)
Considere a funo:
T : R2 R2
(x, y) 7 (x, y)
138
!
1 0
Considere a matriz B = .
0 1
! ! ! !
x 1 0 x x
T (x, y) = B = = .
y 0 1 y y
(c) (Reflexo em torno do eixo y)
Considere a funo:
T : R2 R2
(x, y) 7 (x, y)
!
1 0
Considere a matriz C = .
0 1
! ! ! !
x 1 0 x x
T (x, y) = C = = .
y 0 1 y y
(d) (Reflexo em torno da origem)
Considere a funo:
T : R2 R2
(x, y) 7 (x, y)
!
1 0
Considere a matriz D = .
0 1
! ! ! !
x 1 0 x x
T (x, y) = D = = .
y 0 1 y y
139
140
(e) (Rotao)
Considere a funo:
T : R2 R2
(x, y) 7 (cos()x sen()y, sen()x + cos()y)
!
cos() sen()
Considere a matriz E = . Note que a funo T acima pode ser
sen() cos()
expressa da seguinte maneira:
! ! !
cos() sen() x cos()x sen()y
T (x, y) = = .
sen() cos() y sen()x + cos()y
13.4 Transformaes Lineares do Espao

Exemplos:
(a) (Ampliaes e Redues)
Considere um nmero real fixo a e definamos a funo:
T : R3 R3
(x, y, z) 7 a(x, y, z) = (ax, ay, az)

a 0 0
Considere a matriz A = 0 a 0 .

0 0 a

x a 0 0 x ax
T (x, y, z) = A y = 0 a 0 y = ay .

z 0 0 a z az
(b) (Reflexo em torno do plano xy)
Considere a funo:
T : R3 R3
(x, y, z) 7 (x, y, z)
141

1 0 0
Considere a matriz B = 0 1 0 .

0 0 1

x 1 0 0 x x
T (x, y, z) = B y = 0 1 0 y = y .

z 0 0 1 z z
Exerccio:
Determinar as outras reflexes em torno dos planos xz e yz.

(c) (Reflexo em torno do eixo x)
Considere a funo:
T : R3 R3
(x, y, z)
7 (x, y, z)

1 0 0
Considere a matriz B = 0 1 0 .

0 0 1

x 1 0 0 x x
T (x, y, z) = B y = 0 1 0 y = y .

z 0 0 1 z z
Exerccios:
1. Determinar as outras reflexes em torno dos eixos y e z.

2. Determinar a reflexo em torno da origem do R3 .
(d) (Rotao em torno do eixo z)
Considere a funo:
T : R3 R3
(x, y, z) 7 (cos()x sen()y, sen()x + cos()y, z)

cos() sen() 0
Considere a matriz T = sen() cos() 0 . Note que a funo T acima pode ser

0 0 1
expressa da seguinte maneira:

cos() sen() 0 x cos()x sen()y
T (x, y, z) = sen() cos() 0 y = sen()x + cos()y .

0 0 1 z z
142
Exerccios:
1. Determine a rotao em torno do eixo x. E mostre que a matriz associada transfor-

mao :

1 0 0
0 cos() sen()

0 sen() cos()
2. Determine a rotao em torno do eixo y. E mostre que a matriz associada transfor-

mao :

cos() 0 sen()
0 1 0

sen() 0 cos()
3. Existem outras transformaes lineares do espao no espao, alm das mostradas
acima?

1. Verifique quais das funes abaixo so transformaes lineares:
(a) T : R R, T (x) = 4x;

(b) T : R R, T (x) = x3 ;
(c) T : R2 R2 , T (x, y) = (y, x);
(d) T : R2 R2 , T (x, y) = (x + 1, y);
(e) T : R2 R2 , T (x, y) = (xy, x + 2y);
(f) T : R3 R2 , T (x, y, z) = (y + z, x + y + z);
(g) T : R3 R3 , T (x, y, z) = (2x + y + z, x y + z);
(h) T : P2 (R) R2 , T (a0 + a1 t + a2 t2 ) = (a0 + a1 , a1 + a2 );
" #
a 0 a 1 + a 2
(i) T : P2 (R) M2 (R), T (a0 + a1 t + a2 t2 ) = ;
0 0
" #
1 x
(j) T : R3 M2 (R), T (x, y, z) = ;
2y z
2. Considere a matriz A M24 (R) dada por

" #
1 2 1 0
.
2 1 1 3
Determine a transformao linear TA associada matriz A.
143
3. Seja T : R2 R2 definida por

" #" #
1 2 x
T (x, y) = .
0 1 y
(a) Mostre que T uma transformao linear.

(b) Encontre todos os vetores ~u = (x, y) tais que T (~u) = ~u.
(c) Encontre todos os vetores ~v = (x, y) tais que T (~v ) = ~v .
4. Determine a transformao linear T : R2 R2 tal que T (1, 0) = (1, 1) e T (0, 1) = (3, 1).
5. Determine a transformao linear T : R3 R2 tal que T (1, 0, 0) = (2, 1), T (0, 1, 0) =

(0, 0) e T (0, 0, 1) = (4, 2).
6. Determine a transformao linear T : R2 R2 tal que T (1, 1) = (2, 1) e T (0, 1) =

(3, 0).
7. Existe uma transformao linear T : R2 R2 tal que T (2, 1) = (6, 1), T (1, 1) = (1, 2)
e T (7, 1) = (3, 2)?
8. Existe uma transformao linear T : R3 R4 tal que T (1, 1, 1) = (2, 0, 0, 0), T (1, 1, 0) =
(1, 1, 1, 1) e T (1, 0, 0) = (0, 0, 0, 1)?
9. Considerando que T : R2 R2 a transformao linear tal que T (1, 2) = (1, 1) e

T (3, 1) = (1, 2), determine T (1, 5).
10. Considerando que T : R3 R3 a transformao linear tal que T (1, 1, 1) = (2, 1, 4), T (1, 1, 0) =
(3, 0, 1) e T (1, 0, 0) = (1, 5, 1), determine T (x, y, z). Qual o valor de T (2, 4, 1)?
11. Seja T : R3 R3 a transformao linear tal que T (1, 0, 0) = (1, 1, 0), T (0, 1, 0) = (1, 1, 2)
e T (0, 0, 1) = (0, 0, 2). Determine uma base para =(T ).
12. Seja T : R4 R3 a transformao linear definida por
T (x, y, z, w) = (4x + y 2z 3w, 2x + y + z 4w, 6x 9y + 9w).
Quais dos vetores abaixo pertencem a =(T )?
(a) (0, 0, 6)
(b) (1, 3, 0)
(c) (2, 4, 1)
13. Seja T : P2 (R) P3 (R) a funo definida por
T (a0 + a1 t + a2 t2 ) = a0 t + a1 t2 + a2 t3 .
144
(a) Verifique que T linear.

(b) Determine uma base de =(T ).
(c) Quais dos vetores p(t) = t2 , q(t) = 0 e 1 + t pertencem a =(T )?
14. Sejam {u1 , u2 , , un } uma base de um espao vetorial U e T : U V uma transfor-

mao linear. Mostre que T (v1 ) = T (v2 ) = = T (vn ) = ~0V se, e somente se, T a
transformao nula.
145
Captulo 14
Aula 14 - Propriedades de Transformaes

Lineares
Veremos agora algumas propriedades para qualquer transformao linear T : U V

entre dois espaos vetoriais quaisquer:
Propriedade 35 (1) Sejam U e V espaos vetoriais e T : U V uma transformao linear.

Ento T leva o vetor nulo de U no vetor nulo de V , ou seja,
T (~0U ) = ~0V .
D EMONSTRAO : Como T linear,
T (~0U ) = T (~0U + ~0U ) = T (~0U ) + T (~0U ).
E isto implica T (~0U ) = T (~0U ) T (~0U ) = ~0V .
U
V
~0U T
~0V
Exemplo: A funo
T : R2 R3
(x, y) 7 (x, y, 1)
no uma transformao linear.

De fato, temos que ~0R2 = (0, 0) e ~0R3 = (0, 0, 0) mas
T (0, 0) = (0, 0, 1) 6= (0, 0, 0) = ~0R3 .
146
Observao: Se uma funo T : U V entre espaos vetoriais no satisfaz
T (~0U ) = ~0V
conclumos que T no pode ser uma transformao linear. Ou seja, T (~0U ) = ~0V uma
condio necessria para que T : U V seja uma transformao linear.
E no uma condio suficiente!
Por exemplo, a funo:
T : R2 R3
(x, y) 7 (x, xy, 0)
satisfaz a condio T (~0U ) = ~0V , embora no seja uma transformao linear.

De fato, temos que T (2, 2) = (2, 4, 0) 6= 2 T (1, 1) = 2 (1, 1, 0) = (2, 2, 0).
Exerccio: Verifique que vale T (~0U ) = ~0V em todos os exemplos de transformaes line-
ares da aula 13.

Para todo vetor u U vale
T (u) = T (u).
T (u) = T (1 u) = 1 T (u) = T (u).

Para todos vetores u, v U vale
T (u v) = T (u) T (v).
T (u v) = T (u + (v)) = T (u) + T (v) = T (u) T (v).
Propriedade 38 (4) Sejam U e V espaos vetoriais, T : U V uma transformao linear,

u1 , u2 , , un U e 1 , 2 , , n R. Se v = 1 u1 + 2 u2 + + n un U ento vale
T (v) = T (1 u1 + 2 u2 + + n un ) = 1 T (u1 ) + 2 T (u2 ) + + n T (un ).
D EMONSTRAO : Basta aplicar as propriedades da definio de transformao linear n

1 vezes.
Observao: Esta propriedade tem uma importante consequncia:
Basta conhecermos os valores de uma transformao linear em uma base do espao
vetorial U para determinarmos todos os valores assumidos em V .
147
Teorema 14.1 Sejam U, V espaos vetoriais e = {u1 , u2 , , un } uma base de U . Escolha

vetores v1 , v2 , vn V . Ento existe uma nica transformao linear T : U V tal que
T (u1 ) = v1 , T (u2 ) = v2 , , T (un ) = vn .
U
V
~u1
~v1
~u2
~v2
~un ~vn
Se {~u1 , ~u2 , , ~un } uma base de U e ~v1 , ~v2 , , ~vn V ento existe uma nica transfor-
mao linear T : U V tal que
T (~u1 ) = ~v1 , T (~u2 ) = ~v2 , , T (~un ) = ~vn .
Exemplos:
(a) Determine a transformao linear T : R2 R2 tal que
T (1, 0) = (2, 1) e T (0, 1) = (3, 1).
R2
R2
~u1 = (1, 0)
T ~v1 = (2, 1)
~u2 = (0, 1) ~v2 = (3, 1)
Queremos determinar a lei de formao T (x, y) para todo (x, y) R2 .

Como (x, y) = x(1, 0) + y(0, 1), pela linearidade,
T (x, y) = T (x(1, 0) + y(0, 1))
= xT (1, 0) + yT (0, 1)
= x(2, 1) + y(3, 1)
= (2x + 3y, y x)
Logo T (x, y) = (2x + 3y, y x).
(b) Determine a transformao linear T : R2 R tal que T (1, 1) = 2 e T (0, 1) = 3.
R2
R
~u1 = (1, 1)
T ~v1 = 2
~u2 = (0, 1) ~v2 = 3
148
Como {(1, 1), (0, 1)} uma base de R2 , temos que descobrir as coordenadas de um vetor
genrico (x, y) em relao a esta base:
(
a = x
(x, y) = a(1, 1) + b(0, 1)
a+b = y
O sistema possui como soluo a = x; b = y x. Ou seja,
(x, y) = x(1, 1) + (y x)(0, 1).
Usando a linearidade de T :
T (x, y) = T (x(1, 1) + (y x)(0, 1))

= xT (1, 1) + (y x)T (0, 1)
= x 2 + (y x) 3
= 3y x
Logo T (x, y) = 3y x.
(c) Determine se existe uma transformao linear T : R3 R3 tal que
T (1, 1, 1) = (1, 2, 3), T (1, 2, 3) = (1, 4, 9) e T (2, 3, 4) = (1, 8, 27).
Inicialmente, verifiquemos se = {(1, 1, 1), (1, 2, 3), (2, 3, 4)} uma base de R3 :

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

2 3 4 0 1 2 0 0 0
Logo no LI, e consequentemente no base de R3 .
Notemos que
(2, 3, 4) = 1 (1, 1, 1) + 1 (1, 2, 3).
Usando a linearidade de T , devemos ter:
T (2, 3, 4) = T (1 (1, 1, 1) + 1 (1, 2, 3))

= 1 T (1, 1, 1) + 1 T (1, 2, 3)
= (1, 2, 3) + (1, 4, 9)
= (2, 6, 12),
o que falso, pois T (2, 3, 4) = (1, 8, 27). Logo no existe tal transformao linear.
(d) Determine a transformao linear T : R2 P2 (R) tal que
T (1, 0) = 1 t e T (0, 1) = 1 t2 .
149
Como {(1, 0), (0, 1)} uma base de R2 e (a, b) = a(1, 0) + b(0, 1), usando a linearidade de T :
T (x, y) = T (x(1, 0) + y(0, 1))

= xT (1, 0) + yT (0, 1)
= x (1 t) + y (1 t2 )
= (x + y) + (x)t + (y)t2
Logo T (x, y) = (x + y) xt yt2 .

(e) Determine a transformao linear T : R2 P3 (R) tal que
T (1, 1) = t e T (1, 1) = t t3 .
Inicialmente, como = {(1, 1), (1, 1)} uma base de R2 , temos que descobrir as coordena-
das a e b de um vetor genrico (x, y) em relao a esta base:
(
ab = x
(x, y) = a(1, 1) + b(1, 1)
a+b = y
x+y yx
O sistema possui como soluo a = ;b = . Ou seja,
2 2
x+y yx
(x, y) = (1, 1) + (1, 1).
2 2
Usando a linearidade de T , devemos ter:

x+y yx
T (x, y) = T (1, 1) + (1, 1)
2 2
x+y yx
= T (1, 1) + T (1, 1)
2 2
x+y yx
= t+ (t t3 )
2 2
xy 3
= yt + t.
2

xy
Logo T (x, y) = yt + t3 .
2
14.1 A Imagem de uma Transformao Linear

Definio 14.2 Sejam U e V espaos vetoriais e T : U V uma transformao linear. O
conjunto
Im(T ) = {v V ; T (u) = v para algum u U }
dito a imagem de T .
150
Considere a transformao linear T : R2 R2 definida por
T (x, y) = (2x y, 8x + 4y).
O vetor ~v = (1, 4) Im(T )?
~v = (1, 4) Im(T ) existe ~u = (x, y) R2 tal que T (~u) = ~v

(
2x y = 1
T (x, y) = (1, 4) (2x y, 8x + 4y) = (1, 4)
8x + 4y = 4
" # " # " #
2 1 1 2 1 1 1 12 1
2
L2 L2 + 4L1 L2 12 L2
8 4 4 0 0 0 0 0 0
O que nos leva ao sistema:
n
x 12 y = 21

y+1
Cujas solues so da forma , y , com y R. Ento ~v = (1, 4) Im(T ). Por
2
exemplo, fazendo x = 1 e y = 1, temos que T (1, 1) = (1, 4).
~ = (5, 0) Im(T )?
O vetor w
~ = (5, 0) Im(T ) existe ~u = (x, y) R2 tal que T (~u) = w

w ~
(
2x y = 5
T (x, y) = (5, 0) (2x y, 8x + 4y) = (5, 0)
8x + 4y = 0
" # " #
2 1 5 2 1 1
L2 L2 + 4L1
8 4 0 0 0 20
O que nos leva ao sistema:
(
2x y = 1
0x + 0y = 20
que no possui soluo. Ento w
~ = (5, 0) no pertence a Im(T ).
151
Proposio 14.3 Seja T : U V uma transformao linear. Ento
Im(T ) = {v V ; T (u) = v para algum u U }
um subespao vetorial de V .
D EMONSTRAO : Para demonstrarmos que um subconjunto de um espao vetorial um

subespao precisamos verificar se as seguintes afirmaes so verdadeiras:
Se v1 , v2 Im(T ) ento v1 + v2 Im(T );
Se v1 Im(T ) e R ento v1 Im(T ).
Sejam v1 , v2 Im(T ). Ento existem u1 , u2 U tais que
T (u1 ) = v1 e T (u2 ) = v2 .
Como T (u1 + u2 ) = T (u1 ) + T (u2 ) = v1 + v2 , temos que v1 + v2 Im(T ).
Sejam v1 Im(T ) e R.
Ento existe u1 U tal que
T (u1 ) = v1 .
Como T (u1 ) = T (u1 ) = v1 , temos que v1 Im(T ). Logo Im(T ) um subespao

de V .
Teorema 14.4 (Determinao da Imagem de uma Transformao) Sejam T : U V uma

transformao linear e = {u1 , u2 , , un } uma base do espao vetorial U . Ento o subes-
pao Im(T ) gerado pelos vetores {T (u1 ), T (u2 ), , T (un )}. Ou seja,
Im(T ) = [T (u1 ), T (u2 ), , T (un )]
D EMONSTRAO : Seja v Im(T ). Existe u U tal que T (u) = v. Como uma base de
U , u pode ser escrito como combinao linear de seus vetores:
u = 1 u1 + 2 u2 + + n un .
Pela linearidade de T ,
T (u) = T (1 u1 + 2 u2 + + n un )
= 1 T (u1 ) + 2 T (u2 ) + + n T (un )
152
Logo todo vetor de Im(T ) pode ser escrito como combinao linear de T (u1 ), , T (un ),
isto
Im(T ) = [T (u1 ), , T (un )].
(a) I : V V definida por I(v) = v para todo v V , chamada de identidade. Ento
Im(I) = V.
(b) T : U V definida por T (u) = 0V para todo u U , chamada de transformao nula.

Ento
Im(T ) = {0V }.
(c) T : R3 R2 definida por
T (x, y, z) = (z, x)
Sabemos que o conjunto = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} uma base de R3 . Temos que:
T (1, 0, 0) = (0, 1); T (0, 1, 0) = (0, 0) e T (0, 0, 1) = (1, 0).
Logo Im(T ) = [(0, 1), (0, 0), (1, 0)] = [(0, 1), (1, 0)] = R2 .
(d) Seja T : P2 (R) R3 , definida por T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ). Sabemos que o
conjunto = {1, t, t2 } uma base de P2 (R). Temos que:
T (1) = (1, 0, 0); T (t) = (0, 1, 0) e T (t2 ) = (0, 0, 1).
Logo Im(T ) = [(1, 0, 0), (0, 1, 0), (0, 0, 1)] = R3 .

Seja V = [v1 , v2 , , vn ]. Para obtermos uma base de V , conhecendo um conjunto de
geradores, procedemos da seguinte maneira:
(I) Forma-se uma matriz cujas linhas so formadas pelos vetores geradores vi ;
(II) Escalona-se a matriz;
(III) A base formada pelos vetores no nulos da matriz escalonada.
(e) Seja T : R3 R2 , definida por T (x, y, z) = (x y z, 2z x). Obtenha uma base

de Im(T ). Sabemos que o conjunto = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} uma base de R3 . Temos
que:
T (1, 0, 0) = (1, 1); T (0, 1, 0) = (1, 0) e T (0, 0, 1) = (1, 2).
Logo Im(T ) = [(1, 1), (1, 0), (1, 2)]. Mas este conjunto claramente L.D, pois toda base
de R2 tem dois vetores.
Para obtermos a base faamos o procedimento descrito anteriormente:

T (1, 0, 0) 1 1 1 1 1 0
T (0, 1, 0) = 1 0 1 0 0 1

T (0, 0, 1) 1 2 0 1 0 0
153
Logo uma base para Im(T ) {(1, 0), (0, 1)}.

(f) Seja T : R3 R4 , definida por T (x, y) = (y + z, x + z, y + z, x z). Obtenha uma base
de Im(T ). Sabemos que o conjunto = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} uma base de R3 . Temos
que:
T (1, 0, 0) = (0, 1, 0, 1); T (0, 1, 0) = (1, 0, 1, 0) e T (0, 0, 1) = (1, 1, 1, 1).
Logo Im(T ) = [(0, 1, 0, 1), (1, 0, 1, 0), (1, 1, 1, 1)].

Para obtermos a base faamos o procedimento descrito anteriormente:

0 1 0 1 1 0 1 0 1 0 1 0 1 0 1 0
1 0 1 0 0 1 0 1 0 1 0 1 0 1 0 1

1 1 1 1 1 1 1 1 0 1 0 1 0 0 0 0
Logo uma base para Im(T ) {(1, 0, 1, 0), (0, 1, 0, 1)}.

1. Determine a transformao linear T : R2 R2 tal que T (1, 0) = (2, 0), T (0, 1) = (1, 2).
2. Determine a transformao linear T : R3 R3 tal que T (1, 0, 1) = (1, 1, 1), T (0, 1, 1) =

(1, 1, 0) e T (1, 0, 0) = (0, 0, 1).
3. Determine a transformao linear T : R2 P3 (R) tal que T (1, 1) = t2 1, T (1, 1) =

t3 + 1.
4. Determine a transformao linear T : R2 M2 (R) tal que

! !
1 2 0 2
T (1, 0) = e T (2, 1) = .
1 0 1 3
154
Captulo 15
Aula 15 - Ncleo de uma Transformao

Linear
Definio 15.1 Sejam V e W espaos vetoriais e T : V W uma transformao linear. O

conjunto
ker(T ) = {v V ; T (v) = ~0W }
dito o ncleo de T .
Proposio 15.2 Seja T : V W uma transformao linear. Ento
ker(T ) = {v V ; T (v) = ~0W }
um subespao vetorial de V .
D EMONSTRAO : Para demonstrarmos que um subconjunto de um espao vetorial um

subespao precisamos verificar se as seguintes afirmaes so verdadeiras:
Se v1 , v2 ker(T ) ento v1 + v2 ker(T );
Se v1 ker(T ) e R ento v1 ker(T ).
Sejam v1 , v2 ker(T ). Ento T (v1 ) = T (v2 ) = 0W . Como
T (v1 + v2 ) = T (v1 ) + T (v2 ) = ~0W + ~0W = ~0W ,
temos que v1 + v2 ker(T ).
155
Sejam v1 ker(T ) e R. Ento T (v1 ) = ~0W . Como T (v1 ) = T (v1 ) = ~0W = ~0W ,
temos que v1 ker(T ). Logo ker(T ) um subespao de V .
Exemplos: (a) I : V V definida por I(v) = v para todo v V , chamada de identidade.

Ento
ker(I) = {~0V }.
(b) T : V W definida por T (v) = ~0W para todo v V , chamada de transformao

nula. Ento
ker(T ) = V.
(c) T : R2 R definida por

T (x, y) = 3x + 2y.
Sabemos que (x, y) ker(T ) se, e somente se, T (x, y) = ~0R , ou seja, se T (x, y) = 0. Temos
que:
3x
T (x, y) = 0 3x + 2y = 0 y = .
2

3x 3 3
Logo ker(T ) = x, ; x R = x 1, ;x R = 1, = [(2, 3)].
2 2 2
(d) T : R3 R2 definida por
T (x, y, z) = (z, x).
Sabemos que (x, y, z) ker(T ) se, e somente se, T (x, y, z) = (0, 0) R2 . Temos que:
(
z = 0
T (x, y, z) = (0, 0) (z, x) = (0, 0) z = 0 e x = 0.
x = 0
Logo ker(T ) = {(0, y, 0); y R} = {y(0, 1, 0); y R} = [(0, 1, 0)].
156
(e) Seja T : P2 (R) R3 , definida por T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ). Sabemos que

p(t) = a0 + a1 t + a2 t2 ker(T ) se, e somente se, T (p(t)) = (0, 0, 0) R3 . Temos que:

a0 = 0

T (p(t)) = (0, 0, 0) (a0 , a1 , a2 ) = (0, 0, 0) a1 = 0 a0 = a1 = a2 = 0.

a2 = 0

Logo p(t) ker(T ) se, e somente se, p(t) = 0 (polinmio nulo). Ou seja, ker(T ) = {0}.
(f) T : R3 R2 definida por
T (x, y, z) = (x 3y + 5z, x + 4y z).
(
x 3y + 5z = 0
T (x, y, z) = (0, 0) (x 3y + 5z, x + 4y z) = (0, 0)
x + 4y z = 0
! ! !
1 3 5 0 1 3 5 0 1 0 17 0

1 4 1 0 0 1 4 0 0 1 4 0
As solues so da forma x = 17z, y = 4z e z R. Ou seja,
S = {(17z, 4z, z); z R} = [(17, 4, 1)] .
Logo ker(T ) = [(17, 4, 1)] .
157
(g) Seja T : R3 R2 , definida por T (x, y, z) = (x y z, 2x 2y 2z). Obtenha uma base

de ker(T ). Sabemos que (x, y, z) ker(T ) se, e somente se, T (x, y, z) = (0, 0) R2 . Temos
que:
(
xyz = 0
T (x, y, z) = (0, 0) (x y z, 2x 2y 2z) = (0, 0) .
2x 2y 2z = 0
! !
1 1 1 0 1 1 1 0

2 2 2 0 0 0 0 0
As solues so da forma x = y + z, com y, z R. Ou seja,
S = {(y + z, y, z); y, z R} = {y(1, 1, 0) + z(1, 0, 1); y, z R} = [(1, 1, 0), (1, 0, 1)] .
Logo uma base para ker(T ) o conjunto {(1, 1, 0), (1, 0, 1)} .
Teorema 15.3 Sejam V e W espaos vetoriais de dimenso finita e T : V W uma transfor-

mao linear. Ento
dim V = dim ker(T ) + dim Im(T ).
D EMONSTRAO : Seja = {v1 , , vn } uma base de ker(T ). Como ker(T ) um subspao

de V , podemos completar para que seja uma base de V , isto , existem vetores u1 , , um
V tais que
= {v1 , , vn , u1 , , um }
seja uma base de V . Basta mostrar que {T (u1 ), , T (um )} uma base de Im(T ). J vimos
que um conjunto gerador de Im(T )
{T (v1 ), , T (vn ), T (u1 ), , T (um )}.
Como v1 , , vn ker(T ), T (v1 ), , T (vn ) = ~0W . Logo
Im(T ) = [T (v1 ), , T (vn ), T (u1 ), , T (um )] = [T (u1 ), , T (um )].
158
Para que {T (u1 ), , T (um )} seja base de Im(T ) basta mostrar a independncia linear. Sejam
a1 , a2 , , am R tais que
a1 T (u1 ) + a2 T (u2 ) + + am T (um ) = ~0W .
Ento a1 u1 + a2 u2 + + am um ker(T ), pois
T (a1 u1 + a2 u2 + + am um ) = a1 T (u1 ) + a2 T (u2 ) + + am T (um ) = ~0W .
Logo existem b1 , b2 , , bn R tais que
a1 u1 + a2 u2 + + am um = b1 v1 + b2 v2 + + bn vn .
O que implica
a1 u1 + a2 u2 + + am um b1 v1 b2 v2 + bn vn = ~0W .
Como = {v1 , , vn , u1 , , um } uma base de ker(T ), LI, temos que
a1 = a2 = = am = 0 = b 1 = b 2 = = b n .
Portanto a nica soluo da equao
a1 T (u1 ) + a2 T (u2 ) + + am T (um ) = ~0W
a1 = a2 = = am = 0, o que implica {T (u1 ), , T (um )} ser LI.

Exemplos:
(a) Sejam V um espao vetorial com dim V = n e I : V V definida por I(v) = v para
todo v V , chamada de identidade.
ker(T ) = {0V } e Im(T ) = V.
Ento
dim ker(I) = 0 e dim Im(T ) = n.
dim V = dim ker(T ) + dim Im(T )

n = 0 + n
(b) Sejam V e W espaos vetoriais, com dim V = n, e T : V W definida por T (v) = 0W
para todo v V , a transformao nula.
ker(T ) = V e Im(T ) = {0W }.
Ento
dim ker(T ) = n e dim Im(T ) = 0.
159

n = n + 0
T (x, y) = 3x + 2y.
ker(T ) = [(2, 3)] e Im(T ) = [1].
Ento
dim ker(T ) = 1 e dim Im(T ) = 1.
dim R2 = dim ker(T ) + dim Im(T )

2 = 1 + 1
T (x, y, z) = (z, x).
ker(T ) = [(0, 1, 0)] e Im(T ) = [(0, 1), (1, 0)].
Ento

3 = 1 + 2
(e) Seja T : P2 (R) R3 , definida por T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ).
ker(T ) = {0(t)} e Im(T ) = [(1, 0, 0), (0, 1, 0), (0, 0, 1)].
Ento
dim P2 (R) = dim ker(T ) + dim Im(T )

3 = 0 + 3
(f) T : R3 R2 definida por T (x, y, z) = (x 3y + 5z, x + 4y z).
ker(T ) = [(17, 4, 1)] e Im(T ) = [(1, 1), (3, 4), (5, 1)] = [(1, 0), (0, 1)].
Ento
160
Figura 15.1: f uma funo injetiva.

3 = 1 + 2
(g) Seja T : R3 R2 , definida por T (x, y, z) = (x y z, 2x 2y 2z).
ker(T ) = [(1, 1, 0), (1, 0, 1)] e Im(T ) = [(1, 2)].
Ento

3 = 2 + 1
15.1 Funes Injetoras

Definio 15.4 Sejam X e Y conjuntos no vazios quaisquer e f : X Y uma funo.
Dizemos que f injetora (ou injetiva) se quaisquer dois elementos diferentes de X tm
imagens diferentes, ou seja,
se x1 , x2 X, x1 6= x2 , ento f (x1 ) 6= f (x2 ).
Outra forma de definir uma funo injetora atravs da afirmao contrapositiva:
Se f injetora e x1 , x2 X so tais que f (x1 ) = f (x2 ) ento x1 = x2 .
Teorema 15.5 Seja T : V W uma transformao linear. Ento T uma funo injetora se,
e somente se,
ker(T ) = {0V }.
161
Figura 15.2: f no uma funo injetiva, pois f (3) = f (9).
D EMONSTRAO : () Suponha que T seja injetora. Se v V , v 6= 0V , ento T (v) no

pode ser 0W , pois seno teramos
T (v) = 0W = T (0V ),
e T no seria injetora. Logo ker(T ) = {0V }.

() Suponha que ker(T ) = {0V }. Sejam u, v V , com T (u) = T (v). Vamos mostrar que
u = v, o que prova T ser injetora.
T (u) = T (v) T (u) T (v) = 0W T (u v) = 0W .
Logo u v ker(T ) = {0V } u v = 0V u = v.

Exemplos:
(a) I : V V definida por I(v) = v para todo v V , chamada de identidade. Ento
ker(I) = {0V }.
Logo I injetora.
(b) T : V W definida por T (v) = 0W para todo v V , chamada de transformao
nula. Ento
ker(T ) = V 6= {0V }.
Logo T no injetora.
T (x, y) = 3x + 2y.
Sabemos que (x, y) ker(T ) se, e somente se, T (x, y) = 0 R. Temos que:
3x
T (x, y) = 0 3x + 2y = 0 y = .
2

3x
Ento ker(T ) = x, ; x R 6= {0R2 }.Logo T no injetora.
2
162
T (x, y, z) = (z, x).
(
z = 0
T (x, y, z) = (0, 0) (z, x) = (0, 0) z = 0 e x = 0.
x = 0
Logo ker(T ) = {(x, y, z); x = z = 0 e y R} = {(0, y, 0); y R} =

6 {0R3 }. Logo T no inje-
tora.
(e) Seja T : P2 (R) R3 , definida por T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ). Sabemos que
p(t) = a0 + a1 t + a2 t2 ker(T ) se, e somente se, T (p(t)) = (0, 0, 0) R3 . Temos que:

a0 = 0

T (p(t)) = (0, 0, 0) (a0 , a1 , a2 ) = (0, 0, 0) a1 = 0 a0 = a1 = a2 = 0.

a2 = 0

Logo p(t) ker(T ) se, e somente se, p(x) = 0 (polinmio nulo). Ou seja, ker(T ) = {0}. Logo
T injetora.
T (x, y, z) = (x 3y + 5z, x + 4y z).
(
x 3y + 5z = 0
T (x, y, z) = (0, 0) (x 3y + 5z, x + 4y z) = (0, 0)
x + 4y z = 0
Temos que ker(T ) = {(17z, 4z, z); z R} = [(17, 4, 1)] 6= {(0, 0, 0)}. Logo T no
injetora.

1. Seja T : R4 R3 , definida por T (x, y, z, w) = (4x + y 2z 3w, 2x + y + z 4w, 6x
9z + 9w). Determine quais dos vetores abaixo pertencem ao ncleo ker(T ):
(a) (3, 8, 2, 0) (b) (0, 0, 0, 1) (c) (0, 4, 1, 0)
2. Seja T : P2 (R) P3 (R) definida por
T (a0 + a1 t + a2 t2 ) = a0 t + a1 t2 + a2 t3 .
(a) Calcule T (2 + 4t 2t2 ).
163
(b) Verifique se os polinmios t2 e 1 t pertencem a ker(T ).

(c) Determine uma base de ker(T ).
(d) Quais dos vetores p(t) = t2 , q(t) = 0 e 1 + t pertencem a =(T )?
(e) Determine uma base de Im(T ).
(f) Verifique a validade do Teorema do Ncleo e da Imagem.
3. Determine uma base do ncleo ker(T ) de cada uma das transformaes lineares abaixo:
(a) T : R R, T (x) = 4x;

(b) T : R2 R2 , T (x, y) = (y, x);
(c) T : R3 R2 , T (x, y, z) = (y + z, x + y + z);
(d) T : R3 R3 , T (x, y, z) = (2x + y + z, x y + z);
(e) T : P2 (R) R2 , T (a0 + a1 t + a2 t2 ) = (a0 + a1 , a1 + a2 );
" #
a 0 a 1 + a 2
(f) T : P2 (R) M2 (R), T (a0 + a1 t + a2 t2 ) = ;
0 0
" #
0 x
(g) T : R3 M2 (R), T (x, y, z) = ;
2y z
4. Verifique quais das transformaes lineares do exerccio abaixo so injetoras ou sobre-

jetoras.
(a) T : R2 R2 , T (x, y) = (y, x); (e) T : R3 R2 , T (x, y, z) = (y + z, x + y +

(b) T : R2 R2 , T (x, y) = (0, 2x + 3y); z);
(c) T : R2 R2 , T (x, y) = (x + y, x y); (f) T : R3 R2 , T (x, y, z) = (x + y + z, x

(d) T : R2 R3 , T (x, y) = (x y, y y z);
x, 2x 2y);
5. Determine ker(T ) e Im(T ) da transformao linear T : R2 R2 tal que T (1, 0) = (1, 1)

e T (0, 1) = (3, 1).
6. Considere a matriz A M24 (R) dada por

" #
1 2 1 0
.
2 1 1 3
Determine ker(T ) e Im(T ) da transformao linear TA associada matriz A.
7. Verifique a validade do Teorema do Ncleo e da Imagem para todos os exerccios an-

teriores.
164
8. Seja T : R3 R2 a transformao linear definida por
T (x, y, z) = (x + y, x + y z).
(a) Calcule uma base para ker(T ). A transformao T injetiva?

(b) Calcule uma base para Im(T ). T sobrejetiva?
(c) Resolva a equao T (x, y, z) = (1, 1)
(d) Existe algum vetor (a, b) R2 para o qual a equao T (x, y, z) = (a, b) impossvel?
(e) Existe algum vetor (a, b) R2 para o qual a equao T (x, y, z) = (a, b) possvel e
determinada?
9. Seja T : R3 R3 , definida por T (x, y, z) = (x y z, 2x + 2y z, 5x + 3y 3z). Obtenha

uma base de ker(T ) e de Im(T ). Verifique o TNI.
10. Seja T : R3 R3 a nica transformao linear tal que
T (1, 0, 0) = (2, 1, 1), T (0, 1, 0) = (1, 0, 3) e T (0, 0, 1) = (0, 1, 5).
Obtenha uma base de ker(T ) e de Im(T ). Verifique o TNI.
165
Captulo 16
Aula 16 - Isomorfismos
16.1 Funes Sobrejetoras

Definio 16.1 Sejam X e Y conjuntos no vazios quaisquer e f : X Y uma funo.
Dizemos que f sobrejetora (ou sobrejetiva) se todo elemento de Y imagem de algum
elemento de X pela f , ou seja,
Im(f ) = Y.
NEGAO: Dizer que f : X Y no sobrejetora equivalente a dizer que existe

algum y Y tal que f (x) 6= y para todo x X.
Queremos determinar quando uma transformao linear sobrejetora. Relembremos
alguns resultados j vistos que nos ajudaro nesta tarefa:
Teorema 16.2 Seja V um espao vetorial de dimenso finita. Se U um subespao vetorial

de V , com U 6= V , ento
dim U < dim V.
Teorema 16.3 (Determinao da Imagem de uma Transformao) Sejam T : U V uma

transformao linear e = {u1 , u2 , , un } uma base do espao vetorial U . Ento o subes-
pao Im(T ) gerado pelos vetores {T (u1 ), T (u2 ), , T (un )}. Ou seja,
Im(T ) = [T (u1 ), T (u2 ), , T (un )].
Ento para determinar se uma transformao linear T : V W entre espaos vetoriais

de dimenso finita sobrejetora devemos:
(I) Determinar uma base de Im(T );
(II) Comparar dim Im(T ) e dim W :
Se dim Im(T ) < dim W , T no sobrejetora; e

Se dim Im(T ) = dim W , T sobrejetora.
166
(a) T : R2 R definida por

T (x, y) = 3x + 2y.
Sabemos que Im(T ) = [T (1, 0), T (0, 1)] = [3, 2] = [1]. Ento dim Im(T ) = 1 = dim R.
Portanto T sobrejetora.
(b) T : R3 R2 definida por
T (x, y, z) = (z, x).
Sabemos que Im(T ) = [T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)] = [(0, 1), (0, 0), (1, 0)]. Uma base
para Im(T ) {(0, 1), (1, 0)}. Ento dim Im(T ) = 2 = dim R2 . Portanto T sobrejetora.
(c) Seja T : P2 (R) R3 , definida por T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ). Sabemos que
Im(T ) = [T (1), T (t), T (t2 )] = [(1, 0, 0), (0, 1, 0), (0, 0, 1)]. Ento dim Im(T ) = 3 = dim R3 .
Portanto T sobrejetora.
T (x, y, z) = (x 3y + 5z, x + 4y z).
Sabemos que Im(T ) = [T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)]= [(1, 1), (3, 4), (5, 1)]. Uma base
para Im(T ) {(1, 0), (0, 1)}. Ento dim Im(T ) = 2 = dim R2 . Portanto T sobrejetora.
(e) Seja T : R3 R2 , definida por T (x, y, z) = (x y z, 2x 2y 2z). Sabemos que
Im(T ) = [T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)] = [(1, 2), (1, 2), (1, 2)] = [(1, 2)]. Ento dim Im(T ) =
1 6= 2 = dim R2 . Portanto T no sobrejetora.
167
Teorema 16.4 Sejam V e W espaos vetoriais com dimenso finita e suponha dim V = dim W =
n. Se T : V W uma transformao linear, ento:
(i) Se T injetora ento T sobrejetora.
(ii) Se T sobrejetora ento T injetora.
D EMONSTRAO : (i) Se T injetora, ento ker(T ) = {0V }. Logo dim ker(T ) = 0. Pelo
Teorema do Ncleo e da Imagem

n = 0 + n
Logo T sobrejetora.
D EMONSTRAO : (ii) Se T sobrejetora, ento T injetora. Se T sobrejetora, ento
Im(T ) = W . Logo dim Im(T ) = dim W = n. Pelo Teorema do Ncleo e da Imagem

n = 0 + n
Como dim ker(T ) = 0, T injetora.
16.2 Isomorfismos
Definio 16.5 Sejam X e Y conjuntos no vazios e f : X Y . Dizemos que f bijetora se
f injetora e sobrejetora.
Definio 16.6 Sejam V e W espaos vetoriais. Se T : V W bijetora dizemos que T um

isomorfismo entre V e W . Se existe uma transformao linear bijetora entre V e W , dizemos
que V e W so isomorfos.
168
ISOMORFO = ISO + MORFO

radical grego = igual radical grego = forma
Exemplos:
(a) Sejam V um espao vetorial com dim V = n e I : V V definida por I(v) = v para
todo v V , chamada de identidade.
ker(I) = {0V } e Im(I) = V.
Ento I um isomorfismo de V em V .
Concluso: Todo espao vetorial isomorfo a si mesmo.
(b) Seja T : P2 (R) R3 , definida por T (a0 + a1 x + a2 x2 ) = (a0 , a1 , a2 ).
ker(T ) = {0} e Im(T ) = [(1, 0, 0), (0, 1, 0), (0, 0, 1)] = R3 .
Ento T um isomorfismo entre P2 (R) e R3 .

(c) Seja T : R2 P1 (R), definida por T (a, b) = a + (a + b)x.
(
a = 0
(a, b) ker(T ) T (a, b) = 0 a + (a + b)x = 0 a = b = 0.
a+b = 0
Logo ker(T ) = {(0, 0)} e T injetora. Como dim R2 = 2 = dim P1 (R), T um isomorfismo.
T (x, y, z) = (z, x).
ker(T ) = [(0, 1, 0)] e Im(T ) = [(0, 1), (1, 0)].
Ento dim ker(T ) = 1 e dim Im(T ) = 2. Como ker(T ) 6= {0}, T no injetora e portanto no
um isomorfismo.
(e) T : R2 R3 definida por T (x, y) = (x 3y, x + 4y, x + y).
T (1, 0) = (1, 1, 1) e T (0, 1) = (3, 4, 1) Im(T ) = [(1, 1, 1), (3, 4, 1)].
Ento dim Im(T ) = 2.

2 = 0 + 2
Como dim ker(T ) = 0, T injetora. Mas T no sobrejetora, pois Im(T ) * R3 . Logo T no

um isomorfismo.
169
Teorema 16.7 Sejam V e W espaos vetoriais de dimenso finita. Ento V e W so isomorfos

se, e somente se, possuem a mesma dimenso.
D EMONSTRAO : () Suponha que exista um isomorfismo T : V W . Como T

injetora, ker(T ) = {0V } e dim ker(T ) = 0. Alm disso, como T sobrejetora, Im(T ) = W .
Logo dim Im(T ) = dim W. Pelo Teorema do Ncleo e da Imagem

dim V = 0 + dim W
D EMONSTRAO : () Suponha que dim V = dim W = n. Consideremos ento uma base
= {v1 , , vn } de V e = {w1 , , wn } de W. Seja T : V W a nica transformao
linear tal que
T (v1 ) = w1 , T (v2 ) = w2 , T (vn ) = wn .
Ento dim Im(T ) = n, e consequentemente T sobrejetora. Pelo Teorema do Ncleo e da
Imagem

n = 0 + n
Logo T injetora.
Exemplos:
(a) Pn (R) e Rn+1 so isomorfos pois:
dim Pn (R) = n + 1 = dim Rn+1 .
T : Pn (R) Rn+1
a0 + a1 x + + an xn 7 (a0 , a1 , , an )
(b) M2 (R) e R4 so isomorfos pois:
dim P2 (R) = 4 = dim R4 .
T : M2 (R) R4
!
a b
7 (a, b, c, d)
c d
(c) Mmn (R) e Rmn so isomorfos pois:
dim Mmn (R) = mn = dim Rmn .
T : Mmn (R) Rmn

a11 a12 a1n
.. .. ..
. .
. 7 (Linha 1, Linha 2, , Linha m)

am1 am2 amn
170
(d) M32 (R) e R5 no so isomorfos pois:
dim M32 (R) = 6 6= 5 = dim R5 .
(e)Se m 6= n, Rn e Rm no so isomorfos pois:
dim Rn = n 6= m = dim Rm .
16.3 A Matriz de uma Transformao

Vimos anteriormente o seguinte:
Teorema 16.8 Seja A uma matriz m n real. Ento a funo TA : Rn Rm por TA (v) = Av
(produto matriz-vetor) uma transformao linear.
Ou seja, a toda matriz est associada uma nica transformao linear. Nosso objetivo
agora passa a ser demonstrar a recproca deste fato, isto , a cada transformao linear entre
espaos de dimenso finita fica associada uma matriz. Veremos que se T : Rn Rm uma
transformao linear qualquer, ento existe uma matriz real A de ordem m n tal que
T (v) = TA (v) = Av, para todo v Rn .
Sejam V e W espaos vetoriais de dimenso finita. Sejam = {v1 , v2 , , vn } uma base

de V e = {w1 , w2 , , wm } uma base de W . Consideremos uma transformao linear
T : V W.
Como uma base de W , existem nmeros reais aij tais que:
T (v1 ) = a11 w1 + a21 w2 + + am1 wm
As coordenadas do vetor T (v1 ) em relao base so:

a11
a21

[T (v1 )] =
..

.
am1
171
T (v2 ) = a12 w1 + a22 w2 + + am2 wm

As coordenadas do vetor T (v2 ) em relao base so:

a12
a22

[T (v2 )] =
..

.
am2
T (vn ) = a1n w1 + a2n w2 + + amn wm

As coordenadas do vetor T (vn ) em relao base so

a1n
a2n

[T (vn )] =
..

.
amn
Definio 16.9 Sejam V e W espaos vetoriais de dimenso finita, com = {v1 , v2 , , vn }

uma base de V e = {w1 , w2 , , wm } uma base de W . Consideremos uma transformao
linear T : V W . A matriz dada por

a11 a12 a1n
a21 a22 a2n

[T ] =
.. .. .. ..

. . . .

am1 am2 amn
chamada de matriz da transformao linear T com relao s bases e .
Exemplos:
(a) Sejam V um espao vetorial e = {v1 , v2 , , vn }. Considere a transformao linear
dada por
I : V V definida por I(v) = v para todo v V .
Queremos obter a matriz de [I] com relao base . Para isso temos que calcular as
coordenadas das imagens de I(v1 ), I(v2 ), , I(vn ) em relao base . Temos que
I(v1 ) = v1 = 1 v1 + 0 v2 + + 0 vn .
Ento as coordenadas
1
0

[I(v1 )] = ..
.
.

0
172
Temos que
I(v2 ) = v2 = 0 v1 + 1 v2 + + 0 vn .
Ento as coordenadas
0
1

[I(v2 )] = ..
.
.

0
E assim sucessivamente, temos que
I(vn ) = vn = 0 v1 + 0 v2 + + 1 vn .
Ento as coordenadas
0
0

[I(vn )] = ..
.
.

1
Ento

1 0 0

0 1 0

[I] = I(v1 ) I(v2 ) I(vn ) =

.. .. . . ..

. . . .

0 0 1
(b) Sejam V um espao vetorial e = {v1 , v2 , , vn }. Considere a transformao linear
dada por
T : V V definida por T (v) = 0V para todo v V .
Queremos obter a matriz de [T ] com relao base . Para isso temos que calcular as
coordenadas das imagens de T (v1 ), T (v2 ), , T (vn ) em relao base . Como
T (v1 ) = 0V = 0 v1 + 0 v2 + + 0 vn ,
as coordenadas
0
0

[T (v1 )] = ..
.
.

0
Como
T (v2 ) = 0V = 0 v1 + 0 v2 + + 0 vn ,
as coordenadas de
0
0

[T (v2 )] = ..
.
.

0
173
E assim sucessivamente, temos que
T (vn ) = 0V = 0 v1 + 0 v2 + + 0 vn ,
as coordenadas de
0
0

[T (vn )] = ..
.
.

0
Ento

0 0 0

0 0 0

[T ] = T (v1 ) T (v2 ) T (vn ) =

.. .. . . ..

. . . .

0 0 0
(c) T : R3 R2 definida por

T (x, y, z) = (z, x).
Consideremos as bases = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 e = {(1, 0), (0, 1)} de R2 .
Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das imagens
de
T (1, 0, 0), T (0, 1, 0) e T (0, 0, 1)
em relao base .
Como
T ((1, 0, 0)) = (0, 1)

= 0 (1, 0) + (1) (0, 1),
" #
0
as coordenadas [T (1, 0, 0)] so . Como
1
T ((0, 1, 0)) = (0, 0)

= 0 (1, 0) + 0 (0, 1),
" #
0
as coordenadas [T (1, 0, 0)] so . Como
0
T ((0, 0, 1)) = (1, 0)

= 1 (1, 0) + 0 (0, 1)
" #
1
as coordenadas de [T (0, 0, 1)] so
0
174
Ento

" #
0 0 1
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) T ((0, 0, 1)) =

1 0 0
T (x, y) = (x 3y, x + 4y, x + y).
Consideremos as bases = {(1, 0), (0, 1)} de R2 e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
de T (1, 0) e T (0, 1) em relao base . Como
T ((1, 0)) = (1, 1, 1)

= 1 (1, 0, 0) + (1) (0, 1, 0) + 1 (0, 0, 1),

1
as coordenadas [T (1, 0)] so 1 . Como

T ((0, 1)) = (3, 4, 1)

= (3) (1, 0, 0) + 4 (0, 1, 0) + 1 (0, 0, 1),

3
as coordenadas [T (0, 1)] so 4 . Ento

1

1 3
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) = 1 4

1 1
(e) Seja T : P2 (R) R3 , definida por
T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ).
Consideremos as bases = {1, t, t2 } de P2 (R) e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
de T (1), T (t) e T (t2 ) em relao base .
Como
T (1) = (1, 0, 0)
= 1 (1, 0, 0) + 0 (0, 1, 0) + 0 (0, 0, 1),
175

1
as coordenadas [T (1)] so 0 . Como

T (t) = (0, 1, 0)
= 0 (1, 0, 0) + 1 (0, 1, 0) + 0 (0, 0, 1)

0
as coordenadas de [T (t)] so 1

0
Como
T (t2 ) = (0, 0, 1)
= 0 (1, 0, 0) + 0 (0, 1, 0) + 1 (0, 0, 1),

0
as coordenadas de [T (t2 )] so 0 .

1
Ento

1 0 0
[T ] = T (1) T (t) T (t2 ) = 0 1 0

0 0 1
176
Captulo 17
Aula 17 - A Matriz de uma Transformao

Linear
Exemplos (continuao):
T (x, y) = (x 3y, x + 4y, x + y).
de
T (1, 0) e T (0, 1)
em relao base . Como
T ((1, 0)) = (1, 1, 1)

= 1 (1, 0, 0) + (1) (0, 1, 0) + 1 (0, 0, 1),

1
as coordenadas [T (1, 0)] so 1 .

1
Como
T ((0, 1)) = (3, 4, 1)

= (3) (1, 0, 0) + 4 (0, 1, 0) + 1 (0, 0, 1),

3
as coordenadas [T (0, 1)] so 4 .

1
Ento

1 3
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) = 1 4

1 1
177
Sejam V e W espaos vetoriais e T : V W uma transformao linear. Vimos que se

fixarmos bases = {v1 , v2 , , vn } de V e = {w1 , w2 , , wn } de W , existe uma matriz
A de ordem m n relacionada a T .Se alterarmos as bases para 0 = {v10 , v20 , , vn0 } de V
e 0 = {w10 , w20 , , wn0 } de W , sabemos que existe uma outra matriz A0 de ordem m n
relacionada a T .Qual a relao entre A e A0 ?
Exemplos:
(g) T : R3 R2 definida por
T (x, y, z) = (2x + y z, 3x 2y + 4z).
Consideremos as bases cannicas = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 e = {(1, 0), (0, 1)}
de R2 . Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das
imagens de
T (1, 0, 0), T (0, 1, 0) e T (0, 0, 1)
em relao base .
Como
T ((1, 0, 0)) = (2, 3)

= 2 (1, 0) + 3 (0, 1),
" #
2
as coordenadas [T ((1, 0, 0))] so . Como
3
T ((0, 1, 0)) = (1, 2)

= 1 (1, 0) + (2) (0, 1),
" #
1
as coordenadas [T ((0, 1, 0))] so . Como
2
T ((0, 0, 1)) = (1, 4)

= (1) (1, 0) + 4 (0, 1).
" #
1
as coordenadas [T ((0, 0, 1))] so . Ento
4

" #
2 1 1
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) T ((0, 0, 1)) =

3 2 4
(g) Considere a mesma T : R3 R2 definida por
T (x, y, z) = (2x + y z, 3x 2y + 4z).
178
Consideremos, agora, as bases 0 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} de R3 e 0 = {(1, 3), (1, 4)}
0
de R2 . Queremos obter a matriz de [T ] 0 . Para isso temos que calcular as coordenadas das
imagens de
T (1, 1, 1), T (1, 1, 0) e T (1, 0, 0)
em relao base 0 .
Como
T ((1, 1, 1)) = (2, 5)

= a (1, 3) + b (1, 4).
Neste caso, as coordenadas no esto evidentes, j que no se trata da base cannica de

2
R . Devemos portanto resolver este problema.
(
a+b = 2
a (1, 3) + b (1, 4) = (2, 5) a = 3 e b = 1.
3a + 4b = 5
" #
3
Logo as coordenadas [T ((1, 1, 1))] 0 so . Como
1
T ((1, 1, 0)) = (3, 1)

= a (1, 3) + b (1, 4).
(
a+b = 3
a (1, 3) + b (1, 4) = (3, 1) a = 11 e b = 8.
3a + 4b = 1
" #
11
Logo as coordenadas [T ((1, 1, 0))] 0 so . Como
8
T ((1, 0, 0)) = (2, 3)

= a (1, 3) + b (1, 4).
(
a+b = 2
a (1, 3) + b (1, 4) = (2, 3) a = 5 e b = 3.
3a + 4b = 3
" #
5
Logo as coordenadas [T ((1, 0, 0))] 0 so . Ento
3

" #
0 3 11 5
[T ] = T ((1, 1, 1)) T ((1, 1, 0)) T ((1, 0, 0)) =

0
1 8 3
A forma que exige menos esforo
179
Voc notou que para determinar as coordenadas de
T (1, 1, 1), T (1, 1, 0) e T (1, 0, 0)
em relao base 0 resolvemos sistemas lineares somente com termos independentes dife-
rentes?
( ( (
a+b = 2 a+b = 3 a+b = 2
e
3a + 4b = 5 3a + 4b = 1 3a + 4b = 3
Podemos resolver os trs sistemas simultaneamente da seguinte maneira:
" # " #
1 1 2 3 2 1 1 2 3 2 L1 L1 L2
3 4 5 1 3 L2 L2 3L1 0 1 1 8 3
" #
0 3 11 5
[T ] 0 =
1 8 3
(h) Considere T : R2 R3 definida por
T (x, y) = (2y, x y, x).
Consideremos as bases = {(1, 1), (0, 2)} de R2 e = {(1, 0, 1), (0, 1, 2), (1, 2, 0)} de
R3 . Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das
imagens de
T (1, 1) e T (0, 2)
em relao base .
T (1, 1) = (2, 2, 1) = a(1, 0, 1) + b(0, 1, 2) + c(1, 2, 0)

a+c
= 2
a(1, 0, 1) + b(0, 1, 2) + c(1, 2, 0) = (2, 2, 1) b + 2c = 2

a + 2b = 1

T (0, 2) = (4, 2, 0) = a(1, 0, 1) + b(0, 1, 2) + c(1, 2, 0)

a+c
= 4
a(1, 0, 1) + b(0, 1, 2) + c(1, 2, 0) = (4, 2, 0) b + 2c = 2

a + 2b = 0

Resolvendo os sistemas simultaneamente:

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

1 2 0 1 0 L3 L3 + L1 0 2 1 3 4 L3 L3 2L2

1 0 1 2 4 1 0 1 2 4 L1 L1 L3
0 1 2 2 2 0 1 2 2 2 L2 2L3

1 7
0 0 3 7 8 L3 3 L3 0 0 1 3
83
180

13
3
20
3
[T ] = 83 10

3
7
3
83
(i) Seja T : R2 R3 a transformao linear que possui coomo matriz:

1 0
[T ] = 1 1 ,

0 1
considerando as bases = {(1, 1), (0, 2)} de R2 e = {(1, 0, 1), (0, 1, 2), (1, 2, 0)} de R3 .
Obtenha T (x, y). As colunas da matriz da transformao so formadas pelas coordenadas
de T (1, 1) e T (0, 2), em relao base . Vamos descobrir tais valores.
Como
1 0
[T ] = 1 1 ,

0 1
temos que:
T (1, 1) = 1 (1, 0, 1) + 1 (0, 1, 2) + 0 (1, 2, 0) = (1, 1, 1); e
T (0, 2) = 0 (1, 0, 1) + 1 (0, 1, 2) + 1 (1, 2, 0) = (1, 1, 2)
Como conhecemos as imagens de T em uma base de R2 , pela linearidade de T podemos

determinar T (x, y), para todo (x, y) R2 . Seja (x, y) R2 . Devemos determinar as coorde-
nadas de (x, y) em relao base , isto , para que valores a, b R
( (
a = x a = x
(x, y) = a(1, 1) + b(0, 2) x+y
a + 2b = y b = 2
Ou seja,
x+y
(x, y) = a(1, 1) + b(0, 2) = x(1, 1) + (0, 2).
2
Usando a linearidade de T :

x+y x+y
T (x, y) = T x(1, 1) + (0, 2) = xT (1, 1) + T (0, 2)
2 2

x+y xy xy
= x(1, 1, 1) + (1, 1, 2) = , , 2x + y .
2 2 2
Logo T (x, y) = xy xy

2
, 2
, 2x + y .
181
17.1 A Propriedade [T (v)] = [T ] [v]

Sejam V e W espaos vetoriais de dimenso finita, com = {v1 , v2 , , vn } uma base
de V e = {w1 , w2 , , wm } uma base de W . Consideremos uma transformao linear
T : V W . A matriz [T ] associada a T possui a seguinte propriedade:
Seja v V e considere [v] a matriz-coluna das coordenadas de v em relao base .
Ento
[T (v)] = [T ] [v] .
D EMONSTRAO : Seja v V e considere

b1
b2

[v] = ..

.

bn
Isto significa que

v = b1 v1 + b2 v2 + + bn vn .
Pela linearidade de T temos que:
T (v) = T (b1 v1 + b2 v2 + + bn vn ) = b1 T (v1 ) + b2 T (v2 ) + + bn T (vn ).
Considerando a matriz de T em relao s bases e como sendo

a a12 a1n
11
a21 a22 a2n

[T ] =
.. .. . . . ..
,
. . .

am1 am2 amn
obtemos as seguintes informaes sobre os vetores T (v1 ), , T (vn ):
T (v1 ) = a11 w1 + a21 w2 + + am1 wm ;

T (v2 ) = a12 w1 + a22 w2 + + am2 wm ;
.. ..
. = .
T (vn ) = a1n w1 + a2n w2 + + amn wm ;
182
Substituindo os valores de T (v1 ), , T (vn ) na equao
T (v) = b1 T (v1 ) + b2 T (v2 ) + + bn T (vn )

= b1 (a11 w1 + a21 w2 + + am1 wm )
+ b2 (a12 w1 + a22 w2 + + am2 wm )
..
+ .
+ bn (a1n w1 + a2n w2 + + amn wm )
Colocando em evidncia os vetores da base obtemos:
T (v) = (b1 a11 + b2 a12 + + bn a1n )w1

+ (b1 a21 + b2 a22 + + bn a2n )w2
..
+ .
+ (b1 am1 + b2 am2 + + bn amn )wm
Ou seja, a matriz das coordenadas de T (v) em relao base :

b1 a11 + b2 a12 + + bn a1n
b1 a21 + b2 a22 + + bn a2n

[T (v)] = ..

.

b1 am1 + b2 am2 + + bn amn

b1 a11 + b2 a12 + + bn a1n
b1 a21 + b2 a22 + + bn a2n

[T (v)] = ..

.

b1 am1 + b2 am2 + + bn amn

a11 a12 a1n b1
a21 a22 a2n b2

=
.. .. .. .. ..

. . . . .

am1 am2 amn bn
= [T ] [v]
Exemplos: (a) Considere a transformao linear dada por
I : R3 R3 definida por I(x, y, z) = (x, y, z) para todo (x, y, z) R3 .
Vimos que a matriz de [I] com relao base cannica

1 0 0
[I] = I(1, 0, 0) I(0, 1, 0) I(0, 0, 1) = 0 1 0

0 0 1
183
Note que se v = (x, y, z) R3 , ento

x
[(x, y, z)] = y .

E temos que
[I(x, y, z)] = [I] [(x, y, z)]

1 0 0 x
= 0 1 0 y

0 0 1 z

x
= y

(b) Considere a transformao linear dada por
T : R3 R2 definida por T (x, y, z) = (0, 0) para todo (x, y, z) R3 .
A matriz de [T ] com relao s bases cannicas e

" #
0 0 0
[T ] = T (1, 0, 0) T (0, 1, 0) T (0, 0, 1) =

0 0 0
Note que se v = (x, y, z) R3 , ento

x
[v] = y .

E temos que
[T (x, y, z)] = [T ] [(x, y, z)]

" # x
0 0 0
= y

0 0 0
z
" #
0
=
0
(c) Seja T : P2 (R) R3 , definida por
T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ).
184
Consideremos as bases = {1, t, t2 } de P2 (R) e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
Vimos que a matriz [T ]

1 0 0
[T ] = T (1) T (t) T (t2 ) = 0 1 0

0 0 1
Note que se p(t) = a0 + a1 t + a2 t2 P2 (R), ento

a0
[p(t)] = a1 .

a2
E temos que
[T (p(t))] = [T ] [p(t)]

1 0 0 a0
= 0 1 0 a1

0 0 1 a2

a0
= a1

a2
(d) Seja T : R2 P1 (R), definida por
T (a, b) = a + (a + b)t.
Consideremos as bases = {(1, 0), (0, 1)} de R2 e = {1, t} de P1 (R). Vimos que a matriz
[T ]

" #
1 0
[T ] = T ((1, 0)) T ((0, 1)) =

1 1
Note que se (a, b) R2 , ento " #

a
[(a, b)] = .
b
E temos que
[T (a, b)] = [T ] [(a, b)]

" # " #
1 0 a
=
1 1 b
" #
a
=
a+b
185
(e) T : R3 R2 definida por
T (x, y, z) = (z, x).
Consideremos as bases = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 e = {(1, 0), (0, 1)} de R2 .

" #
0 0 1
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) T ((0, 0, 1)) =

1 0 0
Note que se (x, y, z) R3 , ento

x
[(x, y, z)] = y .

E temos que
[T (x, y, z)] = [T ] [(x, y, z)]

" # x
0 0 1
= y

1 0 0
z
" #
z
=
x
T (x, y) = (x 3y, x + 4y, x + y).

1 3
[T ] = 1 4

1 1
Note que se (x, y) R2 , ento

" #
x
[(x, y)] = .
y
E temos que
186
[T (x, y)] = [T ] [(x, y)]

1 3 " #
x
= 1 4

y
1 1

x 3y
= x + 4y

x+y
(g) Considere a mesma T : R3 R2 definida por
T (x, y, z) = (2x + y z, 3x 2y + 4z).
Consideremos, agora, as bases 0 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} de R3 e 0 = {(1, 3), (1, 4)}
0
de R2 . Vimos que a matriz [T ] 0

" #
0 3 11 5
[T ] 0 = T ((1, 1, 1)) T ((1, 1, 0)) T ((1, 0, 0)) =

1 8 3
Note que se (x, y, z) R3 , ento

x
[(x, y, z)]0 6= y (pois 0 no a base cannica).

z
Temos que obter as coordenadas do vetor (x, y, z) em relao base 0 :

a+b+c = x
a = z

a (1, 1, 1) + b (1, 1, 0) + c (1, 0, 0) = (x, y, z) a+b = y b = yz .

a = z c = xy

Logo (x, y, z) = z (1, 1, 1) + (y z)(1, 1, 0) + (x y)(1, 0, 0). Segue que se (x, y, z) R3 ,

ento
z
[(x, y, z)]0 = y z .

xy
0
[T (x, y, z)] 0 = [T ] 0 [(x, y, z)]0

" # z
3 11 5
= yz

1 8 3
xy
" # " #
3z + 11(y z) + 5(x y) 5x + 6y 8z
= =
1z 8(y z) 3(x y) 3x 5y + 7z
187
Note que a expresso encontrada

" #
5x + 6y 8z
[T (x, y, z)] 0 =
3x 5y + 7z
difere da expresso da transformao T : R3 R2 definida por
T (x, y, z) = (2x + y z, 3x 2y + 4z).
No h nada de errado! Isto ocorre pois as bases envolvidas no so as cannicas. A

informao acima deve ser lida da seguinte forma:
T (x, y, z) = (5x + 6y 8z) (1, 3) + (3x 5y + 7z) (1, 4)

= ((5x + 6y 8z) + (3x 5y + 7z), 3(5x + 6y 8z) + 4(3x 5y + 7z))
= (2x + y z, 3x 2y + 4z) .

1. Seja T : R2 R2 , definida por T (x, y) = (x y, x + y). Determine [T ] nos seguintes
casos:
(a) = = {(1, 0), (0, 1)} (c) = {(1, 1), (1, 0)} e =
(b) = {(1, 0), (0, 1)} e = {(1, 0), (0, 1)}
{(1, 1), (1, 0)} (d) = = {(1, 1), (1, 0)}
2. Verifique que a relao [T (v)] = [T ]

[v] verdadeira para todo vetor v = (x, y),
no exerccio anterior.
3. Seja T : R2 R2 tal que T (1, 0) = (1, 1) e T (0, 1) = (3, 1). Determine a matriz [T ] da
transformao linear quando:
(a) = = {(1, 0), (0, 1)} (c) = {(1, 1), (3, 1)} e = {(1, 0), (0, 1)}
(b) = {(1, 0), (0, 1)} e = {(1, 1), (3, 1)} (d) = = {(1, 1), (3, 1)}
4. Seja T : R2 R3 , definida por T (x, y) = (x + 2y, x, 0). Determine [T ] nos seguintes

casos:
(a) = {(1, 0), (0, 1)} e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
(b) = {(1, 0), (0, 1)} e = {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
(c) = {(1, 3), (2, 4)} e = {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
188

[v] verdadeira para todo vetor v = (x, y),
6. Seja T : R3 R3 , definida por T (x, y, z) = (x y, y x, x z). Determine [T ] nos

seguintes casos:
(a) = = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

(b) = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e = {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
(c) = {(1, 0, 1), (0, 1, 1), (1, 1, 0)} e = {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
(d) = = {(1, 0, 1), (0, 1, 1), (1, 1, 0)}

[v] verdadeira para todo vetor v = (x, y, z),
8. Seja T : P2 (R) P3 (R) definida por
T (a0 + a1 t + a2 t2 ) = a0 t + a1 t2 + a2 t3 .
Determine a matriz [T ] , onde = {1, t, t2 } e = {1, t, t2 , t3 } so as bases de P2 (R) e

P3 (R), respectivamente.
9. Considere a base = {(1, 3), (1, 4)} de R2 e seja T : R2 R2 a transformao linear

cuja matriz " #
1 3
[T ] = .
2 5
(a) Determine [T (1, 3)] e [T (1, 4)] . (c) Determine [T (x, y)] .
(b) Calcule T (1, 3) e T (1, 4). (d) Determine T (x, y).
10. Seja = {v1 , v2 , v3 , v4 } uma base de um espao vetorial V . Determine a matriz [TA ] da
transformao linear T : V V tal que
T (v1 ) = 2v2 , T (v2 ) = v3 + v4 , T (v3 ) = v1 v2 + 2v4 e T (v4 ) = v2 4v3 .
11. Considere as bases = {(1, 3), (1, 4)} de R2 e = {(1, 1, 0), (0, 0, 1), (1, 0, 1)} de R3
e seja T : R2 R3 a transformao linear cuja matriz

2 0
[T ] = 4 0 .

0 4
189
(a) Determine T (0, 2) e T (2, 1). (b) Determine T (x, y).
12. Dada a transformao linear T : R3 R3 tal que T (x, y, z) = (x2y +z, x+4y 2z, x)
em R3 , com base = {(1, 0, 1), (0, 1, 2), (1, 2, 0)}, encontre uma base de R3 tal que

1 0 1
[T ] = 1 1 0

0 2 1
13. Sejam T : R3 R3 e U : R3 R3 transformaes lineares tais que
F (x, y, z) = (2x, x 3y, x + z) e G(x, y, z) = (x y, y, x + z).
Determine as seguintes transformaes lineares:
(a) T + U (d) F G
(b) 4T (e) G F
(c) 2T 5U (f) F F
14. Sejam T : R3 R3 e U : R3 R3 transformaes lineares tais que

0 0 0 0 0 0
[T ] = 1 2 1 e [U ] = 1 2 1 ,

1 0 0 1 0 0
onde a base cannica de R3 .
(a) Determine T (x, y, z) e U (x, y, z).

(b) Determine (2 T + 3 U )(x, y, z).
(c) Determine [2 T + 3 U ] .
(d) Verifique a igualdade [2 T + 3 U ] = 2 [T ] + 3 [U ] .
15. Sejam

0 1 0 0 0
A = 0 2 e B = 1 2 1 .

0 1 1 0 0
(a) Determine TA (x, y) e TB (x, y, z).

(b) Determine (TB TA )(x, y).
(c) Considerando as bases cannicas e de R2 e R3 , respectivamente. Determine
[TB TA ] .
190
(d) Verifique a igualdade [TB TA ] = [TB ] [TA ] .
16. Considere em R2 a base = {(1, 1), (1, 1)}. A matriz mudana de base de para uma
base = {v1 , v2 } dada por " #
1 2
.
1 1
(a) Quais so as coordenadas de v = (3, 2) em relao a ?

(b) Determine .
(c) Se [w] = (1, 2), determine w = (x, y).
17. Considere em R3 a base cannica . Dada a matriz

1 0 2
P = 1 1 2

0 0 1

(a) Determine uma base = {v1 , v2 , v3 } de modo que P = I , ou seja, P matriz
mudana de base de para .
(b) Dado o vetor ~v = (3, 2, 2) , determine [~v ] .
18. Seja D : P3 (R) P2 (R) definida por
D(a0 + a1 t + a2 t2 + a3 t3 ) = a1 + 2a2 t + 3a3 t2 .
(a) Mostre que D linear.

(b) Voc reconhece esta funo do curso de Clculo?
(c) Determine ker(D).
(d) Fixadas as bases = {1, t, t2 , t3 } de P3 (R) e = {1, t, t2 } de P2 (R), determine [D] .
(e) Considere p(t) = 2 + 4t 3t2 2t3 . Usando a identidade
[D(p(t))] = [D] [p(t)] ,
determine a derivada de p(t).
19. (Projeo ortogonal sobre uma reta) A reta y = ax o conjunto dos pontos (x, ax)
R2 . Consideremos a transformao linear P : R2 R2 que faz corresponder a cada
v = (x, y) R2 o vetor P (v) = (x0 , ax0 ), cuja extremidade o p da perpendicular
baixada de v sobre a reta y = ax, como mostrado na figura abaixo.
(a) Use o Teorema de Pitgoras para determinar o valor de x0 em funo de x e y:
d((x, y), (0, 0))2 = d((x0 , ax0 ), (0, 0))2 + d((x, y), (x0 , ax0 ))
191
(b) Determine P (x, y) para todo v = (x, y) R2 .

(c) Fixada a base cannica = {(1, 0), (0, 1)} de R2 , determine [P ] .
20. (Reflexo em torno de uma reta) Seja S : R2 R2 a reflexo em torno da reta y = ax.
Para todo v = (x, y) R2 , a reta y = ax a bissetriz do ngulo entre v e S(v) e
perpendicular reta que liga v a S(v). Seja P : R2 R2 a projeo ortogonal sobre a
reta y = ax. A figura abaixo mostra que, para todo v R2 , tem-se v + S(v) = 2P (v).
(a) Use o exerccio anterior para determinar S(x, y) para todo v = (x, y) R2 .
(b) Fixada a base cannica = {(1, 0), (0, 1)} de R2 , determine [S] .
192
Captulo 18
Aula 18 - A lgebra das Transformaes

Lineares
18.1 Mudana de base

Seja V um espao vetorial de dimenso finita n e consideremos duas bases
= {v1 , v2 , , vn } e = {w1 , w2 , , wn }
de V .
Dado um vetor v V sabemos que existem maneiras nicas de escrevermos v como
combinao linear dos vetores de e de .
Ou seja, existem nicos b1 , b2 , , bn , c1 , c2 , , cn R tais que:
v = b1 v1 + b2 v2 + + bn vn ; e v = c1 w1 + c2 w2 + + cn wn .
Queremos obter uma relao entre as coordenadas de v em relao s bases e .

Consideremos a transformao linear
I : V V, definida por I(v) = v,
e sua matriz [I] , em relao s bases e . Pela propriedade vista na ltima aula, temos
que se v V :
[I(v)] = [v] = [I] [v] .
Concluso:
A partir de [v] , ao multiplicarmos [I] e [v] , obtemos [v] .
Definio 18.1 Sejam = {v1 , v2 , , vn } e = {w1 , w2 , , wm } bases de V .
193
Consideremos a transformao linear I : V V tal que I(v) = v. A matriz dada por

a11 a12 a1n
a21 a22 a2n

[I] = .

.. .. ..

. . . . .
am1 am2 amn
chamada de matriz mudana de base da base para .
Teorema 18.2 Sejam = {v1 , v2 , , vn } e = {w1 , w2 , , wm } bases de um espao vetorial V .

Consideremos a matriz da transformao identidade I : V V, I(v) = v, em relao s bases e :
[I] .
Ento vale a relao:
[v] = [I] [v] .
D EMONSTRAO : Decorre da relao [T (v)] = [T ] [v] , que vale para toda transforma-
o linear, no caso em que T = I, com sendo a base considerada no domnio de I; e
sendo a base do contradomnio de I.
Observaes
(I) A matriz [I] de mudana de base de para a matriz da transformao linear

identidade.
(II) Podemos encarar a mudana de base da seguinte maneira:

A base a base antiga e a base a nova.
Exemplos: (a) Considere as bases = {(1, 1), (2, 0)} e = {(1, 0), (0, 1)} do espao
vetorial R2 . Obtenha a matriz mudana de base para .
A base antiga e a nova . Devemos considerar a aplicao
I : R2 R2 definida por I(x, y) = (x, y).
Temos que I((1, 1)) = (1, 1) = 1(1, 0)+1(0, 1) e I((2, 0)) = (2, 0) = 2(1, 0)+0(0, 1)

" #
1 2
[I] = I(1, 1) I(2, 0) =

1 0
(b) Considere as bases = {(1, 1), (2, 0)} e = {(1, 0), (0, 1)} do espao vetorial R2 .
Obtenha a matriz mudana de base para .
194
I : R2 R2 definida por I(x, y) = (x, y).

1 1
I((1, 0)) = (1, 0) = 0 (1, 1) + (2, 0) e I((0, 1)) = (0, 1) = 1 (1, 1) + (2, 0)
2 2

0 1
[I] = I(1, 0) I(0, 1) = 1

1
2 2
(c) Considere as bases = {(1, 1), (2, 0)} e = {(1, 0), (0, 1)} do espao vetorial R2 . Se
o vetor v R2 tem coordenadas em relao base :
" #
3
[v] = ,
4
determine [v] .
A relao entre as coordenadas de v nas diferentes bases dada por:
[v] = [I] [v] .
Logo
" # " #
0 1 3 4
[v] = [I] [v] = 1 1 = 7
4 2
2 2
" #
3
Vamos verificar a igualdade. Como [v] = ,
4
v = 3(1, 0) + (4)(0, 1) = (3, 4).

" #
4
Vimos que [v] = 7
, e isto significa que:
2

7
v = 4(1, 1) + (2, 0) = (3, 4),
2
demonstrando a igualdade.
(d) Obtenha a matriz mudana de base da base cannica = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
para = {(1, 1, 0), (0, 1, 0), (0, 0, 3)} do R3 .
I : R3 R3 definida por I(x, y, z) = (x, y, z).
195
Temos que determinar a, b, c, d, e, f, g, h, i R tais que
I(1, 0, 0) = (1, 0, 0) = a(1, 1, 0) + b(0, 1, 0) + c(0, 0, 3)

I(0, 1, 0) = (0, 1, 0) = d(1, 1, 0) + e(0, 1, 0) + f (0, 0, 3)
I(0, 0, 1) = (0, 0, 1) = g(1, 1, 0) + h(0, 1, 0) + i(0, 0, 3)
Resolvendo os sistemas simultaneamente

1 0 0 1 0 0 1 0 0 1 0 0
1 1 0 0 1 0 L2 L2 L1 0 1 0 1 1 0

0 0 3 0 0 1 L3 13 L3 0 0 1 0 0 13
Logo

1 0 0
[I] = 1 1 0

0 0 13
(e) Obtenha a matriz mudana de base de = {(1, 1, 1), (1, 2, 0), (3, 1, 0)} para = {(1, 2, 1), (0, 3, 2), (1, 1
do R3 .
I : R3 R3 definida por I(x, y, z) = (x, y, z).
Temos que determinar a, b, c, d, e, f, g, h, i R tais que
I(1, 1, 1) = (1, 1, 1) = a(1, 2, 1) + b(0, 3, 2) + c(1, 1, 4)

I(1, 2, 0) = (1, 2, 0) = d(1, 2, 1) + e(0, 3, 2) + f (1, 1, 4)
I(3, 1, 0) = (3, 1, 0) = g(1, 2, 1) + h(0, 3, 2) + i(1, 1, 4)
Resolvendo os sistemas simultaneamente

1 0 1 1 1 3 1 0 1 1 1 3
2 3 1 1 2 1 L2 L2 2L1 0 3 1 1 0 5 L2 L2 L3

1 2 4 1 0 0 L3 L3 L1 0 2 3 0 1 3

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

0 2 3 0 1 3 L3 L3 2L2 0 0 11 2 3 1
9 14 30

1 0 1 1 1 3 L1 L1 L3 1 0 0 11 11 11
0 1 4 1 1 2 L2 L2 + 4L3 0 1 0 3 1 18

11 11 11
2 3 1 2 3 1
0 0 1 11
11 11 0 0 1 11 11 11
196
Logo
9 14 30

11 11 11
[I] = 3 1
11 18

11 11
2 3 1
11
11 11
18.2 A lgebra das Transformaes Lineares

Vimos a relao entre as transformaes lineares entre espaos vetoriais de dimenso
finita e matrizes.
Veremos agora o que ocorre com as matrizes associadas a transformaes, quando faze-
mos operaes com essas funes.
Definio 18.3 Sejam V e W espaos vetoriais, F : V W e G : V W duas transformaes

lineares. Definimos F + G : V W como sendo a funo tal que:
(F + G)(v) = F (v) + G(v), para todo v V.
F + G dita a funo soma de F e G.
Observao: A definio de adio de funes faz sentido mesmo que as funes F e G

no sejam transformaes lineares.
Proposio 18.4 Sejam F : V W e G : V W duas transformaes lineares. A funo
F +G:V W
uma transformao linear.
D EMONSTRAO : De fato, sejam u, v V e R.
(F + G)(u + v) = F (u + v) + G(u + v) = (F (u) + F (v)) + (G(u) + G(v)) = (F (u) + G(u)) +

(F (v) + G(v)) = (F + G)(u) + (F + G)(v).
(F + G)(u) = F (u) + G(u) = F (u) + G(u) = (F (u) + G(u)) = (F + G)(u).
Logo F + G linear.
(I) <1-> (associativa) Sejam F, G, H : V W transformaes lineares. Ento
F + (G + H) = (F + G) + H.
(II) <2-> (comutativa) Sejam F, G : V W transformaes lineares. Ento
F + G = G + F.
197
(III) <3-> (elemento neutro) Sejam F : V W linear e O : V W a transformao linear

nula. Ento
F + O = O + F = F.
(IV) <4-> (elemento simtrico) Seja F : V W linear. Defina F : V W por (F )(v) =

F (v). Ento
F + (F ) = (F ) + F = O.
Exemplos: (a) Sejam F : R3 R2 e G : R3 R2 definidas por
F (x, y, z) = (2x + y z, 3x 2y + 4z) e G(x, y, z) = (4x + 2y + 2z, 5x + 4y 3z).
A transformao linear F + G a funo tal que
(F + G)(x, y, z) = F (x, y, z) + G(x, y, z)

= (2x + y z, 3x 2y + 4z) + (4x + 2y + 2z, 5x + 4y 3z)
= (6x + 3y + z, 8x + 2y + z).
Logo (F + G)(x, y, z) = (6x + 3y + z, 8x + 2y + z).

(b) Sejam F : R2 R3 e G : R2 R3 definidas por
F (x, y) = (x 3y, x + 4y, x + y) e G(x, y) = (4x 2y, 2x 3y, 2x 4y).
A transformao linear F + G a funo tal que:
(F + G)(x, y) = F (x, y) + G(x, y)

= (x 3y, x + 4y, x + y) + (4x 2y, 2x 3y, 2x 4y)
= (5x 5y, 3x + y, 3x 3y).
Logo (F + G)(x, y) = (5x 5y, 3x + y, 3x 3y).
Teorema 18.5 Sejam V e W espaos vetoriais de dimenso finita, uma base de V e uma base de
W . Sejam F, G : V W transformaes lineares. Consideremos as matrizes [F ] e [G] . Ento a
matriz da transformao linear [F + G] satisfaz a seguinte relao:
[F + G] = [F ] + [G] .
198
D EMONSTRAO : Consideremos a base = {v1 , v2 , , vn }. Ento

[F + G] = (F + G)(v1 ) (F + G)(v2 ) (F + G)(vn )

= F (v1 ) + G(v1 ) F (v2 ) + G(v2 ) F (vn ) + G(vn )

= F (v1 ) F (v2 ) F (vn ) + G(v1 ) G(v2 ) G(vn )

= [F ] + [G]
F (x, y, z) = (2x + y z, 3x 2y + 4z) e G(x, y, z) = (4x + 2y + 2z, 5x + 4y 3z).
Vimos que (F + G)(x, y, z) = (6x + 3y + z, 8x + 2y + z). Consideremos as bases cannicas

, de R3 e R2 , respectivamente. Ento
" #
6 3 1
[F + G] =
8 2 1
Como F (x, y, z) = (2x + y z, 3x 2y + 4z) e G(x, y, z) = (4x + 2y + 2z, 5x + 4y 3z), temos

que: " # " #
2 1 1 4 2 2
[F ] = e [G] = .
3 2 4 5 4 3
" #
6 3 1
[F + G] =
8 2 1
" # " #
2 1 1 4 2 2
= + = [F ] + [G]
3 2 4 5 4 3
(b) Sejam F, G : R2 R3 definidas por
F (x, y) = (x 3y, x + 4y, x + y) e G(x, y) = (4x 2y, 2x 3y, 2x 4y).
Vimos que (F + G)(x, y) = (5x 5y, 3x + y, 3x 3y). Consideremos as bases cannicas

, de R2 e R3 , respectivamente.

5 5
[F + G] = 3 1

3 3
199
Como F (x, y) = (x 3y, x + 4y, x + y) e G(x, y) = (4x 2y, 2x 3y, 2x 4y), temos
que

1 3 4 2
[F ] = 1 4 e [G] = 2 3 .

1 1 2 4
Note que

5 5
[F + G] = 3 1

3 3

1 3 4 2
= 1 4 + 2 3 + [F ] + [G]

1 1 2 4
Definio 18.6 Sejam V e W espaos vetoriais, F : V W uma transformao linear e R.

Definimos F : V W como sendo a funo tal que:
(F )(v) = F (v), para todo v V.
F dita a funo multiplicao de por F .
Observao: A definio de multiplicao de um nmero real por uma funo F faz

sentido mesmo que F no seja uma transformao linear.
Proposio 18.7 Sejam F : V W uma transformao linear e R. A funo F : V W

uma transformao linear.
(F )(u + v) = F (u + v) = F (u) + F (v) = (F )(u) + (F )(v).
(F )(u) = F (u) = F (u) = (F (u))(F )(u).
Logo F linear.
(I) (associativa) Sejam F : V W transformaes lineares, , R. Ento
( )F = (F ).
(II) (distributiva) Seja F : V W uma transformao linear e , R. Ento
( + )F = F + F.
200
(III) (distributiva) Sejam F, G : V W transformaes lineares e R. Ento
(F + G) = F + G.
(IV) (elemento neutro) Seja F : V W uma transformao linear. Ento
1 F = F.
Exemplos: (a) Sejam F : R3 R2 definida por F (x, y, z) = (2x + y z, 3x 2y + 4z) e

= 2. A transformao linear 2 F a funo tal que
(2 F )(x, y, z) = 2 F (x, y, z)
= 2 (2x + y z, 3x 2y + 4z)
= (4x + 2y 2z, 6x 4y + 8z).
(b) Sejam F : R2 R3 definida por F (x, y) = (x 3y, x + 4y, x + y) e = 3.

A transformao linear 3 F a funo tal que
(3 F )(x, y) = 3 F (x, y)
= 3 (x 3y, x + 4y, x + y)
= (3x + 9y, 3x 12y, 3x 3y).
Teorema 18.8 Sejam V e W espaos vetoriais de dimenso finita, uma base de V e uma base de
W . Sejam F : V W uma transformao linear e R. Consideremos a matriz [F ] . Ento a
matriz da transformao linear [F ] satisfaz a seguinte relao:
[ F ] = [F ] .
D EMONSTRAO : Consideremos a base = {v1 , v2 , , vn }. Ento

[ F ] = ( F )(v1 ) ( F )(v2 ) ( F )(vn )

= F (v1 ) F (v2 ) F (vn )

= F (v1 ) F (v2 ) F (vn )

= [F ]
Exemplos: (a) Sejam F : R3 R2 definida por F (x, y, z) = (2x + y z, 3x 2y + 4z) e

= 2.
201
(2 F )(x, y, z) = 2 F (x, y, z)
= 2 (2x + y z, 3x 2y + 4z)
= (4x + 2y 2z, 6x 4y + 8z).
Consideremos as bases cannicas , de R3 e R2 , respectivamente.

" # " #
4 2 2 2 1 1
[2 F ] = =2
6 4 8 3 2 4
= 2 [F ]
(b) Sejam F : R2 R3 definida por F (x, y) = (x 3y, x + 4y, x + y) e = 3. A

transformao linear 3 F a funo tal que
(3 F )(x, y) = 3 F (x, y) = 3 (x 3y, x + 4y, x + y)

= (3x + 9y, 3x 12y, 3x 3y).

3 9 1 3
[3 F ] = 3 12 = 1 4

3 3 1 1
= 3 [F ]
Definio 18.9 Sejam V e W espaos vetoriais. Definimos L(V, W ) como sendo o conjunto de todas
as transformaes lineares de V em W . Munindo este conjunto das operaes
(F + G)(v) = F (v) + G(v) e (F )(v) = F (v)
temos que L(V, W ) um espao vetorial.
Definio 18.10 Sejam A, B e C conjuntos no vazios, g : A B e f : B C funes. Definimos

a composta de f e g como sendo a funo f g : A C definida por
(f g)(x) = f (g(x)) para todo x A.
Proposio 18.11 Sejam U, V e W espaos vetoriais, F : U V e G : V W duas transforma-

es lineares. A funo
F G:U W
uma transformao linear. Ou seja, a composio de transformaes lineares linear
202
(F G)(u + v) = F (G(u + v)) = F (G(u) + G(v))) = F (G(u)) + F (G(v)) = (F G)(u) +

(F G)(v).
(F G)(u) = F (G(u)) = F (G(u)) = F (G(u)) = (F G)(u).
Logo F G linear.
(I) (associativa) Sejam F, G, H transformaes lineares. Ento
F (G H) = (F G) H.
(II) (no comutativa) Sejam F : U V e G : V W transformaes lineares. Pode

ocorrer que
F G 6= G F.
(III) (elemento neutro) Sejam F : V W linear e I : W W a transformao linear

identidade. Ento
F I = I F = F.
F (x, y, z) = (2x + y z, 3x 2y + 4z) e G(x, y) = (x 3y, x + 4y, x + y).
Determine F G.
Como F (x, y, z) = (2x + y z, 3x 2y + 4z) e G(x, y) = (x 3y, x + 4y, x + y), temos

que a transformao linear F G : R2 R2 a funo tal que
(F G)(x, y) = F (G(x, y))

= F (x 3y, x + 4y, x + y)
= (2(x 3y) + (x + 4y) (x + y), 3(x 3y) 2(x + 4y) + 4(x + y))
= (3y, 10x 13y).
Logo (F G)(x, y) = (3y, 10x 13y)

203
Determine (G F )(x, y, z).

Como F (x, y, z) = (2x + y z, 3x 2y + 4z) e G(x, y) = (x 3y, x + 4y, x + y), a
transformao linear G F : R3 R3 a funo tal que
(G F )(x, y, z) = G(F (x, y, z))

= G(2x + y z, 3x 2y + 4z)
= ((2x + y z) 3(3x 2y + 4z), (2x + y z) + 4(3x 2y + 4z), (2x + y z) + (3x 2y + 4z))
= (7x + 7y 13z, 10x 9y + 17z, 5x y + 3z).
Teorema 18.12 Sejam U, V e W espaos vetoriais de dimenso finita, uma base de U , uma base
de V , de W . Sejam F : U V e G : V W transformaes lineares. Consideremos as matrizes
associadas a elas
[F ] , [G] .
Ento a matriz da transformao linear [G F ] satisfaz a seguinte relao:
[G F ] = [G] [F ] .
Vimos que (F G)(x, y) = (3y, 10x 13y).

" #
0 3
[F G] =
10 13
Sabemos que F (x, y, z) = (2x + y z, 3x 2y + 4z) e G(x, y) = (x 3y, x + 4y, x + y).

Ento
" # 1 3
2 1 1
[F ] = e [G] = 1 4

3 2 4
1 1
204
" #
0 3
[F G] =
10 13

" # 1 3
2 1 1
= 1 4 = [F ] [G]

3 2 4
1 1
Vimos que (G F )(x, y, z) = (7x + 7y 13z, 10x 9y + 17z, 5x y + 3z).
Ento

7 7 13
[G F ] = 10 9 17

5 1 3
Como F (x, y, z) = (2x + y z, 3x 2y + 4z) e G(x, y) = (x 3y, x + 4y, x + y). Ento

" # 1 3
2 1 1
[F ] = e [G] = 1 4

3 2 4
1 1

7 7 13
[G F ] = 10 9 17

5 1 3

1 3 " #
2 1 1
= 1 4

3 2 4
1 1
= [G] [F ]
Teorema 18.13 Seja T : U V uma transformao linear bijetora. Ento a funo inversa
T 1 : V U
linear.
205
D EMONSTRAO : Sejam ~v1 , ~v2 V . Temos que mostrar que
T 1 (~v1 + ~v2 ) = T 1 (~v1 ) + T 1 (~v2 ).
De fato, existem ~u1 , ~u2 U tais que
T (~u1 ) = ~v1 e T (~u2 ) = ~v2 .
Como T linear,
T (~u1 + ~u2 ) = T (~u1 ) + T (~u2 ) = ~v1 + ~v2 .
Logo
T 1 (~v1 + ~v2 ) = ~u1 + ~u2 = T 1 (~v1 ) + T 1 (~v2 ),
provando assim que T 1 linear.
Pergunta 8 Qual ser a relao entre as matrizes de T e T 1 ?
Teorema 18.14 Sejam uma base de U e uma base de V e T : U V linear bijetora. Ento a
matriz
[T ] invertvel.
Alm disso,
1
[T ] = [T 1 ] .
D EMONSTRAO : Sejam uma base de U e uma base de V e T : U V linear bijetora.

Faz sentido considerarmos as matrizes de T e T 1 :
[T ] e [T ] .
Como T 1 T = IU : U U e T T 1 = I : V V , pelo teorema acima temos que
[IU ] = [T 1 T ] = [T 1 ] [T ] ; e
[IV ] = [T T 1 ] = [T ] [T 1 ] .
Como[IU ] e [IV ] so as matrizes identidade de suas ordens, temos que
[T 1 ] e [T ]
so matrizes invertveis. Alm disso,

1
[T ] = [T 1 ] .
Exemplos: (a) Seja T : R3 R3 definida por
T (x, y, z) = (3x + y, 2x 4y + 3z, 5x + 4y 2z).
206
Verifique se T bijetora. Seja (x, y, z) ker(T ). Temos que
T (x, y, z) = (0, 0, 0) (3x + y, 2x 4y + 3z, 5x + 4y 2z) = (0, 0, 0)

3x + y = 0
Basta resolver o sistema linear: 2x 4y + 3z = 0

5x + 4y 2z = 0

3 1 0 0 1 5 3 0
L1 L1 L2
2 4 3 0 2 4 3 0 L2 L2 2L1

5 4 2 0 5 4 2 0 L3 L3 5L1

1 5 3 0 1 5 3 0 L1 L1 5L2
1 9
0 14 9 0 L2 14 L2 0 1 14 0

0 21 13 0 0 21 13 0 L3 L3 + 21L2
3
3
3
1 0 14 0 1 0 14 0 L1 L1 14 L3
9 9 9
0 1 14 0 0 1 14 0 L2 L2 + 14 L3

0 0 12 0 L3 2L3 0 0 1 0
Obtemos
1 0 0 0 x
= 0
0 1 0 0 y = 0

0 0 1 0 z = 0

Logo ker(T ) = {(0, 0, 0)}, e T injetora. Mostremos que T sobrejetora. Sabemos que
Im(T ) = [T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)] = [(3, 2, 5), (1, 4, 4), (0, 3, 2)].

3 2 5 L1 L2 1 4 4
1 4 4 3 2 5 L2 L2 3L1

0 3 2 0 3 2

1 4 4 1 4 4 L1 L1 + 4L2
0 14 7 L2 L2 + 5L3 0 1 3

0 3 2 0 3 2 L3 L3 3L2

1 0 8 1 0 8 L1 L1 + 8L3 1 0 0
0 1 1 0 1 1 L2 L2 + L3 0 1 0 .

0 0 7 L3 71 L3 0 0 1 0 0 1
Como Im(T ) = [(3, 2, 5), (1, 4, 4), (0, 3, 2)] = [(1, 0, 0), (0, 1, 1), (0, 0, 1)] = R3 , T so-
brejetora.
Vejamos agora que a matriz de T com relao s bases cannicas de R3 invertvel.
Denotemos por = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Como
T (1, 0, 0) = (3, 2, 5), T (0, 1, 0) = (1, 4, 4) e T (0, 0, 1) = (0, 3, 2) temos que
207

3 1 0
[T ] = 2 4 3 .

5 4 2
Vamos deteminar a matriz inversa de [T ] .

3 1 0 1 0 0 1 5 3 1 1 0
L1 L1 L2
2 4 3 0 1 0 2 4 3 0 1 0 L2 L2 2L1

5 4 2 0 0 1 5 4 2 0 0 1 L3 L3 5L1

1 5 3 1 1 0 1 5 3 1 1 0 L1 L1 5L2
1 9 1 3
0 14 9 2 3 0 L2 14 L2 0 1 14 14 0

7
0 21 13 5 5 1 0 21 13 5 5 1 L3 L3 + 21L2
3 2 1
3 2 1
3
1 0 14 7 14
0 1 0 14 7 14
0 L1 L1 14 L3
9 1 3 9 1 3 9
0 1 14 14 0 0 1 14 14 0 L2 L2 + 14 L3

7 7
0 0 12 2 1
2
1 L3 2L3 0 0 1 4 1 2
Obtemos
1 0 0 47 2
7
3
7

0 1 0 19 6 9 .
7 7 7

0 0 1 4 1 2
4 2 3

7 7 7

1
1
19 6 9
Logo a matriz de [T ] = 7 7 7 A partir da matriz [T ] podemos deter-

4 1 2
1
minar T (x, y, z) para todo (x, y, z) R3 , utilizando a propriedade
[T 1 (x, y, z)] = [T 1 ] [(x, y, z)] .
Temos que
4x + 2y + 3z

47 2
7
3
7
x 7

1
19x 6y 9z
19 6 9
[T (x, y, z)] = 7
7 7 y =
,
7

4 1 2 z 4x y 2z
ou seja,
1 4x + 2y + 3z 19x 6y 9z
T (x, y, z) = , , 4x y 2z .
7 7
208

1. Determine (G F )(x, y) nos casos abaixo:
(a) F (x, y) = (2x, 3y) e G(x, y) = (x y, x + y)

(b) F (x, y) = (x 3y, 0) e G(x, y) = (4x 5y, 3x 6y).
(c) F (x, y) = (2x, 3y, x + y) e G(x, y, z) = (x y, y + z).
(d) F (x, y) = (x y, y, x) e G(x, y) = (0, x + y + z).
2. Sejam F : M2 (R) R e G : M2 (R) M2 (R) definidas por
F (A) = tr(A) (o trao de A) e G(A) = At (a transposta de A).

" #
a b
(a) Determine (F G)(A), onde A =
c d
(b) possvel determinar (G F )(A)? Justifique.
3. Seja T : R2 R2 a tranformao linear definida por

" #
x
TA (x, y) = A .
y
Determine se TA possui inversa e neste caso d T 1 (x, y).

" # " #
5 2 6 3
(a) A = (b) A =
2 1 4 2

x
TA (x, y, z) = A y .

Determine se TA possui inversa e neste caso d T 1 (x, y, z).

1 5 2 1 1 1
(a) A = 1 2 1 (b) A = 0 2 1

1 1 0 2 3 0
T (x, y, z) = (3x + y, 2x 4y + 3z, 5x + 4y 2z).
(a) Verifique se T injetora.
209
(b) Verifique se T sobrejetora.

(c) Determine [T ] , onde a base cannica de R3 .
(d) Determine [T 1 ] .
(e) Determine T 1 (x, y, z), para todo vetor (x, y, z) R3 .
6. Sejam F : R2 R2 e G : R2 R2 tranformaes lineares definidas por
F (x, y) = (x + y, x y) e G(x, y) = (2x + y, x 2y).
(a) Mostre que F e G so bijetoras.

(b) Determine [F ] e [G] , onde a base cannica de R2 .
(c) Determine as frmulas F 1 (x, y), G1 (x, y) e (F 1 G1 (x, y).
210

Notas Do Curso de Algebra Linear I

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Notas Do Curso de Algebra Linear I

Caricato da

Copyright:

Formati disponibili

Universidade Federal Rural do Rio de Janeiro

0.1 CONTEDO PROGRAMTICO

1. Matrizes: Definio, Classificao, Operaes com matrizes;

3. Sistemas de Equaes Lineares;

4. Matrizes Invertveis. Determinao da Matriz Inversa por Escalonamento.

Unidade II - Espaos Vetoriais

1. Espaos Vetoriais: Definio e Exemplos;

2. Subespaos Vetoriais: Definio, Propriedades, Exemplos, Operaes de Subespaos;

3. Combinaes Lineares, Espaos Gerados por um Conjunto de Vetores;

5. Bases e Dimenso de um Espao Vetorial;

6. Coordenadas de um vetor em relao a uma base.

Unidade III - Transformaes Lineares

1. Transformaes Lineares: Definio, Propriedades e Exemplos;

2. Teorema do Ncleo e da Imagem;

3. A lgebra das transformaes Lineares;;

4. Transformaes Injetoras e Sobrejetoras. Isomorfismos de Espaos Vetoriais ;

5. Matriz de uma Transformao Linear.

Boldrini, J.L., lgebra Linear. So Paulo: Editora Harbra, 1980.

Em uma tabela convencionamos chamar de linhas as filas horizontais, as quais so con-

Janeiro Fevereiro Maro

Algebricamente, uma matriz A de ordem m n pode ser representada por:

Ou ainda, pode ser representada abreviadamente por: A = (aij )mn , onde i = 1, , m e

O elemento aij da matriz encontra-se na linha i e na coluna j.

Se a matriz 3 2, ento i varia de 1 a 3 e j varia de 1 a 2. Ento os elementos de A so:

O conjunto de todas as matrizes de ordem m n, cujos elementos so nmeros reais,

O conjunto de todas as matrizes de ordem n, cujos elementos so nmeros reais, deno-

1.1 Igualdade de Matrizes

aij = bij para todos i = 1, , m , j = 1, , n.

1.2 Operaes com Matrizes

Lojas Brasileiras 2014

Lojas Brasileiras 2015

Janeiro Fevereiro Maro

Raciocinando como acima, podemos definir a adio de matrizes:

" # " # " #

1.2.2 Propriedades da Adio

D EMONSTRAO : Sejam A = (aij ), B = (bij ) e C = (cij ), com 1 i m e 1 j n. O

aij + (bij + cij ) = (aij + bij ) + cij ,

pois a adio de nmeros reais associativa.

E " # " # " #

Propriedade 2 (Comutativa) Sejam A, B Mmn (R). Ento

D EMONSTRAO : Sejam A = (aij ) e B = (bij ), com 1 i m e 1 j n. O elemento

pois a adio de nmeros reais comutativa.

E " # " # " #

A + O = O + A = A, para toda matriz A Mmn (R).

Esta matriz tem termo geral oij = 0, para todos i = 1, , m, j = 1, n.

D EMONSTRAO : Sejam A = (aij ) e O = (oij ), com oij = 0 para todos 1 i m e

aij + oij = aij + 0 = aij

pois 0 o elemento neutro da adio de nmeros reais. Logo A + O = A. Analogamente

A + (A) = (A) + A = O matriz nula.

Claramente A = (aij ), para todos i = 1, , m, j = 1, n.

D EMONSTRAO : Sejam A = (aij ) e A = (aij ), com 1 i m e 1 j n. O

pois aij o elemento oposto de aij . Logo A + (A) = O. Analogamente demonstra-se

1.2.3 Multiplicao por Escalar

Janeiro Fevereiro Maro

A matriz que representa o nmero de vendas :

Observao 1.5 Se A = (aij ) tem ordem m n e R, ento A tem a mesma ordem.

Janeiro Fevereiro Maro

Janeiro Fevereiro Maro

1.2.4 Propriedades da Multiplicao por Escalar

Propriedade 6 (Distributiva Direita) Sejam A Mmn (R) e , R. Ento

Propriedade 7 (Distributiva Esquerda) Sejam A, B Mmn (R) e R. Ento

Propriedade 8 (Elemento Neutro) Para toda matriz A, 1 A = A.

1.2.5 Multiplicao de Matrizes

Pergunta 3 Se em uma refeio ingerirmos 3 pores do Alimento I, 2 do Alimento II e 5 do