UNIVERSIDADE DE S

AO PAULO
INSTITUTO DE CI

ENCIAS MATEM

ATICAS E DE COMPUTAC

AO
DEPARTAMENTO DE MATEM

ATICA

Algebra Linear e Equac

oes Diferenciais Ordin

arias
Luiz Augusto da Costa Ladeira
S

AO CARLOS - SP
2003
2
Sumario
1 Nocoes Preliminares 5
1.1 N umeros Complexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 O espaco euclidiano ndimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6 Matrizes Particionadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.7 Matrizes e Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.8 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2 Introducao `as Equacoes Diferenciais 31
2.1 Movimento em uma dimensao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Desintegracao Radioativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3 Crescimento Populacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4 Diluicao de Misturas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5 Cinetica Qumica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6 Deexao de Vigas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.7 Flambagem de Colunas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.8 Algumas Equacoes Diferenciais Parciais . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.9 Sistema Massa-Mola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.10 Circuitos Eletricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.11 Um Modelo Predador-Presa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Equacoes Diferenciais de Primeira Ordem 39
3.1 Denicoes basicas e exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 Equacoes separaveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 A equacao linear de primeira ordem . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4 Equacao de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.5 Equacoes Diferenciais Exatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.6 Fatores Integrantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.7 Algumas aplicacoes das equacoes de 1
a

ordem . . . . . . . . . . . . . . . . . . . . . . 51
3.8 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4 Equacoes Diferenciais Lineares de Segunda Ordem 55
4.1 A equacao homogenea com coecientes constantes . . . . . . . . . . . . . . . . . . . 55
4.2 Equacao nao homogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.3 O metodo de variacao dos parametros . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3
4 SUM

ARIO
4.4 O metodo dos coecientes indeterminados . . . . . . . . . . . . . . . . . . . . . . . . 65
4.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.6 Movimento Harmonico Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5 Espacos Vetoriais e Subespacos 73
5.1 Denicao e Exemplos de Espacos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2 Subespacos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.3 Combinacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.4 Dependencia Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.5 Bases e Dimensao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.6 Bases para subespacos de R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.7 Somas e Somas Diretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.8 Coordenadas e mudanca de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.9 Exerccios do Captulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6 Transformacoes Lineares 97
6.1 Transformacoes ou Aplicacoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2 Transformacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.3 N ucleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.4 Matriz de uma transformacao linear . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.5 Autovalores e autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.6 Aplicacao: calculo de potencias de matriz . . . . . . . . . . . . . . . . . . . . . . . . 116
7 Equacoes Diferenciais Lineares 117
7.1 Fatos Gerais sobre Equacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.2 Metodo de Reducao da ordem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7.3 Equacoes Diferenciais Lineares de Ordem Superior . . . . . . . . . . . . . . . . . . . 120
7.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
8 Sistemas de Equacoes Diferenciais 127
8.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
8.2 Fatos Gerais sobre Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.3 O sistema homogeneo com coecientes constantes . . . . . . . . . . . . . . . . . . . . 133
8.4 O sistema nao homogeneo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
8.5 O metodo dos coecientes indeterminados . . . . . . . . . . . . . . . . . . . . . . . . 138
8.6 A formula de variacao das constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
8.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
Captulo 1
Nocoes Preliminares
Neste captulo reunimos alguns fatos basicos sobre n umeros complexos, vetores, matrizes e sistemas
de equacoes lineares que serao usados nos captulos seguintes.
1.1 N umeros Complexos
Assumiremos conhecido o conjunto R dos n umeros reais, bem como suas propriedades algebricas
elementares, ou seja, as operacoes de adicao e multiplicacao sao associativas, comutativas, tem
elemento neutro, cada n umero tem seu oposto (aditivo) e cada n umero nao nulo tem seu inverso
multiplicativo. Denotaremos por C o conjunto dos n umeros complexos, isto e, o conjunto de todos
os n umeros da forma z = x +i y, em que x, y R e i
2
= 1:
C = x +i y : x, y R, em que i
2
= 1.
Se z = x+i y, com x, y R, o n umero x chama-se parte real de z e y chama-se parte imaginaria
de z. As operacoes algebricas em C sao denidas da seguinte maneira: dados z
1
= a + i b, z
2
=
c +i d C, pomos
z
1
+z
2
= (a +i b) + (c +i d) = (a +c) +i (b +d),
z
1
z
2
= (a +i b) (c +i d) = (ac bd) +i (ad +bc).
As operacoes de adicao e multiplicacao em C tem as mesmas propriedades que as operacoes de R,
ou seja, quaisquer que sejam z, w, s C:
1. (propriedade associativa) z + (w +s) = (z +w) +s e z (ws) = (z w) s
2. (propriedade comutativa) z +w = w +z e zw = wz
3. (existencia de elemento neutro) z + 0 = z e z.1 = z, z C
4. (existencia de elemento oposto e elemento inverso) isto e, para cada z = a + i b C, existe
um elemento w C (a saber, w = a i b) tal que z +w = 0, para cada z C, z ,= 0, existe
um elemento, denotado por z
1
, em C tal que z z
1
= 1
5. (propriedade distributiva) z(w +s) = zw +zs
5
6 CAP

ITULO 1. NOC

OES PRELIMINARES
Do mesmo modo que identicamos n umeros reais com os pontos de uma reta, a correspondencia
x +y i (x, y) identica cada n umero complexo com um vetor (ou com um ponto, se for con-
veniente) do plano. As guras 1.1 e 1.2 abaixo ilustram essa interpretacao geometrica. Essa
correspondencia tem a interessante propriedade de relacionar soma de n umeros complexos com
soma de vetores.
Para cada n umero complexo z = x + y i, denimos o seu conjugado por z = x y i, e o seu
modulo ou valor absoluto por [z[ =
_
x
2
+y
2
.

E claro que [z[
2
= z z.
O inverso multiplicativo do n umero z = x +i y e dado por
z
1
=
z
z z
=
x i y
x
2
+y
2
=
x
x
2
+y
2
i
y
x
2
+y
2
.
A divisao de dois n umeros z = a +i b, w = c +i d e z/w = z w
1
. Portanto
z
w
=
z w
[w[
2
=
(a +i b)(c i d)
c
2
+d
2
Seja z = x +i y C. Usando coordenadas polares, x = r cos , y = r sen obtemos a chamada
forma trigonometrica (ou forma polar) de z:
z = r (cos +i sen).
Nessa expressao, r =
_
x
2
+y
2
e o modulo de z. Vamos escrever a expressao cos + i sen na
forma abreviada cis (). Assim,
z = x +i y = r (cos +i sen) = r cis()
Por exemplo, cis (/2) = cos(/2)+i sen(/2) = i, cis (/3) = cos(/3)+i sen(/3) = (1+i

3)/2.
Exemplo 1.1. Seja z = 2 i. Calcular [z[, z, z
1
e representar geometricamente esses n umeros.
Como z = 2 + (1) i, pelas denicoes de z, [z[ e z
1
, temos
z = 2 (1) i = 2 +i
[z[ =

2
2
+ 1
2
=

5
z
1
=
z
[z[
2
=
2
5
+
1
5
i .
Esses n umeros estao representados na gura 1.1 abaixo.

z
1
= (2 +i)/5

z = 2 +i
z = 2 i

y
x
Figura 1.1

z = r (cos +i sen)
r
x
y

y
Figura 1.2
x
1.1. N

UMEROS COMPLEXOS 7
Exemplo 1.2. Sendo z = 6 + 2 i e w = 4 + 3 i, calcule z/w.
z
w
=
6 + 2 i
4 + 3 i
=
(6 + 2 i)(4 3 i)

16 + 9
=
30 10 i
5
= 6 2 i.
A forma trigonometrica simplica a multiplicacao e a divisao de n umeros complexos: de fato,
se z
1
= r
1
cis
1
e z
2
= r
2
cis
2
, entao
z
1
z
2
= r
1
r
2
cis (
1
+
2
) (1.1)
z
1
z
2
=
r
1
r
2
cis (
1

2
) (1.2)
De fato,
z
1
z
2
= r
1
r
2
(cos
1
+i sen
1
)(cos
2
+i sen
2
)
= r
1
r
2
[(cos
1
cos
2
sen
1
sen
2
) +i (sen
1
cos
2
+ sen
2
cos
1
)]
= r
1
r
2
[cos(
1
+
2
) +i sen(
1
+
2
)] = r
1
r
2
cis (
1
+
2
)
A vericacao da formula para o quociente e analoga e ca como exerccio.
Exemplo 1.3. Sendo z = 6 cis (/3) e w = 3 cis (/6), encontre z w e z/w.
Pela formula (1.1), temos
z w = 6 . 3 cis (/3 +/6) = 18 cis (/2) = 18 i
z
w
=
6
3
cis (/3 /6) = 2 cis (/6) =

3 + 1
A formula (1.1) torna-se muito util para o calculo de potencias de n umeros complexos; de fato, se
z = r cis (), entao, por (1.1) temos
z
2
= [r cis ()][r cis ()] = r
2
cis (2 )
z
3
= z
2
z = [r
2
cis (2 )][r cis ()] = r
3
cis (3 )
Usando inducao, temos, mais geralmente, a chamada formula de De Moivre
z
n
= r
n
[cos(n) +i sen(n)] = r
n
cis (n). (1.3)
Exemplo 1.4. Calcular (1 +i)
12
e (1 +i

3)
20
.
Notemos que 1 + i =

2 cis (/4) e que (1 + i

3) = 2 cis (/3). Pela formula de DeMoivre,

temos
(1 +i)
12
= (

2)
12
cis (12/4) = 2
6
cis (3) = 2
6
= 64
(1 +i

3)
20
= 2
20
cis (20/3) = 2
20
cis (2/3) = 2
20
(
1
2
+i

3
2
) = 2
19
(1 +i

3)
8 CAP

ITULO 1. NOC

OES PRELIMINARES
Observacao 1.1. A formula de Euler
e
i
= cos +i sen. (1.4)
Da formula (1.1) temos
cis (
1
+
2
) = cis
1
cis
2
o que mostra que a funcao f(t) = cis (t) tem a propriedade exponencial a
s+t
= a
s
a
t
. Alem
disso, e claro que f(0) = 1. Portanto e razoavel pensar em escrever f(t) = e
t
, para algum C.
Notemos, no entanto, que a funcao exponencial estudada nos textos de Calculo considera apenas
expoentes reais. Vamos denir a exponencial e
t
, com C, levando em conta essa propriedade.
Uma outra propriedade importante da exponencial real que queremos que continue valida para a
exponencial complexa e
d
dt
e
t
= e
t
(1.5)
Como a funcao complexa f(t) = cos t +i sen t e identicada com a funcao vetorial (cos t, sen t), e
natural denir a derivada de f(t) = cos t+i sen t como sendo f

(t) = (cos t)

+i (sen t)

. Portanto,
f

(t) = sen t +i cos t = i (cos t +i sen t) = i f(t). (1.6)

Comparando (1.5) e (1.6) vemos que a escolha apropriada para e i, o que fornece a formula de
Euler (1.4).
Usando a Formula de Euler, escrevemos a forma polar de um n umero complexo como
z = r e
i
.
Como e
i
e uma funcao periodica de perodo 2 (pois cos e sen o sao), uma igualdade do tipo
r
1
e
i
1
= r
2
e
i
2
, com r
1
> 0 e r
2
> 0,
implica r
1
= r
2
e
2
=
1
+ 2 n, para algum n Z.
Uma raiz nesima de um n umero complexo z e um n umero w tal que w
n
= z. A formula de
Euler e especialmente util para calcular razes n esimas de n umeros complexos. Se z = r
0
e
i
,
procuramos w = r e
i
tal que w
n
= z, ou seja, r
n
e
i n
= r
0
e
i
. Dessa igualdade, temos r
n
= r
0
e
n = +2k , k Z, ou seja r =
n

r
0
e = ( +2k )/n , k Z. Como cis ( +2 ) = cis (),
essa relacao fornece exatamente n razes distintas, que sao dadas por
r =
n

r
0
=
+ 2k
n
, k = 0, 1, . . . , (n 1).
Exemplo 1.5. Encontrar todas as solucoes da equacao
3
+ 64 = 0.

E conveniente usar a forma polar de n umeros complexos: procuramos n umeros reais r, tais
que o n umero complexo = r cos + i r sen = e
i
satisfaz
3
+ 64 = 0. De = r e
i
temos

3
= r
3
e
i 3
; lembrando que 64 = 64 e
i
, reescrevemos a equacao acima como r
3
e
i 3
= 64 e
i
.
Portanto, r =
3

64 = 4 e 3 = + 2 n, n Z, donde =
n
= (2n + 1) /3, n Z. Para
n = 0, temos
0
= /3, portanto
0
= 4 e
i /3
= 4 [cos (/3) + i sen (/3)] = 2(1 + i

3); para
n = 1, temos
1
= , portanto
1
= 4 e
i
= 4; para n = 2, temos
2
= 5 /3, portanto
1.1. N

UMEROS COMPLEXOS 9

2
= 4 e
i 5 /3
= 4 [cos (5/3) +i sen (5/3)] = 2(1 i

3); A partir de n = 3 os valores se repetem:

para n = 3, obtemos
3
= 7 /3 = 2 + /3, portanto
3
=
0
; analogamente,
4
=
1
,
5
=

2
, e assim por diante. Logo as solucoes da equacao
3
+ 64 = 0 sao
0
= 2(1 + i

3),
1
=
2
3
= 2(1 i

3). As solucoes
0
,
1
e
2
tem uma representacao geometrica interessante no
plano complexo: elas sao vertices de um triangulo equilatero, como mostra a gura 1.3 abaixo.

(1 + i)

2
(1 i)

2
(1 + i)

2
(1 i)

2
Figura 1.3 Figura 1.4

2(1 + i

3)
2(1 i

3)
2
Exemplo 1.6. Encontrar todas as solucoes da equacao
4
+ 16 = 0.
Escrevendo = r e
i
e 16 = 16 e
i
, a equacao acima ca r
4
e
4 i
= 16 e
i
. Portanto,
r =
4

16 = 2 e 4 = + 2 n, n Z, donde =
n
= (2n + 1) /4, n Z. Para n = 0,
temos
0
= /4, portanto
0
= 2 e
i/4
= 2 [cos (/4) + i sen (/4)] = (1 + i)

2; para n = 1,
temos
1
= 3 /4, portanto
1
= 2 e
3 i/4
= (1 + i)

2; para n = 2, temos
2
= 5 /4, portanto

2
= (1 i)

2; para n = 3, temos
2
= 7 /4, portanto
2
= (1 i)

2. Como no exemplo
anterior, a partir de n = 4 os valores se repetem. A representacao geometrica das solucoes no plano
complexo e mostrada na gura 1.4 acima.
Observacao 1.2. Em algumas situacoes, vamos trabalhar indistintamente com o conjunto dos
n umeros reais ou o dos n umeros complexos. Nesses casos, usaremos o smbolo K para denotar R
ou C.
Exerccio 1.1. Efetue as operacoes:
(i) (2 6 i)(5 4 i) (ii) (3 5 i) 8 (iii) (2 5 i)(2 + 5 i) (iv) (x +i y)(x y i)
(v)
4
3

9
(vi)
3 +

2
i
(vii) (3 2 i)
3
+ (3 i) + 7
Exerccio 1.2. Simplique as expressoes: i
5
, i
6
, i
7
, i
8
, i
9
, i
10
, i
98
, i
105
, i
4 k
, i
4 k+1
, i
4 k+2
, i
4 k+3
Exerccio 1.3. Escreva cada n umero abaixo na forma a +b i:
(i) [2 cis (15

)]
4
(ii) [3 cis (5

)]
12
(iii) [2 cis (/6)]
3
(iv) (1 +i)
100
(v) (

3 1)
5
(vi)

3 cis (15

)
8
(vii)
2 3 i
5 + 4 i
(viii)
_

2
2
i

2
2
_
(ix) i
27
1/i
18
(x)
i
26
+i
64
i
13
+i
16
(xi)
(1 i)
26
(1 +i)
64
10 CAP

ITULO 1. NOC

OES PRELIMINARES
Exerccio 1.4. Calcule as razes indicadas:
(i) (25)
1/2
(ii) (64)
1/4
(iii) (64)
1/4
(iv) (1 +i

3)
1/3
(v) (

3 i)
1/3
Exerccio 1.5. Mostre que, para todo n umero complexo z, temos z + z = 2 Re(z) e que z z =
2 i Im(z).
Exerccio 1.6. Encontre as solucoes da equacao z
2
(4 i) z 8 i = 0.
Exerccio 1.7. Sejam z
0
C e r > 0 xados. Descreva geometricamente o conjunto dos pontos z
do plano que satisfazem [z z
0
[ = r.
Exerccio 1.8. Sejam z
1
, z
2
C xados, com z
1
,= z
2
. Descreva geometricamente o conjunto dos
pontos z do plano que satisfazem [z z
1
[ = [z z
2
[.
1.2 O espaco euclidiano ndimensional
As nocoes de par ordenado (x, y) e terna ordenada (x, y, z) de n umeros reais tem uma extensao
natural ao conceito de n-upla (x
1
, . . . , x
n
), que e uma sucessao ordenada de n n umeros reais. De-
notaremos as nuplas por letras em negrito. Se x = (x
1
, . . . , x
n
), cada um dos n umeros x
1
, . . . , x
n
e chamado uma componente (ou coordenada) de x. Duas nuplas (x
1
, . . . , x
n
) e (y
1
, . . . , y
n
)
sao ditas iguais, ((x
1
, . . . , x
n
) = (y
1
, . . . , y
n
)) se, e somente se, x
1
= y
1
, . . . , x
n
= y
n
. O conjunto
de todas nuplas de n umeros reais e denotado por R
n
, isto e,
R
n
= (x
1
, . . . , x
n
) : x
k
R, k = 1 , . . . , n.
Os elementos e
1
, e
2
, . . . , e
n
R
n
, dados por
e
1
= (1, 0, 0, . . . , 0)
e
2
= (0, 1, 0, . . . , 0)
.
.
.
e
n
= (0, 0, . . . , 0, 1)
desempenham um papel importante em R
n
. Por razoes que brevemente carao claras, o conjunto
e
1
, e
2
, . . . , e
n
chama-se base canonica de R
n
.
Recordemos da Geometria Analtica que existe
uma identicacao do conjunto V
3
, constituido
pelos vetores denidos pelos segmentos orienta-
dos (que chamaremos vetores geometricos) e R
3
.
A cada v = ai + bj + ck, associamos a terna
ordenada (a, b, c):
v = ai +bj +ck V
3
(a, b, c) R
3
. (1.7)
Ao vetor i corresponde a terna e
1
= (1, 0, 0), ao
vetor j corresponde a terna e
2
= (0, 1, 0), e a k
corresponde e
3
= (0, 0, 1).

>
>
>
>
>
>
>
>
v
z
x
z k
`
y j

x i

-
y
Figura 1.5
1.2. O ESPAC O EUCLIDIANO NDIMENSIONAL 11
Por causa dessa identicacao com os vetores, as ternas ordenadas tambem sao chamadas de
vetores; por extensao, as nuplas tambem sao chamadas de vetores; neste contexto, os n umeros
reais serao chamados escalares. A correspondencia (1.7) e importante na Geometria Analtica,
pois permite caracterizar elementos geometricos, tais como reta, plano, etc, em termos de equacoes
algebricas. Lembremos tambem que, se R, temos v = ai +bj +ck, ou seja, ao vetor v
associamos a terna (a, b, c). Da mesma maneira, se (a
1
, b
1
, c
1
) e (a
2
, b
2
, c
2
) forem as ternas
associadas aos vetores w
1
e w
2
, respectivamente (ou seja, w
1
= a
1
i+b
1
j+c
1
k e w
2
= a
2
i+b
2
j+c
2
k),
entao temos w
1
+w
2
= (a
1
+a
2
)i +(b
1
+b
2
)j +(c
1
+c
2
)k; assim, ao vetor w
1
+w
2
ca associado
a terna (a
1
+a
2
, b
1
+b
2
, c
1
+c
2
).
Essas observacoes mostram a utilidade de se denir adicao de ternas e multiplicacao de ternas
por n umeros reais: dadas as ternas (a
1
, b
1
, c
1
), (a
2
, b
2
, c
2
) e (a, b, c) e o n umero real , denimos:
(a
1
, b
1
, c
1
) + (a
2
, b
2
, c
2
) = (a
1
+a
2
, b
1
+b
2
, c
1
+c
2
)
(a, b, c) = (a, b, c)
Pode-se mostrar facilmente que, quaisquer que sejam u, v, w R
3
e , R, temos:
A1) (u +v) +w = u + (v +w)
A2) u +v = v +u
A3) qualquer que seja a terna u, temos u +0 = u, onde 0 designa a terna (0, 0, 0)
A4) para qualquer terna u = (a, b, c), a terna v = (a, b, c) satisfaz u +v = 0
M1) ( u) = () u
M2) ( +) u = u + u
M3) (u +v) = u +v
M4) 1 u = u.
As operacoes acima estendem de modo natural ao R
n
. Dados u = (a
1
, . . . , a
n
) e v = (b
1
, . . . , b
n
)
em R
n
e R, denimos a adicao e a multiplicacao por escalar por
u +v = (a
1
, . . . , a
n
) + (b
1
, . . . , b
n
) = (a
1
+b
1
, . . . , a
n
+b) (1.8)
u = (a
1
, . . . , a
n
) = (a
1
, . . . , a
n
) (1.9)
Como no caso das ternas ordenadas, pode-se vericar que emR
n
estao satisfeitas as propriedades
A1) a A4) e M1) a M4). Por estarem satisfeitas essas propriedades, diremos que R
n
e um espaco
vetorial.
A igualdade (1.8) dene a soma de dois vetores. Quando temos de somar 3 vetores u, v e w,
podemos considerar as combinacoes u+(v+w) e (u+v)+w. A propriedade associativa arma que
esses vetores sao iguais. Por causa dessa propriedade, vamos omitir os parenteses. Mais geralmente,
dados n vetores u
1
, u
2
. . . , u
n
e n n umeros reais
1
,
2
. . . ,
n
, podemos denir o vetor

1
u
1
+
2
u
2
+ +
n
u
n
,
que chamaremos combina cao linear de u
1
, u
2
. . . , u
n
. Por exemplo, o vetor (3, 1, 0) e combinacao
linear de (6, 3, 1), (3, 2, 1) e (0, 2, 2) pois
1 (6, 3, 1) + (1) (3, 2, 1) + 0 (0, 2, 2) = (3, 1, 0).
Ja o vetor (6, 1, 0) nao e combinacao linear de (6, 3, 1), (3, 2, 1) e (0, 2, 2); de fato, para que (6, 1, 0)
seja combinacao linear de (6, 3, 1), (3, 2, 1) e (0, 2, 2) precisam existir n umeros x, y, z tais que
x(6, 3, 1) +y (3, 2, 1) +z (0, 2, 2) = (6, 1, 0) ,
12 CAP

ITULO 1. NOC

OES PRELIMINARES
ou seja (6 x +3 y, 3 x +2 y +2 z, x +y +2 z) = (6, 1, 0). Dessa igualdade vemos que x, y, z precisam
satisfazer o sistema de equacoes
_
_
_
6 x + 3 y = 6 (1)
3 x + 2 y + 2 z = 1 (2)
x + y + 2 z = 0 (3)
Subtraindo a equacao (3) de (2), obtemos 2 x + y = 1. Dividindo a equacao (1) por 3, temos
2 x +y = 2. As equacoes
_
2 x +y = 1 (4)
2 x +y = 2 (5)
mostram que nao existem tais n umeros x, y, z. Logo, o vetor (6, 1, 0) nao e combinacao linear de
(6, 3, 1), (3, 2, 1) e (0, 2, 2).
Dada uma sucessao de vetores v
1
, v
2
, . . . , v
n
, se um desses vetores for combinacao linear dos
outros, diremos que os vetores v
1
, v
2
, . . . , v
n
sao linearmente dependentes. Caso contrario,
diremos que eles sao linearmente independentes.
Vamos reescrever o conceito de dependencia linear em outros termos. Se v
1
e combinacao linear
de v
2
, . . . v
n
, isto e, v
1
= k
2
v
2
+. . . , +k
n
v
n
, temos (1) v
1
+k
2
v
2
+. . . , +k
n
v
n
= 0. Do mesmo
modo, se v
2
e combinacao linear de v
1
, v
3
, . . . v
n
, temos k
1
v
1
+(1)v
2
+k
3
v
3
+. . . , +k
n
v
n
= 0, e
assim por diante. Em todos os casos, escrevemos k
1
v
1
+k
2
v
2
+k
3
v
3
+. . . , +k
n
v
n
= 0 em que pelo
menos um dos n umeros k
1
, k
2
, . . . , k
n
e diferente de zero. Podemos entao refrasear nossa denicao
de dependencia linear do seguinte modo: os vetores v
1
, v
2
, . . . , v
n
sao linearmente dependentes
se, e somente se, e possvel encontrar escalares nao todos nulos k
1
, k
2
, . . . , k
n
tais que
k
1
v
1
+k
2
v
2
+k
3
v
3
+. . . , +k
n
v
n
= 0.
Nesta nova formulacao, os vetores v
1
, v
2
, . . . , v
n
sao linearmente independentes se, e somente
se, uma igualdade do tipo k
1
v
1
+ k
2
v
2
+ k
3
v
3
+ . . . , +k
n
v
n
= 0 so e possvel se k
1
= 0, k
2
=
0, . . . , k
n
= 0.
Exemplo 1.7. Os vetores e
1
, e
2
, . . . , e
n
sao linearmente independentes. De fato, se x
1
, x
2
, . . . , x
n
sao n umeros reais tais que x
1
e
1
+x
2
e
2
+ +x
n
e
n
= 0, temos (x
1
, x
2
, x
3
, . . . , x
n
) = (0, 0, 0, . . . , 0)
donde concluimos que x
1
= 0, x
2
= 0, . . . , x
n
= 0. Logo, os vetores e
1
, e
2
, . . . , e
n
sao linearmente
independentes.

E facil ver que qualquer vetor x = (x

1
, x
2
, . . . , x
n
) R
n
se escreve como combinacao linear de
e
1
, e
2
, . . . , e
n
: de fato, temos
x = (x
1
, x
2
, . . . , x
n
) =
= (x
1
, 0, 0, . . . , 0) + (0, x
2
, 0, . . . , 0) + (0, 0, . . . , x
n
) =
= x
1
(1, 0, 0, . . . , 0) +x
2
(0, 1, 0, . . . , 0) +x
n
(0, 0, . . . , 1)
= x
1
e
1
+x
2
e
2
+ +x
n
e
n
Alem disso, a decomposicao de x como combinacao linear de e
1
, e
2
, . . . , e
n
e unica, no seguinte
sentido: se
x = x
1
e
1
+x
2
e
2
+ +x
n
e
n
e x = z
1
e
1
+z
2
e
2
+ +z
n
e
n
entao, z
1
= x
1
, z
2
= x
2
, . . . , z
n
= x
n
. De fato, essa igualdade implica
x = z
1
e
1
+z
2
e
2
+ +z
n
e
n
= (z
1
, z
2
, . . . z
n
) .
1.2. O ESPAC O EUCLIDIANO NDIMENSIONAL 13
Por outro lado,
x = (z
1
, z
2
, . . . z
n
).
Comparando essas duas igualdades, concluimos que z
1
= x
1
, z
2
= x
2
, . . . , z
n
= x
n
.
Como qualquer vetor de R
n
se escreve de modo unico como combinacao linear de e
1
, e
2
, . . . , e
n
,
diremos que o conjunto e
1
, e
2
, . . . , e
n
e uma base de R
n
. Alem disso, tendo em vista a analogia
de R
3
com o espaco tridimensional V
3
, diremos que o espaco vetorial R
n
tem dimensao n.
Exerccio 1.9. a) Vericar se o vetor (1, 4, 2) R
3
e combinacao linear de (1, 2, 0) e (1, 1, 1).
b) Vericar se o vetor (3, 5, 7) R
3
e combinacao linear de (2, 1, 3) e (3, 2, 2).
c)

E possvel escrever o vetor (10, 15) R
2
como combinacao linear dos vetores (2, 3) e
(4, 6)? Por que?
Alem das operacoes de adicao de nupla e multiplicacao de nupla por n umero real, podemos
denir em R
n
o chamado produto interno de nuplas, que estende a nocao de produto escalar visto
nos cursos de Fsica e Geometria Analtica. Lembremos que o produto escalar dos vetores (nao
nulos) u e v, que formam entre si um angulo e denido por
u v = |u| |v| cos . (1.10)

E conveniente escrever o produto escalar

em termos das componentes dos vetores
u = (x, y, z) e v = (s, t, u). Aplicando a
lei dos cossenos ao triangulo cujos lados
sao u, v e u v, temos
|uv|
2
= |u|
2
+|v|
2
2 |u| |v| cos .

u
v
v u
Figura 1.6

Substituindo nessa expressao |u| |v| cos = u v, |u|

2
= x
2
+y
2
+z
2
, |v|
2
= s
2
+t
2
+u
2
,
temos
u v = xs +y t +z u (1.11)
A partir da igualdade (1.11) (ou de (1.10)) e facil ver que |u|
2
= u u. Uma vantagem da relacao
(1.11) sobre (1.10) e que ela (a relacao (1.11)) nao depende do apelo geometrico e portanto permite
estender essa nocao de produto escalar a R
n
, com n 4, que chamaremos produto interno.
Dados u = (x
1
, . . . , x
n
), v = (y
1
, . . . , y
n
) R
n
, denimos o produto interno de u e v, que
denotaremos por u, v), como sendo
u, v) = x
1
y
1
+ . . . + x
n
y
n
(1.12)
(notemos que o produto interno de dois vetores de R
n
e um n umero real). O espaco vetorial R
n
,
munido do produto interno, e chamado espaco euclidiano.

E facil ver que u, u) 0, que u, u) = 0 se, e somente se, u = 0. Denimos a norma de um

vetor u como sendo |u| =
_
u, u). Alem disso, o produto interno tem as seguintes propriedades
u, v) = v, u) (1.13)
u +w, v) = u, v) + w, v) (1.14)
u, v) = u, v) (1.15)
14 CAP

ITULO 1. NOC

OES PRELIMINARES
Existe uma importante desigualdade importante que relaciona a norma e produto interno,
conhecida como desigualdade de Cauchy-Schwarz

u, v)

|u| |v| . (1.16)

Se v = 0, temos u, v) = 0, e a desigualdade (1.16) e trivial. Para mostrar essa desigualdade
quando v ,= 0, notemos que, para qualquer t R, temos [u + t v| 0. Usando as propriedades
(1.13) a (1.15), temos
0 |u +t v|
2
= u +t v, u +t v) = u, u) + 2 t u, v) +t
2
v, v) =
= |u|
2
+ 2 t u, v) +t
2
|v|
2
donde
|v|
2
t
2
+ 2 u, v) t +|u|
2
0 . (1.17)
O primeiro membro dessa desigualdade e uma funcao quadratica em t. Para que essa funcao
quadratica seja sempre nao negativa, seu discriminante, = (2 u, v))
2
4 |v|
2
|u|
2
, deve ser
negativo, isto e
4 u, v)
2
4 |v|
2
|u|
2
0 .
Essa desigualde implica (1.16).
Dois vetores u, v R
n
sao ditos ortogonais quando u, v) = 0. Por exemplo, os vetores
u = (1, 0, 9, 6) e v = (0, 1, 2, 3) sao ortogonais, pois u, v) = 10+0(1)+92+(6)3 = 0.
Um conjunto de vetores u
1
, . . . , u
n
e um conjunto ortogonal se os vetores sao dois a dois
ortogonais, isto e, u
i
, u
j
) = 0, i, j com 1 i, j n e i ,= j; se, alem disso, |u
1
| = = |u
n
| = 1,
dizemos que esse conjunto e ortonormal. A base canonica e
1
, . . . , e
n
e um conjunto ortonormal.
Exerccio 1.10. Verique se cada um dos conjuntos abaixo e ortogonal:
(a) (2, 3), (6, 4)
(b) (0, 2, 3), (1, 6, 4), (1, 1, 1), (1, 3, 1)
(c) (1, 1, 1, 1), (1, 1, 1, 1), (0, 0, 1, 0), (0, 0, 0, 1)
(d) (2, 1, 1, 1), (1, 1, 3, 0), (1, 1, 0, 1), (2, 1, 1, 1)
Exerccio 1.11. Demonstre as identidades:
|u +v|
2
|u v|
2
= 4u, v)
|u +v|
2
+|u v|
2
= 2(|u|
2
+|v|
2
)
Exerccio 1.12. Demonstre o Teorema de Pitagoras: dois vetores u, v R
n
sao ortogonais se, e
somente se, |u +v|
2
= |u|
2
+|v|
2
.
Exerccio 1.13. Sejam u, v R
n
. Mostre que u e v sao ortogonais se, e somente se, |u +v| =
|u v|.
Observacao 1.3. Em algumas situacoes, e conveniente denir outros produtos internos em R
n
.
Mais geralmente, um produto interno em R
n
e uma funcao : R
n
R
n
R satisfazendo:
u, v, w R
n
, R
(u, v) = (v, u)
(u +w, v) = (u, v) +(w, v)
(u, v) = (u, v)
(u, u) 0
(u, u) > 0, se u ,= 0
(1.18)
1.3. SISTEMAS LINEARES 15
Por exemplo, e facil ver que, quaisquer que seja as constantes positivas (xadas) a
1
, . . . , a
n
, a
funcao : R
n
R
n
R, denida por
((x
1
, . . . , x
n
), (y
1
, . . . , y
n
)) = a
1
x
1
y
1
+a
2
x
2
y
2
+ +a
n
x
n
y
n
satisfaz as propriedades (1.18). Quando trabalhamos com essa denicao mais geral de produto
interno (isto e uma funcao satisfazendo(1.18)), o produto interno denido em (1.12) e chamado
produto interno usual em R
n
.
Da mesma maneira, denimos o conjunto
C
n
= (z
1
, . . . , z
n
) : z
1
, . . . , z
n
C
e as operacoes de adicao de nuplas de n umeros complexos e multiplicacao de nuplas de n umeros
complexos por n umero complexo. As operacoes em C
n
tambem satisfazem as propriedades A1) a
A4) e M1) a M4) .
Qualquer funcao : C
n
C
n
C satisfazendo as relacoes abaixo u, v, w C
n
, C
(u, v) = (v, u) ( (v, u) e o conjugado complexo de (u, v))
(u +w, v) = (u, v) +(w, v)
(u, v) = (u, v)
(u, u) 0
(u, u) > 0, se u ,= 0
(1.19)
e chamada um produto interno em C
n
. O produto interno usual de C
n
e denido do seguinte
modo: dados u = (x
1
, . . . , x
n
), v = (y
1
, . . . , y
n
) C
n
, pomos:
u, v) = x
1
y
1
+ . . . + x
n
y
n
, (1.20)
em que y
j
denota o conjugado complexo de y
j
. Denimos a norma de um vetor u como sendo
|u| =
_
u, u). O produto interno em C
n
satisfaz as propriedades (1.13) a (1.15).
1.3 Sistemas Lineares
Consideremos equacao linear nas variaveis (ou incognitas) x
1
, x
2
, . . . , x
n
a
1
x
1
+a
2
x
2
+ +a
n
x
n
= b (1.21)
(a
1
, a
2
, . . . , a
n
, b sao n umeros complexos xados). Uma solucao da equacao (1.21) e uma nupla
(z
1
, z
2
, . . . , z
n
) C
n
tal que a
1
z
1
+a
2
z
2
+ +a
n
z
n
= b. O conjunto de todas solucoes de (1.21)
e chamado conjunto solucao de (1.21). Por exemplo, a terna (0, 1, 1) e solucao da equacao
x
1
x
2
+ 2x
3
= 1. Notemos tambem que x
1
= 1 + x
2
2x
3
. Atribuindo valores arbitrarios
x
2
= s, x
3
= t, obtemos x
1
= 1 +s 2t; portanto, essa equacao tem innitas solucoes. O conjunto
solucao e S = (1 +s 2t, s, t) : s, t R.
Um conjunto de mequacoes lineares nas variaveis x
1
, x
2
, . . . , x
n
e chamado umsistema linear.
Assim, um sistema linear apresenta-se na forma
S :
_

_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
(1.22)
16 CAP

ITULO 1. NOC

OES PRELIMINARES
Uma solucao de (1.22) e uma nupla (s
1
, . . . , s
n
) que e solucao de cada uma das equacoes de S.
Por exemplo, as ternas (0, 3, 4), (2, 2, 1) e (8/5, 11/5, 0) sao solucoes do sistema
_
2x y +z = 1
x + 2y = 6
Se b
1
= b
2
= = b
n
= 0 em (1.22), o sistema ca
_

_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= 0
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= 0
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= 0
(1.23)
e e dito homogeneo.

E facil ver que a nupla (0, . . . , 0) e solucao de (1.23), chamada solucao
trivial.
Um sistema linear que admite uma unica solucao e dito possvel e determinado. Um sistema
linear com mais de uma solucao e chamado indeterminado. Um sistema linear que nao admite
solucao e dito impossvel.
Exemplo 1.8. (a) O sistema
_
x +y = 0
x y = 0
e determinado (o par (0, 0) e sua unica solucao).
(b) O sistema
_
2x y +z = 1
x + 2y = 6
e indeterminado: ele tem as solucoes (2, 2, 1) e (0, 3, 4).
(c) O sistema
_
x +y = 1
2x + 2y = 1
e impossvel.

E facil ver que qualquer sistema que contenha uma equacao da forma
0 x
1
+ 0 x
2
+ + 0 x
n
= b
com b ,= 0 e impossvel.
Lembremos da Geometria Analtica Plana que a equacao ax + by = c representa uma reta.
Assim, ao analisarmos um sistema de 2 equacoes em 2 variaveis, estamos estudando a possibilidade
de essas retas se interceptarem. Cada sistema determinado representa um par de retas concorrentes;
cada sistema indeterminado representa uma par de retas coincidentes, e cada sistema impossvel
representa um par de retas paralelas. Isto e ilustrado na gura abaixo, onde
1
: a
1
x +b
1
y = c
1
e

1
: a
2
x +b
2
y = c
2
.
Nosso objetivo principal nesta secao e apresentar um metodo para resolver sistemas de equacoes
lineares. Em primeiro lugar, notemos que e facil resolver um sistema da forma triangular.
_
_
_
x +y + 2 z = 3
y + z = 1
2 z = 4
(1.24)
Da terceira equacao, tiramos z = 2; substituindo esse valor na segunda equacao, tiramos y = 3
e, substituindo esses valores na primeira equacao, obtemos x = 4. Assim, sua unica solucao e
(4, 3, 2).
Vamos introduzir o chamado metodo de eliminacao de Gauss para resolver sistemas li-
neares; esse metodo consiste em efetuar algumas operacoes sobre suas equacoes, que chamaremos
operacoes elementares, para transforma-lo em um sistema mais simples, com as mesmas solucoes
1.3. SISTEMAS LINEARES 17
que o original. Dois sistemas lineares S
1
e S
2
sao ditos equivalentes ( e indicamos S
1
S
2
)
quando eles tem as mesmas solucoes. Um sistema da forma
S :
_

_
a
11
x
1
+ +a
1j
1
x
j
1
+ +a
1n
x
n
+ +a
m
x
m
= b
1
a
2j
1
x
j
1
+ +a
2n
x
n
+ +a
m
x
m
= b
2
.
.
.
a
j
k
n
x
n
+ +a
m
x
m
= b
k
.
(1.25)
com a
11
,= 0, a
2j
1
,= 0, a
j
k
n
,= 0 e dito escalonado. Sistemas escalonados podem facilmente ser
resolvidos: da ultima equacao do sistema (1.25) obtemos x
n
; em seguida obtemos sucessivamente
as outras variaveis a partir das equacoes anteriores, como zemos com o sistema (refexsist1).
Chamaremos operacoes elementares sobre um sistema linear aos seguintes procedimentos:
PERMUTAR (trocar de posicao) duas equacoes de S.
MULTIPLICAR uma das equacoes de S por um n umero real k ,= 0.
SOMAR a uma das equacoes de S uma outra equacao (tambem) de S.
Pode-se mostrar que, se efetuarmos um n umero nito de operacoes elementares a um sistema
linear S, obtemos um sistema escalonado equivalente a S.
Exemplo 1.9. Resolver o sistema
_
_
_
x y + z = 1
2x + y 4z = 1
x 3y + 3z = 5.
_
_
_
x y + z = 1 (A)
2x + y 4z = 1 (B)
x 3y + 3z = 5 (C)

_
_
_
x y + z = 1 (A)
3y 6z = 3 (D)
2y + 2z = 4 (E)

_
_
_
x y + z = 1 (A)
y 2z = 1 (F)
y + z = 2 (G)
_
_
_
x y + z = 1 (A)
y 2z = 1 (F)
z = 1 (H)

_
_
_
x y = 2 (K)
y = 3 (J)
z = 1 (I)

_
_
_
x = 1 (L)
y = 3 (J)
z = 1 (I)
As operacoes efetuadas no procedimento acima sao: (D)=(-2)(A)+(B), (E)=(C)-(A), (F)=(D)/3,
(G)=(E)/2, (H)=(F)+(G), (I)=(-1)(H), (J)=(F)-2(H), (K)=(A)+(H), (L)=(J)+(K)
Exemplo 1.10. Analisar o sistema
_
_
_
x + 2y z = 7
x + y + 2z = 3
2x + 3y 5z = k
, para diversos valores de k.
_
_
_
x + 2y z = 7 (A)
x + y + 2z = 4 (B)
2x + 3y 5z = k (C)

_
_
_
x + 2y z = 7 (A)
y 3z = 4 (D)
y 3z = k 14 (E)

_
_
_
x + 2y z = 7 (A)
y 3z = 4 (D)
0 = k 18 (G)
Portanto, o sistema nao tem solucao, se c ,= 18. Se c = 18, ele torna-se
_
x + 2y z = 7 (A)
y 3z = 4 (D)
cujas solucoes sao y = 4 + 3z, x = 1 5z, z R.
18 CAP

ITULO 1. NOC

OES PRELIMINARES
Exemplo 1.11. Analisar o sistema
_

_
x y + z + 2w = 0
x + y + 2z + 4u + v + 2w = 3
2y + z + 4u + 3v + w = 2
x 3y 4u 2v + w = 0
_

_
x y + z + 2w = 0 (A)
x + y + 2z + 4u + v + 2w = 3 (B)
2y + z + 4u + 3v + w = 2 (C)
x 3y 4u 2v + w = 0 (D)

_
x y +z + 2w = 0 (A)
2 y +z + 4u +v = 3 (B

)
2 y +z + 4u + 3v +w = 2 (C

)
2 y z 4u 2v w = 0 (D

)
_

_
x y +z + 2 w = 0 (A)
2 y +z + 4 u +v = 3 (B

)
2 v + w = 1 (C

)
v w = 3 (D

_
x y +z + 2 w = 0 (A)
2y +z + 4u +v = 3 (B

)
2v + w = 1 (C

)
w/2 = 5/2 (D

)
Destas equacoes, obtemos w = 5, v = 2, y = (1 4u z)/2 , x = (21 4u 3z)/2, em que v, u
sao arbitrarios. Logo, o conjunto solucao e
S =
_
(
21
2
2v
3
2
z,
1
2
2v
1
2
z, z, u, 2, 5) : z, u R (arbitrarios)
_
.
Exemplo 1.12. Analisar o sistema
_
_
_
x + 3y + z = 8 (A)
3x 2y 8z = 7 (B)
4x + 5y 3z = 17 (C)
.
Efetuando sucessivamente as operacoes elementares (B

) = (B)3(A), (C

) = (C)4(A), (B

) =
(B

)/11, (C

) = (C

)/7, (C

) = (B

) (C

) e eliminando a linha nula (C

), temos
_
_
_
x + 3y + z = 8 (A)
3x 2y 8z = 7 (B)
4x + 5y 3z = 17 (C)

_
_
_
x + 3y + z = 8 (A)
11y 11z = 11 (B

)
7y 7z = 7 (C

_
_
_
x + 3y +z = 8 (A)
y +z = 1 (B

)
y +z = 1 (C

)
_
_
_
x + 3y +z = 8 (A)
y +z = 1 (B

)
0 = 0 (C

_
x + 3(1 z) +z = 8 (A)
y = 1 z (B

)

_
x = 3 + 2z
y = 1 z.
Logo, o conjunto solucao e S = (3 + 2z, 1 z, z) : z R.
Exerccio 1.14. Resolver cada um dos sistemas abaixo:
a)
_
_
_
2x + 3y 8z = 7
3x + y + z = 8
5x + 4y 3z = 17
b)
_
_
_
3x + y + z = 8
5x 3y + 4z = 17
2x 8y + 3z = 7
c)
_
_
_
x + 3y + z = 8
8x + 2y 2z = 7
3x + 5y + 4z = 17
1.4 Matrizes
Sejam m, n 1 n umeros inteiros. Uma matriz de ordem m n e um arranjo de mn n umeros
complexos distribuidos em m linhas e n colunas, do seguinte modo:
_

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

_
1.4. MATRIZES 19
Denotaremos essa matriz por A = (a
ij
). Cada n umero a
ij
chama-se um termo (ou elemento ou
entrada) da matriz: i indica a linha e j a coluna onde se localiza a
ij
. Se todos os elementos de
A forem reais, diremos que A e uma matriz real. Duas matrizes de mesma ordem A = (a
ij
) e
B = (b
ij
) sao ditas iguais quando seus elementos correspondentes sao iguais, isto e, a
ij
= b
ij
, i, j.
Exemplo 1.13.
_
1 2 1
0 x 0
_
=
_
y 2 z
t 1 0
_

_
x = 1 y = 1
z = 1 t = 0
Denotaremos por M
mn
(K) o conjunto das matrizes m n de elementos de K. A matriz O
M
mn
cujos elementos sao todos nulos e (chamada matriz nula)
Uma matriz com 1 linha e n colunas pode ser identicada com um vetor de R
n
e por isso e
chamada vetor linha (ou matriz linha):
[ x
1
x
2
x
n
] M
1 n
(R) (x
1
, x
2
, . . . , x
n
) R
n
do mesmo modo, uma matriz com m linhas e 1 coluna pode ser identicada com um vetor de R
m
e chama-se vetor coluna (ou matriz coluna).
Quando m = n a matriz e dita quadrada. Denotaremos por M
n
(K) o conjunto das matrizes
quadradas de ordem n.
Exemplo 1.14. Sejam
A =
_
1 2 1 3

, B =
_
_
0
3
7
_
_
e C =
_
1 2
9 4
_
.
Entao A e matriz linha, B e matriz coluna e C e quadrada.
Em uma matriz quadrada A = (a
ij
), os elementos a
11
, . . . , a
nn
constituem a diagonal princi-
pal de A. Uma matriz quadrada A = (a
ij
), em que a
ij
= 0, i ,= j e dita diagonal. Um exemplo
importante de matriz diagonal e a matriz identidade de ordem n, denotada por I
n
:
I
n
=
_

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

_
Uma matriz A = (a
ij
), em que a
ij
= 0, para i > j, ou seja, uma matriz da forma
A =
_

_
a
11
a
12
. . . a
1n
0 a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . a
mn
_

_
e dita triangular superior. De modo analogo dene-se matriz triangular inferior.
Dada uma matriz A = (a
ij
)
mn
, a matriz A = (b
ji
)
nm
, em que b
ji
= a
ij
, ij, chama-se
transposta de A e e denotada por A
T
. Uma matriz quadrada e dita simetrica quando A
T
= A
(isto e, a
ji
= a
ij
, ij). Uma matriz e dita anti-simetrica quando A
T
= A (isto e, a
ji
=
a
ij
, ij): em particular, se para i = j devemos ter a
ii
= a
ii
, e portanto os elementos de sua
diagonal principal sao nulos.
20 CAP

ITULO 1. NOC

OES PRELIMINARES
Exemplo 1.15. A matriz
_
_
2 1 0
1 9 5
0 5 3
_
_
e simetrica enquanto que
_
_
0 1 0
1 0 5
0 5 0
_
_
e anti-
simetrica.
Exerccio 1.15. Existe uma matriz que seja ao mesmo tempo simetrica e anti-simetrica? Quantas?
Dada a matriz
A =
_

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

_
as m matrizes 1 n:
u
1
= [a
11
a
12
. . . a
1n
] , , u
m
= [a
m1
a
m2
. . . a
mn
]
chamam-se vetores linhas de A, enquanto que as n matrizes m1
v
1
=
_

_
a
11
a
21
.
.
.
a
m1
_

_
, . . . , v
n
=
_

_
a
1n
a
2n
.
.
.
a
mn
_

_
sao os vetores colunas de A.
Em muitas situacoes, e conveniente escrever A em termos de seus vetores linhas, isto e,
A =
_

_
u
1
u
2
.
.
.
u
m
_

_
ou em termos de seus vetores colunas
A = [ v
1
, v
2
, . . . , v
m
]
Sejam A = (a
ij
), B = (b
ij
) M
mn
(K). A soma de A com B, indicada por A+B e a matriz
cujo termos geral e a
ij
+b
ij
, ou seja,
A+B =
_

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

_
(1.26)
Exemplo 1.16. Sejam
A =
_
1 3
5

7
_
B =
_
3 5
1 4
_
C =
_
1 1 3
2

3 1
_
Entao A+B
_
4 8
4 4 +

7
_
, enquanto que A+C e B +C nao estao denidas.
1.4. MATRIZES 21

E facil ver que a adicao de matrizes tem as seguintes propriedades:

[A1 ] A+ (B +C) = (A+B) +C, A, B, C M
mn
(K)
[A2 ] A+B = B +A A, B M
mn
(K)
[A3 ] A+O = A, A M
mn
(K).
[A4 ] Para toda matriz A = (a
ij
) M
mn
(K), existe uma matriz B M
mn
(K) (cujos elementos
sao (a
ij
), indicada por A) tal que A+B = O.
Exerccio 1.16. Demonstre essas propriedades.
Sejam A = (a
ij
) M
mn
(K) e K. O produto de A por e a matriz
A =
_

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

_
(1.27)
Exemplo 1.17. Se = 3 e A =
_
_
1 0
3 1
2 0
_
_
, entao , A =
_
_
3 0
9 3
6 0
_
_
A multiplicacao de n umero por matriz tem as seguintes propriedades:
[M1 ] ( A) = ()A, , K, A M
mn
(K)
[M2 ] ( +) A = A+ A, , K, A M
mn
(K)
[M3 ] (A+B) = A+B, K, A, B M
mn
(K)
[M4 ] 1 A = A, A M
mn
(K).
Denimos agora a multiplicacao de matrizes. Consideremos primeiro o caso especial do produto
de uma matriz por uma coluna. Sejam A = [a
1
, . . . , a
n
] um vetor linha e B = [b
1
, . . . , b
n
]
T
um
vetor coluna. O produto AB e a matriz 1 1, dada por
AB = [a
1
, . . . , a
n
]
_

_
b
1
.
.
.
b
n
_

_
= [a
1
b
1
+ +a
n
b
n
]
(notemos que esse e o produto interno de R
n
). Consideremos agora o caso geral: A = (a
ij
)
M
mn
(K), B = (b
jk
) M
np
(K); sejam u
1
, . . . , u
m
os vetores linhas de A e v
1
, . . . , v
p
os
vetores colunas de B. O produto de A por B e a matriz
AB =
_

_
u
1
v
1
u
1
v
2
. . . u
1
v
p
u
2
v
1
u
2
v
2
. . . u
2
v
p
.
.
.
.
.
.
.
.
.
.
.
.
u
m
v
1
u
m
v
2
. . . u
m
v
p
_

_
Assim, AB e a matriz de ordem mp cujo termo geral (c
ik
) e dado por
c
ik
=
n

j=1
a
i j
b
j k
= a
i 1
b
1 k
+a
i 2
b
2 k
+ +a
i n
b
nk
.
22 CAP

ITULO 1. NOC

OES PRELIMINARES
Exemplo 1.18. Se A =
_
2 1 0
0 1 2
_
B =
_
_
4 4 5
0 0 0
1 0 1
_
_
, entao AB =
_
8 8 10
2 0 2
_
Observando a denicao acima, vemos que o produto de matrizes pode ser escrito em termos das
colunas de B da seguinte forma: se B = [v
1
, . . . , v
p
], entao
AB = [Av
1
, . . . , Av
p
] . (1.28)
Teorema 1.1. Considere as matrizes A = diag (a
1
, , a
m
), B = diag (b
1
, , b
n
) e C M
mn
.
Sejam v
1
, . . . , v
n
as colunas de A e u
1
, . . . , u
m
de A. Mostre que
AC =
_

_
a
1
u
1
a
2
u
2
.
.
.
a
n
u
n
_

_
e BC = [b
1
v
1
, . . . , b
n
v
p
] . (1.29)
A demonstracao ca como exerccio.
O produto de matrizes tem as seguintes propriedades:
[P1 ] A(BC) = (AB)C, A M
mn
, B M
np
, C M
pq
[P2 ] A(B +C) = AB +AC, A M
mn
, B, C M
np
[P3 ] (A+B)C = AC +BC, A, B M
mn
, C M
np
Exerccio 1.17. Mostre que (A+B)
T
= A
T
+B
T
, (AB)
T
= B
T
A
T
, (A
T
)
T
= A
Exerccio 1.18. Seja A M
n
(K). Mostre que a matriz B = A + A
T
e simetrica, e que a matriz
C = AA
T
e anti-simetrica.
Exerccio 1.19. Mostre que toda matriz A M
n
(K) se escreve como soma de uma matriz simetrica
e uma matriz anti-simetrica. (Sugestao: escreva: A =
1
2
(A+A
T
) +
1
2
(AA
T
)).
1.5 Matriz Inversa
A matriz A M
n
(C) e dita invertvel quando existe B M
n
(C) tal que AB = BA = I
n
. A
matriz B chama-se inversa de A e e denotada por A
1
. Por exemplo, a matriz A =
_
2 1
4 2
_
e
invertvel e sua inversa e A
1
=
_
3/2 1/2
2 1
_
. Na proxima secao apresentaremos um metodo
para calcular a inversa de uma matriz.
A inversa de uma matriz P mantem uma relacao interessante com os vetores colunas de P.
Suponhamos que P = [v
1
, v
2
, , v
n
] tenha inversa. Entao P
1
v
1
= e
1
, , P
1
v
n
= e
n
.
De fato, como P
1
P = I
n
= [e
1
, , e
n
], ou seja,
P
1
[v
1
, , v
n
] =
_
P
1
v
1
, , P
1
v
n

= [e
1
, , e
n
] ,
temos P
1
v
1
= e
1
, , P
1
v
n
= e
n
.
Exerccio 1.20. Mostre que se, A e B forem invertveis, entao AB e invertvel e (AB)
1
=
B
1
A
1
.
1.6. MATRIZES PARTICIONADAS 23
1.6 Matrizes Particionadas
Muitos calculos envolvendo matrizes cam facilitados se as matrizes forem decompostas em blocos.
Por exemplo, na denicao de produto de duas matrizes A e B, usamos a decomposicao de A em
linhas e de B em colunas. Cada matriz formada a partir de uma dada matriz A removendo-se
algumas de suas linhas ou colunas e chamada uma submatriz ou um bloco de A. Por exemplo,
se
A =
_

_
3 1 0 0
8 5 0 0
2 9 0 0
0 0 7 2
0 0 12 9
_

_
podemos formar os blocos
A
1
=
_
_
3 1
8 5
2 9
_
_
A
2
=
_
_
0 0
0 0
0 0
_
_
A
3
=
_
0 0
0 0
_
A
4
=
_
7 2
12 9
_
A
5
=
_
_
9 1 3
0 7 2
1 12 9
_
_
e escrever
A =
_
A
1
A
2
A
3
A
4
_
A multiplicacao de matrizes de blocos e efetuada do mesmo modo que a multiplicacao por n umeros.
Pode-se mostrar que, se
A =
_

_
A
1 1
A
1 2
. . . A
1 n
A
2 1
A
2 2
. . . A
2 n
.
.
.
.
.
.
.
.
.
.
.
.
A
m1
A
m2
. . . A
mn
_

_
B =
_

_
B
1 1
B
1 2
. . . B
1 p
B
2 1
B
2 2
. . . B
2 p
.
.
.
.
.
.
.
.
.
.
.
.
B
n1
B
n2
. . . B
np
_

_
e as matrizes A
i j
e B
j k
tiverem tamanhos apropriados (isto e, o n umero de colunas de A
i j
for igual
ao n umero do linhas de A
j k
), entao AB e a matriz
AB =
_

_
C
1 1
C
1 2
. . . C
1 p
C
2 1
C
2 2
. . . C
2 p
.
.
.
.
.
.
.
.
.
.
.
.
C
m1
C
m2
. . . C
mp
_

_
em que C
i k
=
n

j=1
A
i j
B
j k
.
Exemplo 1.19. Decompondo em conveninetes blocos, calcular o produto AB, sendo
A =
_
_
2 1 5
1 0 3
0 1 1
_
_
e B =
_
_
3 2 1
0 1 2
0 0 3
_
_
.
Escrevemos A e B como matrizes de blocos,
24 CAP

ITULO 1. NOC

OES PRELIMINARES
A =
_
A
1
A
2
A
3
A
4
_
=
_
_
2 1 5
1 0
0 1
3
1
_
_
e B =
_
B
1
B
2
B
3
B
4
_
=
_
_
3 2
0 1
1
2
0 0 3
_
_
, sendo
A
1
=
_
2 1

, A
2
= [5] , A
3
=
_
1 0
0 1
_
, A
4
=
_
3
1
_
B
1
=
_
3 2
0 1
_
, B
2
=
_
1
2
_
, B
3
=
_
0 0

, B
4
= [3]
Entao a matriz produto e C =
_
C
1 1
C
1 2
C
2 1
C
2 2
_
, em que
C
1 1
=
_
2 1

_
3 2
0 1
_
+ [5] [ 0 0 ] =
_
6 5

,
C
1 2
=
_
2 1

_
1
2
_
+ [5] [3] = [19],
C
2 1
=
_
1 0
0 1
_ _
3 2
0 1
_
+
_
3
1
_
_
0 9

=
_
3 2
0 1
_
C
2 2
=
_
1 0
0 1
_ _
1
2
_
+
_
3
1
_
[2] =
_
7
4
_
Assim,
C =
_
_
6 5 19
3 2 7
0 1 4
_
_
A multiplicacao por blocos e util quando trabalhamos com matrizes grandes com varios blocos de
zeros ou identidades. Por exemplo quando as duas matrizes sao diagonais de blocos, temos
_

_
A
1
O . . . O
O A
2
. . . O
.
.
.
.
.
.
.
.
.
.
.
.
O O . . . A
n
_

_
_

_
B
1
O . . . O
O B
2
. . . O
.
.
.
.
.
.
.
.
.
.
.
.
O O . . . B
n
_

_
=
_

_
A
1
B
1
O . . . O
O A
2
B
2
. . . O
.
.
.
.
.
.
.
.
.
.
.
.
O O . . . A
n
B
n
_

_
em que, para cada j, A
j
e B
j
sao matrizes de mesma ordem m
j
e o smbolo O denota matrizes
nulas de ordem adequada.
1.7 Matrizes e Sistemas Lineares
O sistema linear
_

_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
pode ser escrito na forma matricial
_

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

_
_

_
x
1
x
2
.
.
.
x
n
_

_
=
_

_
b
1
b
2
.
.
.
b
n
_

_
1.7. MATRIZES E SISTEMAS LINEARES 25
ou, simplesmente, AX = B, em que
A =
_

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

_
X =
_

_
x
1
x
2
.
.
.
x
n
_

_
B =
_

_
b
1
b
2
.
.
.
b
n
_

_
A matriz A chama-se matriz dos coecientes do sistema e a matriz
_

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

b
1
b
2
.
.
.
b
m
_

_
chama-se matriz aumentada de (1.22) (na verdade, nao devia existir a linha separando os a
ij
dos b
k
, mas ela sera util no que segue).
O uso da matriz aumentada permite simplicar a notacao para resolver sistemas lineares. Por
exemplo, consideremos a resolucao do sistema linear:
_
_
_
x + 2y z = 1
2x + 4y 6z = 0
x y + 2z = 4

_
_
_
x + 2y z = 1
4z = 2
3y 3z = 3

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

_
_
_
x + 2y = 3/2
y = 1/2
z = 1/2

_
_
_
x = 5/2
y = 1/2
z = 1/2
Se concentrarmos nossa atencao apenas nos coecientes de x, y, z e nos termos constantes (do
segundo membro), podemos reescrever os calculos acima sob a forma
_
_
1 2 1
2 4 6
1 1 2

1
0
4
_
_

_
_
1 2 1
0 0 4
0 3 3

1
2
3
_
_

_
_
1 2 1
0 1 1
0 0 1

1
1
1/2
_
_

_
_
1 2 0
0 1 0
0 0 1

3/2
1/2
1/2
_
_

_
_
1 0 0
0 1 0
0 0 1

5/2
1/2
1/2
_
_
Agora, e so observar que a primeira coluna da matriz A estava associada `a variavel x, a segunda
coluna associada `a variavel y e a terceira coluna `a variavel z para concluir que x = 5/2, y = 1/2 e
z = 1/2.
Por analogia com os sistemas lineares, diremos que uma matriz esta na forma escalonada
quando a quantidade inicial de zeros da primeira linha e menor do que a da segunda linha, que e
menor de que a da terceira linha, e assim por diante, ou seja, a matriz e dada na forma
_

_
a
11
. . . a
1j
1
. . . a
1n
0 . . . a
2j
1
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 0 . . . a
j
k
n
_

_
.
26 CAP

ITULO 1. NOC

OES PRELIMINARES
Uma vantagem consideravel desse procedimento e que podemos resolver simultameamente di-
versos sistemas lineares que tenham a mesma matriz dos coecientes. Por exemplo, para resolver
os sistemas
_
x +y = 1
x +y = 0
_
u +v = 0
u +v = 1
escrevemos
_
1 1
1 1

1 0
0 1
_

_
1 1
0 2

1 0
1 1
_

_
1 1
0 1

1 0
1/2 1/2
_

_
1 0
0 1

1/2 1/2
1/2 1/2
_
Logo, x = 1/2, y = 1/2, u = 1/2, v = 1/2.
Notemos que as solucoes (x, y) = (1/2, 1/2) e (u, v) = (1/2, 1/2) sao os elementos da matriz
inversa de A =
_
1 0
0 1
_
, isto e, A
1
=
_
1/2 1/2
1/2 1/2
_
.
O procedimento acima e valido em geral. Se A e uma matriz nn invertvel, sua inversa, A
1
,
e caracterizada pela igualdade A.A
1
= I. Escrevendo e
1
= [1, 0, . . . , 0]
T
, . . . , e
n
= [0, . . . , 0, 1]
t
e
A
1
= [X
1
, . . . , X
n
] a igualdade A.A
1
= I e equivalente a AX
1
= e
1
, . . . , AX
n
= e
n
; portanto,
as colunas X
1
, . . . , X
n
sao solucoes dos sistemas
AX = e
1
, . . . , AX = e
n
Desta maneira, para encontrar a inversa de A, devemos escalonar a matriz
_

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

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

_
.
Exemplo 1.20. Calcular a inversa da matriz A =
_
_
1 2 3
2 5 3
1 0 8
_
_
.
_
_
1 2 3
2 5 3
1 0 8

1 0 0
0 1 0
0 0 1
_
_

_
_
1 2 3
0 1 3
0 2 5

1 0 0
2 1 0
1 0 1
_
_

_
_
1 2 3
0 1 3
0 0 1

1 0 0
2 1 0
5 2 1
_
_

_
_
1 2 0
0 1 0
0 0 1

14 6 3
13 5 3
5 2 1
_
_

_
_
1 0 0
0 1 0
0 0 1

40 16 9
13 5 3
5 2 1
_
_
.
Logo,
A
1
=
_
_
40 16 9
13 5 3
5 2 1
_
_
.
1.8. DETERMINANTE 27
Exerccio 1.21. Calcule a inversa de cada uma das matrizes abaixo:
A =
_
1 1
1 1
_
B =
_
1 3
1 1
_
C =
_
0 1
1 1
_
D =
_
_
2 0 2
3 1 0
1 1 1
_
_
E =
_
_
1 1 1
3 1 0
2 0 2
_
_
F =
_
_
1 1 0
1 3 1
0 5 2
_
_
G =
_
_
3 0 8
2 1 0
4 3 2
_
_
H =
_
_
2 0 4
1 3 1
2 1 2
_
_
M =
_
_
1 0 0
1 3 1
0 5 2
_
_
1.8 Determinante
Nesta secao denimos o determinante de uma matriz quadrada de ordem n,
A =
_

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

_
que denotaremos por det(A) (ou por [A[, de acordo com a conveniencia). Assim,
det(A) = [A[ =

a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn

Voce certamente ja viu a denicao de determinante de matrizes de ordem 2 e de ordem 3. Lembre-

mos que o deteminante de uma matriz de ordem 1 e
det[a] = a ,
o deteminante de uma matriz de ordem 2 e

a b
c d

= a d b c
e que o determinante de uma matriz de ordem 3 e

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

= a
11
a
22
a
33
+a
12
a
23
a
31
+a
13
a
21
a
32
a
31
a
22
a
13
a
32
a
23
a
11
a
33
a
21
a
12
.
Por exemplo,

6 3
1 2

= (6) (2) (3) (1) = 9

1 0 1
1 6 5
0 3 4

= (1)(6)(4) + (0)(5)(0) + (1)(1)(3) (0)(6)(1) (3)(5)(1) (4)(1)(0)

= 6
28 CAP

ITULO 1. NOC

OES PRELIMINARES
A denicao de determinante para uma matriz quadrada qualquer e complicada; por isso ela sera
feita de modo recursivo, isto e, o determinante de uma matriz de ordem n e dada em termos do
determinante de uma matriz de ordem n 1. Notemos que a expressao do determinante de uma
matriz de ordem 3 pode ser dada em termos de determinantes de matrizes de ordem 2:

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

= a
11

a
22
a
23
a
32
a
33

a
12

a
21
a
23
a
31
a
33

+a
13

a
21
a
22
a
31
a
32

(1.30)
e que o determinante de uma matriz de ordem 2 pode ser dado em termos de determinantes de
ordem 1:

a b
c d

= a det [d] b det [c]. (1.31)

Para a denicao no caso geral, precisamos da nocao de cofator de um elemento. Dada uma
matriz A de ordem n,
A =
_

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

_
, (1.32)
para cada i, j, 1 i, j n seja A
ij
a matriz de ordem n 1 obtida retirando-se a iesima linha
e a jesima coluna de A. O determinante de A
ij
chama-se menor associado ao elemento a
ij
. O
n umero (1)
i+j
det A
ij
chama-se cofator do elemento a
ij
. Por exemplo, se
M =
_

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

_
entao:
M
11
=
_
_
6 5 7
3 0 8
1 3 2
_
_
, M
24
=
_
_
1 0 1
0 3 0
0 1 3
_
_
e M
32
=
_
_
1 1 3
1 5 7
0 3 2
_
_
.
Voltemos `a nossa denicao. O determinante da matriz A, dada em (1.32), e denido por
det A =
n

j=1
(1)
1+j
a
1j
det A
1j
= a
11
det A
11
a
12
det A
12
+ + (1)
i+n
a
1n
det A
1n
.

E facil ver que, se a primeira e a segunda colunas da matriz A forem iguais, os cofatores de a
11
e
a
12
sao iguais, o que implica que det A = 0; o mesmo ocorre se A tem 2 colunas iguais.
Vamos aplicar essa denicao a uma matriz de ordem 3:

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

1.8. DETERMINANTE 29
o cofator do elemento a
11
e

a
22
a
23
a
32
a
33

, o cofator de a
12
e

a
21
a
23
a
31
a
33

e o cofator de a
13
e

a
21
a
22
a
31
a
32

. Portanto, de acordo com essa denicao, temos

det(A) = a
11

a
22
a
23
a
32
a
33

a
12

a
21
a
23
a
31
a
33

+a
13

a
21
a
22
a
31
a
32

,
que coincide com (1.30).
Exemplo 1.21. Calcular o determinante da matriz A =
_

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

_
Como a
11
= 1, a
12
= 0, a
13
= 1, a
14
= 0, pela denicao acima temos

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

= (1)
1+1
(1)

6 5 7
3 0 8
1 3 2

+(1)
1+3
(1)

1 6 7
0 3 8
0 1 2

= 151+14 = 137
A denicao acima expressa o determinante em termos dos elementos da primeira linha e seus cofa-
tores: e a chamada expansao do determinante pela primeira linha.

E possvel mostrar que obtemos
o mesmo valor quando fazemos a expansao usando qualquer linha ou coluna, isto e
para cada i xado, det A =
n

j=1
(1)
i+j
a
ij
det A
ij
para cada j xado, det A =
n

i=1
(1)
i+j
a
ij
det A
ij
Exemplo 1.22. O determinante de matrizes triangulares e o produto dos elementos da diagonal,
isto e,
det

a
11
0 . . . 0
a
21
a
22
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn

= a
11
a
22
a
nn
.
O determinante e uma funcao linear de cada uma de suas linhas ou colunas, isto e,
det
_
v
1
+w
1
, v
2
, . . . , v
n

= det
_
v
1
, v
2
, . . . , v
n

+ det
_
w
1
, v
2
, . . . , v
n

det
_

_
u
1
+z
1
u
2
.
.
.
u
n
_

_
= det
_

_
u
1
u
2
.
.
.
u
n
_

_
+ det
_

_
z
1
u
2
.
.
.
u
n
_

_
o mesmo valendo para as outras linhas e colunas.
30 CAP

ITULO 1. NOC

OES PRELIMINARES
Como conseq uencia direta dessas igualdades, se uma matriz tiver 2 linhas ou colunas proporcio-
nais, seu determinante e zero; por exemplo, se a primeira coluna e m ultipla da segunda, v
1
= v
2
,
temos
det
_
v
1
, v
2
, . . . , v
n

= det
_
v
2
, v
2
, . . . , v
n

= det
_
v
2
, v
2
, . . . , v
n

= 0 = 0 .
O mesmo e verdadeiro se a primeira linha for combinacao linear de outras, isto e, se v
1
= k
2
v
2
+
+k
1
v
n
, entao
det
_
v
1
, v
2
, . . . , v
n

= det
_
k
2
v
2
+ +k
1
v
n
, v
2
, . . . , v
n

= k
2
det
_
v
2
, v
2
, . . . , v
n

+ +k
n
det
_
v
n
, v
2
, . . . , v
n

= k
2
0 + +k
n
0
= 0
O teorema abaixo da algumas propriedades do determinante que serao usadas nos captulos
posteriores. A demonstracao desses fatos e trabalhosa e, por essa razao, sera omitida.
Teorema 1.2. Sejam A e B matrizes quadradas de ordem n. Entao:
( i ) det(AB) = det A. det B
(ii) det A
T
= det A.
Como conseq uencia desse teorema, temos que, se A uma matriz quadrada de ordem n. Se A e
invertvel entao det(A) ,= 0. De fato, se A e invertvel, temos AA
1
= I
n
; pelo Teorema anterior,
det(A) det(A
1
) = det(I
n
) = 1, donde obtemos det(A) ,= 0.
Observacao: A recproca desse fato tambem e verdadeira mas sua prova nao e imediata.
Exerccio 1.22. Calcule o determinante das matrizes:
A =
_
3 6
1 5
_
B =
_
_
9 3 6
2 5 0
2 0 2
_
_
C =
_
_
5 3 2
1 2 3
3 0 2
_
_
D =
_

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

_
E =
_

_
9 1 0 0
5 2 3 1
0 3 1 2
2 3 0 2
_

_
F =
_

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

_
Exerccio 1.23. (a) Mostre que se, A e B sao matrizes quadradas e M =
_
A O
O B
_
, entao
det M = det A det B.
(b) Calcule

3 2 0 0
2 2 0 0
0 0 4 2
0 0 6 2

Captulo 2
Introducao `as Equac oes Diferenciais
Muitos modelos matematicos em fsica, qumica, biologia e ciencias sociais envolvem a determinacao
de uma func ao incognita a partir de uma equacao contendo derivadas dessa funcao. Tais equacoes
sao chamadas equacoes diferenciais. O objetivo deste Captulo e descrever algumas dessas
situacoes.
2.1 Movimento em uma dimensao
Um dos problemas basicos em Mecanica consiste em determinar a posicao x(t) de uma partcula,
a partir de certas informacoes.
Consideremos, por exemplo o problema de determinar a posicao de uma partcula que se desloca
ao longo do eixo x, conhecendo-se a sua velocidade v(t) em cada instante t. Tal problema consiste
em encontrar uma funcao x(t) tal que
x

(t) = v(t). (2.1)

E claro que a posicao x(t) e alguma primitiva da funcao f, isto e, x(t) =

_
v(t) dt. Assim, se x
0
e a posicao do objeto no instante inicial (t = 0), temos
x(t) = x
0
+
_
t
0
v(s) ds.
Um problema mais interessante consiste em determinar a posicao y(t) de uma partcula de massa
m em um instante t, que se desloca ao longo de uma reta (que podemos supor ser o eixo x),
conhecendo-se a resultante F(t, y, y

) das forcas que atuam sobre ela (tais forcas podem depender
do tempo, da posicao e da velocidade da partcula). De acordo com a segunda lei de Newton, o
problema consiste em determinar x(t) tal que
my

= F(t, y, y

) . (2.2)
Quando a funcao F e constante, o problema e facilmente resolvido. A solucao x(t) e da forma
x(t) = A+Bt +Ct
2
.
Nos casos mais interessantes, a forca F e variavel e pode depender de t, x e x

. Consideremos, por
exemplo, um objeto de massa m na extremidade de uma mola de constante elastica k, como na
Figura abaixo. A forca restauradora da mola devida a um deslocamento y e F
r
= k y. Suponhamos
31
32 CAP

ITULO 2. INTRODUC

AO
`
AS EQUAC

OES DIFERENCIAIS
ainda que o meio ofereca uma resistencia ao movimento cuja intensidade e proporcional `a velocidade,
F
a
= b v = b y

e que uma forca f(t) e aplicada ao objeto. Assim, a resultante das forcas que
atuam sobre o objeto e k y b y

+ f(t). De acordo com (2.2), o deslocamento da massa m e

governado pela equacao
my

+b y

+k y = f(t) . (2.3)
O

y

m
k

Figura 2.1
2.2 Desintegracao Radioativa
A desintegracao de material radioativo tambem da origem a tais tipos de equacoes: e razoavel
pensar que a taxa de desintegracao de uma substancia radioativa em cada instante e diretamente
proporcional `a quantidade dessa substancia naquele instante. Designando por y(t) a quantidade
da substancia radioativa no instante t, temos
y

(t) = ky(t). (2.4)

Na equacao (2.4), k e uma constante negativa, pois a quantidade da substancia diminui em virtude
da desintegracao.
2.3 Crescimento Populacional
Um modelo simples de crescimento populacional (modelo Malthusiano) supoe que a taxa de variacao
y

(t) de uma populacao em um instante t e proporcional `a popula cao y(t) naquele instante, isto e,
y(t) satisfaz uma equacao da forma
y

(t) = ky(t). (2.5)

A equacao (2.5) e praticamente a mesma que (2.4); a diferenca deste caso para o da desintegracao
e que a constante k na equacao (2.5) agora denota a diferenca entre a taxa de natalidade e a
mortalidade.
A equacao (2.5) descreve bem o crescimento populacional quando o n umero de indivduos nao
e muito grande. Quando esse n umero cresce alem de um certo ponto, a populacao ca suscetvel
a alguns fatores que tendem a reduzir o seu crescimento, tais como falta de alimentos, epidemias,
etc.

E natural impor uma limitacao ao n umero de elementos da populacao, digamos y(t) N. Um
modelo mais realstico que leva em conta esses fatores foi proposto por Verlhust em 1838 e fornece
uma equacao da forma
y

(t) = ky(t)(N y(t)). (2.6)

2.4. DILUIC

AO DE MISTURAS 33
2.4 Diluicao de Misturas
Um tanque contem 5.000 litros de salmoura a uma concentracao de 10 g/l . Adiciona-se a este
tanque salmoura com uma concentracao de sal de 20 g/l `a razao de 10 l/min. A mistura do tanque
e continuamente agitada, de modo a manter a solucao homogenea (deste modo, a concentracao e
a mesma em todos os pontos do tanque). Ao mesmo tempo, a mistura deixa o tanque atraves de
um buraco `a mesma razao. Determinar a quantidade e a concentracao num instante t.
Indiquemos por Q(t) a quantidade (em gramas) de sal no tanque no instante t. O enunciado
do problema informa que a quantidade de sal no instante t = 0 e Q(0) = 50.000 g e que o sal esta
sendo adicionado no tanque `a razao de
10 20 g/min = 200g/min
e esta saindo `a razao de
10
Q(t)
5000
g/min =
Q(t)
500
kg/min.
Portanto, a taxa de variacao da quantidade de sal no tanque, que e a diferenca entre a taxa da
quantidade que entra e a que sai, e dada por:
Q

= 1000
Q
500
, (2.7)
2.5 Cinetica Qumica
Uma informacao importante em uma reacao qumica e a velocidade com que ela ocorre e os reagentes
cam proximos do equilbrio. Existem reacoes que se processam t ao rapidamente que elas podem
ser consideradas instantaneas: e o caso das explosoes. Por outro lado, existem aquelas que se
processam em um intervalo de tempo extremamente longo, chegando a durar anos, como e o caso da
decomposicao do plastico; a desintegracao radioativa, vista acima, e outro processo demorado. Em
algumas situacoes, como, por exemplo, na desintegracao de objetos jogados no lixo, na cicatrizacao
de ferimentos ou no endurecimento de colas ou de concreto, e interessante acelerar a reacao. Em
outras situacoes, e desejavel que o processo seja retardado ao maximo, como e o caso da deterioracao
de alimentos, coagulacao do sangue, etc.
A rapidez com que se processa uma reacao qumica (chamada velocidade da reacao) pode de-
pender de varios fatores tais como concentracao dos reagentes, pressao, temperatura, etc. Para
simplicar nosso exemplo, assumiremos que, com excecao da concentracao, todos os fatores per-
manecem constantes. Assim, a velocidade da reacao depende apenas da concentracao dos reagentes.
Um princpio fundamental no estudo da velocidade das reacoes qumicas e a chamada lei da
acao das massas que arma que taxa de variacao da concentracao (moles por unidade de volume)
das substancias reagentes e proporcional `a concentracao das substancias reagentes. Essa proporcio-
nalidade enunciada na lei da acao das massas e bastante natural, uma vez que quanto mais alta for
a concentracao dos reagentes, maior a probabilidade de colisoes entre as moleculas, o que favorece
o desencadeamento da reacao.
Reacoes qumicas sao classicadas como unimoleculares, bimoleculares, etc. de acordo
com o n umero de moleculas reagentes. Por exemplo, a dissociacao do bromo gasoso
Br
2
2 Br
34 CAP

ITULO 2. INTRODUC

AO
`
AS EQUAC

OES DIFERENCIAIS
e unimolecular. Ja, a reacao em que 2 moleculas de oxido ntrico (NO) reagem com uma molecula
de oxigenio (O
2
) para formar 2 moleculas de dioxido ntrico
2 NO + O
2
2 NO
2
e trimolecular.
A lei da acao das massas fornece uma equacao que deve estar satisfeita pela concentracao dos
reagentes. De fato, em uma reacao unimolecular, se y(t) denota a concentracao da substancia
reagente (digamos em moles por cm
3
) no instante t, pela lei da acao das massas, temos
y

= k y (2.8)
em que k e a constante de proporcionalidade (como a concentracao da substancia reagente decresce
durante a reacao, a taxa de reacao e negativa).
Quando duas substancia A e B reagem para formar uma (ou mais) substancias novas em uma
reacao tal como
A + B C (ou A + B D +E)
a velocidade da reacao e proporcional ao produto das concentracoes dos reagentes. Denotemos por
y(t) o n umero de moles de A que reagiu ate o instante t, por a a concentracao inicial da substancia
A e por b a concentracao inicial da substancia B.

E facil ver que as concentracoes de A e B no
instante t sao, respectivamente a y e b y. Entao
y

= k(a y)(b y) (2.9)

(notemos que, como y cresce quando t cresce, a constante k na equacao (2.9) e positiva).
Reacoes qumicas envolvendo mais reagentes dao origem a outros tipos de equacoes diferenciais.
Nao temos a intencao de abordar com profundidade os conceitos especcos de Qumica, que
podem ser encontrados nos textos de Fsico-Qumica, por exemplo: P. Atkins, Physical Chemistry
e S. Maron e C. Prutton, Principles of Physical Chemistry.
2.6 Deexao de Vigas
Consideremos uma viga uniforme e reta (isto e, os centros de gravidade de todas as secoes trans-
versais estao sobre uma mesma reta, chamada eixo da viga) cujas secoes transversais sao perpen-
diculares ao eixo da viga.
Vamos introduzir um sistema de coordenadas de modo que o eixo da viga coincida com o eixo
x (e portanto as secoes transversais da viga sejam paralelas ao plano yz). Seja EI a rigidez de
exao da viga (E e o modulo de Young e I e o momento de inercia de secao em relacao ao eixo y).
Suponhamos que a viga surporte uma carga por unidade de comprimento p(x). Entao a deexao
u(x) da viga satisfaz a equacao diferencial
EI
d
4
u
dx
4
= p(x). (2.10)
No caso em que a viga esta apoiada sobre uma fundacao elastica (por exemplo, a viga esta xada
por meio de muitas molas a uma base xa) cujo modulo da fundacao e k (isto e, a forca restauradora
da fundacao por unidade de comprimento e ku, atuando no sentido oposto `a deexao u) e a carga
externa sobre a viga e p(x), a deexao u(x) satisfaz
EI
d
4
u
dx
4
+k u = p(x). (2.11)
2.7. FLAMBAGEM DE COLUNAS 35
A essa equacao, costuma-se associar algumas condicoes adicionais, geralmente nas extremidades da
viga. Por exemplo, para uma viga simplesmente apoiada, essas condicoes sao: u(0) = u(l) = 0.
Fig. 2.2: viga simplesmente apoiada

O l x
p(x)

2.7 Flambagem de Colunas

Considere uma coluna de comprimento L, como na gura ao lado ar-
ticulada nas duas extremidades sujeita a uma carga P. Experimen-
talmente observa-se que a partir de um certo valor crtico da carga
chamado carga de ambagem, a coluna encurva-se assumindo uma
forma como na curva tracejada. A deexao lateral y(x) observada na
viga e descrita pelo Problema de Valor na Fronteira
EI y

+P y = 0, 0 < x < L
y(0) = y(L) = 0
em que E, I sao constantes fsicas da coluna como no caso das vigas.

E claro que para vigas com diferentes condicoes nas extremidades,

temos outras condicoes sobre y(0) e y(L).

O
x
L

y(x)

Figura 2.3
2.8 Algumas Equacoes Diferenciais Parciais
Em todas as equacoes diferenciais vistas acima, a funcao incognita depende apenas de uma variavel
real (em geral, o tempo). Elas sao ditas equacoes diferenciais ordinarias. Alem desse tipo de
equacao, existem aquelas em que a incognita depende de mais de uma variavel: sao as chamadas
equacoes diferenciais parciais. Este e o caso, por exemplo, da conducao de calor, da propagac ao
de ondas em uma corda, das vibracoes transversais de uma viga.
A conducao de calor em uma barra metalica satisfaz uma equacao diferencial da forma
u(x, t)
t
= K

2
u(x, t)
x
2
, 0 < x < l, t > 0. (2.12)
Nessa equacao, imaginamos a barra sobre o eixo x; u(x, t) representa a temperatura no ponto de
abcissa x no instante t. A letra K indica uma constante, chamada condutividade termica e varia
de um paterial para outro. O smbolo
u(x, t)
t
indica a derivada da funcao u(x, t) com relacao `a variavel t, quando xamos a variavel x. Voce nao
precisa se preocupar com ele por duas razoes: a primeira e que voce aprendera brevemente no curso
de Calculo II; a segunda e que as equacoes diferenciais parciais nao serao estudadas neste texto.
36 CAP

ITULO 2. INTRODUC

AO
`
AS EQUAC

OES DIFERENCIAIS
Considere uma corda (de violao, por exemplo), cuja posicao de equilbrio coincide com o in-
tervalo [0, l] do eixo x. As vibracoes transversais dessa corda satisfazem uma equacao da forma
acima. O deslocamento transversal u(x, t), a partir da posicao de equilbrio, do ponto de abcissa x
no instante t da corda, satisfaz a equacao

2
u(x, t)
t
2
= c

2
u(x, t)
x
2
, 0 < x < l, t > 0. (2.13)
2.9 Sistema Massa-Mola
Considere, por exemplo, um sistema mecanico con-
stitudo de duas partculas de massas m
1
e m
2
liga-
das a molas, como na gura abaixo. Suponhamos que
as massas estao imersas em meios que oferecem re-
sistencias aos seus movimentos e essas resistencias se-
jam propocionais `as correspondentes velocidades das
massas. De acordo com a segunda lei de Newton, o
movimento das particulas e descrito pelo sistema de
equacoes diferenciais
m
1
z

1
= k
1
z
1
k
2
z
1
+k
2
z
2
b
1
z

1
m
2
z

2
= k
1
z
2
k
2
z
2
b
2
z

2
.
(2.14)

z
1
z
2
m
1
m
2
k
1
k
2
O
y
O
x

Figura 2.4

E conveniente escrever o sistema (2.14) pode tambem ser escrito como um sistema de equacoes
de primeira ordem. Denindo as novas variaveis y
1
, y
2
, y
3
, y
4
por
y
1
= z
1
, y
2
= z

1
, y
3
= z
2
, y
4
= z

2
podemos reescrever o sistema (2.14) na forma
y

1
= y
2
y

2
=
k
1
+k
2
m
1
y
1

b
1
m
1
y
2
+
k
2
m
1
y
3
y

3
= y
4
y

2
=
k
2
m
2
y
2

k
2
m
3
y
3

b
2
m
2
y
4
.
(2.15)
Na verdade, sistemas de equacoes diferenciais ocorrem com muita feq uencia em Mecanica, por
causa da segunda lei de Newton. A posicao x(t) = (x
1
(t), x
2
(t), x
3
(t)) de uma partcula de massa
m em um instante t, sujeita a uma forca

F(t, x(t), x

(t)) (com essa notacao, estamos indicando que

a forca pode depender do instante t, da posicao x(t) e da velocidade x

(t) naquele instante) e dada

pela equacao vetorial
mx

= F(t, x, x

) (2.16)
Reescrevendo essa equacao em termos das componentes x(t) = (x
1
, x
2
, x
3
), F = (f
1
, f
2
, f
3
),
obtemos o sistema
_
_
_
mx

1
= f
1
(t, x
1
, x
2
, x
3
, x

1
, x

2
, x

3
)
mx

2
= f
2
(t, x
1
, x
2
, x
3
, x

1
, x

2
, x

3
)
mx

3
= f
3
(t, x
1
, x
2
, x
3
, x

1
, x

2
, x

3
)
(2.17)
2.10. CIRCUITOS EL

ETRICOS 37
2.10 Circuitos Eletricos
A gura abaixo mostra uma malha com dois circuitos eletricos contendo uma fonte de forca eletro-
motriz E, dois resistores R
1
e R
2
e dois indutores L
1
e L
2
. Usando as Leis de Kircho, podemos
mostrar que as correntes I
1
e I
2
satisfazem o sistema de equacoes diferenciais
_
L
1
I

1
+R
1
I
1
+R
1
I
2
= E
L
2
I

2
+R
1
I
1
+ (R
1
+R
2
)I
2
= E
(2.18)
E

L
1
I
1

L
2
I
2
R
1
R
2
Figura 2.5
2.11 Um Modelo Predador-Presa
Em Biologia, o estudo de duas especies de animais que se interagem tambem conduz a sistemas de
equacoes diferenciais. Consideremos o seguinte modelo de predador-presa. Em um lago, existem
duas especies de peixes. Uma dessas especies, cuja quantidade sera indicada por x, e herbvora e
a outra especie, cuja quantidade sera indicada por y, se alimenta da primeira. Vamos supor que
haja abundancia de alimentos para a populacao x. Na ausencia de y, a populacao x aumenta a
uma taxa diretamente proporcional `a populacao presente:
x

= a x
Por sua vez, a populacao y, na ausencia de x, diminui a uma taxa proporcional `a populacao presente:
y

= c y.
A interacao dessas especies provoca uma diminuicao na taxa de crescimento de x e um aumento na
taxa de crescimento de y. Essa interacao e devida aos encontros de cada elemento da especie x com
um elemento da especie y; e claro que o n umero de tais encontros e diretamente proporcional ao
produto xy. Assim, a dinamica dessas populacoes e descrita pelo sistema de equacoes diferenciais
_
x

= a x b xy
y

= c y +d xy.
(2.19)
38 CAP

ITULO 2. INTRODUC

AO
`
AS EQUAC

OES DIFERENCIAIS
Captulo 3
Equacoes Diferenciais de Primeira
Ordem
Neste captulo apresentamos alguns metodos de resolucao de equacoes diferenciais de primeira
ordem que sao aplicacoes diretas (ou quase diretas) das ideias do Calculo para funcoes de uma
variavel.
3.1 Denicoes basicas e exemplos
Denicao 3.1. Uma equacao que envolve uma funcao incognita e algumas de suas derivadas e
chamada equacao diferencial.
Uma equacao como (2.4) ou (2.3), em que a funcao incognita depende de uma unica variavel real
e chamada equacao diferencial ordinaria. Por outro lado, equacoes como (2.12) ou (2.13), em
que a funcao incognita depende de mais de uma variavel real sao chamadas equacoes diferenciais
parciais. Neste curso, estaremos interessados exclusivamente nas equacoes diferenciais ordinarias.
A ordem de uma equacao diferencial e a mais alta ordem das derivadas da funcao incognita.
Assim, (2.4) e uma equacao de primeira ordem e (2.3) e uma equacao de segunda ordem.
A forma geral de uma equacao diferencial ordinaria de primeira ordem e
y

(t) = f(t, y(t)), (3.1)

que escreveremos abreviadamente
y

= f(t, y).
Na equacao (3.1), f(t, y) e uma funcao denida em um subconjunto A de R
2
(R
2
e o conjunto de
todos os pares (x, y) de n umeros reais). Uma solucao de (3.1) e uma funcao y(t) denida em um
intervalo I tal que: (t, y(t)) A, t I e y(t) satisfaz (3.1), isto e, y

(t) = f(t, y(t)), t I. Para

cada (t
0
, y
0
) A, o problema de encontrar uma solucao y(t) de (3.1) tal que y(t
0
) = y
0
chama-se
problema de valor inicial (que escrevermos abreviadamente PVI).
Exerccio 3.1. Em cada caso verique se a funcao dada e uma solucao da equacao diferencial
correspondente e determinar c de modo que a solucao particular resultante satisfaca a condicao
dada:
a) y

+y = 1; y(t) = 1 +ce
t
; y = 3 quando t = 0
b) ty

= 3y, y(t) = ct
3
; y = 1 quando t = 2
c) y

+ 9y = 0; y(t) = cos 3t +c sen 3t; y = 5 quando t = /6.

39
40 CAP

ITULO 3. EQUAC

OES DIFERENCIAIS DE PRIMEIRA ORDEM
3.2 Equacoes separaveis
Uma equacao diferencial que pode ser escrita na forma
g(y)
d y
dt
= h(t) , (3.2)
(algumas vezes tambem escrita na forma g(y) dy = h(t) dt) e chamada separavel. As funcoes g e h
em (3.2) sao contnuas em convenientes intervalos. Solucoes de tais equacoes podem ser facilmente
encontradas: se y = (t) e uma solucao de (3.2) em um intervalo I, temos
g((t))

(t) = h(t), t I .
Integrando,
_
g((t))

(t) dt =
_
h(t) dt (3.3)
Substituindo y = (t) (portanto du =

(t) dt) na integral do primeiro membro e usando a formula

de integracao por substituicao para integral indenida, podemos escreve-la como
_
g((t))

(t) dt =
_
g(y) dy . (3.4)
Se G(y) e H(t) sao primitivas de g e h, respectivamente, isto e, G

(y) = g(y) e H

(t) = h(t), a
igualdade (3.3) ca
G(y) = H(t) +C (3.5)
em que C designa uma constante arbitraria (proveniente das integrais indenidas).
A igualdade (3.5) fornece a solucao numa forma implcita. Resolvendo a equacao (3.4) na
variavel y(t), obtemos explicitamente y(t).
Exemplo 3.1. Resolver o PVI y

= 6t
5
e
y
, y(1) = 1.
Podemos reescrever a equacao dada na forma integral
_
e
y
dy = 6
_
t
5
dt
donde e
y
= t
6
+C, ou y = ln(t
6
+C). Como y(1) = 1, temos C = e 1. Logo,
y(t) = ln(t
6
+e 1).
Exemplo 3.2. Encontrar as solucoes da equacao diferencial y

= y
2
.
Dividindo a equacao diferencial por y
2
e integrando, temos
_
y
2
dy =
_
dt,
ou seja

1
y
= t +C,
donde obtemos
y(t) =
1
t +C
, (3.6)
3.2. EQUAC

OES SEPAR

AVEIS 41
uma formula que fornece quase todas as solucoes da equacao diferencial dada. Notemos que o
primeiro passo na resolucao da equacao diferencial foi dividir por y
2
; para isso precisamos ter
y ,= 0. Sempre que efetuamos alguma operacao, devemos tomar algum cuidado, pois algumas
solucoes podem ser ocultadas por esse processo, como ocorreu neste caso. A funcao y(t) 0 e uma
solucao que nao e dada pela formula (3.6).
Exemplo 3.3. Resolver a equacao diferencial
y

= K(y a)(y b),

em que K, a, b sao constantes, com a ,= b.
Em primeiro lugar, notemos que as funcoes constantes y(t) a e y(t) b sao solucoes da
equacao diferencial. Para y ,= a e y ,= b, a equacao diferencial pode ser escrita na forma
_
dy
(y a)(y b)
= K
_
dt
Vamos calcular a integral do primeiro membro usando o metodo das fracoes parciais
1
(y a)(y b)
=
A
(y a)
+
B
(y b)
=
A(y b) +B(y a)
(y a)(y b)
Dessa igualdade, temos A =
1
a b
, B =
1
a b
. Portanto,
1
a b
_
dy
y a

1
a b
_
dy
y b
= K t +C
ou
ln
[y a[
[y b[
= K(a b)t +C(a b)
Isolando y (isto e, resolvendo essa equacao para obter y como funcao de t), temos
y(t) =
a b C
1
e
K(ab)t
1 C
1
e
K(ab)t
(C
1
= e
C(ab)
, o sinal + ou e escolhido dependendo do valor inicial).
Observacao 3.1. Equacoes diferenciais da forma
z

(x) = F
_
z
x
_
(3.7)
nao sao separaveis, mas podem ser colocadas na forma (3.2) apos uma conveniente mudanca de
variaveis. De fato, chamando y = z/x, ou z = xy, temos
z

= y +xy

.
Substituindo essa expressao em (3.2), temos
y +xy

= F(y)
donde
1
F(y) y
y

=
1
x
.
42 CAP

ITULO 3. EQUAC

OES DIFERENCIAIS DE PRIMEIRA ORDEM
Exemplo 3.4. Encontrar as solucoes da equacao (x
2
+z
2
) z

= xz.
Podemos reescrever a equacao diferencial na como
z

=
xz
x
2
+z
2
=
z/x
1 + (z/x)
2
= f(z/x),
em que f(y) =
y
1 +y
2
. Chamando z = xy, e repetindo o procedimento acima, podemos reescrever
a equacao dada como
1
y
1 +y
2
y
y

=
1
x
ou
(y
3
+y
1
) y

=
1
x
Integrando, temos
1
2 y
2
ln[y[ = ln [x[ .
Voltando `a variavel z, obtemos
x
2
2 z
2
ln[z[ = C ,
uma equacao que fornece z implicitamente como funcao de x.
3.3 A equacao linear de primeira ordem
Um caso especial importante da equacao (3.1) e o da equacao linear
y

+a(t)y = b(t). (3.8)

Na equacao (3.8), a e b sao funcoes (conhecidas) contnuas em um intervalo I. Se b(t) 0, a
equacao e (3.8) chamada homogenea; caso contrario, ela e dita nao homogenea.
Vamos agora resolver a equacao (3.8), para um conjunto geral de funcoes a(t) e b(t). Para
simplicar a resolucao, analisaremos antes alguns casos especiais. Nosso objetivo e obter, em cada
caso, uma expressao que forneca todas as solucoes da correspondente equacao.
(i) Analisemos primeiro a equacao homogenea: se b(t) = 0, a equacao (3.8) ca
y

+a(t) y = 0. (3.9)
que e uma equacao separavel.

E facil ver que a func ao y(t) 0 e solucao de (3.9). Procuremos
solucoes y(t) ,= 0 de (3.9). Podemos reescrever (3.9) na forma
y

(t)
y(t)
= a(t). (3.10)
Seja A(t) uma funcao cuja derivada e a(t), isto e, A

(t) = a(t). Integrando (3.10), temos

ln[y(t)[ = A(t) +K
3.3. A EQUAC

AO LINEAR DE PRIMEIRA ORDEM 43
(em que K designa uma constante arbitraria), ou chamando C = e
K
, podemos escrever
y(t) = e
A(t)+K
= e
A(t)
e
K
. (3.11)
Agora, notando que y(t) e uma funcao contnua e y(t) ,= 0, t, temos, ou y(t) > 0, t, ou y(t) <
0, t; isto determina a escolha do sinal + ou em (3.11). Portanto, chamando C = e
K
, se
y(t) > 0, t, C = e
K
, se y(t) < 0, t, podemos escrever
y(t) = Ce
A(t)
. (3.12)
Notemos que a expressao (3.12) tambem inclui a solucao nula, se tomarmos C = 0. Assim, quando
C varia em R, obtemos todas as solucoes da equacao (3.9). Por essa razao, a expressao (3.12) e
chamada solucao geral da equacao (3.9).
Exemplo 3.5. Encontrar a solucao da equacao y

(t) = 3y(t) tal que y(1) = e.

Usando a formula (3.12) ou repetindo o procedimento acima, vemos que a solucao geral da equacao
diferencial e
y(t) = Ce
3 t
.
Pondo t = 1, temos y(1) = Ce
3
. Como y(1) = e, segue-se que C = e
2
. Logo,
y(t) = e
2
e
3 t
= e
3 t2
.
Observacao 3.2. A partir da forma da solucao de (3.9) obtemos uma relacao interessante. Note-
mos que, a partir de (3.12) podemos escrever
e
A(t)
y(t) = C
Como a func ao e
A(t)
y(t) e constante, sua derivada e nula. Por outro lado,
d
dt
_
e
A(t)
y(t)
_
= e
A(t)
y

(t) +a(t) e
A(t)
y(t) = e
A(t)
_
y

(t) +a(t) y(t)

_
.
que e o primeiro membro de (3.9) multiplicado por e
A(t)
. Assim, multiplicando a a equacao (3.9),
podemos reescreve-la na forma
d
dt
_
e
A(t)
y(t)
_
= 0. (3.13)
Esta observacao sera util para resolver a equacao (3.8) em sua forma geral. Qualquer funcao que,
ao ser multiplicada aos dois membros de uma equacao, transforma-a em uma outra mais trabalhavel
chama-se fator integrante dessa equacao. Deste modo, a funcao e
A(t)
e um fator integrante de
(3.9).
Exemplo 3.6. Encontrar a solucao geral da equacao y

+ cos t y = 0.
Multiplicando a equacao diferencial pelo fator integrante e

cos t dt
= e
sen t+K
= Ce
sen t
, obtemos
Ce
sen t
y

+ cos t Ce
sen t
y = 0
ou (note que a constante C pode ser cancelada)
_
e
sen t
y(t)
_

= 0,
44 CAP

ITULO 3. EQUAC

OES DIFERENCIAIS DE PRIMEIRA ORDEM
donde, integrando e isolando y(t) no primeiro membro
y(t) = Le
sen t
.
(ii) Consideremos nalmente o caso geral, em que a(t) e b(t) sao funcoes contnuas em um intervalo
I. O tratamento e analogo ao anterior. Para evitar repeticoes, vamos obter a expressao da solucao
do problema de valor inicial
y

+a(t) y = b(t) (3.14)

y(t
0
) = y
0
, (3.15)
em que t
0
I e y
0
R. Seja A(t) =
_
t
t
0
a(s) ds; notemos que A(t
0
) = 0. Multiplicando a equacao
(3.14) por exp
_
A(t)
_
, temos
y

(t) exp
_
A(t)
_
+a(t)y(t) exp
_
A(t)
_
= b(t) exp
_
A(t)
_
que podemos escrever na forma
d
dt
_
exp
_
A(t)
_
y(t)
_
= exp
_
A(t)
_
b(t),
Integrando de t
0
a t, temos
e
A(t)
y(t) e
A(t
0
)
. .
=1
y(t
0
)
. .
=y
0
=
_
t
t
0
e
A(s)
b(s) ds,
donde
y(t) = exp
_

_
t
t
0
a(s) ds
_
y
0
+ exp
_

_
t
t
0
a(s) ds
_
_
t
t
0
exp
_

_
s
t
0
a(u) du
_
b(s) ds
Notando que exp
_

_
t
t
0
a(s) ds
_
exp
_
_
s
t
0
a(u) du
_
= exp
_
_
s
t
a(u) du
_
, obtemos a expressao da
solucao geral de (3.8)
y(t) = exp
_

_
t
t
0
a(s) ds
_
y
0
+
_
t
t
0
exp
_

_
s
t
a(u) du
_
b(s) ds (3.16)
Observacao 3.3. (a) Notemos que a solucao dada pela expressao (3.16) esta denida em todo o
intervalo I e que ela contem o caso anterior (b(t) 0).
(b) A parcela
exp
_

_
t
t
0
a(s) ds
_
y
0
em (3.16) e uma solucao da equacao homogenea associada a (3.14); fazendo y
0
variar em R,
obtemos todas as possveis solucoes dessa equacao. Um calculo simples mostra que a parcela
z(t) =
_
t
t
0
exp
_

_
s
t
a(u) du
_
b(s) ds
e uma solucao (que chamaremos solucao particular) da equacao nao homogenea (3.14) (e a solucao
de (3.14) tal que z(0) = 0. Portanto, a solucao geral da equacao (3.14) se escreve como a soma
da solucao geral da equacao homogenea com uma solucao particular da equacao nao homogenea
(3.14).
3.3. A EQUAC

AO LINEAR DE PRIMEIRA ORDEM 45
Exemplo 3.7. Encontrar a solucao do problema de valor inicial
y

+
2
t
y = t
2
, y(1) = 6.
Seja
A(t) =
_
t
1
2
s
ds = 2 ln s

t
1
= 2 ln t = ln t
2
.
Multiplicando os dois membros da equacao diferencial por e
A(t)
= e
ln t
2
= t
2
, obtemos
t
2
y(t) + 2t y(t) = t
4
ou
_
t
2
y(t)
_

= t
4
.
Mudando o variavel de t para s e integrando desde s = 1 a s = t, temos
t
2
y(t) y(1) =
_
t
1
s
4
ds =
t
5
5

1
5
.
Como y(1) = 6, temos
y(t) =
6
t
2
+
t
3
5

1
5t
2
=
t
3
5
+
29
5t
2
.
Exemplo 3.8. Encontrar a solucao geral da equacao y

+ 5 y = t
Multiplicando a equacao pelo fator integrante e
5 t
, obtemos
_
e
5 t
y(t)
_

= t e
5 t
.
Integrando, temos
e
5 t
y(t) =
_
t e
5 t
dt =
1
5
t e
5 t
+
1
25
e
5 t
+K,
donde
y(t) =
1
5
t +
1
25
+Ke
5 t
A resolucao dessas equacoes tambem pode ser feita usando integrais indenidas, como nos outros
casos.
Exemplo 3.9. Encontrar a solucao da equacao y

+ cos t y = cos t tal que y(0) = 6.

Multiplicando a equacao diferencial pelo fator integrante e
sen t
(calculado no exemplo 3.6),
obtemos
_
e
sen t
y(t)
_

= cos t e
sen t
.
Integrando,temos
e
sen t
y(t) =
_
e
sen t
cos t dt = e
sen t
+K
donde obtemos
y(t) = 1 +Ke
sen t
Agora, dessa igualdade, obtemos y(0) = 1 +K; como queremos y(0) = 6 temos K = 7.
46 CAP

ITULO 3. EQUAC

OES DIFERENCIAIS DE PRIMEIRA ORDEM
Observacao 3.4. Denotemos por o o conjunto de todas as solucoes da equacao (3.9), isto e,
o = y : I R : y

(t) +a(t)y(t) = 0.
e facil ver se y, z o e R, entao y + z o e y o. De fato, como y, z o, temos
y

(t) +a(t)y(t) = 0 e z

(t) +a(t)z(t) = 0. Portanto,

(y(t) +z(t))

+a(t)(y(t) +z(t)) = y

(t) +a(t)y(t) +z

(t) +a(t)z(t) = 0
Analogamente, vericamos que y o. Alem disso, e claro que valem as propriedades A1) a
A4) e M1) a M8) vistas no Captulo I para vetores de R
n
. Em vista disso, diremos que o e
um espaco vetorial. Alem disso, a expressao (3.12), que da a solucao geral da equacao (3.9)
mostra que todo elemento de o e um m ultiplo da funcao e
A(t)
: assim, os elementos de o estao em
correspondencia biunvoca com o conjunto dos n umeros reais. Esta situacao e analoga ao conjunto
de todos os m ultiplos de um vetor xado. Por causa disso, diremos que o espaco vetorial o tem
dimensao 1.
Generalizacao: O procedimento usado acima para resolver a equacao linear de 1
a

ordem com a(t)

e b(t) reais pode ser adaptado quando as funcoes a e b assumem valores complexos. Basicamente, o
que temos a fazer e denir a derivada de uma funcao complexa. Notemos que toda funcao f : I C
se escreve como f(t) = u(t)+i v(t) e que n umero complexo f(t) = u(t)+i v(t) pode ser identicado
com o par ordenado C(t) = (u(t), v(t)) e x = u(t), y = v(t) sao equacoes parametricas de uma
curva com vetor velocidade C

(t) = (u

(t), v

(t)) (desde que as funcoes u(t) e v(t) sejam derivaveis).

Fica entao natural denir:
f

(t) = u

(t) +i v

(t)
Com isto, tudo o que zemos no caso em que a e b sao reais pode ser repetido se a e b forem
complexos.
3.4 Equacao de Bernoulli
A equacao diferencial
y

+p(t)y = q(t)y
n
, (3.17)
em que n R e um n umero xado, chama-se equacao de Bernoulli. Se n = 0 ou n = 1, temos
uma equacao linear de 1
a

ordem, que ja foi estudada anteriormente. Se n ,= 0 e n ,= 1, a equacao

de Bernoulli nao e linear, mas pode ser transformada em uma equacao linear de 1
a

ordem por meio

da mudanca conveniente mudanca de variavel.
Dividindo (3.17) por y
n
, temos
y
n
y

+p(t)y
1n
= q(t). (3.18)
Agora, notando que y
n
y

=
d
dt
_
y
1n
1 n
_
, podemos reescrever (3.18) como
d
dt
_
y
1n
1 n
_
+ (1 n)p(t)
y
1n
1 n
= q(t)
ou, chamando z = y
1n
/(1 n), temos
z

+ (1 n)p(t)z = q(t) ,
que e uma equacao linear de 1
a
.
ordem.
3.5. EQUAC

OES DIFERENCIAIS EXATAS 47
Exemplo 3.10. Encontrar a solucao da equacao diferencial y

2t y = 2t y
2
tal que y(0) = 1/3.
Multiplicando os dois membros da equacao diferencial por y
2
, temos
y
2
y

2t y
1
= 2t .
Como y
2
y

= (y
1
)

, a equacao diferencial pode ser escrita como

(y
1
)

2t y
1
= 2t
ou, chamando z = y
1
,
z

+ 2t z = 2t.
Multiplicando essa equacao pelo fator integrante e
t
2
, temos
_
e
t
2
z
_

= 2t e
t
2
Integrando, temos
e
t
2
z(t) =
_
2t e
t
2
dt = e
t
2
+C .
Portanto
z(t) = 1 +Ce
t
2
.
A condicao inicial para a equacao na variavel z e z(0) = 3. Portanto C = 2 e
z(t) = 1 + 2 e
t
2
.
Voltando `a variavel y, obtemos
y(t) =
1
1 + 2 e
t
2
=
e
t
2
e
t
2
+ 2
.
3.5 Equacoes Diferenciais Exatas
Denicao 3.2. Seja U R
2
um conjunto aberto e sejam P, Q: U R funcoes contnuas em U,
cujas derivadas parciais tambem sao contnuas em U. Uma equacao diferencial da forma
P(t, y) +Q(t, y)
dy
dy
= 0 (3.19)
ou
P(t, y) dt +Q(t, y) dy = 0 (3.20)
e chamada exata quando existe uma funcao V : U R, V = V (t, y) tal que
V (t, y)
t
= P(t, y) e
V (t, y)
y
= Q(t, y), (t, y) U. (3.21)
Uma razao para o nome equacao diferencial exata e que a expressao P(t, y) dt + Q(t, y) dy e
igual a dV (t, y), a diferencial da funcao V (t, y): lembremos que
dV (t, y) =
V
t
dt +
V
y
dy.
48 CAP

ITULO 3. EQUAC

OES DIFERENCIAIS DE PRIMEIRA ORDEM
Exemplo 3.11. A equacao diferencial (4t y) + (2y t)
dy
dt
= 0 e exata e a funcao V (t, y) =
2t
2
ty +y
2
e uma integral primeira para essa equacao; de fato,
V
t
= 4t y e
V
y
= 2y t
Usando a regra da cadeia para derivadas parciais, vemos que, se y(t) e uma solucao da equacao
diferencial (3.19), temos
d
dt
V (t, y(t)) =
V
t
+
V
y
y

(t) = P(t, y(t)) +Q(t, y(t))y

(t) = 0
Portanto, a funcao V (t, y(t)) e constante e as solucoes de (3.19) satisfazem V (t, y(t)) = C, em que
C denota uma constante arbitraria, ou seja, as solucoes da equacao (3.19) sao obtidas resolvendo-se
as equacoes V (t, y) = C, em que C e uma constante arbitraria.
Por essa razao, a funcao V (t, y) e dita uma integral primeira da equacao (3.19), e as curvas
de nvel de V , isto e, as curvas planas y = y(t) denidas pela equacao V (t, y) = C, (C = constante
arbitraria) sao chamadas curvas integrais ou curvas solucoes da equacao (3.19).
No caso da equacao diferencial vista no exemplo anterior, uma integral primeira e V (t, y) =
2t
2
ty + y
2
e as cuvas integrais sao as solucoes da equacao 2t
2
ty + y
2
= C. Logo, as solucoes
dessa equacao sao dadas por
y =
t

7t
2
+ 4C
2
.
Para esse exemplo, foi possvel obter a solucao na forma explcita y = y(t). Geralmente, a solucao
e dada na forma implcita de uma equacao V (t, y) = C.
Dada uma equacao na forma (3.19), a primeira tarefa que temos e determinar se uma equacao
e exata. De acordo com a denicao, para determinarmos se uma equacao diferencial e exata,
devemos encontrar uma integral primeira; com isso, automaticamente encontramos suas solucoes.
O problema e que, ao contrario do que ocorreu no exemplo acima, geralmente nao e tao simples
encontrar uma integral primeira. Deste modo, nossa primeira tarefa e determinar condicoes sobre
P e Q que permitam concluir quando uma equacao e exata. Notemos que, se (3.19) e exata, entao
existe V (t, y) tal que
V
t
= P(t, y),
V
y
= Q(t, y) .
Derivando essas igualdades e lembrando que as derivadas mistas de segunda ordem de V sao iguais,
obtemos
P
y
=

y
_
V
t
_
=

t
_
V
y
_
=
Q
t
.
Assim, uma condicao necessaria para que a equacao (3.19) e que
P
y
=
Q
t
. (3.22)
Um fato importante e que a condicao (3.22) e suciente para que a equacao (3.19) seja exata.
Pode-se mostrar que a funcao V (t, y) dada por
V (t, y) =
_
t
t
0
P(s, y
0
) ds +
_
y
y
0
Q(t, x) dx
3.6. FATORES INTEGRANTES 49
e uma integral primeira da equacao diferencial (3.19). Na pratica, ao resolvermos uma equacao
exata, integramos a igualdade
V
t
= P(t, y) mantendo y xo: denotemos por
_
P(t, y) dt uma
antiderivada de P(t, y) e por h(y) uma funcao arbitraria de y. Temos
V (t, y) =
_
P(t, y) dt +h(y) .
Em seguida, usamos a igualdade
V
y
= Q(t, y) para determinar h(y).
Exemplo 3.12. Encontrar as curvas integrais da equacao t
2
y
3
+t
3
y
2
y

= 0.
Em primeiro lugar, notemos que a equacao e exata, uma vez que
t
2
y
3
y
= 3t
2
y
2
t
3
y
2
t
Portanto, existe V (t, y) tal que
V
t
= t
2
y
3
. Mantendo y xo e integrando em relacao a t, temos
V (t, y) =
t
3
y
3
3
+h(y).
Derivando essa igualdade, temos
V (t, y)
y
= t
3
y
2
+h

(y).
De acordo com a denicao de V , temos
V (t, y)
y
= t
3
y
2
. Comparando essas duas igualdades, temos
h

(y) = 0. Podemos entao tomar V (t, y) = t

3
y
3
/3. Assim, as curvas integrais sao dadas por
t
3
y
3
3
= C ou y =
3
_
3C
t
3
.
3.6 Fatores Integrantes
Uma funcao (t, x) , 0 e chamada um fator integrante da equacao diferencial
P(t, y) +Q(t, y) y

= 0 (3.23)
se a equacao diferencial
(t, y) P(t, y) +(t, y) Q(t, y) y

= 0
for exata. Por exemplo, a equacao diferencial
y t
2
y
2
+t y

= 0
nao e exata, pois

y
(y t
2
y
2
) = 1 2t
2
y enquanto que
t
t
= 1. Entretanto, multiplicando a
equacao pela funcao (t, y) = t
2
y
2
, obtemos a equacao diferencial
1
t
2
y
1 +
1
ty
2
y

= 0
50 CAP

ITULO 3. EQUAC

OES DIFERENCIAIS DE PRIMEIRA ORDEM
que e exata, pois

y
_
1
t
2
y
1
_
=
1
t
2
y
2
=

t
_
1
ty
2
_
.
Geralmente e uma tarefa difcil encontrar um fator integrante, mas em algumas situacoes, como as
que veremos abaixo, conseguimos realiza-la com sucesso.
Vamos procurar um fator integrante de (3.23 que nao depende de y; assim, procuramos uma
funcao (t) de modo que a equacao diferencial
(t) P(t, y) +(t)Q(t, y) y

= 0
e exata. Devemos entao ter

y
_
(t) P(t, y)
_
=

y
_
(t) Q(t, y)
_
,
ou seja
(t)
P
y
=

(t)Q(t, y) +(t)
Q(t, y)
t
ou

(t) =
P
y

Q
t
Q
(t) (3.24)
Se o quociente
1
Q
_
P
y

Q
t
_
nao depender de y, isto e existir uma funcao a(t) tal que
1
Q
_
P
y

Q
t
_
= a(t)
entao a relacao (3.24) ca

(t) = a(t)(t); neste caso, e facil ver que a funcao

(t) = exp(
_
a(t) dt)
e um fator integrante de (3.23).
Analogamente, se existir uma funcao b(y) tal que
1
P
_
P
y

Q
t
_
= b(y)
entao a funcao
(y) = exp(
_
b(y) dy)
e um fator integrante de (3.23).
Exemplo 3.13. Calcular um fator integrante da equacao diferencial sen y 2t e
t
+ cos y y

= 0
e encontrar a solucao y(t) dessa equacao tal que y(0) = /2.
Temos P(t, y) = sen y 2t e
t
, Q(t, y) = cos y. Entao
P
y
= cos y e
Q
t
= 0. Portanto,
1
Q
_
P
y

t
t
_
=
cos y
cos y
= 1 .
3.7. ALGUMAS APLICAC

OES DAS EQUAC

OES DE 1
A

ORDEM 51
Assim, um fator integrante e (t) = e
t
. Multiplicando a equacao dada por e
t
, obtemos a equacao
diferencial exata (verique!)
e
t
sen y 2t +e
t
cos y y

= 0 .
Entao, existe uma funcao V (t, y) tal que
V
t
= e
t
sen y 2t .
Portanto, V (t, y) = e
t
sen y t
2
+ h(y). Derivando em relacao a y, temos
V
t
= e
t
cos y + h

(y).
Por outro lado, como
V
t
= e
t
cos y, temos h

(y) = 0. Podemos entao tomar V (t, y) = e

t
sen yt
2
.
As curvas integrais da equacao dada sao dadas por
e
t
sen y t
2
= K .
ou
y(t) = arc sen
_
e
t
(K +t
2
)

.
3.7 Algumas aplicacoes das equacoes de 1
a

ordem
1. Desintegracao Radioativa
A taxa de desintegracao de uma substancia radioativa em qualquer instante e proporcional `a
quantidade dessa substancia naquele instante. Assim, se Q(t) e a quantidade (n umero de atomos
ou massa) de uma certa substancia radioativa no instante t, temos
Q

(t) = aQ(t). (3.25)

Assim, a quantidade Q(t) e dada por
Q(t) = Q
0
e
a t
. (3.26)
A meia vida de um certo isotopo de estroncio e 28 anos (isto e, metade da quantidade original do
estroncio desintegra-se apos 28 anos. Quanto tempo deve passar apos uma explosao atomica para
que a quantidade de estroncio se reduza a 10% da original?
Temos Q(t) = Q
0
e
a t
. Como a meia vida da substancia e 28 anos, temos Q(28) = (Q
0
)/2, ou
seja,
Q
0
e
28a
=
Q
0
2
,
donde obtemos
a =
ln 2
28

1
40
= 0, 025
Portanto, a quantidade da substancia no instante t e
Q(t) = Q
0
e
t/40
Queremos saber em que instante essa quantidade estara reduzida a 10% da quantidade original,
isto e
Q
0
e
t/40
=
Q
0
10
.
52 CAP

ITULO 3. EQUAC

OES DIFERENCIAIS DE PRIMEIRA ORDEM
Dessa igualdade, obtemos
e
t/40
= 10, ou seja, t = 40 ln10 92, 1 anos.
2. Diluicao de Misturas
Um tanque contem 5.000 litros de salmoura a uma concentracao de 10 g/l . Adiciona-se a esse
tanque salmoura com uma concentracao de sal de 20 g/l `a razao de 10 l/min. A mistura do tanque
e continuamente agitada, de modo a manter a solucao homogenea (deste modo, a concentracao e
a mesma em todos os pontos do tanque). Ao mesmo tempo, a mistura deixa o tanque atraves de
um buraco `a mesma razao. Determinar a quantidade e a concentracao num instante t.
Indiquemos por Q(t) a quantidade (em gramas) de sal no tanque no instante t. O enunciado
do problema informa que a quantidade de sal no instante t = 0 e Q(0) = 50.000 g, que o sal esta
sendo adicionado no tanque `a razao de
10 20 g/min = 200g/min
e esta saindo `a razao de
10
Q(t)
5000
g/min =
Q(t)
500
kg/min.
Portanto, a taxa de variacao da quantidade de sal no tanque, que e a diferenca entre a taxa da
quantidade que entra e a que sai, e dada por:
Q

= 200
Q
500
,
cuja solucao geral e
Q(t) = 100.000 +Ce
t/500
.
Como Q(0) = 50000 g temos que a quantidade de sal no instante t e:
Q(t) = 100.000 50.000 e
t/500
e a concentracao de sal no tanque no instante t e:
c(t) =
Q(t)
5000
=
100.000
5.000

50.000
5.000
e
t/500
= 20 10e
t/500
.
Observemos que, quando t , Q(t) 100.000 e c(t) 20. Portanto, a quantidade de sal tende
a 100.000 g e a concentracao tende ao valor limite de 20 g/l.
3.8 Exerccios
1. Encontre solucoes para cada uma das equacoes diferenciais abaixo:
(a) y

+y
2
sen t = 3t
2
y
2
(b) y

= t/y (c) (1 +t
2
)y

= t y(1 +y
2
)
(d) 2y
3
y

= 3t
2
(e) y

= y
2
cos t (f) (1 +x
2
)y

= 1 +y
2
2. Encontre solucoes para cada uma dos problemas de valor inicial abaixo:
(a) y

+y
2
sen t = 3t
2
y
2
, y(0) = 1 (b) (1 +x
2
)y

= 1 +y
2
, y(1) = 1
(c) y

= y
2
cos t, y(0) = 1 (d) y

= y
2
sen t, y(0) = 1
3.8. EXERC

ICIOS 53
3. Encontre a solucao geral de cada uma das equacoes abaixo:
(a) ty

2y = 0 (b) y

cos t +y sen t = 0
(c) y

+y = cos t + sen t (d) y

cos t +y sen t = cos t + sen t

(e) t y

2y = (t 1)e
t
(f) ty

2y = t
3
(g) z

+ 2tz = t e
t
2
(h) y

+e
t
y = 3e
t
4. Resolva cada um dos problemas de valor inicial abaixo:
(a)
_
t y

2y ln t = 0
y(1) = 0
(b)
_
(1 +t
2
) y

ty = 1
y(0) = 5
(c)
_
sen t y

+ (cos t) y = cos 2t
y(/2) = 1/2
(d)
_
_
_
y

+
1
t 2
y = 4t
y(0) = 3
5. Verique que cada uma das equacoes abaixo e exata e encontre suas curvas integrais:
(a) (2ax +by) + (bx + 2ay) y

= 0 (b) (e
y
+ cos x) +xe
y
y

= 0
(c) e
x
cos y e
x
sen y y

= 0 (d) (x +y
2
)/x
2
= 2(y/x) y

6. Para cada uma das equacoes abaixo, encontre um fator integrante e determine suas curvas
integrais
(a) (2ax +by) + (bx + 2ay) y

= 0 (b) y
2
+x = 2y xy

7. Achar uma curva que passa pelo ponto (0, 2) de modo que o coeciente angular da reta
tangente em qualquer um dos seus pontos seja igual ao triplo da ordenada do mesmo ponto.
8. A taxa de variacao da pressao atmosferica P em relacao `a altura h e diretamente proporcional
`a pressao. Supondo que a pressao a 6000 metros seja metade de seu valor P
0
ao nvel do mar,
achar a formula para qualquer altura.
9. Uma colonia de bacterias cresce a uma razao proporcional ao n umero de bacterias presentes.
Se o n umero de bacterias duplica a cada 24 horas, quantas horas serao necessarias para que
o n umero aumente cem vezes sua quantidade original.
10. Um tanque de 200 litros de capacidade, contem inicialmente 40 litros de agua pura. A partir
do instante t = 0, adiciona-se no tanque uma solucao de salmoura com 250 gramas de sal por
litro, `a razao de 12 litros por minuto. A mistura e suposta uniforme, escoa do tanque `a razao
de 8 l/min. Determinar:
a) o tempo necessario para que ocorra o transbordamento;
b) a concentracao de sal na mistura presente no tanque no instante do transbordamento.
54 CAP

ITULO 3. EQUAC

OES DIFERENCIAIS DE PRIMEIRA ORDEM
Captulo 4
Equacoes Diferenciais Lineares de
Segunda Ordem
Consideremos agora a equacao linear de segunda ordem
y

+a(t) y

+b(t) y = h(t). (4.1)

em que a(t), b(t), chamados coecientes, e h(t), chamado termo forcante, sao funcoes contnuas
em um intervalo I: se h(t) , 0, ela e dita nao homogenea e a funcao h(t) sera chamada termo
forcante da equacao (4.1). Se h(t) = 0, t, a equacao (4.1) ca
y

+a(t) y

+b(t) y = 0 (4.2)
e e entao chamada homogenea. Nosso objetivo e encontrar a solucao geral da equacao (4.1),
isto e, obter uma expressao que descreva todas as solucoes dessa equacao. Podemos associar `a
equacao (4.1) (ou `a equacao (4.2)) condicoes iniciais. Dados t
0
I, y
0
, y
0
R, o problema de
encontrar uma solucao y(t) de (4.1) tal que y(t
0
) = y
0
e y

(t
0
) = y
0
e um problema de valor
inicial associado a essa equacao. O problema de encontrar a solucao geral de (4.1) e equivalente ao
de encontrar a solucao de qualquer problema de valor inicial associado a essa equacao. Enunciamos
no teorema a seguir um fato importante para o estudo das equacoes de segunda ordem: o problema
de valor inicial para tais equacoes tem uma unica solucao; a demonstracao esta fora dos objetivos
deste texto.
Teorema 4.1. Suponhamos que a(t), b(t) e f(t) sejam funcoes contnuas em um intervalo I.
Entao, dados t
0
I, x
0
, x
1
R, existe uma unica solucao da equacao
y

+a(t) y

+b(t) y = f(t) (4.3)

tal que y(t
0
) = x
0
e y

(t
0
) = x
1
.
4.1 A equacao homogenea com coecientes constantes
Nesta secao, vamos encontrar a solucao geral de (4.2) quando os coecientes a e b sao constantes.
Para resolver essa equacao, vamos adotar um procedimento que sera repetido muitas vezes neste
curso: transformar nosso problema em outro ja resolvido. Assim, vamos resolver a equacao (4.1)
55
56 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
reduzindo-a a um par de equacoes de primeira ordem. Para conseguir isso, o primeiro passo e
determinar constantes A, B tais que
y

+a y

+b y =
d
dt
_
y

Ay
_
B
_
y

Ay
_
. (4.4)
Uma vez conseguidos A e B, denimos a funcao z(t) = y

Ay; com isso a equacao (4.1) assume

a forma
z

Bz = h(t), (4.5)
que e uma equacao linear de 1
a

ordem. A partir da soluc ao z(t) da equacao (4.5), procuramos y(t)

tal que
y

Ay = z(t)
que fornecera a solucao de (4.1).
Como a equacao (4.2) e mais simples do que (4.1), ela sera tratada antes. Para que (4.4) esteja
vericada para toda funcao y, precisamos ter
A+B = a, A B = b ,
ou seja, A e B precisam ser as solucoes da chamada equacao caracterstica

2
+a +b = 0. (4.6)
A analise da equacao diferencial (4.2) depende do sinal do discriminante = a
2
4b > 0.
1
o

caso: = a
2
4b > 0. A equacao caracterstica (4.6) tem 2 razes reais
1
,
2
dadas por

1
=
a +

a
2
4b
2
e
2
=
a

a
2
4b
2
Podemos entao reescrever (4.2) na forma
d
dt
_
y

2
y
_

1
_
y

2
y
_
= 0.
Chamando z = y

2
y, essa equacao ca
z

1
z = 0. (4.7)
cuja solucao geral e
z(t) = C
1
e

1
t
, C
1
= constante arbitraria. (4.8)
Portanto, a solucao y(t) de (4.1) que procuramos e solucao da equacao de 1
a

ordem
y

2
y = C
1
e

1
t
. (4.9)
Resolvendo (4.9), obtemos
y(t) = K
1
e

1
t
+K
2
e

2
t
(4.10)
em que K
1
e K
2
sao constantes arbitrarias (K
1
= C
1
/(
1

2
)).
Notemos que a expressao (4.10) fornece todas as solucoes da equacao diferencial (4.1). Em
particular, as funcoes y
1
(t) = e

1
t
e y
2
(t) = e

2
t
sao solucoes de (4.1). Assim como no caso
das equacoes de primeira ordem, chamaremos a expressao (4.10) de solucao geral da equacao
diferencial (4.1).
4.1. A EQUAC

AO HOMOG

ENEA COM COEFICIENTES CONSTANTES 57

Exemplo 4.1. (a) Encontrar a solucao geral da equacao
y

+ 3 y

10 y = 0
(b) Encontrar a solucao y(t) dessa equacao satisfazendo as condicoes y(0) = 7 e y

(0) = 0.
A equacao caracterstica e
2
+ 3 10 = 0. Portanto as razes sao

1
=
3 +

9 + 40
2
=
3 + 7
2
= 2 e
2
=
3

9 + 40
2
=
3 7
2
= 5
Logo, a solucao geral da equacao diferencial e
y(t) = C
1
e
2 t
+C
2
e
5 t
.
As condicoes iniciais y(0) = 10 e y

(0) = 0 implicam
C
1
+C
2
= 7 2C
1
5C
2
= 0
donde obtemos C
1
= 5 e C
2
= 2. Logo, a solucao e
y(t) = 5e
2 t
+ 2 e
5 t
.
Observacao 4.1.

E interessante comparar a equacao diferencial (4.1)
y

+a y

+b y = 0
com a correspondente equacao carasterstica (4.6).

2
+a +b = 0.
Notemos que a cada derivada da funcao incognita em (4.1) corresponde uma potencia de em
(4.6); mais especicamente, aos termos y

, y

e y =derivada de ordem 0em (4.1) correspondem,

respectivamente, as potencias
2
, e 1=
0
. Essa correspondencia se deve ao fato que as
derivadas da funcao
f(t) = e
t
sao dadas por
f

(t) = e
t
e f

(t) =
2
e
t
.
Uma outra maneira de obter a relacao acima entre a equacao diferencial e a equacao caracterstica
ocorre quando procuramos solucoes de (4.1) na forma e
t
: e razoavel tentarmos solucoes de (4.1)
nessa forma, uma vez que as solucoes da equacao diferencial linear homogenea de primeira ordem
sao m ultiplos da funcao exponencial. Substituindo y(t) = e
t
em (4.1), obtemos
0 = y

+a y

+b y = e
t
_

2
+a +b
_
Como e
t
,= 0, t, temos necessariamente

2
+a +b = 0,
ou seja, e solucao da equacao caracterstica (4.6).
58 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
2
o

caso: = a
2
4b = 0. Agora, a equacao caracterstica

2
+a +b = 0,
tem uma raiz repetida:
1
=
2
= b/2a que indicaremos por .
Repetindo o procedimento do caso anterior, resolvemos a equacao
w

w = 0,
cuja solucao e
w(t) = C e
t
.
Em seguida, procuramos a solucao geral da equacao
y

y = C e
t
.
Multiplicando pelo fator integrante e
t
, obtemos
e
t
y

e
t
y
. .
(e
t
y(t))

= C e
t
e
t
= C
Integrando, temos
e
t
y(t) = C t +D,
donde obtemos a expressao da solucao geral da equacao (4.1) quando a equacao caracterstica tem
uma raiz dupla
y(t) = C t e
t
+De
t
= (C t +D) e
t
. (4.11)
Exemplo 4.2. Encontrar a solucao geral da equacao diferencial
y

4 y

+ 4 y = 0.
A equacao caracterstica e

2
4 + 4 = 0,
que tem = 2 como raiz dupla. Portanto, as solucoes da equacao diferencial sao dadas pela
expressao
y(t) = C e
2 t
+Dt e
2 t
.
3
o

caso: = a
2
4b < 0. Neste caso, as razes da equacao caracterstica tem partes imaginarias
diferentes de zero. Como, nos dois casos anteriores, a funcao exponencial desempenha um papel
fundamental, e de se esperar que o mesmo ocorra neste caso, para uma funcao exponencial complexa.
Assim, a primeira coisa que temos a fazer e denir convenientemente a exponencial
e
(+i ) t
, com , R.
e razoavel supor que a propriedade caracterstica da funcao exponencial: e
x+y
= e
x
e
y
continue
valida para a nova exponencial, ou seja, que essa propriedade seja valida quando os expoentes sao
complexos. Assim, se z = +i , lembrando a formula de Euler e
i
= cos +i sen , temos
e
z t
= e
(+i ) t
= e
t
e
i t
= e
t
(cos t +i sen t)
4.1. A EQUAC

AO HOMOG

ENEA COM COEFICIENTES CONSTANTES 59

A funcao f(t) = e
i t
pode ser representada geometricamente. Identicando o n umero complexo
e
i t
= cos t + i sen t com o par ordenado (cos t, sen t), vemos que, quando t varia de 0 a 2, o
n umero complexo f(t) percorre (uma vez) a circunferencia x
2
+y
2
= 1 no sentido anti-horario.
Alem do argumento usado no Captulo I, apresentamos uma outra maneira de ver que e natural
denir e
i t
pela formula de Euler. Vimos que, para todo x R:
e
x
= 1 +x +
x
2
2!
+
x
3
3!
+
x
4
4!
+
x
5
5!
+
x
6
6!
+
x
7
7!
+ ,
Substituindo formalmente x por i t e usando as igualdades i
2
= 1, i
3
= i, i
4
= 1, i
5
= i,
i
6
= 1, i
7
= i, . . ., temos
e
i t
= 1 +i t
t
2
2!
i
t
3
3!
+
t
4
4!
+i
t
5
5!

t
6
6!
i
t
7
7!
+ .
Agora, notando que
cos t = 1
t
2
2!
+
t
4
4!

t
6
6!
+
sen t = t
t
3
3!
+
t
5
5!

t
7
7!
+ ,
temos
e
i t
= cos t +i sen t.
Assim, e razoavel denir a exponencial geral de expoente complexo por
e
(+i )t
= e
t
_
cos t +i sen t
_
. (4.12)
Lembrando a denicao de derivada de uma funcao complexa, temos
d (e
i t
)
dt
=
d (cos t)
dt
+i
d (sen t)
dt
= sen t +i cos t = i(cos t +i sen t) = ie
i t
.
Agora, usando (4.12) e a regra da derivada do produto, mostra-se facilmente (faca como exerccio)
que
d e
(+i )t
dt
= ( +i )e
(+i )t
.
Com essas denicoes podemos repetir o procedimento acima e mostrar facilmente que, se
1
= +i
e
2
= i sao as razes da equacao caracterstica (4.6), entao toda solucao da equacao diferencial
(4.1) e dada por
y(t) = C
1
e

1
t
+C
2
e

2
t
,
em que C
1
, C
2
sao constantes (que podem ser complexas). Isto ainda nao e satisfatorio, pois
gostaramos de obter solucoes reais da equacao (4.1). Para resolver esse problema, usaremos o
seguinte resultado.
Teorema 4.2. Se y(t) = u(t) + i v(t) e uma solucao complexa (com u(t) , v(t) reais) da equacao
diferencial
y

(t) +a y

+b y = f(t) +i g(t), (4.13)

em que os coecientes a e b sao constantes reais e f(t) e g(t) sao funcoes reais, entao u(t) e v(t)
sao solucoes, respectivamente, das equacoes
u

(t) +a u

+b u = f(t) (4.14)
60 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
e
v

+a v

+b v = g(t). (4.15)
Demonstracao: Como y(t) e uma solucao de (4.13), temos
u

(t) +i v

(t) +a (u

+i v

) +b(u(t) +i v(t)) = f(t) +i g(t),

Separando parte real e parte imaginaria, temos
u

(t) +a u

(t) +b u(t) = f(t)

v

(t) +a v

(t) +b v(t) = g(t) ,

isto e, u e v sao solucoes de (4.14) e (4.15), respectivamente.
Apliquemos o Teorema 4.2 `a equacao (4.1). Se
1
= + i e
2
= i sao as razes da
equacao caracterstica (4.6), entao as solucoes complexas
y
1
(t) = e
(t+i ) t
e y
2
(t) = e
ti ) t
fornecem as solucoes reais
z
1
(t) = e
t
cos t e z
2
(t) = e
t
sen t
da equacao (4.1).
Uma outra propriedade importante das solucoes da equacao (4.1) e dada no proximo teore-
ma, cuja vericacao e imediata e ca como exerccio. O signicado do teorema e que qualquer
combinacao linear de solucoes de uma equacao linear homogenea (4.2) tambem e solucao de
(4.2).
Teorema 4.3. (Princpio de Superposicao) Se y
1
(t) e y
2
(t) sao solucoes das equacoes
y

+a y

+b y = h
1
(t), (4.16)
e
y

+a(t) y

+b(t) y = h
2
(t), (4.17)
respectivamente, e se C
1
e C
2
sao constantes, entao a funcao y(t) = C
1
y
1
(t) + C
2
y
2
(t) e solucao
da equacao
y

+a(t) y

+b(t) y = C
1
h
1
(t) +C
2
h
2
(t). (4.18)
Em particular, se z
1
(t) e z
2
(t) sao solucoes da equac ao nao homogenea
y

+a(t) y

+b(t) y = h(t),
(ou se z
1
(t) e z
2
(t) sao solucoes da equacao homogenea (4.1)) entao a funcao w(t) = z
1
(t) z
2
(t)
e solucao da correspondente equacao homogenea
y

+a(t) y

+b(t) y = 0. (4.19)
No caso especial em que h(t) 0, temos: se y
1
(t) e y
2
(t) sao solucoes de (4.19), entao, quaisquer
que sejam as constantes c
1
, c
2
, a funcao c
1
y
1
(t) +c
2
y
2
(t) e solucao de (4.19).
4.1. A EQUAC

AO HOMOG

ENEA COM COEFICIENTES CONSTANTES 61

Observacao 4.2. De acordo com a ultima parte do Teorema 4.3, o conjunto
o = y : R R : y

(t) +a y

(t) +b y(t) = 0
de todas as solucoes da equacao linear homogenea de segunda ordem e um espaco vetorial. Nos dois
casos anteriores, em que as razes da equacao caracterstica sao reais, vimos que a solucao geral e
uma combinacao de duas funcoes em que nenhuma e m ultipla da outra. Mais especicamente, no
caso em que a equacao caracterstica tem duas razes distintas
1
e
2
, essas funcoes sao e

1
t
e
e

2
t
e a solu cao geral e
y(t) = C
1
e

1
t
+C
2
e

2
t
;
no caso a equacao caracterstica tem uma raiz dupla , essas funcoes sao e
t
e t e
t
e a solucao
geral de (4.1) e
y(t) = C
1
e
t
+C
2
t e
t
.
Veremos que isso signica que o espaco vetorial o tem dimensao 2 e que este fato tambem e
verdadeiro quando as razes da equacao caracterstica tem partes imaginarias nao nulas.
Voltemos `a equacao (4.1). Pelo Teorema 4.2, se
1
= + i e
2
= i sao as razes da
equacao caracterstica (4.6) e C e D sao constantes quaisquer, entao a funcao
y(t) = e
t
(C cos t +Dsen t) (4.20)
e solucao da equacao (4.1). Em particular, as funcoes
y
1
(t) = e
t
cos t e y
2
(t) = e
t
sen t
sao solucoes da equacao (4.1).
Nos dois casos anteriores (em que as razes da equacao caracterstica sao reais), expressoes como
(4.20) fornecem a solucao geral da equacao (4.1) naqueles casos. Veremos que isto tambem ocorre
neste caso.
Exemplo 4.3. Considere a equacao diferencial y

+ 4y

+ 5y = 0. A equacao caracterstica e

2
+ 4 + 5 = 0, cujas solucoes sao
1
= 2 +i e
1
= 2 i. Portanto, as funcoes
y
1
(t) = e
(2+i) t
= e
2t
(cos t +i sen t) e y
2
(t) = e
(2i) t
= e
2t
(cos t i sen t)
sao solucoes complexas da equacao diferencial dada. Logo, as funcoes
z
1
(t) = e
2t
cos t e z
2
(t) = e
2t
sen t
solucoes reais.
As solucoes da equacao (4.1) encontradas acima, que sao :
e

1
t
e e

2
t
, se a
2
> 4b
e
t
e t e
t
, ( = a/2), se a
2
= 4b
e
t
cos t e t e
t
sen t, se a
2
< 4b
sao sucientes para resolver qualquer problema de valor inicial
_
_
_
y

+a y

+b y = 0
y(t
0
) = y
0
,
y

(t
0
) = y
0
.
(4.21)
62 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
Analisaremos apenas o caso a
2
> 4b: os outros sao tratados de modo analogo (e cam como
exerccio). Procuremos as solucao do problema de valor inicial na forma
y(t) = Ce

1
t
+De

2
t
Impondo as condicoes iniciais y(t
0
) = y
0
, e y

(t
0
) = y
0
, obtemos o seguinte sistema de 2 equacoes
nas variaveis C, D:
_
e

1
t
0
C + e

2
t
0
D = y
0

1
e

1
t
0
C +
2
e

2
t
0
C = y
0
(4.22)
cuja matriz dos coecientes
_
e

1
t
0
e

2
t
0

1
e

1
t
0

2
e

2
t
0
_
tem determinante (
1

2
)e
(
2

1
) t
0
,= 0 (pois
2
,=
1
). Logo, o sistema (4.22) tem sempre uma
unica solucao.
Como, pelo Teorema 4.1, qualquer solucao y(t) da equacao diferencial (4.1) e determinada de
modo unico pelos valores iniciais y(t
0
) e y

(t
0
), podemos obter a solucao geral de (4.1).
4.2 Equacao nao homogenea
Analisaremos agora a equacao nao homogenea
y

+a(t) y

+b(t) y = h(t). (4.23)

em que a(t), b(t) e h(t) sao funcoes contnuas em um intervalo I. Pelo princpio de superposicao, a
solucao geral de (4.23) e a soma da solucao geral da equacao homogenea associada com uma solucao
particular de (4.23). Estudaremos dois metodos para encontrar uma solucao particular de (4.23):
o metodo de variacao dos parametros e o metodo dos coecientes indeterminados. Estaremos
especialmente interessados no caso em que os coecientes a e b sao constantes reais.
4.3 O metodo de variacao dos parametros
Sejam y
1
(t), y
2
(t) duas solucoes nao proporcionais (isto e, nenhuma dessas funcoes e m ultipla
constante da outra) da equacao linear homogenea de segunda ordem
y

+a(t)y

+b(t)y = 0 . (4.24)
Vimos que, quaisquer que sejam as constantes c
1
e c
2
, a funcao z(t) = c
1
y
1
(t) +c
2
y
2
(t) e solucao
de (4.24). Vamos procurar funcoes u
1
(t), u
2
(t) de modo que a funcao
y
p
(t) = u
1
(t)y
1
(t) +u
2
(t)y
2
(t) (4.25)
seja solucao da equacao diferencial linear de segunda ordem nao homogenea
y

+a(t)y

+b(t)y = h(t). (4.26)

Derivando (4.25), temos
y

p
(t) = u

1
(t)y
1
(t) +u

2
(t)y
2
(t) +u
1
(t)y

1
(t) +u
2
(t)y

2
(t) .
4.3. O M

ETODO DE VARIAC

AO DOS PAR

AMETROS 63
Para evitar que a expressao da derivada de segunda ordem y

p
(t) que gigantesca, vamos supor que
as fun coes u
1
(t), u
2
(t) (que estamos procurando) satisfazem
u

1
(t)y
1
(t) +u

2
(t)y
2
(t) = 0. (4.27)
Entao y

(t) ca
y

p
(t) = u
1
(t)y

1
(t) +u
2
(t)y

2
(t). (4.28)
Derivando, obtemos
y

p
(t) = u

1
(t)y

1
(t) +u
1
(t)y

1
(t) +u

2
(t)y

2
(t) +u
2
(t)y

2
(t). (4.29)
Substituindo (4.28) e (4.29) na equacao (4.26), obtemos
u
1
_
y

1
+a(t)y

1
+b(t)y
1
_
+u
2
_
y

2
+a(t)y

2
+b(t)y
2
_
+u
1
y

1
+u
2
y

2
= h(t) .
Como y

1
+a(t)y

1
+b(t)y
1
= 0 e y

2
+a(t)y

2
+b(t)y
2
= 0, essa relacao ca
u

1
y

1
+u

2
y

2
= h(t) .
Logo, as funcoes procuradas u
1
, u
2
devem satisfazer
_
u

1
y
1
+u

2
y
2
= 0
u

1
y

1
+u

2
y

2
= h(t) .
Resolvendo esse sistema obtemos u

1
, u

2
. Integrando essas funcoes, obtemos u
1
, u
2
e portanto a
solucao y
p
(t).
Exemplo 4.4. Encontrar a solucao geral da equacao diferencial
y

y = 4t
2
. (4.30)
A solucao geral da equacao homogenea associada e y
h
(t) = ae
t
+ be
t
. Procuraremos uma
solucao particular da equacao (4.30) na forma y
p
(t) = u(t)e
t
+ v(t)e
t
. De acordo com a teoria
vista acima, as funcoes u e v devem satisfazer
_
u

(t)e
t
+v

(t)e
t
= 0
u

(t)e
t
v

(t)e
t
= 4t
2
.
Resolvendo esse sistema nas incognitas u

(t) e v

(t), obtemos
u

(t) = 2t
2
e
t
e v

(t) = 2t
2
e
t
.
Integrando, obtemos u(t) = 2(2 + 2t + t
2
)e
t
e v(t) = 2(2 2t + t
2
)e
t
. Assim, a solucao
particular procurada e y(t) = u(t)e
t
+v(t)e
t
= 2(2 +2t +t
2
) 2(2 2t +t
2
) = 8 4t
2
. Logo,
a solucao geral da equacao (4.30) e
y(t) = ae
t
+be
t
8 4t
2
.
Exemplo 4.5. Encontrar a solucao geral da equacao diferencial
y

+y = tg t,

2
< t <

2
. (4.31)
64 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
As funcoes y
1
(t) = cos t e y
2
(t) = sen t sao solucoes linearmente independentes da equacao
homogenea associada. Procuraremos uma solucao particular da equacao (4.30) na forma
y
p
(t) = u
1
cos t +u
2
sen t .
Entao, as funcoes u
1
e u
2
devem satisfazer
_
u

1
cos t +u

2
sen t = 0
u

1
sen t +u

2
cos t = tg t .
Resolvendo esse sistema, obtemos
u

1
(t) = cos t sec t e u

2
(t) = sen t .
Integrando essas funcoes, obtemos u(t) e v(t):
u
1
(t) = sen t ln[ sec t + tg t[
u
2
(t) = cos t .
Logo, a solucao geral da equacao (4.30) e
y(t) = a cos t +bsen t cos t ln [ sec t + tg t[.
Exemplo 4.6. Encontrar a solucao geral da equacao linear nao homogenea
y

3 y

+ 2 y = 8 e
2t
. (4.32)
A equacao caracterstica da equacao homogenea associada e
2
3 + 2 = ( 1)( 2) = 0.
Assim, a solucao geral da equacao homogenea e y
H
(t) = a e
t
+ b e
2 t
, a, b R. Vamos procurar
uma solucao da equacao nao homogenea (4.32) na forma y
p
(t) = u(t)e
t
+v(t)e
2 t
. Entao u(t) e v(t)
devem satisfazer
_
u

e
t
+v

e
2 t
= 0
u

e
t
+ 2 v

e
2 t
= 8 e
2 t
Resolvendo esse sistema, obtemos v

= 8 e u

= 8 e
t
. Portanto, podemos tomar u(t) = 8 e
t
e
v(t) = 8 t. Logo, uma solucao particular de (4.32) e y
p
(t) = 8 e
2 t
+ 8 t e
2 t
e a solucao geral de
(4.32) e y(t) = 8 t e
2 t
+ a e
t
+ b e
2 t
, a, b R (notemos que a parcela 8 e
2 t
de y
p
(t) e solucao da
equacao homogenea; por isso, ela nao comparece explicitamente na expressao da solucao geral).
Exemplo 4.7. Encontrar a solucao geral da equacao linear nao homogenea
y

3 y

+ 2 y = 9 t
2
e
2t
. (4.33)
Vimos no exemplo anterior que a solucao geral da equacao homogenea e y
H
(t) = a e
t
+b e
2 t
, a, b R.
Procurando uma solucao da equacao nao homogenea (4.32) na forma y
p
(t) = u(t)e
t
+v(t)e
2 t
, vemos
que u(t) e v(t) devem satisfazer
_
u

e
t
+v

e
2 t
= 0
u

e
t
+ 2 v

e
2 t
= 9 t
2
e
2 t
Resolvendo esse sistema, obtemos v

= 9 t
2
e u

= 3 t
2
e
t
. Portanto, podemos tomar u(t) =
(3 t
2
+ 6 t 6) e
t
(para obter u(t) integramos por partes duas vezes) e v(t) = 3 t
3
. Logo, uma
solucao particular de (4.32) e y
p
(t) = (3 t
2
+ 6 t 6) e
2 t
+ 3 t
3
e
2 t
e a solucao geral de (4.32) e
y(t) = (3 t
3
3 t
2
+ 6 t) e
2 t
+a e
t
+b e
2 t
, a, b R (como no exemplo anterior, a parcela 6 e
2 t
de
y
p
(t) e solucao da equacao homogenea; por isso, ela nao comparece explicitamente na expressao da
solucao geral).
4.4. O M

ETODO DOS COEFICIENTES INDETERMINADOS 65

Exerccio 4.1. (a) Usando o metodo de variacao dos parametros, encontrar uma solucao particular
para cada uma das equacoes diferenciais:
(a) y

+y = sec t,

2
< t <

2
; (b) 3y

+ 4y

+y = e
t
sent
(c) y

+ 3y = t
3
1 (d) y

y = t e
t
;
(e) y

+ 4y = sen t (f) y

+y = sent
(b) Para cada uma das equacoes em (a), encontre a solucao tal que y(0) = 0 e y

(0) = 0.
4.4 O metodo dos coecientes indeterminados
Quando o termo forcante da equacao linear de segunda ordem nao homogenea
y

+ay

+by = h(t) , (4.34)

(em que a, b sao constantes) tem uma forma especial, e facil encontrar uma solucao particular
dessa equacao. Por exemplo, se h(t) e uma funcao polinomial, e razoavel procurar uma solucao
de (4.34) na forma de um polinomio, se h(t) e uma funcao exponencial, procuramos a solucao de
(4.34) na forma exponencial e se h(t) e uma combinacao de senos e cossenos, devemos buscar a
solucao como uma combinacao de senos e cossenos. Notemos que, em todos esses casos, a funcao
h e uma solucao de alguma equacao linear homogenea com coecientes constantes. O metodo que
introduziremos nesta secao, chamado metodo dos coecientes indeterminados, aplica-se a equacoes
em que o segundo membro e da forma h(t) = e
t
_
p
m
(t)sen t + q
n
(t) cos t
_
, em que p
m
(t) e
q
n
(t) sao funcoes polinomiais de graus m e n, respectivamente; para tais equacoes, buscaremos
uma solucao da forma y(t) = e
t
_
P
j
(t)sen t + Q
j
(t) cos t
_
, em que P
j
(t) e Q
j
(t) sao funcoes
polinomiais de grau j, a serem determinadas. Em vez de consideracoes teoricas, vamos ilustrar o
metodo atraves de exemplos.
Exemplo 4.8. Encontrar a solucao geral da equacao diferencial
y

3y

+ 2y = 2t + 1 .
A equacao caracterstica da equacao homogenea associada e r
2
3r + 2 = 0, cujas solucoes sao
r
1
=
3

9 8
2
= 1 e r
2
=
3 +

9 8
2
= 2
Logo, a solucao geral da equacao homogenea associada e y
g
(t) = ae
t
+be
2t
.
Procuremos uma solucao particular da equacao nao homogenea na forma y(t) = at +b; entao
y

(t) = a, y

= 0. Substituindo na equacao diferencial, obtemos

3a + 2(at +b) = 2t + 1 ou 2at + 2b 3a = 2t + 1
donde
a = 1 e 2b 3a = 1, ou b = 2 .
Assim, uma solucao particular da equacao diferencial nao homogenea e y
p
(t) = t + 2. Logo, a
solucao geral da equacao nao homogenea e
y(t) = ae
t
+be
2t
+t + 2.
66 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
Exemplo 4.9. Encontrar a solucao geral da equacao diferencial
y

3y

+ 2y = 20e
3t
.
Pelo exemplo 4.8, a solucao geral da equacao homogenea associada e y
g
(t) = ae
t
+ be
2t
. Procu-
remos uma solucao particular da equacao nao homogenea na forma y(t) = ae
3t
; entao y

(t) =
3ae
3t
, y

(t) = 9ae
3t
. Substituindo na equacao diferencial, obtemos
9 a e
3t
3(3 a e
3t
) + 2 a e
3t
= 20 e
3t
donde a = 1. Assim, uma solucao particular da equacao dada e y
p
(t) = e
3t
. Logo, a solucao geral
da equacao diferencial nao homogenea e
y(t) = y
g
(t) +y
p
(t) = ae
t
+be
2t
+e
3t
.
Exemplo 4.10. Encontrar a solucao geral da equacao diferencial
y

3 y

+ 2 y = 5 sen t .
A solucao geral da equacao homogenea associada e y
g
(t) = a e
t
+b e
2t
a, b R. Procuremos uma
solucao particular da equacao nao homogenea na forma
y(t) = a sen t +b cos t;
entao y

(t) = a cos t b sen t , y

(t) = a sen t b cos t. Substituindo na equacao diferencial,

obtemos
a sen t b cos t 3(a cos t b sen t) + 2(a sen t +b cos t) = 5 sen t
ou
(3a +b) cos t + (a + 3b) sen t = 5 sen t .
donde obtemos a = 1/2 e b = 3/2. Assim, uma solucao particular da equacao nao homogenea e
y
p
(t) = (1/2) cos t + (3/2) sen t.
Logo, a solucao geral da equacao nao homogenea e
y(t) = a e
t
+b e
2t
+
1
2
cos t +
3
2
sen t.
Exemplo 4.11. Encontrar a solucao geral da equacao linear nao homogenea
y

3 y

+ 2 y = 5 e
2t
. (4.35)
A solucao geral da equacao homogenea associada e y
h
(t) = a e
t
+ b e
2t
. Notemos que o segundo
membro da equacao diferencial (4.35) e uma solucao da equacao homogenea. Assim, sera perda
de tempo procurar uma solucao de (4.11) na forma y(t) = c e
2t
, pois essas funcoes sao solucoes
da equacao homogenea; de fato, se procurarmos uma solucao de (4.35) na forma y(t) = c e
2t
,
chegaremos a
4 c e
2t
6 c e
2t
+ 2 c e
2t
= 5 e
2t
ou 0 c e
2t
= 5 e
2t
,
de onde e impossvel determinar c. Devemos fazer uma modicacao no metodo. Vamos tentar
uma solucao particular da equacao (4.35) da forma y
p
(t) = a t e
2 t
(essa tentativa e motivada pelo
4.4. O M

ETODO DOS COEFICIENTES INDETERMINADOS 67

Exemplo 4.6, no qual foi estudada uma equacao com um termo forcante parecido. Substituindo
y
p
(t) = cte
2t
, y

p
(t) = ce
2t
+ 2cte
2t
, y

p
(t) = 4ce
2t
+ 4cte
2t
na equacao (4.35), temos
4ce
2t
+ 4cte
2t
3(ce
2t
+ 2cte
2t
) + 2cte
2t
= 5e
2t
donde obtemos c = 5. Assim, uma solucao particular e y
p
(t) = 5 t e
2t
e a solucao geral de (4.35) e
y(t) = a e
t
+b e
2t
+ 5 t e
2t
, a, b R.
Resumo do procedimento
Consideremos a equacao diferencial
y

+ay

+by = e
t
_
p
m
(t)sen t +q
n
(t) cos t
_
(4.36)
em que p
m
(t) e q
m
(t) sao polinomios de graus m e n, respectivamente. Seja o maior dos n umeros
m e n. Se os n umeros i nao sao razes da equacao caracterstica, procuramos a solucao na
forma
y(t) = e
t
_
P

(t)sen t +Q

(t) cos t
_
. (4.37)
Se os n umeros i sao razes da equacao caracterstica com multiplicidade k (notemos que,
sendo (4.36) uma equacao de segunda ordem, podemos ter k = 1 ou k = 2), procuramos a solucao
na forma
y(t) = t
k
e
t
_
P

(t)sen t +Q

(t) cos t
_
.
Observacao 4.3. Em algumas equacoes - especialmente quando estao presentes os 3 fatores:
e
t
, p
m
(t) e cos t (ou sen t) - o metodo acima conduz a calculos excessivamente longos. Em
tais casos, e conveniente fazer a mudanca de variavel y(t) = e
t
z(t), que transforma a equacao
(4.36) em
z

+ (2 +a) z

+ (
2
+a +b) z = p
m
(t)sen t +q
n
(t) cos t .
Exemplo 4.12. Encontrar a solucao geral da equacao y

6 y

+ 9 y = t e
3 t
sen t.
Chamando y(t) = e
3 t
z(t), temos y

(t) = 3 e
3 t
z(t) + e
3 t
z

(t) e y

(t) = 9 e
3 t
z(t) + 6 e
3 t
z

(t) +
e
3 t
z

(t). Substituindo essas expressoes na equacao diferencial, obtemos

z

(t) = t sen t .
Integrando duas vezes, obtemos z(t) = a +b t t sen t 2 cos t, a, b R. Logo, a solucao y(t) da
equacao original e
y(t) = (a +b t) e
3 t
e
3 t
( t sen t 2 cos t) a, b R.
Para comparar o quanto os calculos cam simplicados com a mudanca acima, resolva a equacao
acima sem fazer a mudanca de variavel, isto e, substituindo diretamente na equacao diferencial a
expressao y(t) = e
3 t
[(A+Bt) cos t + (C +Dt) sen t].
68 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
4.5 Exerccios
1. Encontre a solucao geral de cada uma das equacoes diferenciais abaixo:
(a) y

+ 3y

= e
2t
(b) y

+ 2y

+y = 2 (c) y

+ 4y

2y = 8 sen 2t,
(d) y

+ 3y

= 9 (e) y

+ 25y = cos 3t (f) y

+y = cos t + sen t
(g) y

7y

= e
7t
(h) y

+ 3y

= cos 3 t (i) y

4y

+ 8y = e
2t
(sen 2t cos 2t)
(j) y

7y

= (1 t)
2
(k) y

+ 25y = sen 5t (l) y

8y

+ 16y = (1 t)e
4t
2. Resolva os seguintes problemas de valor inicial:
(a)
_
y

+ 3y

= 3,
y(0) = 1, y

(0) = 0
(b)
_
y

7y

= (1 t)
2
y(1) = 5, y

(1) = 2
(c)
_
y

+ 3y

= e
t
y(0) = 1, y

(0) = 0
(d)
_
y

7y

= e
7t
,
y(0) = 0, y

(0) = 0
(e)
_
y

8y

+ 16y = (1 t)e
4t
y(1) = 1, y

(1) = 1
(f)
_
y

+ 25y = cos 5t
y(0) = 0, y

(0) = 1
4.6 Movimento Harmonico Simples
Nesta secao estudamos o movimento de um objeto de massa m ligado a uma mola de constante
elastica k, sujeito `a acao de uma forca externa f(t) e atrito proporcional `a velocidade. Vimos no
Captulo 2 que o deslocamento y(t) do objeto e descrito pela equacao (2.3), ou seja,
my

+b y

+k y = f(t).
Existe uma grande semelhanca entre o movimento descrito por
esse objeto e o de um pendulo, que descrevemos a seguir.
A gura ao lado mostra um pendulo simples sujeito a uma
forca externa F em um meio que oferece uma resistencia ao
movimento dada por b

. O movimento e descrito pela equacao.

+b

+
g
l
sen = F(t) . (4.38)
Nessa equacao l e o comprimento do cabo, g e a aceleracao
da gravidade e a parcela b

e devida `a forca de atrito (a forca

de atrito e, em geral, proporcional `a velocidade).
x
y

T
mg

`
`
`

Figura 4.1
A equacao (4.38) nao e linear. Nao e possvel expressar sua solucao em termos de funcoes
elementares. Um procedimento adotado e fazer a aproximacao sen e considerar a equacao
linear

+b

+
g
l
= F(t) . (4.39)
Exemplo 4.13. Suponhamos que nao haja atrito e que seja nula a resultante das forcas externas
atuando sobre o pendulo. Entao, chamando =
_
g/l, a equacao (4.39) ca

+
2
= 0 . (4.40)
4.6. MOVIMENTO HARM

ONICO SIMPLES 69
A equacao caracterstica e
2
+
2
= 0, cujas solucoes sao = i. Logo, as funcoes
1
(t) =
cos t e
2
(t) = sen t sao solucoes linearmente independentes de (4.39). Portanto, a solucao geral
e
(t) = a cos t +b sen t .
Para esbocar o graco dessa solucao, vamos expressa-la em uma forma mais simples. Notemos
que podemos escrever
(t) =
_
a
2
+b
2
_
a

a
2
+b
2
cos t +
b

a
2
+b
2
sen t
_
.
Chamando A =

a
2
+b
2
, cos = a/

a
2
+b
2
, sen = b

a
2
+b
2
e usando a identidade trigo-
nometrica cos cos t + sensen t , podemos escrever
(t) = Acos( t ).
O graco da solucao tem o aspecto da gura abaixo.
2

A
`
x

Figura 4.2
Exemplo 4.14. Suponhamos que seja nulo o atrito e que a resultante das forcas externas atuando
sobre o pendulo seja Bcos t ( e uma constante positiva). Entao, a equacao (4.39) ca

+
2
= Bcos t (4.41)
A solucao geral da equacao homogenea associada e (t) = a cos t+b sen t . Procuremos uma
solucao particular da equacao (4.40) na forma
p
(t) = c cos t +dsen t. Substituindo essa funcao
nessa equacao, temos
c(
2

2
) cos t +d(
2

2
)sen t = Bcos t .
Se ,= , obtemos
c =
B

2
, d = 0
e uma solucao particular e

p
(t) =
B

2
cos t. (4.42)
70 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
Portanto, a solucao geral de (4.41) e
(t) = a cos t +b sen t +
B

2
cos t.

E claro que a solucao particular obtida em (4.42) e periodica de perodo 2/ e amplitude B/(
2

2
). Notemos que, quando se aproxima de , a amplitude dessa solucao vai tornando cada vez
maior: isso indica um fenomeno de ressonancia. De fato, mostremos que, para = , as solucoes
da equacao (4.41) nao permanecem limitadas quando t . Para = , a equacao (4.41) ca

+
2
= Bcos t (4.43)
Como i e raiz da equacao caracterstica de (4.43), devemos procurar uma solucao particular dessa
equacao (4.43) na forma

p
(t) = t(c cos t +d sen t).
Substituindo na equacao diferencial, obtemos
2 d cos t 2 c sen t = B cos t
donde obtemos c = 0, d = A/(2). Assim, uma solucao particular e

p
(t) =
B
2
t sen t ,
que nao e uma funcao limitada, quando t .
Exemplo 4.15. Suponhamos que o movimento esteja sujeito a uma forca de atrito proporcional `a
velocidade, b

, e que nao haja nenhuma forca externa atuando. Entao, a equacao (4.39) ca

+b

+
2
= 0 (4.44)
A equacao caracterstica e
2
+b +
2
= 0, cujas solucoes sao

1
=
b +

b
2
4
2
2
e
2
=
b

b
2
4
2
2
Se b
2
4
2
> 0 as razes sao reais e negativas (pois b < b
2
4
2
> 0). A solucao geral e
(t) = a e

1
t
+b e

2
t
Como
1
< 0 ,
2
< 0, e claro que (t) 0, quando t (o graco de uma tal solucao e mostrado
na gura abaixo).
Se b
2
4
2
= 0 temos uma raiz dupla (
1
=
2
= b/2). A solucao geral e
(t) = (a +b t) e
b t/2
.
Como no caso anterior, (t) 0, quando t (o graco de uma tal solucao e mostrado na gura
abaixo).
4.7. EXERC

ICIOS 71

`
t

`
t

Figura 4.3 Figura 4.4

Se b
2
4
2
< 0 as razes sao n umeros complexos com parte real negativa (isto implica que
(t) 0, quando t ) e partes imaginarias nao nulas. Vamos escrever = + i ( =
b/2, =

4
2
b
2
/2). A solucao geral e
(t) = e
t
_
a cos t +b sen t
_
.

E facil ver que uma tal solucao tende a zero oscilando uma innidade de vezes. O graco da solucao
e mostrado na gura abaixo.

`
t
Figura 4.5
4.7 Exerccios
1. Encontre a solucao geral de cada uma das equacoes diferenciais abaixo:
(a) y

+ 3y

= e
2t
(b) y

+ 2y

+y = 2 (c) y

+ 4y

2y = 8 sen 2t,
(d) y

+ 3y

= 9 (e) y

+ 25y = cos 3t (f) y

+y = cos t + sen t
(g) y

7y

= e
7t
(h) y

+ 3y

= cos 3 t (i) y

4y

+ 8y = e
2t
(sen 2t cos 2t)
(j) y

7y

= (1 t)
2
(k) y

+ 25y = sen 5t (l) y

8y

+ 16y = (1 t)e
4t
72 CAP

ITULO 4. EQUAC

OES DIFERENCIAIS LINEARES DE SEGUNDA ORDEM
2. Resolva os seguintes problemas de valor inicial:
(a)
_
_
_
y

+ 3y

= 3
y(0) = 1
y

(0) = 0
(b)
_
_
_
y

+ 3y

= e
t
y(0) = 1
y

(0) = 0
(c)
_
_
_
y

7y

= (1 t)
2
y(1) = 5
y

(1) = 2
(d)
_
_
_
y

7y

= e
7t
y(0) = 0
y

(0) = 0
(e)
_
_
_
y

+y

+ 2y = 0
y(0) = 1
y

(0) = 2
(f)
_
_
_
2y

+y

10y = 0
y(1) = 5
y

(1) = 2
(g)
_
_
_
9y

+ 6y

y = 0
y(0) = 1
y

(0) = 0
(h)
_
_
_
y

+ 2y

+y = 0
y(2) = 1
y

(2) = 1
(i)
_
_
_
y

6y

+ 9y = (1 t)e
3t
y(1) = 1
y

(1) = 1
(j)
_
_
_
3y

2y

+ 4y = 0
y(2) = 1
y

(2) = 1
(k)
_
_
_
y

+ 25y = cos 5t
y(0) = 0
y

(0) = 1
Captulo 5
Espa cos Vetoriais e Subespacos
5.1 Denicao e Exemplos de Espacos Vetoriais
Denicao 5.1. Um conjunto nao vazio V e chamado um espaco vetorial real quando estao
denidas em V duas opera coes
V V V e R V V
(x, y) x +y V (, y) y V,
chamadas adicao e multiplicacao por escalar, respectivamente, satisfazendo as seguintes con-
dicoes:
(EV1) x + (y +z) = (x +y) +z, x, y, z V ;
(EV2) x +y = y +x, x, y V ;
(EV3) existe um elemento, que chamaremos vetor nulo e denotaremos por 0, tal que
0 +x = x + 0, x V ;
(EV4) para cada x V , existe um elemento y V tal que x + y = y + x = 0 (tal elemento sera
chamado oposto de x e denotado por x);
(EV5) (x) = () x, , R, x V
(EV6) ( +) x = x + x, , R, x V
(EV7) (x +y) = x +y, R, x, y V
(EV8) 1 x = x, x V .
Os elementos de V serao chamados vetores e os n umeros reais, escalares.
Exemplo 5.1. O conjunto V = R, com as operacoes usuais de adicao e multiplicacao, e um espaco
vetorial real: as propriedades acima sao as propriedades associativas e comutativas da adicao e
multiplicacao, elemento neutro para adicao, elemento unidade para multiplicacao, elemento oposto
para adicao e elemento inverso para multiplicacao.
Exemplo 5.2. O conjunto V
3
dos vetores
geometricos (denidos por meio dos segmen-
tos orientados), munido das operacoes usuais
de adicao de vetores e multiplicacao de vetor
por escalar real (como indicadas na gura ao
lado), e um espaco vetorial real.
v

u+v
u
3
2
u

Figura 5.1
73
74 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Exemplo 5.3. Seja R
2
= (x, y) : x, y R. Dados u = (x, y) e v = (s, t) em R
2
e R,
denimos
u +v = (x +s, y +t)
u = (x, y).
Com as operacoes assim denidas, R
2
e um espaco vetorial. Veriquemos, por exemplo, a condicao
(EV1): dados u = (x, y), v = (s, t), w = (p, q) R
2
, usando em cada componente, o fato que a
adicao de n umeros reais e associativa, temos:
u + (v +w) = (x, y) +
_
(s +p, q +t)

= (x + (s +p), y + (q +t))
= ((x +s) +p, (y +q) +t) = (u +v) +w.
e facil ver que o vetor nulo em R
2
e o par (0, 0) e que o oposto de u = (x, y) e o vetor (x, y). As
outras propriedades sao facilmente vericadas. Os vetores de R
2
podem ser representados geome-
tricamente por segmentos orientados e a adicao denida acima corresponde a adicao de segmentos
orientados, como na gura acima.
Exemplo 5.4. O conjunto C dos n umeros complexos e um espaco vetorial real, munido da adicao
usual de n umeros complexos e multiplicacao de n umero real por n umero complexo, ou seja,
(a +b i) + (c +d i) = (a +c) + (b +d) i
(a +b i) = (a) + (b) i.
Exemplo 5.5. Vimos no Captulo 1 que R
n
= (x
1
, . . . , x
n
) : x
1
, . . . , x
n
R, com as operacoes
denidas por (1.8) e (1.9), e um espaco vetorial real.
Exemplo 5.6. O conjunto V = M
mn
(R) das matrizes m n e um espaco vetorial real com a
adicao denida por (1.26) e a multiplicacao por escalar denidas em (1.27).
Exemplo 5.7. Seja a: I R uma funcao contnua no intervalo I R. Ja vimos que o conjunto
V = y : I R : y

(t) +a(t) y(t) = 0

das solucoes da equacao diferencial y

+a(t) y = 0 e um espaco vetorial.

Exemplo 5.8. Vimos tambem que, se a, b R sao constantes , o conjunto
V = y : R R : y

(t) +a y

(t) +b y(t) = 0
das solucoes da equacao diferencial y

+a y

+b y = 0 e um espaco vetorial.
Exemplo 5.9. Sejam k um n umero inteiro positivo, e I R um intervalo. Denotemos por
C
(k)
(I, R) o conjunto das funcoes denidas em I com valores reais k-vezes derivaveis, com a de-
rivada de ordem k contnua. Dadas f, g C
(k)
(I, R) e R, denimos as novas funcoes f +g e
f por
(f +g)(x) = f(x) +g(x) e (f)(x) = f(x), x I. (5.1)
Mostra-se, sem diculdade que, munido destas operacoes, C
(k)
(I, R) e um espaco vetorial real.
Denotaremos por C
()
(I, R) o conjunto das funcoes de I em R que tem derivadas de todas as
ordens. Denindo as operacoes como em (5.1), pode-se mostrar facilmente que C
()
(I, R) e um
espaco vetorial real.
Da mesma maneira, o conjunto c(I, R) de todas as funcoes contnuas f : I 1, com as
operacoes denidas em (5.1), e um espaco vetorial.
5.1. DEFINIC

AO E EXEMPLOS DE ESPAC OS VETORIAIS 75
Exemplo 5.10. Seja n um n umero inteiro positivo. O conjunto P
n
(R), de todos os polonomios
com coecientes reais de grau menor ou igual a n e um espaco vetorial, com as operacoes denidas
do seguinte modo: dados p(x) = a
0
+a
1
x + +a
n
x
n
e q(x) = b
0
+b
1
x + +b
n
x
n
em P
n
(R) e
R, entao p +q e p sao os polinomios tais que
(p +q)(x) = (a
0
+b
0
) + (a
1
+b
1
)x + + (a
n
+b
n
)x
n
(p)(x) = (a
0
) + (a
1
)x + + (a
n
)x
n
.
Mais geralmente, o conjunto P(R), de todos os polonomios com coecientes reais e um espaco
vetorial, com as operacoes denidas do seguinte como acima.
O proximo exemplo mostra um espaco vetorial um pouco fora do convencional.
Exemplo 5.11. Seja V = (0, ) = x R : x > 0. Dados x, y V e R, denimos
x y = xy e x = x

.
Entao (V, , ) e um espaco vetorial: e claro que valem as condicoes (EV1) a (EV4), pois a
multiplicacao de n umeros reais tem essas propriedades: o vetor nulo e o n umero 1. As outras sao
facilmente vericadas: por exemplo a propriedade (EV7) ca
( +) x = x
+
= x

= ( x) ( y).
Observacao 5.1. Em muitas situacoes, e conveniente considerar multiplicacao por escalar com-
plexo. Quando, na denicao acima a multiplicacao (, x) x for denida para todo C e as
propriedades (EV5)-(EV8) forem validas para todo C, diremos que V e um espaco vetorial
complexo (ou espaco vetorial sobre C). Quando quisermos nos referir indistintamente a um
espaco vetorial real ou um espaco vetorial complexo usaremos a expressao espaco vetorial sobre
K (o smbolo K sera usado para denotar R ou C).
Exemplo 5.12. Pelas mesmas razoes mencionadas no exemplo 5.1, o conjunto C e um espaco
vetorial complexo.
Dados u, v V , denimos a diferenca de u por v como sendo u v = u + (v). O teorema
abaixo contem algumas propriedades que decorrem diretamente da denicao de espaco vetorial.
Teorema 5.1. Seja V um espaco vetorial. Entao:
1. 0 = 0, R
2. 0 u = 0, u V
3. Se u = 0, com K, u V entao, ou = 0 ou u = 0.
4. (Regra de sinais) K, u V temos () u = (u) = (u).
5. , K, u V temos ( ) u = u u
6. K, u, v V temos (u v) = u v.
Demonstracao: 1) Usando (EV3), podemos escrever 0 = (0 + 0) = 0 + 0, portanto
0 = 0 + 0. Somando 0 aos dois membros (aqui estamos usando (EV4)), temos 0 0 =
0 +0 0, donde obtemos 0 = 0.
A vericacao de 2) e analoga e ca como exerccio.
3) Suponhamos u = 0 e ,= 0. Entao temos
1
(u) = ()
1
0 = 0. Mas, por (EV5) e (EV8)
temos, 0 =
1
(u) = (
1
)u = 1 u = u. Logo, u = 0.
4) Mostremos que ()u = (u). Como + = 0, temos, por (EV6), ()u + u = ( +
)u = 0u = 0, ou seja, ()u + u = 0, donde (somando (u) a ambos os membros) obtemos
()u = (u).
Deixamos como exerccio a vericacao das demais propriedades.
76 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Exerccio 5.1. Em cada um dos itens abaixo, verique se o conjunto V , com as operacoes indica-
das, e um espaco vetorial real:
a) V = (x, y) R
2
: 5x 3y = 0, operacoes usuais de R
2
;
b) V = f : R R : f(x) = f(x), x R, com as operacoes usuais de funcoes;
c) V = R
2
, com as operacoes: (x
1
, y
1
) + (x
2
, y
2
) = (2x
1
2y
1
, y
1
x
1
), (x, y) = (3x, x)
d) V = R (0, ), (x
1
, y
1
) (x
2
, y
2
) = (x
1
+x
2
, y
1
y
2
) (x, y) = (x, y

)
e) V = (x, y, z, w) R
4
: y = x, z = w
2
, operacoes usuais de R
4
f ) V = R R

: (x
1
, y
1
) + (x
2
, y
2
) = (x
1
+x
2
, y
1
y
2
) (x, y) = (x, 0)
5.2 Subespacos Vetoriais
Seja V um espaco vetorial sobre K. Um subconjunto W e dito um subespaco vetorial de V se:
(SE1) 0 W;
(SE2) dados u, v W, temos u +v W
(SE2) dados u W, K, temos u W
A propriedade SE2 signica que a operacao de adicao esta bem denida em W (a soma de
elementos de W pertence a W), o mesmo com relacao `a propriedade SE3. Como estas operacoes
satisfazem as condicoes (EV1) a (EV8) da denicao de espaco vetorial (elas estao satisfeitas para
todos elementos de V , em espceial elas valem para todos elementos de W) segue-se que W e tambem
um espaco vetorial (dentro de) V . Seja V um espaco vetorial qualquer; entao os subconjuntos
W = 0 e W = V sao subespacos vetoriais de V (chamados subespacos triviais).
Exemplo 5.13. Em V = R
2
, o subconjunto W = (x, y) : x 2y = 0 e um subespaco vetorial.
De fato, em primeiro lugar e claro que (0, 0) W. Alem disso, dados (x, y), (s, t) W, temos
x = 2y e s = 2t, donde x + s = 2(y + t), o que signica que (x, y) + (s, t) = (x + s, y + t) W.
Analogamente mostra-se que, se R, (x, y) W, entao (x, y) W.
Da mesma maneira, mostramos que qualquer reta passando pela origem e um subespaco de R
2
.
Exemplo 5.14. Em V = R
3
, os subespacos vetoriais s ao: 0, 0, 0), o proprio R
3
, as retas passando
pela origem (0, 0, 0) e os planos contendo a origem.
Exemplo 5.15. Seja V = C
(1)
(I, R); para qualquer k 1, o espaco vetorial W = C
(k)
(I, R) e um
subespaco vetorial de V .
Exemplo 5.16. Considere em R
3
os subconjuntos
W
1
= (x, y, z) [ x + 3y +z = 0, W
2
= (x, y, z) [ x + 3y +z = 0, y +z = 0,
W
3
= (x, y, z) [ 3x 2y 8z = 0, 4x + 5y 3z = 0,
W = (x, y, z) x + 3y +z = 0, 3x 2y 8z = 0, 4x + 5y 3z = 0.
(a) Mostrar que W e subespaco vetorial de R
3
. (b) Mostrar que W = W
1
W
2
= W
1
W
3
. (c)
Interpretar geometricamente W, W
1
, W
2
e W
3
.
Lembremos da Geometria Analtica que x+3y+z = 0, y+z = 0, 3x2y8z = 0 e 4x+5y3z = 0
sao equacoes de planos contendo a origem. Portanto W, W
1
, W
3
e W
3
sao intersecoes de planos,
podendo ser retas ou planos.
5.2. SUBESPAC OS VETORIAIS 77
Notemos que (x, y, z) W
1
x = 3y z (x, y, z) = (3y z, y, z) = y(3, 1, 0) +
z(1, 0, 1): assim, W
1
e o plano que contem (0, 0, 0) e tem a direcao dos vetores (3, 1, 0) e (1, 0, 1).
Do mesmo modo, W
2
e a intersecao dos planos x+3y +z = 0 e y +z = 0; resolvendo o sistema: z =
y e x = 2y, obtemos que (x, y, z) W
2
se, e somente se, (x, y, z) = (2y, y, y) = y(2, 1, 1),
ou seja, W
2
e a reta que passa pela origem e tem a direcao do vetor (2, 1, 1).
Quanto a W, temos
(x, y, z) W
_
_
_
x + 3y + z = 0
3x 2y 8z = 0
4x + 5y 3z = 0

_
_
_
x + 3y + z = 0
11y 11z = 0
7y 7z = 0

_
x + 3y + z = 0
y +z = 0
Portanto (x, y, z) W se, e somente se, z = y e x = 2y; portanto, (x, y, z) = (2y, y, y) =
y(2, 1, 1). Logo, W e o conjunto de todos os m ultiplos escalares do vetor (2, 1, 1), donde,
W = W
1
W
2
= W
1
W
3
= W
2
.
Exemplo 5.17. Considere em R
3
os subespacos: U = (x, y, z) [ xz = 0 = (x, y, x) [ x, y R
e W = (x, y, z) [ x y = 0 = (x, x, z) [ x, z R.

E facil ver que
U W = (x, y, z) [ x y = 0, x z = 0 = (x, x, x) [ x R.
Exerccio 5.2. Em cada um dos itens abaixo, verique se o subconjunto W e um subespaco vetorial
do espaco vetorial V :
a) V = R
4
, com as operac oes usuais e W = (x, x, y, y) : x, y R
b) V = R
5
, com as operacoes usuais e W = (x, y, z, w, t) : y = 2 x, e z = x
3

c) V = P
n
(R), com as operacoes usuais e W = p P
n
(R) : p(0) = p(1)
d) V = R
n
, com as operacoes usuais, W = (x
1
, x
2
, . . . , x
n
) : a
1
x
1
+ +a
n
x
n
= 0,
sendo a
1
, . . . , a
n
n umeros reais dados (xados).
e) V = M
2
(R), com as operacoes usuais e W =
_
_
a b
b c
_
: a, b, c R
_
f ) V = M
2
(R), com as operacoes usuais e W =
_
_
a b
b c
_
: a, b, c R
_
g) V = P
n
(R), com as operacoes usuais, W = p P
n
(R) : p

(t) = 0, t R
h) V = M
n1
(R), com as operacoes usuais, W = X V : AX = 0, A M
mn
dada.
i) V = R (0, ), como no exerccio 5.1.(d), W = (x, 1) V : x R.
j) V = M
n
(R) com as operacoes usuais, W = A V : BA = 0, sendo B M
n
(R) xada.
l) V = M
n
(R) com as operacoes usuais, W = A V : A
T
= A (A
T
denota a transposta de A)
m) V = M
n
(R), com as operacoes usuais, W = A M
n
(R) : A
t
= A
Exerccio 5.3. Seja V = C(R, R) o espaco vetorial das funcoes contnuas f : R R. Mostre
que W e um subespaco vetorial de V, sendo:
a) W = f V : f(1) = 0 b) W = f V : f(x) = f(x), x R
c) W = f V : f(x) = f(x), x R d) W = f V : f

(x)+5f

(x)2f(x) = 0, x R.
Exerccio 5.4. Seja V um espaco vetorial, e sejam U, W subespacos vetoriais de V . Mostre que
o conjunto U W e subespaco vetorial de V .
Exerccio 5.5. Em cada item abaixo encontrar o subespaco U W, em que U, W sao subespacos
do espaco vetorial V indicado.
a) U = (x, y) R
2
: y = 0, W = (x, y) R
2
: x = 2y, V = R
2
.
b) U =
__
a 0
0 b
_
: a, b R
_
, W =
__
0 c
0 d
_
: c, d R
_
, V = M
2
(R).
c) U = p P
3
(R) : p

(t) = 0, t R, W = q P
3
(R) : q

(t) = 0, t R, V = P
3
(R).
78 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

5.3 Combinacoes Lineares
Sejam
1
, . . . ,
n
K, u
1
, . . . , u
n
V . O vetor
v =
1
u
1
+ +
n
u
n
chama-se combinacao linear de u
1
, . . . , u
n
. O conjunto de todas combinacoes lineares de u
1
, . . . , u
n
sera denotado por [u
1
, . . . , u
n
]; se escrevermos S = u
1
, . . . , u
n
, tambem denotaremos [S]. Quan-
do e constituido de um unico elemento, digamos S = v, entao [S] e o conjunto de todos os
m ultiplos escalares de v: [S] = v : R.
Exemplo 5.18. Considere em R
3
os vetores a = (1, 0, 0), b = (1, 1, 0), c = (0, 0, 1),
d = (0, 1, 0). Entao:
[a] = (x, 0, 0) : x R = eixo x, [c] = eixo z, [d] = eixo y,
[b] = (y, y, 0) : y R = reta passando pela origem paralela ao vetor b
[a, b] = [a, d] = [a, b, d] = (x, y, 0) : x, y R = plano xy,
[a, b, c] = R
3
, [b, c] = (x, x, z) R
3
: x, z R e o plano y = x.
Teorema 5.2. O conjunto W = [u
1
, . . . , u
n
], constitudo de todas combinacoes lineares de u
1
, . . . , u
n
,
e um subespaco vetorial de V .
Demonstracao: Em primeiro lugar, e facil ver que o vetor nulo e combinacao linear de u
1
, . . . , u
n
;
de fato,
0 = 0 u
1
+ + 0 u
n
portanto 0 W. Alem disso, dados v =
1
u
1
+ +
n
u
n
e w =
1
u
1
+ +
n
u
n
em W, temos
v +w = (
1
+
1
)u
1
+ + (
n
+
n
)u
n
que e uma combinacao linear de u
1
, . . . , u
n
, ou seja, v + w W. Analogamente, mostra-se que
dados v W e K, tem-se v W. Logo, [u
1
, . . . , u
n
] e um subespaco vetorial de V .
O subespaco [u
1
, . . . , u
n
], dado no teorema anterior, chama-se subespaco gerado por u
1
, . . . , u
n
.
Os vetores u
1
, . . . , u
n
sao entao chamados geradores do subespaco. Um espaco vetorial V e dito
nitamente gerado quando e gerado por uma quantidade nita de vetores: tambem dizemos que
V tem dimensao nita.
Podemos estender a denicao de subespaco gerado aos seguintes casos:
(1) Se S = , pomos [S] = 0
(2) Se S for um conjunto innito, denimos o conjunto [S] pondo:
u [S] v
1
, . . . , v
r
S,
1
, . . .
r
K tais que u =
1
v
1
+ +
r
v
r
.
Exemplo 5.19. O espaco vetorial R
n
e nitamente gerado: os vetores e
1
, . . . , e
n
, tais que
e
1
= (1, 0, . . . , 0), . . . , e
n
= (0, . . . , 0, 1)
constituem um conjunto de geradores de R
n
. De fato, todo vetor x = (x
1
, . . . , x
n
) R
n
e combi-
nacao linear de e
1
, . . . , e
n
, pois x = x
1
e
1
+ +x
n
e
n
.
Exemplo 5.20. O espaco vetorial P
n
(R) e nitamente gerado: e facil ver que ele e gerado pelos
monomios m
0
(t) = 1, m
1
(t) = t, m
2
(t) = t
2
, . . . , m
n
(t) = t
n
: todo polinomio p(t) de grau menor
ou igual a n se escreve como p(t) = a
0
+a
1
t + +a
n
t
n
= a
0
m
0
(t) +a
1
m
1
(t) + +a
n
m
n
(t).
5.3. COMBINAC

OES LINEARES 79
Exemplo 5.21. O espaco vetorial P(R), de todos os polinomios, nao e nitamente gerado. Fixado
qualquer conjunto nito p
1
, . . . , p
m
P(R), seja n o mais alto grau dos polinomios
p
1
, . . . , p
m
: e claro que o polinomio p(t) = t
n+1
nao e combinacao linear de p
1
, . . . , p
m
.
As seguintes propriedades sao de vericacao imediata (que cam como exerccio):
(a) S [S]
(b) S
1
S
2
[S
1
] [S
2
]
(c) [S] = [[S]]
Observacao 5.2. Os geradores sao importantes, pois eles representam o espaco vetorial, do mesmo
modo que na Geometria Analtica, os vetores diretores representam retas ou planos, conforme o
caso. Assim, e conveniente determinar a quantidade mnima de geradores de um espaco vetorial
V , no sentido que, se um deles for removidos do conjunto de geradores, o novo subespaco obtido
e menor do que V . O proximo teorema arma que podemos retirar do conjunto de geradores
qualquer vetor que seja combinacao linear dos outros. O exemplo 5.18 ilustra esse fato: vimos
nesse exemplo que os conjuntos de vetores a, b, c e a, b geram o mesmo subespaco: [a, b, d] =
[a, b] = (x, y, 0) : x, y R (notemos que d e combinacao linear de b e a: de fato, d = b a).
Teorema 5.3. Suponhamos V = [v
1
, . . . , v
n
]. Se um desses geradores, digamos v
k
e combinacao
linear dos demais, entao V = [v
1
, . . . , v
k1
, v
k+1
, . . . , v
n
].
Demonstracao: Para simplicar a notacao, suponhamos que v
1
e combinacao linear de v
2
, . . . , v
n
.
Mostremos que V [v
2
, . . . , v
n
], ou seja, que todo x V e combinacao linear de v
1
, . . . , v
n
.
Sabemos que x e combinacao linear de v
1
, . . . , v
n
(pois estes vetores geram V ), isto e, existem
escalares
1
, . . . ,
n
tais que x =
1
v
1
+ +
n
v
n
. Tambem sabemos que v
1
e combinacao linear
de v
2
, . . . , v
n
:
v
1
=
2
v
2
+ +
n
v
n
.
Podemos entao escrever:
x =
1
v
1
+
2
v
2
+ +
n
v
n
=
1
(
2
v
2
+ +
n
v
n
) +
2
v
2
+ +
n
v
n
= (
1

2
+
2
)v
2
+ + (
1

n
+
n
)v
n
Desta relacao podemos ver que x e combinacao linear de v
2
, . . . , v
n
, ou seja, x [v
2
, . . . , v
n
]. Por
outro lado, como temos, obviamente, [v
2
, . . . , v
n
] V , segue-se que V = [v
2
, . . . , v
n
].
Exerccio 5.6. a) Vericar se o vetor (1, 4, 2) R
3
e combinacao linear de (1, 2, 0) e (1, 1, 1).
b) Vericar se o vetor (3, 5, 7) R
3
e combinacao linear de (2, 1, 3) e (3, 2, 2).
c)

E possvel escrever o vetor (10, 15) R
2
como combinacao linear dos vetores (2, 3) e
(4, 6)? Por que?
Exerccio 5.7. Considere as matrizes
A =
_
0 2
0 1
_
, B =
_
1 1
1 0
_
C =
_
3 1
1 1
_
D =
_
0 0
1 1
_
.
a) Escreva a matriz D como combinacao linear de A, B e C.
b)

E possvel escrever A como combinacao linear de B, C e D? E B como combinacao linear de
A, C e D? E C como combinacao linear de A, B e D?
80 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Exerccio 5.8. Escreva o polinomio q = t
2
+ 4t 3 como combinacao linear dos polinomios:
p
1
= t + 3; p
2
= 2t
2
3t e p
3
= t
2
2t + 5.
Exerccio 5.9. Mostre que P
3
(R) = [p
1
, p
2
, p
3
, p
4
] em que p
1
= 1; p
2
= 1 +t; p
3
= 1 +t +t
2
; p
4
=
1 +t +t
2
+t
3
.
Exerccio 5.10. Para cada um dos subconjuntos S V , em que V e o espaco vetorial indicado,
encontrar o subespaco gerado por S, isto e, [S].
a) S = (1, 0), (2, 1), V = R
2
. b) (1, 1, 1), (2, 2, 0), V = R
3
.
c) S = 1, t, t
2
, 1 +t
3
, V = P
3
(R). d) S =
_
_
0 1
0 0
_
,
_
0 0
1 0
_
_
, V = M
2
(R).
5.4 Dependencia Linear
Sejam V um espaco vetorial e S = v
1
, . . . , v
n
V . Dizemos que os vetores v
1
, . . . , v
n
sao
linearmente dependentes, ou que S e um conjunto linearmente dependente (escreveremos
abreviadamente LD) quando existem escalares nao todos nulos
1
, . . . ,
n
tais que

1
v
1
+ +
n
v
n
= 0. (5.2)
Caso contrario, isto, e, se uma igualdade do tipo
1
v
1
+ +
n
v
n
= 0 so for possvel quando

1
= =
n
= 0, dizemos que os vetores v
1
, . . . , v
n
sao linearmente independentes, ou que S
e um conjunto linearmente independente (abreviadamente LI).
Observacao 5.3. A denicao de independencia linear deve ser interpretada do seguinte modo:
a igualdade (5.2) e uma equacao vetorial nas incognitas
1
, . . . ,
n
com coecientes vetoriais
v
1
, . . . , v
n
. Quaisquer que sejam os vetores v
1
, . . . , v
n
, a equacao tem a solucao (chamada trivial
(
1
, . . . ,
n
) = (0, . . . , 0). Se os vetores v
1
, . . . , v
n
forem tais que seja a unica solucao de (5.2) seja
(
1
, . . . ,
n
) = (0, . . . , 0), dizemos que S e LI; caso a equacao tenha tambem outras solucoes (isto
e, com pelo menos um dos
j
diferente de 0), dizemos que S e LD.
Exemplo 5.22. Os vetores (1, 1, 1), (1, 1, 0), (0, 0, 1) sao LD, pois podemos escrever
1.(1, 1, 1) + (1)(1, 1, 0) + (1)(0, 0, 1) = (0, 0, 0).
Exemplo 5.23. Os vetores (1, 0, 0), (1, 1, 0), (1, 1, 1) sao LI: de fato, se escrevermos
(1, 0, 0) +(1, 1, 0) +(1, 1, 1) = (0, 0, 0),
obtemos
( + +, +, ) = (0, 0, 0), ou seja,
_
_
_
+ + = 0
+ = 0
= 0
que implica = = = 0.
Exemplo 5.24. Vimos no Captulo I que os vetores e
1
, . . . , e
n
da base canonica de R
n
sao LI.
Observacao 5.4. (um criterio para dependencia linear em R
2
e R
3
). Dados u = (a, b), v =
(c, d) R
2
, temos u, v LD se, e somente se, um dos vetores e m ultiplo escalar do outro: ou
u = v (isto e, (a, b) = (c, d)) ou v = u (isto e, (c, d) = (a, b)); em qualquer um dos casos
temos det
_
a b
c d
_
= 0.
5.4. DEPEND

ENCIA LINEAR 81
Dados u
1
= (a
1
, b
1
, c
1
), u
2
= (a
2
, b
2
, c
2
), u
3
= (a
3
, b
3
, c
3
) R
3
, temos u
1
, u
2
, u
3
LD se, e
somente se, existem escalares nao todos nulos x
1
, x
2
, x
3
tais que x
1
u
1
+x
2
u
2
+x
3
u
3
= 0, isto e,
_
_
_
a
1
x
1
+a
2
x
2
+a
3
x
3
= 0
b
1
x
1
+b
2
x
2
+b
3
x
3
= 0
c
1
x
1
+c
2
x
2
+c
3
x
3
= 0 .
(5.3)
O sistema (5.3) pode ser visto como um sistema linear homogeneo nas incognitas x
1
, x
2
, x
3
. Este
sistema tem solucao nao trivial se, e somente se,
det
_
_
a
1
a
2
a
3
b
1
b
2
b
3
c
1
c
2
c
3
_
_
= 0 .
Notemos que as colunas dessa matriz sao as componentes dos vetores u
1
, u
2
, u
3
. Indicando essa
matriz por [u
1
u
2
u
3
] = 0, podemos armar que os vetores u
1
, u
2
, u
3
sao LD se, e somente se
det[u
1
u
2
u
3
] = 0.

E facil ver que esse fato e valido para n vetores em R

n
, mas pode car complicado analisar o
determinante, se n 4.
Observacao 5.5. (signicado da dependencia linear para funcoes): Considere o espaco vetorial
V = c(I, R
n
) das funcoes contnuas no intervalo I com valores em R
n
. Dizer que as funcoes
f
1
, . . . , f
n
c(I, R
n
) sao LD signica dizer que existem escalares
1
, . . . ,
n
(nao todos nulos) tais
que

1
f
1
(t) + +
n
f
n
(t) = 0 para todo t I. (5.4)
Por exemplo, o conjunto S = sen
2
t, cos
2
t, 1 c(R, R) e LD, pois, da trigonometria sabemos
que sen
2
t + cos
2
t 1 = 0, t R.
Notemos que, para cada t I, f
1
(t) , . . . , f
n
(t) sao vetores de R
n
. Logo, se as funcoes f
1
, . . . , f
n
sao linearmente dependentes, entao a condicao (5.4) arma que, para todo t I, os vetores
f
1
(t) , . . . , f
n
(t) sao linearmente dependentes em R
n
. Portanto, se, para algum t
0
I, os veto-
res f
1
(t
0
) , . . . , f
n
(t
0
) sao LI em R
n
, entao as funcoes f
1
, . . . , f
n
sao LI. Combinando estes fatos com
a observacao anterior, temos:
Teorema 5.4. Se, para algum t
0
I, det[f
1
(t
0
) , . . . , f
n
(t
0
)] ,= 0, entao as funcoes f
1
, . . . , f
n
sao
LI.
Exemplo 5.25. O conjunto S = e
t
, e
3t
c(R, R) e LI; de fato, suponhamos que
e
t
+e
3t
= 0 t R. (5.5)
Em particular, para t = 0, temos + = 0. Derivando (5.5), obtemos e
t
+ 3e
3t
= 0, t R;
para t = 0, temos + 3 = 0. A unica solucao do sistema de equacoes nas incognitas , e a
trivial = = 0. Logo, S e LI.
Exerccio 5.11. Mostre que
(1) S = 1, sent, cos t e LI (2) S = 1, e
t
, sent, e
t
cos t e LI
(3) S = 1, sent, cos t, cos 2t, sen
2
t e LD (4) S = cos 2t, sen
2
t, cos
2
t e LD.
82 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Teorema 5.5. (regra para independencia linear de funcoes). Sejam
1
, . . . ,
n
funcoes
n 1 vezes diferenciaveis em um intervalo J com valores reais. Se existir x
0
J tal que
det
_

1
(x
0
)
2
(x
0
) . . .
n
(x
0
)

1
(x
0
)

2
(x
0
) . . .

n
(x
0
)
.
.
.
.
.
.
.
.
.
.
.
.

(n1)
1
(x
0
)
(n1)
2
(x
0
) . . .
(n)
n
(x
0
)
_

_
,= 0, (5.6)
entao
1
, . . . ,
n
sao LI.
Demonstracao: Suponhamos que

1
(x) +
2

2
(x) + +
n

n
(x) = 0, x J.
Derivando sucessivamente essa igualdade e substituindo x = x
0
, obtemos
_

1
(x
0
)
1
+
2
(x
0
)
2
+ +
n
(x
0
)
n
= 0

1
(x
0
)
1
+

2
(x
0
)
2
+ +

n
(x
0
)
n
= 0
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

(n1)
1
(x
0
)
1
+
(n1)
2
(x
0
)
2
+ +
(n1)
n
(x
0
)
n
= 0
(5.7)
As igualdades (5.7) podem ser vistas como um sistema de n equacoes nas incognitas
1
,
2
, . . . ,
n
,
em que a matriz dos coecientes tem deteminante diferente de zero. Portanto, esse sistema tem
uma unica solucao, que e
1
= 0,
2
= 0, . . . ,
n
= 0. Logo, as funcoes
1
, . . . ,
n
sao LI.
Exemplo 5.26. Se k ,= r, as funcoes e
k t
e e
r t
sao LI. De fato, temos
W(e
k t
, e
r t
)(t) = det
_
e
k t
e
r t
ke
k t
re
r t
_
= e
k t
e
r t
det
_
1 1
k r
_
= (r k)e
(k+r) t
,= 0.
Observacao 5.6. O determinante em (5.6) chama-se wronskiano das funcoes
1
, . . . ,
n
(em
homenagem ao matematico Wronski (1778-1853)). Esse determinante sera denotado por W(x) (ou
por W(
1
, . . . ,
n
)(x), quando quisermos indicar as funcoes
1
, . . . ,
n
).
Observacao 5.7. A recproca do teorema anterior nao e verdadeira. Por exemplo, as funcoes
f(x) = x
2
e g(x) = x[x[ sao LI, mas W(f, g)(x) = 0, x R. No entanto, pode-se mostrar que,
se duas func oes
1
,
2
forem LI e forem solucoes da equacao diferencial de segunda ordem
y

+a(t)y

+b(t)y = 0,
com a(t), b(t) contnuas em um intervalo J, entao W(
1
,
2
)(t) ,= 0. Veremos que vale um fato
correspondente para equacoes de ordem n da forma
y
(n)
+a
1
(t)y
(n1)
+ +a
n1
y

+a
n
(t)y = 0.
Exemplo 5.27. Sejam v
1
, . . . , v
n
V ; se um desses vetores for combinacao linear dos outros,
entao eles sao LD.
Seja v
k
o vetor que e combinacao linear dos demais:
v
k
=
1
v
1
+ +
k1
v
k1
+
k+1
v
k+1
+
n
v
n
.
5.4. DEPEND

ENCIA LINEAR 83
Podemos entao escrever

1
v
1
+ +
k1
v
k1
+ (1)v
k
+
k+1
v
k+1
+
n
v
n
= 0.
Como o coeciente de v
k
e nao nulo, temos que v
1
, . . . , v
n
sao LD.
A seguir veremos algumas propriedades fundamentais dos conjuntos LI e LD.
Teorema 5.6. Sejam v
1
, . . . , v
n
vetores nao nulos; se eles forem LD, entao ao menos um desses
vetores e combinacao linear dos precedentes, isto e, existe j 2 tal que v
j
e combinacao linear de
v
1
, . . . , v
j1
.
Demonstracao: Como v
1
, . . . , v
n
sao LD, existem escalares nao todos nulos
1
, . . . ,
n
tais que

1
v
1
+ +
n
v
n
= 0: seja k o maior dentre esses ndices tal que
k
,= 0. Podemos entao escrever

1
v
1
+ +
k
v
k
= 0 (omitimos as demais parcelas pois elas sao nulas). Portanto, temos
v
k
=

k
v
1


k1

k
v
k1
.
Logo, v
k
e combinacao linear dos vetores precedentes v
1
, . . . , v
k1
.
Corolario 5.1. Se S = v
1
, . . . , v
n
for LI e v
1
, . . . , v
n
, x for LD, entao x e combinacao linear
de v
1
, . . . , v
n
.
Demonstracao: Como nenhum dos v
j
pode ser combinacao linear dos precedentes (pois os vetores
v
1
, . . . , v
n
sao LI), segue-se que x e combinacao linear de v
1
, . . . , v
n
.
Teorema 5.7. Sejam S
1
, S
2
conjuntos nitos nao vazios, com S
1
S
2
:
(a) Se S
1
for LD, entao S
2
tambem e LD;
(b) Se S
2
for LI, entao S
1
tambem e LI.
Teorema 5.8. Suponha V = [v
1
, . . . , v
n
]. Entao:
(a) qualquer conjunto com mais de n vetores e LD;
(b) qualquer conjunto LI tem, no maximo, n vetores.
Demonstracao: Mostremos (a). De acordo com o Teorema 5.7, basta mostrar que qualquer
conjunto com n + 1 vetores e LD. Sejam x
1
, . . . , x
n
, x
n+1
V : podemos supor que x
1
, . . . , x
n
sao LI (se eles forem LD, a prova termina aqui). Como x
1
e combinacao linear de v
1
, . . . , v
n
, o
conjunto x
1
, v
1
, . . . , v
n
e LD; portanto, um dos vetores e combinacao linear dos precedentes; como
tal vetor nao pode ser x
1
, ele e um dos v
j
: para simplicar a notacao, vamos supor que v
n
e
combinacao linear de x
1
, v
1
, . . . , v
n1
. Pelo teorema 5.3, temos V = [x
1
, v
1
, . . . , v
n1
]. Agora
repetimos esse procedimento com o vetor x
2
: como o conjunto x
1
, x
2
, v
1
, . . . , v
n1
e LD, um dos
v
j
(que podemos supor v
n1
e combinacao linear dos anteriores; como no caso anterior, temos V =
[x
1
, x
2
, v
1
, . . . , v
n2
]. Continuando este processo, chegaremos a V = [x
1
, . . . , x
n
]. Como x
n+1

V = [x
1
, . . . , x
n
], segue-se que x
n+1
e combinacao linear de x
1
, . . . , x
n
, e assim, x
1
, . . . , x
n
, x
n+1
e
LD.
Exerccio 5.12. Sejam V um espaco vetorial, sejam v
1
, . . . , v
k
V e x V . Suponha que
x / [v
1
, . . . , v
n
]. Mostre que os vetores v
1
, . . . , v
n
, x sao LI.
84 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Observacao 5.8. Embora nao seja nosso objetivo, podemos denir os conceitos de dependencia e
independencia linear para conjuntos innitos de vetores: um conjunto innito S e dito linearmente
dependente quando existem x
1
, . . . , x
n
S e escalares
1
, . . . ,
n
tais que
1
x
1
+ +
n
x
n
= 0
(isto signica que S contem un subconjunto nito que e LD de acordo com a denicao anterior).
Diremos que S e linearmente independente quando todo subconjunto nito de S for LI. Por
exemplo, no espaco vetorial P(R), o conjunto B = 1, t, t
2
, . . . , t
n
, . . . e linearmente independente.
Em primeiro lugar, notemos que, para cada inteiro n xado, os elementos 1, t, t
2
, . . . , t
n
sao LI:
se
0
+
1
t +
2
t
2
+ +
n
t
n
= 0, entao, pelo princpio de identidade de polinomios, temos

1
=
2
= =
n
= 0; portanto, 1, t, t
2
, . . . , t
n
sao LI. Agora, dado qualquer subconjunto nito
S = t
k
1
, . . . , t
k
p
de B, seja N o maior dos n umeros k
1
, . . . , k
p
. Como S t
1
, . . . , t
N
e o
conjunto t
1
, . . . , t
N
e LI, segue-se que S e LI. Logo, B e LI.
Exerccio 5.13. Verique, em cada um dos itens abaixo, se o subconjunto S do espaco vetorial V
e LI ou LD.
a) S = (1, 0, 1), (3, 1, 2), (2, 5, 3), V = R
3
b) S = (1, 0, 3), (3, 1, 2), (1, 5, 7), V = R
3
c) S =
_
_
1 1
0 0
_
,
_
2 0
1 0
_
_
, V = M
2
(R). d) S = (1, 2, 2, 3), (1, 4, 2, 0), V = R
4
.
e) S = 1 +t t
2
, 2 + 5t 9t
2
, V = P
2
(R). f) S = (1, 2, 2, 3), (1, 4, 2, 0), V = R
4
.
g) S = (1, 5, 6); (2, 1, 8); (3, 1, 4); (2, 3, 11), V = R
3
h) S = (4, 6, 2), (2, 3, 1), V = R
3
i) S = (1, 3, 1, 4), (3, 8, 5, 7), (2, 9, 4, 23), V = R
4
j) S = (1, 2), (3, 1), V = R
2
l) S =
_
_
_
1 2 0
3 0 1
0 0 2
_
_
,
_
_
1 1 1
0 0 0
1 1 1
_
_
,
_
_
0 0 0
10 5 7
1 0 1
_
_
_
, V = M
3
(R).
5.5 Bases e Dimensao
Uma base de um espaco vetorial V ,= 0 e um conjunto B de vetores LI que gera V .
Exemplo 5.28. O conjunto B = u, v, em que u = (1, 2) e v = (3, 4), e base de R
2
.
Os vetores (1, 2) e (3, 4) sao LI pois, se (1, 2) +(3, 4) = (0, 0), temos ( +3, 2 +4) = (0, 0);
portanto, sao solucoes do sistema
_
+ 3 = 0
2 + 4 = 0
.
cuja ( unica) solucao e = = 0. Logo, u e v sao LI.
Mostremos que [u, v] = R
2
. Dado (a, b) R
2
, procuramos escalares x, y tais que xu + yv =
(a, b). Entao x, y precisam satisfazer x + 3y = a e 2x + 4y = b, cuja ( unica) solucao e x =
(b/2) 2a, y = a b/2. Portanto,
(a, b) =
_
b
2
2a
_
u +
_
a
b
2
_
v.
Exemplo 5.29. B = e
1
, e
2
, e
3
em que e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1) e base de
R
3
: de fato, ja vimos que [B] = R
3
e B e LI.
5.5. BASES E DIMENS

AO 85
Exemplo 5.30. Mais geralmente, B = e
1
, e
2
, . . . , e
n
, em que e
1
= (1, 0, . . . , 0, 0), e
2
=
(0, 1, . . . , 0, 0), . . . , e
n
= (0, 0, . . . , 0, 1) e base de R
n
(chamada base canonica de R
n
).
Exemplo 5.31. O conjunto B = 1, t, t
2
, . . . , t
n
, . . . e base do conjunto de todos os polinomios
P(R).

E claro que P(R) = [1, t, t

2
, . . . , t
n
, . . . ], pois todo polinomio se escreve como combinacao linear dos
monomios 1, t, t
2
, . . . , t
n
, . . . . Pela observacao acima, temos que B e LI.
Observacao 5.9. Notemos que a base de P(R) contem innitos elementos.

E facil ver que nenhum
conjunto nito pode gerar P(R). Espacos vetoriais como P(R) sao mais complicados e, por esta
razao nao serao tratados aqui.
Na Se cao anterior, denimos um espaco vetorial nitamente gerado, como sendo o que tem uma
quantidade nita de geradores. De acordo com o Teorema 5.3, podemos sempre remover vetores
do conjunto de geradores de modo a obter um conjunto de geradores LI. Podemos entao dizer que
um espaco vetorial e de dimensao nita quando ele tem uma base com uma quantidade nita de
vetores. Nos exemplos acima vemos que R
n
tem dimensao nita, mas que P(R) nao e de dimensao
nita.
Teorema 5.9. Seja V um espaco vetorial de dimensao nita. Entao todas as bases de V tem a
mesma quantidade de elementos.
Demonstracao: Sejam e
1
, . . . e
n
e v
1
, . . . v
p
duas bases de V . Como V = [e
1
, . . . e
n
] e
v
1
, . . . v
p
e um conjunto LI em V , temos, pelo Teorema 5.8, p n. Trocando os papeis de e
1
, . . . e
n
e v
1
, . . . v
p
, obtemos n p. Logo, n = p.
Denicao 5.2. Seja V um espaco vetorial de dimensao nita: o n umero de vetores de uma base
qualquer de V chama-se dimensao de V .
Exemplo 5.32. dim R
n
= n e dim P
n
(R) = n + 1.
Teorema 5.10. Seja V um espaco vetorial de dimensao n. Entao:
(a) qualquer conjunto de n geradores e base de V ;
(b) qualquer conjunto de n vetores LI e base de V .
Demonstracao: (a) Seja B = e
1
, . . . e
n
uma base de V , e seja S = v
1
, . . . , v
n
um conjunto de
geradores de V . Entao o conjunto S e necessariamente LI, pois, se fosse LD, algum desses vetores
seria combinacao linear dos demais, e V poderia ser gerado por menos de n vetores. Assim, V teria
uma base com menos de n elementos, contrariando o teorema anterior.
(b) Seja B = e
1
, . . . e
n
uma base de V , e seja S = v
1
, . . . , v
n
um conjunto LI em V . Para
provar que S e base de V , devemos mostrar que v
1
, . . . , v
n
geram V . Dado x V , o conjunto
v
1
, . . . , v
n
, x e LD (pois contem mais de n vetores; como nenhum V
j
e combinacao linear dos
precedentes, devemos ter que x e combinacao linear de v
1
, . . . , v
n
. Logo, S e base de V .
Teorema 5.11. Sejam V um espaco vetorial de dimensao n e W um subespaco vetorial de V .
Entao dim W n, e se dim W = n entao W = V .
Demonstracao: Como dim V = n, nenhum conjunto LI em V pode ter mais de n elementos.
Logo, qualquer base de W tem, no maximo, n vetores, e portanto, dim W n.
Suponhamos dim W = n. Toda base B = e
1
, . . . , e
n
de W e um conjunto LI de n vetores de V .
Como dim V = n, o teorema 5.10 implica que B e base de V . Logo, W = V .
86 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Teorema 5.12. Seja V um espaco vetorial de dimensao n e sejam v
1
, . . . v
p
vetores LI em V .
Entao existem n p vetores v
k+1
, . . . v
n
V tais que v
1
, . . . v
n
e base de V .
Demonstracao: Como p < n, temos [v
1
, . . . v
p
] , V . Entao existe v
p+1
V tal que v
p+1
/
[v
1
, . . . v
p
]. Como v
1
, . . . v
p
sao LI e que v
p+1
/ [v
1
, . . . v
p
], segue-se que nenhum desses vetores pode
ser combinac ao linear dos demais. Portanto, os vetores v
1
, . . . v
p
, v
p+1
sao LI.
Se p+1 = n, temos que os vetores v
1
, . . . v
p
, v
p+1
constituem uma base de V . Se p+1 < n, repe-
timos o procedimento acima. Apos np passos chegaremos a um conjunto LI v
1
, . . . v
p
, v
p+1
, . . . v
n
,
que e a base de V .
Exerccio 5.14. Vericar, em cada caso, se o conjunto B e uma base para o espaco vetorial V .
a) B = (1, 2, 1), (0, 3, 1), V = R
3
b) B = (1, 5, 6); (2, 1, 8); (3, 1, 4); (2, 3, 11), V = R
3
c) B = (2, 4, 3); (0, 1, 1); (0, 1, 10, V = R
3
d) B = 1, 1 +t, 1 t
2
, 1 t t
2
t
3
, V = P
3
(R).
e) B =
_
_
1 1
0 0
_
,
_
2 1
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 2
_
_
, V = M
2
(R).
f) (1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0), V = R
4
.
5.6 Bases para subespacos de R
n
Suponhamos W = [u
1
, u
2
, . . . , u
m
] R
n
. Denamos
v
1
= u
1
, v
2
= u
2
+k
1
v
1
, . . . , v
m
= u
m
+k
m
v
1
,
em que k
2
, . . . , k
m
R. Entao W = [v
1
, v
2
, . . . , v
m
]

E claro que [v
1
, v
2
, . . . , v
m
] W, pois os vetores v
1
, v
2
, . . . , v
m
sao combinacoes lineares de
u
1
, u
2
, . . . , u
m
. Agora, dado x W, temos x =
1
u
1
+
2
u
2
+ +
m
u
m
=
1
v
1
+
2
(v
2
k
2
v
1
)+
+
m
(v
m
k
m
v
1
) = (
1
k
2

2
k
m

m
)v
1
+
2
v
2
+ +
m
v
m
. Logo, x [v
1
, v
2
, . . . , v
m
].
Observacao 5.10. (1) O procedimento acima pode ser repetido com os vetores v
1
, v
2
, . . . , v
m
:
denamos w
1
= v
1
, w
2
= v
2
, w
3
= v
3
+ l
3
v
1
, . . . , w
m
= v
m
+ l
m
v
m
, em que l
3
, . . . , l
m
R.
Entao W = [w
1
, w
2
, . . . , w
m
].
(2) Se w
1
, w
2
, . . . , w
m
forem LI, entao dimW = m, e portanto u
1
, u
2
, . . . , u
m
sao LI.
(3) Essas propriedades sao uteis para determinar bases de subespacos de R
n
. Dados m vetores
u
1
, u
2
, . . . , u
m
, formamos a matriz A cujas linhas sao esses vetores. Em seguida escalonamos a
matriz A. Notemos que o processo de escalonamemto consiste exatamente em efetuar as operacoes
descritas acima.
Exemplo 5.33. Decidir se os vetores u
1
= (1, 5, 0, 8), u
2
= (2, 0, 2, 8), u
3
= (0, 2, 8, 6), u
4
=
(1, 9, 9, 8) sao LI ou LD.
_

_
1 5 0 8
2 0 2 8
0 2 8 6
1 9 9 8
_

_

_

_
1 5 0 8
0 10 2 8
0 2 8 6
0 4 9 0
_

_

_

_
1 5 0 8
0 1 4 3
0 5 1 4
0 4 9 0
_

_

_

_
1 5 0 8
0 1 4 3
0 0 21 11
0 0 7 12
_

_

_

_
1 5 0 8
0 1 4 3
0 0 7 12
0 0 21 11
_

_

_

_
1 5 0 8
0 1 4 3
0 0 7 12
0 0 0 25
_

_
5.7. SOMAS E SOMAS DIRETAS 87
Como a matriz A esta na forma escalonada, com todas linhas nao nulas, os vetores u
1
, u
2
, u
3
, u
4
sao LI.
5.7 Somas e Somas Diretas
Denicao 5.3. Sejam V um espaco vetorial e U , W subespacos de V . O conjunto
U +W = u +w : u U, w W
e subespaco vetorial de V , chamado soma dos subespacos U e W. Quando U W = 0, o
subespaco U +W chama-se soma direta de U e W e e denotado por U W.
Mostremos que U+W e subespaco vetorial de V . Em primeiro lugar, como o vetor nulo pertence
a U e a W, ele pertence a U +W, pois podemos escrever 0 = 0 + 0.
Agora, dados x
1
= u
1
+w
1
e x
2
= u
2
+w
2
em U +W, isto e, u
1
, u
2
U, w
1
, w
2
W, temos
u
1
+u
2
U, w
1
+w
2
W, pois U e W sao subespacos de V . Portanto,
x
1
+x
2
= u
1
+u
2
. .
U
+w
1
+w
2
. .
W
U +W
Do mesmo modo, se x = u +w, com u U, w W, e K, temos u U e w W, pois U e
W sao subespacos de V . Portanto,
x = u
..
U
+ w
..
W
U +W
Logo, U +W e subespaco vetorial de V .
Exemplo 5.34. Sejam U = (x, y) R
2
: y = 2x e W = (x, y) R
2
: y = 0. Entao
U +W = R
2
.

E claro que U + W R
2
(pois U e W sao subespacos de R
2
). Para vericar a inclusao
R
2
U +W, notemos que que todo (x, y) R
2
se escreve na forma (x, y) = (y/2, y) +(xy/2, 0):
como (y/2, y) U e (x y/2, 0) W, vemos que (x, y) U +W.
O proximo teorema relaciona as dimensoes da soma e da intersecao de dois subespacos com as
dimensoes desses subespacos.
Teorema 5.13. Seja V um espaco vetorial de dimensao nita, e sejam U, W subespacos de V .
Entao:
dim U + dim W = dim(U W) + dim(U +W). (5.8)
Em particular, se U W = 0, temos dim(U W) = dim U + dim W.
Demonstracao: Seja e
1
, . . . , e
p
uma base de U W. Pelo teorema 5.12, existem vetores
u
1
, . . . , u
q
U tais que e
1
, . . . , e
p
, u
1
, . . . , u
q
e uma base de U, e vetores v
1
, . . . , v
r
W
tais que e
1
, . . . , e
p
, v
1
, . . . , v
r
e uma base de W.

E claro que os vetores e
1
, . . . , e
p
, u
1
, . . . , u
q
,
v
1
, . . . , v
r
geram U +W. Resta mostrar que eles sao LI. Suponhamos que os escalares
1
, . . . ,
p
,

1
, . . . ,
q
,
1
, . . . ,
r
sejam tais que

1
e
1
+ +
p
e
p
+
1
u
1
+ +
q
u
q
+
1
v
1
+ +
r
v
r
= 0.
88 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Entao

1
e
1
+ +
p
e
p
+
1
u
1
+ +
q
u
q
. .
U
=
1
v
1

r
v
r
. .
W
.
Esta igualdade implica que ambos os membros pertencem a U W. Portanto,
1
v
1

r
v
r
U W. Como e
1
, . . . , e
p
e base de U W, existem escalares k
1
, . . . , k
p
tais que
1
v
1

r
v
r
= k
1
e
1
+ + k
p
e
p
, donde obtemos k
1
e
1
+ + k
p
e
p
+
1
v
1
+ +
r
v
r
= 0; como
e
1
, . . . , e
p
, v
1
, . . . , v
r
sao LI (pois constituem uma base de W), devemos ter necessariamente k
1
=
= k
p
=
1
= =
p
= 0. Da mesma maneira, obtemos
1
= =
p
= 0. Logo, os vetores
e
1
, . . . , e
p
, u
1
, . . . , u
q
, v
1
, . . . , v
r
sao LI e formam uma base de U +W. Contando os elementos das
bases de U, W, U W e U +W, obtemos a igualdade (5.8).
Exemplo 5.35. Sejam U = (x, y, z, t) : xy+z = 0 e y+zt = 0 , W = (x, y, z, t) : yt = 0
e y +z = 0 , Z = (x, y, z, t) : xy +z = 0 . Encontre bases para U, W, Z, U W, U +W, U
Z, U +Z, Z W, Z +W.
(x, y, z, t) U x y + z = 0 e y + z t = 0, donde obtemos z = y x e t = y +
z = 2y x. Portanto, (x, y, z, t) = (x, y, y x, 2y x) = x(1, 0, 1, 1) + y(0, 1, 1, 2), ou seja
U = [(1, 1, 0, 1), (1, 0, 1, 1)]; como os vetores (1, 0, 1, 1) e (0, 1, 1, 1) sao LI, eles formam uma
base de U.
(x, y, z, t) W t = y e z = y. Portanto, (x, y, z, t) = (x, y, y, y) = x(1, 0, 0, 0) +
y(0, 1, 1, 1), ou seja W = [(1, 0, 0, 0), (0, 1, 1, 1)]; como os vetores (1, 0, 0, 0) e (0, 1, 1, 1) sao LI,
eles formam uma base de W.
(x, y, z, t) Z xy+z = 0, donde obtemos z = yx. Portanto, (x, y, z, t) = (x, y, yx, t) =
x(1, 0, 1, 0)+y(0, 1, 1, 0)+t(0, 0, 0, 1), ou seja Z = [(1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 0, 1)]. Como esses
geradores sao LI, eles constituem uma base de Z.
(x, y, z, t) UW xy+z = 0, y+zt = 0, t = y e z = y, donde (x, y, z, t) = (0, 0, 0, 0).
Portanto, U W = (0, 0, 0, 0).
Pelo Teorema 5.13, temos dim(U + W) = dim U + dim W dim(U W) = 2 + 2 0 = 4.
Assim, U +W e um subespaco de dimensao 4 de R
4
. Portanto, U +W = R
4
.
(x, y, z, t) Z W x y + z = 0, t = y e z = y, donde (x, y, z, t) = (2y, y, y, y) =
y(2, 1, 1, 1). Portanto, Z W = [(2, 1, 1, 1)].
Pelo Teorema 5.13, temos dim(Z + W) = dim Z + dim W dim(Z W) = 3 + 2 1 = 4.
Assim, Z +W e um subespaco de dimensao 4 de R
4
. Portanto, Z +W = R
4
.

E claro que U Z; portanto U Z = U e U +Z = Z e bases para esses subespacos sao dadas

acima.
Exemplo 5.36. Sejam U, W, Z como no exemplo anterior. Determinar as dimensoes de U
W, U +W, U Z, U +Z, Z W, Z +W.
Pelo exemplo anterior, temos U = [(1, 0, 1, 1), (0, 1, 1, 2)], W = [(1, 0, 0, 0), (0, 1, 1, 1)]. Port-
anto U + W = [(1, 0, 1, 1), (0, 1, 1, 2), (1, 0, 0, 0), (0, 1, 1, 1)]. Determinemos uma base para
U +W.
_

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

_

_

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

_

_

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

_

_

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

_
5.8. COORDENADAS E MUDANC A DE BASE 89
Portanto dim(U + W) = 4. Como U + W e um subespaco de dimensao 4 de R
4
, segue-se que
U + W = R
4
. Usando o Teorema 5.13, temos dim(U W) = dim U + dim W dim(U + W) =
2 + 2 4 = 0. Logo, U W = (0, 0, 0, 0)
Analisemos agora U Z e U +Z. Como antes,
U +Z = [(1, 0, 1, 1), (0, 1, 1, 2), (1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 0, 1)].
Determinemos uma base para U +Z.
_

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

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

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

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

_
Portanto dim(U + Z) = 3; como Z e um subespaco vetorial de U + Z e ambos tem a mesma
dimensao que U +Z, segue-se que U +Z = Z. Usando o Teorema 5.13, temos
dim(U Z) = dim U + dim Z dim(U +Z) = 2 + 3 3 = 2.
Logo, U Z e um subespaco de U, com dim U Z = dim U; portanto, U Z = U.
Como nos dois casos acima, temos
W +Z = [(1, 0, 0, 0), (0, 1, 1, 1), (1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 0, 1)].
Determinemos uma base para W +Z.
_

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

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

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

_
_

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

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

_
Portanto dim(W + Z) = 4. Como Z + W e um subespaco de dimensao 4 de R
4
, segue-se que
Z +W = R
4
. Usando o Teorema 5.13, temos
dim(Z W) = dim Z + dim W dim(Z +W) = 3 + 2 4 = 1.
Logo, dim Z W = 1.
5.8 Coordenadas e mudanca de base
Sejam V um espaco vetorial de dimensao n, B = e
1
, . . . , e
n
uma base de V , e seja x V . Como
e
1
, . . . , e
n
geram V , existem escalares
1
, . . . ,
n
tais que
x =
1
e
1
+ +
n
e
n
. (5.9)
90 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Alem disso, como e
1
, . . . , e
n
sao LI, os escalares sao univocamente determinados, no sentido que,
se x =
1
e
1
+ +
n
e
n
, entao
1
=
1
, . . . ,
n
=
n
. Os n uneros
1
, . . . ,
n
chamam-se
coordenadas de x em relacao `a base B. A partir deste ponto, e conveniente considerar a base
ordenada: sera importante a ordem em que os vetores e
1
, . . . , e
n
aparecem nessa relacao (com isto
queremos dizer, por exemplo, que e
1
, e
2
, . . . , e
n
e e
2
, e
1
, . . . , e
n
sao bases distintas de V ). Podemos
entao escrever os escalares de (5.9) como uma matriz coluna (ou nupla), que sera chamada matriz
de coordenadas (ou nupla de coordenadas) de x
[x]
B
=
_

1
.
.
.

n
_

_
, (5.10)
onde deve car entendido que
1
e o coeciente de e
1
, . . . ,
n
e o coeciente de e
n
em (5.9). Para
simplicar a notacao vamos indicar a matriz em (5.10) por
_

1
, . . . ,
n

T
: o smbolo T indica a
transposta da matriz.
Exemplo 5.37. Sejam v
1
= (1, 0, 1, 0) , v
2
= (0, 0, 0, 1), v
3
= (0, 0, 1, 2) , v
4
= (0, 1, 0, 1) R
4
.
(a) Mostre que B = v
1
, v
2
, v
3
, v
4
e base de R
4
;
(b) Seja w = (a, b, c, d) R
4
; quais sao as coordenadas de w em relacao `a base canonica C (isto e,
C = e
1
= (1, 0, 0, 0), e
2
= (0, 1, 0, 0), e
3
= (0, 0, 1, 0), e
4
= (0, 0, 0, 1)) de R
4
?
(c) ache as coordenadas de w em relacao `a base B.
Procuremos , , , R tais que v
1
+v
2
+v
3
+v
4
= 0, ou seja,
(, , +, + 2 +) = (0, 0, 0, 0),
Dessa igualdade temos = 0, = 0, + = 0 e + 2 + = 0.
Como a unica solucao desse sistema e (, , , ) = (0, 0, 0, 0), segue-se que os vetores v
1
, v
2
, v
3
e v
4
sao LI. Agora, como qualquer conjunto LI de 4 vetores em R
4
e uma base, segue-se que B e
uma base de R
4
.

E claro que podemos escrever (a, b, c, d) = a(1, 0, 0, 0) + b(0, 1, 0, 0) + c(0, 0, 1, 0) + d(0, 0, 0, 1);
temos entao [w]
C
= (a, b, c, d)
T
.
Para obter as coordenadas de w em relacao `a base B, procuramos x, y, z, t tais que
(a, b, c, d) = x(1, 0, 1, 0) +y(0, 0, 0, 1) +z(0, 0, 1, 2) +t(0, 1, 0, 1).
Entao x, y, z, t devem satisfazer x = a, t = b, x +z = c e y +2z +t = d, donde x = a, y =
d 2a 2c d, z = c +a, t = b. Logo, [w]
B
= (a, d 2a 2c d, c +a, b)
T
.
Exemplo 5.38. Considere o espaco vetorial P
3
(R), de todos os polinomios de grau menor ou igual
a 3, e seja Bp
1
, p
2
, p
3
, p
4
P
3
(R), onde p
1
= 1 t
2
, p
2
= t
3
, p
3
= 1 + 2t
3
, p
4
= t +t
3
.
(a) Mostrar que dim P
3
(R) = 4;
(b) Mostrar que B e base de P
3
(R);
(c) Calcular as coordenadas de p(t) = 1 +t em relacao `a base B.
Em primeiro lugar, e claro que o conjunto 1, t, t
2
, t
3
gera P
3
(R), pois todo polinomio de grau
menor ou igual a 3 e uma combinacao linear de 1, t, t
2
, t
3
. Alem disso, eles sao LI, pois, se , , ,
forem tais que + t + t
2
+ t
3
= 0, entao o princpio de identidade de polinomios implica que
= = = = 0. Portanto, 1, t, t
2
, t
3
sao LI. Logo, dim P
3
(R) = 4.
5.8. COORDENADAS E MUDANC A DE BASE 91
De acordo com o Teorema 5.10, para mostrar que B e base, basta mostrar que os vetores de
B sao LI. Procuremos , , , tais que (1 t
2
) + t
3
+ (1 + 2t
3
) + (t + t
3
) = 0, ou seja,
+ t + ( + )t
2
+ ( + 2 + )t
3
= 0, donde obtemos = = = = 0. Logo, B e base de
P
3
(R).
Procuremos , , , tais que (1 t
2
) + t
3
+ (1 + 2t
3
) + (t + t
3
) = 1 + t, ou seja +
t + ( + )t
2
+ ( + 2 + )t
3
= 0, donde obtemos = 1, = 1, = 1, = 3. Logo,
[1 +t]
B
= (1, 1, 1, 3)
T
.

E claro que o signicado dessa igualdade e
1 +t = (1 t
2
) +t
3
+ (1 + 2t
3
) 3(t +t
3
).
Exemplo 5.39. Sejam V = M
2
(R),
E
1
=
_
1 1
1 1
_
, E
2
=
_
0 1
1 0
_
, E
3
=
_
1 1
0 0
_
, E
4
=
_
1 0
0 0
_
, A =
_
2 3
4 7
_
.
Determinar as coordenadas de A em relacao `a base (ordenada) B = E
1
, E
2
, E
3
, E
4
.
Escrevemos A = xE
1
+yE
2
+zE
3
+tE
4
, ou seja
_
2 3
4 7
_
= x
_
1 1
1 1
_
+y
_
0 1
1 0
_
+z
_
1 1
0 0
_
+t
_
1 0
0 0
_
=
_
x +z +t x y z
x +y x
_
Assim, x, y, z, t devem satisfazer o sistema linear
_

_
x +z +t = 2
x y z = 3
x +y = 4
x = 7
cuja solucao e (x, y, z, t) = (7, 11, 21, 30). Logo, [A]
B
= (7, 11, 21, 30).
Observacao 5.11. O procedimento de associar coordenadas aos vetores estabelece uma corre-
spondencia biunvoca entre um espaco vetorial V e R
n
(ou o conjunto das matrizes colunas M
n1
(R))
v V [v]
B
R
n
(ou M
n1
(R)).
Esta correspondencia tem a seguinte propriedade importante: se v =
1
e
1
+ +
n
e
n
, w =
1
e
1
+
+
n
e
n
, e R, entao, v +w = (
1
+
1
)e
1
+ +(
n
+
n
)e
n
e : v = (
1
)e
1
+ +(
n
)e
n
,
ou seja,
[v +w]
B
= [v]
B
+ [w]
B
[v]
B
= [v]
B
.
Estas igualdades informam, em particular, que a adicao de vetores pode ser operada como adicao
de escalares, e que a multiplicacao de vetor por escalar pode se efetuada como multiplicacao de
escalares.
A importancia das coordenadas e evidente em Geometria Analtica, pois elas associam guras
geometricas a equacoes: por exemplo, a equacao ax + by + c = 0 representa uma reta em um
conveniente sistema de coordenadas (que e constituido de um ponto xado e uma base). Assim, e
importante saber como se relacionam coordenadas de um vetor relativamente a bases distintas.
92 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Dadas duas bases B = e
1
, . . . , e
n
e C = u
1
, . . . , u
n
de um espaco vetorial V , queremos
determinar a relacao entre [v]
B
e [v]
C
. Denotemos [v]
B
= (
1
, . . . ,
n
)
T
e [v]
C
= (
1
, . . . ,
n
)
T
.
Como B e base de V , existem n
2
escalares a
ij
, i 1, . . . , n, j = 1, . . . , n, tais que
u
1
= a
11
e
1
+ +a
n1
e
n
. . . . . . . . . . . . . . . . . . . . . . . . .
u
n
= a
1n
e
1
+ +a
nn
e
n
.
Entao
v =
1
u
1
+. . .
n
u
n
=
=
1
(a
11
e
1
+ +a
n1
e
n
) + +
n
(a
1n
e
1
+ +a
nn
e
n
) =
= (a
11

1
+ +a
1n

n
)e
1
+ + (a
n1

1
+ +a
nn
e
n
)e
n
Pela unicidade das coordenadas, temos

1
= a
11

1
+ +a
1n

n
. . . . . . . . . . . . . . . . . . . . . . . . .

n
= a
n1

1
+ +a
nn
e
n
,
que podemos escrever na forma matricial
_

1
.
.
.

n
_

_
=
_

_
a
11

1
+ +a
1n

n
.
.
.
a
n1

1
+ +a
nn
e
n
_

_
=
_

_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_

_
_

1
.
.
.

n
_

_
(5.11)
A matriz
_

_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_

_
chama-se matriz de mudanca da base B para a base C. Usando esta notacao, a igualdade
(5.11) pode ser reescrita como
[v]
B
= M
BC
[v]
C
. (5.12)
Da mesma maneira, mostramos que
[v]
C
= M
CB
[v]
B
. (5.13)
Combinando as igualdades (5.12) e (5.13), obtemos
[v]
B
= M
BC
[v]
C
= M
BC
M
CB
[v]
B
. (5.14)
Como a igualdade (5.14) e valida para todo v V , temos necessariamente M
BC
M
CB
= I
n
, a
matriz identidade. De fato, denotemos M
BC
M
CB
= (m
ij
). Tomando v = e
1
em (5.14), como
[e
1
]
B
= [1 0 . . . 0]

, a igualdade (5.14) ca
_

_
1
0
.
.
.
0
_

_
=
_

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

_
_

_
1
0
.
.
.
0
_

_
=
_

_
m
11
m
21
. . .
m
n1
_

_
donde obtemos m
11
= 1, m
21
= = m
n1
= 0. Procedendo de modo analogo com v = e
2
, v =
e
3
, . . . , v = e
n
, temos m
ij
= 0 , i ,= j e m
ii
= 1. Portanto M
BC
M
CB
= I
n
. Da mesma maneira,
obtemos M
CB
M
BC
= I
n
. Logo, M
BC
e invertvel e M
1
BC
= M
CB
.
Vamos refazer o exemplo 5.37 usando a matriz de mudanca de base.
5.8. COORDENADAS E MUDANC A DE BASE 93
Exemplo 5.40. Vimos no exemplo 5.37 que o conjunto B = v
1
, v
2
, v
3
, v
4
R
4
, em que
v
1
= (1, 0, 1, 0), v
2
= (0, 0, 0, 1), v
3
= (0, 0, 1, 2) , v
4
= (0, 1, 0, 1), e base de R
4
. Calcular as
matrizes de mudanca da base B para a base canonica C e de C para B. Calcular as coordenadas
do vetor v = (a, b, c, d) em relacao `a base B.
Temos
M
CB
=
_

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

_
e M
BC
= M
1
CB
=
_

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

_
[v]
B
= M
BC
[v]
C
=
_

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

_
_

_
a
b
c
d
_

_
=
_

_
a
d
a +c
b + 2c +d
_

_
Exemplo 5.41. Considere em P
2
(R) as bases B = 1 + t + t
2
, 1 + t, 1 e C = 1, t, t
2
e o
polinomio v = 3 + 5t t
2
. Encontrar [v]
B
, [v]
C
, M
BC
, M
CB
.

E claro, a partir das correspondentes denicoes, que

[v]
C
=
_
_
3
5
1
_
_
e M
CB
=
_
_
1 1 1
1 1 0
1 0 0
_
_
Para obter M
BC
, notemos que
1 = 0(1 +t +t
2
) + 0(1 +t) + 1(1)
t = 0(1 +t +t
2
) + 1(1 +t) + (1)(1)
t
2
= 1(1 +t +t
2
) + (1)(1 +t) + 0(1)
Portanto,
M
BC
=
_
_
0 0 1
0 1 1
1 1 0
_
_
Pela igualdade (5.13), temos
[v]
B
= M
BC
[v]
C
=
_
_
0 0 1
0 1 1
1 1 0
_
_
_
_
3
5
1
_
_
=
_
_
1
6
2
_
_
Conferindo os calculos: (1)(1 +t +t
2
) + 6(1 +t) 2(1) = 3 + 5t t
2
.
Uma outra questao que se coloca e: dadas 3 bases B, C, D, qual a relacao que existe entre as
matrizes M
BC
, M
CD
e M
BD
? Deixamos como exerccio mostrar que a relacao entre essas matrizes
e M
BD
= M
BC
M
CD
.
Exerccio 5.15. Determinar as coordenadas do vetor p P
3
(R), dado por p(t) = 10+t
2
+2t
3
, t R
em relacao as seguintes bases de P
3
(R):
a) base canonica b) 1, 1 +t, 1 +t +t
2
, 1 +t +t
2
+t
3
c) 4 +t, 2, 2 t
2
, t +t
3

94 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Exerccio 5.16. Determinar as coordenadas da matriz
_
2 5
8 7
_
M
2
(R) em relacao as seguintes
bases de M
2
(R): a) base canonica b)
_
_
1 0
0 0
_
,
_
1 1
0 0
_
,
_
1 1
1 0
_
,
_
1 1
1 1
_
_
Exerccio 5.17. Considere as bases ordenadas B = e
1
, e
2
, e
3
e C = g
1
, g
2
, g
3
de um espaco
vetorial V relacionadas da seguintes forma: g
1
= e
1
+e
2
e
3
, g
2
= 2e
2
+ 3e
3
, g
3
= 3e
1
+e
3
.
a) Determine as matrizes mudanca da base B para a base C, isto e, M
BC
, e da base C para a base
B, isto e, M
CB
.
b) Se a matriz das coordenadas do vetor v em relacao a base B, isto e, (v)
B
= (1, 3, 2)
T
,
(T =transposta), encontre a matriz das coordenadas de v em relacao a base C, isto e, (v)
C
.
c) Se a matriz das coordenadas do vetor v em relacao a base C, isto e, (v)
C
= (2, 3, 1)
T
,
encontre a matriz das coordenadas de v em relacao a base B, isto e, (v)
B
.
Exerccio 5.18. Considere as bases ordenadas B = 1, 1 +t, 1 +t
2
e C = 1, t, t
2
de P
2
(R).
a) Encontre as matrizes de mudanca da base B para a bse C, isto e M
BC
, e da base C para
a base B, isto e M
CB
.
b) Se (v)
B
= (1, 4, 6))
T
, encontre (v)
C
. c) Se (v)
C
= (8, 1, 3)
T
, encontre (v)
B
.
d) Se D = 1, t, t
2
e a base canonica de P
2
(R), encontre as matrizes de mudanca da base
B para a base D e da base D para a base C, isto e, M
BD
e M
DC
, respectivamente.
Exerccio 5.19. Considere em M
2
(R) o subespaco W =
_
x y
z t
_
M
2
(R) : x y z = 0 e os
conjuntos B =
_
_
1 1
0 0
_
,
_
1 0
1 0
_
,
_
0 0
0 1
_
_
e C =
_
_
1 0
1 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
_
_
.
a) Mostre que B e C sao bases ordenadas de W.
b) Encontre as matrizes de mudanca da base B para a base C e da base C para a base B,
isto e, M
BC
e M
CB
, respectivamente.
c) Encontre uma base D de W, tal que a matriz P =
_
_
1 1 0
0 0 2
0 3 1
_
_
seja a matriz de
mudanca da base D para a base B, isto e, P = M
DB
.
5.9 Exerccios do Captulo
1. Em cada um dos itens abaixo encontrar um subconjunto S, nito, que gera o subespaco
vetorial W do espaco vetorial V .
a) W = (x, y, z) R
3
: x 2y = 0, V = R
3
. b) W = A M
2
(R) : A
t
= A, V = M
2
(R).
c) W = p P
3
(R) : p

(t) = 0, t R, V = P
3
(R). d) W = (x, y, z) R : x + 2y = 0.
e) W = X M
31
(R) : AX = 0, em que A =
_
_
0 1 0
2 1 0
1 1 4
_
_
, V = M
31
(R).
2. Obtenha o subconjunto S formado por vetores do espaco vetorial P
3
(R) que geram os seguintes
subespacos:
a) U = p P
3
(R) : p(1) = p(0) = 0, b) W = p P
3
(R) : p

(t) = 0, t R, c) U W,
5.9. EXERC

ICIOS DO CAP

ITULO 95
3. Encontrar, em cada um dos itens abaixo, subconjuntos S do espaco vetorial V que geram U,
W e U W.
a) U = [(1, 0, 0), (1, 1, 1)], W = [(0, 1, 0), (0, 0, 1)], V = R
3
.
b) U = (x, y, z) R
3
: x +y = 0, W = [(1, 3, 0), (0, 4, 6)], V = R
3
.
c) U = A M
2
(R) : A
T
= A, W =
__
1 1
0 1
__
, V = M
2
(R).
d) U = [t
3
+ 4t
2
t + 3, t
3
+ 5t
2
+ 5, 3t
3
], W = [t
3
+ 4t
2
, t 1, 1], V = P
3
(R).
Encontrar em cada um dos itens abaixo uma base e a dimensao do subespaco W do espaco
vetorial V .
a) W = [(1, 4, 1, 3), (2, 1, 3, 1), (0, 1, 1, 1)], V = R
4
.
b) W = (x, y, z, t) R
4
: x y = 0 e x + 2y +t = 0, V = R
4
.
c) W = X M
2
(R) : AX = X, em que A =
_
1 2
0 1
_
, V = M
2
(R).
d) W = p P
2
(R) : p

(t) = 0, t R, V = P
2
(R).
e)W = [t
3
+ 4t
2
t + 3; t
3
+ 5t
2
+ 5; 3t
3
+ 10t
2
5t + 5]
4. Dados U, W subespa cos do espaco vetorial V determinar, para cada um dos casos abaixo:
(i) uma base e a dimensao de U. (ii) uma base e a dimensao de W.
(iii) uma base e a dimensao de U W.
a) U = (x, y, z) R
3
: x +y +z = 0, W = (x, y, 0) : x, y R, V = R
3
.
b) U = A M
2
(R) : tr(A) = 0, W = A M
2
(R) : A
T
= A, V = M
2
(R).
em que tr(A) e o traco de A, isto e, a soma dos elementos da diagonal principal de A.
c) U = p P
2
(R) : p

(t) = 0, t R, W = p P
2
(R) : p(0) = p(1) = 0, V = P
2
(R).
96 CAP

ITULO 5. ESPAC OS VETORIAIS E SUBESPAC OS

Captulo 6
Transformacoes Lineares
6.1 Transformacoes ou Aplicacoes
Sejam U, V dois conjuntos nao vazios. Uma transformacao (ou funcao ou aplicacao) de U
em V e uma correspondencia F que, a cada elemento x de U, associa um unico elemento y = F(x)
de V : denotamos F : U V . O elemento F(x) chama-se imagem de x por F. O conjunto U
chama-se domnio, e V o contra-domnio de F. Duas aplicacoes F : U V e G: U V sao
ditas iguais se, e somente se, F(u) = G(u), u U. O conjunto graf(F) = (u, F(u)) : u U
chama-se graco de F. Dado A U, o conjunto F(A) = F(u) : u A chama-se imagem de
A por F; se A = U, entao o conjunto F(U) chama-se imagem de F (neste caso, tambem usamos
a notacao Im(F)). Dado B V , o conjunto F
1
(B) = u U : v B chama-se imagem
inversa de B por F.
Exemplo 6.1. Seja U um conjunto nao vazio. A transformacao I
U
: U U, tal que I
U
(x) =
x, x U, chama-se transformacao identidade de U.
Uma aplicacao F e dita injetora (ou 1-1) quando, quaisquer que sejam u
1
, u
2
U com u
1
,= u
2
,
tem-se F(u
1
) ,= F(u
2
), ou, equivalentemente, quando F(u
1
) = F(u
2
), com u
1
, u
2
U, implicar
u
1
= u
2
. Uma aplicacao F : U V e dita sobrejetora (ou sobre) quando F(U) = V , isto e,
quando, para todo v V , existe (ao menos um) u U tal que F(u) = v. Uma aplicacao injetora e
sobre e dita bijetora.
Dadas duas aplicacoes F : A B e G: B C, a composta de F e G, G F : A C, e
denida por: (G F)(u) = G(F(u)). Uma aplicacao F : A B e dita invertvel quando existe
G: B A tal que G F = I
U
e F G = I
V
. A aplicacao G chama-se inversa de F e e denotada
por F
1
. Como no caso de funcoes reais de variavel real, vale o seguinte resultado:
Teorema 6.1. F e invertvel se, e somente se, F e bijetora.
Exemplo 6.2. A aplicacao F : R
2
R
2
, F(x, y) = (x, y) e bijetora.

E claro que a aplicacao F e sobre, pois cada (v, w) R

2
e imagem de (w, v), isto e, (v, w) =
F(w, v). Para ver que F e injetora, notemos que, se F(x, y) = F(s, t), isto e, (x, y) = (s, t),
entao x = s e y = t, ou seja, (x, y) = (s, t).
Note que nao podemos tracar o graco de F, mas podemos visualizar como F atua em subcon-
juntos de U, como na gura abaixo (geometricamente, F atua como uma reexao em relacao ao
eixo Ox). A imagem do triangulo ABC pela transformacao F e o triangulo A

.
97
98 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
v
C
B
A
C

T
`

y
`
x

Figura 6.1
Exemplo 6.3. A aplicacao R: R
2
R
2
, F(x, y) = (y, x) (rotacao de angulo

2
radianos) e
bijetora.
Mais geralmente, seja um n umero xado, 0 < 2. A transformacao R

: R
2
R
2
tal
que R

(x, y) = (xcos ysen, y cos +xsen) e bijetora; geometricamente, R

e uma rotacao de
angulo (no sentido anti-horario).
Exemplo 6.4. Seja a R
2
um vetor xado. A aplicacao T : R
2
R
2
, T(x) = x +a (translacao)
e bijetora.
6.2 Transformacoes Lineares
Sejam U, V espacos vetoriais, e T : U V uma transformacao. Dizemos que T e uma transfor-
macao linear quando:
(a) T(u
1
+u
2
) = T(u
1
) +T(u
2
), u
1
, u
2
U
(b) T(u) = T(u), K, u U.
Quando U = V , diremos que T e um operador linear.
Exemplo 6.5. Sejam U, V dois espacos vetoriais. A transformacao nula O: U V , dada
por O(x) = 0, x U, e linear: de fato, dados x
1
, x
2
U, temos O(x
1
+ x
2
) = 0 = 0 + 0 =
O(x
1
) +O(x
2
) e O(x) = 0 = 0 = O(x).
Exemplo 6.6. Sejam U um espaco vetorial (qualquer) e k R um n umero xado. A homotetia
de razao k, H: U U, H(x) = kx e um operador linear.
Dados x, y U, e K, temos
H(x +y) = k(x +y) = kx +ky = H(x) +H(y),
H(x) = k(x) = (kx) = H(x).
Notemos que, se k ,= 0, entao a homotetia e 1-1 e sobre.
Exemplo 6.7. A transformacao F : R
3
R
2
, F(x, y, z) = (2x+y, x+5y z) e linear sobre, mas
nao e 1-1.
6.2. TRANSFORMAC

OES LINEARES 99
De fato, dados (a, b, c), (d, e, f) R
3
e R, temos:
F[(a, b, c) + (d, e, f)] = F((a +d, b +e, c +f)
= (2(a +d) +b +e, a +d + 5(b +e) (c +f)) =
= (2a +b, a + 5b c) + (2d +e, d + 5e f) = F(a, b, c) +F(d, e, f)
e
F[(a, b, c)] = F(a, b, c) = (2a +b, a + 5b c)
= (2a +b, a + 5b c) = F(a, b, c).
Fica como exerccio mostrar que F e sobre mas nao e 1-1.
Mais geralmente, temos
Exemplo 6.8. Se A = (a
ij
) e uma matriz real m n, denimos a aplicacao F : R
m
R
n
do
seguinte modo: se u = (x
1
, . . . , x
m
), entao
F(u) = F(x
1
, . . . , x
m
) = (
m

j=1
a
1j
x
j
, . . . ,
m

j=1
a
nj
x
j
) .
Entao F e linear; a vericacao e imediata e ca como exerccio.

E conveniente escrever F(u) na forma matricial

F
_

_
x
1
.
.
.
x
m
_

_
=
_

_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_

_
_

_
x
1
.
.
.
x
m
_

_
(6.1)
Para simplicar a notacao, escreveremos (6.1) como F(u) = Au.
Exemplo 6.9. O operador derivacao D: P
n
(R) P
n
(R), D(p) = p

(que, a cada polinomio p,

associa sua derivada) e linear. Isto e conseq uencia imediata das propriedades da derivacao:
D(f +g) = (f +g)

= f

+g

= D(f) +D(g)
D(f) = (f)

= f

= D(f).
Notemos que a transforma cao linear D nao e 1-1 (pois D(1 +t
2
) = D(3 +t
2
) = 2t) nem sobre (nao
existe p(t) P
n
(R) tal que D(p) = t
n
).
Exemplo 6.10. A transformacao T : P
2
(R) R tal que T[p(t)] =
_
1
1
p(s) ds e linear. Isto decorre
das propriedades da integral vistas no Calculo:
T[p(t) +q(t)] =
_
1
1
[p(s) +q(s)] ds =
_
1
1
p(s) ds +
_
1
1
q(s) ds = T[p(t)] +T[q(t)]
T[p(t)] =
_
1
1
p(s) ds =
_
1
1
p(s) ds = T[p(t)].
O proximo teorema contem algumas propriedades que decorrem imediatamente da denicao de
transformacao linear.
Teorema 6.2. Sejam U, V espacos vetoriais, e seja T : U V uma aplicacao linear. Entao:
1. T(0) = 0 (isto e, T leva o vetor nulo de U no vetor nulo de V ).
100 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
2. T(x) = T(x).
3. T(x y) = T(x) T(y).
4. T(x +y) = T(x) +T(y).
5. Se F : U V e G: V W forem transformacoes lineares, entao a composta G F : U
W tambem e linear.
Demonstra cao: As provas das armacoes 1. a 4. cam como exerccio. Mostremos a armacao
5: dados x, x
1
, x
2
U e R, temos
(G F)(x
1
+x
2
) = G[F(x
1
+x
2
)] = G[F(x
1
) +F(x
2
)] = G[F(x
1
)] +G[F(x
2
)]
= (G F)(x
1
) + (G F)(x
2
)
(G F)(x) = G[F(x)] = G[F(x)] = G[F(x)] = (G F)(x).
Logo, G F e linear.
Exerccio 6.1. Seja T : U V uma transformacao linear, e sejam v
1
, . . . , v
n
V e
1
, . . . ,
n

K. Mostre que T(
1
v
1
+ +
n
v
n
) =
1
T(v
1
) + +
n
T(v
n
).
Teorema 6.3. Seja T : U V uma transformacao linear:
(a) Se W for um subespaco de U entao T(W) e subespaco de V .
(b) Se Z for um subespaco de V entao T
1
(Z) e subespaco de U.
Demonstracao: Mostraremos apenas (b) (a vericacao de (a) ca como exerccio). Observe-
mos, em primeiro lugar, que 0 T
1
(Z), uma vez que T(0) = 0. Dados, x
1
, x
2
T
1
(Z),
temos y
1
= T(x
1
) Z e y
2
= T(x
2
) Z. Entao, temos y
1
+ y
2
Z (pois Z e subespaco)
e y
1
+ y
2
= T(x
1
) + T(x
2
) = T(x
1
+ x
2
), donde x
1
+ x
2
= T
1
(y
1
+ y
2
), que implica que
x
1
+ x
2
T
1
(Z). Da mesma maneira, vericamos que, para todo x T
1
(Z) e todo escalar
, o vetor x pertence a T
1
(Z).
O proximo teorema mostra que uma transformacao linear ca completamente determinada
quando conhecemos seus valores em uma base.
Teorema 6.4. Sejam U e V espacos vetoriais, dim U = n, u
1
, . . . , u
n
uma base de U e sejam,
S, T : U V transformacoes lineares tais que S(u
1
) = T(u
1
) , . . . , S(u
n
) = T(u
n
). Entao S(x) =
T(x), x U
Demonstra cao: Seja x U. Como u
1
, . . . , u
n
e uma base de U, existem escalares
1
, . . . ,
n
tais que x =
1
u
1
+ +
n
u
n
. Como S e T sao lineares e S(u
1
) = T(u
1
) , . . . , S(u
n
) = T(u
n
),
temos
S(x) = S(
1
u
1
+ +
n
u
n
) =
1
S(u
1
) + +
n
S(u
n
)
=
1
T(u
1
) + +
n
T(u
n
) = T(
1
u
1
+ +
n
u
n
)
= T(x)
ou seja, S precisa coincidir com T.
Exemplo 6.11. Sabendo que F : R
2
R
2
e um operador linear tal que F(1, 2) = (3, 1) e
F(0, 1) = (1, 2) encontre F(x, y).
6.2. TRANSFORMAC

OES LINEARES 101
Em primeiro lugar, notemos que (1, 2), (0, 1) e base de R
2
. Determinemos as coordenadas de
(x, y) em relacao a essa base: procuremos a, b tais que (x, y) = a(1, 2) +b(0, 1). Entao (a, b) devem
satisfazer a = x e 2a +b = y, donde a = x e b = y 2x. Portanto (x, y) = x(1, 2) + (y 2x)(0, 1).
Como queremos F linear,
F(x, y) = xF(1, 2) + (y 2x)F(0, 1) = x(3, 1) + (y 2x)(1, 2)
= (x +y, 5x + 2y).
Exemplo 6.12. Encontrar a expressao F(x, y, z) do operador linear F : R
3
R
3
tal que F(1, 1, 1) =
(1, 1, 0), F(0, 1, 1) = (1, 0, 1), F(0, 0, 1) = (0, 1, 1).
Primeiramente, expressamos um vetor arbitrario (x, y, z) como combinacao linear dos vetores
(1, 1, 1), (0, 1, 1), (0, 0, 1): escrevendo (x, y, z) = (1, 1, 1) + (0, 1, 1) + (0, 0, 1), temos =
x, + = y, + + = z, donde obtemos, = x, = y x, = z y. Portanto,
F(x, y, z) = xF(1, 1, 1) + (y x)F(0, 1, 1) + (z y)F(0, 0, 1)
= x(1, 1, 0) + (y x)(1, 0, 1) + (z y)(0, 1, 1)
= (y, x y +z, z x).
Exemplo 6.13. Determinar a expressao da transformacao linear F : P
3
(R) M
2
(R) tal que
F(1 t) =
_
2 5
0 1
_
, F(t
2
1) =
_
3 8
0 1
_
,
F(t t
3
) =
_
2 7
5 0
_
, F(t
3
) =
_
1 4
3 2
_
.
Fica como exerccio mostrar que B = 1t, t
2
1, tt
3
, t
3
e base de P
3
(R). Escrevendo p(t) = a+
bt+ct
2
+dt
3
como combinacao linear dos elementos de B, a+bt+ct
2
+dt
3
= x(1t)+y(t
2
1)+z(t
t
3
)+wt
3
= (xy)+(x+z)t+yt
2
+(z+w)t
3
, obtemos xy = a, x+z = b, y = c, z+w = d,
donde x = a +c, y = c, z = a +b +c, w = a +b +c +d. Portanto,
p(t) = (a +c)(1 t) +c(t
2
1) + (a +b +c)(t t
3
) + (a +b +c +d)t
3
, e
F[p(t)] = (a +c)
_
2 5
0 1
_
+c
_
3 8
0 1
_
+ (a +b +c)
_
2 7
5 0
_
+ (a +b +c +d)
_
1 4
3 2
_
=
_
a b 2c +d 16a + 11b + 24c + 4d
8a + 8b + 8c + 3d a 2b 2c 2d
_
Exerccio 6.2. Verique se as transformacoes abaixo sao lineares:
a) F : R
3
R, F(x, y, z) = x + 5y z b) F : R
3
R, F(x, y, z) = x + 5y z + 2
c) F : R
3
R
2
, F(x, y, z) = ([x[, y + 2z) d) F : P
n
(R) P
n
(R), F(f) = f

+f

e) F : M
n
(R) (R), F(X) = AX +X onde A M
n
(R) e xada.
Exerccio 6.3. Existe uma transformacao linear T : R
2
R
2
tal que T(1, 1) = (1, 2), T(1, 0) =
(0, 0) e T(0, 1) = (2, 1)? Existe mais de uma?
Exerccio 6.4. Sendo F, G, H L(R
2
) tais que F(x, y) = (x, 2y), G(x, y) = (y, x+y), H(x, y) =
(0, x), determine F +H, F G, G (H +F), G F, H F, H F G e G F H.
102 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
6.3 N ucleo e Imagem
Seja T : U V uma transformacao linear. Denimos os conjuntos
ker(T) = u U : T(u) = 0 = T
1
(0), chamado n ucleo de T,
Im(T) = T(U) = T(x) : x U , chamado imagem de T
Pelo Teorema 6.3, ker(T) e um subespaco vetorial de U e Im(T) e subespaco de V . O interesse
em estudar o n ucleo e a imagem e que esses subespacos dao informacoes sobre a injetividade e a
sobrejetividade da transformacao linear: e claro que uma transformacao linear e sobre se, e somente
se, Im(T) = V ; veremos que T e injetora se, e somente se, ker(T) = 0.
Exemplo 6.14. Seja T : R
3
R
3
, T(x, y, z) = (x, y, 0). Entao ker(T) = (0, 0, c) : c R e
Im(T) = (a, b, 0) : a, b R
Exemplo 6.15. T : R
2
R, T(x, y) = x 3y. Ent ao ker(T) = (x, y) : x = 3y e Im(T) = R
(dado w R, e claro que existe (x, y) R
2
tal que T(x, y) = w: basta tomar x = w, y = 0.)
Exemplo 6.16. Seja D: P
3
(R) P
3
(R) denida por D(p) = p

, isto e, se p(t) = a
0
+ a
1
t +
a
2
t
2
+ a
3
t
3
, entao (D(p))(t) = a
1
+ 2a
2
t + 3a
3
t
2
. Temos D(p) = 0 a
1
+ 2a
2
t + 3a
3
t
2
0
a
1
= a
2
= a
3
= 0. Portanto ker(D) = p : p(t) = a
0
, o conjunto dos polinomios constantes, e
Im(D) = P
2
(R), pois dado f(t) = a+bt +ct
2
P
2
(R), temos f = D(p), onde p(t) = at +
b
2
t
2
+
c
3
t
3
.
Exemplo 6.17. Encontrar o n ucleo e a imagem da transformacao linear F : P
2
(R) R
4
tal que
F[1 t] = (3, 2, 2, 3), F[1 +t
2
] = (0, 2, 4, 6) e F[t] = (2, 1, 18, 9).

E claro que a imagem de F e o subespaco vetorial de R

4
gerado pelos vetores (3, 2, 2, 3), (0, 2, 4, 6)
e (2, 1, 6, 9); ca como exerccio obter uma base para Im(F). Para determinar o n ucleo de F,
devemos achar a expressao de F. Deixamos como exerccio mostrar que B = 1t, 1+t
2
, t e base
de P
2
(R), e que cada p(t) = a +bt +ct
2
P
2
(R) se escreve como combinacao linear dos elementos
da base B na seguinte forma: p(t) = (a c)(1 t) +c(1 +t
2
) + (a +b c)t. Portanto,
F[p] = (a c)F[1 t] +cF[1 +t
2
] + (a +b c)F[t] =
= (a c)(3, 2, 2, 3) +c(0, 2, 4, 6) + (a +b c)(2, 1, 18, 9) =
= (a 2b c, 3a +b c, 4a + 6b, 6a + 9b).
O n ucleo de F e o conjunto de todos os polinomios p(t) = a +bt +ct
2
tais que
_

_
a 2b c = 0 = c = a 2b = c = 7a/3
3a +b c = 0
4a + 6b = 0 = b = 2a/3
6a + 9b = 0 (descarta).
cujas solucoes sao b = 2a/3 e c = 7a/3. Portanto, p(t) = a (2a/3)t + (7a/3)t
2
e
ker(F) =
a
3
(1 2t + 7t
2
) : c R = [1 2t + 7t
2
].
Teorema 6.5. Seja T : U V uma transformacao linear. Entao, T e injetora se, e somente se,
ker(T) = 0.
6.3. N

UCLEO E IMAGEM 103

Demonstracao: () Suponhamos T injetora. Vamos mostrar que ker(T) = 0. Seja u ker(T);
entao T(u) = 0. Como T(0) = 0 e T e injetora, devemos ter u = 0. Portanto ker(T) 0; como
sempre temos 0 ker(T), segue-se que ker(T) = 0.
() Suponhamos ker(T) = 0. Vamos mostrar que T e 1-1. Suponhamos T(u) = T(v), com
u, v U. Entao T(u v) = T(u) T(v) = 0; portanto, u v ker(T). Como ker(T) = 0,
devemos ter u v = 0, donde u = v. Logo, T e 1-1.
Exemplo 6.18. Encontrar uma transformacao linear F : P
2
(R) R
2
cujo n ucleo seja o subespaco
[1 t, t
2
].
De acordo com o teorema 6.4, basta denir os valores de F nos vetores de uma base de P
2
(R).
Tomemos a base B = 1, 1 t, t
2
. Como queremos que ker(F) = [1 t, t
2
], pomos F(1 t) =
F(t
2
) = (0, 0); denimos F(1) = (1, 0). Dado p(t) = a + bt + ct
2
P
2
(R), podemos escrever
p(t) = (a +b) + (b)t +ct
2
. Portanto, F(p) = (a +b)(1, 0) = (a +b, 0).
Exemplo 6.19. Encontrar uma transformacao linear T : R
3
R
3
cuja imagem seja o subespaco
gerado pelos vetores (2, 1, 0) e (1, 0, 1).
De acordo com o teorema 6.4, basta denir os valores de T nos vetores de uma base de R
3
.
Para simplicar, tomemos B = (1, 0, 0), (0, 1, 0), (0, 0, 1), a base canonica de R
3
. Denimos
T(1, 0, 0) = (0, 0, 0), T(0, 1, 0) = (2, 1, 0), T(0, 0, 1) = (1, 0, 1). Entao T(x, y, z) = xT(1, 0, 0) +
yT(0, 1, 0) +zT(0, 0, 1) = y(2, 1, 0) +z(1, 0, 1) = (2y +z, y, z).
Teorema 6.6. Seja T : U V uma transformacao linear, dimU < . Entao
dim U = dim ker(T) + dim Im(T). (6.2)
Demonstracao: Seja B
1
= u
1
, . . . , u
p
uma base de ker(T). Usando o teorema 5.12, podemos
estender B
1
a uma base B = u
1
, . . . , u
p
, v
1
, . . . , v
r
de U. Vamos mostrar que T(v
1
), . . . , T(v
r
)
e base de Im(T). Com isto cara mostrada a igualdade (6.2) acima, uma vez que dim ker(T) =
p, dim U = p +r e dimIm(T) = r.
(a) os vetores T(v
1
), . . . , T(v
r
) geram Im(T). De fato, dado v Im(T), existe x U tal que
T(x) = v. Como B e base de U, temos
x =
1
u
1
+ +
p
u
p
+
1
v
1
+ +
r
v
r
.
Como T(u
1
) = = T(u
p
) = 0, pois u
1
, . . . , u
p
ker(T), temos
T(x) =
1
T(u
1
) + +
p
T(u
p
) +
1
T(v
1
) + +
r
T(v
r
)
=
1
T(v
1
) + +
r
T(v
r
),
Portanto, v e combinacao linear de T(v
1
), . . . , T(v
r
). Logo, Im(T) = [T(v
1
), . . . , T(v
r
)].
(b) os vetores T(v
1
), . . . , T(v
r
) sao LI. De fato, se

1
T(v
1
) + +
r
T(v
r
) = 0
temos
T(
1
v
1
+ +
r
v
r
) = 0
e assim,

1
v
1
+ +
r
v
r
ker(T)
104 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
Como ker(T) = [u
1
, . . . , u
p
], existem escalares
1
, . . . ,
p
tais que

1
v
1
+ +
r
v
r
=
1
u
1
+ +
p
u
p
,
Como os vetores u
1
, . . . , u
p
, v
1
, . . . , v
r
sao LI, pois formam uma base de U, temos necessariamente

1
= =
r
=
1
= =
p
= 0,
Logo, T(v
1
), . . . , T(v
r
) sao LI.
Exemplo 6.20. Encontrar o n ucleo e a imagem da transformacao linear T : P
2
(R) R tal que
T[p(t)] =
_
1
1
p(s) ds.
Temos p(t) = a +bt +ct
2
ker(T)
_
1
1
p(s) ds. Como
_
1
1
p(s) ds =
_
at +
bt
2
2
+
ct
3
3
_
1
1
= a +
c
3
,
temos p(t) = a +bt +ct
2
ker(T) c = 3a. Portanto,
ker(T) = p(t) = a(1 3t
2
) +bt : a, b R.
Como dimker(T) = 2, devemos ter dimIm(T) = dim P
2
(R) ker(T) = 3 2 = 1. Portanto,
Im(T) = R, isto e, T e sobre.
Exemplo 6.21. Nao existe transformacao linear F : R
2
R
3
que seja sobre.
De fato, nao podemos ter Im(F) = R
3
pois, pelo teorema anterior, temos
dim Im(T) = dimR
2
dim ker(F) = 2 dim ker(F) 2.
Exemplo 6.22. Nao existe transformacao linear F : R
4
R
2
que seja injetora.
De fato, nao podemos ter ker(F) = (0, 0, 0, 0) pois, dim Im(F) 2 portanto
dim ker(F) = dimR
4
dimIm(F) = 4 dim Im(F) 2.
Exerccio 6.5. Seja T : U V linear. Suponha que U = [u
1
, . . . , u
n
]. Mostre que o subespaco
vetorial Im(T) e gerado pelos vetores T(u
1
) , . . . , T(u
m
).
Exerccio 6.6. Seja T : U V linear e suponha ker(T) = 0. Mostre que, se x
1
, . . . , x
n
forem
vetores LI em U, entao T(x
1
), . . . , T(x
n
) sao LI em V
Exerccio 6.7. Sejam F : U V e G: V W transformacoes lineares. Mostre que ker(F)
ker(G F) e Im(G F) Im(G).
Denicao 6.1. Uma transformacao linear bijetora entre dois espacos vetoriais U e V e chamada
um isomorsmo. Dizemos, neste caso, que os espacos vetoriais U e V sao isomorfos.

E claro que, qualquer que seja o espaco vetorial U, o operador identidade I

U
: U U, e um
isomorsmo.
Exemplo 6.23. O operador linear T : R
2
R
2
, dado por T(x, y) = (xy, x+y), e um isomorsmo
(verique como exerccio).
6.3. N

UCLEO E IMAGEM 105

Exemplo 6.24. A transformacao linear F : R
2
R, dada por F(x, y) = x y, nao e um isomor-
smo, pois ela nao e 1-1: note que F(1, 1) = F(0, 0).
Teorema 6.7. Se F : U V for um isomorsmo, entao F
1
: V U tambem e.
Demonstracao: Sendo F um isomorsmo, temos que F e invertvel, portanto, a transformacao
inversa F
1
e bijetora. Resta mostrar que F
1
e linear. Dados y
1
, y
2
V , sejam x
1
, x
2
U tais
que F(x
1
) = y
1
e F(x
2
) = y
2
(existem tais x
1
, x
2
pois F e bijecao). Entao
F
1
(y
1
+y
2
) = F
1
(F(x
1
) +F(x
2
)) = F
1
(F(x
1
+x
2
)) = x
1
+x
2
= F
1
(y
1
) +F
1
(y
2
).
Analogamente verica-se que F
1
(y) = F
1
(y).
Exemplo 6.25. Os espacos vetoriais P
2
(R) e R
3
sao isomorfos: a transformacao linear F : P
2
(R)
R
3
, dada por F(a +bt +ct
2
) = (a, b, c), e um isomorsmo.

E claro que F e uma transformacao linear (isto ca como exerccio). Como dimP
2
(R) = dimR
3
,
para concluir que F e bijecao, basta vericar que F e injetora, ou seja, ker(T) = 0. Seja
p(t) = a + bt + ct
2
ker(F); entao F[p] = 0, isto e, (a, b, c) = (0, 0, 0), donde a = b = c = 0, ou
seja, p = 0. Logo, F e isomorsmo.
Usando o teorema 6.6, obtemos uma condicao para que dois espacos vetoriais U e V de dimensao
nita sejam isomorfos. Suponhamos que F : U V seja um isomorsmo. Entao ker(F) = 0 e
Im(F) = V , donde dim ker (F) = 0 e dimIm(F) = dim V . Pelo teorema 6.6,
dim U = dim ker(F) + dim Im(F) = 0 + dim V = dim V.
Logo, dim U = dim V . Assim, para que dois espacos vetoriais sejam isomorfos, eles precisam ter a
mesma dimensao. Veremos em seguida que a recproca deste fato tambem e verdadeira, isto e, se
dois espacos vetoriais tem a mesma dimensao (nita), entao eles sao isomorfos.
Exerccio 6.8. Seja T : U V uma transformacao linear. Suponha que T leva uma base de U
em uma base de V . Mostre que T e um isomorsmo
Sejam U, V dois espacos vetoriais de dimensao n. Fixemos uma base B = u
1
, . . . , u
n
em
U e uma base C = v
1
, . . . , v
n
em V . Seja T : U V a transformacao linear tal que T(u
1
) =
v
1
, . . . , T(u
n
) = v
n
: pelo Teorema 6.4, sabemos que existe uma unica transformacao linear com
estas propriedades. Alem disso, como T leva uma base de U em uma base de V , pelo exerccio
anterior, T e um isomorsmo.
Este fato e importante e, por isso vamos registra-lo como um teorema.
Teorema 6.8. Dois espacos vetoriais sao isomorfos se, e somente se, eles tem a mesma dimensao.
Exerccio 6.9. Determine uma base para o n ucleo e para a imagem das transformacoes lineares
abaixo:
a) F : R
3
R
2
, F(x, y, z) = (x +y, 2x +y, 3x +y) b) F : P
2
(R) P
2
(R), F(f) = f

+f

c) F : M
2
(R) M
2
(R), dada por F(X) = A.X sendo A =
_
1 2
2 4
_
.
Exerccio 6.10. Sejam F, G L(R
3
) assim denidos F(x, y, z) = (x + y, z + y, z), G(x, y, z) =
(x + 2y, y z, x + 2z). Determinar: a) F G (b) ker(F G) e Im(G F).
106 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
6.4 Matriz de uma transformacao linear
Vimos, no Exemplo 6.8, que toda matriz de ordem n m da origem a uma transformacao linear
F : R
m
R
n
. Veremos uma recproca deste fato: toda transformacao linear de um espaco vetorial
de dimensao m em um espaco vetorial de dimensao n pode ser representada por uma matriz de
ordem n m.
Sejam U um espaco vetorial de dimensao m, V um espaco vetorial de dimensao n e T : U V
uma transformacao linear. Fixemos bases B = u
1
, . . . , u
m
de U e C = v
1
, . . . , v
n
de V . Para
cada j = 1, . . . , m, o vetor T(u
j
) se escreve como combinacao linear de v
1
, . . . , v
n
: existem escalares
(determinados de modo unico) a
ij
: i = 1, . . . , n, j = 1, . . . , m tais que
T(u
1
) = a
11
v
1
+ +a
n1
v
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
T(u
m
) = a
1m
v
1
+ +a
nm
v
n
.
A matriz A = (a
ij
) cujas colunas sao as coordenadas dos vetores T(u
1
), . . . , T(u
m
) em relacao `a
base C, ou seja, a matriz
A =
_

_
a
11
. . . a
1m
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nm
_

_
chama-se matriz de T em relacao `as bases B e C, e sera denotada por [T]
BC
(quando U = V
e B = C, denotaremos simplesmente [T]
B
). Com isto, a cada T L(U, V ), fazemos corresponder
uma matriz A M
nm
(K).
Exemplo 6.26. Seja T : P
2
(R) P
2
(R) a transformacao linear denida por T[p(t)] = p

(t) +
_
1
1
p(s) ds. Encontrar a matriz de T em relacao `a base B = 1, t, t
2
de P
2
(R).
Temos
T[1] =
_
1
1
ds = 2, T[t] = 1 +
_
1
1
s ds = 1, T[t
2
] = 2t +
_
1
1
s
2
ds = 2t +
2
3
.
Portanto,
[T]
B
=
_
_
2 1
2
3
0 0 2
0 0 0
_
_
.
Exemplo 6.27. Sejam B = u
1
, . . . , u
n
e C = v
1
, . . . , v
n
bases de U. A matriz [I]
BC
do
operador identidade I : U
B
U
C
(esta notacao signica que estamos tomando a base B no domnio
e a base C no contradomnio) chama-se matriz de mudanca da base C para a base B.
A matriz [I]
BC
e obtida a partir das relacoes
u
1
= I(u
1
) = a
11
v
1
+ +a
n1
v
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
u
n
= I(u
n
) = a
1n
v
1
+ +a
nn
v
n
.
ou seja
[I]
BC
=
_

_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_

_
.
6.4. MATRIZ DE UMA TRANSFORMAC

AO LINEAR 107

E claro que, se B = C, temos [I]

B
= I
n
, ou seja, a matriz do operador identidade em relacao a B
e a matriz identidade.
Existe uma relacao importante em relacao entre a matriz A e as coordenadas do vetores x e
T(x), para todo x U.
Teorema 6.9. Sejam T : U V uma transformacao linear, B uma base de U e C uma base de
V , e seja A a matriz de T em relacao `as bases B e C. Entao, para todo x U, vale a relacao :
[T(x)]
C
= A[x]
B
(6.3)
Demonstracao: Dado x U temos x =
1
u
1
+. . .
m
u
m
. Entao
T(x) =
1
T(u
1
) +. . .
m
T(u
m
) =
=
1
(a
11
v
1
+ +a
n1
v
n
) + +
m
(a
1m
v
1
+ +a
nm
v
n
) =
= (a
11

1
+ +a
1m

m
)v
1
+ + (a
n1

1
+ +a
nm

m
)v
m
Portanto, podemos escrever
[T(x)]
C
=
_

_
a
11

1
+ +a
1m

m
.
.
.
a
n1

1
+ +a
nm

m
_

_
=
_

_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_

_
_

1
.
.
.

m
_

_
= A[x]
B
ou seja [T(x)]
C
= A[x]
B
Exemplo 6.28. Seja T : R
3
R
2
a transformacao linear cuja matriz em relacao `as bases B =
(1, 1, 1), (0, 1, 0), (0, 1, 1) e C = (1, 1), (1, 0) e
[T]
BC
=
_
2 1 0
1 3 1
_
Determinar o n ucleo e a imagem de T.
Dado (x, y, z) em R
3
, temos
(x, y, z) = x(1, 1, 1) + (y z)(0, 1, 0) + (x +z)(0, 1, 1).
Portanto
[T(x, y, z)]
C
=
_
2 1 0
1 3 1
_
_
_
x
y z
x +z
_
_
=
_
2x +y z
3y 2z
_
,
ou seja,
T(x, y, z) = (2x +y z)(1, 1) + (3y 2z)(1, 0) = (2x + 4y 3z, 2x +y z)
Portanto (x, y, z) ker(T) se, e somente se, 2x + 4y 3z = 0 e 2x +y z = 0. As solucoes desse
sistema sao y = 4x, z = 6x. Assim, (x, y, z) ker(T) se, e somente se, (x, y, z) = x(1, 4, 6). Logo,
ker(T) = [(1, 4, 6)]. Como dimIm(T) = dim R
3
dim ker(T) = 2, temos que ImT = R
2
, ou seja T
e sobre.
108 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
Teorema 6.10. Sejam S: U V e T : V W transformacoes lineares, B = u
1
, . . . , u
m
,
C = v
1
, . . . , v
n
e D = w
1
, . . . , w
p
bases ordenadas de U, V e W, respectivamente. Entao
[S T]
BD
= [S]
BC
[T]
CD
.
Demonstracao: Sejam [S]
BC
= (a
ij
)
nm
a matriz de S em relacao `as bases B e C e [T]
CD
=
(b
ki
)
mp
a matriz de T em relacao `as bases C e D, isto e,
S(u
j
) = a
1j
v
1
+ +a
nj
v
n
, j = 1, . . . , m;
T(v
k
) = b
1k
w
1
+ +b
pk
w
p
, k = 1, . . . , n.
Entao, para cada j = 1, . . . , m,
(T S)(u
j
) = T[S(u
j
)] = a
1j
T(v
1
) + +a
nj
T(v
n
)
= a
1j
(b
11
w
1
+ +b
p1
w
p
) + +a
nj
(b
1n
w
1
+ +b
pn
w
p
)
= (b
11
a
1j
+ +b
1n
a
nj
)w
1
+ + (b
p1
a
1j
+ +b
pn
a
nj
)w
p
.
Logo, a matriz de T S em relacao `as bases B e D e
[T S]
BD
=
_

_
b
11
a
11
+ +b
1n
a
n1
. . . b
11
a
1m
+ +b
1n
a
nm
.
.
.
.
.
.
.
.
.
b
p1
a
11
+ +b
pn
a
n1
. . . b
p1
a
1m
+ +b
pn
a
nm
_

_
=
=
_

_
b
11
. . . b
1n
.
.
.
.
.
.
.
.
.
b
p1
. . . b
pn
_

_
_

_
a
11
. . . a
1m
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nm
_

_
que mostra que [T S]
BD
= [T]
CD
[S]
BC
.
Observacao 6.1.

E claro que vale o correspondente resultado para composta de tres ou mais
transformacoes lineares; isto e, se
U
H
V
G
W
F
Z .
forem transformacoes lineares e B, C, D, E forem bases de U, V, W, Z, respectivamente, entao [H
G F]
BE
= [H]
DE
[G]
CD
[F]
BC
.
Como conseq uencia direta do Teorema 6.10, temos a seguinte relacao entre a matriz de um
isomorsmo e de seu inverso.
Corolario 6.1. Seja F : U V um isomorsmo, e seja [F]
BC
a matriz de F em relacao `as bases B
de U e C de V . Entao, [F]
BC
e invertvel e [F
1
]
CB
= [F
1
]
1
CB
(ou seja a matriz do isomorsmo
inverso F
1
e a inversa da matriz de F).
Demonstracao: Como F
1
F e o operador identidade de U, temos [F
1
F]
B
= [I]
B
=
I
m
a matriz identidade m m. Por outro lado, pelo teorema anterior, temos [F
1
F]
B
=
[F
1
]
CB
[F
1
]
CB
. Portanto, [F
1
]
CB
[F]
BC
= I
n
. Analogamente, vericamos que [F]
BC
[F
1
]
CB
=
I
n
. Logo, [F
1
]
CB
= [F
1
]
1
CB
.
O Teorema 6.10 nos permite obter a relacao entre as matrizes de um operador linear F para
diferentes bases do espaco vetorial U.
6.4. MATRIZ DE UMA TRANSFORMAC

AO LINEAR 109
Corolario 6.2. Sejam F : U U um operador linear, e sejam B e C bases de U. Entao [F]
C
=
(M
BC
)
1
[F]
B
M
BC
, em que M
BC
e a matriz de mudanca da base B para a base C.
Demonstracao: Indiquemos por F : U
B
U
B
(resp., por F : U
C
U
C
) o operador F quando
tomamos a base B (resp., C) no domnio e contradomnio. Pelo Exemplo 6.27, a matriz de mudanca
da base C para a base B e igual `a matriz [I]
BC
do operador identidade I : U
B
U
C
(estamos
tomando a base B no domnio e a base C no contradomnio). Assim, a matriz [F]
C
do operador F
em relacao `a base C e a matriz do operador composto I
CB
F
C
I
BC
, onde
U
C
I
U
B
F
U
B
I
U
C
.
Logo,
[F]
C
= M
CB
[F]
B
M
BC
= (M
BC
)
1
[F]
B
M
BC
.
Observacao 6.2. (1) Duas matrizes A e B sao ditas semelhantes quando existe uma matriz
invertvel P tal que B = P
1
AP. De acordo com o Corolario 6.2, as matrizes de um operador em
relacao a diferentes bases sao semelhantes.
(2) Como
det B = det P
1
AP = det P
1
det Adet P = det A,
segue-se que matrizes semelhantes tem o mesmo determinante. Denimos, entao, o determinante
de um operador linear T : U U, (dimU < ) como sendo o determinante da matriz de T
em relacao a qualquer base de U.
Exerccio 6.11. Mostre que a matriz
_
4 0
0 1
_
e semelhante a
_
1 2
3 2
_
.
Exerccio 6.12. Determine as matrizes das transformacoes lineares em relacao as bases canonicas
dos respectivos espacos.
(a) F L(R
3
, R
2
); F(x, y, z) = (x +y, z) (b) F L(R
2
, R
3
); F(x, y) = (x +y, x, x y)
(c) T L(R, R
3
); T(x) = (x, 4x, 3x) (d) T L(P
3
(R); P
2
(R)); T(f(x)) = f

(x)
(e) F L(R
4
, R); F(x, y, z, w) = 2x +y z + 3w
(f ) T L(P
2
(R), R
3
); T(a
0
+a
1
x +a
2
x
2
) = (a
0
+ 2a
2
, a
1
3a
0
, a
2
).
Exerccio 6.13. Seja F L(R
3
, R
2
) tal que F(x, y, z) = (x+z, y 2z). Determine a matriz de F
em relacao `as bases
(a) B = (1, 2, 1), (0, 1, 1), (0, 3, 1) e B

= (1, 5), (2, 1)

(b) C = (1, 1, 1), (0, 4, 2), (0, 0, 3) e C

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

(c) D = (4, 2, 1), (5, 6, 0), (3, 1, 0) e D

= (1, 0), (0, 1).

Exerccio 6.14. Determinar o operador linear do R
2
cuja matriz em relacao `a base B = (1, 2), (0, 5)
e
_
3 1
2 1
_
Exerccio 6.15. Seja F L(P
2
(R), R) tal que F(p(t)) =
_
1
1
p(t)dt. Determine a matriz de F em
relacao `as bases B = 1, 1 +t, 1 +t
2
e C = 2.
Exerccio 6.16. Sejam F e G operadores lineares do R
3
tais que F(x, y, z) = (x, 2y, y z) e que
a matriz de (2F G) em relacao a base canonica e
_
_
1 1 0
0 1 0
1 2 1
_
_
. Determine a matriz de G em
relacao a base canonica. Determine tambem G(x, y, z).
110 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
Exerccio 6.17. Sejam R, S e T tres transformacoes lineares de R
3
em R
3
e C a base canonica de
R
3
. Ache T(x, y, z), sabendo que R = ST e que [R]
C
=
_
_
1 0 1
2 1 1
0 1 1
_
_
e [S]
C
=
_
_
2 1 1
3 1 2
1 2 0
_
_
.
Exerccio 6.18. Seja B = e
1
, e
2
, e
3
uma base de um espaco vetorial V tal que (T)
B
=
_
_
2 4 4
1 2 1
3 6 5
_
_
.
Se C = e
2
+e
3
, e
1
+e
3
, e
1
+e
2
+e
3
, encontre (T)
C
.
Exerccio 6.19. Considere a transformacao linear T : R
3
R
2
cuja matriz em relacao `as bases
canonicas e
_
3 0 1
1 2 0
_
. (a) Ache T(x, y, z) (b) Ache a matriz de T em relacao as bases
B = (1, 0, 1), (0, 2, 1), (2, 1, 0) e C = (1, 1), (1, 1).
Exerccio 6.20. Sejam B = (1, 1), (0, 2) e B

= (1, 0, 1), (0, 1, 2), (1, 2, 0) bases de R

2
e
R
3
respectivamente. Se a matriz de T L(R
2
, R
3
) em relacao as bases B e B

e
_
_
1 0
1 1
0 1
_
_
(a) Determine T.
(b) Ache uma base C de R
3
tal que a matriz de T em relacao `as bases B e C e
_
_
1 0
0 0
0 1
_
_
.
(c) Se F(x, y) = (2y, x y, x) ache a matriz de F em relacao `as bases B e C onde C e a base
encontrada no item (b).
6.5 Autovalores e autovetores
Um dos objetivos desta secao e obter uma descricao geometrica de como um operador linear
T : R
n
R
n
atua sobre os vetores de R
n
(algumas vezes tambem estaremos interessados em
operadores T : C
n
C
n
). Quando n = 1, esta e uma tarefa simples: os operadores lineares em R
sao da forma T(x) = a x, para algum a R: assim, T e uma homotetia. Se n = 2, a coisa ca um
pouco mais complicada: T e da forma T(x, y) = (a x + b y, c x + d y); alem das homotetias, temos
rotacoes, reexoes, etc, mas ainda e possvel descrever com relativa facilidade como T atua. Para
dimensoes maiores, o problema nao parece tao imediato. Nosso problema pode ser colocado em
termos de encontrar uma conveniente base de R
n
em relacao `a qual a matriz de T assume uma
forma simples. A forma mais simples que a matriz de um operador pode assumir e a diagonal:
D = diag (
1
, . . . ,
n
). As propriedades de um tal operador (como e seu n ucleo, sua imagem, etc)
podem ser facilmente determinadas a partir de uma simples observacao da matriz D.

E claro que
nem todo operador e tao simples; uma de nossas tarefas e a de determinar quando isso e possvel.
Um conceito importante nessa descricao e:
Seja T : R
n
R
n
um operador linear. Um autovalor de T e um escalar tal que existe um
vetor v ,= 0 em R
n
para o qual T(v) = v. Qualquer v ,= 0 com essa propriedade e chamado um
autovetor de T. O conjunto V

= v R
n
: T(v) = v chama-se autoespaco de T.
Exemplo 6.29. O escalar = 1 e autovalor do operador identidade I : R
n
R
n
; qualquer vetor
v ,= 0 e um autovetor associado ao autovalor = 1.
6.5. AUTOVALORES E AUTOVETORES 111
Exemplo 6.30. Seja F : R
3
R
3
o operador linear dado por F(v) = Av em que A = diag (c
1
, c
2
, c
3
).
Os n umeros reais c
1
, c
2
, c
3
sao autovalores F; o vetor (1, 0, 0) e um autovetor de F associado a
c
1
, (0, 1, 0) e autovetor de F associado a c
2
, e (0, 0, 1) e autovetor associado a c
3
.
Vimos no exemplo 6.8 que os operadores lineares em R
n
sao dados por T(u) = Au. Assim,
encontrar vetores v ,= 0 tais que T(v) = v e o mesmo que encontrar matrizes colunas X ,= 0 tais
que AX = X. Essa equacao matricial tem solucao nao trivial se, e somente se,
det (AI
n
) = 0. (6.4)
O determinante da matriz A I
n
e um polinomio de grau n em , chamado polinomio carac-
terstico da matriz A. O escalar e chamado um autovalor de A, e todo vetor coluna (ou
matriz n 1) X tal que AX = X e um autovetor de A correspondente ao autovalor .
Exemplo 6.31. Encontrar os autovalores e autovetores da matriz A =
_
0 1
1 0
_
.
O polinomio caracterstico de A e det(AI) = det
_
1
1
_
=
2
1 = ( 1)( + 1) .
Portanto, os autovalores sao
1
= 1 e
2
= 1.
Autovetores associados a = 1: procuramos v = (a, b) tais que (AI)v = 0.
_
1 1
1 1
_ _
a
b
_
=
_
0
0
_
=
_
a +b = 0
a b = 0
= b = a .
Portanto os autovetores associados ao autovalor = 1 sao todos os vetores v = (a, a) = a(1, 1),
com a ,= 0.
Autovetores associados a = 1: procuramos w = (a, b) tais que (A+I)w = 0.
_
1 1
1 1
_ _
a
b
_
=
_
0
0
_
=
_
a +b = 0
a +b = 0
= b = a .
Portanto os autovetores associados ao autovalor = 1 sao todos os vetores w = (a, a) =
a(1, 1), com a ,= 0.
Exemplo 6.32. A matriz A =
_
0 1
1 0
_
nao tem autovalores reais: de fato, o polinomio carac-
terstico de A, p
A
(), e p
A
() = det(A I) = det
_
1
1
_
=
2
+ 1, que nao tem razes
reais. No entanto, A tem autovalores os complexos i e i. Calculemos os seus autovetores.
Autovetores associados a = i: procuramos v = (a, b) tais que (AiI)v = 0.
_
i 1
1 i
_ _
a
b
_
=
_
0
0
_
=
_
ia +b = 0
a ib = 0
= b = ia .
Portanto os autovetores associados ao autovalor = i sao todos os vetores v = (a, ia) = a(1, i),
com a ,= 0.
Autovetores associados a = i: procuramos w = (a, b) tais que (A+iI)w = 0.
_
i 1
1 i
_ _
a
b
_
=
_
0
0
_
=
_
ia +b = 0
a +ib = 0
= b = ia .
Portanto os autovetores associados ao autovalor = i sao todos os vetores w = (a, ia) =
a(1, i), com a ,= 0.
112 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
Observacao 6.3. O exemplo anterior mostra que para falar em autovalores, devemos especicar se
admitimos que eles sejam complexos. Como o polinomio caracterstico de uma A matriz de ordem
n tem n razes complexas (contando multiplicidade; isto e, uma raiz de multiplicidade k e contada
k vezes), segue-se que A tem n autovalores.
Teorema 6.11. Matrizes semelhantes tem o mesmo polinomio caracterstico, isto e, se B =
P
1
AP, entao p
A
(z) = p
B
(z). Alem disso, se X for um autovetor de A correspondente ao autovalor
, entao P
1
X e autovalor de B correspondente a .
Demonstracao: Suponhamos que B = P
1
AP. Entao
det (B I
n
) = det (P
1
AP P
1
I
n
P) = det P
1
(AI
n
)P
= det P
1
det (AI
n
) det P = det (AI
n
).
Portanto, o polinomio caracterstico de B e igual ao polinomio caracterstico de A.
Para vericar a segunda parte, seja Y = P
1
X; entao
BY = P
1
APP
1
X = P
1
AX = P
1
X = P
1
X = Y .
Observacao 6.4. Vimos que um operador linear F : R
n
R
n
pode ser representado por diferentes
matrizes, se considerarmos diferentes bases; vimos tambem que todas essas matrizes sao semel-
hantes, e portanto elas tem o mesmo polinomio caracterstico. Denimos, entao, o polinomio
caracterstico do operador linear F como sendo o polinomio caracterstico da matriz A. No
que segue, nao faremos qualquer distincao entre polinomio caracterstico de matrizes ou de opera-
dores.
Exemplo 6.33. Encontrar os autovalores, autovetores e autoespacos do operador linear T : R
3

R
3
dado por T(x, y, z) = (2x, 10x + 7y 30z, 2x +y 4z).

E facil ver que T(u) = Au em que A =

_
_
2 0 0
10 7 30
2 1 4
_
_
. O polinomio caracterstico de A e:
det(AI) = det
_
_
2 0 0
10 7 30
2 1 4
_
_
= (2 ) det
_
7 30
1 4
_
= (2 )(2 )(1 ).
Portanto, os autovalores sao
1
=
2
= 2 e
3
= 1.
Autovetores e autoespaco associados a = 2: procuramos v = (a, b, c) tais que (A2I)v = 0.
_
_
0 0 0
10 5 30
2 1 6
_
_
_
_
a
b
c
_
_
=
_
_
0
0
0
_
_
=
_
10a + 5b 30c = 0
2a +b 6c = 0
= b = 2a + 6c
Portanto os autovetores sao v = (a, 2a + 6c, c) = a(1, 2, 0) + c(0, 6, 1). O autoespaco associado a
= 2 e V
(=2)
= [(1, 2, 0), (0, 6, 1)].
Autovetores associados a = 1: procuramos w = (a, b, c) tais que (AI)w = 0.
_
_
1 0 0
10 6 30
2 1 5
_
_
_
_
a
b
c
_
_
=
_
_
0
0
0
_
_
=
_
_
_
a = 0
10a + 6b 30c = 0
2a +b 5c = 0
=
_
a = 0
b = 5c
Portanto w = (0, 5c, c) = c(0, 5, 1). O autoespaco associado a = 1 e V
(=1)
= [(0, 5, 1)].
6.5. AUTOVALORES E AUTOVETORES 113
Observacao 6.5. Consideremos em R
3
a base B = (1, 2, 0), (0, 6, 1), (0, 5, 1), formada pelos
autovetores de T. Como T(1, 2, 0) = 2(1, 2, 0), T(0, 6, 1) = 2(0, 6, 1) e T(0, 5, 1) = (0, 5, 1), T
multiplica por 2 cada vetor do subespaco [(1, 2, 0) , (0, 6, 1)] e mantem xo os m ultiplos do vetor
(0, 5, 1). Alem disso, a matriz de T em relacao `a base B e a matriz diagonal B = diag (2, 2, 1).
Seja P a matriz cujas colunas sao as coordenadas dos autovetores de T; entao P
1
AP e uma
matriz diagonal; mais precisamente,
se P =
_
_
1 0 0
2 6 5
0 1 1
_
_
, entao P
1
AP =
_
_
2 0 0
0 2 0
0 0 1
_
_
.
A ultima parte da observacao e verdadeira em geral, conforme o proximo teorema.
Teorema 6.12. Suponhamos que a matriz n n A tenha n autovetores linearmente independen-
tes v
1
, . . . , v
n
correspondentes aos autovalores
1
, ,
n
. Entao a matriz P =
_
v
1
, . . . , v
n

satisfaz P
1
AP = diag (
1
, ,
n
).
Demonstracao: Usando as igualdades Av
1
=
1
v
1
, . . . , Av
n
=
n
, v
n
e o Teorema 1.1, temos
P
1
AP = P
1
_
Av
1
, . . . , Av
n

= P
1
_

1
v
1
, . . . ,
n
v
n

=
_

1
P
1
v
1
, . . . ,
n
P
1
v
n

= diag (
1
, ,
n
) .
Denicao 6.2. Um operador linear T : R
n
R
n
, T(v = Av e dito diagonalizavel quando
existe uma base B = v
1
, . . . , v
n
de R
n
formada por autovetores de T associados aos au-
tovalores
1
,
2
, . . .
n
. Neste caso, a matriz de T em relacao `a base B e a matriz diagonal
D = diag (
1
,
2
, . . .
n
). Dizemos que a matriz P = [v
1
, . . . , v
n
] diagonaliza T (tambem
dizemos que P diagonaliza A)
O operador do Exemplo 6.33 e diagonalizavel. Nem todo operador e diagonalizavel, como
mostra o exemplo seguinte.
Exemplo 6.34. Encontrar os autoespacos do operador linear T : R
3
R
3
dado por T(x, y, z) =
(y z, 2x + 2y +z, 2x + 2y + 3z).
A matriz de T em relacao `a base canonica de R
3
e B =
_
_
0 1 1
2 2 1
2 2 3
_
_
. Portanto, o polinomio
caracterstico de A e
det(AI) = det
_
_
0 1 1
2 2 1
2 2 3
_
_
=
3
+ 5
2
8 + 4 = (2 )(2 )(1 ).
Portanto, os autovalores sao
1
=
2
= 2 e
3
= 1.
Autovetores associados a = 1: procuramos v = (a, b, c) tais que (AI)v = 0.
_
_
1 1 1
2 1 1
2 2 2
_
_
_
_
c
b
c
_
_
=
_
_
0
0
0
_
_
=
_
_
_
a +b +c = 0
b +c = 0
2a + 2b + 2c = 0
=
_
a = 0
b = c
114 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
Portanto v = (0, c, c) = c(0, 1, 1). O autoespaco associado a = 1 e V
(=1)
= [(0, 1, 1)].
Autovetores associados a = 2: procuramos w = (a, b, c) tais que (A2I)w = 0.
_
_
2 1 1
2 0 1
2 2 1
_
_
_
_
a
b
c
_
_
=
_
_
0
0
0
_
_
=
_
_
_
2a +b +c = 0
2a +c = 0
2a + 2b +c = 0
=
_
b = 0
c = 2a
Portanto w = a(1, 0, 2). O autoespaco associado a = 2 e V
(=2)
= [(1, 0, 2)].
Teorema 6.13. Sejam v
1
, . . . , v
p
autovetores de T associados aos autovalores
1
, . . .
p
. Se os
autovalores
1
, . . .
p
, forem dois a dois distintos, entao os autovetores v
1
, . . . , v
p
sao linearmente
independentes.
Demostracao: Vamos mostrar o teorema por inducao sobre n. Em primeiro lugar, notemos que
o resultado e verdadeiro se n = 1, pois autovetores sao vetores nao nulos.
Suponhamos que o resultado seja valido para um n umero k. Vamos mostrar que ele e verdadeiro
para k + 1.
Sejam v
1
, . . . , v
k+1
autovetores de T. Suponhamos que os n umeros
1
, . . . ,
k+1
sejam tais
que

1
v
1
+ +
k
v
k
+
k+1
v
k+1
= 0 (6.5)
(queremos concluir que essa relacao implica
1
= 0, . . . ,
k+1
= 0). Aplicando T aos dois membros
de (6.5) e notando que v
1
, . . . , v
k+1
sao autovetores de T, obtemos

1
v
1
+ +
k

k
v
k
+
k+1

k+1
v
k+1
= 0. (6.6)
Multiplicando (6.5) por
k+1
e subtraindo de (6.6), obtemos

1
(
1

k+1
)v
1
+ +
k
(
k

k+1
)v
k
= 0. (6.7)
Agora, como o resultado e verdadeiro para k autovetores, temos que v
1
, . . . , v
k
sao LI. Portanto

1
(
1

k+1
) = 0, . . . ,
k
(
k

k+1
) = 0
Como, por hipotese, os autovalores sao dois a dois distintos, temos
1
= 0, . . . ,
k
= 0. Substitu-
indo em (6.5), obtemos
k+1
v
k+1
= 0. Como v
k+1
,= 0, temos
k+1
= 0. Logo, v
1
, . . . , v
k+1
sao LI.
O Teorema 6.14 abaixo da uma condicao suciente para que um operador linear seja diagona-
lizavel: sua demonstracao decorre diretamente do Teorema 6.13.
Teorema 6.14. Suponhamos que o operador T : R
n
R
n
tenha n autovalores distintos. Entao T
e diagonalizavel.
Exerccio 6.21. Encontre os autovalores e autovetores das matrizes abaixo:
A =
_
_
1 2 1
0 1 0
0 0 2
_
_
B =
_
_
3 0 0
0 2 5
0 1 2
_
_
C =
_

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

_
6.5. AUTOVALORES E AUTOVETORES 115
Exerccio 6.22. Encontre os autovalores e autovetores dos operadores lineares abaixo:
a) T(x, y) = (kx, ky) b) T(x, y) = (x, ky) (nos 2 casos, k R e uma constante xa).
c) T(x, y) = (x, y) d) T(x, y) = (x +y, x y) e) T(x, y) = (x y, 3x +y).
f ) T(x, y, z) = (3x, 2y 5z, y 2z). g) T(x, y, z) = (z, y, x) h) T(x, y, z) = (x, x + 2y, x +y)
i) T(x, y, z, w) = (3x +y, 3y, 4z, 3w) j) T(x, y, z, w) = (2x +y, 2y, z +w, 2z + 4w).
Exerccio 6.23. Considere o operador linear T : R
3
R
3
tal que T(x, y, z) = (2x+z, 3y+z, 3z)
e a base C = (0, 1, 1), (0, 1, 1), (1, 0, 1):
a) Encontre o polinomio caracterstico de T, os autovalores de T e os correspondentes autovetores.
b) Ache (T)
C
. Que observacao voce faz a este respeito?
c) Se for possvel encontre uma base D de R
3
de modo que (T)
D
seja diagonal.
Exerccio 6.24. Ache uma matriz diagonal semelhante `a matriz
_
_
3 1 1
6 1 2
2 1 0
_
_
Exerccio 6.25. Seja T o operador linear denido pelas matrizes abaixo. Pergunta-se: T e diago-
nalizavel? Em caso armativo, encontre uma base B que diagonaliza T.
a) V = R
3
;
_
_
3 0 0
0 2 5
0 1 2
_
_
b) V = R
3
;
_
_
1 4 14
2 7 14
2 4 11
_
_
e) V = R
3
;
_
_
1 2 0
0 1 1
1 0 0
_
_
b) V = R
4
;
_

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

_
d) V = R
4
;
_

_
2 0 1 0
0 2 0 1
12 0 3 0
0 1 0 0
_

_
Exerccio 6.26. Seja T : R
3
R
3
uma transformacao linear cuja matriz numa base e A =
_
_
1 2 1
0 1 0
0 0 2
_
_
a) Determine os autovalores e autovetores de T.
b) Determine uma base para os correspondentes autoespacos.
c) Determine uma base para o R
3
em relacao `a qual a matriz de T e diagonal e determine
a matriz de T nesta base.
Exerccio 6.27. Seja T : R
3
R
3
o operador linear tal que T(x, y, z) = (3x 4z, 3y + 5z, z):
a) Encontre o polinomio caracterstico de T.
b) Para cada autovalor de T, encontre o autoespaco V () e de sua dimensao.
c) T e diagonalizavel? Justique.
d) Em caso de c) ser verdadeira, determine uma base F do R
3
de modo que (T)
F
, seja diagonal e
uma matriz invertvel M tal que (T)
E
= M
1
(T)
F
M.
Exerccio 6.28. Seja T : R
3
R
3
o operador linear denido por T(x, y, z) = (x, 2x+2y, x+mz).
a) Calcular o polinomio caracterstico e os autovalores de T.
b) Determinar todos os valores de m para que T seja diagonalizavel.
c) Com os valores de m obtidos no item b), determinar uma base C do R
3
tal que a matriz de T
nessa base seja diagonal.
Exerccio 6.29. Considere o operador linear T : R
3
R
3
dado por T(x, y, z) = (x+z, by, axz)
i) Encontre condicoes sobre a e b de modo que o autoespaco de T tenha dimensao 2.
ii) Nas condi coes do item i) verique se T e diagonalizavel.
116 CAP

ITULO 6. TRANSFORMAC

OES LINEARES
Exerccio 6.30. Seja T : R
2
R
2
um operador linear tal que v
1
= (1, 1) e v
2
= (1, 0) sao
autovetores de T correspondentes aos autovalores
1
= 2 e
2
= 3, respectivamente. Determine
T(x, y).
Exerccio 6.31. Considere o operador linear F : R
3
R
3
tal que v = (1, 0, 0) e autovetor com
autovalor nulo e F(0, 1, 0) = (0, 2, 1) e F(0, 1, 1) = (0, 0, 3). Determine F(x, y, z).
6.6 Aplicacao: calculo de potencias de matriz
O calculo das potencias de uma matriz e, geralmente, trabalhoso. Entretanto, existem situacoes
em que esse calculo e bem simples. Por exemplo, se
D =
_

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

_
entao D
k
=
_

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

_
.
O calculo de A
k
tambem e simples quando A e diagonalizavel. Se A = P
1
DP, onde D e diagonal,
entao
A
k
= P
1
DPP
1
DP . . . P
1
DP = P
1
D
k
P.
Exemplo 6.35. Calcular A
k
, sendo A =
_
_
2 0 0
10 7 30
2 1 4
_
_
.
Vimos que A e diagonalizavel e que, se P =
_
_
1 0 0
2 6 5
0 1 1
_
_
, entao P
1
AP =
_
_
2 0 0
0 2 0
0 0 1
_
_
. Como
P
1
=
_
_
1 0 0
2 1 5
2 1 6
_
_
, temos,
A
k
= PA
k
P
1
=
_
_
1 0 0
2 6 5
0 1 1
_
_
_
_
2
k
0 0
0 2
k
0
0 0 1
_
_
_
_
1 0 0
2 1 5
2 1 6
_
_
=
_
_
2
k
0 0
10 5 2
k+1
6 2
k+1
5 30(2
k+1
1)
2 2
k+1
2
k
1 5 2
k
+ 6
_
_
Captulo 7
Equacoes Diferenciais Lineares
Neste captulo estudamos as equacoes diferenciais lineares de ordem superior a dois. Inicialmente
apresentaremos alguns fatos gerais sobre equacoes lineares. Para simplicar a notacao, enuncia-
remos tais resultados para equacoes de segunda ordem. Observamos, no entanto, que resultados
correspondentes sao validos para equacoes de ordem superior a dois.
7.1 Fatos Gerais sobre Equacoes Lineares
Consideremos a equacao diferencial linear de segunda ordem
y

+a(t)y

+b(t)y = g(t), (7.1)

em que a(t), b(t) e g(t) sao funcoes contnuas em um intervalo J R. Se g(t) , 0, a equacao
(7.1) e dita nao homogenea; se g(t) 0, essa equacao, que tem a forma
y

+a(t)y

+b(t)y = 0, (7.2)
e dita homogenea. Uma solucao de (7.1) e uma funcao y(t) denida em um intervalo I R que
satisfaz (7.1) para todo t I, isto e, y

(t) +a(t)y

(t) +b(t)y(t) = g(t), t I. Qualquer expressao

que contenha todas as solucoes de (7.1) e chamada solucao geral dessa equacao.
Equacoes diferenciais de segunda ordem ocorrem com freq uencia em Mecanica, em virtude da
segunda Lei de Newton
my

= F,
(aqui m denota a massa da partcula, y a sua posicao e F a resultante das forcas que atuam sobre a
mesma. O problema basico em Mecanica consistem em determinar a posicao y(t) da partcula em
um instante t, conhecendo-se a resultante F, a posicao y(t
0
) e a velocidade y

(t
0
) em um instante
inicial t
0
.
Do mesmo modo, e conveniente associar `a equacao (7.1) as chamadas condicoes iniciais y(t
0
)
e y

(t
0
). O problema de se encontrar uma solucao y(t) da equacao (7.1) satisfazendo as condicoes
iniciais y(t
0
) e y

(t
0
) chama-se problema de valor inicial. Um fato importante sobre (7.1) e
que o problema de valor inicial para essa equacao tem uma unica solucao: esse e o enunciado do
proximo teorema, cuja demonstracao sera omitida.
Teorema 7.1. Suponhamos que a(t), b(t) e g(t) sao funcoes contnuas em um intervalo J R.
Dados y
0
, w
0
R, t
0
J, existe uma unica solucao y(t) da equacao (7.1), denida no intervalo
J, tal que y(t
0
) = y
0
e y

(t
0
) = w
0
.
117
118 CAP

ITULO 7. EQUAC

OES DIFERENCIAIS LINEARES
Indicaremos por o o conjunto de todas as solucoes da equacao diferencial (7.1) e por o
0
o
conjunto de todas as solucoes de (7.2), isto e,
o = y : I R : y

+a(t)y

+b(t)y = g(t), t I
o
0
= y : I R : y

+a(t)y

+b(t)y = 0, t I
O Teorema 7.1 implica que o e o
0
sao conjuntos nao vazios: cada par de n umeros reais (, ) de-
termina uma unica solucao y(t) de (7.1), isto e, determina um elemento de o, o mesmo acontecendo
com o
0
. Na verdade, veremos abaixo que o
0
e um espaco vetorial.
Uma propriedade caracterstica das equacoes lineares e dada pelo princpio de superposicao,
visto no proximo teorema (a demonstracao e trivial e sera omitida).
Teorema 7.2. (princpio de superposicao) Suponhamos que a(t), b(t), g
1
(t) e g
2
(t) sao
funcoes contnuas em um intervalo J R. Se y
1
(t) e y
2
(t) sao solucoes de
y

+a(t)y

+b(t)y = g
1
(t) (7.3)
y

+a(t)y

+b(t)y = g
2
(t) (7.4)
respectivamente, e se c
1
, c
2
sao constantes, entao a funcao c
1
y
1
(t) +c
2
y
2
(t) e solucao da equacao
y

+a(t)y

+b(t)y = c
1
g
1
(t) +c
2
g
2
(t). (7.5)
Corolario 7.1. Suponhamos que a(t), b(t) e g(t) sao funcoes contnuas em um intervalo J R.
O conjunto o
0
das solucoes da equacao homogenea (7.2) e um espaco vetorial de dimensao 2.
Demonstracao: Tomando g
1
(t) = g
2
(t) = 0, o teorema anterior implica que qualquer combinacao
linear de solucoes de (7.2) e uma solucao de (7.2), ou seja, o conjunto o
0
das solucoes da equacao
(7.2) e um subespaco de T(J, R) (o espaco vetorial de todas as funcoes denidas em J com valores
reais).
Mostremos que dim o
0
= 2. Fixemos t
0
J arbitrariamente. Sejam
1
(t),
2
(t) as solucoes
de (7.2) tais que
1
(t
0
) = 1,

1
(t
0
) = 0 e
2
(t
0
) = 0,

2
(t
0
) = 1 (a existencia de tais solucoes e
garantida pelo Teorema 7.1).
Armamos que
1
(t),
2
(t) formam uma base de o
0
. Em primeiro lugar, e claro que essas
funcoes sao LI, pois o seu wronskiano e diferente de zero em t = t
0
:
W(
1
,
2
)(t
0
) = det
_

1
(t
0
)
2
(t
0
)

1
(t
0
)

2
(t
0
)
_
= det
_
1 0
0 1
_
= 1
Mostremos agora qualquer solucao (t) de (7.2) e combinacao linear de
1
(t) e
2
(t). Procuremos
constantes C e D tais que
(t) = C
1
(t) +D
2
(t), t J. (7.6)
Para que (7.6) esteja satisfeita quando t = t
0
, devemos ter C = (t
0
). Derivando (7.6) e sub-
stituindo t = t
0
, obtemos D =

(t
0
). Com isto, temos que (7.6) esta vericada quando t = t
0
.
Mostremos que (7.6) esta satisfeita para todo t J. Sabemos que (por hipotese) a funcao (t) e
solucao do PVI
_
_
_
y

+a(t)y

+b(t)y = 0
y(t
0
) = C
y

(t
0
) = D
Por outro lado, a funcao C
1
(t) +D
2
(t) tambem e solucao desse PVI. Como, pelo Teorema 7.1,
tal PVI tem uma unica solucao, devemos ter (t) = C
1
(t) +D
2
(t), t J.
7.2. M

ETODO DE REDUC

AO DA ORDEM 119
Corolario 7.2. Suponhamos que a(t), b(t) e g(t) sao funcoes contnuas no intervalo J R.
Se
p
(t) e uma solucao particular da equacao (7.1), entao qualquer solucao de (7.1) e da forma
y(t)+
p
(t), em que y(t) e uma solucao da equacao homogenea (7.2). Em outras palavras, a solucao
geral da equacao nao homogenea (7.1) e a soma da solucao geral da equacao homogenea (7.2) com
uma solucao particular da equacao nao homogenea (7.1)
Demonstracao: O resultado e conseq uencia do fato que se y
1
(t) e y
2
(t) sao solucoes da equacao
nao homogenea
y

+a(t)y

+b(t)y = g(t) ,
entao y
2
(t) y
1
(t) e solucao da equacao homogenea (7.2).
Exemplo 7.1.

E facil ver que a funcao y(t) = t
3
e solucao da equacao diferencial y

+ y = t
3
.
Como a soluc ao geral da equacao homogenea associada e y
H
(t) = a cos t+b sen t, a, b R, segue-se
que a solucao geral da equacao y

+y = t
3
e y(t) = a cos t +b sen t +t
3
, a, b R.
Exerccio 7.1. Sabendo que a funcao (t) = 5 t
3
+ 4 t
5
e solucao da equacao nao homogenea
y

+a(t)y

+b(t)y = g(t) e que as funcoes

1
(t) = sen 5 t,
2
(t) = cos 5 t sao solucoes da equacao
homogenea correspondente, encontre a solucao geral de cada uma dessas equacoes.
Exerccio 7.2. Suponha que as funcoes y
1
(t) = e
3 t
+ 4e
5 t
+ 3 cos 2 t, y
2
(t) = e
5 t
+ 3 cos 2 t e
y
3
(t) = e
3 t
+ 3 cos 2 t sao solucoes da equacao nao homogenea y

+ ay

+ by = f(t). Encontre a
solucao geral dessa equacao.
7.2 Metodo de Reducao da ordem
Consideremos a equacao linear de segunda ordem homogenea
y

+a(t)y

+b(t)y = 0 . (7.7)
Suponhamos conhecida uma solucao y
1
(t) dessa equacao. Sabemos que, para qualquer constante
c, a funcao c y
1
(t) e uma solucao da equacao (7.7): e claro que as funcoes y
1
(t) e c y
1
(t) sao
linearmente dependentes. Um metodo incrivelmente eciente, devido a DAlembert (1717-1783),
para encontrar uma solucao y
2
(t) linearmente independente de y
1
(t) consiste em procurar uma
nova solucao de (7.7) na forma y
2
(t) = u(t)y
1
(t), em que u(t) e uma funcao nao constante (assim,
o que estamos procurando e a funcao u). Substituindo
y

(t) = u

(t)y
1
(t) +u(t)y

1
(t) e y

(t) = u

(t)y
1
(t) + 2u

(t)y

1
(t) +u(t)y

1
(t)
na equacao (7.7), obtemos
u(t)
_
y

1
(t) +a(t)y

1
(t) +b(t)y
1
(t)
_
+y
1
(t)u

(t) +
_
2y

1
(t) +a(t)y
1
(t)
_
u

(t) = 0.
Como y

1
(t) +a(t)y

1
(t) +b(t)y
1
(t) = 0 (pois y
1
(t) e solucao de (7.7)), essa equacao torna-se
y
1
(t)u

(t) +
_
2y

1
(t) +a(t)y
1
(t)
_
u

(t) = 0.
Dividindo por y
1
(t) e chamando v = u

, obtemos a equacao linear de primeira ordem

v

+
_
2
y

1
y
1
+a
_
v = 0 , (7.8)
que ja foi estudada no Captulo 1. Uma vez obtida uma solucao v dessa equacao, integramos v
para obter uma funcao u procurada e, conseq uentemente, obter uma solucao particular y(t).
120 CAP

ITULO 7. EQUAC

OES DIFERENCIAIS LINEARES
Exemplo 7.2. Sabendo que y
1
(t) = t
2
(t > 0) e uma solucao da equacao diferencial
y

2
t
2
y = 0
obtenha a solucao geral dessa equacao.
Chamando y
2
(t) = t
2
u(t), temos
y

(t) = 2tu +t
2
u

e y

(t) = t
2
u

+ 4tu

+ 2u
Substituindo na equacao diferencial, obtemos
u

+
4
t
u

= 0.
Chamando v = u

, obtemos a equacao
v

+
4
t
v = 0,
cuja solucao geral e v(t) = K/t
4
. Assim, u(t) = K/(4t
3
). Portanto y
2
(t) = K/(4t). Logo, a
solucao geral da equacao diferencial e
y(t) = at
2
+
b
4t
, a, b R.
Exerccio 7.3. Cada uma das equacoes abaixo tem uma solucao da forma y
1
(t) = t
k
. Encontre
essa solucao e entao use o metodo de reducao da ordem para obter a solucao geral da equacao dada:
(a) 4t
2
y

+ 4ty

y = 0 (b) t y

(t + 1) y

+ 2 y = 0 ,
(c) t
2
y

+ty

(1/4)y = 0 (d) (t
2
ln t) y

t (1 + 4 ln t)y

+ (2 + 6 ln t)y = 0.
7.3 Equacoes Diferenciais Lineares de Ordem Superior
Os metodos discutidos nas Secoes e Captulos anteriores aplicam-se, com adaptacoes convenientes,
a equacoes de ordem n 2
y
(n)
+a
n1
y
(n1)
+ +a
1
y

+a
0
y = h(t). (7.9)
A equacao caracterstica associada a (7.9) e

n
+a
n1

n1
+ +a
1
+a
0
= 0. (7.10)
Cada solucao da equacao caracterstica (7.10) fornece uma solucao e
t
da equacao diferencial
(7.9). O problema e que pode ser difcil encontrar as solucoes da equacao (7.10). Em vista disso,
consideraremos aqui apenas polinomios especiais, cujas razes sao determinadas de modo simples.
Recordemos alguns fatos sobre polinomios que facilitarao o estudo da equacao caracterstica
(7.10). Lembremos que uma raiz de um polinomio P(x) e um n umero complexo d tal que P(d) = 0.
Um fato importante sobre polinomios e o chamado Teorema Fundamental da

Algebra que
arma que todo polinomio de grau n 1 tem ao menos uma raiz d. Consideremos o polinomio de
grau n
P(x) = a
n
x
n
+a
n1
x
n1
+ +a
1
x +a
0
(7.11)
7.3. EQUAC

OES DIFERENCIAIS LINEARES DE ORDEM SUPERIOR 121
O quociente de P(x) por x c e um polinomio Q(x) de grau n 1:
Q(x) = b
n1
x
n1
+b
n2
x
n2
+ +b
1
x +b
0
e o resto e uma constante (e claro que essa constante e P(c)):
P(x) = (x c) Q(x) +P(c). (7.12)
Se d e uma raiz de P(x), entao de (7.12), temos P(x) = Q(x)(xd); assim, P(x) contem um fator
xd. Deste modo, se conhecermos uma raiz d de P(x), efetuamos a fatoracao P(x) = (xd)P
1
(x)
e tentamos encontrar as solucoes de P
1
(x), que e um polinomio de grau n 1. Pelo Teorema
Fundamental da

Algebra, P
1
(x) tem uma raiz d
2
e, portanto, contem um fator xd
2
. Assim P(x)
contem os fatores x d
1
e x d
2
: isto e P(x) = (x d
1
)(x d
2
)P
2
(x). Continuando com esse
procedimento, obtemos n razes d
1
, d
2
, . . . , d
n
(nao necessariamente distintas) de P(x) e podemos
fatorar P(x) como P(x) = (x d
1
)(x d
2
) . . . (x d
n
). Se um fator x d comparece k vezes
nessa fatoracao (isto e, se P(x) = (xd)
k
Q(x), com Q(d) ,= 0), dizemos que d e uma raiz de P(x)
com multiplicidade k .
A divisao de P(x) por x c pode ser feita pela algoritmo de Euclides, imitando o algoritmo da
divisao de n umeros. Efetuemos, por exemplo, a divisao de x
3
+ 0x
2
7x + 9 por x 2:
x 2 x
3
+ 0 x
2
7x + 9
x
2
+ 2 x 3
x
3
+ 2x
2
2x
2
7x + 9
2x
2
+ 4x
3x 6
3x + 9
3
O algortmo de Briot-Runi simplica a notacao acima. Esse algortmo baseia-se nas seguintes
igualdades: se P(x) = a
n
x
n
+a
n1
x
n1
+ +a
1
x+a
0
e Q(x) = b
n1
x
n1
+b
n2
x
n2
+ +b
1
x+b
0
entao
(x c)(b
n1
x
n1
+b
n2
x
n2
+ +b
1
x +b
0
) =
= b
n1
x
n
+ (b
n2
cb
n1
)x
n1
+ (b
n3
cb
n2
)x
n2
+ + (b
0
cb
1
)x cb
0
Da igualdade P(x) = (x c)Q(x) +r, temos as igualdades
_

_
a
n
= b
n1
a
n1
= b
n2
cb
n1
a
n2
= b
n3
cb
n2
.
.
.
a
1
= b
0
cb
1
a
0
= cb
0
+r
que implicam
_

_
b
n1
= a
n
b
n2
= a
n1
+cb
n1
b
n3
= a
n2
+cb
n2
.
.
.
b
0
= a
1
+cb
1
r = a
0
+cb
0
O metodo de Briot-Runi consiste em representar as operacoes indicadas acima em um diagrama.
Notemos que:
1) b
n1
= a
n
:
122 CAP

ITULO 7. EQUAC

OES DIFERENCIAIS LINEARES
2) que para obter b
n2
multiplicamos b
n1
por c e somamos a
n1
.
Vamos indicar essas opera coes no seguinte diagrama:

`
a
n
a
n1
a
n2
. . . a
1
a
0
c
b
n1
b
n2

b
n2
= a
n1
+c b
n1
Agora repetimos esse procedimento para obter b
n3
; o correspondente diagrama e:

`
a
n
a
n1
a
n2
. . . a
1
a
0
c
b
n1
b
n2
b
n3

b
n3
= a
n2
+c b
n2
Exemplo 7.3. Encontrar todas as solucoes da equacao
8
256 = 0.
Podemos escrever
8
256 = (
4
16)(
4
+ 16) = ( 2)( + 2)(
2
+ 4)(
4
+ 16). Lo-
go, as solucoes da equacao
8
256 = 0 sao:
1
= 2,
2
= 2,
3
= 2 i,
4
= 2 i,

5
= (1 +i)

2,
6
= (1 +i)

2,
7
= (1 i)

2 e
8
= (1 i)

2.
Quando os coecientes de P(x) = x
n
+a
n1
x
n1
+ +a
1
x+a
0
sao n umeros inteiros, as unicas
razes racionais possveis de P(x) sao n umeros inteiros e sao os divisores de a
0
. De fato, se o n umero
racional d = p/q (com p e q primos entre si) e uma raiz de P(x), entao da igualdade P(p/q) = 0,
temos a
0
= (p
n
/q
n
+ a
n1
p
n1
/q
n1
+ + a
1
p/q) = p/q
n
(p
n1
+ a
n1
p
n2
q + + a
1
q
n
).
Multiplicando por q
n
, temos a
0
q
n
= p(p
n1
+ a
n1
p
n2
q + + a
1
q
n
). Como p e q sao primos
entre si, essa igualdade implica que p divide a
0
. Um argumento semelhante mostra que q precisa
ser um divisor do coeciente de x
n
, que e 1, ou seja, q = 1. Logo, d = p.
Exemplo 7.4. Encontrar as razes inteiras do polinomio P(x) = x
3
7x + 6.
Os n umeros 1, 2, 3, 6 sao divisores de 6, portanto sao candidatos a razes de P(x). Como
P(1) = (1) 7(1) + 6 = 12, P(1) = 1 7 + 6 = 0,
P(2) = 8 + 14 + 6 = 12, P(2) = 8 14 + 6 = 0,
P(3) = 27 + 21 + 6 = 0, P(3) = 27 21 + 6 = 12,
P(6) = 216 + 42 + 6 = 168, P(6) = 216 42 + 6 = 180
vemos que as razes inteiras de P(x) sao 3, 1 e 2.
7.3. EQUAC

OES DIFERENCIAIS LINEARES DE ORDEM SUPERIOR 123
Exemplo 7.5. Encontrar as razes do polinomio P(x) = x
3
+ 6x
2
5
Os candidatos a razes inteiras sao 1 e 5. Como
P(1) = 1 + 6 5 = 12 ,= 0 P(1) = 1 + 6 5 = 0
P(5) = 125 + 150 5 = 270 P(5) = 125 + 150 5 = 30,
vemos que a unica raiz racional e x
1
= 1. Efetuemos a divisao de P(x) por x + 1
1 6 0 5 1
1 5 5 0
O quociente e x
2
+ 5x 5; suas razes sao obtidas pela conhecida formula de Baskhara
x
2
=
5 +
_
25 4 (5)
2
=
5 + 3

5
2
e x
3
=
5
_
25 4 (5)
2
=
5 3

5
2
Exemplo 7.6. Encontrar a solucao geral da equacao linear homogenea de quarta ordem
y
(4)
3 y
(3)
6 y

+ 28 y

24 y = 0 . (7.13)
A equacao caracterstica e
4
3
3
6
2
+28 24 = 0. Os candidatos a razes sao os divisores
de 24, ou seja, 1, 2, 3, 4, 6, 8, 12 e 24.
Substituindo na equacao, vemos facilmente que
1
= 2 e raiz dessa
equacao. Isso signica que 2 e um fator do polinomio
4

3
3
6
2
+ 28 24. Dividindo
4
3
3
6
2
+ 28 24 por
x + 2 usando o algoritmo de Briot-Runi (ao lado), vemos que

4
3
3
6
2
+ 28 24 = ( 2)(
3

2
8 + 12).
1 3 6 28 24
1 1 8 12 0

2
Os candidatos a razes de
3

2
8+12 = 0 sao os divisores de 12, ou seja, 1, 2, 3, 4, 6
e 12. Substituindo na equacao, vemos facilmente que
1
= 2 e raiz dessa equacao. Dividindo
esse polinomio por 2, temos
3

2
8 + 12 = (
2
+ 6)( 2). As razes da equacao

2
+ 6 = 0 sao 3 e 2. Portanto

4
3
3
6
2
+ 28 24 = ( 2)
3
( + 3) .
Como 2 e raiz da equacao caracterstica com multiplicidade 3, as funcoes e
2t
, te
2t
e t
2
e
2t
sao
solucoes linearmente independentes da equacao diferencial; a outra raiz, 3, da origem `a solucao
e
3t
. Logo, a solucao geral da equacao (7.13) e
y(t) = (a +bt +ct
2
) e
2t
+d e
3t
, a, b, c, d R.
Exemplo 7.7. Encontrar a solucao da equacao diferencial de terceira ordem
y
(3)
7 y

+ 6 = 6 t
2
+ 22 t + 10 e
2t
(7.14)
tal que y(0) = 1, y

(0) = 1, y

(0) = 3.
Analisemos primeiramente a equacao homogenea y
(3)
7 y

+6 = 0. A equacao caracterstica
e
3
7 + 6 = 0. As possveis razes inteiras sao 1, 2, 3 e 6. Substituindo na equacao,
vemos que as razes sao 3, 1 e 2. Podemos entao escrever

3
7 + 6 = (
2
+ 6)( 1) = ( + 3)( 2)( 1).
124 CAP

ITULO 7. EQUAC

OES DIFERENCIAIS LINEARES
Logo, a solucao geral da equacao homogenea e
y(t) = e
3t
+ e
t
+ e
2t
, , , R.
Analisemos agora a equacao
y
(3)
7 y

+ 6 = 6t
2
+ 22t.
Como a equacao homogenea associada nao tem solucoes constantes nao nulas, procuramos uma
solucao particular da equacao (7.14) na forma
y
1
(t) = a +b t +c t
2
.
Substituindo na equacao diferencial, temos (6c 6) t
2
+ (6b 14c 22) t + 6a 7b = 0, donde
obtemos a = 7, b = 6, c = 1. Assim, uma solucao particular e y
1
(t) = 7 + 6 t +t
2
.
Analisemos agora a equacao
y
(3)
7 y

+ 6 = 10 e
2t
.
Como a funcao e
2t
e solucao da equacao homogenea associada, vamos, procurar uma solucao par-
ticular da equacao (7.14) na forma
y
2
(t) = a t e
2t
.
Substituindo y

2
(t) = ae
2t
(1+2t), y

2
(t) = 4ae
2t
(1+t), y
(3)
2
(t) = 4ae
2t
(3+2t) na equacao diferencial,
temos
(12 a + 8 a t 7 a 14 a t + 6 a t) e
2t
= 10 e
2t
,
donde obtemos a = 2. Assim, uma solucao particular e y
2
(t) = 2 e
2t
. Logo, a solucao geral da
equacao (7.14) e
y(t) = e
3t
+ e
t
+ ( + 2) e
2t
+ 7 + 6 t +t
2
, , , R.
Impondo as condicoes iniciais y(0) = 1, y

(0) = 1, y

(0) = 3, obtemos as equacoes

_
_
_
+ + = 10
3 + + 2 = 9
9 + + 4 = 7
cuja solucao e = 0, = 11, = 1. Logo, a solucao do problema de valor inicial e
y(t) = 11 e
t
+ 3 e
2t
+ 7 + 6 t +t
2
,
Exemplo 7.8. Encontrar a solucao geral da equacao linear nao homogenea de quarta ordem
y
(4)
3 y
(3)
6 y

+ 28 y

24 y = 1500 t
2
e
2t
. (7.15)
Vimos no exemplo 7.6 que as funcoes e
2t
, t e
2t
, t
2
e
2t
e e
3t
formam uma base de solucoes da
equacao homogenea associada a (7.15). Para simplicar a notacao, vamos procurar uma solucao
particular de (7.15) na forma y(t) = e
2t
v(t). Entao,
y

(t) = 2 e
2t
v(t) +e
2t
v

(t)
y

(t) = 4 e
2t
v(t) + 4 e
2t
v

(t) +e
2t
v

(t),
y
(3)
(t) = 8 e
2t
v(t) + 12 e
2t
v

(t) + 6 e
2t
v

(t) +e
2t
v
(3)
(t),
y
(4)
(t) = 16 e
2t
v(t) + 32 e
2t
v

(t) + 24 e
2t
v

(t) + 8 e
2t
v
(3)
(t) + e
2t
v
(4)
(t).
7.4. EXERC

ICIOS 125
Substituindo essas expressoes na equacao (7.15), vemos que v(t) e solucao da equacao diferencial
v
(4)
+ 5 v
(3)
= 1500 t
2
. (7.16)

E facil ver que as funcoes 1, t e t

2
sao solucoes da equacao homogenea v
(4)
+5v
(3)
= 0. Vamos entao
procurar uma solucao particular da equacao nao homogenea (7.16) na forma v
p
(t) = t
3
(a t
2
+b t +
c) = a t
5
+b t
4
+c t
2
. Substituindo na equacao (7.16), obtemos
300 a t
2
+ 120 (a +b) t + 24 b + 30 c = 1500 t
2
.
Portanto, a = 5, b = 5, c = 4 e a solucao particular procurada e v(t) = 5 t
5
+ 5 t
4
+ 4 t
3
. Logo, a
solucao geral da equacao (7.15) e
y(t) = (a +b t +c t
2
+ 4 t
3
+ 5 t
4
+ 5 t
5
) e
2t
+d e
3t
, a, b, c, d R.
Exemplo 7.9. Encontrar a solucao geral da equacao diferencial de terceira ordem
y
(3)
5 y

+ 9 y

5 = 6 e
t
(7.17)
A equacao caracterstica e p() =
3
5
2
+ 9 5 = 0; e facil ver que = 1 e raiz dessa
equacao. Como p() = (1)(
2
4 +5), vemos que as outras razes sao 2+i e 2i; essas razes
dao fornecem as solucoes complexas e
(2+i) t
e e
(2i) t
, das quais obtemos as solucoes reais e
2 t
cos t
e e
2 t
sen t. Portanto, a solucao geral real da equacao homogenea e
y
H
(t) = a e
t
+e
2 t
(b cos t +c sen t), a, b, c R.
Como o termo forcante e solucao da equacao homogenea, procuraremos uma solucao particular
da equacao n ao homogenea na forma y
p
(t) = At e
t
. Substituindo na equacao diferencial y
p
(t) =
At e
t
, y

p
(t) = Ae
t
+At e
t
, y

p
(t) = 2Ae
t
+At e
t
, y
(3)
p
(t) = 3 Ae
t
+At e
t
, obtemos A = 3; assim,
y
p
(t) = 3 t e
t
. Logo, a solucao geral da equacao nao homogenea e
y(t) = a e
t
+e
2 t
(b cos t +c sen t) + 3 t e
t
, a, b, c R.
7.4 Exerccios
Encontre a solucao geral de cada uma das seguintes equacoes diferenciais:
(a) y

2y

+ 2y = 0; (b) y
(4)
5y

+ 6y

+ 4y

8y = 0;
(c) y
(4)
16y = 0; (d) y

+ 3y

+ 3y

+y = 0;
(e) y
(4)
4y

+ 4y

= 0; (f) y
(5)
+y
(4)
y

3y

+ 2y = 0
(g) y
(4)
+ 16y = 0; (h) y
(5)
+y
(4)
y

3y

+ 2y = t
2
+ 2t
(i) y
(4)
+ 2y

+y

= e
4t
; (j) y
(4)
4y

+y

= e
4t
.
126 CAP

ITULO 7. EQUAC

OES DIFERENCIAIS LINEARES
Captulo 8
Sistemas de Equacoes Diferenciais
8.1 Introducao
Muitos problemas em Fsica, Biologia, etc, sao modelados por sistemas de equacoes diferenciais .
Vimos no Captulo I que o movimento de dois objetos ligados por duas molas, como na Figura 2 e
descrito pelo sistema de equacoes diferenciais
_
m
1
z

1
= k
1
z
1
k
2
z
1
+k
2
z
2
b
1
z

1
m
2
z

2
= k
1
z
2
k
2
z
2
b
2
z

2
.
(8.1)
Na verdade, sistemas de equacoes diferenciais ocorrem com muita feq uencia em Mecanica, por causa
da segunda lei de Newton. A posicao x(t) de uma partcula de massa m em um instante t, sujeita
a uma forca F(t, x(t), x

(t)) (com essa notacao, estamos indicando que a forca pode depender do
instante t, da posicao x(t) e da velocidade x

(t) naquele instante) e dada pela equacao vetorial

mx

= F(t, x, x

) (8.2)
Reescrevendo essa equacao em termos das componentes x(t) = (x
1
, x
2
, x
3
), F = (f
1
, f
2
, f
3
),
obtemos o sistema
_
_
_
mx

1
= f
1
(t, x
1
, x
2
, x
3
, x

1
, x

2
, x

3
)
mx

2
= f
2
(t, x
1
, x
2
, x
3
, x

1
, x

2
, x

3
)
mx

3
= f
3
(t, x
1
, x
2
, x
3
, x

1
, x

2
, x

3
)
(8.3)
A gura ao lado mostra uma malha com
dois circuitos eletricos contendo uma fonte de
forca eletromotriz E, dois resistores R
1
e R
2
e dois indutores L
1
e L
2
. Usando as Leis de
Kircho, podemos mostrar que as correntes
I
1
e I
2
satisfazem o sistema de equacoes di-
ferenciais
E

L
1
I
1

L
2
I
2
R
1
R
2
Figura 8.1
_
L
1
I

1
+R
1
I
1
+R
1
I
2
= E
L
2
I

2
+R
1
I
1
+ (R
1
+R
2
)I
2
= E
(8.4)
127
128 Sistemas de Equacoes Diferenciais Cap. 5
Vimos no Captulo I que a dinamica de duas populacoes de predadores e presas e descrita pelo
sistema de equacoes diferenciais
_
x

= a x b xy
y

= c y +d xy.
(8.5)
A equacao diferencial linear de ordem n
y
(n)
+a
n1
(t) y
(n1)
+ +a
1
(t)y

+a
0
(t)y = g(t)
pode ser escrita como sistemas de equacoes diferenciais de primeira ordem. De fato, pondo,
z
1
= y, z
2
= y

, , z
n
= y
(n1)
,
obtemos o sistema
_

_
z

1
= z
2
z

2
= z
3
.
.
.
z

n1
= y
n
z

n
= g(t) a
n1
(t) z
n
a
1
(t)z
2
a
0
(t)z
1
Para os nossos objetivos, basta considerar sistemas de equacoes diferenciais de primeira ordem,
pois qualquer equacao diferencial de ordem superior a um pode ser transformada em um sistema de
equacoes de primeira ordem. Consideremos, por exemplo, o sistema (8.3). Denindo as variaveis
y
1
= x
1
, y
2
= x

1
, y
3
= x
2
, y
4
= x

2
, y
5
= x
3
, y
6
= x

3
,
o sistema (8.3) pode ser escrito na forma
_

_
y

1
= y
2
y

2
=
1
m
f
1
(t, y
1
, y
3
, y
5
, y
2
, y
4
, y
6
)
y

3
= y
4
y

4
=
1
m
f
1
(t, y
1
, y
3
, y
5
, y
2
, y
4
, y
6
)
y

5
= y
6
y

6
=
1
m
f
1
(t, y
1
, y
3
, y
5
, y
2
, y
4
, y
6
)
Os sistemas de equacoes diferenciais podem geralmente ser escritos na forma
_

_
y

1
= f
1
(t, y
1
, . . . , y
n
)
.
.
.
y

n
= f
n
(t, y
1
, . . . , y
n
)
(8.6)
Aqui f
1
(t, y
1
, . . . , y
n
), . . . , f
n
(t, y
1
, . . . , y
n
) sao funcoes denidas em um subconjunto aberto de
R
n+1
.
Uma solucao do sistema (8.6) e uma nupla y(t) = (y
1
(t), . . . , y
n
(t)) de funcoes continuamente
diferenciaveis que satisfazem cada uma das equacoes em (8.6). Por exemplo, a funcao vetorial
y(t) = (y
1
(t), y
2
(t)) = (2e
4t
, 2e
4t
+ 1) e solucao do sistema
_
y

1
= y
1
+ 5y
2
5
y

2
= 2y
1
2y
2
+ 2
8.1. INTRODUC

AO 129
De fato, sendo y
2
(t) = 2e
4t
e y
2
(t) = 2e
4t
+ 1, temos y

1
(t) = 8e
4t
= y
1
(t) + 5y
2
(t) 5 e
y

2
(t) = 8e
4t
= 2y
1
(t) 2y
2
(t) + 2.
Fixados um vetor v R
n
e um n umero t
0
de modo que (t
0
, v) , o problema de encontrar
uma solucao y(t) de (8.6) tal que y(t
0
) = v chama-se problema de valor inicial para o sistema
(8.6).
Um fato importante sobre o sistema (8.6) e que sob condicoes razoaveis, podemos garantir
existencia de solucoes desse sistema.
Teorema 8.1. Suponhamos que as funcoes f
1
, . . . , f
n
e suas derivadas parciais de primeira ordem
f
i
/x
j
, i, j = 1, . . . , n sejam contnuas no conjunto aberto . Entao, dado qualquer (t
0
, y
0
) ,
existe um n umero r > 0 tal que o sistema (8.6) tem uma unica solucao y(t), denida em um
intervalo (t
0
r, t
0
+r), tal que y(t
0
) = y
0
.
A demonstracao desse teorema envolve conceitos mais elaborados e, por esta razao, sera omitida.
Como conseq uencia do Teorema 8.1, o problema de valor inicial
_
_
_
x

= sen (t
3
y
5
) +e
3y+7x
y

= ln(x
2
+y
4
+ 1) + cos(5x + 2ty)
x(0) = 1, y(0) = 5
tem uma unica solucao denida em algum intervalo contendo t
0
= 0. Nao parece facil descobrir
uma solucao para tal sistema. Esse exemplo mostra que o sistema (8.6) e geral demais e ca difcil
obter informacoes precisas a respeito de suas solucoes. Por essa razao, vamos concentrar nossa
atencao aos sistemas lineares, que sao da forma
_

_
y

1
= a
11
(t) y
1
+ +a
1n
(t) y
n
+g
1
(t)
.
.
.
y

n
= a
n1
(t) y
1
+ +a
nn
(t) y
n
+g
n
(t) ,
(8.7)
com as funcoes a
ij
(t) e g
i
(t), i, j = i, . . . , n, contnuas em um intervalo I R. Os sistemas (8.1) e
(2.18) acima sao lineares, mas o sistema (2.19) nao e linear se b ,= 0 ou d ,= 0.

E desajeitado escrever as expressoes (8.7) para referir a um sistema linear. Para simplicar a
notacao, vamos denir as matrizes y, A(t) e g(t) por
y =
_

_
y
1
y
2
.
.
.
y
n
_

_
, A(t) =
_

_
a
11
(t) a
12
(t) a
1n
(t)
a
21
(t) a
22
(t) a
2n
(t)
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
(t) a
n2
(t) a
nn
(t)
_

_
g(t) =
_

_
g
1
(t)
g
2
(t)
.
.
.
g
n
(t)
_

_
Podemos entao reescrever o sistema (8.7) na forma
y

= A(t)y +g(t) (8.8)

Se g(t) ,= 0, o sistema (8.8) e chamado sistema linear nao homogeneo. Se g(t) = 0, t, esse
sistema ca
y

= A(t)y (8.9)
e e chamado sistema linear homogeneo.
Como no caso das equacoes de primeira e de segunda ordem, chamaremos solucao geral do
sistema (8.8) a uma expressao que contenha todas as solucoes desse sistema.
Para sistemas lineares podemos armar um pouco mais sobre a existencia de solucoes: elas
estao denidas em todo o intervalo I, como arma o proximo teorema.
130 Sistemas de Equacoes Diferenciais Cap. 5
Teorema 8.2. Suponhamos que as funcoes A(t) e g(t) sejam contnuas no intervalo I (isto e, as
funcoes a
ij
(t) e g
i
(t), i, j = i, . . . , n, sao contnuas em I). Entao, dados t
0
I e y
0
R
n
, o
sistema (8.8) tem uma unica solucao y(t), denida em todo o intervalo I, tal que y(t
0
) = y
0
.
8.2 Fatos Gerais sobre Sistemas Lineares
Uma propriedade caracterstica dos sistemas lineares e dada no proximo teorema
Teorema 8.3. (Princpio de Superposicao) Consideremos os sistemas lineares
y

= A(t)y +g
1
(t) (8.10)
y

= A(t)y +g
2
(t) (8.11)
Suponhamos que y
1
(t) seja uma solucao do sistema (8.10), y
2
(t) uma solucao do sistema (8.11)
e sejam c
1
, c
2
duas constantes. Entao a funcao
y(t) = c
1
y
1
(t) +c
2
y
2
(t)
e uma solucao do sistema
y

= A(t)y +c
1
g
1
(t) +c
2
g
2
(t). (8.12)
Em particular para sistemas homogeneos, temos
Corolario 8.1. Suponhamos que y
1
(t) e y
2
(t) sejam solucoes do sistema linear homogeneo
y

= A(t)y
Entao qualquer combinacao linear dessas solucoes
y(t) = c
1
y
1
(t) +c
2
y
2
(t)
tambem e uma solucao desse sistema. Em outras palavras, o conjunto o
H
de todas solucoes do
sistema homogeneo e um espaco vetorial.
Como uma conseq uencia imediata do princpio de superposicao temos
Corolario 8.2. Suponhamos que x(t) seja uma solucao do sistema linear homogeneo
x

= A(t)x
e que y(t) seja uma solu cao do sistema linear nao homogeneo
y

= A(t)y +g(t). (8.13)

Entao x(t) +y(t) e uma solucao do sistema nao homogeneo (8.13).
Como nos captulos anteriores, e de fundamental importancia conhecer o espaco vetorial das
solucoes do sistema homogeneo. Para isso devemos encontrar uma base de solucoes desse sistema.
Teorema 8.4. Suponhamos que a funcao matricial A(t) seja contnua no intervalo I. Entao o
espaco vetorial o
H
das solucoes do sistema homogeneo y

= A(t)y tem dimensao n.

8.2. FATOS GERAIS SOBRE SISTEMAS LINEARES 131
Demonstracao: Fixemos t
0
I. Seja B = e
1
, e
2
, . . . , e
n
a base canonica de R
n
, isto e
e
1
= (1, . . . , 0), e
2
= (0, 1, . . . , 0), e
n
= (0, . . . , 1)
Pelo Teorema 8.2, para cada j = 1, 2, . . . , n, existe uma unica solucao y
j
(t) do problema de
valor inicial
_
y

= A(t) y
y(t
0
) = e
j
Armamos que as solucoes y
1
(t), y
2
(t), . . . , y
n
(t) constituem uma base de o
0
. Em primeiro lugar,
elas sao linearmente independentes, pois se os escalares
1
,
2
, . . . ,
n
sao tais que

1
y
1
(t) +
2
y
2
(t) + +
n
y
n
(t) = 0, t I,
entao, em particular, para t = t
0
, temos

1
y
1
(t
0
) +
2
y
2
(t
0
) + +
n
y
n
(t
0
) =
1
e
1
+
2
e
2
+ +
n
e
n
= 0;
como e
1
, e
2
, . . . , e
n
sao vetores linearmente independentes, temos
1
=
2
= =
n
= 0. Logo,
as funcoes y
1
(t), y
2
(t), . . . , y
n
(t) sao linearmente independentes.
Mostremos agora que toda solucao (t) do sistema y

= Ay e uma combinacao linear das

solucoes y
1
(t), y
2
(t), . . . , y
n
(t). Em primeiro lugar, como o
0
e um espaco vetorial, e claro que
qualquer combinacao linear de y
1
(t), y
2
(t), . . . , y
n
(t) e uma solucao desse sistema.
Seja v = (t
0
). Como e
1
, e
2
, . . . , e
n
e uma base de R
n
, existem n umeros c
1
, c
2
, . . . , c
n
tais que
v = c
1
e
1
+c
2
e
2
+. . . , c
n
e
n
Consideremos a funcao
z(t) = c
1
y
1
(t) +c
2
y
2
(t) + +c
n
y
n
(t) .
Ela e uma solucao do sistema y

= Ay e satisfaz z(t
0
) = v. Agora, a funcao (t) tambem e
solucao desse sistema e (t
0
) = v. Como as funcoes (t) e z(t) sao solucoes do problema de valor
inicial
_
y

= A(t) y
y(t
0
) = v
e como, pelo Teorema 8.2, esse problema de valor inicial tem uma unica solucao, segue-se que
(t) = z(t), t I, isto e
(t) = c
1
y
1
(t) +c
2
y
2
(t) + +c
n
y
n
(t) , t I.
ou seja, a solucao (t) e combinacao linear de y
1
(t), y
2
(t), . . . , y
n
(t)
Logo y
1
(t), y
2
(t), . . . , y
n
(t) e base do espaco vetorial o
0
e portanto dimo
0
= n.
De acordo com o Teorema 8.4, se x
1
(t), . . . , x
n
(t) sao n solucoes linearmente independentes do
sistema
x

= A(t) x (8.14)
entao toda solucao desse sistema e
x(t) = c
1
x
1
(t) + +c
n
x
n
(t), c
1
, . . . , c
n
R. (8.15)
Como toda solucao do sistema (8.14) e dada pela formula (8.15), essa expressao e a solucao geral
de (8.14).
Combinando esse fato com o princpio de superposicao e o Corolario 8.2 temos o seguinte fato.
132 Sistemas de Equacoes Diferenciais Cap. 5
Corolario 8.3. Se y
0
(t) e uma solucao particular do sistema nao homogeneo
y

= A(t) y +g(t) (8.16)

e se x(t) = c
1
x
1
(t) + + c
n
x
n
(t) e a solucao geral do sistema homogeneo associado, entao a
solucao geral do sistema nao homogeneo (8.16) e da forma
y(t) = y
0
(t) +c
1
x
1
(t) + +c
n
x
n
(t), c
1
, . . . , c
n
R. (8.17)
Exemplo 8.1. Consideremos o sistema nao homogeneo
_
x

= x + 5y + 4 t 15
y

= 2x 2y 10 t + 8
(8.18)
e o sistema homogeneo associado
_
x

= x + 5y
y

= 2x 2y
(8.19)

E facil ver que as funcoes vetoriais x

1
(t) = e
4 t
(1, 1)
T
e x
2
(t) = e
3 t
(5, 2)
T
sao solucoes do
sistema homogeneo (8.19); entao a solucao geral desse sistema e
_
x(t)
y(t)
_
=
_
C
1
e
4t
+ 5C
2
e
3t
C
1
e
4t
+ 2C
2
e
3t
_
, C
1
, C
2
R.
Como y
0
(t) = (3 t 1, 2 t + 4)
T
e uma solucao do sistema nao homogeneo (8.19), temos que a
solucao geral do sistema nao homogeneo e
_
x(t)
y(t)
_
=
_
3 t 1 +C
1
e
4t
+ 5C
2
e
3t
2 t + 4 C
1
e
4t
+ 2C
2
e
3t
_
, C
1
, C
2
R.
Exerccio 8.1. Encontre a solucao geral do sistema x

= Ax +g(t) (em que x = (x

1
, x
2
, x
3
)
T
e g(t) = (g
1
, g
2
, g
3
)
T
), sabendo que as funcoes

1
(t) =
_
_
e
t
+e
2 t
cos 3 t +e
2 t
0
_
_
;
2
(t) =
_
_
e
t
+e
3 t
cos 3 t +e
3 t
e
3 t
_
_
;
3
(t) =
_
_
e
t
e
3 t
cos 3 t e
3 t
e
3 t
_
_
sao solucoes desse sistema.
Notemos que a solucao geral do sistema (8.19)) acima pode ser escrita na forma
_
x(t)
y(t)
_
=
_
e
4t
5e
3t
e
4t
2e
3t
_ _
C
1
C
2
_
(8.20)
e que as colunas da matriz do segundo membro de (8.20) sao as solucoes linearmente independentes
y
1
(t) = e
4t
(1, 1)
T
e y
2
(t) = e
3t
(5, 2)
T
dadas acima. Essa matriz desempenhara um papel
importante no que segue.
Denicao 8.1. Sejam x
1
(t), . . . , x
n
(t) n solucoes do sistema x

= A(t) x. A matriz n n
X(t) =
_
x
1
(t) . . . x
n
(t)

(8.21)
chama-se matriz fundamental do sistema x

= A(t) x.
8.3. O SISTEMA HOMOG

ENEO COM COEFICIENTES CONSTANTES 133

No exemplo 8.1, uma matriz fundamental do sistema (8.19) e
X(t) =
_
e
4t
5e
3t
e
4t
2e
3t
_
.
A solucao geral do sistema (8.1) pode ser escrita na forma X(t)v, em que v e um vetor arbitrario
de R
2
. Essa propriedade e verdadeira em geral: de fato, da relacao (8.15) concluimos facilmente o
seguinte resultado.
Teorema 8.5. Se X(t) e uma matriz fundamental do sistema (8.14) e v denota um vetor arbitrario
de R
n
, entao a solucao geral de (8.14) e X(t)v.
8.3 O sistema homogeneo com coecientes constantes
Nesta secao estudamos sistemas
x

= Ax (8.22)
em que A e uma matriz constante. Como ja zemos anteriormente, procuraremos solucoes de (8.22)
na forma x(t) = e
t
v. Substituindo essa expressao em (8.22), temos
e
t
v = Ae
t
v (8.23)
Portanto,
Av = v
Assim, v e autovetor de A com autovalor .
Quando a matriz A tem n autovetores linearmente independentes v
1
, . . . , v
n
, correspondentes
aos autovalores reais
1
, . . . ,
n
, uma base de solucoes para o sistema (8.22) e
e

1
t
v
1
, . . . , e

n
t
v
n
Exemplo 8.2. Encontrar uma base de solucoes para o sistema
_
x

= x + 5y
y

= 2x 2y
Os autovalores da matriz A =
_
1 5
2 2
_
sao as solucoes da equacao
det
_
1 5
2 2
_
= (1 )(2 ) 10 = 0
ou seja

2
+ 12 = 0
Portanto, os autovalores de A sao
1
= 3 e
2
= 4.
Autovetores de associados ao autovalor
1
= 3: procuramos v = (a, b)
T
,= (0, 0)
T
tais que
(A3I)v = 0, ou seja
_
2 5
2 5
_ _
a
b
_
=
_
0
0
_
donde 5b = 2a
134 Sistemas de Equacoes Diferenciais Cap. 5
Pondo a = 5, temos b = 2. Assim, um correspondente autovetor e v = (5, 2)
T
e uma solucao
do sistema e y
1
(t) = e
3t
(5, 2)
T
.
Para determinar os autovetores associados ao autovalor
2
= 4, procuramos v = (c, d)
T
tais
que (A+ 4I)v = 0, ou seja
_
5 5
2 2
_ _
c
d
_
=
_
0
0
_
donde d = c
Portanto, um correspondente autovetor e v = (1, 1)
T
e uma solucao do sistema e y
1
(t) =
e
4t
(1, 1)
T
.
Logo, uma base de solucoes e
e
3t
_
5
2
_
, e
4t
_
1
1
_
e a solucao geral do sistema e
_
x(t)
y(t)
_
=
_
5Ae
3t
+Be
4t
2Ae
3t
Be
4t
_
, A, B R.
Exemplo 8.3. Encontre a solucao geral do sistema
x

= 4x 3y z
y

= x z
z

= 4x + 4y z
(8.24)
O polinomio caracterstico e
p() =

4 3 1
1 1
4 4 1

=
3
+ 3
2
+ 3 = 0
Os candidatos a razes inteiras sao: 1 e 3. Como p(1) = 0, vemos que
1
= 1 e raiz. Dividindo
p() por 1, temos
1 3 1 3 1
1 2 3 0
O quociente de p() por + 1 e q() =
2
+ 2 + 3: suas razes sao:

2
=
2 +

16
2
= 1 e
3
=
2

16
2
= 3.
Portanto, os autovalores de A sao
1
= 1,
2
= 1 e
3
= 3.
Os autovetores associados a
1
= 1 sao os vetores v
1
= (a, b, c)
T
tais que (A +I)v
1
= 0, ou
seja
_
_
5 3 1
1 1 1
4 4 0
_
_
_
_
a
b
c
_
_
=
_
_
0
0
0
_
_
ou
_
_
_
5a 3b c = 0
a +b c = 0
4a + 4b = 0 = b = a
Resolvendo essas equacoes, obtemos c = 2a. Portanto, um autovetor e v = (1, 1, 2)
T
, que da a
solucao x
1
(t) = e
t
(1, 1, 2)
T
.
8.3. O SISTEMA HOMOG

ENEO COM COEFICIENTES CONSTANTES 135

Os autovetores associados a
2
= 1 sao os vetores v
2
= (d, e, f)
T
tais que (A I)v
2
= 0, ou
seja
_
_
3 3 1
1 1 1
4 4 2
_
_
_
_
d
e
f
_
_
=
_
_
0
0
0
_
_
ou
_
_
_
3d 3e f = 0
d e f = 0 = d = e +f
4d + 4e 2f = 0
Dessas equacoes, obtemos d = e, f = 0. Portanto, um autovetor e v
2
= (1, 1, 0)
T
, que da a solucao
x
2
(t) = e
t
(1, 1, 0)
T
.
Os autovetores associados a
3
= 3 sao os vetores v
3
= (r, s, w)
T
tais que (A 3I)v
3
= 0, ou
seja
_
_
1 3 1
1 3 1
4 4 4
_
_
_
_
r
s
w
_
_
=
_
_
0
0
0
_
_
ou
_
_
_
r 3s w = 0 = r = 2s
r 3s w = 0
4r + 4s 4w = 0 = w = s +r
Dessas equacoes, obtemos r = 2w, s = w. Portanto, um autovetor e v = (2, 1, 1)
T
, que da a
solucao x
3
(t) = e
3t
(2, 1, 1)
T
.
Logo, a solucao geral e
_
_
x(t)
y(t)
z(t)
_
_
= e
t
_
_
1
1
0
_
_
+ e
t
_
_
1
1
2
_
_
+ e
3t
_
_
2
1
1
_
_
=
_
_
e
t
+ e
t
+ 2 e
3t
e
t
+ e
t
+ e
3t
2 e
t
e
3t
_
_
, , , R.
Autovalores Repetidos
Analisemos agora o caso em que a multiplicidade do autovalor
0
e 2 (isto e, o polinomio
caracterstico tem um fator (
0
)
2
) e nao existem 2 autovetores linearmente independentes
associados a
0
. Uma solucao do sistema e naturalmente x
1
(t) = e

0
t
u, em que u e autovetor
associado a
0
. Para obter uma solucao independente de x
1
(t) vamos adaptar o procedimento visto
no Captulo 3 para este caso. Procuraremos uma nova solucao na forma
x(t) = e

0
t
(v +tw) ; (8.25)
assim, o que procuramos sao os vetores v e w. Substituindo (8.25) no sistema x

= Ax, temos

0
e

0
t
(v +tw) +e

0
t
w = e

0
t
(Av +tAw)
Portanto os vetores v e w devem satisfazer
_
Aw =
0
w
Av =
0
v +w
Observemos que as duas igualdades acima podem ser reescritas como
_
(A
0
I) w = 0
(A
0
I) v = w
(8.26)
136 Sistemas de Equacoes Diferenciais Cap. 5
Exemplo 8.4. Encontrar a solucao geral do sistema
_
x

= 4x +y
y

= x + 6y
A matriz dos coecientes do sistema e A =
_
4 1
1 6
_
. Os autovalores sao dados pela equacao
det(AI) = det
_
4 1
1 6
_
= (4 )(6 ) + 1 = 0
ou

2
10 + 25 = 0
Portanto = 5 e autovalor com multiplicidade 2. Os autovetores sao os vetores u = (a, b)
T
tais
que (A5I)u = 0, ou seja
_
1 1
1 1
_ _
a
b
_
=
_
0
0
_
ou b = a
Portanto, um autovetor e u = (1, 1)
T
, que da a solucao (x
1
(t), y
1
(t))
T
= e
5 t
(1, 1)
T
. Para obter uma
solucao linearmente independente de (x
1
(t), y
1
(t))
T
procuramos v de modo que (A5I)v = u, ou
seja, procuramos c, d tais que
_
1 1
1 1
_ _
c
d
_
=
_
1
1
_
donde d = 1 +c
Tomando c = 0, temos d = 1; assim, v = (0, 1)
T
e outra solucao e
_
x
2
(t)
y
2
(t)
_
= e
5t
_
0
1
_
+t e
5t
_
1
1
_
= e
5t
_
t
1 +t
_
Logo, a solucao geral do sistema e
_
x(t)
y(t)
_
= e
5t

_
1
1
_
+e
5t

_
t
1 +t
_
= e
5t
_
+t
+ + t
_
, , R.
Autovalores Complexos
Analisemos agora o caso em que um autovalor de A tem parte imaginaria diferente de zero. Para
simplicar nosso trabalho, assumiremos que a matriz A e real (essa hipotese nao foi necessaria nos
2 casos anteriores: o que realmente foi usado e que os autovalores e os autovetores eram reais). Os
proximos lemas indicam como obter solucoes reais para o sistema.
Em primeiro lugar, mostramos que autovalores e autovetores complexos ocorrem aos pares.
Lema 8.1. Suponhamos que A seja uma matriz n n real. Entao:
(a) Se v e autovetor de A com autovalor , entao v e autovetor com autovalor

.
(b) Se v = u +i w (u, w R
n
) e autovetor associado a um autovalor complexo = +i , com
,= 0, entao u e w sao linearmente independentes em R
n
.
8.3. O SISTEMA HOMOG

ENEO COM COEFICIENTES CONSTANTES 137

Demonstracao: (a) Se Av = v, entao, tomando conjugado complexo nos dois membros dessa
igualdade, temos Av = v. Como Av =

A v = A v e v =

v, segue-se que A v =

v.
Logo, v e autovetor com autovalor

.
(b) Se u e w fossem linearmente dependentes, um deles seria m ultiplo do outro: analisaremos
apenas o caso w = ku (o caso u = kw e analogo). Entao, como v = (1 + i k)u e autovetor com
autovalor = +i , temos
(1 +i k)Au = (1 +i k)u
donde, cancelando 1 +i k, obtemos Au = u, uma igualdade impossvel, uma vez que o primeiro
membro pertence a R
n
e o segundo membro e um vetor cujas componentes tem partes imaginarias
nao nulas. Logo, os vetores u e w sao linearmente independentes.
Lema 8.2. Suponhamos que A seja uma matriz nn real e que F(t) e G(t) sejam funcoes vetoriais
reais contnuas. Se z(t) = x(t) +i y(t), em que as funcoes x(t), y(t) sao reais, e uma solucao do
sistema z

= Az +F(t) + i G(t), entao x e y satisfazem: x

= Ax +F(t) e y

= Ay +G(t). Em
particular, se F = G = 0 e z(t) e uma solucao complexa do sistema homogeneo z

= Az, entao
x(t) e y(t) sao solucoes reais desse sistema.
Demonstracao: Como
z

(t) = x

(t) +i y

(t) e z

(t) = Az +f (t) +i g(t) = Ax(t) +i Ay(t) +f (t) +i g(t),

temos
x

(t) +i y

(t) = Ax(t) +f (t) +i [Ay(t) +g(t)].

Igualando partes reais e partes imaginarias, obtemos
x

(t) = Ax(t) +f (t) e y

(t) = Ay(t) +i g(t) .

A armacao para o sistema homogeneo e conseq uencia direta do caso nao homogeneo.
Lema 8.3. Suponhamos que A seja uma matriz n n real. Se v = u + i w e um autovetor de A
com autovalor = +i , entao as funcoes
e
t
(u cos t wsen t) e e
t
(usen t +w cos t)
sao solucoes linearmente independentes do sistema x

= Ax.
Demonstracao: Pelo Lema 8.2, a solucao complexa
e
t
v = e
t
_
(u cos t wsen t) +i (usen t +w cos t)

da origem `as solucoes reais e

t
(u cos t wsen t) e e
t
(usen t +w cos t).
Se
a e
t
(u cos t wsen t) +b e
t
(usen t +w cos t) = 0
entao
e
t
(a cos t +bsen t)u + (asen t +b cos t)w = 0 .
Como u e w sao linearmente independentes, temos
a cos t +bsen t = 0 .
Agora, como as funcoes cos t e sen t sao linearmente independentes, temos a = b = 0. Logo, as
solucoes reais e
t
(u cos twsen t) e e
t
(usen t+w cos t) sao linearmente independentes.
138 Sistemas de Equacoes Diferenciais Cap. 5
Exemplo 8.5. Encontrar uma matriz fundamental para o sistema
_
x

= 3x 4y
y

= 2x + 7y .
O polinomio caracterstico e
det
_
3 4
2 7
_
=
2
10 + 29 .
Portanto os autovalores sao
1
= 5 +2i e
2
= 5 2i. Os autovetores associados a
1
= 5 +2i sao
os vetores v = (a, b)
T
tais que
_
2 2i 4
2 2 2i
_
=
_
a
b
_
=
_
0
0
_
ou seja a = (1 i)b .
Portanto, um autovetor e v = (1 i, 1)
T
, que fornece a solucao complexa
_
x(t)
y(t)
_
= e
(5+2i) t
_
1 i
1
_
= e
5 t
(cos 2 t +i sen2 t)
__
1
1
_
+i
_
1
0
__
= e
5 t
_
cos 2 t
_
1
1
_
sen2 t
_
1
0
__
+i e
5 t
_
sen2 t
_
1
1
_
+ cos 2 t
_
1
0
__
= e
5 t
_
cos 2 t + sen2 t
cos 2 t
_
+i e
5 t
_
sen2 t cos 2 t
sen2 t
_
.
que, por sua vez, da origem `as solucoes reais linearmente independentes
_
x
1
(t)
y
1
(t)
_
= e
5 t
_
cos 2 t + sen2 t
cos 2 t
_
e
_
x
2
(t)
y
2
(t)
_
= e
5 t
_
sen2 t cos 2 t
sen2 t
_
.
Logo, uma matriz fundamental e
X(t) = e
5 t
_
cos 2 t + sen2 t sen2 t cos 2 t
cos 2 t sen2 t
_
.
8.4 O sistema nao homogeneo
Nesta secao estudamos sistemas nao homogeneos
y

= Ay +f (t) (8.27)
em que A e uma matriz constante e f (t) e uma funcao vetorial denida em um intervalo I R
com valores em R
n
. De acordo com o princpio de superposicao, toda solucao do sistema (8.27) e
a soma de uma solucao particular de (8.27) com a solucao geral do sistema homogeneo associado.
Para encontrar uma solucao particular de (8.27), usaremos o metodo dos coecientes indeter-
minados e a formula de variacao dos parametros.
8.5 O metodo dos coecientes indeterminados
As consideracoes sobre o metodo dos coecientes indeterminados sistemas de equacoes diferenciais
sao essencialmente as mesmas vistas para equacoes escalares.
8.5. O M

ETODO DOS COEFICIENTES INDETERMINADOS 139

Exemplo 8.6. Encontrar a solucao geral do sistema linear nao homogeneo
y

= Ay +e
t
B =
_
1 2
1 4
_
y +e
t
_
0
6
_
.
Analisemos primeiro o sistema homogeneo associado. O polinomio caracterstico da matriz A e

1 2
1 4

=
2
5 + 6 = ( 2)( 3) .
Portanto, os autovalores de A sao 2 e 3. Os autovetores z = (a, b) de A associados ao autovalor 2
sao dados por
_
1 2
1 2
_ _
a
b
_
=
_
0
0
_
ou a = 2 b.
Portanto z = (2, 1)
T
e uma solucao e x
1
(t) = e
2 t
(2, 1)
T
.
Os autovetores z = (a, b) de A associados ao autovalor 3 sao dados por
_
2 2
1 1
_ _
a
b
_
=
_
0
0
_
ou a = b.
Portanto z = (1, 1)
T
e uma solucao e x
2
(t) = e
3 t
(1, 1)
T
.
Logo, a solucao geral do sistema homogeneo associado e
x
H
(t) =
_
a e
2 t
+b e
3 t
a e
2 t
+b e
3 t
_
, a, b R.
Como 1 nao e autovalor de A, procuraremos uma solucao particular do sistema na forma y
p
(t) =
e
t
(a, b)
T
. Substituindo essa expressao na equacao, temos
e
t
_
a
b
_
= e
t
_
1 2
1 4
_ _
a
b
_
+e
t
_
0
6
_
ou
_
2 a + 2 b = 0
a + 5 b = 6
= a = 1 b = 1 .
Assim, uma solucao particular do sistema nao homogeneo e y
p
(t) = e
t
(1, 1)
T
. Logo, a solucao
geral do sistema nao homogeneo e
y(t) = e
t
_
1
1
_
+
_
a e
2 t
+b e
3 t
a e
2 t
+b e
3 t
_
=
_
e
t
+a e
2 t
+b e
3 t
e
t
+a e
2 t
+b e
3 t
_
, a, b R.
Exemplo 8.7. Encontrar a solucao geral do sistema linear nao homogeneo
y

= Ay +F(t), (8.28)
em que
A =
_
1 1
1 1
_
e F(t) =
_
2 cos t
3 sen t
_
.
140 Sistemas de Equacoes Diferenciais Cap. 5
Analisemos primeiro o sistema homogeneo associado. O polinomio caracterstico de A e

1 1
1 1

= (1 )
2
+ 1 = [ (1 +i)] [ (1 i)] .
Os autovetores v = (a, b)
T
associados ao autovalor 1 +i sao dados por
_
i 1
1 i
_ _
a
c
_
=
_
0
0
_
= a = i b .
Portanto, um autovetor e v = (i, 1) e uma solucao complexa e
z(t) = e
(1+i) t
_
i
1
_
= e
t
(cos t +i sen t)
_
_
0
1
_
+i
_
1
0
_
_
=
_
e
t
(sen t +i cos t)
e
t
(cos t +i sen t)
_
=
_
e
t
sen t
e
t
cos t
_
+i
_
e
t
cos t
e
t
sen t
_
.
As partes real e imaginaria dessa solucao sao solucoes reais linearmente independentes desse sistema.
Logo, a solucao geral do sistema homogeneo e
x
H
(t) = a
_
e
t
sen t
e
t
cos t
_
+b
_
e
t
cos t
e
t
sen t
_
=
_
e
t
(a sen t +b cos t)
e
t
(a cos t +b cos t)
_
, a, b R.
Analisemos agora o sistema nao homogeneo. Como i e i nao sao autovalores de A, procura-
remos uma solucao do sistema na forma y
p
(t) = (a cos t +b sen t, c cos t +d sen t)
T
. Substituindo
essa expressao na equacao, temos
_

_
a b c = 2
a +b d = 0
a +c d = 0
b +c +d = 3 .
Resolvendo esse sistema, obtemos a = 0, b = c = d = 1. Portanto, uma solucao particular do
sistema e
y
p
(t) =
_
cos t
cos t + sen t
_
.
e a solucao geral do sistema nao homogeneo e
y(t) =
_
cos t
cos t + sen t
_
+
_
e
t
(a sen t +b cos t)
e
t
(a cos t +b cos t)
_
, a, b R.
Observacao 8.1. Outro modo de calcular uma solucao particular do sistema nao homogeneo e no-
tar que o termo forcante (2 cos t, 3 sen t)
T
e a parte real da funcao complexa e
i t
(2, 3 i)
T
, resolver
a equacao com valores complexos e tomar a parte real da solucao obtida.
Procuremos uma solucao particular do sistema (8.28) na forma x
p
(t) = e
i t
(z, w)
T
(em que z e
w sao constantes complexas a serem determinadas. Substituindo no sistema (8.28), temos
i e
i t
_
z
w
_
= e
i t
_
z w
z +w
_
+e
i t
_
2
3 i
_
.
8.5. O M

ETODO DOS COEFICIENTES INDETERMINADOS 141

Cancelando e
i t
e agrupando os termos semelhantes, obtemos o sistema
_
(1 i) z w = 2
z + (1 i) w = 3 i .
Resolvendo esse sistema de equacoes, obtemos z = i e w = 1 i. Entao uma solucao complexa
do sistema (8.28) e
x
p
(t)e
i t
_
i
1 i
_
= (cos t +i sen t)
_
i
1 i
_
=
_
sen t
cos t + sen t
_
+i
_
cos t
sen t cos t
_
.
Portanto, a solucao particular procurada e (sen t, sen t + cos t)
T
.
A funcao (cos t, sen t cos t)
T
, parte imaginaria da solucao x
p
, e solucao do sistema x

(t) =
Ax + (2 sen t, 3 cos t)
T
(que e parte imaginaria do sistema x

(t) = Ax +e
i t
(2, 3 i)
T
).
Como no caso das equacoes escalares, o metodo dos coecientes indeterminados requer uma
pequena alteracao quando o sistema homogeneo associado tem uma solucao parecida com o termo
forcante.
Exemplo 8.8. Encontrar a solucao geral do sistema linear nao homogeneo
y

= Ay +t e
t
B =
_
1 2
1 4
_
y +t e
t
_
1
5
_
.
Vimos no exemplo anterior que a solucao geral do sistema homogeneo associado e x
H
(t) =
a e
2 t
(2, 1)
T
+ b e
3 t
(1, 1)
T
, a, b R. Como o sistema homogeneo associado tem uma solucao da
forma e
2 t
z, procuraremos solucao particular desse sistema na forma y
p
(t) = e
2 t
(u +t v +w).
Entao y

p
(t) = e
2 t
_
(2 u+v)+t (2 v+2 w)+t
2
2 w

e Ay
p
+t e
t
B = e
2 t
_
Au+t (Av+B)+t
2
Aw

.
Igualando essas expressoes de X

p
(t) e Ay
p
+t e
t
B, vemos que u, v e u precisam satisfazer
(A2 I)w = 0 (8.29)
(A2 I)v = 2 wB (8.30)
(A2 I)u = v . (8.31)
De (8.29) vemos que w precisa ser um autovetor de A associado ao autovalor = 2, ou seja,
w = (2 , )
T
, para algum ; sejam v = (a, b)
T
e u = (c, d)
T
. A equacao (8.30) e
_
1 2
1 2
_ _
a
b
_
=
_
4 1
2 5
_
ou
_
a + 2 b = 4 1
a + 2 b = 2 5 .
Para que esse sistema tenha solucao, devemos ter 4 1 = 5, ou = 2; portanto, w =
(4, 2)
T
. Para = 2, temos a = 2 b +9; portanto v = (2 b +9, b)
T
. Substituindo esse valor em
(8.30), temos
_
1 2
1 2
_ _
c
d
_
=
_
0
0
_
ou
_
c + 2 d = 2 b + 9
c + 2 d = b .
Para que esse sistema tenha solucao, devemos ter 2 b + 9 = b, ou seja b = 9; portanto, v =
(9, 9)
T
. Para esse valor de b, temos c = 2 d + 9; portanto u = (2 d + 9, d)
T
= d(2, 1)
T
+ (9, 0)
T
(cada escolha de d fornece uma solucao particular para o sistema; essas solucoes diferirao uma da
142 Sistemas de Equacoes Diferenciais Cap. 5
outra por uma parcela da forma de
2 t
(2, 1)
T
, que e uma solucao do sistema homogeneo). Escolhendo
d = 4, temos u = (1, 4)
T
, obtemos a solucao particular
y
p
(t) = e
2 t
_
1 9 t 4 t
2
4 9 t 2 t
2
_
.
Logo, a solucao geral do sistema homogeneo associado e
y
NH
(t) =
_
e
2 t
(2 a + 1 9 t 4 t
2
) +b e
3 t
e
2 t
(a 4 9 t 2 t
2
) +be
3 t
_
, a, b R.
8.6 A formula de variacao das constantes
De acordo com o teorema 8.5, se X(t) e uma matriz fundamental do sistema linear homogeneo
x

= A(t)x, entao toda solucao desse sistema e da forma X(t)v, para algum vetor (constante) v.
Consideremos agora o sistema nao homogeneo (8.16). Vamos procurar uma solucao (particular)
desse sistema na forma y(t) = X(t)u(t), em que u(t) e uma funcao continuamente derivavel
(como procuramos uma solucao particular, podemos supor u(t
0
) = 0, t
0
I). Entao y

(t) =
X

(t)u(t) +X(t)u

(t). Substituindo no sistema (8.16), temos

X

(t)u(t) +X(t)u

(t) = A(t)X(t)u(t) +g(t) . (8.32)

Como X(t) e matriz fundamental do sistema x

= A(t)x, temos X

(t) = A(t)X(t). Substituindo

essa igualdade em (8.32), temos
A(t)X(t)u(t) +X(t)u

(t) = A(t)X(t)u(t) +g(t)

donde obtemos
u

(t) = X
1
(t)g(t). (8.33)
Integrando essa igualdade, temos
u(t) = u(t
0
) +
_
t
t
0
X
1
(s)g(s) ds.
Logo, uma solucao do sistema nao homogeneo e
y(t) = X(t)u(t) = X(t)u(t
0
) +X(t)
_
t
t
0
X
1
(s)g(s) ds. (8.34)
A igualdade (8.34) fornece uma solucao do sistema linear nao homogeneo a partir da matriz
fundamental do sistema homogeneo correspondente e uma integracao. Combinando (8.34) com o
corolario 8.3, podemos obter a solucao geral do sistema homogeneo.
Exemplo 8.9. Usando a formula de variacao dos parametros, encontrar uma solucao particular
do sistema linear nao homogeneo
y

= Ay +e
t
B =
_
1 2
1 4
_
X +e
t
_
0
6
_
.
8.6. A F

ORMULA DE VARIAC

AO DAS CONSTANTES 143
De acordo com o exemplo 8.6, uma matriz fundamental do sistema homogeneo e
X(t) =
_
2 e
2 t
e
3 t
e
2 t
e
3 t
_
e sua inversa e
X
1
(t) =
_
e
2 t
e
2 t
e
3 t
2 e
3 t
_
.
Pela formula de variacao das constantes, uma solucao particular do sistema nao homogeneo e
y(t) = X(t)
_
t
0
X
1
(s)e
s
Bds =
=
_
2 e
2 t
e
3 t
e
2 t
e
3 t
_ _
t
0
_
e
2 s
e
2 s
e
3 s
2 e
3 s
_ _
0
6
_
e
s
ds =
=
_
2 e
2 t
e
3 t
e
2 t
e
3 t
_ _
t
0
_
6 e
3 s
12e
4 s
_
ds =
_
2 e
2 t
e
3 t
e
2 t
e
3 t
_ _
2 (e
3 t
1)
3(e
4 t
1)
_
=
=
_
e
t
4 e
2 t
3 e
3 t
e
t
2 e
2 t
3 e
3 t
_
=
_
e
t
e
t
_
2
_
2 e
2 t
e
2 t
_
3
_
e
3 t
e
3 t
_
.
Consideremos uma equacao diferencial de segunda ordem
z

+a(t) z

+b(t) z = f(t). (8.35)

Denindo as variaveis y
1
= z e y
2
= z

podemos escrever essa equacao como um sistema de equacoes

de primeira ordem
_
y

1
= y
2
y

2
= b(t)y
1
a(t)y
2
+f(t)
ou
y(t) = A(t) y +g(t) (8.36)
em que
y =
_
y
1
y
2
_
, A(t) =
_
0 1
b(t) a(t)
_
, g(t) =
_
0
f(t)
_
.
Se z
1
(t) e z
2
(t) sao duas solucoes linearmente independentes da equacao (8.35), uma matriz funda-
mental do sistema (8.35) e
X(t) =
_
z
1
(t) z
2
(t)
z

1
(t) z

2
(t)
_
.
Entao
X
1
(t) =
_
z

2
(t) z
2
(t)
z

1
(t) z
1
_
.
Escrevendo u(t) = (u
1
(t), u
2
(t))
T
, a condicao (8.33) ca
_
u

1
(t) z
1
(t) +u

2
(t) z
2
(t) = 0
u

1
(t) z

1
(t) +u

2
(t) z

2
(t) = f(t) ,
que coincide com condicao vista para equacoes de segunda ordem (lembremos que a primeira dessas
condicoes surgiu de modo um tanto articial quando estudavamos equacoes de segunda ordem).
144 Sistemas de Equacoes Diferenciais Cap. 5
8.7 Exerccios
1. Para cada um dos sistemas abaixo, encontre uma matriz fundamental e a solucao geral:
a) x

=
_
3 2
2 2
_
x b) x

=
_
3 1
2 1
_
x
c) x

=
_
_
3 2 4
2 0 2
4 2 3
_
_
x d) x

=
_
_
1 1 2
1 2 1
2 1 1
_
_
x
e) x

=
_
_
1 2 3
0 1 2
0 2 1
_
_
x f) x

=
_
_
1 3 2
0 1 2
0 2 1
_
_
x
g) x

=
_
_
3 0 0
1 3 0
0 0 1
_
_
x h) x

=
_

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

_
x
2. Resolva cada um dos seguintes problemas de valor inicial:
a) x

= Ax em que A e dada no exerccio 1-h) e x(0) = (1 2 1 1)

T
b) x

= Ax em que A e dada no exerccio 1-g) e x(0) = (1 1 2)

T
c) x

=
_
_
3 1 1
0 3 1
0 0 2
_
_
x ; x(0) =
_
_
1
0
1
_
_
3. Resolva os seguintes problemas de valor inicial:
a)
_
_
_
x

= x +y,
y

= 4x +y,
x(0) = 2, y(0) = 3
b)
_
_
_
x

= x y,
y

= 5x 3y,
x(0) = 1, y(0) = 2
c)
_
_
_
x

= 3x + 8y,
y

= x 3y,
x(0) = 6, y(0) = 2
d)
_
_
_
x

= y,
y

= x,
x(0) = 1, y(0) = 1
e)
_
_
_
x

= 4x 5y,
y

= x,
x(0) = 0, y(0) = 1
f)
_
_
_
x

= x +y +t,
y

= x 2y + 2t,
x(0) =
7
9
, y(0) =
5
9
g)
_

_
x

= y +z
y

= x +z
z

= y +z
x(0) = z(0) = 0,
y(0) = 1
h)
_

_
x

= y +z
y

= 3x +z
z

= 3x +y
x(0) = y(0) = 1,
z(0) = 0