A Post I La Algebra Linear

APOSTILA DE LGEBRA
LINEAR
Prof. Dr Rogrio de Aguiar
Chefe do Departamento de Matemtica
CCT - UDESC - JOINVILLE
Email: dma2ra@joinville.udesc.br
Home Page: www.joinville.udesc.br/dmat/rogerio
Professores Integrantes do Projeto de lgebra II
Graciela Moro - Coordenadora
Joo de Azevedo
Jorge Luis Mota
Lucas da Silva Ribeiro
Marnei Luis Mandler
Rogrio de Aguiar
26 de Fevereiro de 2007
Sumrio
1 MATRIZES E SISTEMAS 3
1.1 Tipos de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Operaes com matrizes . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Matriz escalonada . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Clculo da inversa . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Sexta lista de exerccios . . . . . . . . . . . . . . . . . . . . . 14
1.7 Sistema de equaes lineares . . . . . . . . . . . . . . . . . . . . . 16
1.7.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.7.2 Sistemas e matrizes. . . . . . . . . . . . . . . . . . . . . . 17
1.7.3 Soluo de um sistema por matriz inversa . . . . . . . . . 21
1.8 Stima lista de exerccios . . . . . . . . . . . . . . . . . . . . 21
1.9 Apndice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.9.1 Clculo da inversa por adjunta . . . . . . . . . . . . . . . 23
1.9.2 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . 24
2 ESPAOS VETORIAIS 29
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2 Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3 Interseco de dois Subespaos Vetoriais . . . . . . . . . . . . . . 39
2.4 Combinao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5 Dependncia e Independncia Linear . . . . . . . . . . . . . . . . 42
2.6 Subespaos Gerados . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.7 Soma de Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.8 Base e Dimenso de um Espao Vetorial . . . . . . . . . . . . . 48
2.8.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.8.2 Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.8.3 Dimenso da Soma de Subespaos Vetoriais . . . . . . . . 52
2.8.4 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.9 Mudana de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.10 A Inversa da Matriz de Mudana de Base . . . . . . . . . . . . . 56
2.11 Oitava lista de exerccios . . . . . . . . . . . . . . . . . . . . . 57
1
3 TRANSFORMAES LINEARES 60
3.1 Propriedades das Transformaes Lineares . . . . . . . . . . . . . 64
3.2 Transformaes Lineares e Matrizes . . . . . . . . . . . . . . . . . 71
3.2.1 Transformao linear associada a uma matriz . . . . . . . 71
3.2.2 Matriz de uma transformao linear . . . . . . . . . . . . 73
3.3 Composio de transformaes lineares . . . . . . . . . . . . . . 77
3.4 A Inversa de uma transformao linear . . . . . . . . . . . . . . . 78
3.5 Nona lista de exerccios . . . . . . . . . . . . . . . . . . . . . . . 80
4 OPERADORES LINEARES 82
4.1 Transformaes especiais no plano e no espao . . . . . . . . . . 82
4.2 Propriedades dos operadores inversveis . . . . . . . . . . . . . . 104
4.2.1 Matrizes Semelhantes . . . . . . . . . . . . . . . . . . . . 107
4.3 Operadores autoadjuntos e ortogonais . . . . . . . . . . . . . . . 107
4.4 Dcima lista de exercicios . . . . . . . . . . . . . . . . . . . . . . 109
4.5 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . 110
4.5.1 Autovalores e autovetores de uma matriz . . . . . . . . . 111
4.5.2 Polinmio Caracterstico. . . . . . . . . . . . . . . . . . . 112
4.6 Dcima primeira lista de exerccios . . . . . . . . . . . . . . . . . 118
5 APLICAES 120
5.1 Aplicaes da lgebra Linear na Engenharia Cartogrca . . . . 120
5.2 Aplicaes de espaos vetoriais na computao grca . . . . . . 121
5.3 Aplicaes de autovalores e autovetores na engenharia civil . . . 128
5.3.1 O Problema de autovalor na avaliao de modelos estru-
turais de edicaes . . . . . . . . . . . . . . . . . . . . . 128
2
Captulo 1
MATRIZES E SISTEMAS
1.1 Tipos de matrizes
Denio: Chama-se matriz de ordem :: a uma tabela de : : elementos
dispostos em : linhas e : colunas:
=
_
_
a
11
a
12
........ a
1n
a
21
a
22
........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
_
_
Notao: Costumamos denotar as matrizes por letras latinas maisculas:,
1, C, ......
Matriz coluna: a matriz de ordem :1.
= [1]
11
, 1 =
_
_
1
2
3
4
_
_
41
, C =
_
_
1
2
3
.
.
.
999
1000
_
_
10001
Matriz linha: a matriz de ordem 1 :.
Exemplo 1 :
= [1]
11
, 1 =
_
1 2 3 4 5 6 7 10

18
Matriz nula: a matriz = [a
I
]
nn
onde a
I
= 0, para 1 _ i _ : e
1 _ , _ :.
Exemplo 2 :
3
' =
_
_
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
_
_
, = [0]
Observao: Denotaremos freqentemente a matriz nula por 0.
Matriz quadrada: a matriz de ordem : :.
=
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
Os elementos da forma a
II
costituem a diagonal principal
Os elementos a
I
em que i +, = : + 1 constituem a diagonal secundria.
Exemplo 3 : = [0]
11
, 1 =
_
3 3
3 3
_
Matriz diagonal: Matriz diagonal a matriz quadrada = [a
I
] onde
a
I
= 0 para i ,= , :
=
_
_
a
11
0 0 0
0
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
.
.
.
. 0
0 0 0 a
nn
_
_
Notao: diaq() = a
11
, , a
nn
Exemplo 4 : = [0]
11
, 1 =
_
3 0
0 3
_
Matriz identidade: a matriz diagonal 1 onde diaq(1) = 1, , 1 .
Notao: 1
n
representa a matriz identidade de ordem :.
Exemplo 5 :
1
2
=
_
1 0
0 1
_
, 1
100
=
_
_
1 0 0
0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
.
.
. 0
0 0 0 1
_
_
4
Matriz transposta: Dada uma matriz = [a
I
]
nn
, podemos obter uma
outra matriz
T
= [/
I
]
nn
, cujas linhas so as colunas de , isto , /
I
= a
I
.
T
denominada a transposta de .
=
_
_
a
11
a
12
........ a
1n
a
21
a
22
........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
_
_
nn
=
T
=
_
_
a
11
a
21
........ a
n1
a
12
a
22
........ a
n2
.
.
.
.
.
.
a
1n
a
2n
........ a
nn
_
_
nn
Exemplo 6 :
=
_
_
1 2 3 4 5
11 12 13 14 15
21 22 23 24 25
31 32 33 34 35
41 42 43 44 45
_
_
=
T
=
_
_
1 11 21 31 41
2 12 22 32 42
3 13 23 33 43
4 14 24 34 44
5 15 25 35 45
_
_
1 =
_
1 2 3 4 5 6

16
= 1
T
=
_
_
1
2
3
4
5
6
_
_
61
Matriz simtrica: Uma matriz quadrada o = [a
I
] simtrica se o
T
= o
Exemplo 7 :
o =
_
_
1 5 9
5 3 8
9 8 7
_
_
, =
_
0 1
1 0
_
Matriz anti-simtrica: Uma matriz quadrada = [a
I
] anti-simtrica
se
T
= .
Exemplo 8 : =
_
_
0 3 4
3 0 6
4 6 0
_
_
Matriz triangular superior: A matriz quadrada = [a
I
] que tem os
elementos a
I
= 0 para i , chamada matriz triagular superior.
=
_
_
5 4 7 9
0 3 8 4
0 0 2 3
0 0 0 6
_
_
, 1 =
_
0 1
0 0
_
, 1
10000
Matriz triangular inferior: A matriz quadrada = [a
I
] que tem os
elementos a
I
= 0 para i < , chamada matriz triangular inferior.
5
Exemplo 9 :
1 =
_
_
5 0 0 0
4 3 0 0
7 4 2 0
9 1 2 6
_
_
, C =
_
_
1 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
_
_
1.2 Operaes com matrizes
Adio: Dados = [a
I
]
nn
e 1 = [/
I
]
nn
denimos +1 por,
+1 = [a
I
+/
I
]
nn
Propriedades:
i) +1 = 1 +
ii) + (1 +C) = (+1) +C
iii) +0 =
Multiplicao por escalar: Seja = [a
I
]
nn
e / um nmero real
denmos / por
/ = [/ a
I
]
nn
Exemplo 10 : 2
_
2 10
1 3
_
=
_
4 20
2 6
_
Propriedades:
i) /(+1) = /+/1
ii) (/
1
+/
2
) = /
1
+/
2
iii) 0 = 0
iv) /
1
(/
2
) = (/
1
/
2
)
Multiplicao de Matrizes: Sejam = [a
I
]
nn
e 1 = [/
I
]
n
, deni-
mos 1 por 1 = [c
I
]
n
, onde
c
I
=
n
|=1
a
I|
/
|
= a
I1
/
1
+..... +a
In
/
n
Observe que o nmero de colunas de deve ser igual ao nmero de linhas
de 1.
6
Exemplo 11 :
_
_
2 1
4 2
5 3
_
_
32
_
1 1
0 4
_
22
=
_
_
2 1 + 1 0 2 (1) + 1 4
4 1 + 2 0 4 (1) + 2 4
5 1 + 3 0 5 (1) + 3 4
_
_
=
_
_
2 2
4 4
5 7
_
_
Propriedades da multiplicao de matrizes:
i) 1 = 1 = i v) (1)C = (1C)
ii) (1 +C) = 1 +C v) (1)
T
= 1
T
T
iii) (+1)C = C +1C vi) 0 = 0 = 0
Propriedades da matriz transposta
i) (+1)
T
=
T
+1
T
ii) (`)
T
= `
T
, onde ` um nmerto real
iii) (
T
)
T
=
iv) (1)
T
= 1
T
T
Matriz inversa: Dada uma matriz quadrada = [a
I
] , se existir uma
matriz 1 que satisfaa 1 = 1 = 1 diz-se que 1 a inversa de e denota-se
1 por
1
, ou seja,
1
=
1
= 1.
Exemplo 12 :
=
_
11 3
7 2
_
,
1
=
_
2 3
7 11
_
.
Dizemos que uma matriz inversvel (no singular) se existe a matriz
inversa
1
, caso contrrio dizemos que a matriz no inversvel (singular).
Algumas propriedades importantes:
I) no singular se o determinante de diferente de zero. singular
se determinante de igual a zero.
ii) Se admite inversa (det ,= 0) esta nica
iii) Se no singular, sua inversa
1
tambm , isto , se det ,= 0
ento det
1
,= 0. A matriz inversa de
1
.
iv) A matriz identidade 1 no singular (pois det 1 = 1) e 1
1
= 1
v) Se a matriz no singular, sua transposta
T
tambm . A matriz
inversa de
T
(
1
)
T
, isto , (
T
)
1
= (
1
)
T
, dai concluimos que se
det ,= 0 ento det
T
,= 0.
vi) Se as matrizes e 1 so no singulares e de mesma ordem, o produto
1 uma matriz no singular. Vale a relao (1)
1
= 1
1
1
.
Exemplo 13 :
7
=
_
2 3
2 2
_
== det
_
2 3
2 2
_
= 2 = no singular
1 =
_
1 10
1 10
_
= det
_
1 10
1 10
_
= 0 = singular
Matriz ortogonal: Uma matriz ', quadrada, cuja inversa conicide com
sua transposta denominada matriz ortogonal. Portanto ' ortogonal se
'
1
= '
T
, ou seja,
''
T
= '
T
' = 1
Exemplo 14 : ' =
_
1
2
p
3
2 p
3
2
1
2
_
,
Potncia de uma matriz: Dada uma matriz quadrada a matriz
=
.....
ut:ts
chamada potncia j de .
Exemplo 15 :
=
_
1 2
4 3
_
,
2
=
_
9 8
16 17
_
,
3
=
_
41 42
84 83
_
1.3 Matriz escalonada
Denio: Uma matriz :: linha reduzida forma escada, ou escalonada,
se:
a) O primeiro elemento no nulo de uma linha no nula 1.
b) Cada coluna que contm o primeiro elemento no nulo de alguma linha
tem todos os seus outros elementos iguais a zero.
c) Toda linha nula ocorre abaixo de todas as linhas no nulas (isto ,. daque-
las que possuem pelo menos um elemento no nulo)
d) Se as linhas 1, ..., j so as linhas no nulas, e se o primeiro elemento no
nulo da linha i ocorre na coluna /
1
, ento /
1
< /
2
< ..... < /
n
.
Exemplo 16 :
1)
_
_
1 0 0 0
0 1 1 0
0 0 1 0
_
_
no forma escada. No vale b).
2)
_
_
0 2 1
1 0 3
1 0 0
_
_
no forma escada. No vale a) e b).
8
3)
_
_
0 1 3 0 1
0 0 0 0 0
0 0 0 1 2
_
_
no forma escada. No vale c).
4)
_
_
0 1 3 0 1
0 0 0 1 3
0 0 0 0 0
_
_
forma escada.
Operaes elementares linha: So trs as operaes elementares sobre
as linhas de uma matriz.
1
o
) Permuta da i c:i:a e , c:i:a linha (1
I
1
).
Exemplo 17 :
_
_
1 0
4 1
3 4
_
_
L
2
L
3
_
_
1 0
3 4
4 1
_
_
2
o
) Multiplicao da i c:i:a linha por um escalar no nulo / (1
I
/1
I
).
Exemplo 18 .
_
_
1 0
4 1
3 4
_
_
1
2
31
2
_
_
1 0
12 3
3 4
_
_
3
o
) Substituio da i c:i:a linha pela i c:i:a linha mais / vezes a
, c:i:a linha (1
I
1
I
+/1
)
Exemplo 19 :
_
_
1 0
4 1
3 4
_
_
1
3
1
3
+ 21
1
_
_
1 0
4 1
1 4
_
_
.
Se e 1 so matrizes ::, dizemos que 1 linha equivalente a , se 1
for obtida de atravs de um nmero nito de operaes elementares sobre as
linhas de . Notao ~ 1.
Exemplo 20 :
9
_
_
1 0
4 1
3 4
_
_
linha equivalente a
_
_
1 0
0 1
0 0
_
_
pois,
_
_
1 0
4 1
3 4
_
_
1
2
1
2
41
1
_
_
1 0
0 1
3 4
_
_
1
3
1
3
+ 31
1
_
_
1 0
0 1
0 4
_
_
1
2
1
2
_
_
1 0
0 1
0 4
_
_
1
3
1
3
41
2
_
_
1 0
0 1
0 0
_
_
Teorema: Toda matriz de ordem :: linha equivalente a uma nica
matriz linha-reduzida forma escada.
Exemplo 21 : Dada a matriz
=
_
_
2 1 3
4 5 6
3 1 2
_
_
obtenha uma nica matriz 1 na forma escada linha equivalente a matriz .
_
_
2 1 3
4 5 6
3 1 2
_
_
1
1

1
2
1
1
_
_
1
1
2
3
2
4 5 6
3 1 2
_
_
1
2
1
2
41
1
_
_
1
1
2
3
2
0 3 0
3 1 2
_
_
1
3
1
3
31
1
_
_
1
1
2
3
2
0 3 0
0
1
2

13
2
_
_
1
2

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

13
2
_
_
1
3
1
3
+
1
2
1
2
_
_
1
1
2
3
2
0 1 0
0 0
13
2
_
_
1
3

2
13
1
3
_
_
1
1
2
3
2
0 1 0
0 0 1
_
_
1
1
1
1

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

3
2
1
3
_
_
1 0 0
0 1 0
0 0 1
_
_
Exemplo 22 Dada a matriz obtenha uma matriz na forma escada equiva-
lente a matriz dada.
a)
_
_
1 0 0 0
1 0 1 0
0 1 0 1
1 0 0 1
_
_
b)
_
_
1 0 1 0
0 1 0 1
0 1 0 1
0 1 1 1
_
_
Posto de uma matriz: Dada uma matriz
nn
, seja 1
nn
a matriz linha
reduzida forma escada, linha equivalente matriz . O posto de , denotado
por j, o nmero de linhas no nulas de 1 e a nulidade de : j, onde :
o nmero de colunas de e j o posto de .
10
Exemplo 23 : Encontrar o posto e a nulidade das matrizes:
a) =
_
_
1 2 1 0
1 0 3 5
1 2 1 1
_
_
Soluo: A matriz linha equivalente a matriz 1 =
_
_
1 0 0
7
8
0 1 0
1
4
0 0 1
11
8
_
_
portanto o posto de 3 (o nmero de linhas no nulas da matriz 1) e a
nulidade :j = 43 = 1 (: o numero de colunas da matriz e j o posto
de )
b) =
_
_
1 0
14
9
0 1
1
4
0 0 0
0 0 0
_
_
Soluo: posto = 2 e nulidade de 3 2 = 1
c) =
_
_
2 1 10
0 1
1
4
1 2 0
1 3 0
_
_
= 1 =
_
_
2 1 10
0 1
1
4
0 0
43
8
0 0 0
_
_
Soluo posto de = 3 e nulidade de 0
1.4 Clculo da inversa
Clculo da inversa por escalonamento: Para se determinar a matriz inversa
de uma matriz , no singular, atravs de operaes elementares entre as linhas
da matriz fazemos o seguinte:
a) Coloca-se ao lado da matriz a matriz 1, separada por um trao vertical
tracejado.
b) Transforma-se por meio de operaes elementares a matriz na matriz 1,
aplicando simultaneamente matriz 1 colocada ao lado da matriz as mesmas
operaes elementares aplicadas matriz .
Exemplo 24 : Calcular inversa da matriz =
_
2 1
4 3
_
por escalonamento.
_
2 1 1 0
4 3 0 1
_
1
1

1
2
1
1
_
1
1
2
1
2
0
4 3 0 1
_
1
2
1
2
41
1
_
1
1
2
1
2
0
0 1 2 1
_
1
1
1
1

1
2
1
2
_
1 0
3
2

1
2
0 1 2 1
_
Logo
1
=
_
3
2

1
2
2 1
_
11
1.5 Determinantes
Denio: Determinante de uma matriz um nmero real associado matriz
. Notao: det .
Denotamos tambm o determinante da matriz ,
=
_
_
a
11
a
12
a
1n1
a
1n
a
21
a
22
a
2n1
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n11
a
n12

.
.
. a
n1n
a
n1
a
n2
a
n1n
a
nn
_
_
por
det =
a
11
a
12
a
1n1
a
1n
a
21
a
22
a
2n1
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n11
a
n12

.
.
. a
n1n
a
n1
a
n2
a
n1n
a
nn
Propriedades do determinante:
1) det = det
T
2) det(1) = det det 1
3) Se a matriz possui uma linha ou coluna nula ento det = 0
4) Se a matriz tem duas linhas ou colunas iguais ento det = 0
5) Se na matriz uma linha (ou coluna) mltipla de outra linha (coluna)
ento det = 0
6) Trocando a posio de duas linhas (colunas) o derminante muda de sinal
7) Quando se multiplica uma linha (coluna) de uma matriz por um nmero
/ ,= 0 o determinante ca multiplicado por esse mesmo nmero.
8) O determinante de uma matriz no se altera quando se faz a seguinte
operao entre linha: 1
I
1
I
+/1
.
9) O determinante de uma matriz triangular superior ( ou inferior) igual
ao produto do elementos da diagonal principal.
10) A partir de det(1) = det det 1 temos
det(
1
) = det 1 = det det
1
= 1 = det =
1
det .
1
12
Clculo do determinante por triangulao. Para se calcular o determi-
nante de uma matriz usamos as operaes elementares linha de modo a obter
uma matriz triangular superior (ou inferior) observando as propriedades do de-
terminante e fazendo as compensaes necessrias.
Exemplo 25 =
_
_
2 1 1
2 0 1
3 1 0
_
_
det =
2 1 1
2 0 1
3 1 0
1
2
1
3
(Quando permutamos as linhas o deter-
minante troca de sinal)
(1) det =
2 1 1
3 1 0
2 0 1
1
1

1
2
1
1
(Quando multiplicamos uma linha
por um nmero o det. ca multiplicado pelo mesmo nmero)
1
2
(1) det =
1
1
2
1
2
3 1 0
2 0 1
1
2
1
2
+ (3)1
1
1
3
1
3
21
1
(Esta operao no al-
tera o determinante)
1
2
(1) det =
1
1
2
1
2
0
1
2
3
2
0 1 2
1
3
1
3
21
2
(Esta operao no altera o
determinante)
1
2
(1) det =
1
1
2
1
2
0
1
2
3
2
0 0 1
(O determinante de uma matriz triangular

superior o produto dos elementos da diagonal principal)
1
2
(1) det =
1
2
= det = 1
Clculo do determinante por desenvolvimento de Laplace:
Regra de Chi
Se a matriz de ordem 2 2 ento:
det
_
a
11
a
12
a
21
a
22
_
= a
11
a
22
a
21
a
12
det
_
5 1
2 3
_
= 5 + 3 2 + 1 = 13
Regra de Sarrus
Se de ordem 3 3
13
=
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
=
a
11
a
12
a
13
a
11

a
21
a
22
a
23
a
21

a
31
a
32
a
33
a
31
a
12
a
22
a
32
det = (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
)
Desenvolvimento de Laplace
Para uma matriz de ordem : : usamos o desenvolvimento de Laplace qu
dado pela frmula.
det
nn
=
n
=1
a
I
(1)
I+
det
I
onde
I
a submatriz obtida a partir da matriz eliminando-se a i c:i:a
linha e a , c:i:a coluna da matriz . Se chamarmos
I
= (1)
I+
det
I
ento
det
nn
=
n
=1
a
I
I
Exemplo 26 :
=
_
_
1 2 3 4
4 2 0 0
1 2 3 0
2 5 3 1
_
_
Vamos calcular o determinante da matriz fazendo o desenvolvimento pela
primeira linha (note que seria mais conveniente desenvolver pela segunda linha,
pois ela possui dois elementos nulos).
det = 1(1)
1+1
2 0 0
2 3 0
5 3 1
+ 2(1)
1+2
4 0 0
1 3 0
2 3 1
+3(1)
1+3
4 2 0
1 2 0
2 5 1
+(4)(1)
1+4
4 2 0
1 2 3
2 5 3
det = (1)(1)(6) + 2(1)(12) + (3)(1)(10) + (4)(1)(78)

det = 372.
1.6 Sexta lista de exerccios
1) Seja
14
=
_
2 r
2
2r 1 0
_
Determine o valor de r para que seja uma matriz simtrica
2) Mostre que toda matriz quadrada pode ser escrita como a soma de uma
matriz simtrica com uma matriz anti-simtrica, ou seja, = o + onde o
uma matriz simtrica e uma matriz anti-simtrica. Sugesto: Determine o
e em funo da matriz .
3) Suponha que ,= 0 e 1 = C onde , 1, C so matrizes tais que a
multiplicao esteja denida. Pergunta-se:
a) 1 = C?
b) Se existir uma matriz 1 , tal que 1 = 1, onde 1 a matriz identidade,
ento 1 = C?
4) Mostre que a matriz
' =
_
_
cos 0 sin0 0
sin0 cos 0 0
0 0 1
_
_
uma matriz ortogonal
5) Sejam 1 e Q matrizes ortogonais de mesma ordem.
a) 1Q uma matriz ortogonal? Justique sua resposta.
b) Quais os valores que det Q pode ter?
6) Dada uma matriz de ordem : : mostre que a matriz
T
uma
matriz simtrica de ordem ::. A matriz
T
simtrica? Qual sua ordem?
7) Um construtor tem contratos para construir 3 estilos de casa: moderno,
mediterrneo e colonial. A quantidade empregada em cada tipo de casa dada
pela matriz
1crro 'adcira \ idro Ti:ta Ti,o|o
'odcr:o
'cditcrr^ a:co
Co|o:ia|
_
_
5
7
6
20
18
25
16
12
8
7
9
5
17
21
13
_
_
a) Se ele vai construir 5,7 e 12 casas dos tipos moderno, mediterrneo e
colonial, respectivamente, quantas unidades de cada material sero empregadas?
b) Suponha agora que os preos por unidade de ferro, madeira, vidro, tinta
e tijolo sejam respectivamente, 15, 8, 5, 1 e 10 reais. Qual o preo unitrio de
cada tipo de casa?
c) Qual o custo total do material empregado?
8) Calcule o determinante de onde
a) =
_
_
3 1 5 0
0 2 0 1
2 0 1 3
1 1 2 0
_
_
, b) =
_
_
3 0 0 0 0
19 18 0 0 0
6 5 0 0
4
_
2
_
3 0 0
8 3 5 6 1
_
_
15
9) Mostre que det
_
_
1 1 1
a / c
a
2
/
2
c
2
_
_
= (a /)(/ c)(c a)
10) Encontre
1
, onde
a) =
_
_
4 1 2 2
3 1 0 0
2 3 1 0
0 7 1 1
_
_
, b) =
_
_
1 0 r
1 1 r
2
2 2 r
2
_
_
11) Encontre os valores d / para os quais a matriz
=
_
_
/ 3 0 3
0 / + 2 0
5 0 / + 5
_
_
no inversvel.
12) Existe alguma matriz "inversvel"A tal que A
2
= 0? Justique sua
resposta.
13) Dizemos que a matriz H uma "inversa direita"de
nn
se, e somente
se, H = 1
n
. Encontre a inversa direita de
_
1 1 1
1 1 2
_
14) Para a matriz = (a
I
)de ordem 2 denida por a
I
= i + ,, calcular
)(t) = dct(t1
2
) e resolver a equao do segundo grau )(t) = 0.
15) Para a matriz denida por:
' =
_
a /
c d
_
calcular )(t) = dct(t1
2
) e resolver a equao do segundo grau )(t) = 0.
1.7 Sistema de equaes lineares
1.7.1 Introduo
Uma equao linear uma equao da forma
a
1
r
1
+a
2
r
2
+a
3
r
3
+...... +a
n
r
n
= /
na qual a
1
, a
2
, a
3
, ...., a
n
so os respectivos coecientes das variveies r
1
, r
2
, r
3
, ...., r
n
e / o termo independente. Os nmeros a
1
, a
2
, a
3
, ...., a
n
e o termo indepen-
dente / geralmente so nmeros conhecidos e as variveis r
1
, r
2
, r
3
, ...., r
n
so
as incgnitas.
16
Os valores das variveis que transformam uma equao linear em uma iden-
tidade, isto , que satisfazem a equao, constituem sua soluo. Esses valores
so denominados razes das equaes lineares.
A um conjunto de equaes lineares se d o nome de sistema de equaes
lineares e tem a seguinte representao:
a
11
r
1
+a
12
r
2
+a
13
r
3
+...... +a
1n
r
n
= /
1
a
21
r
1
+a
22
r
2
+a
23
r
3
+...... +a
2n
r
n
= /
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
r
1
+a
n2
r
2
+a
n3
r
3
+...... +a
nn
r
n
= /
n
Os valores das variveis que transformam simultaneamente as equaes de
um sistema de equaes lineares em uma identidade, isto , que satisfazem a
equao constituem sua soluo.
Diz-se que dois sistemas de equaes lineares so equivalentes quando ad-
mitem a mesma soluo.
Exemplo 27 Os sistemas
2r + 3j = 11
r +j = 3
c
10r 2j = 38
3r + 5j = 7
so equivalentes pois possuem as mesmas solues, r = 4 e j = 1
Quanto as solues, trs casos podem ocorrer:
1) O sistema possui uma nica soluo. Neste caso dizemos que os sistema
compatvel e determinado
2) O sistema possui innitas solues. Neste caso dizemos que o sistema
compatvel e indeterminado.
3) O sistema no possui nenhuma soluo. Neste caso dizemos que o sistema
incompatvel.
1.7.2 Sistemas e matrizes.
Dado um sistema linear na forma,
a
11
r
1
+a
12
r
2
+a
13
r
3
+...... +a
1n
r
n
= /
1
a
21
r
1
+a
22
r
2
+a
23
r
3
+...... +a
2n
r
n
= /
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
r
1
+a
n2
r
2
+a
n3
r
3
+...... +a
nn
r
n
= /
n
(1.1)
podemos representa-lo matricialmente utilizando as notaes da teoria de ma-
trizes da seguinte maneira:
17
Se
=
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
A =
_
_
r
1
r
2
.
.
.
r
n
_
_
1 =
_
_
/
1
/
2
.
.
.
/
n
_
_
podemos escrever o sistema (1.1) na forma matricial:
A = 1
onde a matriz dos coecientes, 1 a matriz coluna dos termos indepen-
dentes e A a matriz coluna das incgnitas.
Ao sistema (1.1) associamos a seguinte matriz:
_
_
a
11
a
12
a
1n
[ /
1
a
21
a
22
a
2n
[ /
2
.
.
.
.
.
.
.
.
. [
.
.
.
a
n1
a
n2
a
nn
[ /
n
_
_
que chamamos matriz ampliada do sistema.
Teorema: Dois sistemas que possuem matrizes ampliadas equivalentes so
equivalentes.
Dada a matriz ampliada do sistema de equaes lineares consideramos a
matriz linha reduzida a forma escada obtida a partir da matriz ampliada do
sistema:
Teorema:
1) Um sistema de : equaes e : incgnitas admite soluo se, e somente
se, o posto da matriz ampliada igual ao posto da matriz dos coecientes.
2) Se as duas matrizes tem o mesmo posto j e j = : (nmero de colunas da
matriz dos coecientes, ou nmeros de variveis) a soluo nica.
3) Se as duas matrizes tem o mesmo posto e j ,= : podemos escolher : j
incgnitas e as outras incgnitas sero dadas em funo destas. O nmero :j
chamado grau de liberdade do sistema.
Resumo: Dado um sistema de : equaes e : incgnitas seja
o
a matriz
ampliada do sistema e seja
t
a matriz linha equivalente a matriz
o
onde
a matriz dos coecientes esto na forma escada. Seja j
o
o posto da matriz
ampliada e j
c
o posto da matriz dos coecientes obtidos a partir da matriz
t
.
Se j
o
,= j
c
ento o sistema incompatvel ( no possui soluo)
18
Se j
o
= j
c
ento o sistema compatvel (possui soluo). Seja j = j
o
= j
c
,
se j = : ento o sistema compatvel e determinado (possui uma nica
soluo). Se j < : o sistema compatvel e indeterminado (possui inni-
tas solues). Sempre que um sistema possuir innitas solues deveremos
atribuir valores a algumas variveis e determinar o valor das outras var-
iveis em funo destas. O nmero de variveis as quais deveremos atribuir
valor o grau de liberdade do sistema, dado pelo nmero : j.
Exerccio 28
1) Classicar e resolver o sistema:
_
_
_
2r
1
+r
2
+ 3r
3
= 8
4r
1
+ 2r
2
+ 2r
3
= 4
2r
1
+ 5r
2
+ 3r
3
= 12
(1.2)
Soluo:
Matriz Ampliada
o
=
_
_
2 1 3 [ 8
4 2 2 [ 4
2 5 3 [ 12
_
_
Matriz linha equivalente a matriz ampliada, onde a parte da matriz dos
coecientes est na forma escada
t
=
_
_
1 0 0 [ 2
0 1 0 [ 5
0 0 1 [ 3
_
_
De
t
obtemos: j
c
= 3, j
o
= 3 e : = 3.
j = j
c
= j
o
= 3 = sistema compatvel
j = : = sistema compatvel e determinado (possui uma nica soluo)
A matriz
c
a matriz ampliada do seguinte sistema:
_
_
_
r
1
= 2
r
2
= 5
r
3
= 3
Como sistemas equivalentes tem a mesma soluo, a soluo do sistema (1.2)
r
1
= 2
r
2
= 5
r
3
= 3
_
_
_
4j + 2r + 6. = 6
4. 2j + 3r = 38
r + 3. + 2j = 3
19
_
_
_
2r + 4j + 6. = 6
3r 2j 4. = 38
r + 2j + 3. = 3
(1.3)
o
=
_
_
2 4 6 [ 6
3 2 4 [ 38
1 2 3 [ 3
_
_
t
=
_
_
1 0
1
4
[
41
4
0 1
13
8
[
29
8
0 0 0 [ 0
_
_
Neste caso temos:
: = 3
j
o
= 2
j
c
= 2 = j = 2
j < : =sistema compatvel e indeterminado (innitas solues)
qran dc |i/crdadc = : j = 1
O sistema (1.3) equivalente ao sistema
_
r
1
4
. =
41
2
j +
13
8
. =
29
8
Para encontrar uma soluo (note que existem innitas solues) devemos
atribuir valor a uma das variveis (pois o grau de liberdade 1) e determinar as
outras. Note que ca mais fcil se atribuirmos valor a varivel . : Por exemplo
fazendo . = 0 temos e r =
41
4
e j =
29
8
( Poderamos atribuir outro
valor qualquer a ., e para cada valor de . teremos os valores correspondentes
de r e j, da temos innitas solues)
_
_
_
6r 4j 2. = 3
r +j +. = 1
3r 2j . = 1
o
=
_
_
6 4 2 [ 3
1 1 1 [ 1
3 2 1 [ 1
_
_
t
=
_
_
1 0
1
5
[
7
10
0 1
4
5
[
3
10
0 0 0 [
1
2
_
_
Neste caso:
: = 3
j
c
= 2
j
o
= 3 = j
o
,= j
c
=sistema incompatvel (no possui soluo)
20
1.7.3 Soluo de um sistema por matriz inversa
Usando a notao matricial para sistemas lineares temos
CA = 1 (supondo que existe C
1
)
C
1
CA = C
1
1 (observe que estamos multiplicando C
1
pela esquerda)
1A = C
1
1
A = C
1
1
Logo para se determinar a soluo basta multiplicar a matriz inversa dos
coecientes pela matriz dos termos independentes (pela esquerda, j que a mul-
tiplicao de matrtizes no comutativa). Se a matriz C no tem inversa ento
ou o sistema no possui soluo ou possui innitas solues.
Exemplo 29 :
_
_
_
2r + 3j . = 1
r 3j +. = 1
r + 2j . = 1
C =
_
_
2 3 1
1 3 1
1 2 1
_
_
1 =
_
_
1
1
1
_
_
A =
_
_
r
j
.
_
_
C
1
=
_
_
1 1 0
0 1 1
1 1 3
_
_
CA = 1
A = C
1
1
_
_
r
j
.
_
_
=
_
_
1 1 0
0 1 1
1 1 3
_
_
_
_
1
1
1
_
_
=
_
_
2
2
3
_
_
1.8 Stima lista de exerccios
1) Resolva o sistema de equaes, escrevendo a matriz ampliada do sistema ini-
cial e escrevendo o sistema nal do qual se obter a soluo do sistema original:
_
_
2r j + 3. = 11
4r 3j + 2. = 0
r +j +. = 6
3r +j +. = 4
2) Reduza as matrizes forma escada atravs de operaes linhas:
21
a)
_
_
1 2 3 1
2 1 2 3
3 1 2 3
_
_
b)
_
_
0 2 2
1 1 3
3 4 2
2 3 1
_
_
3) Determine / para que o sistema admita soluo
_
_
_
4r + 3j = 2
5r 4j = 0
2r j = /
4) Encontre todas as solues do sistema
_
_
_
r
1
+ 3r
2
+ 2r
3
+ 3r
4
7r
5
= 14
2r
1
+ 6r
2
+r
3
2r
4
+ 5r
5
= 2
r
1
+ 3r
2
r
3
+ 2r
5
= 1
5) Explique por que a nulidade de uma matriz nunca negativa.
6) Chamamos de sistema homogneo de : equaes e : incgnitas aquele
sistema cujos termos independentes so todos nulos.
a) Um sistema homogneo admite pelo menos uma soluo. Qual ela?
b) Encontre os valores de / R, tais que o sistema homogneo
_
_
_
2r 5j + 2. = 0
r +j +. = 0
2r +/. = 0
tenha uma soluo distinta da soluo trivial.
7) Podemos resolver um sistema usando matriz inversa da seguinte forma:
A = 1
1
A =
1
1
A =
1
1
Isto til quando desejamos resolver vrios sistemas lineares que possuem a
mesma matriz dos coecientes.
Usando a teoria acima resolva os sistema A = 1 onde =
_
_
1 2 2
2 5 4
3 7 5
_
_
e
a) 1 =
_
_
1
2
3
_
_
b) 1 =
_
_
1
3
100
_
_
c)
_
_
1000
10
100
_
_
d)
_
_
111
311
511
_
_
8) Resolva o sistema 1
1
A1 = 1 e encontre o vetor 1, onde A soluo
da equao matricial 1
1
A1 = e
1 = diaq(1, 2, 3, 4, 5, 6)
22
=
_
_
1 0 0 0 1 1
0 1 2 2 2 2
0 0 1 1 1 1
0 0 0 1 1 1
0 0 0 0 1 0
0 0 0 0 0 1
_
_
, 1 =
_
_
1
0
1
2
0
1
_
_
, 1 =
_
_
j
1
j
2
j
3
j
4
j
5
j
6
_
_
9) Classique o sistema e exiba uma soluo, caso ela exista:
_
_
_
2r + 4j + 6. = 6
3r 2j 4. = 38
r + 2j + 3. = 3
10) Uma editora publica um best-seller potencial com trs encadernaes
diferentes: capa mole, capa dura e encardenao de luxo. cada exemplar neces-
sita de um certo tempo para costura e cola conforme mostra a tabela abaixo:
Costura Cola
Capa mole 1 min 2 min
Capa dura 2 min 4 min
Luxo 3 min 5 min
Se o local onde so feitas as costuras ca disponvel 6 horas por dia e o local
onde se cola, 11 horas por dia, quantos livros de cada tipo devem ser feitos por
dia, de modo que os locais de trabalho sejam plenamente utilizados?
11) Num grande acampamento militar h 150 blindados dos tipos BM3,
BM4 e BM5, isto , equipados com 3, 4 e 5 canhes do tipo MX9 respectiva-
mente. O total de canhes disponveis igual a 530. A soma dos BM4 com os
BM5 corresponde aos 2 / 3 dos BM3. Se para o incio de uma manobra mili-
tar, cada canho carrega 12 projteis, quantos projteis sero necessrios para
o grupo dos BM4 no incio da operao?
1.9 Apndice
1.9.1 Clculo da inversa por adjunta
Dada uma matriz , lembramos que o cofator d
I
do elemento a
I
da matriz
o elemento (1)
I+
det
I
, onde
I
a submatriz de obtida extraindo-se a
i c:i:a linha e a , c:i:a coluna. Com estes cofatores forma-se uma nova
matriz , denomindada matriz dos cofatores denotada por . Portanto
= [d
I
]
onde d
I
= (1)
I+
det
I
Exemplo 30 :
23
=
_
_
2 1 0
3 1 4
1 6 5
_
_
a
11
= 2 = d
11
= (1)
1+1
det
_
1 4
6 5
_
= 1 + (19) = 19
a
12
= 1 = d
12
= (1)
1+2
det
_
3 4
1 5
_
= 1 + (19) = 19
a
13
= 0 = d
13
= (1)
1+3
det
_
3 1
1 6
_
= 1 + (19) = 19
a
21
= 3 = d
21
= (1)
2+1
det
_
1 0
6 5
_
= 1 + (5) = 5
a
22
= 1 = d
22
= (1)
2+2
det
_
2 0
1 5
_
= 1 + (10) = 10
a
23
= 4 = d
23
= (1)
2+3
det
_
2 1
1 6
_
= 1 + (11) = 11
a
31
= 1 = d
31
= (1)
3+1
det
_
1 0
1 4
_
= 1 + (4) = 4
a
32
= 6 = d
32
= (1)
3+2
det
_
2 0
3 4
_
= 1 + (8) = 8
a
33
= 5 = d
33
= (1)
3+3
det
_
2 1
3 1
_
= 1 + (5) = 5
=
_
_
19 19 19
5 10 11
4 8 5
_
_
Denio: Dada uma matriz quadrada , chamaremos de matriz adjunta de
transposta da matriz dos cofatores de e denotaremos ad, . Portanto ad,
=
T
.
Teorema: Uma matriz quadrada admite inversa se e somente se det ,= 0.
Neste caso
1
=
1
det
(ad,)
1.9.2 Regra de Cramer
Um outro mtodo de resoluo de sistemas lineares de ordem : : a Regra
de Cramer onde as solues do sistema linear so calculadas usando o deter-
minante. Justamente por usar o determinante este mtodo torna-se invivel
computacionalmente, mas bastante prtico em certas questes tericas.
24
a
11
r
1
+a
12
r
2
+a
13
r
3
+...... +a
1n
r
n
= /
1
a
21
r
1
+a
22
r
2
+a
23
r
3
+...... +a
2n
r
n
= /
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
r
1
+a
n2
r
2
+a
n3
r
3
+...... +a
nn
r
n
= /
n
Na forma matricial este sistema escrito da seguinte maneira:
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
r
1
r
2
.
.
.
r
n
_
_
=
_
_
/
1
/
2
.
.
.
/
n
_
_
Supondo que det C ,= 0 e portanto que C tenha inversa C
1
obtemos
CA = 1
C
1
CA = C
1
1 (observe que estamos multiplicando C
1
pela esquerda)
1A = C
1
1
A = C
1
1
usando a relao
C
1
=
1
det C
(ad,C)
temos
A =
1
det C
(ad,C)1
_
_
r
1
r
2
.
.
.
r
n
_
_
=
1
det C
ad,
_
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
/
1
/
2
.
.
.
/
n
_
_
_
_
r
1
r
2
.
.
.
r
n
_
_
=
1
det C
_
_
_
_
_
_
_
1
11
1a
12
1a
1n
1a
21
1a
22
1a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1a
n1
1a
n2
1a
nn
_
_
_
_
_
_
_
_
_
/
1
/
2
.
.
.
/
n
_
_
_
_
r
1
r
2
.
.
.
r
n
_
_
=
1
det C
_
_
/
1
1
11
+ /
2
1a
12
+ + /
n
1a
1n
/
1
1a
21
+ /
2
1a
22
+ + /
n
1a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
/
1
1a
n1
/
2
1a
n2
/
n
1a
nn
_
_
r
1
=
1
det C
(/
1
1
11
+/
2
1a
12
+ +/
n
1a
1n
)
25
r
1
=
1
det C
det
_
_
/
1
a
12
a
1n
/
2
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
/
n
a
n2
a
nn
_
_
r
1
=
det
_
_
/
1
a
12
a
1n
/
2
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
/
n
a
n2
a
nn
_
_
det
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
Analogamente
r
I
=
det
_
_
a
11
/
1
a
1n
a
21
/
2
a
2n
.
.
.
.
.
.
.
.
.
a
n1
/
n
a
nn
_
_
det
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
i = 2, 3, ....., :
Podemos escrever esta relao na forma
r
I
=
1
I
1
onde
1
I
= det
_
_
a
11
/
1
a
1n
a
21
/
2
a
2n
.
.
.
.
.
.
.
.
.
a
n1
/
n
a
nn
_
_
e
1 = det
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
Usando a Regra de Cramer podemos classicar um sistema : ::
Se 1 ,= 0 ento o sistema possui uma nica soluo (compatvel e determi-
nado)
26
Se 1 = 0 e algum dos 1
I
,= 0 ento o sistema incompatvel
Se 1 = 0 e todos os 1
I
= 0, para i = 1, ..., : ento o sistema possui innitas
solues. Note que no podemos determinar o grau de liberdade pela Regra de
Cramer.
Exemplo 31 Resolver o sistema
_
r +j = 2
10r + 10j = 20
1 = det
_
1 1
10 10
_
= 0
1
1
= det
_
2 1
20 10
_
= 0
1
2
= det
_
1 2
10 20
_
= 0
Logo o sistema possui innitas solues.
Exemplo 32 Resolver o sistema
_
_
_
2r +j . = 0
20r + 20j 20. = 1
r +j . = 0
1 = det
_
_
2 1 1
20 20 20
1 1 1
_
_
= 0
1
1
= det
_
_
0 1 1
1 20 20
0 1 1
_
_
= 0
1
2
= det
_
_
2 1 1
20 0 20
1 1 1
_
_
= 20
1
3
= det
_
_
2 1 0
20 20 1
1 1 0
_
_
= 1
Como 1
2
= 20 e 1
3
= 1 o sistema incompatvel
27
Exemplo 33 Resolva o sistema
_
_
_
r +j . = 0
r j . = 1
r +j +. = 1
1 = det
_
_
1 1 1
1 1 1
1 1 1
_
_
= 4
Logo o sistema tem uma nica soluo
1
1
= det
_
_
0 1 1
1 1 1
1 1 1
_
_
= 4
1
2
= det
_
_
1 0 1
1 1 1
1 1 1
_
_
= 2
1
3
= det
_
_
1 1 0
1 1 1
1 1 1
_
_
= 2
A soluo
r
1
=
1
1
1
=
4
4
= 1
r
2
=
1
2
1
=
2
4
=
1
2
r
3
=
1
1
3
=
2
4
=
1
2
Exerccio: Usando a Regra de Cramer faa a classicao de um sistema
homogneo A = 0
28
Captulo 2
ESPAOS VETORIAIS
2.1 Introduo
lgebra linear uma parte da lgebra que, por sua vez, um ramo da Matemtica
na qual so estudados matrizes, espaos vetoriais e transformaes lineares.
Todos esses itens servem para um estudo detalhado de sistemas lineares de
equaes. um fato histrico que a inveno da lgebra Linear ser um campo
abstrato da Matemtica, ela tem um grande nmero de aplicaes dentro e fora
da matemtica.
Tanto a lgebra Linear como a Geometria Analtica aplicam-se a vrias reas,
em especial s Engenharias. Citamos, a seguir, alguma delas. claro que
neste curso no conseguiremos aborda-las todas. Contudo, nosso objetivo no
momento que o estudante tome contato com o que representa o estado da arte
neste contexto.
Jogos de Estratgia: no jogo de roleta o jogador d seu lance com uma
aposta e o cassino responde com o giro da roleta; o lucro para o jogador ou
para o cassino determinado a partir destes dois movimentos. Esses so os
ingredientes bsicos de uma variedade de jogos que contm elementos tanto
de estratgia quanto de acaso. Os mtodos matriciais podem ser usados para
desenvolver estratgias otimizadas para os jogadores.
Administrao de Florestas: o administrador de uma plantao de r-
vores de Natal quer plantar e cortar as rvores de uma maneira tal que a con-
gurao da oresta permanea inalterada de um ano para outro. O admin-
istrador tambm procura maximizar os rendimentos, que dependem de nmero
e do tamanho das rvores cortadas. Tcnicas matriciais podem quanticar este
problema e auxiliar o administrador a escolher uma programao sustentvel de
corte.
29
Computao grca: uma das aplicaes mais teis da computao gr-
ca a do simulador de vo. As matrizes fornecem uma maneira conveniente
de lidar com a enorme quantidade de dados necessrios para construir e animar
os objetos tridimensionais usados por simuladores de vo para representar um
cenrio em movimento. Outras aplicaes mais simples em computao grca
so: vetores e matrizes so utilizados em espaos de cores(RGB, HSV, etc), em
coordenadas e transformaes geomtricas em duas e trs dimenses, em combi-
naes convexas e lineares de pontos( curvas e superfcies spline), em represen-
tao compacta de sesses cnicas, etc.; coordenadas homogneas e geometria
projetiva utilizando comumente para representar consistentemente transfor-
maes ans e processos de projeo( paralela, perspectiva, modelos de cmera
virtual): nmeros complexos em rotao no plano e tambm em processa-
mento de imagens, incluindo transformadas de co-seno, Fourier, etc.; quatrnios
rotao espaciais e implementao de cinemtica inversa( resolver problemas
de posicionamento de juntas articuladas).
Redes Eltricas: circuitos eltricos que contenham somente resistncias
e geradores de energia podem se analisados usando sistemas lineares derivados
das leias bsicas da teoria de circuitos.
Distribuio de Temperatura de Equilbrio: uma tarefa bsica da cin-
cia e da engenharias, que pode se reduzida a resolver um sistema de equaes
lineares atravs de tcnicas matriciais interativas, determinar a distribuio
de temperatura de objetos tais como a do ao saindo da fornalha.
Cadeias de Markov: os registros meteorolgicos de uma localidade es-
pecca podem ser usados para estimar a probabilidade de que v chover em
um certo dia a partir da informao de que choveu ou no no dia anterior. A
teoria das cadeias de Markov pode utilizar tais dados para prever, com muita
antecedncia, a probabilidade de um dia chuvoso na localidade.
Gentica: os mandatrios do Egito recorriam a casamentos entre ir-
mos para manter a pureza da linhagem real. Este costume propagou e acentuou
certos traos genticos atravs de muitas geraes. A teoria das matrizes fornece
um referencial matemtico para examinar o problema geral da propagao de
traos genticos.
Crescimento Populacional p Faixa Etria: a congurao popula-
cional futura pode ser projetada aplicando lgebra matricial s taxas, especi-
cas por faixas etrias, de nascimento e mortalidade da populao. A evoluo
a longo prazo da populao depende das caractersticas matemticas de uma
matriz de projeo que contm os parmetros demogrcos da populao.
Colheita de Populaes Animais: a colheita sustentada de uma criao
de animais requer o conhecimento da demograa da populao animal. Para
maximizar o lucro de uma colheita peridica, podem ser comparadas diversas
30
estratgias de colheita sustentada utilizando tcnicas matriciais que descrevem
a dinmica do crescimento populacional.
Criptograa: durante a Segunda Guerra Mundial, os decodicadores
norte americanos e britnicos tiveram xito em quebrar o cdigo militar inimigo
usando tcnicas matemticas e mquinas sosticadas (por exemplo, a Enigma).
Hoje me dia, o principal impulso para o desenvolvimento de cdigos seguros
dado pelas comunicaes condencias entre computadores e em telecomuni-
caes.
Construo de Curvas e Superfcies p Pontos Especcos: em seu tra-
balho Principia Mathematica ( os princpios matemticos da Filosoa Nat-
ural) I. Newton Abordou o problema da construo de uma elipse por cinco
pontos dados. Isto ilustraria como encontrar a rbita de um cometa ou de
um planeta atravs da anlise de cinco observaes. Ao invs de utilizarmos o
procedimento geomtrico de Newton, podemos utilizar os determinantes para
resolver o problema analiticamente.
Programao Linear Geomtrica: um problema usual tratado na rea
de programao linear o da determinao de propores dos ingredientes em
uma mistura com o objetivo de minimizar seu custo quando as propores
variam dentro de certos limites. Um tempo enorme do uso de computadores
na administrao e na indstria dedicado a problemas de programao linear.
O problema na Alocao de Tarefas: um problema importante na in-
dstria o do deslocamento de pessoal e de recursos de uma maneira eciente
quanto ao custo. Por exemplo, uma construtora pode querer escolher rotas para
movimentar equipamento pesado de seus depsitos para os locais de construo
de maneira a minimizar a distncia total percorrida.
Modelos Econmicos de Leontief: num sistema econmico simplicado,
uma mina de carvo, uma ferrovia e uma usina de energia necessitam cada uma
de uma parte da produo das outras para sua manuteno e para suprir outros
consumidores de seu produto. Os Modelos de produo de Leontief podem ser
usados para determinar o nvel de produo necessrio s trs indstrias para
manter o sistema econmico.
Interpolao Spline Cbica: as fontes tipogrcas PostScript e True-
Type usadas em telas de monitores e por impressoras so denidas por curvas
polinomiais por partes denominadas splines. Os parmetros que os determinam
esto armazenados na memria do computador, um conjunto de parmetros
para cada um dos caracteres de uma particular fonte.
Teoria de Grafos: a classicao social num grupo de animais uma
relao que pode ser descrita e analisada com a teoria de grafos, Esta teoria
31
tambm tem aplicaes a problemas to distintos como a determinao de rotas
de companhias areas e a anlise de padres de votao.
Tomograa Computadorizada: um dos principais avanos no diagns-
tico mdico o desenvolvimento de mtodos no invasivos para obter imagens
de sees transversais do corpo humano, como a tomograa computadorizada
e a ressonncia magntica. Os mtodos da lgebra Linear podem ser usados
para reconstruir imagens a partir do escaneamento por raios X da tomograa
computadorizada.
Conjuntos Fractais: conjuntos que podem ser repartidos em verses
congruentes proporcionalmente reduzidas do conjunto original so denominadas
fractais. Os fractais so atualmente aplicados compactao de dados com-
putacionais. Os mtodos de lgebra Linear podem ser usados para construir e
classicar fractais
Teoria do Caos: os pixels que constituem ema imagem matricial podem
ser embaralhados repetidamente de uma mesma maneira, na tentativa de torna-
los aleatrios. Contudo, padres indesejados podem continuar aparecendo no
processo. A aplicao matricial que descreve o processo de embaralhar ilustra
tanto a ordem quanto a desordem que caracterizam estes processos caticos.
Um Modelo de Mnimos Quadrados para a Audio Humana: o ouvido
interno contm uma estrutura com milhares de receptores sensoriais ciliares.
Estes receptores, movidos pelas vibraes do tmpano, respondem a freqncias
diferentes de acordo com sua localizao e produzem impulsos eltricos que
viajam at o crebro atravs do nervo auditivo. Desta maneira, o ouvido interno
age como um processador de sinais que decompe uma onda sonora complexa
em um espectro de freqncias distintas.
Deformaes e Morsmos: voc j deve ter visto em programas de
televiso ou clips musicais imagens mostrando rapidamente o envelhecimento
de uma mulher ao longo do tempo, ou a transformao de um rosto de mul-
her no de uma pantera, a previso de como seria hoje o rosto de uma criana
desaparecida h 15 anos atrs, etc. Estes processos so feitos a partir de al-
gumas poucas fotos. A idia de continuidade, de evoluo do processo, feita
atravs do computador.Este processo de deformao chamado de morsmo,
que se caracteriza por misturas de fotograas reais com fotograas modicadas
pelo computador. Tais tcnicas de manipulao de imagens tm encontrado
aplicaes na indstria mdica, cientica e de entretenimento.
Produto de dez anos de intensa pesquisa e desenvolvimento, o primeiro
nibus espacial dos EUA (lanado em 1981) foi uma vitria da engenharia de
controle de sistemas, envolvendo muitas reas da engenharia - aeronutica,
qumica , eltrica, hidrulica e mecnica. Os sistemas de controle de nibus
32
espacial so absolutamente crticos para vo. Ele requer um constante moni-
toramento por computador durante o vo atmosfrico. O sistema de vo en-
via uma sequncia de comandos para a superfcie de controle aerodinmico.
Matematicamente , os sinais de entrada e sada de um sistema de Engenharia
so funes. importante para as aplicaes que essas funes possam ser
somadas e multiplicadas por escalares. Essas duas operaes em funes tem
propriedades algbricas que so completamente anlogas s operaes de soma
de vetor e multiplicao de vetor por escalar no R
n
. Por esse motivo, o conjunto
de todas as entradas possveis (funes) chamado de um espao vetorial.
A fundamentao matemtica para a engenharia de sistemas repousa sobre es-
paos vetoriais de funes, portanto precisamos estender a teoria de vetores do
R
n
de modo a incluir tais funes.
Antes de apresentarmos a sua denio, analisaremos em paralelo dois
objetos: o conjunto formado pelas funes ) : R R, denotado por 1(R)
e o conjunto das matrizes quadradas de ordem : com coecientes reais que
denotaremos por '
n
(R).
A soma de duas funes ) e q de 1(R) denida como:
() +q)(r) = )(r) +q(r).
Note tambm que se c R podemos multiplicar o escalar c pela funo
) , da seguinte forma:
(c)) (r) = c()(r))
resultando num elemento de 1(R).
Com relao a '
n
(R) podemos somar duas matrizes quadradas de
ordem :,
+1 = (a
I
+/
I
)
nrn
que um elemento de '
n
(R).
Com relao multiplicao do escalar c pela matriz R
c = (ca
I
)
nrn
o qual tambm '
n
(R).
O que estes dois exemplos acima, com a adio de seus elementos e
multiplicao de seus elementos por escalares, tm em comum?
Verca-se facilmente a partir das propriedades dos nmeros reais que,
com relao a quaisquer funes ), q e / em 1(R) e para c, , R, so vlidos
os seguintes resultados:
1. ) +q = q +)
2. ) + (q +/) = () +q) +/
3. Se q representa a funo nula ento ) +q = )
4. ) + ()) = 0
33
5. c(,)) = (c,))
6. (c +,)) = c) +,)
7. c() +q) = c) +cq
8. 1) = )
Agora, com relao a quaisquer matrizes , 1, e C em '
n
e para todo
c, , R, tambm so vlidos os seguintes resultados:
1. +1 = 1 +
2. + (1 +C) = (+1) +C
3. Se 0 representa a matriz nula ento + 0 =
4. + () = 0
5. c(,) = (c,)
6. (c +,) = c+,
7. c(+1) = c+c1
8. 1 =
Observamos que o conjunto das funes bem como o das matrizes, quando
munidos de soma e multiplicao por escalar, apresentam propriedades algbri-
cas comuns. Existem muitos outros exemplos de conjuntos que apresentam as
mesmas propriedades acima. Para no estudarmos separadamente cada con-
junto, estudaremos um conjunto genrico e no vazio, \ , sobre o qual supomos
estar denidas as operaes de adio e multiplicao por escalar.
Denio 34 Um espao vetorial \ um conjunto, cujos elementos so chama-
dos vetores, no qual esto denidas duas operaes: a adio, que a cada par
de vetores, n e \ faz corresponder um novo vetor denotado por n + \ ,
chamado a soma de n e , e a multiplicao por um nmero real, que a cada c
R e a cada vetor \ faz corresponder um vetor denotado por c, chamado
produto de c por . Estas operaes devem satisfazer, para quaisquer c, , R
e n, e n \ as seguintes propriedades:
1. Comutatividade: n + = +n
2. Associatividade: (n +) +n = n + ( +n)
3. Vetor nulo: existe um vetor nulo 0 \ tal que +0 = para todo \
4. Inverso aditivo: Para cada \ existe \ tal que + = 0
5. Distributividade: (c +,) = c +,
34
6. (c,) = c(,)
7. c(n +) = cn +c
8. Multiplicao por 1: 1.n = n
Exemplo 35 Para todo nmero natural :, o smbolo R
n
representa o espao
vetorial euclidiano n-dimensional. Os elementos de R
n
so as listas ordenadas
(chamadas n-uplas) n = (r
1,
r
2,
r
3,.......,
r
n
), = (j
1
, j
2,
j
3
, ......j
n
) de nmeros
reais. Por denio a igualdade vetorial n = signica as : igualdades numri-
cas
r
1
= j
1,
r
2
= j
2
, .....r
n
= j
n
.
Em R
n
denimos as operaes:
n + = (r
1
+j
1
, r
2
+j
2,
....r
n
+j
n
)
e
cn = (cr
1,
cr
2
, .....cr
n
)
Verica-se sem diculdades, que estas denies fazem do R
n
um E. V. (veri-
que).
Exemplo 36 O conjunto dos polinmios em r, de grau menor ou igual a :
denido por :
1
n
=
_
j(r) = a
o
+a
1
r +..... +a
n1
r
n1
+a
n
r
n
a
o
, a
1
, ...., a
n1
, a
n
R
_
com as operaes de adio de polinmios e multiplicao de um polinmio por
um escalar um espao vetorial. Note que cada elemento de 1
n
uma funo
j : R R
Exemplo 37 O conjunto das matrizes denido por
'(:, :) =
nn
= a
I
a
I
R, i = 1, .., : e , = 1, .., :
com a soma usual de matrizes e multiplicao usual de um escalar por uma
matriz um espao vetorial.
No caso particular das matrizes quadradas de ordem : denotaremos
'(:, :) por '
n
.
Exemplo 38 Seja o conjunto R
2
= (r, j) r, j R com as operaes assim
denidas:
35
(r
1
, j
1
) + (r
2
, j
2
) = (r
1
+r
2
, j
1
+j
2
)
c(r, j) = (cr, j)
O conjunto R
2
com estas operaes no um espao vetorial, de fato:
Vamos mostrar que falha a propriedade 5) do E.V.
(c +,)n = (c +,)(r
1
, j
1
) = ((c +,)r
1
, j
1
) = (cr
1
+,r
1
, j
1
)
cn +,n = = c(r
1
, j
1
) +,(r
1
, j
1
) = (cr
1
, j
1
) + (,r
1
, j
1
) = (cr
1
+,r
1
, 2j
1
)
= (c +,)n ,= cn +,n
2.2 Subespaos
Denio 39 Seja \ um espao vetorial. Dizemos que \ \ um subespao
vetorial de \ se forem satisfeitas as seguintes condies:
1. se n, \ ento n + \
2. se n \ ento cn \ para todo c R.
Podemos fazer trs observaes:
as condies da denio garantem que ao operarmos em \ (soma e mul-
tiplicao por escalar) no obteremos um vetor fora de \. Isto suciente
para armar que \ ele prprio um E.V.
Qualquer subespao \ de \ precisa conter o vetor nulo.
Todo espao vetorial admite pelo menos dois subespaos: o conjunto for-
mado pelo vetor nulo e o prprio E.V.
Exemplo 40 Seja \ = R
5
e \ = 0, r
2,
r
3
, r
4
, r
5
) , \ um subespao veto-
rial?
Resoluo:
vericamos as condies de subespao: seja n = (0, r
2,
r
3
, r
4
, r
5
) \ e
= (0, j
2,
j
3
, j
4
, j
5
) \
1. n + = (0, r
2
+j
2,
r
3
+j
3
, r
4
+j
4
, r
5
+j
5
) \
2. cn = c(0, r
2,
r
3
, r
4
, r
5
) = (0, cr
2,
cr
3
, cr
4
, cr
5
) \
36
logo \ um subespao vetorial.
Exemplo 41 Seja o = (r, j, .) R
3
r + j + . = 0, o um subespao de
R
3
?
Resoluo:
Dados n = (r
1
, j
1
, .
1
) o e = (r
2
, j
2
, .
2
) o
1. n + = (r
1
, j
1
, .
1
) + (r
2
, j
2
, .
2
) = (r
1
+r
2
, j
1
+j
2
, .
1
+.
2
)
Como n = (r
1
, j
1
, .
1
) o = r
1
+j
1
+.
1
= 0. Analogamente r
2
+j
2
+.
2
=
0, e podemos concluir que (r
1
+r
2
) + (j
1
+j
2
) + (.
1
+.
2
) = 0 = n + o
2. cn = c(r
1
, j
1
, .
1
) = (cr
1
, cj
1
, c.
1
) para todo c = cr
1
+ cj
1
+ c.
1
=
c(r
1
+j
1
+.
1
) = c0 = 0 e dai cn o
Portanto, o um subespao vetorial de R
3
.
Exemplo 42 \ = '
n
e \ o subconjunto das matrizes triangulares superi-
ores. \ subespao de \ , pois a soma das matrizes triangulares superiores
ainda uma matriz triangular superior, assim como o produto de uma matriz
triangular por um escalar (Verique).
Exemplo 43 Uma situao importante em que aparece um subespao obtida
ao resolvermos um sistema linear homogneo. Considere o sistema homogneo
A = O, onde uma matriz :: e A uma matriz coluna :1.Se A
1
e
A
2
so duas solues do sistema A = O ento tem-se A
1
= O e A
2
= O.
Mas (A
1
+A
2
) = A
1
+ A
2
= O+O = O, logo A
1
+A
2
uma soluo do
sistema A = O. Tambm, (/A
1
) = /A
1
= O, portanto /A
1
uma soluo
do sistema A = O.
Como o conjuntos das matrizes A
n1
uma espao vetorial temos que o
subconjunto de todas as matrizes de ordem : 1 que so solues do sistema
A = O uma subespao vetorial do espao vetorial formadso por todas as
matrizes de ordem : 1
2
e \ = (r, r
2
) R
2
r R). Se escolhermos
n = (1, 1) e = (2, 4) \, temos: n + = (3, 5) , \, portanto \ no
subespao vetorial de R
2
.
2
e \ = (r, j) R
2
j = 2r, \ subespao
vetorial de R
2
, pois temos:
37
1. Para n = (r
1
, 2r
1
) e = (r
2
, 2r
2
) \ tem-se n + = (r
1
+r
2
, 2(r
1
+
r
2
)) \, pois a segunda componente de n + igual ao dobro da
primeira.
2. cn = c(r
1
, 2r
1
) = (cr
1
, 2(cr
1
)) \, pois a segunda componente de cn
igual ao dobro da primeira.
Exemplo 46 Considere o espao vetorial '
2
e a matriz 1 =
_
0 1
1 0
_

'
2
.Seja \ = '
2
1 = 1. Verique se \ um espao vetorial
de '
2
.
1
o
Soluo: Sejam
1
,
2
petencente a '
2
.
(
1
+
2
) 1 =
1
1+
2
1 = 1
1
+1
2
= 1(
1
+
2
) = (
1
+
2
) '
2
(/
1
) 1 = / (
1
1) = / (1
1
) = 1(/
1
) = (/
1
) '
2
Logo \ um subespao vetorial de \.
2
o
Soluo: Tomando =
_
a /
c d
_
\, sabe-se que a matriz deve satis-
fazer a relao 1 = 1.Portanto
_
a /
c d
_ _
0 1
1 0
_
=
_
0 1
1 0
_ _
a /
c d
_
_
/ a
d c
_
=
_
c d
a /
_
/ = c
a = d = a = d
a = d
c = / = / = c
Logo =
_
a /
/ a
_
= \ =
__
a /
/ a
_
'
2
a, / R
_
Sejam n =
_
a /
/ a
_
e =
_
r j
j r
_
n + =
_
a /
/ a
_
+
_
r j
j r
_
=
_
a +r / +j
/ j a +r
_
=
_
a +r / +j
(/ +j) a +r
_
\
/n = /
_
a /
/ a
_
=
_
/a //
// /a
_
\
Como n + \ e /n \ = \ um subespao vetorial de '
2
38
2.3 Interseco de dois Subespaos Vetoriais
Denio 47 Dados \
1
e \
2
subespaos de um espao vetorial \ , a inter-
seco \
1
\
2
ainda um subespao de \ .
Exemplo 48 \ = R
3
. Seja \
1
= (r, j, .) R
3
, j = 0) e \
2
= (r, j, .)
R
3
, r = 0). \
1
\
2
a reta de interseco dos planos \
1
e \
2
, ou seja
\
1
\
2
= (r, j, .) R
3
, r = 0 e j = 0)
Exemplo 49 \ = R
3
. Seja \
1
= (r, j, .) R
3
, r + j + . = 0) e \
2
=
(r, j, .) R
3
, r +j . = 0).
Para encontrarmos a interseco dos dois subespaos
devemos resolver o sistema
_
r +j +. = 0
r +j . = 0
A soluo desse sistema . = 0, j = r. Portanto \
1
\
2
= (r, j, .)
R
3
, . = 0 e j = r)
Exemplo 50 \ = 1
3
. Seja \
1
= j 1
3
j
0
(1) = 0 e \
2
= j 1
3

j
00
(1) = 0
Como j 1
3
ento j = a + /r + cr
2
+ dr
3
, com
a, /, c, d R. Se j \
1
ento j
0
(1) = 0 = / + 2c + 3d = 0. Se j \
2
ento
j
00
(1) = 0 = 2c + 6d = 0. Para que j pertena a \
1
\
2
devemos resolver o
sistema
_
/ + 2c + 3d = 0
2c + 6d = 0
c = 3d
/ = 3d
Portanto \
1
\
2
= j 1
3
j = a + 3dr 3dr
2
+dr
3
Exemplo 51 \ = '(:, :), \

1
= matrizes triangulares superiores}; \
2
=
matrizes triangulares inferiores}. Ento \
1
\
2
= matrizes diagonais}.
39
Exemplo 52 Seja \ = '
2
=
_
a /
c d
_
e
\
1
=
__
a /
0 0
_
, a, / R
_
\
2
=
__
a 0
c 0
_
, a, c R
_
\ = \
1
\
2
um subespao de \ , pois
\ =
__
a 0
0 0
_
, a R
_
Exemplo 53 Sejam \
1
e \
2
dados por:
\
1
= (r, j) R
2
; r +j = 0
e
\
2
= (r, j) R
2
; r j = 0
ser que \
1
' \
2
um subespao vetorial de \ ?
Soluo :
No. Basta considerar \ = R
2
,
n = (1, 1) \
2
= (1, 1) \
1
mas n + = (1, 1) + (1, 1) = (2, 0) , \
1
' \
2
(represente gracamente
esta soma de vetores)
2.4 Combinao Linear
Denio 54 Seja \ um espao vetorial real,
1
,
2
, ......,
n
\ e a
1
, a
2,.........
a
n

R. Ento, o vetor
= a
1
1
+a
2
2
+..... +a
n
n
um elemento de \ ao que chamamos de combinao linear de
1
,
2
, ......,
n
.
Exemplo 55 Em R
2
os vetor = (10, 16) uma combinao linear dos
vetores
40
1
= (1, 2)
2
= (3, 4) pois = 4
1
+ 2
2
.
Exemplo 56 Verique se o vetor = (3, 2, 1) pode ser escrito como uma com-
binao linear dos vetores
1
= (1, 1, 1),
2
= (1, 1, 1),
3
= (1, 1, 1).
Devemos vericar se existem nmeros a, /, c tais que = a
1
+/
2
+c
3
,
ou seja,
(3, 2, 1) = a(1, 1, 1) +/(1, 1, 1) +c(1, 1, 1).
devemos ento resolver o sistema
_
_
1 1 1
1 1 1
1 1 1
_
_
_
_
a
/
c
_
_
=
_
_
3
2
1
_
_
Mas esse sistema tem uma nica soluo a =
3
2
, / =
1
2
e c = 1, portanto
pode realmente ser escrito como combinao de
1
,
2
e
3
, da forma =
3
2
1
+
1
2
2
+
3
.
Exemplo 57 No espao vetorial 1
2
o polinmio j = 7r
2
+ 11r 26 combi-
nao linear dos polinmios:
1
= 5r
2
3r + 2 e
2
= 2r
2
+ 5r 8, de fato
j = 3
1
+ 4
2
(conra).
Exemplo 58 Verique que em 1
2
o polinmio j(r) = 1+r
2
uma combinao
dos polinmios (r) = 1, r(r) = 1 +r e :(r) = 1 +r +r
2
.
Resoluo:
Precisamos encontrar nmeros reais, a
1
, a
2
e a
3
tais que:
j(r) = a
1
(r) +a
2
r(r) +a
3
:(r)
Ou seja, precisamos encontrar a
1
, a
2
e a
3
satisfazendo:
1 +r
2
= a
1
+a
2
(1 +r) +a
3
(1 +r +r
2
)
1.1 + 0r + 1.r
2
= (a
1
+a
2
+a
3
) + (a
2
+a
3
) r +a
3
r
3
que equivalente ao sistema:
_
_
_
a
1
+a
2
+a
3
= 1
a
2
+a
3
= 0
a
3
= 1
:= a
1
= 1; a
2
= 1 c a
3
= 1.
Exemplo 59 Consideremos , no R
3
, os seguintes vetores:
1
= (1, 3, 2) e
2
= (2, 4, 1). Escreva o vetor = (4, 18, 7) como combinao linear dos
vetores
1
e
2
.
41
Resoluo:
= a
1
1
+a
2
2
(4, 18, 7) = a
1
(1, 3, 2)+a
2
(2, 4, 1) = (1a
1
, 3a
1
, 2a
1
)+(2a
2
, 4a
2
, 1a
2
) =
= (a
1
+ 2a
2
, 3a
1
+ 4a
2,
2a
1
a
2
) que equivalente ao sistema:
_
_
_
a
1
+ 2a
2
= 4
3a
1
+ 4a
2
= 18
2a
1
a
2
= 7
= a
1
= 2, a
2
= 3.
Portanto, = 2
1
3
2
. Agora mostre que o vetor = (4, 3, 6) no
combinao linear dos vetores
1
= (1, 3, 2) e
2
= (2, 4, 1).
2.5 Dependncia e Independncia Linear
Denio 60 Seja \ um espao vetorial e
1
,
2
, ......,
n
\. Dizemos que o
conjunto
1
,
2
, ......,
n
linearmente independente (LI), se a equao:
a
1
1
+a
2
2
+.... +a
n
n
= 0
implica que
a
1
= a
2
= ... = a
n
= 0.
No caso, em que exista algum a
I
,= 0 dizemos que
1
,
2
, ......,
n
linear-
mente dependente (LD).
Para determinarmos se um conjunto L.I. ou L.D. devemos fazer a
combinao linear do conjunto de vetores e igualar esta combinao linear ao
vetor nulo do espao. Portanto muito importante ter conhecimento do vetor
nulo do espao em que estamos trabalhando.
Denio 61 Considere o espao vetorial R
3
e os conjunto de vetores:
c = (1, 2, 3) , (1, 1, 1), (1, 0, 0)
, = (1, 2, 3) , (1, 1, 1), (3, 5, 7)
Os conjuntos c e , acima so L.I ou L.D?
Soluo:
Fazendo a combinao linear
a (1, 2, 3) +/(1, 1, 1) +c(1, 0, 0) = (0, 0, 0)
temos o sistema homogneo:
42
ii)
T(/n) = T (/(r
1
, j
1
))
= T (/r
1
, /j
1
)
= (2/r
1
, 0, /r
1
+/j
1
)
= / (2r
1
, 0, r
1
+j
1
)
/T(n)
Portanto T uma transformao linear.
Exemplo 107 . \ = \ = 1
n
e
1 : 1
n
1
n1
1()) = )
0
a aplicao derivada que a cada polinmio associa sua derivada, a qual tambm
um polinmio uma aplicao linear. De fato, para quaisquer ), q 1
n
e
/ R,
i)
1() +q) = () +q)
0
= )
0
+q
0
= 1()) +1(q)
ii)
1(/)) = (/))
0
= /)
0
= /1())
Exemplo 108 \ = 1
n
, \ = 1
n+1
, j(r) = a
0
+a
1
r +a
2
r
2
+. . . +a
n
r
n
T : 1
n
1
n+1
T(j(r)) = rj(r) = a
0
r +a
1
r
2
+a
2
r
3
+. . . +a
n
r
n+1
A aplicao T uma transformao linear pois
T(/j) = r(/j)(r) = r/j(r) = /rj(r) = /T(j)
T(j +) = r(j +)(r) = r(j(r) +(r)) = rj(r) +r(r) = T(j) +T()
62
Exemplo 109 \ = \ = 1
n
, j(r) = a
0
+a
1
r +a
2
r
2
+. . . +a
n
r
n
, a, / R e
T : 1
n
1
n
T(j(r)) = j(ar +/) = a
0
+a
1
(ar +/) +a
2
(ar +/)
2
+. . . +a
n
(ar +/)
n
Esta aplicao tambm linear pois,
T(/j) = (/j)(ar +/) = /j(ar +/) = /T(j)
T(j +) = (j +)(ar +/) = j(ar +/) +(ar +/) = T(j) +T()
Exemplo 110 Uma transformao linear inportante aquela que se obtm
usando-se o produto escalar. Seja R
n
com o produto escalar usual ., . e
0

R
n
um vetor qualquer xado. Seja,
T : R
n
R
T() = ,
0
T uma aplicao linear (mostre isso, use as propriedades do produto escalar)

Exemplo 111 : Sejam C(R) = ) : R R , ) contnua . Considere
J : C(R) R
J()) = )(0)
Por exemplo se )(t) = t
2
ento
J()) = )(0) = 0
2
= 0
J uma aplicao linear pois, se ), q C(R) e / R ento
J() +q) = () +q)(0) = )(0) +q(0) = J()) +J(q)
J(/)) = (/)) (0) = /)(0) = /J())
Exemplo 112 : Seja,
63
T : '
2
'
2
T
__
a /
c d
__
=
_
a +/ / +c
c +d d +a
_
Esta aplicao uma transformao linear, pois
T
__
a
1
/
1
c
1
d
1
_
+
_
a
2
/
2
c
2
d
2
__
= T
__
a
1
+a
2
/
1
+/
2
c
1
+c
2
d
1
+d
2
__
=
_
a
1
+a
2
+/
1
+/
2
/
1
+/
2
+c
1
+c
2
c
1
+c
2
+d
1
+d
2
d
1
+d
2
+a
1
+a
2
_
=
_
a
1
+/
1
/
1
+c
1
c
1
+d
1
d
1
+a
1
_
+
_
a
2
+/
2
/
2
+c
2
c
2
+d
2
d
2
+a
1
+a
2
_
= T
__
a
1
/
1
c
1
d
1
__
+T
__
a
2
/
2
c
2
d
2
__
T
_
/
_
a /
c d
__
= T
_
/
_
/a //
/c /d
__
=
_
/a +// // +/c
/c +/d /d +/a
_
= /
_
a +/ / +c
c +d d +a
_
= /T
__
a /
c d
__
Exemplo 113 : Seja,
T : '
n
R
T() = det()
Esta aplicao no uma transformao linear, pois, em geral
det(
1
+
2
) ,= det(
1
) + det(
2
)
3.1 Propriedades das Transformaes Lineares
Teorema 114 Dados dois espaos vetoriais reais \ e \ e uma base de \, , =
1
, ,
n
, sejam n
1
, , n
n
elementos arbitrrios de \. Ento existe uma
64
aplicao linear T : \ \ tal que T(
1
) = n
1
, , T(
n
) = n
n
. Esta aplicao
dada por: Se = a
1
1
+ +a
n
n
,
T() = a
1
T(
1
) + a
n
T(
n
) = a
1
n
1
+ a
n
n
n
Exemplo 115 Qual a transformao linear T : R
2
R
3
tal que T(1, 0) =
(2, 1, 0) e T(0, 1) = (0, 0, 1)?
Soluo: Temos neste caso
1
= (1, 0) e
2
= (0, 1) base de R
2
e n
1
=
(2, 1, 0) e n
2
= (0, 0, 1).
Dado = (r, j) arbitrrio,
= r
1
+j
2
T() = T(r
1
+j
2
)
T() = rT(
1
) +jT(
2
)
T() = r(2, 1, 0) +j(0, 0, 1)
T() = (2r, r, j)
Exemplo 116 Qual a transformao linear T : '
2
1
4
tal que
T
__
1 0
0 0
__
= r
4
+r
T
__
0 1
0 0
__
= r
3
+r
2
T
__
0 0
1 0
__
= r
2
+r
3
T
__
0 0
0 1
__
= r +r
4
Soluo
Uma matriz '
2
da forma =
_
a /
c d
_
. Podemos escrever:
_
a /
c d
_
= a
_
1 0
0 0
_
+/
_
0 1
0 0
_
+c
_
0 0
1 0
_
+d
_
0 0
0 1
_
, portanto
T
__
a /
c d
__
= T
_
a
_
1 0
0 0
_
+/
_
0 1
0 0
_
+c
_
0 0
1 0
_
+d
_
0 0
0 1
__
= aT
__
1 0
0 0
__
+/T
__
0 1
0 0
__
+cT
__
0 0
1 0
__
+dT
__
0 0
0 1
__
65
T
__
a /
c d
__
= a
_
r
4
+r
_
+/
_
r
3
+r
2
_
+c
_
r
2
+r
3
_
+d
_
r +r
4
_
T
__
a /
c d
__
= (a +d)r + (/ +c)r
2
+ (/ +c)r
3
+ (a +d)r
4
Denio 117 : Seja T : \ \ uma transformao linear. A imagem de
T o conjunto de vetores n \ tais que existe um vetor \ , que satisfaz
T() = n. Ou seja
Im(T) = n \ / T() = n para algum \
Observao 118 Note que Im(T) um subconjunto de \ e, alm disso, um
subespao vetorial de \.
Exemplo 119 Seja T : R
2
R
2
a transformao linear dada por T(r, j) =
(2r j, 10r +j). Qual dos vetores abaixo pertence a imagem de T
a) n = (1, 2)
b) n = (1, 2)
Soluo: a) Para que n Im(T) deve existir algum = (r, j) tal que
T() = n, ou seja, T(r, j) = (1, 2); temos ento:
T(r, j) = (1, 2)
(2r j, 10r +j) = (1, 2)
_
2r j = 1
10r +j = 2
Resolvendo o sistema temos r =
3
8
e j =
7
4
, logo n pertence a imagem de T
pois T(
3
8
,
7
4
) = n.
b) Analogamente deve existir algum = (r, j) tal que T() = n, ou seja
T(r, j) = (1, 2)
(2r j, 10r +j) = (1, 2)
_
2r j = 1
10r +j = 2
Resolvendo o sistema temos r =
1
8
e j =
3
4
logo n pertence a imagem de T
pois T(
1
8
,
3
4
) = n
66
Exemplo 120 Determine a imagem da transformao linear T : R
3
R
3
,
T(r, j, .) = (2r j ., r j ., r +j .).
Soluo: Se n Im(T) ento n = T(r, j, .), ou seja,
n = (2r j ., r j ., r +j .)
= r(2, 1, 1) +j(1, 1, 1) +.(1, 1, 1)
Logo todo vetor que pertence a imagem de T gerado pelos vetores
1
=
(2, 1, 1),
2
= (1, 1, 1) e
3
= (1, 1, 1). Podemos ento escrever que
Im(T) = [(2, 1, 1), (1, 1, 1), (1, 1, 1)] .
Como o conjunto , = (2, 1, 1), (1, 1, 1), (1, 1, 1) LI ( verique
isto) temos que , uma base para a Im(T), mas , base para R
3
, logo
concluimos que Im(T) = R
3
.
Denio 121 Seja T : \ \, uma transformao linear. O conjunto de
todos os vetores \ tais que T() =

0 chamado ncleo de T, sendo
denotado por 1cr(T). Isto ,
1cr(T) =
_
\ T() =

0
_
Observao 122 Observe que 1cr(T) \ um subconjunto de \ e, ainda
mais, um subespao vetorial de \. Alguns autores denotam o ncleo de T por
(T).
Exemplo 123 Seja T : \ \, dada por T() =

0 . Neste caso todo vetor de
\ levado no vetor nulo pela transformao T, assim temos que 1cr(T) = \
3
R
3
a projeo ortogonal sobre o plano rj.
Neste caso temos T(r, j, .) = (r, j, 0). Se T(r, j, .) = (0, 0, 0) = (r, j, .) =
(0, 0, 0) = r = 0 e j = 0. Como nada dito sobre a varivel ., temos que .
qualquer, logo 1cr(T) =
_
(0, 0, .) R
3
. R
_
, ou seja o ncleo de T so
todos os vetores que esto sobre o eixo ..
67
Exemplo 125 Encontre o ncleo da transformao linear:
T : R
4
R
3
T(r, j, ., t) = (r +j +. t, 2r +. t, 2j t)
Soluo: Devemos encontrar os vetores = (r, j, ., t) R
4
tais que T() =
T(r, j, ., t) = (0, 0, 0). Neste caso temos que resolver o sistema homogneo:
_
_
_
r +j +. t = 0
2r +. t = 0
2j t = 0
A matriz ampliada do sistema :
_
_
1 1 1 1
.
.
. 0
2 0 1 1
.
.
. 0
0 2 0 1
.
.
. 0
_
_
=
_
_
1 1 1 1
.
.
. 0
0 2 1 1
.
.
. 0
0 0 1 0
.
.
. 0
_
_
j
o
= j
c
= 3 e j = 3 < : = 4 logo o sistema compatvel e indeterminado
com grau de liberdade 1.
Logo,
_
_
_
r +j +. t = 0
2j . +t = 0
. = 0
o que nos fornece,
r = j
. = 0
t = 2j
68
Portanto 1cr(T) =
_
(j, j, 0, 2j) R
4
j R
_
= [(1, 1, 0, 2)]
3
R
3
a transformao linear que a projeo
ortogonal sobre a reta cujas equaes paramtricas so:
_
_
_
r = 1 + 2t
j = 2 2t
. = 3 +t
Encontre o Ncleo de T.
Soluo: Projetar um vetor sobre uma reta o mesmo que encontrar a
projeo ortogonal sobre o vetor diretor dessa mesma reta. No nosso caso, o
vetor diretor n = (2, 2, 1), logo
T() = jro,
u
=
_
.n
n.n
_
n
T(r, j, .) =
_
(r, j, .).(2, 2, 1)
(2, 2, 1).(2, 2, 1)
_
(2, 2, 1)
T(r, j, .) =
_
2r 2j +.
9
_
(2, 2, 1)
T(r, j, .) =
_
4r 4j + 2.
9
,
4r + 4j 2.
9
,
2r 2j +.
9
_
Para encontrar o ncleo devemos ter,
T(r, j, .) =
_
4r 4j + 2.
9
,
4r + 4j 2.
9
,
2r 2j +.
9
_
= (0, 0, 0)
4r 4j + 2. = 0
4r + 4j 2. = 0
2r 2j +. = 0
_
_
4 4 2
4 4 2
2 2 1
_
_
, fazendo o escalonamento temos
_
_
4 4 2
0 0 0
0 0 0
_
_
, assim
4r 4j + 2. = 0
0 = 0
0 = 0
2. = 4r + 4j
. = 2r + 2j
69
Portanto 1cr(T) =
_
(r, j, 2r + 2j) R
3
r R
_
= [(1, 0, 2), (0, 1, 2)]
Denio 127 Dada uma aplicao T : \ \, diremos que T injetora
se dados n, \ com T(n) = T() tivermos n = . Ou equivalentemente, T
injetora se dados n, \ com n ,= , ento T(n) ,= T().
Denio 128 Uma aplicao T : \ \ ser sobrejetora se a imagem de
T coincidir com \, ou seja, T(\ ) = \.
Observao 129 Da denio acima vemos que uma funo ser sobrejetora
se dado n \, existir \ tal que T() = n.
Teorema 130 Seja T : \ \, uma aplicao linear. ento 1cr(T) =
_
0
_
,
se e somente se T injetora.
Teorema 131 Seja T : \ \, uma aplicao linear. Ento
dim1cr(T) + dimIm(T) = dim\
Corolrio 132 Se dim\ = dim\, ento T linear injetora se e somente se
T sobrejetora.
Corolrio 133 Seja T : \ \, uma aplicao linear injetora. Se dim\ =
dim\, ento T leva base em base.
Exemplo 134 Seja T : 1
n
1
n+1
, dada por T(j(r)) = rj(r).Verique se T
bijetora.
Soluo: Devemos vericar se T injetora e sobrejetora ao mesmo tempo.
Usando o teorema (130) devemos apenas calcular o ncleo de T :
T(j(r)) = rj(r)
T(a
0
+a
1
r +. . . +a
n
r
n
) = r(a
0
+a
1
r +. . . +a
n
r
n
)
T(a
0
+a
1
r +. . . +a
n
r
n
) = (a
0
r +a
1
r
2
+. . . +a
n
r
n+1
)
Se
T(j(r)) = 0
a
0
r +a
1
r
2
+. . . +a
n
r
n+1
= 0 = 0 + 0r + 0r
2
+. . . + 0r
n+1
70
logo a
0
= a
1
= . . . = a
n
= 0 = j(r) = 0 (j(r) o polinmio nulo) = 1cr(T) =
_
0
_
(observe que neste caso o vetor nulo de 1
n
o polinmio nulo de grau n).
Portanto T injetora.
Como dim1
n
= : + 1, dim1
n+1
= : + 2 e dim1cr(T) = 0, temos que
dim1cr(T) + dimIm(T) = : + 1
0 + dimIm(T) = : + 1
dimIm(T) = : + 1
Note que dimIm(T) = :+1 ,= :+2 = dim1
n+1
= Im(T) ,= 1
n+1
. Portanto
T no sobrejetora e assim T no bijetora
3.2 Transformaes Lineares e Matrizes
3.2.1 Transformao linear associada a uma matriz
Seja uma matriz : :. Associada a matriz denimos a transformao
linear:
1
.
: R
n
R
n
.
onde tomado como vetor coluna,
=
_
_
r
1
.
.
.
r
n
_
_
1
.
() = .
1
.
() =
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
_
_
r
1
.
.
.
r
n
_
_
1
.
_
_
_
_
_
r
1
.
.
.
r
n
_
_
_
_
_ =
_
_
a
11
r
1
+ a
1n
r
n
.
.
.
a
n1
r
1
+ +a
nn
r
n
_
_
Das propriedades de operaes de matrizes:
1
.
(n +) = .(n +) = .n +. = 1
.
(n) +1
.
()
1
.
(/n) = .(/n) = /.n = /1
.
(n)
71
e portanto 1
.
uma transformao linear.
Exemplo 135 Seja
=
_
_
1 1 1 1
2 0 1 1
0 2 0 1
_
_
Observe que a matriz tem ordem 3 4 e portanto ela induzir uma transfor-
mao linear de R
4
para R
3
, denida por:
1
.
: R
4
R
3
1
.
_
_
_
_
_
_
r
j
.
t
_
_
_
_
_
_
=
_
_
1 1 1 1
2 0 1 1
0 2 0 1
_
_
_
_
r
j
.
t
_
_
=
_
_
r +j +. t
2r +. t
2j t
_
_
Note que a transformao acima est escrita em forma matricial, mas podemos
escreve-la tambm na forma vetorial que estamos acostumados:
1
.
(r, j, ., t) = (r +j +. t, 2r +. t, 2j t)
Surpresa!! Esta a mesma transformao do exemplo (125)
Exemplo 136 Dada a transformao linear:
T : R
3
R
2
T(r, j, .) = (10r 20j 30., r 2j 3.)
Encontre a matriz da transformao T (Isto , encontre a matriz cuja trans-
formao associada a ela exatamente a transformao T)
Soluo: Passando da forma vetorial para a forma matricial temos:
T
_
_
_
_
r
j
.
_
_
_
_
=
_
10r 20j 30.
r 2j 3.
_
=
_
10 20 30
1 2 3
_
_
_
r
j
.
_
_
Portanto a matriz de T, que denotaremos por [T]
[T] =
_
10 20 30
1 2 3
_
72
Observao 137 Ao obtermos a transformao associada a uma matriz (ou,
caso contrrio, a matriz de uma transformao T), no mencionamos as bases
dos espaos envolvidos. De fato, ao obtermos a matriz de uma transformao
estamos levando em conta as bases associadas aos espaos R
n
e R
n
mas neste
caso em particular estamos considerando as bases cannicas. Isto car claro
na exposio a seguir.
De um modo geral, xadas as bases , =
1
,
2
, ,
n
e ,
0
= n
1
, n
2
, , n
n
,
matriz
nn
=
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
podemos associar
T
.
: R
n
R
n
T
.
()
da seguinte maneira: Seja
A = []
o
=
_
_
r
1
.
.
.
r
n
_
_
.A =
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
_
_
r
1
.
.
.
r
n
_
_ =
_
_
j
1
.
.
.
j
n
_
_
ento
T
.
() = j
1
n
1
+ +j
n
n
n
onde j
I
=
I
.A e
I
a i-sima linha de .
Em geral, dada uma matriz
nn
, ela encarada como uma aplicao linear
T
.
: R
n
R
n
em relao s bases cannica de R
n
e R
n
.
3.2.2 Matriz de uma transformao linear
Agora iremos encontrar a matriz associada a uma transformao linear. Seja
T : \ \ linear, , =
1
, ,
n
base de \ e ,
0
= n
1
, , n
n
base de \.
Ento T(
1
), . . . , T(
n
) so vetores de \ e portanto
T(
1
) = a
11
n
1
+ + a
n1
n
n
.
.
.
.
.
.
.
.
.
T(
n
) a
1n
n
1
+ + a
nn
n
n
73
A transposta da matriz dos coecientes deste sistema, denotada por [T]
o
o
0
chamada matriz de T em relao s bases , e ,
0
:
[T]
o
o
0 =
_
_
a
11
a
1n
.
.
.
.
.
.
a
n1
a
nn
_
_
Observao 138 Note que se = [T]
o
o
0 =
_
_
a
11
a
1n
.
.
.
.
.
.
a
n1
a
nn
_
_ a transfor-
mao linear T passa a ser a transformao linear associada matriz e
bases , e ,
0
, iste , T = T
.
3
R
2
tal que T(r, j, .) = (2r+j ., 3r2j +4.).
Sejam , = (1, 1, 1, ), (1, 1, 0), (1, 0, 0) e ,
0
= (1, 3), (1, 4) .
Procuremos [T]
o
o
0
T(r, j, .) = (2r +j ., 3r 2j + 4.)
T(1, 1, 1) = (2, 5) = a(1, 3) +/(1, 4)
T(1, 1, 0) = (3, 1) = c(1, 3) +d(1, 4)
T(1, 0, 0) = (2, 3) = c(1, 3) +)(1, 4)
Portanto temos os sistemas:
,
__
a +/ = 2
3a + 4/ = 5
,
_
c +d = 3
3c + 4d = 1
,
_
c +) = 2
3c + 4) = 3
_
Resolvendo os sistemas temos:
_
a = 3 / = 1 , c = 11 , d = 8 c = 5 ) = 3
[T]
o
o
0 =
_
3 11 5
1 8 3
_
Teorema 140 : Sejam \ e \ espaos vetoriais, c base de \ , , base de \ e
T : \ \ uma aplicao linear. Ento, para todo \ vale:
74
[T()]
o
= [T]
o
o
[]
o
Denio 141 Dada uma base , e tranformao linear T : \ \ denotare-
mos a matriz [T]
o
o
apenas por [T]
o
e ela ser chamada de matriz de T em relao
a base ,.
Denio 142 Seja T : R
n
R
n
uma transformao linear e c a base
cannica de R
n
, ento a matriz de T em relao a base cannica c, [T]
o
o
, ser
denotada simplesmente por [T] .
Exemplo 143 Seja T : 1
2
1
2
denido por T(j(r)) = j(3r 5). Determine
a matriz de T em relao a base , =
_
1, r, r
2
_
Devemos calcular [T]
o
= [T]
o
o
T(j) = j(3r 5)
T(a
0
+a
1
r +a
2
r
2
) = a
0
+a
1
(3r 5) +a
2
(3r 5)
2
T(a
0
+a
1
r +a
2
r
2
) = a
0
+ 3a
1
r 5a
1
+a
2
(9r
2
30r + 25)
T(a
0
+a
1
r +a
2
r
2
) = (a
0
5a
1
+ 25a
2
) + (3a
1
30a
2
)r + 9a
2
r
2
T(1) = T(1 + 0r + 0r
2
) = 1 = 1 + 0r + 0r
2
T(r) = T(0 + 1r + 0r
2
) = 5 + 3r = 5 + 3r + 0r
2
T(r
2
) = T(0 + 0r + 1r
2
) = 25 30r + 9r
2
[T]
o
=
_
_
1 5 25
0 3 30
0 0 9
_
_
3
R
3
dada por T(r, j, .) = (2r 3j 2., r j
., 2r j +.)
a) Sejam as bases
c = (1, 0, 0), (1, 1, 0), (1, 1, 1)
, = (1, 1, 0), (1, 0, 1), (0, 1, 1)
determine [T]
o
o
, [T]
o
o
b) Se []
o
=
_
_
1
1
1
_
_
determine [T()]
o
.
75
c) Calcule a multiplicao das matrizes: [T]
o
o
[T]
o
o
. Que concluso voce pode
tirar em relao as duas matrizes, ou que relao h entre as duas matrizes?
Soluo: a) Clculo de [T]
o
o
T(r, j, .) = (2r 3j 2., r j ., 2r j +.)
T(1, 0, 0) =
_
2, 1, 2
_
= a
1
(1, 1, 0) +/
1
(1, 0, 1) +c
1
(0, 1, 1)
T(1, 1, 0) =
_
1, 0, 1
_
= a
2
(1, 1, 0) +/
2
(1, 0, 1) +c
2
(0, 1, 1)
T(1, 1, 1) =
_
3, 1, 2
_
= a
3
(1, 1, 0)+/
3
(1, 0, 1)+c
3
(0, 1, 1)
Devemos resolver os tres sistemas resultantes: Denotando por a matriz
dos coecientes do sistema,temos:
=
_
_
1 1 0
1 0 1
0 1 1
_
_
=
1
=
_
_

1
2

1
2
1
2
1
2
1
2

1
2
1
2

1
2

1
2
_
_
Vamos resolver os sistemas por matriz inversa:
_
_
a
1
/
1
c
1
_
_
=
1
_
_
2
1
2
_
_
=
_
_

1
2

1
2
1
2
1
2
1
2

1
2
1
2

1
2

1
2
_
_
_
_
2
1
2
_
_
=
_
_

1
2
3
2
1
2
_
_
_
_
a
2
/
2
c
2
_
_
=
1
_
_
1
0
1
_
_
=
_
_

1
2

1
2
1
2
1
2
1
2

1
2
1
2

1
2

1
2
_
_
_
_
1
0
1
_
_
=
_
_
1
0
1
_
_
_
_
a
3
/
3
c
3
_
_
=
1
_
_
3
1
2
_
_
=
_
_

1
2

1
2
1
2
1
2
1
2

1
2
1
2

1
2

1
2
_
_
_
_
3
1
2
_
_
=
_
_
3
0
2
_
_
Logo
[T]
o
o
=
_
_

1
2
1 3
3
2
0 0
1
2
1 2
_
_
Agora voce j est em condies de calcular [T]
o
o
. Faa esse clculo como
exerccio
b) Vamos usar a relao [T()]
o
= [T]
o
o
[]
o
[T()]
o
= [T]
o
o
[]
o
[T()]
o
=
_
_

1
2
1 3
3
2
0 0
1
2
1 2
_
_
_
_
1
1
1
_
_
[T()]
o
=
_
_
7
2
3
2
7
2
_
_
c) Faa voce este item e tire suas concluses. Mais adiante voce poder
vericar se suas concluses estavam corretas.
76
Teorema 145 Seja T : \ \ uma transformao linear e c e , bases de \
e \ respectivamente. Ento
dimIm(T) = posto de [T]
o
o
dim1cr(T) = nulidade de [T]
o
o
= nmero de colunas de [T]
o
o
jo:to [T]
o
o
3.3 Composio de transformaes lineares
Denio 146 Se T
1
: \ \ e T
2
: \ l so duas transformaes
lineares a composta das duas transformaes lineares denida do mesmo modo
que a composio de funces ( lembre-se que um transformao linear uma
funo com a propriedade adicional de ser linear) da seguinte forma
T
2
T
1
: \ l
(T
2
T
1
)() = T
2
(T
1
())
Exemplo 147 Se T
1
: R
2
R
3
, T
1
(r, j) = (r j, j r, j r) e T
2
: R
3
R,
T(r, j, .) = r j . ento T
2
T
1
: R
2
R e
(T
2
T
1
) (r, j) = T
2
(T
1
(r, j))
= T
2
(r j, j r, j r)
= (r j) (j r) (j r)
= r j j +r j +r
= 3r 3j
Teorema 148 Sejam T
1
: \ \ e T
2
: \ l transformaes lineares e c,
,, bases de \, \, l respectivamente. Ento a composta de T
2
com T
1
, T
2
T
1
:
\ l linear e
[T
2
T
1
]
o
~
= [T
2
]
o
~
[T
1
]
o
o
Proposio 149 Seja T : \ \ uma transformao linear . Sejam c e c
0
bases de \ e , e ,
0
bases de \. Ento vale a relao:
[T]
o
0
o
0 = [1
V
T 1
\
]
o
0
o
0 = [1
V
]
o
o
0 [T]
o
o
[1
\
]
o
0
o
onde 1
V
e 1
\
so as aplicaes identidades de \ e \ respectivamente.
77
3.4 A Inversa de uma transformao linear
Denio 150 D-se o nome de isomorsmo a uma transformao linear
T : \ \ que injetora e sobrejetora ao mesmo tempo. Quando h um
isomorsmo entre dois espaos vetoriais dizemos que estes so Isomorfos.
Denio 151 Seja T : \ \ uma transformao linear. Se existe uma
transformao linear o : \ \ tal que T o = 1
V
, onde 1
V
: \ \
a identidade em \, dizemos que o a inversa a direita de T. Se existe uma
transformao 1 : \ \ , tal que 1T = 1
\
, onde 1
\
: \ \ a identidade
em \ , dizemos que 1 a inversa a esquerda de T.
Denio 152 Seja T : \ \ uma transformao linear. Se existe uma
aplicao T
1
: \ \, tal que T T
1
= 1
V
e T
1
T = 1
\
ento dizemos
que T inversvel e que T
1
a inversa de T
Proposio 153 Seja T : \ \ uma transformao linear. Se existe a
inversa de T, T
1
, ento T
1
uma transformao linear
Proposio 154 Se T : \ \ um isomomorsmo, ento T inversvel e
alm disso T
1
tambm um isomorsmo.
Proposio 155 Se T : \ \ uma transformao linear invertvel (T um
isomorsmo) e c e , so bases de \ e \, ento:
_
T
1
o
o
=
_
[T]
o
o
_
1
Observao: Quando estamos trabalhando com o espao R
n
e a base cannica
de R
n
por simplicidade omitimos as bases e a matriz de T : R
n
R
n
,em relao
a base cannica, denotada simplesmente por [T] . Neste caso a proposio
acima escrita na forma mais conveniente: "Se T : R
n
R
n
inversvel ento
_
T
1
= [T]
1
"
Proposio 156 Seja T : \ \ uma transformao linear, com dim\ =
dim\, e c e , bases de \ e \ respectivamente. Ento T inversvel se, e
somente se det [T]
o
o
,= 0.
Observao 157 Se na proposio acima tivermos \ = \ = R
n
podemos
escrever: Seja T : R
n
R
n
uma transformao linear, ento T invertvel se
det [T] ,= 0
3
R
3
, dada por T(r, j, .) = (r + 2j + 2., r +j +
3., r + 2j +.), determine a transformao inversa T
1
.
78
Soluo: Facilmente podemos ver que
[T] =
_
_
1 2 2
1 1 3
1 2 1
_
_
=
_
T
1
= [T]
1
=
_
_
5 2 4
2 1 1
1 0 1
_
_
logo T
1
(r, j, .) = (5r + 2j + 4., 2r j ., r .). Como exerccio verique
que vale
_
T T
1
_
(r, j, .) = (r, j, .)
Podemos tambm neste caso calcular a inversa usando diretamente a dinio
de transformao inversa da seguinte forma
Sabemos que T
1
: R
3
R
3
uma transformao linear tal que T
1
T = 1
ou T T
1
= 1. Suponhamos que T
1
(r, j, .) = (:, :, :), devemos encontrar
:, : e : tais que T T
1
= 1 (devemos usar esta igualdade pois com a outra
no funciona, tente e veja o que acontece). Portanto
_
T T
1
_
(r, j, .) = 1(r, j, .) = (r, j, .)
T(T
1
(r, j, .)) = (r, j, .)
T(:, :, :) = (r, j, .)
(:+ 2: + 2:, :+: + 3:, :+ 2: +:) = (r, j, .)
:+ 2: + 2: = r
:+: + 3: = j
:+ 2: +: = .
_
_
1 2 2 r
1 1 3 j
1 2 1 .
_
_
_
c:ca|o:a:do
==
_
_
_
1 2 2 r
0 1 1 r j
0 0 1 r .
_
_
: = r .
: = r j +r . = 2r j .
: = r 2(2r j .) 2(r .) = 5r + 2j + 4.
Logo
T
1
(r, j, .) = (5r + 2j + 4., 2r j ., r .)
79
3.5 Nona lista de exerccios
1) Seja T : \ \ uma funo. Mostre que
a) Se T uma transformao linear, ento T(0) = 0.
2) Determine quais das seguintes funes so aplicaes lineares:
a) ) : R
2
R
2
, )(r, j) = (r +j, r j)
b) q : R
2
R, )(r, j) = rj
c) / : '(2, 2) R
_
a /
c d
_
det
_
a /
c d
_
d) : : R R, :(r) = [r[ .
e) T : '
2
1
1
, T
__
a /
c d
__
= a +dt
f) o : R
3
R
3
, tal que o(r, j, .) = (3r, a, 5.), onde a R uma constante.
g) T : '
5
'
5
, T() = 1 +1
5
, onde 1 = diaq(d
1
, d
2
, d
3
, d
4
, d
5
) e 1
5
a
matriz identidade de ordem 5.
3) Resolva os itens abaixo:
a) Encontre a transformao linear T : R
3
R
2
tal que T(1, 0, 0) = (2, 0),
T(0, 1, 0) = (1, 1) e T(0, 0, 1) = (0, 1).
b) Encontre R
3
tal que T() = (3, 2).
4) Sejam 1, o, T tres transformaes lineares de R
3
em R
3
. Se
[1] =
_
_
1 0 1
2 1 1
0 1 1
_
_
e [o] =
_
_
2 1 1
3 1 2
1 2 0
_
_
, encontre
T tal que 1 = o T.
5) Sejam c = (1, 1), (0, 2) e , = (1, 0, 1) , (0, 1, 2) , (1, 2, 0) bases de
R
2
e R
3
respectivamente e
[T]
o
o
=
_
_
1 0
1 1
0 1
_
_
a) Encontre T
b) Se o(r, j) = (2j, r j, r), encontre [o]
o
o
.
c) Encontre uma base de R
3
tal que [T]
o
~
=
_
_
1 0
0 1
0 0
_
_
6) Considere a transformao linear T : R
3
R
3
dada por T(r, j, .) =
(., r j, .).
a) Determine uma base do ncleo de T.
b) D a dimenso da imagem de T.
c) T sobrejetora? Justique.
d) Faa um desenho em R
3
do conjunto de vetores que pertencem ao ker(T)
e a Im(T).
7) Seja , a base cannica de '
2
. Se T : '
2
1
3
dada por
80
T
__
a /
c d
__
= a + (/ +c)r + (c d)r
2
+dr
3
a) Encontre [T]
o
o
onde c =
_
2, 2 +r, 2 +r
2
, 2 +r
3
_
base de 1
3
b) Faa o escalonamento da matriz [T]
o
o
c) Detemine dim 1cr(T)
d) Determine dim Im(T).
8) Responda as seguintes questes:
a) Se T : R
5
R
6
uma transformao linear, podemos ter dim Im(T) 6?
Justique sua resposta
b) Existe alguma transformao linear T : R
2
R
2
tal que T(1, 1) = (2, 2)
e T(2, 2) = (3, 1)? Justique sua resposta.
9) Seja T : R
2
R
2
tal que [T] =
_
1 2
0 1
_
. Encontre os vetores n e
tais que
a) T(n) = n
b) T() =
10) Sejam as transformaes lineares o : 1
1
1
2
e T : 1
2
1
1
denidas
por
o(a +/r) = a + (a +/)r + 2/r
2
T(a +/r +cr
2
) = / + 2cr
a) Determine (o T)(3 + 2r r
2
)
b) possvel calcular (T o)(a+/r)? Em caso armativo calcule (T o)(+
r).
11)
ALGUMAS SUGESTES
2)f) Sugesto: analise os casos a = 0 e a ,= 0
7) c) A dimenso de 1cr(T) a nulidade de [T]
o
o
7) d) A dimenso de Im(T) o posto de [T]
o
o
81
Captulo 4
OPERADORES
LINEARES
Denio 159 Uma transformao linear T : \ \ chamada de operador
linear.
Observao 160 Todas as propriedades j vistas para transformaes lineares
em geral vale para um operador linear
4.1 Transformaes especiais no plano e no es-
pao
Os operadores lineares que veremos a seguir so chamados de transformaes
especiais do plano e do espao por serem bastantes usados em aplicaes prticas
e tambm em aplicaes numricas.
Transformaes no Plano
a) Dilatao ou contrao
T : R
2
R
2
T(r, j) = c(r, j)
Se [c[ < 1, T contrai o vetor
Se [c[ 1, T dilata o vetor
Se c = 1, T a identidade
Se c < 0, T inverte o sentido do vetor
82
Se c 0, T mantm o mesmo sentido do vetor
Matricialmente
_
r
j
_
_
c 0
0 c
_ _
r
j
_
Geometricamente, para c 0 temos:
b) Cisalhamento na direo do eixo dos r
T : R
2
R
2
T(r, j) = (r +cj, j)
Matricialmente
_
r
j
_
_
1 c
0 1
_ _
r
j
_
Geometricamente:
83
c) Cisalhamento na direo do eixo dos j
T : R
2
R
2
T(r, j) = (r, cr +j)
Matricialmente
_
r
j
_
_
1 0
c 1
_ _
r
j
_
Geometricamente:
d) Reexo na origem
T : R
2
R
2
T(r, j) = (r, j)
Matricialmente
_
r
j
_
_
1 0
0 1
_ _
r
j
_
Geometricamente:
84
Observao 161 Observe que este um caso particular da contrao quando
c = 1
e) Projeo sobre uma reta no plano
Denio 162 Denimos como sendo Projeo sobre uma reta r, que
passa pela origem, no plano o operador linear T : R
2
R
2
denido por T() =
jro,
u
, onde n o vetor diretor da reta r.
85
Exemplo 163 Determinar o operdor linear que a projeo sobre a reta j = 6r
A reta j = 6r pode ser parametrizada por
r = t
j = 6t
logo um vetor diretor da reta n = (1, 6).
T() = jro,
u
T() =
_
n
n n
_
n
T(r, j) =
_
(1, 6) (r, j)
(1, 6) (1, 6)
_
(1, 6)
T(r, j) =
_
r 6j
37
,
6r + 36j
37
_
f ) Reexo atravs de uma reta no plano
Denio 164 Denimos como sendo Reexo atravs da reta r, que
passa pela origem, a transformao linear T : R
2
R
2
tal que [T()[ = [[ e
jro,
u
= jro,
u
T() onde n o vetor diretor da reta r.
86
Para obter a expresso pata a traformao T , considere a gura abaixo
que representa a reexo em torno de uma reta no plano onde esto mostrados
o vetor diretor diretor, n, da reta, o vetor j, a projeo de na direo do vetor
n,e o vetor T().
Da denio de reexo podemos observar que
T() + = 2j
T() = 2j
T() = 2jro,
u

Portanto a reexo em torno de uma reta no plano dada por
T() = 2jro,
u

onde jro,
u
a projeo do vetor na direo do vetor n.
Casos Particulares:
f.1) Reexo em torno do eixo dos r
T : R
2
R
2
T(r, j) = (r, j)
87
Matricialmente
_
r
j
_
_
1 0
0 1
_ _
r
j
_
Geometricamente:
f.2) Reexo em torno do eixo dos y
T : R
2
R
2
T(r, j) = (r, j)
Matricialmente
_
r
j
_
_
1 0
0 1
_ _
r
j
_
Geometricamente:
88
f.3) Reexo em torno da reta j = r
T : R
2
R
2
T(r, j) = (j, r)
Matricialmente
_
r
j
_
_
0 1
1 0
_ _
r
j
_
Geometricamente:
89
f.4) Reexo em torno da reta j = r
T : R
2
R
2
T(r, j) = (j, r)
Matricialmente
_
r
j
_
_
0 1
1 0
_ _
r
j
_
Geometricamente:
90
g) Rotao de um ngulo 0
Geometricamente
91
Vamos agora determinar a matriz da transformao linear rotao de um
ngulo 0 e a expresso de 1
0
em funo de r e j. Seja
1
0
: R
2
R
2
1
0
(r, j) = (r
0
, j
0
)
Quando rotacionamos um vetor, pela prpria denio de rotao, o com-
primento (mdulo) do vetor no se altera. Seja r = [[ , onde = (r, j).
Da gura acima e usando relaes trigonomtricas temos;
r
0
= r cos(c +0) = r cos ccos 0 r sincsin0
Mas
r cos c = r
r sinc = j
ento
r
0
= rcos 0 j sin0
Analogamente
j
0
= r sin(c +0) = r sinccos 0 +r cos csin0
j
0
= j cos 0 +rsin0 = rsin0 +j cos 0
Assim
92
1
0
(r, j) = (rcos 0 j sin0, rsin0 +j cos 0)
Matricialmente
_
r
j
_
_
cos 0 sin0
sin0 cos 0
_ _
r
j
_
Podemos ver neste caso que matriz de uma rotao :
[1
0
] =
_
cos 0 sin0
sin0 cos 0
_
Transformaes no Espao
a) Reexo atravs de uma reta no espao
Denio 165 Denimos como sendo Reexo atravs da reta r, que passa
pela origem, no espao a transformao linear T : R
3
R
3
tal que [T()[ = [[
e jro,
u
= jro,
u
T() onde n o vetor diretor da reta r.
Geometricamente
93
Para obter a expresso pata a traformao T , considere a gura abaixo
que representa a reexo em torno de uma reta no plano onde esto mostrados
o vetor diretor diretor, n, da reta, o vetor j, a projeo de na direo do vetor
n,e o vetor T().
Da denio de reexo podemos observar que
T() + = 2j
T() = 2j
T() = 2jro,
u

Portanto a reexo em torno de uma reta no espao dada por
T() = 2j
ond j = jro,
u
a projeo do vetor na direo do vetor n.
Casos Particulares: Reexo em relao aos eixos coordenados
a.1) Reexo atravs do eixo x
T : R
3
R
3
T(r, j, .) = (r, j, .)
94
Matricialmente
_
_
r
j
.
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
a.2) Reexo atravs do eixo y
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
a.3) Reexo atravs do eixo z
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
b) Reexo atravs de um plano
Denio 166 Denimos Reexo atravs de um plano, que passa pela origem,
no espao ao operador linear T : R
3
R
3
tal que [T()[ = [[ e jro,
n
=
jro,
n
T(), onde : o vetor normal do plano.
95
Para obter a expresso pata a traformao T , considere a gura abaixo que
representa a reexo em torno de um plano no espao onde esto mostrados o
vetor normal do plano, vetor :, o vetor projeo de na direo do vetor :,
vetor j, o vetor projeo sobre o plano, vetor :, e o vetor T().
96
Da denio de Reexo atravs de uma plano podemos deduzir que
_
j +: =
:j = T()
Portanto
T() = 2j
onde j = jro,
n
a projeo de na direo do vetor normal : do plano.
Casos particulares: Reexo atravs dos planos coordenados
b.1) Reexo atravs do plano xy
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
Geometricamente
97
b.2) Reexo atravs do plano xz
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
b.3) Reexo atravs do plano yz
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
c) Reexo no origem
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
Geometricamente
98
d) Rotao no Espao.
Denio 167 Denimos Rotao de um ngulo 0 em torno de um eixo coor-
denado c ao operador linear T
0
: R
3
R
3
tal que [T
0
()[ = [[ e o ngulo
entre a projeo de no plano ortogonal a c e a projeo de T
0
() no plano
ortogonal a c o ngulo 0 medido no sentido anti-horrio a partir da projeo
de no plano ortogonal a c.
99
d.1) Rotao em torno do eixo z
Para obter a expresso da transformao que uma rotao em torno
do eixo . vamos considerar:
j = projeo de no plano rj
= projeo de T() no plano xy
100
T
0
(r, j, .) = (r
0
, j
0
, .
0
)
Observe que .
0
= .
Como [T()[ = [[ ento [j[ = [[ . Alm disso o vetor obtido pela
rotao do ngulo 0 do vetor j no plano rj, ou seja, = 1
0
(j). Como j visto
em rotao no plano ( item g) de Transformaes no plano) temos que
r
0
= rcos 0 j sin0
j
0
= rsin0 +j cos 0
Portanto
T
0
: R
3
R
3
T
0
(r, j, .) = (rcos 0 j sin0, rsin0 +j cos 0, .)
101
Matricialmente
_
_
r
j
.
_
_
=
_
_
cos 0 sin0 0
sin0 cos 0 0
0 0 1
_
_
_
_
r
j
.
_
_
[T
0
]
2
=
_
_
cos 0 sin0 0
sin0 cos 0 0
0 0 1
_
_
d.2) Rotao em torno do eixo y
T
0
(r, j, .) = (r
0
, j
0
, .
0
)
Como a rotao em torno do eixo y temos j
0
= j. No plano r. vemos que
o vetor obtido a partir do vetor j pela rotao do ngulo 0 no SENTIDO
HORRIO. Portanto podemos considerar o vetor j obtido a partir do vetor
por uma rotao no sentido anti-horrio, ou seja, 1
0
(j) = . Logo,
_
r
.
_
=
_
cos 0 sin0
sin0 cos 0
_ _
r
0
.
0
_
_
r
0
.
0
_
=
_
cos 0 sin0
sin0 cos 0
_
1
_
r
.
_
102
_
r
0
.
0
_
=
_
cos 0 sin0
sin0 cos 0
_ _
r
.
_
r
0
= rcos 0 +. sin0
.
0
= . cos 0 rsin0
T
0
(r, j, .) = (r
0
, j
0
, .
0
)
T
0
(r, j, .) = (rcos 0 +. sin0, j, rsin0 +. cos 0)
Matricialmente:
[T
0
]
Y
=
_
_
cos 0 0 sin0
0 1 0
sin0 0 cos 0
_
_
d.3) Rotao em torno do eixo x
A matriz da Rotao em torno do eixo r dada por
[T
0
]
=
_
_
1 0 0
0 cos 0 sin0
0 sin0 cos 0
_
_
Exemplo 168 Determinar o ngulo formado entre e T() quando o vetor
= (
p
3
2
p
2
,
p
2
4
,
p
2
2
) gira em torno do eixo . de um ngulo
t
2
rad
Soluo:
[T()] =
_
_
cos
t
2
sin
t
2
0
sin
t
2
cos
t
2
0
0 0 1
_
_
_
_
p
3
2
p
2
p
2
4 p
2
2
_
_
0
[T()] =
_
_
0.0 1.0 0.0
1.0 0.0 0.0
0.0 0.0 1.0
_
_
_
_
p
3
2
p
2
p
2
4 p
2
2
_
_
0
[T()] =
_
_

p
2
4 p
3
2
p
2
p
2
2
_
_
0
Como desejamos o ngulo entre e T(),vamos usar afrmula do cosseno do
ngulo entre dois vetores:
103
cos c =
T()
[[ [T()[
=
1
2
Portanto o ngulo entre e T() c = arccos
1
2
=
1
3
4.2 Propriedades dos operadores inversveis
Denio 169 Seja T : \ \ um operador linear. Se existir um operador
T
1
: \ \ tal que T T
1
= T
1
T = 1 ( neste caso 1 : \ \
a identidade em \ ) ento dizemos que o operador T inversvel e T
1
o
operador inverso de T.
Observao 170 Um operador inversvel se, e somente se, ele um isomor-
smo
Seja T : \ \ um operador linear:
I) Se T inversvel e T
1
sua inversa, ento T T
1
= T
1
T = 1
II) O operador T inversvel se, e somente se, 1cr(T) =
_
0
_
.
III) O operador T inversvel se, e somente se, det [T] ,= 0
IV) Se T inversvel, T transforma base em base, isto , se c =
1
, . . . ,
n
base de \ ento , = T(
1
), . . . , T(
n
) base de \.
Se T inversvel e , uma base de \ ento T
1
: \ \ linear
_
T
1
o
o
=
_
[T]
o
o
_
1
. Quando , a base cannica temos a forma mais simples
_
T
1
=
[T]
1
e portanto
_
T
1
[T]
1
=
_
T
1
T
= [1] . Com isso vemos que T

inversvel se e somente se det [T] ,= 0.
Exemplo 171 Considere o operador 1
0
: R
2
R
2
, dado por
1
0
(r, j) = (rcos 0 j sin0, rsin0 +j cos 0)
verique se T inversvel e em caso armativo encontre T
1
Soluo: Como dct [1
0
] = cos
2
0 +sin
2
0 = 1 ,= 0, temos que 1
0
inversvel.
Como
_
1
1
0
= [1
0
]
1
, basta calcular a inversa da matriz de1
0
[1
0
] =
_
cos 0 sin0
sin0 cos 0
_
104
[1
0
]
1
=
cos 0
cos
2
0+sin
2
0
sin 0
cos
2
0+sin
2
0
sin 0
cos
2
0+sin
2
0
cos 0
cos
2
0+sin
2
0
[1
0
]
1
=
_
cos 0 sin0
sin0 cos 0
_
Note que [1
0
]
1
= [1
0
]
T
, ou seja, [1
0
] uma matriz ortogonal, logo 1
1
0
:
R
2
R
2
_
r
j
_
_
cos 0 sin0
sin0 cos 0
_ _
r
j
_
=
_
rcos 0 +j sin0
j cos 0 rsin0
_
1
1
0
(r, j) = (rcos 0 +j sin0, j cos 0 rsin0)
Exemplo 172 Seja T o operador T : R
3
R
3
que a projeo ortogonal do
vetor = (r, j, .) na direo da reta dada pela interseo dos planos j = r+1
e . = j + 3.Verique se T inversvel e em caso armativo determine T
1
.
Soluo: Para determinar a projeo na direo da reta basta determi-
nar a projeo ortogonal sobre o vetor diretor da reta. Devemos inicialmente
determinar o vetor diretor da reta:
_
j = r + 1
. = j + 3
Para obter a equaes paramtricas fazemos r = t, logo
_
_
_
r = t
j = t + 1
. = t + 4
portando o vetor diretor da reta n = (1, 1, 1).
T() = jro,
u
=
_
n
n n
_
n
T(r, j, .) =
_
(r, j, .) (1, 1, 1)
(1, 1, 1) (1, 1, 1)
_
(1, 1, 1)
T(r, j, .) =
_
r +j +.
3
_
(1, 1, 1)
T(r, j, .) =
_
r +j +.
3
,
r +j +.
3
,
r +j +.
3
_
105
[T] =
_
_
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
_
_
det [T] = 0
Como det [T] = 0 temos que T no inversvel.
2
R
2
a transformao que uma rotao de
t
4
rad
e o : R
2
R
2
a transformao que uma reexo em torno da reta j = 2r.
Determine a transformao 1 = o T.
Soluo
1 = o T
[1] = [o] [T]
[T] =
_
cos
t
4
sin
t
4
sin
t
4
cos
t
4
_
[T] =
_
1
2
_
2
1
2
_
2
1
2
_
2
1
2
_
2
_
o() = 2j
o(r, j) = 2
_
(r, j) (1, 2)
(1, 2) (1, 2)
_
(1, 2) (r, j)
o(r, j) =
_
3r 4j
5
,
4r + 3j
5
_
[o] =
_
3
5

4
5
4
5
3
5
_
[1] = [o] [T]
[1] =
_
3
5

4
5
4
5
3
5
_ _
1
2
_
2
1
2
_
2
1
2
_
2
1
2
_
2
_
[1] =
_
7
10
_
2
1
10
_
2
1
10
_
2
7
10
_
2
_
1(r, j) =
_
7
_
2
10
r
_
2
10
j,
_
2
10
r +
7
_
2
10
j
_
106
4.2.1 Matrizes Semelhantes
Seja T : \ \ um operador linear. Sejam c e , bases de \ e [T]
o
o
, [T]
o
o
matrizes de T em relao as bases c e , respectivamente, ento:
[T]
o
o
= [1]
o
o
[T]
o
o
[1]
o
o
Lembrando que [1]
o
o
=
_
[1]
o
o
_
1
temos que
[T]
o
o
= [1]
o
o
[T]
o
o
_
[1]
o
o
_
1
Chamando [1]
o
o
= :
[T]
o
o
= [T]
o
o
1
Denio 174 Dadas as matrizes e 1, se existe uma matriz 1 inversvel tal
que
= 111
1
ento dizemos que as matrizes e 1 so semelhantes.
Observao 175 Se e 1 so semelhantes ento dct = dct1, mas no vale
a recproca.
4.3 Operadores autoadjuntos e ortogonais
Denio 176 Seja \ um espao vetorial com produto interno, c uma base
ortonormal e T : \ \ um operador linear. Ento:
a) T chamado um operador auto-adjunto se [T]
o
o
uma matriz simtrica
b) T chamado um operador ortogonal se [T]
o
o
uma matriz ortogonal
Observao 177 Consideraremos aqui apenas os operadores T : R
n
R
n
,
com o produto escalar usual (que um produto interno no espao R
n
).
Observao 178 Uma base , =
1
,
2
, ,
n
ortonormal se
I

=
_
1, i = ,
0, i ,= ,
107
Portanto podemos dizer que um operador T : R
n
R
n
um operador
auto-adjunto se [T] (a matriz de T em relao a base cannica) uma matriz
simtrica. T : R
n
R
n
um operador ortogonal se [T] (a matriz de T em
relao a base cannica) uma matriz ortogonal.
Exemplo 179 Consideremos a transformao : R
3
R
3
, a rotao de um
ngulo 0 em torno do eixo ..
T(r, j, .) = (rcos 0 j sin0, rsin0 +j cos 0, .)
A matriz da transformao T
[T] =
_
_
cos 0 sin0 0
sin0 cos 0 0
0 0 1
_
_
Como esta uma matriz ortogonal, T um operador ortogonal
2
R
2
onde T(r, .j) = (2r2j, 2r+5j). A matriz
de T
[T] =
_
2 2
2 5
_
Como a matriz de T simtrica, ento T um operador simtrico.
Teorema 181 Seja T : R
n
R
n
linear. Se T um operador auto-adjunto
ento
T() n = T(n), \, n R
n
n
R
n
linear. Ento so equivalentes as seguintes
armaes
a) T ortogonal
b) T preserva o produto escalar, isto , T() T(n) = n, \, n R
c) T preserva o mdulo, isto , [T()[ = [[
d) T transforma bases ortonornais em bases ortonormais. Isto , se
1,
2
, . . . ,
n
uma base ortonornal ento T(
1
), T(
2
), . . . , T(
n
) uma
base ortonornal
108
4.4 Dcima lista de exercicios
1) Seja T(r, j, .) = (2r +j, r +j +., j 3.)
a) Mostre que T um operador auto-adjunto mas no ortogonal
b) Se = (2, 1, 5) e n = (3, 0, 1), verique que T() n = T(n)
2) Seja uma matriz de ordem : xada. Seja T : '
n
'
n
denida por
T() = . Mostre que T no inversvel.
3) Se T : \ \ um operador linear e T
2
T 1 = 0 mostre que T
inversve
4) Sejam T : \ \ um operador linear e c e , bases distintas de \.
Mostre que det [T]
o
o
= det [T]
o
o
5) Mostre que a matriz =
_
1 2
3 2
_
semelhante matriz
_
4 0
0 1
_
.
6) Se e 1 so semelhantes mostre que 1 e 1 1 so semelhantes.
7) a) Encontre a transformao T do plano no plano que uma reexo
em torno da reta j = 6r.
b) Escreva-a em forma matricial.
8) No plano, uma rotao anti-horria de 45
0
seguida por uma dilatao
de
_
3. Ache a aplicao que representa esta transformao do plano.
9) Seja T : R
3
R
3
a projeo de vetor no plano r+j+. = 0. Encontre
T(r, j, .).
10) Seja 1 : R
3
R
3
onde 1 a reexo atravs do plano r + j + . = 0.
Encontre 1(r, j, .).
11) Seja : R
3
R
3
onde 1 a rotao de
t
2
em torno do eixo . seguida
de uma rotao de
t
3
do em torno do eixo j. Encontre (r, j, .).
12) Encontre a transformao linear T : R
3
R
3
tal que 1cr(T) =
_
(r, j, .) R
3
j = 2r .
_
13) Determine se a transformao T(r, j) = (
p
3
2
r
1
2
j,
1
2
r +
p
3
2
j) uma
transformao auto-adjunta ou ortogonal. Justique sua resposta.
14) Sejam c = (1, 0), (0, 1) e , = (1, 1), (1, 0) bases de R
2
, [T]
o
o
=
_
1 2
1 2
_
e [T]
o
o
=
_
1 1
4 0
_
.Encontre a matriz 1 tal que
[T]
o
o
= 1 [T]
o
o
1
1
.
3
R
3
tal que Im(T) =
_
(r, j, .) R
3
j = 2r .
_
.
16) O operador linear T(r, j, .) = (
1
2
_
2r
1
2
_
2., j,
1
2
_
2r
1
2
_
2.) a
rotao de um ngulo 0 em torno do eixo y. Determine o valor do ngulo 0.
SUGESTES
2) Sugesto: Mostre que T no injetora.
8) Lembre-se que a composio de transformaes pode ser obtida pela mul-
tiplicao de suas matrizes (em relao a base cannica)
10) Sugesto: Cosidere a projeo do vetor genrico (r, j, .) na direo do
vetor normal do plano dado. Use a denio de reexo e adio de vetores.
14) Utilize as matrizes mudana de base
109
4.5 Autovalores e Autovetores
Dado um operador linear T : \ \, estamos interessados em saber quais
vetores so levados em um mltiplo de si mesmo; isto , procuramos um vetor
\ e um escalar ` R tais que T() = `. Neste caso T() ser um vetor
de mesma direo que . Por vetor de mesma direo estaremos entendendo
vetores sobre a mesma reta suporte. Como =

0 satisfaz a equao para todo
`, estaremos interessados em determinar vetores ,=

0 satisfazendo a condio
acima.
Denio 183 Seja T : \ \ , um operador linear. Se existirem \,
,=

0 , e ` R tais que T() = `, ` um autovalor de T e um autovetor
de T associado a `.
Observe que ` pode ser o nmero 0, embora no possa ser o vetor nulo.
Exemplo 184 T : \ \ dado por T() = /, onde / uma constante
Neste caso todo vetor de \ um autovetor associado ao autovalor ` = /
Exemplo 185
T : R
2
R
2
(Reexo no eixo x)
T(r, j) = (r, j)
Neste caso observamos que os vetores que sero levados em mltiplos dele
mesmo sero os vetores que esto no eixo r, pois = (r, 0) = T() = T(r, 0) =
(r, 0) = . Os vetores que esto no eixo j tambm so levados em mltiplos
de si mesmo pois estes vetores tem a forma n = (0, j) = T(n) = T(0, j) =
(0, j) = 1(0, j). Podemos concluir ento que os vetores do tipo = (r, 0) so
autovetores associados ao autovalor `
1
= 1 e os vetores da forma n = (0, j) so
autovetores associados a `
2
= 1, da tranformao linear reexo no eixo r.
Exemplo 186
1
2
: R
2
R
2
(Rotao de um ngulo
t
2
)
1
2
(r, j) = (j, r)
Observe que na rotao de
t
2
nenhum vetor levado em um mltiplo de si
mesmo, a direo de todos vetores de R
2
so alterados pela rotao. Portanto
a rotao de um ngulo
t
2
no possui autovetores e autovalores.
110
Teorema 187 Dada uma transformao linear T : \ \ e um autovetor
associado a um autovalor `, qualquer vetor n = c (c ,= 0) tambm um
autovetor de T associado a `.
Observao 188 Note que se um vetor autovetor de uma transformao T
associado ao autovalor ` ento todos os mltiplos de tambm sero autovetores
associados a `. O Conjunto formado por todos os autovetores associados a um
mesmo autovalor um conjunto innito.
n
R
n
um operador auto-adjunto e `
1
, `
2
autoval-
ores distintos de T e
1
e
2
os autovetores associados a `
1
e `
2
, respectivamente.
Ento
1
perpendicular a
2
.
Denio 190 O subespao \
X
= \ T() = ` chamado o subespao
associado ao autovalor `.
Como vimos na nota acima o conjunto \
X
contm todos os autovetores de
T associados ao autovalor `, contm tambm o vetor nulo

0 de \ j que o
vetor

0 satifaz a relao T(
0 ) = `
0 . O conjunto \
X
pode ser escrito como \
X
= Todos os autovetores de T associados a ` '
_
0
_
.
4.5.1 Autovalores e autovetores de uma matriz
Agora vamos obter uma forma de calcular os autovalores e autovetores de uma
transformao usando sua matriz em relao as bases cannicas. Inicialmente
deniremos autovalores e autovetores de uma matriz .
Dada uma matriz quadrada, , de ordem :, estaremos entendendo por auto-
valor e autovetor de o autovalor e autovetor da transformao T
.
: R
n
R
n
,
associada a matriz em relao a base cannica de R
n
, isto T
.
() = (na
forma coluna). Assim, um autovalor ` R de , e um autovetor R
n
, so
solues da equao = `, ,=

0 .
111
4.5.2 Polinmio Caracterstico.
Seja a matriz
=
_
_
a
11
a
12
........ a
1n
a
21
a
22
........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
_
_
e =
_
_
r
1
r
2
.
.
.
r
3
_
_
Para encontrar os autovalores e autovetores de , devemos resolver a equao:
= `
= `1
`1 =

0
(`1) =

0
Escrevendo esta equao explicitamente,temos
_
_
a
11
` a
12
........ a
1n
a
21
a
22
` ........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
`
_
_
_
_
r
1
r
2
.
.
.
r
3
_
_
=
_
_
0
0
.
.
.
0
_
_
Fazendo
1 =
_
_
a
11
` a
12
........ a
1n
a
21
a
22
` ........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
`
_
_
temos o sistema
1 =

0
Este sistema um sistema homogneo e possui ao menos a soluo =

0 . Mas
como estamos procurando autovetores, queremos encontrar vetores ,=

0 que
satisfaam a equao 1 =

0 . Sendo assim queremos que o sistema 1 =

0
seja compatvel e indeterminado ( tenha alm da soluo trivial, outras solues
no triviais). Pela regra de Cramer se det 1 = 0 ento o sistema homogneo
ter innitas solues. Assim, a nica maneira de encontrarmos autovetores
(solues no nulas da equao 1 =

0 ) termos det 1 = 0, ou seja,
det(`1) = 0
Impondo esta condio determinamos primeiramente os autovalores ` que
satisfazem a equao e depois os autovetores a eles associados. Observamos que
112
j(`) = det(`1) =
a
11
` a
12
........ a
1n
a
21
a
22
` ........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
`
um polinmio em ` de grau :.
Denio 191 O polinmio j(`) = det( `1) chamado polinmio carac-
terstico da matriz
Observe que as razes do polinmio caracterstico so os autovalores da
matriz . Note tambm que o autovalor pode ser o nmero zero (quando o
polinmio caracterstico tem razes zero), embora o autovetor associado a / `
no possa ser o vetor nulo.
Exemplo 192 Vamos agora calcular os autovetores e autovalores da matriz
=
_
3 4
1 2
_
Soluo
j(`) = det( `1) = det
_
3 ` 4
1 2 `
_
= (2 `)(3 `) + 4 =
`
2
+` 2
j(`) = 0 = `
2
+` 2 = 0 = `
1
= 1 e `
2
= 2.
Necessitamos calcular os autovetores de e para isso basta resolvermos o
sistema:
= `
onde =
_
r
j
_
e ` cada um dos autovalores j encontrados.
Para `
1
= 1 temos
_
3 4
1 2
_ _
r
j
_
= 1
_
r
j
_
_
3 1 4
1 2 1
_ _
r
j
_
=
_
0
0
_
_
4 4
1 1
_ _
r
j
_
=
_
0
0
_
Temos um sistema homogneo cuja matriz ampliada
_
4 4
1 1
[
[
0
0
_
c:ca|o:a:do
=
_
4 4
0 0
[
[
0
0
_
113
4r + 4j = 0 = j = r
Portando os autovalores associados ao autovalor `
1
= 1 so da forma =
(r, r) = r(1, 1) e assim podemos concluir que o subespao associado ao autovalor
`
1
= 1 \
1
= [(1, 1)] .
Para `
1
= 2 temos
_
3 4
1 2
_ _
r
j
_
= 2
_
r
j
_
_
3 (2) 4
1 2 (2)
_ _
r
j
_
=
_
0
0
_
_
1 4
1 4
_ _
r
j
_
=
_
0
0
_
Temos um sistema homogneo cuja matriz ampliada
_
1 4
1 4
[
[
0
0
_
c:ca|o:a:do
=
_
1 4
0 0
[
[
0
0
_
r + 4j = 0 = j =
r
4
Portando os autovalores associados ao autovalor `
1
= 2 so da forma =
(r,
r
4
) = r(1,
1
4
) e assim podemos concluir que o subespao associado ao auto-
valor `
2
= 2 \
2
=
_
(1,
1
4
)
.
Exemplo 193 Encontre os autovalores e autovetores da transformao linear
que a cada vetor R
3
associa a sua projeo ortogonal no plano r+j. = 0.
Soluo: Devemos encontrar a transformao linear T : R
3
R
3
tal que
T() = projeo de no plano r +j . = 0.
114
Da gura acima vemos que para obtermos a projeo sobre o plano devemos
inicialmente fazer a projeo do vetor na direo do vetor normal : para obter
o vetor j = jro,
n
.Com isso temos,
T() +j =
T() = j
T() = jro,
n
Um vetor normal do plano r+j. = 0 : = (1, 1, 1), logo, como = (r, j, .)

temos
j = jro,
n
j =
_
:
: :
_
:
j =
_
(r, j, .) (1, 1, 1)
(1, 1, 1) (1, 1, 1)
_
(1, 1, 1)
j =
_
r +j .
3
_
(1, 1, 1)
j =
_
r +j .
3
,
r +j .
3
,
r +j .
3
_
T() = j
T(r, j, .) = (r, j, .)
_
r +j .
3
,
r +j .
3
,
r +j .
3
_
T(r, j, .) =
_
2r j +.
3
,
r + 2j +.
3
,
r +j + 2.
3
_
Para calcular os autovalores de T devemos encontrar a matriz de T. Neste
caso,
[T] =
_
_
2
3
1
3
1
3
1
3
2
3
1
3
1
3
1
3
2
3
_
_
j(`) = det([T] `1) = 0
det
2
3
`
1
3
1
3
1
3
2
3
`
1
3
1
3
1
3
2
3
`
= 0
115
j(`) = `
3
+ 2`
2
` = 0
As raizes de j(`) so `
1
= `
2
= 0 e `
3
= 1.
Para `
1
= 0 vamos calcular os autovalores associados resolvendo o sistema.
_
_
2
3
1
3
1
3
1
3
2
3
1
3
1
3
1
3
2
3
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
cuja matriz ampliada ,
_
_
2
3
1
3
1
3
[ 0
1
3
2
3
1
3
[ 0
1
3
1
3
2
3
[ 0
_
_
c:ca|o:a:do
==
_
_
2
3

1
3
1
3
[ 0
0
1
2
1
2
[ 0
0 0 0 [ 0
_
_
_
2
3
r
1
3
j +
1
3
. = 0
1
2
j +
1
2
. = 0
_
2r j +. = 0
j +. = 0
j = .
r = .
Portanto os autovalores associados ao autovalor `
1
= 0 so da forma =
(., ., .)
Observao 194 Note que acima damos a forma geral dos autovetores, no
caso acima temos = r(1, 1, 1) assim um autovetor = (1, 1, 1) como
todo autovetor um mltiplo de = (1, 1, 1) temos que \
0
= [(1, 1, )],
isto , o subespao associado ao autovalor `
1
= 0 gerado pelo vetor =
(1, 1, 1). Note que geometricamente o subespao \
0
= [(1, 1, 1)] formado
pelos vetores que so mltiplos do vetor normal ao plano, ou seja, por todos os
vetores ortogonais ao plano.
Para `
1
= 1 temos vamos calular os autovalores associados resolvendo o
sistema.
_
_
2
3
1
1
3
1
3
1
3
2
3
1
1
3
1
3
1
3
2
3
1
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
_
_

1
3

1
3
1
3
1
3

1
3
1
3
1
3
1
3

1
3
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
116
_
_

1
3

1
3
1
3
1
3

1
3
1
3
1
3
1
3

1
3
_
_
_
_

1
3

1
3
1
3
1
3

1
3
1
3
1
3
1
3

1
3
_
_
c:ca|o:a:do
==
_
_

1
3

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

1
3
r
1
3
j +
1
3
. = 0
j = 0
_
0 r j +. = 0
j = 0
j = 0
. = r
Portanto os autovalores associados ao autovalor `
3
= 1 so da forma =
(r, 0, r) = r(1, 0, 1). Logo \
1
= [(1, 0, 1)] . Note que geometricamente os autove-
tores da forma = r(1, 0, 1) so aqueles vetores que esto sobre o plano ( pois
para = (1, 0, 1) temos : = (1, 0, 1) (1, 1, 1) = 0).
117
4.6 Dcima primeira lista de exerccios
1) Construa uma matriz 2r2 no diagonal com autovalores 1 e 1 .
2) Se / um nmero inteiro, ` um autovalor da matriz e um autovetor
de associado ao autovetor `. Mostre que `
|
um autovalor da matriz
|
associado ao autovetor .
3) Encontre os autovalores de
9
se
=
_
_
1 3 7 11
0
1
2
3 8
0 0 0 4
0 0 0 2
_
_
4) Encontre os autovalores e autovetores das transformaes lineares dadas:
a) T : R
2
R
2
tal que T(r, j) = (2j, r)
b) T : R
2
R
2
tal que T(r, j) = (r +j, 2r +j)
c) T : R
3
R
3
tal que T(r, j, .) = (r +j, r j + 2., 2r +j .)
d) T : 1
2
1
2
tal que T(ar
2
+/r +c) = ar
2
+cr +/)
e) T : '(2, 2) '(2, 2) tal que
T
2
R
2
, tal que T tenha autoval-
ores 2 e 3 associados aos autovetores (3j, j) e (2j, j) respectivamente.
6) Encontre os autovalores e autovetores correspondentes das matrizes
a) =
_
_
1 2 3
0 1 2
0 0 1
_
_
b) =
_
_
1 0 2
1 0 1
1 1 2
_
_
c) =
_
_
2 0 1 0
0 2 0 1
12 0 3 0
0 1 0 0
_
_
.
7) Seja T : \ \ linear
a) Se ` = 0 autovalor de T, mostre que T no injetora.
b) A recproca verdadeira? Ou seja, se T no injetora, ` = 0 autovalor
de T?
8) Quais so os autovalores e autovetores do operador derivao 1 : 1
2

1
2
, 1(j) = j
0
.
9) Determine os autovalores e autovetores, se existirem, do operador linear
T : R
3
R
3
obtido quando se faz uma rotao de rad em torno do eixo r,
seguida de uma contrao de
1
2
.
10) Seja T : \ \ o operador linear que tem autovalores `
1
=
1, `
2
= 2, , `
n
= : associados aos autovetores
1
,
2
, ,
n
respectiva-
mente. Sabendo que , =
1
,
2
, ,
n
e que []
o
=
_
_
1
2
.
.
.
:
_
_
, determinar
[T()]
o
.
11) Seja uma matriz quadrada e
T
sua transposta. as matrizes e
T
possuem os mesmos autovalores e autovetores? Justique sua resposta.
12) Encontre os autovalores e autovetores da transformao linear que a
cada vetor R
3
associa a sua projeo ortogonal no plano r +j = 0.
118
13) Seja o operador T : 1
3
1
3
denido por T(j) = r
3
j(
1
r
) :
a) Mostre T inversvel.
b) Calcule a inversa T
1
do operador T
ALGUMAS RESPOSTAS
13) Considere j = a
0
+a
1
r+a
2
r
2
+a
3
r
3
, calcule T(j) e determine o ncleo
de T.
11) Para calcular os autovalores de , basta determinar as razes do polinmio
j(`) = det( `1).Para calcular os autovalores de
T
, basta determinar
as razes do polinmio j(`) = det(
T
`1). Portanto basta vericar que
det(
T
`1) = det(`1).
119
Captulo 5
APLICAES
5.1 Aplicaes da lgebra Linear na Engenharia
Cartogrca
Esse trabalho tem como um de seus objetivos, dar uma noo da utilidade
prtica dos assuntos vistos no ciclo bsico, alm de permiti-los conhecer um
pouco o trabalho em uma das engenharias estudadas no Instituto, visando assim
a multidisciplinalidade no curso de Engenharia. Trata-se do estudo da aplicao
de uma disciplina do curso bsico, a lgebra Linear, no ciclo prossional; no
caso, na Engenharia Cartogrca, onde ajustes e organizao de dados, obtidos
seha por satlites (GPS), seja por fotograas ou por qualquer outro meio, se
fazem constantes no trabalho de um engenheiro cartgrafo.
O engenheiro cartgrafo dispe de um mtodo, o mtodo dos mnimos quadra-
dos, para obter informaes relativas a parmetros de correo e ajuste de dados
obtidos em observaes e pesquisas. Para este mtodo os dados obtidos so or-
ganizados matricialmente, de forma que possam ser relacionados com valores
pr-estabelecidos, tais como temperatura, latitude, longitude, altitude, entre
outros. Obtem-se, desta forma, um sistema de n equaes lineares, onde esse n
pode assumir valores realmente grandes, resultando um sistema com milhares
de equaes. Sendo a resoluo de sistemas de equaes lineares um dos campos
de estudo da lgebra Linear.
Na Geodsia, por exemplo, as coordenadas de um ponto podem ser obtidas
na resoluo de um sistema obtido pela sujeio de dados obtidos de observaes
angulares ( tais como azimutes, ngulos e/ou direes ) a um determinado mod-
elo geomtrico.
As coordenadas tambm podem ser obtidas a partir da observao da difer-
ena de fase da portadora L1 e/ou L2, freqncias de operaes do satlite de
GPS.
A lgebra Linear tambm tem aplicaes na Fotogrametria, para a trans-
formao de coordenadas ( espao imagem para espao objeto, que seriam as
120
coordenadas de terreno, obtidas atravs de um sistema deduzido atravs de ob-
servaes nas fotograas e no terreno). Na digitalizao de documentos, por
exemplo, um mapa em papel, aps ser processado, d origem a um mapa digital
armazenado na forma vetorial ( lista de coordenadas ).
Tambm na rea de Sensoreamento Remoto, seja para o processamento dig-
ital de imagens, ou na modicao ou no controle de imagens ( brilho constante
e georeferenciamento ) ou ainda no armazenamento da imagem na forma ma-
tricial; utilzam-se tpicos abordados pela lgebra Linear, como sistemas de
equaes lineares e operaes com matrizes.
5.2 Aplicaes de espaos vetoriais na computao
grca
Autor: Luiz Antnio Pereira
Trabalho publicado na revista MICRO SISTEMAS de Novembro de 1982
Introduo: Uma das aplicaes interessantes em computadores e com
vasta possibilidade de emprego nas reas de engenharia civil, arquitetura, de-
senho industrial, mecnica, etc a representao grca, no plano, de elementos
tridimensionais.
Dentre todos os tipos de perspectivas a que apresenta resultados grco mais
interessantess a perspectiva cnica, posto que que a que simula com maior
perfeio a viso real do objeto. apresentaremos, a seguir, o desenvolvimento
da teoria matemtica e veremos que a ferramenta pricipal a teoria das tran-
formaes lineares.
Caracterizando o Objeto: Inicialmente deve-se informar ao computa-
dor as caractersticas geomtricas do objeto. isto possvel referenciado-se o
elemento a um sistema cartesiano de coordenadas, determinando-se dai as co-
ordenadas r, j e . dos pontos que o formam. Deve-se estabelecer tambm as
ligaes entre esses pontos com o uso de segmentos de retas. Com isso, obtm-se
um poliedro cujos vrtices so os pontos e cujas arestas so os segmentos de re-
tas. O efeito de curvatura pode ser obtido aumentando-se o nmero de vrtices
e arestas (renamento). Dessa forma todos os vrtices 1
I
, tero coordenadas
r
I
, j
I
e .
I
, e as arestas a
|
ligaro dois vrtices genricos 1
|
e 1
.
De um modo geral, desenhar uma perspectiva consiste em ligar, atravs
de segmentos de retas pontos do plano cujas coordenadas r e j so "transfor-
maes"das coordenadas r, j e . dos pontos do espao. Mais explicitamente fa-
lando para cada ponto 1
I
(r
I
, j
I
, .
I
) no espao determina-se um ponto 1
I
(r
I
, j
I
)
no plano tal que suas coordenadas r
I
e j
I
so funes de r
I
, j
I
e .
I
e de um
conjunto de parmetros, que chamaremos de de parmetros de localizao do
observador e do plano projetante e que indicaremos por l. Matematicamente
(r
I
, j
I
) = )(r
I
, j
I
, .
I
, l)
121
Figura 5.1: Figura 1
Como se sabe, a perspectiva cnica utiliza - alm das noes de objeto,
plano projetante e linha de visada - um ponto origem ou observador, de ondem
partem as linhas de visada e que se localiza uma distncia nita do objeto e do
plano projetante. A projeo 1 do ponto 1 no plano c a interseo da reta
denida pelo observador \ e pelo ponto 1 (visada) com o plano projetante c.
A projeo de uma reta obtida unindo-se as projees de dois de seus pontos
(Fig 1) e, de uma maneira geral, a projeo de um objeto determinada pelas
projees de todos os seus pontos.
No noso caso, o plano projetante a tela do computador. Para chegarmos
s expresses que fornecem r e j de cada ponto vamos estabelecer as seguintes
convenes:
1. O observador \ tem coordenadas (r
u
, j
u
, .
u
)
2. Os : vrtices do objeto e suas projees so representadas por 1
1
a 1
n
e
1
1
a 1
n
, respectivamente.
3. A tela representa a rea formada por um retngulo de lados 1
1
e 1
2
unidades de comprimento. O plano desse retngulo perpendicular
linha que une o observador origem do sistema r, j, . de coordenadas.
4. A distncia 1 do plano projetante origem do sistema de eixos consider-
ada positiva se o plano se encontra do mesmo lado do observador em rela
origem, e negativa se a origem estiver entre o plano e o o observador.
5. O lado 1
1
( maior lado) do retngulo paralelo ao plano . = 0.
6. O sistema rj. de coordenadas, bem comom os outros parmetros se ap-
resentam como mostra a Fig 2.
122
Figura 5.2: Figura 2
Fazendo =
_
r
2
u
+j
2
u
+.
2
u
, e se ,= 0 podemos obter a equao do plano
projetante (segundo as convenes adotadas) da seguinte forma: Da frmula da
distncia de ponto a plano temos
d(, 1
0
) =
[ar
0
+/j
0
+c.
0
+d[
_
a
2
+/
2
c
2
onde 1(r
0
, j
0
, .
0
) o ponto e

: = (a, /, c) o vetor normal ao plano.
No nosso caso temos que 1
0
(0, 0, 0) e

: = (r
u
, j
u
, .
u
). Chamando 1 =
d(1
0
, c) (c o plano projetante) temos que 1 pode ser positivo ou negativo
e por isso dispensamos o mdulo na fmula da distncia, logo, tomando 1
escrevemos,
1 =
r
u
0 +j
u
0 +.
u
0 +d
_
r
2
u
+j
2
u
+.
2
u
d = 1
_
r
2
u
+j
2
u
+.
2
u
= 1
Portanto a equao do plano projetante c :
r
u
r +j
u
j +.
u
. 1 = 0 (5.1)
Para cada ponto 1
I
(r
I
, j
I
, .
I
) a equao paramtrica da reta que o liga ao
ponto \ (r
u
, j
u
, .
u
)
123
r = t(r
I
r
u
) +r
u
j = t(j
I
j
u
) +j
u
(5.2)
. = t(.
I
.
u
) +.
u
Para determinarmos a interseo entre a reta e o plano projetante colocamos os
valores de (5.2) na equao (5.1) do plano, ou seja:
r
u
[t(r
I
r
u
) +r
u
] +j
u
[t(j
I
j
u
) +j
u
] +.
u
[t(.
I
.
u
) +.
u
] 1 = 0 (5.3)
tr
u
(r
I
r
u
) +r
u
r
u
+tj
u
(j
I
j
u
) +j
u
j
u
+t.
u
(.
I
.
u
) +.
u
.
u
1 = 0
t [r
u
(r
I
r
u
) +j
u
(j
I
j
u
) +.
u
(.
I
.
u
)] +
2
1 = 0
t [r
u
(r
I
r
u
) +j
u
(j
I
j
u
) +.
u
(.
I
.
u
)] = 1
2
e dai tiramos o valor do parmetro t :
t =
1
2
r
u
(r
I
r
u
) +j
u
(j
I
j
u
) +.
u
(.
I
.
u
)
(5.4)
Com t, r
I
, j
I
, .
I
, r
u
, j
u
e .
u
conhecidos, e usando novamente as equaes
(5.2) determinamos as coordenadas r, j e . da projeo do ponto 1 no plano
projetante. Nessa fase estamos exatamente como a Fig 3.
124
Figura 3
De (5.4) e (5.2) com r
I
= j
I
= .
I
= 0, vem
r
0
=
r
u
1
j
0
=
j
u
1
(5.5)
.
0
=
.
u
1
que so as coordenadas da origem do sistema rj. (g 5.2). Esse sistema nos

particularmente interessante pois o plano rj o prprio plano projetante.
O que nos resta a fazer , portanto, uma transformao de coordenandas, ou
seja, determinar as coordenandas dos pontos projees em relao ao novo sis-
tema rj.. Para isso, devemos determinar as componentes dos vetores unitrios
i ,
, e

/ no sistema rj..
A interseo do plano projetante com o plano rj uma reta cuja equao
encontrada fazendo-se . = 0 em (5.1). Isso nos leva a:
j =
1r
u
r
j
u
(5.6)
125
cujo grco est na Fig 4. O vetor diretor dessa reta tem componentes dadas
por:
n = (0,
1
j
u
,
, 0) (
1
r
u
, 0, 0) = (
1
r
u
,
1
j
u
,
, 0) (5.7)
o vetor

i um vetor unitrio e portanto
i =
1
[
n[
i =
1
_
_
1.
rv
_
2
+
_
1.
v,
_
2
(
1
r
u
,
1
j
u
,
, 0)
i =
1
_
1
r
2
v
+
1
2
v
(
1
r
u
,
1
j
u
,
, 0)
i =
1
_
r
2
u
+j
2
u
(j
u
, r
u
, 0) (5.8)
O vetor unitrio

/ tem sua determinao imediata pois o versor do vetor

00
(ver Fig 2 e equao 5.5)
/ =
00
00
=
1
_
rv1
.
,
v1
.
,
:v1
.
_
_
r
u
1
,
j
u
1
,
.
u
1
/ =
1
_
r
2
u
+j
2
u
+.
2
u
(r
u
, j
u
, .
u
)
/ =
1
(r
u
, j
u
, .
u
) (5.9)
Observe que o vetor

/ exatamente o versor do vetor

\ = (r
u
, j
u
, .
u
) .
Como nosso sistema ortogonal, o vetor unitrio

, dado por

, =

/
i ,
ou seja
, = det
_
_
rv
.
v
.
:v
.
v
_
r
2
v
+
2
v
rv
_
r
2
v
+
2
v
0
i

,

/
_
_ (5.10)
, =
1
_
r
2
u
+j
2
u
_
.
u
r
u
, .
u
j
u
, r
2
u
+j
2
u
_
(5.11)
O sistema denido por es vetores unitrios no propriamente o nosso sitema
rj. e sim ele a menos de uma translao (Fig 5). Essa translao dever apenas
126
anular o vlaor da componente em o que no importa para ns j que estamos
interessados nas componentes r e j apenas.
O que temos que fazer agora determinar a matriz mudana de base da base
c =
_
i ,
, ,
/
_
para a base , =
_
i ,
, ,
/
_
, ou seja, [1]
o
o
Esta matriz nos
permitira
c =
_
i ,
, ,
/
_
= (1, 0, 0), (0, 1, 0), (0, 0, 1)
, =
_
i ,
, ,
/
_
, =
_
1
_
r
2
u
+j
2
u
(j
u
, r
u
, 0) ,
1
_
r
2
u
+j
2
u
_
.
u
r
u
, .
u
j
u
, r
2
u
+j
2
u
_
,
1
(r
u
, j
u
, .
u
)
_
Portanto
[1]
o
o
=
_
_
v
_
r
2
v
+
2
v
rv
_
r
2
v
+
2
v
0
:vrv
_
r
2
v
+
2
v
:vv
_
r
2
v
+
2
v
r
2
v
+
2
v
_
r
2
v
+
2
v
rv
.
rv
.
:v
.
_
_
e as coordenadas do novo sistema so
[]
o
= [1]
o
o
[]
o
_
_
r
j
.
_
_
=
_
_
v
_
r
2
v
+
2
v
rv
_
r
2
v
+
2
v
0
:vrv
_
r
2
v
+
2
v
:vv
_
r
2
v
+
2
v
r
2
v
+
2
v
_
r
2
v
+
2
v
rv
.
rv
.
:v
.
_
_
_
_
r
j
.
_
_
Observao 195 Algumas mudanas de notaes foram efetuadas em relao
ao trabalho original. Tambm foram inseridos alguns conceitos matemticos
que o artigo original no fornece mas que para nossa disciplina mostra bem
a utilizao dos conceitos vistos e sua aplicao prtica. No trabalho original
tambm fornecido um programa para a HP-45 onde aplicada toda a teoria
vista acima, mas no dicil fazer um cdigo de modo a gerar guras em 3d
utilizando a teoria vista acima
127
5.3 Aplicaes de autovalores e autovetores na
engenharia civil
5.3.1 O Problema de autovalor na avaliao de modelos
estruturais de edicaes
Trabalho apresenta no COBENGE 2003 por
Jos Guilherme Santos da Silva - jgss@uerj.br
Pedro Colmar G. da S. Vellasco - vellasco@uerj.br
Rita de Kassia D. Lopes - rita.lopes021@ig.com.br
Universidade do Estado do Rio de Janeiro, UERJ, Faculdade de Engenharia,
FEN
Rua So Francisco Xavier, N0 524, Maracan
CEP: 20550-900, Rio de Janeiro, RJ
Resumo: O presente trabalho apresenta uma contribuio inicial acerca de
dois aspectos: o primeiro diz respeito ao ensino de engenharia, com a aplicao
de conceitos referentes ao problema clssico de autovalores e autovetores na
avaliao de sistemas estruturais. O segundo ponto relevante a ser discutido, diz
respeito ao estudo da inuncia das ligaes entre as vigas e colunas, referentes
a estruturas de ao. Na prtica corrente de projeto, grande parte dessas ligaes
representada por modelos exveis ou rgidos. Todavia, na maioria dos casos
reais, essas ligaes assumem um comportamento intermedirio, ou seja: semi-
rgido. Assim sendo, este trabalho tem por objetivo empregar conceitos bsicos
de lgebra linear, a partir do problema clssico de autovalores e autovetores,
de forma a se analisar modelos estruturais de prticos de ao correspondentes a
uma edicao residencial existente. So investigadas as diferenas, qualitativas
e quantitativas, existentes entre as freqncias naturais e os modos de vibrao
dentre os diversos modelos estruturais (exvel, semi-rgido e rgido). Resulta-
dos j obtidos indicam que a variao na rigidez inicial das ligaes provoca
mudanas sensveis no comportamento dinmico da estrutura.
Palavras-chave: Ensino de engenharia, Estruturas de ao, Mtodo dos Ele-
mentos Finitos,
Autovalores, Autovetores.
1. INTRODUO
Sabe-se que o dcit habitacional brasileiro cresce a cada ano, concentrando-
se o problema, principalmente, nas famlias de baixo poder aquisitivo, de forma
que existe uma demanda crescente por estudos sobre as habitaes populares.
Neste sentido, o ao, como material estrutural adequado para a construo in-
dustrializada e pode proporcionar construo civil, perspectivas mais otimistas
para a habitao popular no pas.
Uma das etapas relevantes no projeto de estruturas de ao est relacionada
a uma avaliao coerente acerca dos modelos estruturais que representam o
128
comportamento real das ligaes existentes entre as vigas e as colunas de ao.
Na prtica corrente de projeto, a grande maioria dessas ligaes representada
por modelos exveis ou rgidos. Todavia, na maior parte dos casos, essas lig-
aes assumem um comportamento intermedirio, ou semi-rgido, o qual pode
ser perfeitamente caracterizado com base em determinadas grandezas associ-
adas ao projeto de uma ligao, tais como: resistncia exo e capacidade de
rotao. No que tange ao estudo do comportamento dinmico de estruturas,
assunto que ser abordado com mais detalhe no presente trabalho, mais especi-
camente no que diz respeito aplicao do problema clssico de autovalores
para determinao e avaliao das freqncias naturais (autovalores) e modos de
vibrao (autovetores) de edicaes residenciais, observase, com clareza, uma
absoluta falta de conhecimento por parte dos alunos de graduao acerca da
importncia do tema e, infelizmente, uma completa indiferena em relao ao
assunto.
Assim sendo, de forma a contribuir no que tange ao ensino de engenharia,
como tambm desmisticar o emprego corrente dos conceitos tericos, princi-
palmente aqueles relacionados ao problema de autovalores, faz-se uma exposio
resumida do referido problema, como tratado no ciclo bsico da engenharia, e de
como o mesmo poderia ser mencionado, de forma a que os alunos de graduao
pudessem ter uma idia bsica da aplicao prtica desses conceitos.
Em seguida, selecionado o projeto de uma edicao residencial de qua-
tro pavimentos, composto por vigas e colunas de ao e lajes lisas de concreto
armado, em todos os nveis da edicao. Tem-se como objetivo proceder a
uma anlise extensa das freqncias naturais (autovalores) e modos de vibrao
(autovetores) dos modelos referentes aos prticos de ao da referida edicao.
Um outro ponto relevante do trabalho diz respeito ao estudo da inuncia das
ligaes entre as vigas e colunas dos prticos de ao.
Neste sentido, o presente trabalho tem por objetivo apresentar uma apli-
cao prtica do problema clssico de autovalores e autovetores, no caso em
questo com respeito ao projeto de edicaes residenciais, alm de reforar a
importncia dos conceitos bsicos da disciplina de lgebra Linear para a soluo
deste tipo de problema.
2. O CICLO BSICO NA ENGENHARIA E O PROBLEMA DE
AUTOVALOR
O problema clssico de autovalores e autovetores, principalmente no que
tange a utilizao de operaes matriciais, est diretamente relacionado com
o ensino da disciplina lgebra Linear, oferecida correntemente aos alunos de
graduao no ciclo bsico da Faculdade de Engenharia da UERJ, FEN/UERJ.
O ensino da disciplina lgebra Linear no oferece nenhuma interao com
o ciclo prossional da engenharia e nenhum tipo de recomendao no que diz
respeito a sua extrema relevncia na aplicao prtica desses conceitos sobre os
problemas reais de engenharia. Tal fato no s desestimula o aluno de graduao
em engenharia, como tambm ocasiona um aprendizado de baixa qualidade,
129
propagando decincias tcnicas que sero sentidas, sem sombra de dvida, no
decorrer do curso.
Ainda hoje, a didtica de ensino adotada nas disciplinas do ciclo bsico sobre
o problema clssico de autovalores e autovetores baseada em mtodos estri-
tamente conceituais e matemticos. Tal metodologia apresentada a seguir,
respaldada por uma breve reviso sobre as denies de autovalor e autove-
tor, como visto tradicionalmente na disciplina de lgebra Linear, LIPSCHUTZ
(1977), NETTO e ADO (1995).
Seno vejamos: Seja T uma transformao linear em um espao vetorial real
\ aplicada a um corpo |. Denomina-se autovalor o escalar real pertencente
a | (` |) se, para esta transformao linear T, existe um vetor no-nulo
pertencente a \ (i \ ) para o qual:
T() = `i (5.12)
Todo vetor no-nulo i que satisfaa a equao 5.12 chamado autovetor
de T correspondente ao autovalor . Portanto, sendo uma matriz quadrada
de ordem :r:sobre um corpo |, existe um autovalor ` se, para uma matriz
coluna
n1
, denominada autovetor, i = `i verdadeiro.
Obs: Nos cursos de engenharia geralmente utilizamos como corpo | o corpo
dos nmeros reais, ou seja, no nosso caso | = RPara a obteno dos autovalores,
reescreve-se a equao 5.12 de modo que (`1 )i = 0, que admitir ,= 0
como soluo se, e somente se, dct(`1) = 0. A expresso dct(`1) = 0
denominada equao caracterstica, onde 1 a matriz identidade.
A contribuio mais relevante deste trabalho de pesquisa caracterizar que
o ensino do problema de autovalor como feito no ciclo bsico da engenharia,
de acordo com o exposto acima, absolutamente contrrio ao que se deveria
informar a um futuro engenheiro. No h relao alguma entre os termos espec-
cos (tais como, espao vetorial, corpo, etc.), utilizados no ensino da disciplina
de lgebra Linear e as grandezas empregadas correntemente na engenharia.
Ressalta-se que esses elementos tm o mesmo signicado das grandezas conheci-
das usualmente pelo engenheiro. Alm disso, em nenhum momento existe um
indicativo de onde e como o aluno de graduao, deve utilizar esses conceitos,
extremamente relevantes para a vida prtica de um prossional da rea, SILVA
(2001).
Uma sugesto para uma abordagem mais apropriada ao ensino do problema
de autovalor para os alunos de graduao em engenharia seria, inicialmente,
associar o termo autovalor s freqncias naturais e o termo autovetor aos modos
de vibrao de um elemento ou sistema estrutural qualquer, dando nfase ao
signicado fsico dessas grandezas, ROEHL (1981).
Seno vejamos: para um sistema estrutural qualquer sob vibrao livre no
amortecida, com vrios graus de liberdade, pode ser escrita uma equao ma-
tricial de movimento tal que,
'

\ +1\ = 0 (5.13)
130
onde, ' a matriz de massa, 1 a matriz de rigidez,

\ o vetor das aceleraes
e \ o vetor dos deslocamentos.
As equaes que tornam possvel a resoluo do problema de autovalor, cujo
sistema vibra livremente e sem amortecimento, so as seguintes:
_
'
1
1 c
2
0I
1
_
c
I
= 0 (5.14)
onde c
I
o i-simo modo de vibrao, com i variando de 1 a :. A equao
5.14 verdadeira, para qualquer c
I
, se
det
_
'
1
1 c
2
0I
1
_
= 0 (5.15)
onde 1 representa a matriz identidade.
A equao 5.15 comumente designada como equao caracterstica e suas
razes so os valores caractersticos, ou autovalores, e correspondem ao quadrado
das freqncias naturais de um sistema estrutural, c
2
0I
. A cada uma dessas razes
corresponde um vetor caracterstico, c
I
, ou autovetor, que representa o modo
de vibrao do referido sistema.
Deve-se ressaltar, novamente, que o problema clssico de autovalores ab-
solutamente essencial para a compreenso e anlise de estruturas simples, tais
como trelias, vigas, prticos, placas, etc, como tambm de sistemas estruturais
mais complexos, dentre os quais podem ser citados os seguintes: edicaes res-
idenciais, pontes rodovirias e ferrovirias, torres de ao de telecomunicaes e
de transmisso de energia, estdios de futebol, passarelas de pedestres, edifcios
altos, plataformas o-shore, etc.
Observao 196 Algumas correes e adaptaes a nossa apostila foram necessrias
porm no foi alterado o contedo. Transcrevemos aqui apenas parte do tgra-
balho para ressaltar a aplicao de autovalore e autovetores. Crditos so dados
ao autor e o trabalho original pode ser obtido atravs dos anais do COBENGE
2003 ou me enviando um email solicitando o artigo original que terei a maior
satisfao de envi-lo.
131

A Post I La Algebra Linear

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

A Post I La Algebra Linear

Diunggah oleh

Hak Cipta:

Format Tersedia

APOSTILA DE LGEBRA

(O determinante de uma matriz triangular

det = (1)(1)(6) + 2(1)(12) + (3)(1)(10) + (4)(1)(78)

Exemplo 51 \ = '(:, :), \

T uma aplicao linear (mostre isso, use as propriedades do produto escalar)

= [1] . Com isso vemos que T

Um vetor normal do plano r+j. = 0 : = (1, 1, 1), logo, como = (r, j, .)

que so as coordenadas da origem do sistema rj. (g 5.2). Esse sistema nos

Anda mungkin juga menyukai