Anda di halaman 1dari 108

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 1

CURSOS DE ENGENHARIA INDUSTRIAL


ELTRICA E MECNICA




LGEBRA LINEAR NOTAS DE AULA

ERON E ISABEL








SALVADOR BA
2009.2
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 2
APRESENTAO

Este material didtico resume notas de aulas produzidas para a disciplina lgebra
Linear para os alunos dos cursos de Engenharia Industrial. A inteno que tenhamos um
material para acompanhar as aulas, e assim, adquirir maior flexibilidade e dinmica nas
mesmas.

Consta dos seguintes tpicos que formam a ementa da disciplina lgebra Linear
Matrizes
Determinantes
Sistemas de equaes lineares
Espaos vetoriais
Transformaes lineares
Autovalores e autovetores

Desde j, assumimos total responsabilidade por todos os erros que possam conter estas
notas, ainda incompletas, e agradecemos a quem indicar as correes, crticas e sugerir
melhorias. No final das notas h uma lista com a bibliografia utilizada para confeccionar este
material, voc deve procurar obter pelo menos uma delas que verse sobre o contedo
pretendido. Observamos tambm que este material no substitui a consulta, leitura e estudo
de textos e livros citados na bibliografia, deve servir como um material de auxlio,
principalmente no momento em que se realizam a aulas.

Salvador, julho de 2009.

Professores: Eron e Isabel.







LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 3
LGEBRA LINEAR NOTAS DE AULA

Contedos

MATRIZES
Tipos de matrizes
Operaes com matrizes
Matriz escalonada e operaes elementares
Matriz inversa

DETERMINANTES
Propriedades
Regra de Sarrus
Desenvolvimento de Laplace

SISTEMAS DE EQUAES LINEARES
Conceitos preliminares, classificao, solues
Operaes elementares sobre linhas de uma matriz e sistemas equivalentes
Escalonamento de sistemas lineares e mtodo de Gauss-Jordan
Sistema linear homogneo
Resoluo pelo mtodo da matriz inversa
Regra de Cramer
Algumas Aplicaes






LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 4
LGEBRA LINEAR UM POUCO DE HISTRIA

A anlise vetorial e o desenvolvimento dos nmeros complexos
A princpio preciso ressaltar que at pelo menos o final do sculo XIX, no havia
teoria ou conjunto de regras bem definidas a que se pudesse dar o nome de lgebra linear.
Havia alguma intuio por parte de certos matemticos, especialmente nos sculos XVII e
XVIII, que perceberam que deveria existir alguma forma de conexo da lgebra com a
geometria e que o conjunto dos nmeros complexos deveria ser encarado como uma entidade
matemtica legtima. Foi para legitimar estes nmeros que os matemticos, comearam a
desenvolver ao longo do sculo XVII um sistema representao geomtrica para eles e foi isso
que os levou a perceberem determinadas propriedades nesses nmeros e tambm a perceberem
que estes objetos de estudo possuam inmeras aplicaes em outros campos cientficos. Esta
percepo aliada ao desenvolvimento da representao geomtrica os levou a desenvolver
mtodos de anlise vetorial no plano e tentar estend-los ao espao.
Este processo no foi simples, mas foi somente sua apresentao, com grande
propriedade por Gauss em 1831, que permitiu que os nmeros complexos fossem aceitos. A
generalizao desta representao ao espao foi ainda mais difcil, mas foram justamente as
sucessivas tentativas que levaram Hamilton a descobrir os quatrnios (nos quais o produto no
comutativo). Essa descoberta aliada a no existncia de ordem usual nos nmeros complexos
fez com que os matemticos percebessem que as operaes usuais quando aplicadas a
determinados conjuntos numricos perdiam determinadas propriedades e foi o conseqente
estudo dessas operaes aplicadas aos vetores que culminou numa srie de regras que
formaram as bases da anlise vetorial, que a base do que atualmente conhecemos como
lgebra linear.
Um dos conceitos mais fundamentais de lgebra linear a soma e subtrao de vetores
que, aparentemente, j se encontravam sugestes do uso deste conceito na antiga Grcia.
Sabe-se que ao longo dos sculos XVI e XVII era usado na fsica como soma de foras e no
sculo XIX seu uso era bastante comum e isto teve alguma influncia na criao de um
sistema vetorial.

A Geometria de Leibniz e o desenvolvimento da anlise vetorial
Gottfried Wilhelm Leibniz (1646-1716) numa carta datada de 8 de setembro de 1679
para Christian Huygens (1629-1695), discutiu a possibilidade de criar um sistema que servisse
como um mtodo direto para anlise espacial. Mesmo no trabalhando essa idia
detalhadamente, ele conseguiu realizar os primeiros avanos nessa direo, o que o torna um
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 5
dos precursores conceituais nessa rea, mas, apesar disso, sua memria contendo estes avanos
s foi publicada em 1833.
Leibniz em sua carta afirma: ... precisamos de outra anlise, que seja distinta da
geomtrica e que expresse posio (situs) diretamente da mesma forma que a lgebra expressa
magnitudes....
Em seu ensaio, Leibniz descreve sua descoberta como

... uma nova caracterstica inteiramente diferente da lgebra e onde teremos grandes
vantagens em representar exatamente qual a direo natural, mesmo sem figuras...
lgebra a caracterstica de nmeros indeterminados ou magnitudes somente, mas, no
expressa posio, ngulos ou direo de movimento. Tambm muito difcil analisar as
propriedades de uma figura com o Clculo, e ainda mais difcil conseguir construes e
demonstraes geomtricas convenientes, mesmo quando o clculo algbrico est completo.
Mas, esta nova caracterstica, na qual seguem as figuras visuais, no pode falhar em dar a
soluo, a demonstrao e a construo geomtrica, tudo ao mesmo tempo, e de um modo
natural em uma anlise. Mas seu valor est no raciocnio que pode ser feito e nas concluses
que podem ser tiradas das operaes com seus caracteres, os quais no podem ser
representados por figuras e ainda menos por modelos...

Leibniz estava procurando com este sistema um mtodo que fosse aplicado fsica para
obter as melhores representaes geomtricas dentro da mecnica, o que limitou sua teoria e o
impediu de realizar demais avanos.
O sistema de Leibniz era completamente dependente da geometria, pois sua idia
principal era a idia de congruncia de conjuntos de pontos (no sentido usual da geometria).
Ele usava as primeiras letras do alfabeto para representar pontos conhecidos e as ltimas para
representar pontos desconhecidos e a relao de congruncia era representada pelo smbolo .
Dessa forma, ABC DEF quer dizer que dois conjuntos de trs pontos cada so congruentes
entre si (ou seja pode-se aplicar uma isometria em ABC para que este coincida com DEF).
O crdito de Leibniz est em perceber que era necessria uma nova lgebra e que a
principal caracterstica dessa lgebra devia ser que se possa representar as entidades
geomtricas simbolicamente e se pode operar diretamente com estes smbolos. No entanto ele
no conseguiu desenvolver um sistema onde as quatro operaes (adio subtrao, diviso e
multiplicao) pudessem ser aplicadas a estas entidades, o que fez com que ele no percebesse,
por exemplo, que AB e BA podem ser interpretadas como grandezas distintas, e tambm que
AB pode ter algum significado.

As origens, a representao geomtrica dos nmeros complexos e os quaternios
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 6
Os nmeros complexos so uma entidade matemtica que geraram problemas desde a
antiguidade, pois Heron de Alexandria e Diofanto j haviam se deparado com a questo do
significado da raiz quadrada de um nmero negativo.
Giordano Cardano (1501-1576) em 1554 publicou seu livro intitulado Ars Magna, que
fez com que fosse considerado o primeiro matemtico a apresentar os nmeros complexos em
um clculo, pois ao tentar resolver uma equao cbica em particular ele descreveu sua
soluo:
...A despeito de quaisquer torturas mentais, multiplicando 5 15 + por 5 15 ,
obtemos 25 ( 15) e, portanto, o produto 40...

Mas, Cardano no compreendeu nem aceitou seu resultado, pois nesse mesmo pargrafo ele
acrescentou:
...e assim como esse resultado aparece, como eu havia dito, tal resultado intil...

Rafael Bombelli (1526-1572) em uma de suas visitas a Roma entrou em contato com
Antonnio Maria Pazzi que era professor na Universidade de Roma e juntos decidiram traduzir
um manuscrito de Diofanto, o Arithmetica, ento em 1572, Bombelli escreveu um trabalho
de cinco volumes intitulado lgebra, cujo contedo ele creditou integralmente a Diofanto,
mas s os primeiros trs livros foram publicados, devido a sua morte. Alguns manuscritos seus
foram encontrados em 1929 na biblioteca de Bolonha e os ltimos dois livros foram publicados
mesmo estando incompletos. Dessa forma, Bombelli foi o primeiro matemtico a descrever as
regras modernas para a multiplicao e adio de nmeros complexos. Alm disso, ele tambm
usou seu clculo de nmeros complexos para obter, a partir da frmula de Cardano-Tartaglia,
as solues reais para qualquer equao cbica, mesmo quando esta apresenta uma expresso
envolvendo a raiz quadrada de nmeros negativos.
Os nmeros complexos no foram aceitos como entidades matemticas legtimas pela
maioria dos matemticos at o sculo XIX, quando o esforo de pelo menos seis homens,
trabalhando independentemente para legitimar esses nmeros atravs de uma representao
geomtrica, fizeram com que fossem aceitos por toda a comunidade cientfica, mais ainda,
foram as sucessivas tentativas de estender esta representao a trs dimenses que levou
Hamilton a descobrir os quatrnios. Estes seis homens so: Wessel, Gauss, Argand, Bue,
Mourey e Warren.
Sir Willian Rowan Hamilton (1805-1865) estava interessado na generalizao da
representao geomtrica dos nmeros complexos para trs dimenses desde pelo menos 1835,
mas foi somente em 1843 que ele descobriu os quatrnios. Isto se deve a ele acreditar que era
necessrio que este sistema de ternas fosse semelhante ao dos nmeros complexos e suas
operaes deveriam possuir um conjunto de propriedades que fossem equivalentes ao que se
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 7
conhece hoje como estrutura de corpo. Depois de muitas tentativas falhas, ele mudou
ligeiramente seu ponto de vista focalizando a natureza geomtrica do produto em duas
dimenses, o que o levou a criar um sistema onde a multiplicao no-comutativa.

Sistemas lineares e os primeiros conceitos de espao vetorial
A teoria axiomtica dos espaos vetoriais um desenvolvimento recente na matemtica
e teve uma de suas origens na resoluo de sistemas lineares.
Giuseppe Peano (1858-1952) deu a primeira definio axiomtica de espao vetorial em
1888, mas, a teoria de espaos vetoriais no foi desenvolvida antes de 1920.
At a metade do sculo XVIII nada de substancial ocorreu com a lgebra linear.Um
assunto relevante cujas questes levaram ao desenvolvimento da teoria de sistemas lineares
que por sua vez levaram ao desenvolvimento da teoria de espaos vetoriais o estudo das
curvas algbricas.
Duas proposies referentes s curvas algbricas eram bem conhecidas, embora tenham
sido provadas somente parcialmente at o comeo do sculo XVIII:
(1) Duas curvas algbricas distintas de ordens m e n respectivamente tm mn pontos
em comum. Sabe-se que estes pontos podem ser mltiplos, complexos ou infinitos,
mas, os matemticos da poca tambm conheciam exemplos em que estes pontos
eram todos simples e reais.
(2) Para determinar uma curva de ordem n so necessrios e suficientes
( 3)
2
n n +

pontos. Esta segunda proposio leva a um paradoxo, pois quando 2 n > ,
2
( 3)
2
n n
n
+
= , ento parece que duas curvas algbricas podem ter mais pontos em
comum do que suficiente para determinar cada uma delas. Colin Mclaurin (1698-
1746) em 1720 foi o primeiro a identificar este paradoxo e Cramer o reformulou em
1750.
O ano de 1750 foi a data de publicao de dois dos trabalhos mais importantes na
histria do conceito de espaos vetoriais.
Gabriel Cramer (1704-1752), escreveu o primeiro deles, intitulado Introduction
l'analyse des courbes algbriques, onde ele preparou a estrutura para a teoria de
determinantes e Leonhard Euler (1707-1783) escreveu o segundo intitulado Sur une
contradiction apparente dans la doctrine des lignes curbes, que tem relao com o paradoxo
de Cramer e tambm est relacionado com as curvas algbricas. Neste trabalho, Euler
identificou a natureza do problema.
Depois de uma anlise cuidadosa da situao, ele explicou que em alguns casos, a
proposio (2) pode no ser verdadeira, quando n equaes no so suficientes para
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 8
determinar n incgnitas. Ele deu exemplos do que hoje conhecido como sistemas
indeterminados de equaes lineares, ou seja, deu exemplos de sistemas de equaes de curvas
algbricas que no possuem soluo, pois uma ou mais equaes so dependentes das outras.
Euler foi um dos primeiros a evidenciar a importncia da dependncia linear, embora
seu objetivo fosse dar solues de sistemas lineares atravs do processo de substituio e
eliminao, que ele ilustrou com exemplos, o que diferente da definio moderna de
dependncia linear. Apesar das idias de Euler constiturem as bases para que abordar as
noes de dependncia e posto, porm, estas foram obscurecidas pelo trabalho de Cramer.
O conceito de dependncia de equaes num sistema linear foi rapidamente relacionado
anulao do determinante de um sistema, e foi a partir da que se desenvolveu a idia de
menor (subdeterminante) e o fato de que o tamanho de um menor no nulo maximal
determina o nmero mximo de solues independentes. Henry J. S. Smith (1826-1883), em
um artigo de 1861, foi o primeiro a tratar esta idia e com seu enfoque terico marcou uma
sutil, mas decisiva mudana, pois ele no queria dar modos de solucionar sistemas de
equaes; ele queria estudar as bases tericas do problema.
Ferdinand Georg Frobenius (1849 - 1917), em um trabalho de 1875 intitulado ber
das Pfaffsche Problem deu uma definio de independncia para equaes e n -uplas sem o
uso de determinantes que usada at hoje. Frobenius tambm preparou a base para as noes
de dualidade e invarincia quando considerou n -uplas e equaes como objetos similares, que
podem ser vistos de dois ngulos diferentes. Dentro da teoria de determinantes, foi com
Frobenius que o conceito de posto alcanou a maturidade (foi ele quem usou o nome posto
pela primeira vez).

lgebra linear, transformaes lineares e matrizes
Leonhard Euler (1707-1783) Publicou em 1770 um tratado intitulado Problema
Algebricum ob Affectiones Prorsus Singulares Memorabile onde estudava quadrados de
nmeros que similares aos quadrados mgicos. Ele percebeu que certas condies eram
equivalentes a uma transformao ortogonal. Seu raciocnio puramente algbrico permitiu que
ele obtivesse solues para sistemas onde 4 e 5 n = e generalizasse para todo valor de n . Isto
no ocorria na geometria, pois resolver equaes para n maior que trs significa se aventurar
por espaos de dimenso maior que trs.
Joseph Louis Lagrange (1736-1813) entre 1773 e 1775, em seu Recherche
d'Arithmtique enquanto estudava as propriedades dos nmeros que so a soma de dois
quadrados, foi levado a estudar o efeito de transformaes lineares com coeficientes inteiros
numa forma quadrtica de duas variveis. Ele estabeleceu o fato de que o discriminante da
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 9
nova forma quadrtica o produto do antigo discriminante pelo quadrado de uma quantidade
que era conhecida como o determinante da transformao linear.
Johann Carl Friedrich Gauss (1777-1855) publicou em 1798 Disquisitiones
Arithmeticae, estudou a mesma questo com duas e trs variveis. Ele apresentou uma
notao similar a da matriz que caracteriza a transformao linear. Alm disso, estabeleceu a
frmula e uma notao simblica para a composio de duas transformaes lineares e
tambm para o produto, o que marca um passo fundamental em direo ao conceito de
matriz.
Ferdinand Gotthold Max Eisenstein (1823-1852) em 1844 fez uma das mudanas mais
importantes no tratamento de operaes com matrizes, que foi usar uma letra para se referir a
matrizes e para descrever suas relaes algbricas. Alm disso, ele assinalou a no-
comutatividade do produto que era conhecida mas era tratada como um processo local, no
como uma operao algbrica. O que permitiu essa mudana foi a conexo das matrizes com
vrios objetos e tambm descobertas recentes como os quatrnios que alargaram o campo da
lgebra.
Arthur Cayley (1821-1895) em 1858 publicou um tratado famoso intitulado Memoir on
the Theory of Matrices, muitos autores atribuem a este trabalho de Cayley a definio de
matriz, neste trabalho Cayley detalhada e cuidadosamente reuniu todos os resultados
descobertos nas duas dcadas anteriores, fazendo assim o estudo das operaes algbricas com
matrizes alcanarem o primeiro estgio de amadurecimento.
Em 1846, Cayley publicou um outro tratado intitulado Sur Quelques Rsultats de
Gometri de Position onde ele deu um passo decisivo na direo de generalizar os espaos de
dimenso maior que trs, pois neste trabalho ele mostrou que se podem obter resultados em
geometria tridimensional trabalhando-se com espaos de dimenso maior que trs. Esse
resultado poderia ter sido obtido por Mbius, mas ele adotou uma postura comum sua poca
e descartou essa possibilidade.

A teoria da extenso de Grassmann
Hermann Gnter Grassmann (1809-1877) publicou em 1844 a primeira verso de
Lineale Ausdehnungslehre, cuja traduo literal Teoria Linear de Extenso, anunciado
por ele como a primeira parte de uma teoria mais geral que ele nunca completou.
Grassmann neste trabalho discutiu e obteve uma boa parte dos resultados elementares
da teoria atual de espaos vetoriais e de lgebra linear, alm de ter conseguido algo bem
prximo de uma formalizao axiomtica, mas devido a sua forma obscura de apresentao,
seus resultados no influenciaram seus contemporneos e a maior parte de seus resultados foi
redescoberto independentemente de seu trabalho.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 10

As primeiras formalizaes axiomticas
Giuseppe Peano (1858-1932) publicou em 1888 sua prpria leitura do
Ausdehnungslehre, com o titulo de Calcolo Geomtrico onde fez uma definio axiomtica
do que ele chamou de sistema linear, que foi considerada a primeira definio axiomtica de
um espao vetorial. Apesar de serem muito similares s propriedades fundamentais de
Grassmann, os axiomas de Peano deram uma contribuio muito importante, pois Peano
descreveu a estrutura usando as propriedades das operaes e no as deduziu da definio de
operaes em coordenadas. Alm disso, Peano percebeu que a abordagem axiomtica
melhorava a formulao das propriedades de espaos vetoriais, pois, eliminava a necessidade
de convenes e redundncias existentes nas propriedades fundamentais de Grassmann. Ele
tambm melhorou a definio dos conceitos de zero e elemento oposto. Apesar de todas essas
melhorias, nem sua definio nem sua abordagem foram imediatamente aceitas por seus
contemporneos.
Cesare Burali-Forti (1861-1931) em 1897 publicou um livro de geometria diferencial
intitulado Introduction la Geomtrie Differentielle Selon la Mthode onde usou as idias
de Grassmann e apresentou a tentativa Peano de torn-las mais acessveis. No entanto,
Burali-Forti no comentou a definio axiomtica apresentada no Calcolo Geomtrico. Em
1909 Burali-Forti publicou com outro matemtico italiano, Roberto Marcolongo, um trabalho
chamado Omografie Vettorialli con Applicazioni Alle Derivate Respetto ad un Punto et Alla
Fisica-Matematica, que comea com uma apresentao axiomtica e tem algumas falhas no
encontradas no trabalho de Peano. Mas, seu trabalho importante, pois o primeiro a colocar
a definio axiomtica j na introduo. Embora o trabalho deles tenha sido desconsiderado
pelos matemticos da poca, ele ajudou a tornar conhecida a definio axiomtica,
especialmente na Itlia e na Frana. Peano, Burali-Forti e Marcolongo foram menos precisos
em alguns pontos do que Grassmann, especialmente nos conceitos de base e dimenso.
Grassmann definiu o conceito de base como o nmero mximo de vetores independentes no
espao, o que suficiente para provar que n vetores independentes em um espao de dimenso
n constituem um sistema de geradores e formam, portanto uma base. Eles no estudaram a
questo da minimalidade de um sistema de geradores, o que necessrio para provar que o
nmero de elementos em uma base nico.
Hermann Weyl (1885-1955) em 1918 publicou a primeira edio de seu livro intitulado
Raum-Zeit-Materie onde tambm usou uma definio axiomtica para definir o que ele
chamou de linear vector-manifolds. Ele fez referencias a Grassmann e definiu seu livro como
um trabalho que marcou poca, mas no mencionou os trabalhos de seus antecessores
italianos, que no eram conhecidos na Alemanha, talvez porque sua definio estivesse mais
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 11
prxima das frmulas fundamentais de Grassmann que da definio axiomtica de Peano.
Atento questo da dimenso, Weyl escolheu adicionar um axioma dimensional, vlido
para qualquer espao de dimenso n : ...h n vetores independentes, mas, para qualquer
conjunto de 1 n + vetores, estes so dependentes uns dos outros. (...) Desta propriedade segue
que n , o nmero da dimenso, uma caracterstica da variedade e no depende de uma
base especial de vetores.
Weyl definiu o conceito de dimenso de uma forma muito parecida com Peano, exceto
por sua preocupao com a invarincia do nmero de mximo de elementos linearmente
independentes em um espao de dimenso finita. Apesar do teorema de Weyl ser diferente do
teorema da mudana de base, a prova da unicidade do nmero de elementos em uma base
continuou sendo ambgua. Em 1862, Grassmann tinha feito uma reviso do teorema da
dimenso que ele havia deduzido do teorema da mudana de base: ... Este importante
teorema pode tambm ser derivado diretamente da teoria de eliminao... Mas, a prova
apresentada aqui no somente elementar, mas tem a vantagem de ser tambm essencial, a
relao simples entre as magnitudes extensivas aparecem mais claramente. Isto mostra que
Grassmann estava muito frente de seu tempo em muitos aspectos.

A teoria dos corpos
De certo modo, pode-se dizer que a questo da dimenso foi discutida com maior
exatido na teoria de corpos, pois se sabe atualmente que a extenso de um corpo um espao
vetorial sobre o corpo original e a ordem da extenso a dimenso deste espao. Dessa forma,
assim como no trabalho de Grassmann, a idia de gerador (ou gerao) est essencialmente
presente no incio da teoria. Embora a unicidade do nmero de elementos na base da extenso
de corpos fosse considerada bvia, essa questo foi estudada e resolvida com grande habilidade
por um matemtico alemo chamado Richard Dedekind (1831-1916) que publicou em 1893
uma prova da invarincia do nmero de elementos da base no contexto de extenses de
corpos, no dcimo primeiro suplemento da quarta edio do trabalho intitulado Vorlesungen
ber Zahlentheorie de Gustav Peter Lejeune-Dirichlet. Neste suplemento, um pargrafo
constitui uma abordagem da estrutura linear que, alm de estar bem prxima da moderna,
muito geral.
Logo no incio de seu trabalho, Dedekind deu a definio e as propriedades do que ele
chamou de irredutibilidade (o que atualmente conhecido como independncia linear). Ento,
ele definiu um espao (Schaar) Omega como o conjunto de todas as possveis combinaes
lineares de um conjunto de n nmeros irredutveis sobre um corpo A. Ele chamou estes
elementos de base de Omega e definiu as coordenadas de um elemento qualquer de Omega.
Da, ele apresentou trs propriedades e provou que elas so as caractersticas de Omega.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 12
(1) Os nmeros de Omega se reproduzem pela adio e subtrao.
(2) Todo produto de um nmero de Omega por um nmero de A um nmero de
Omega.
(3) H n nmeros independentes em Omega, mas, qualquer conjunto de 1 n +
nmeros dependente.

Dedekind mostrou que se podem deduzir essas propriedades da definio e que somente
(3) necessita de prova, que ele fez por induo, obtendo um resultado equivalente ao que
Grassmann obteve com o teorema da mudana de base. Alm disso, nesta prova, Dedekind
no usou a teoria de equaes lineares, embora utilizasse a representao com coordenadas.
Ele tambm deduziu que todo sistema de n nmeros irredutveis de O constituem uma base
de O. Dedekind ainda mostrou que um sistema de n nmeros constitudo de irredutveis se,
e somente se, o determinante de suas coordenadas na base original no for zero (o equivalente
da mudana de base). Ele no afirma que um sistema de ordem n deve possuir n geradores,
mas com o trabalho de 1844 de Grassmann, esta questo pde ser facilmente resolvida.
No final do pargrafo, Dedekind concentrou-se no caso das extenses de corpos, ou seja,
quando o espao tem produto interno. Neste contexto, ele provou os seguintes resultados:
(1) Em uma extenso de um corpo com uma base de n elementos, qualquer numero
algbrico e seu grau menor ou igual a n .
(2) Tal extenso dita de grau n com respeito ao corpo, portanto, quaisquer sistemas
de n elementos independentes constituem uma base da extenso.
(3) Se T algbrico com respeito ao corpo A, e de grau n , A(T) uma extenso de A
de grau n e 1, T, T2, ... , Tn-1 constituem uma base de A(T). A maneira como
Dedekind apresentou seus resultados se aproxima muito da atual apresentao dos
resultados elementares em espaos vetoriais de dimenso finita. Ele tambm
examinou a questo da dimenso com grande cuidado e originalidade.

Ernst Steinitz (1871-1928) publicou em 1910 um trabalho intitulado Algebraische
Theorie der Krper que alm de representar um importante avano na histria da lgebra
moderna, tambm serviu como referncia durante pelo menos um quarto de sculo. Neste
trabalho (que considerado o seu maior), Steinitz definiu a dependncia linear sobre um corpo
R e definiu uma extenso finita de ordem n da maneira que se usa at hoje:
Seja R um subcorpo de L. Diz-se que L finito com respeito a R e de ordem n (cuja
notao ser: [L:R] = n ) se houver em L, n elementos linearmente independentes sobre R,
enquanto qualquer conjunto de mais que n elementos de L so linearmente dependentes sobre
R.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 13
Esta definio igual formulada por Peano, Burali-Forti e Marcolongo para a
dimenso de espaos lineares. No no h referncias explicitas a Dedekind no trabalho de
Steinitz ou Weyl, apesar de seus trabalhos conterem definies parecidas com as dele.
Depois de sua definio, Steinitz mostrou que dada uma extenso de ordem n , a
independncia linear de um conjunto de n elementos equivalente ao fato de que a
representao de um elemento qualquer dessa extenso como combinao linear desses
elementos nica. Esta definio decorre diretamente da definio anterior e no traz
nenhuma novidade quando comparada s definies dos autores italianos.
Para Steinitz uma base de L um conjunto de elementos tais que qualquer elemento de
L pode ser representado de maneira nica como uma combinao linear deles. Steinitz queria
provar que toda base de L possu n elementos e que todo conjunto de n elementos
linearmente independentes formam uma base de L. Para alcanar esta meta, ele precisava
provar que a ordem de uma extenso no pode ser maior que o nmero de geradores, o que ele
de fato provou usando sua definio de base em termos de sistema de coordenadas, fazendo
sua prova no contexto de n -uplas e equaes lineares.
Apesar de ser dedutvel no trabalho de Dedekind, esta foi a primeira prova explcita,
(desde a verso de 1862 do livro de Grassmann) de que um conjunto de n geradores no pode
gerar um espao de dimenso maior que n .
Embora as abordagens e as ferramentas de Steinitz e Grassmann fossem muito
diferentes, Steinitz usou algo parecido com o teorema da mudana de base, embora fosse no
contexto de extenses transcendentes onde se substitui dependncia linear por dependncia
algbrica. De fato, aps alguns resultados preparatrios, ele formulou trs teoremas finais cujos
resultados, quando relacionados com dependncia algbrica so equivalentes ao teorema de
mudana de base, ao teorema sobre completamento de um sistema independente em uma base,
invarincia do nmero de elementos na base de um espao linear e a propriedade da
dimenso de um subespao de um espao linear de dimenso finita.
A maneira que Steinitz apresentou seus resultados to dedutiva que se pode dizer que
eles esto prximos da definio moderna do conceito geral de dependncia (seja ela algbrica
ou linear) de onde se poderiam deduzir os conceitos de dimenso e base. Ento, no h quase
nada para se fazer para traduzir esses resultados ao contexto linear, mas, ele mesmo no
mencionou nada a respeito.
Bartel Leendert van der Waerden (1903-1996) em 1930 corrigindo um trabalho de Otto
Schreier e Emanuel Sperner deu continuidade ao trabalho de Steinitz, mas, ele usou o teorema
da mudana de base (usava-o com este nome) no contexto de dependncia linear.

Equaes diferenciais, anlise funcional e lgebra linear
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 14
Desde o sculo XVIII, o estudo de equaes diferenciais levou os matemticos a se
depararem com questes de interesse relevante que serviram como um ponto de partida de
onde pode ter-se originado a anlise funcional por volta da virada deste mesmo sculo. Alm
disso, o estudo de equaes diferenciais ou equaes diferenciais parciais (lineares) teve uma
influncia importante na teorizao do conceito de linearidade, pois o desenvolvimento desse
estudo levou a questes de linearidade ainda mais sofisticadas. Neste contexto, se podem
encontrar algumas ocorrncias onde aparecem mtodos ou conceitos no enunciados e de certa
forma implcitos. Estes mtodos ou conceitos permaneceram dessa forma por pelo menos mais
um sculo, mas hoje so partes essenciais da lgebra linear.
Jean Le Rond dAlembert (1717-1783) na metade do sculo XVIII estava interessado
em equaes diferenciais quando percebeu que a soluo geral de uma equao diferencial
linear e homognea de ordem n podia ser interpretada como combinao linear de um
conjunto de n solues fundamentais. Este resultado tambm foi obtido por Lagrange e
Euler, mas nenhum deles fez uma prova rigorosa e tambm no consideraram a questo da
independncia das solues fundamentais.
Joseph Louis Lagrange (1736-1813) no estudo de equaes diferenciais se deparou com
muitas das questes que hoje so estudadas em lgebra linear. Por volta de 1770, ele
desenvolveu seu mtodo de variao de constantes para encontrar uma soluo particular
para equaes homogneas. Em alguns de seus mtodos ele utilizou o que hoje conhecido
como operador adjunto. Para resolver sistemas de equaes diferenciais ele usou de maneira
implcita, algumas ferramentas de dualidade e duas vezes, uma por volta de 1762 e outra por
volta de 1776, para resolver sistemas de equaes diferenciais simultneas, Lagrange usou
implicitamente a busca do que conhecemos hoje como autovalores de uma matriz, mas ele no
provou seus mtodos de forma rigorosa em nenhuma de suas solues.
Jean Baptiste Joseph Fourier (1768-1830) publicou em 1822 seu trabalho intitulado
Thorie Analytique de la Chaleur, onde resolvia equaes diferenciais por sries de potncias
e para resolver sistemas de infinitas equaes lineares com infinitas incgnitas usou mtodos
parecidos com os de Lagrange. Porm ele no conseguiu encontrar uma soluo correta para os
seus problemas, pois no compreendia a questo da convergncia das sries de potncias.
Mesmo assim, seu trabalho continha um avano importante para esse mtodo que o estudo
do quadrado de finitos subsistemas de ordem n e o que acontece quando n tende para
infinito. Ainda assim, ningum se interessou pela soluo de sistemas de infinitas equaes
lineares por mais de meio sculo.
Augustin Louis Cauchy (1789-1857) na primeira metade do sculo XIX publicou um
trabalho intitulado Cours de l'Ecole Polytechnique, onde esclareceu e desenvolveu provas
rigorosas para as noes apresentadas por Lagrange e d'Alembert.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 15
Jules Henri Poincar (1854-1912) publicou um dos primeiros textos apresentando
resultados consistentes no estudo de sistemas de infinitas equaes lineares em 1886, e neste
texto, ele fez referencias a um texto de 1877 de George William Hill (1838-1914).
As idias de Fourier e o trabalho de Poincar levaram muitos matemticos a estudar
sistemas de infinitas equaes lineares. Alguns matemticos que se dedicaram a este assunto
so: David Hilbert (1862-1943), Frdric Riesz, Erhard Schmidt (1876-1959), Jacques Salomon
Hadamard (1865-1963) e Maurice Ren Frchet (1878-1973). Eles consideravam condies
restritivas diferentes das de Fourier nas sries de potncias e asseguravam assim a
convergncia dos infinitos determinantes. Pode-se ento concluir que por volta de 1920, a
generalizao a dimenses infinitas das teorias de determinantes, matrizes e formas
quadrticas e bilineares, serviram como estrutura para unificar a teoria de linearidade.
Por volta dessa mesma dcada, alguns matemticos comearam a perceber que alguns
de seus mtodos se tornaram muito tcnicos e tambm difceis de manipular e por isso, seus
resultados nem sempre eram exatos. Otto Toeplitz (1881-1940) em 1909 publicou um texto
provando certos teoremas sem o uso de determinantes, mas obtendo um sistema triangular
equivalente atravs do uso sofisticado da eliminao. Alm disso, uma mudana gradual na
maneira de resolver os problemas levou a uma generalizao cada vez maior dos espaos
vetoriais de funes o que finalmente levaria a axiomatizao da anlise funcional. Frdric
Riesz (1880-1956) publicou em 1916 um artigo que foi traduzido em 1918 para o alemo com o
titulo de ber Lineare Funktionalgleichungen, que foi um dos primeiros a apresentar uma
definio geral de espao de funes normado e de espao de funes fechado, o que representa
um importante avano na direo da axiomatizao da anlise funcional. Segue a definio de
Riesz:
"Chamamos o conjunto das funes contnuas de [a,b] em R de espao funcional. Alm disso,
chamamos a Norma de f(x) o valor mximo de |f(x)|, e a denotamos por ||f(x)||. A magnitude
de ||f|| , portanto maior que zero, e ser igual a zero se e s se f(x) sempre zero. A seguintes
relaes valem: ||cf|| = |c| ||f|| , e ||f1 + f2|| = ||f1|| + ||f2||... Vamos agora a um problema
similar para transformaes lineares. A transformao T que associa a cada elemento f de
nosso espao funcional outro elemento T(f), ser chamada linear, quando for distributiva e
limitada. A transformao chamada distributiva se verifica a seguinte propriedade para toda
f: T[cf] = cT[f], e T[f1 + f2] = T[f1] + T[f2] E T chamada de limitada se existe uma
constante M tal que: ||T(f)|| = M

Utilizando-se desse mtodo, Riesz conseguiu estabelecer as bases do que hoje
conhecido como Teoria de Riesz-Fredholm de operadores compactos. Embora ele tivesse
centrado seu artigo no conceito de espao de funes contnuas em um intervalo real
compacto, grande parte de seus resultados pode ser generalizada a outros espaos de funes.
Um outro avano que Riesz usou apenas definies axiomticas na maior parte do artigo.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 16
Eduard Helly (1884-1943) em 1921 trabalhou com uma seqncia de espaos vetoriais
normados gerais e dando continuidade ao avano da axiomatizao da anlise funcional.
Stefan Banach em uma tese que foi publicada em 1922 e Hans Hahn (1879-1934) em dois
artigos publicados em 1922 e 1927 respectivamente deram a contribuio final que culminou
na axiomatizao da anlise funcional.
Stefan Banach (1892-1945) afirmou na introduo de sua tese, cujo ttulo era Sur les
Oprations Dans les Ensembles Abstraits et Leut Applicationoux Equations Integrables:
"Minha meta estabelecer alguns teoremas que sejam vlidos para vrios espaos funcionais que
especificarei, mas no provarei separadamente. O que farei considerar conjuntos de elementos
em geral e postular certas propriedades, para deduzir alguns teoremas e prov-los para cada
espao funcional especifico onde o postulado escolhido verdadeiro".

Banach mostrou com essa afirmao que no s sabia que uma abordagem axiomtica
generalizaria seu trabalho, como tambm que sabia como deveria utiliz-la. Essa estrutura,
que hoje chamamos de espao de Banach (ou seja, um espao vetorial normado e completo),
foi definida independentemente por Banach e por Hahn. Apesar de sua definio de espaos
vetoriais no estar completamente correta e tambm ser parecida com a definio de Burali-
Forti, Banach no fez referncias a qualquer outro matemtico. O uso das definies
axiomticas em seu trabalho foi tornou-se compulsrio pois grande parte dos espaos
funcionais que ele estudava eram de dimenses infinitas. Banach publicou em 1932 Thorie
des Oprateurs Linaires que fez um grande sucesso, pois alm de apresentar a estrutura
axiomtica geral e muitos resultados que so atualmente utilizados em anlise funcional e
lgebra linear para espaos vetoriais de dimenso infinita, este livro considerado como um
trabalho que abriu uma nova era nestas duas reas da matemtica.

Referncias
[1] M. J. Crowe - A history of vector analysis, Doven, New York, 1993.
[2] Jean-Luc Dorier - Genesis of vector space theory, Hist. Math, 22, vol. 3, 1995, (pg. 227-
261).
[3] B. A. Rosenfeld - A history of non-Euclidean geometry, Springer-Verlay, Berlim, 1998
(pg. 171-180 e 382- 394).
[4] G. H. Moore - The axiomatization of linera algebra, Hist. Math, 22, vol. 3, 1995, (pg. 262-
303).
[5] L. Novy - Origins of modern algebra, Noordhof, Leyden, 1973.
[6] B. L. Van der Wearden - A history of algebra, Springer - Verlay, Berlim, 1985.

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 17
























LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 18
MATRIZES

Uma matriz um agrupamento retangular de nmeros.

Matriz de ordem m por n um retngulo de m n nmeros dispostos em m linhas e n
colunas.
11 12 1
21 22 2
1 2
n
n
m m mn
a a a
a a a
A
a a a




=




. . .



A matriz na qual m n retangular se representa por
( , ) m n m n
A A

= e se diz de ordem
m por n (ou m n ).
A matriz na qual m n = quadrada se representa por
n
A (ou
( , ) n n
A ) e se diz de ordem n .
Cada elemento de uma matriz A se apresenta com dois ndices:
ij
a . O primeiro ndice
indica a linha e o segundo a coluna a que o elemento pertence.
A matriz A pode ser representada abreviadamente por
ij
A a

=

ou
( )
ij
A a = , i variando
de 1 a m e j variando de 1 a n . Assim, se a matriz tem 2 linhas e 3 colunas, tem-se

11 12 13
(2,3)
21 22 23
a a a
A
a a a


=



Exemplo: Dada a matriz
1 0 3
2
5 234
3
7 6, 78
9
0
4
A
e






=







A uma matriz de ordem 4 por 3.
23
2
3
a =
31
7 a =
12
0 a =
43
0 a =

Duas matrizes so definidas como sendo iguais se tm a mesma ordem (tamanho) e se
todos os elementos correspondentes so iguais.

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 19
Exemplo
2
2
3 sen90 log1 9 1 0
2 4 5
2 2 5




=









A matriz de ordem m por 1 uma matriz-coluna ou vetor-coluna e a matriz de ordem 1
por n uma matriz-linha ou vetor-linha.
Exemplos:
( ) ( ) 3,1 1,4
1
2 2 5 3 1
7
A A




= =








Matriz nula aquela em que 0
ij
a = , , i j .
Exemplos:
0 0
0 0 0
0 0
A B


= =






Diagonal principal e diagonal secundria. Numa matriz quadrada de ordem n , os
elementos
ij
a em que i j = constituem a diagonal principal; os elementos
ij
a em que
1 i j n + = + constituem a diagonal secundria.

Dada a matriz
11 12 13
21 22 23
31 32 33
a a a
A a a a
a a a



=




os elementos
11 22 33
, , a a a constituem a diagonal principal e
os elementos
13 22 31
, , a a a constituem a diagonal secundaria.

Matriz diagonal uma matriz quadrada onde 0
ij
a = para i j.

Matriz identidade a matriz diagonal que tem os elementos 1
ij
a = para i j = .
denotada por
n
I ou simplesmente por I .
Exemplos:
3 2
3 0 0 0
1 0 0
0 5 0 0 1 0
0 1 0
0 0 1 0 0 1
0 0 1
0 0 0 4
A I I






= = =










Matriz triangular superior e matriz triangular inferior. A matriz quadrada
ij
A a

=

que
tem os elementos 0
ij
a = para i j > uma matriz triangular superior e a matriz quadrada
ij
B b

=

que tem os elementos 0
ij
b = para i j < uma matriz triangular inferior.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 20
Exemplos:
5 0 0 0
1 1 0
5 3 0 0
0 5 3
2 0 5 0
0 0 2
4 1 2 3
A B



= =








OPERAES SOBRE MATRIZES

Adio de matrizes. A soma de duas matrizes
ij
A a

=

e
ij
B b

=

, de mesma ordem, uma
matriz
ij ij
A B a b

+ = +

. Analogamente, a diferena de matrizes de mesma ordem obtm-se
subtraindo os elementos correspondentes.
Dadas
0 2 1 0 1 4 1
2
0 5 e 6 3 , temos 6 2 e 6 8
5
0 3 1 2 1 1 1
A B A B A B



= = + = =








Propriedades da adio de matrizes. Dadas as matrizes , e A B C de mesma ordem m n ,
tem-se:
i) A B B A + = +
ii) ( ) ( ) A B C A B C + + = + +
iii) 0 0 A A A + = + = , onde 0 denota a matriz nula m n .

Multiplicao de uma matriz por um escalar. Se k um escalar, o produto de uma matriz
ij
A a

=

por esse escalar dado pela matriz
ij ij
kA k a ka

= =

.

Exemplos:
5 2 10 4
2
1 0 2 0


=





Propriedades da multiplicao de uma matriz por um escalar
Dadas matrizes A e B de mesma ordem m n e escalares k ,
1
k e
2
k , tem-se:
i) ( ) k A B kA kB + = +
ii) ( )
1 2 1 2
k k A k A k A + = +
iii) 0 0 A =

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 21
Multiplicao de matrizes. Se A uma matriz m n e B uma matriz n p , ento o
produto AB a matriz m p cujos elementos so determinados como segue. Para obter o
elemento
ij
c de AB destaque a linha i de A e a coluna j de B . Multiplique os elementos
correspondentes desta linha e desta coluna e ento some os produtos resultantes.
( ) ( ) 2,3 3,4
4 1 4 3
1 2 4
0 1 3 1
2 6 0
2 7 5 2
A B





= =









( )
( )
( )
2,4
1 4 2 0 4 2 1 1 2 1 4 7 1 4 2 3 4 5 1 3 2 1 4 2
2 4 6 0 0 2 2 4 6 3 0 5 2 3 6 1 0 2
2 1 6 1 0 7
12 27 30 13
8 4 26 12
AB

+ + + + + + + +

=

+ + + + + +
+ +




=





Observao. O produto AB no definido se o nmero de colunas da matriz A no for igual
ao nmero de linhas da matriz B .

Propriedades da multiplicao de matrizes. Dadas as matrizes , e A B C tais que as operaes
indicadas possam ser efetuadas, tem-se:

i) AI IA A = = , onde I a matriz identidade
ii) ( ) A B C AB AC + = + (lei distributiva esquerda)
iii) ( ) A B C AC BC + = + (lei distributiva direita)
iv) ( ) ( ) A BC AB C = (lei associativa)
v) 0 0 0 A A = = , onde 0 indica a matriz nula.
vi)
vezes
n
n
A A A A =

onde n N.

Observaes
1) A lei comutativa no vale sempre para o produto de matrizes, ou seja, AB e BA no so
sempre iguais. Por exemplo, sejam as matrizes
1 0 1 2
e
2 3 3 0
A B


= =



, temos
1 2 3 6
e
11 4 3 0
AB BA


= =



. Assim, AB BA .
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 22

2) Podemos obter 0 AB = sem que 0 A = ou 0 B = . Por exemplo,
0 1 0 0 2 5
e
0 0 0 0 0 2
A B AB


= = =





Transposio de matrizes. A matriz transposta da matriz A, de ordem m n , a matriz
t
A ,
de ordem n m , que se obtm da matriz A permutando as linhas pelas colunas de mesmo
ndice.
Exemplo:
11 21
11 12 13
12 22
21 22 23
13 23

t
a a
a a a
A A a a
a a a
a a





= =








Propriedades da transposta de uma matriz. Dadas as matrizes A e B tais que as operaes
indicadas possam ser efetuadas e o escalar k , tem-se:

i) ( )
t t t
A B A B + = +
ii) ( )
t t
kA kA =
iii)
( )
t
t
A A =
iv) ( )
t t t
AB B A =

Matriz inversa. Considere uma matriz quadrada A, se existe uma matriz B de mesma ordem
de A tal que AB BA I = = . Dizemos que B a matriz inversa de A (A inversvel). Se no
existe uma tal matriz B , dizemos que A no-invesvel (ou singular). Usamos
1
A

para
indicar a inversa da matriz A.

Exemplo A matriz
3 5
1 2
B


=



inversa de
2 5
1 3
A


=



pois
2
1 0
0 1
AB BA I


= = =



.

Propriedades da inversa de uma matriz
1) A matriz inversa, quando existe, nica.
2) Se A e B so invertveis ento ( )
1
1 1
AB B A


= .
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 23
3)
1
A

invertvel e
( )
1
1
A A

=
4) ( )
1
1
1
kA A
k


= onde 0 k R.
5)
( ) ( )
1
1
t
t
A A

=
6) ( ) ( )
1
1
n
n n
A A A


= =


2. MATRIZES ELEMENTARES E REDUZIDAS FORMA ESCADA (ESCALONADA)

Operaes elementares sobre linhas de uma matriz
i) Permuta da -sima i linha pela -sima j linha.
( )
i j
L L
ii) Multiplicao da -sima i linha por um escalar no nulo k . ( )
i i
L kL
iii) Substituio da -sima i linha pela -sima i linha mais k vezes a -sima j linha.
( )
i i j
L L kL +

Se A e B so matrizes m n , dizemos que B linha equivalente a A, se B for obtida de A
atravs de um nmero finito de operaes elementares sobre as linhas de A.

Forma escada ou escalonada reduzida por linhas. Uma matriz m n est na forma escalonada
reduzida por linhas se:

i) o primeiro elemento no nulo de uma linha no nula 1;

ii) cada coluna que contm o 1 elemento no nulo de alguma linha tem todos os seus
outros elementos iguais a zero;

iii) toda linha nula ocorre abaixo de todas as linhas no nulas;

iv) em quaisquer duas linhas sucessivas que no consistem s de zeros, o primeiro
elemento no nulo da linha superior ocorre mais esquerda do elemento no nulo da
linha inferior.

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 24
Exemplo 1:
1 0 0 0
0 1 1 0
0 0 1 0








Diz-se que esta matriz est na forma escalonada, mas no est escalonada reduzida por linhas,
pois falha a condio (ii).

Exemplo 2:
0 2 1
1 0 3
0 0 0







Falha as condies (i) e (iv).

Exemplo 3:
0 1 3 0 1
0 0 0 0 0
0 0 0 1 2



Falha as condies (i) e (iii).

Exemplo 4:
0 1 3 0 1
0 0 0 1 2
0 0 0 0 0






Est na forma escalonada reduzida por linhas.

Exemplo 5:
0 1 3 0 0 4 0
0 0 0 1 0 3 0
0 0 0 0 1 2 0
0 0 0 0 0 0 1








Escalonada reduzida por linhas.

Teorema. Toda matriz m n em uma nica forma escalonada reduzida por linhas.

Posto ou caracterstica de uma matriz. Dada uma matriz
m n
A

, seja
m n
B

a matriz
escalonada reduzida por linhas equivalente a A.

O posto (ou caracterstica) de A, denotado por p , o nmero de linhas no nulas de B .

Exemplos Encontrar o posto da seguinte matriz
1 2 1 0
1 0 3 5
1 2 1 1
A



=




.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 25
2 1 2
2
2
3 2 3
5 2
2
1 2 1 0
1 2 1 0
0 2 4 5 0 1 2
0 2 4 6 0 2 4 6
L L L
L
L
L L L
+

+











1 1 2
3
3
3 2 3
2
2
5 5 8
2 2
11
8
1 0 3 5 1 0 3 5
0 1 2 0 1 2
0 0 8 11
0 0 1
L L L
L
L
L L L

+




















1 1 3
2 2 3
7
3
8
2
1
4
11
8
1 0 0
0 1 0
0 0 1
L L L
L L L
+









. A matriz tem posto 3.
Exemplo 2
1 1 2
2 2 3 1 1 2
3 2 3 3 4 3
2
2
4 4 1 4 4 3
14
5
9
2
1
1
2 2
9
9
9
1 5 1
2 1 3 1 5 1 1 0
1 4 2 0 9 1
0 1
0 1
1 5 1 0 9 1
0 9 1
0 0 0
4 16 8 0 18 2
0 18 2 0
L L L
L L L L L L
L L L L L L
L
L
L L L L L L
B

+










=










0 0











A matriz B tem posto 2. Observe que a matriz
2 1 3
1 4 2
C


=



tem o mesmo posto de B .

Algoritmo para determinao da inversa de uma matriz. Uma matriz A de ordem n
inversvel se, e somente se, A equivalente a matriz identidade (
n
A I ). Neste caso, as
mesmas sucesses de operaes elementares que transformam A em
n
I , transformam
n
I em
1
A

.
Para determinar a inversa da matriz A:
i. coloca-se ao lado da matriz A a matriz I, separada por um trao vertical;
ii. transforma-se por meio de operaes elementares, a matriz A na matriz I, aplicando-se
simultaneamente, matriz I as mesmas operaes elementares.

Em smbolos:
[ ]
1
... operaes elementares...
n n
A I I A




. .
.

Exemplos
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 26
1 Seja
2 4
3 2
A



=




. Ache, se possvel,
1
A

.
2 4 1 0

3 2 0 1





... operaes elementares ...
1 0 1 4 1 2

0 1 3 8 1 4




.


2 Dada
1 3 1
2 3 1
1 2 1
A



=






, determinar A
-1
.
2 1 1 2
3 1 2
3 2
1 0 0 1 1 0
1 3 1 0 1 3 1 1 0 0 1 0
2
1 2 1
2 3 1 01 0 0 3 1 2 1 0 0 1 0
3 3 3
00 1 2 1 1 0 1 0 1 0 1
0 1 0 1 0 1
3
1 0 0 1 1 0
1 2 1
0 1 0
3 3 3
1 1 1
0 0 1
3 3 3
L L L L
L L L
L L




+









+


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


Assim,
1
1 1 0
1 0 1
1 1 3
A





=






.

3 Seja
1 0 0
2 3 1
2 1 0
A



. Ache, se possvel,
1
A

.

3. DETERMINANTES

Definio. Seja M uma matriz quadrada de ordem n . Chamamos determinante da matriz M
(e indicamos por detM ) o nmero real que obtemos operando com os elementos de M da
seguinte forma:

1. Se M de ordem 1 n = , ento detM o nico elemento de M .

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 27
[ ] ( )
11 11
det M a M a = = .

Exemplo [ ] 6 det 6 M M = = .

2. Se M de ordem 2 n = , ento detM o produto dos elementos da diagonal principal
menos o produto dos elementos da diagonal secundria.

11 12
11 22 12 21
21 22
det
a a
M M a a a a
a a


= =


.

Exemplo ( )( ) ( )( )
3 6
det 3 4 6 2 0
2 4
M M


= = =



.

3. Se M de ordem 3 n = , ento detM definido por:

11 22 33 12 23 31 13 21 32 13 22 31 11 23 32 12 21 33
detM a a a a a a a a a a a a a a a a a a = + + .

Na prtica, utilizamos a Regra de Sarrus


Exemplo Calcule detA, sendo
0 1 2
1 3 4
2 1 5
A



=





.

4. Se M de ordem 3 n , ento calcularemos o determinante de M usando o Teorema de
Laplace.

Antes, daremos algumas definies para compreendermos melhor o que vir.

Menor complementar. Considere M uma matriz quadrada de ordem 2 n e seja
ij
a um
elemento de M . Definimos o menor complementar do elemento
ij
a , e indicamos
ij
D , como
sendo o determinante da matriz que se obtm suprimindo a linha i e a coluna j de M .
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 28

Exemplo Seja
4 3 4
2 1 5
3 3 2
M



=





. Determine
12
D e
31
D .
12 31
2 5 3 4
11 e 11
3 2 1 5
D D = = = =

Cofator ou complemento algbrico. Considere M uma matriz quadrada de ordem 2 n e seja
ij
a um elemento de M . Definimos o cofator do elemento
ij
a , e indicamos
ij
A , como sendo o
nmero
( ) 1
i j
ij ij
A D
+
= .

Exemplo Na matriz M dada anteriormente, calcule
12 31
e A A .

( ) ( )( )
1 2
12 12
1 1 11 11 A = D
+
= =
( ) ( )( )
3 1
31 31
1 1 11 11 A = D
+
= =

Teorema de Laplace. O determinante de uma matriz M , de ordem 2 n , a soma dos
produtos dos elementos de uma fila (linha ou coluna) qualquer pelos respectivos cofatores, isto
,

1
det
n
kj kj
k
M a A
=
=

(expanso por coluna) ou


1
det
n
ik ik
k
M a A
=
=

(expanso por linha).



Observao. Escolha uma fila que possua a maior quantidade de zeros com a finalidade de
simplificar os clculos.

Exemplo Seja
3 1 2 2
0 2 0 4
0 4 1 2
0 1 3 3
M




=





. Calcule detM .

Soluo. Expanso pela coluna 1 j = , pois esta possui um maior nmero de zeros.
1 1 11 11 21 21 31 31 41 41
1
det
n
k k
k
M a A a A a A a A a A
=
= = + + + =


LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 29
( ) ( ) ( ) ( )
1 1 2 1 3 1 4 1
2 0 4 1 2 2 1 2 2 1 2 2
3 1 4 1 2 0 1 4 1 2 0 1 2 0 4 0 1 2 0 4
1 3 3 1 3 3 1 3 3 4 1 2
+ + + +

= + + + =


( ) ( ) 3 6 48 4 12 3 62 186 = + + = = .

Exerccio Seja
4 1 2 0
3 1 0 2
0 3 2 2
5 0 2 1
B




=





. Calcule detB .

Propriedades dos determinantes. Sejam A e B matrizes quadradas de ordem n . Ento:
a) det det
t
A A = .
b) A possui fila nula det 0 A = .
c) ( ) ( ) det det onde
n
A A = R.
d) A possui filas paralelas iguais det 0 A = .
e) A uma matriz triangular
11 22 33
det
nn
A a a a a = .
f) ( ) det det det A B A B = . Conseqncia:
( )
1
1
det
det
A
A

= .
Observao. ( ) det det det A B A B .

Teorema. A inversvel se, e somente se, det 0 A .

4. SISTEMAS DE EQUAES LINEARES
Equao linear uma equao da forma
1 1 2 2 3 3 n n
a x a x a x a x b + + + + = na qual
1 2 3
, , , ,
n
x x x x so as variveis (ou incgnitas),
1 2 3
, , , ,
n
a a a a so os respectivos
coeficientes das variveis e b o termo independente. Os valores das variveis que satisfazem
equao constituem sua soluo. Esses valores so denominados razes da equao linear.

Um conjunto de equaes lineares chamado de sistema de equaes lineares:
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 30
11 1 12 2 13 3 1 1
21 1 22 2 23 3 2 2
31 1 32 2 33 3 3 3
1 1 2 2 3 3
n n
n n
n n
m m m mn n m
a x a x a x a x b
a x a x a x a x b
a x a x a x a x b
a x a x a x a x b

+ + + + =

+ + + + =

+ + + + =

+ + + + =

. . . . .



Este sistema possui m equaes lineares e n incgnitas.

Uma soluo do sistema acima uma -upla n (lista) de nmeros ( )
1 2 3
, , , ,
n
x x x x
que
satisfaa simultaneamente estas m equaes. Esses nmeros so chamados razes do sistema
de equaes lineares.

Exemplos

1 Considere as equaes lineares 2 3 1 x y = e 3 x y + = , o par ( , ) (2,1) x y = soluo desse
conjunto de equaes lineares, pois 2 2 3 1 1 = e tambm 2 1 3 + = .

2 Verifique se o terno ( )
1 2 3
, , ( 2, 1, 4) x x x = soluo do conjunto de equaes lineares


1 2 3
1 2 3
1 2 3
4 3 6
2 5 4 4
3 2 7
x x x
x x x
x x x

+ + =

+ + =

.

Classificao dos sistemas lineares quanto soluo











Consistente ou possvel

Determinado: soluo nica.

Indeterminado: infinitas solues.

Inconsistente ou impossvel

Sem soluo.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 31
Interpretao geomtrica da soluo de um sistema linear

Exemplos para duas equaes e duas incgnitas
nica soluo Sem soluo Infinitas solues

3 2 7
1
x y
x y
+ =


3 2 7
3 2 3
x y
x y
+ =

+ =


3 2 7
6 4 14
x y
x y
+ =

+ =



Exemplos para trs equaes e trs incgnitas

a) Nenhuma soluo (trs planos paralelos);
b) Nenhuma soluo (dois planos paralelos);
c) Nenhuma soluo (trs planos sem interseco comum);
d) Infinitas solues (trs planos coincidentes);

e) Infinitas solues (trs planos cortando em uma reta);
f) Uma soluo (trs planos cortando em um ponto);
g) Nenhuma soluo (dois planos coincidentes paralelos a um terceiro plano);
h) Infinitas solues (dois planos coincidentes cortando um terceiro plano).
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 32
Sistemas lineares e matrizes. Podemos escrever o sistema anterior numa forma matricial
1
11 12 1 1
21 22 2 2
2
1 2
n
n
m m mn n
m
b
a a a x
a a a x
b
a a a x
b








=









. . . .
.

ou A X B = ,
onde A a matriz dos coeficientes, X a matriz das incgnitas e B a matriz dos
coeficientes.

Uma outra matriz que podemos associar ao sistema
11 12 1 1
21 22 2 21
1 2
n
n
m m mn m
a a a b
a a a b
a a a b









. . . .


Chamada matriz ampliada do sistema. Cada linha desta matriz uma representao abreviada
da equao correspondente do sistema.

Exemplo Dado o sistema
1 2 3
1 2 3
1 2 3
4 3 1
2 5 4 4
3 2 5
x x x
x x x
x x x

+ + =

+ + =

podemos escrever este sistema na forma


matricial
1
2
3
1 4 3 1
2 5 4 4
5
1 3 2
x
x
x






=








. A matriz ampliada deste sistema
1 4 3 1
2 5 4 4
1 3 2 5









.

Sistemas equivalentes. Tal sistema ou tal matriz pode ser substitudo por um sistema ou
matriz equivalente mais simples, atravs de operaes que preservem as igualdades, de modo
que seja mais fcil determinar a sua soluo.

1 passo: eliminar
1
x das linhas 2 e 3.
( )
( )
( )
1 1
1 2 2
1 3 3
1 4 3 1
2 0 3 2 2
0 7 5 4
i
i
i
L L
L L L
L L L









LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 33
2 passo: tornar o coeficiente de
2
x igual a 1 na 2 linha.
( )
( )
2
2 2
3 3 2
1 4 3 1
0 1
3
0 7 5 4
i
ii
L
L









3 passo: eliminar o coeficiente de
2
x na 3 linha.
( ) ( ) ( )
2 2
3 3 3 2 3
1 2
3 3
1 4 3 1
7 0 1
0 0
iii ii ii
L L L










4 passo: tornar o coeficiente de
3
x igual a 1 na 3 linha.
( ) ( )
( )
2 2
3 3 3 3
1 4 3 1
3 0 1
0 0 1 2
iv iii
L L










5 passo: eliminar
2
x da 1 linha.
( ) ( ) ( )
1 11
3 3
2 2
1 3 3 1 2
1 0
4 0 1
0 0 1 2
iv iv v
L L L










6 passo: eliminar
3
x das duas primeiras linhas.
( ) ( )
( )
( ) ( ) ( )
3
1 1
2 3 2
1 0 0 3
3
0 1 0 2
2
0 0 1 2
3
v
vi v
vi v v
L
L L
L L L












que a matriz ampliada do sistema de equaes equivalente
1 2 3
1 2 3
1 2 3
0 0 3
0 0 2
0 0 2
x x x
x x x
x x x

+ + =

+ + =

+ + =


Portanto, a soluo ( )
1 2 3
, , (3, 2, 2) x x x = soluo de qualquer dos sistemas equivalentes.

O posto da matriz ampliada de um sistema nos d o nmero de equaes independentes deste.

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 34
Soluo de um sistema de equaes lineares

Teorema
i) Um sistema de m equaes e n incgnitas admite soluo se, e somente se, o posto da
matriz ampliada igual ao posto da matriz dos coeficientes.

ii) Se as duas matrizes tm o mesmo posto p e p n = , a soluo ser nica.

iii) Se as duas matrizes tm o mesmo posto p e p n < , podemos escolher ( ) n p
incgnitas e as outras p incgnitas sero dadas em funo destas. Neste caso, dizemos
que o grau de liberdade do sistema ( ) n p , o que significa que o sistema possui
( ) n p variveis livres.

Notao:
0
p =posto da matriz dos coeficientes;
a
p =posto da matriz ampliada.

Exemplos

Se
0 a
p p = denotamos simplesmente p .

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








0
3
a
p p p = = = e 3 n = .
Caso (ii): existe uma nica soluo
1 2 3
3, 2, 2. x x x = = =

Exemplo 2
1 0 7 10
0 1 5 6





0
2
a
p p p = = = e 3 n = .
Caso (iii): grau de liberdade 1 = infinitas solues:
1 3
2 3
10 7
6 5
x x
x x
=



Exemplo 3
1 0 7 10
0 1 5 6
0 0 0 2







0
2 p = , 3
a
p = e 3 m n = = .
0 a
p p o sistema incompatvel e no existe soluo.

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 35
Os ltimos resultados acima podem ser resumidos (ou pode ser dito) do seguinte modo:

Discutir um sistema linear significa classific-lo em sistema impossvel (S.I), sistema possvel
determinado (S.P.D) ou sistema possvel indeterminado (S.P.I).

Suponha que um sistema S (com m equaes e n incgnitas) tenha sido escalonado e,
retiradas as equaes (linhas) do tipo 0 0 = , restam p equaes ( p m ) com n incgnitas.

I. Se a ltima das equaes restantes
( )
1 2
0 0 0 , 0
n p p
x x x + + + = , ento o sistema
impossvel (S.I).

Caso contrrio, sobram duas alternativas:

II. Se p n = (nmero de equaes igual ao nmero de incgnitas) o sistema possvel
determinado (S.P.D).

III. Se p n < (nmero de equaes menor que o nmero de incgnitas) o sistema possvel
indeterminado (S.P.I).

Observao. O valor ( ) n p chamado de grau de liberdade do sistema, isto significa que a
soluo do sistema ser apresentada com ( ) n p incgnitas.

Exerccio Discuta em funo de k o sistema
1
: 1
1
kx y z
S x ky z
x y kz

+ + =

+ + =

+ + =

.
Soluo:
1 . . .
2 . .
1 e 2 . . .
k S P I
k S I
k k S P D



SISTEMA LINEAR HOMOGNEO
o sistema de equaes lineares que possui todos os termos independentes iguais a zero.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 36
11 1 12 2 13 3 1
21 1 22 2 23 3 2
31 1 32 2 33 3 3
1 1 2 2 3 3
0
0
0
0
n n
n n
n n
m m m mn n
a x a x a x a x
a x a x a x a x
a x a x a x a x
a x a x a x a x

+ + + + =

+ + + + =

+ + + + =

+ + + + =

. . . . .



Observe que este sistema sempre possui a soluo 0, 1, 2, ,
i
x i n = = , denominada soluo
trivial. Portanto um sistema linear homogneo ou determinado tendo a soluo trivial como
soluo nica, ou indeterminado (possui infinitas solues, incluindo a soluo trivial).
Nunca incompatvel.

Exemplos

1
3 0
2 2 0
0
x y z
y z
x y z

+ =

+ =

+ + =

( ) { } 0, 0, 0 S =

2
2 3 0
2 5 6 0
3 3 0
x y z
x y z
x y z

+ =

+ + =

+ + =

( ) { } 3 , 0, ; S z z z = R

SISTEMA LINEAR RESOLVIDO PELA REGRA DE CRAMER
Seja o sistema linear do tipo
1
11 12 1 1
21 22 2 2
2
1 2
n
n
n n nn n
n
b
a a a x
a a a x
b
a a a x
b








=









. . . .
.


Onde
11 12 1
21 22 2
1 2
n
n
n n nn
a a a
a a a
A
a a a




=




. . .

,
1 12 1
2 22 2
1
2
n
n
n n nn
b a a
b a a
A
b a a




=




. . .

,
11 1 1
21 2 2
2
1
n
n
n n nn
a b a
a b a
A
a b a




=




. . .

,...,
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 37
11 12 1
21 22 2
1 2
n
n n n
a a b
a a b
A
a a b




=




. . .

e det 0 A .
Ento, este sistema linear tem uma nica soluo dada por:
1 2 3
1 2 3
det det det det
; ; ; ;
det det det det
n
n
A A A A
x x x x
A A A A
= = = =


Exemplo Usando a Regra de Cramer para resolver
1 3
1 2 3
1 2 3
2 6
3 4 6 30
2 3 8
x x
x x x
x x x

+ =

+ + =

+ =

.
Temos:
1 2 3
1 0 2 6 0 2 1 6 2 1 0 6
3 4 6 , 30 4 6 , 3 30 6 , 3 4 30
1 2 3 8 2 3 1 8 3 1 2 8
A A A A



= = = =







Portanto,
( )
( )
( )
( )
( )
( )
1 2 3
1 2 3
det det det
40 10 72 18 152 38
, ,
det 44 11 det 44 11 det 44 11
A A A
x x x
A A A

= = = = = = = = =

SOLUO DE SISTEMA UTILIZANDO A MATRIZ INVERSA
Considere um sistema linear do tipo A X B = com A (matriz dos coeficientes) inversvel.
Ento o vetor soluo X desse sistema pode ser dado por
1
X A B

= .

Seja o sistema de equaes com n equaes e n incgnitas:
11 1 12 2 13 3 1 1
21 1 22 2 23 3 2 2
31 1 32 2 33 3 3 3
1 1 2 2 3 3
n n
n n
n n
n n n nn n n
a x a x a x a x b
a x a x a x a x b
a x a x a x a x b
a x a x a x a x b

+ + + + =

+ + + + =

+ + + + =

+ + + + =

. . . . .



Na forma matricial temos:
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 38
1
11 12 1 1
21 22 2 2
2
1 2
n
n
n n nn n
n
b
a a a x
a a a x
b
a a a x
b








=









. . . .
.

ou A X B = ,

Para estas equaes, supondo que det 0 A , ou seja, existe
1
A


1 1 1 1
A A X A B I X A B X A B

= = =
Exemplo Resolver pelo mtodo matricial
1
2
3
2 3
3
2
x y z b
x y z b
x y z b

+ =

+ =

+ =


Temos ento,
1
2
3
2 3 1
1 3 1 , e
1 2 1
b
x
A X y B b
z
b







= = =








Antes de procurar
1
A

verifiquemos se esta existe, ou seja, se det 0 A .


det 1 A = ,
1
1 1 0
0 1 1
1 1 3
A





=






,
1 1 2
2 2 3
3 1 2 3
1 1 0
0 1 1
1 1 3 3
b b b
X b X b b
b b b b




= =





.

conveniente empregar este mtodo no caso em que temos que resolver diversos sistemas
entre os quais variam somente os termos independentes de cada um deles. Neste caso, basta
calcular a matriz inversa da matriz dos coeficientes, que ser a mesma para todos os sistemas
e multiplic-la por cada matriz dos termos independentes, determinando as diferentes solues.


Exemplo de Aplicao. Uma indstria produz trs produtos: , e X Y Z , utilizando dois tipos
de insumo, A e B .
Para a manufatura de cada quilo (kg) de X so utilizados 1 grama do insumo A e 2
gramas do insumo B .
Para cada kg de Y , 1 grama de insumo A e 1 grama de insumo B .
Para cada kg de Z , 1 grama de A e 4 gramas de B .
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 39
O preo de venda do kg de cada um dos produtos , e X Y Z R$ 2,00, R$ 3,00 e R$
5,00, respectivamente.
Podemos usar matrizes para esquematizar a produo de , e X Y Z da seguinte forma:

gramas de /kg 1 1 1
gramas de /kg 2 1 4
2 3 5 preo/kg
X Y Z
A
B M





kg de produzidos
kg de produzidos
kg de produzidos
X
x
Y y N
z
Z








gramas de usado
gramas de usado 2 4
2 3 5 receita total
A x y z
B x y z MN L
x y z

+ +


+ + = =





+ +



Temos que
1
7 2 3
5 5 5
2 3 2
5 5 5
4 1 1
5 5 5
M




.

a) Se em um perodo com a venda de toda a produo de , e X Y Z manufaturada com 1 kg
de A e 2 kg de B , essa indstria arrecadou R$2.500,00, ento determine quantos kg de cada
um dos produtos , e X Y Z foram vendidos.
Neste perodo temos como matriz dos coeficientes
gramas de usado 1000
2000 gramas de usado
2500 receita total
A
L B




.
Logo,
1
7 2 3
5 5 5
kg de produzidos 1000 700
2 3 2
kg de produzidos 2000 200
5 5 5
2500 100 kg de produzidos
4 1 1
5 5 5
X
x
Y y N M L
z
Z












= = = =


Portanto, foram produzidos 700 kg do produto X , 200 kg de Y e 100 kg de Z .

b) Se em outro perodo com a venda de toda a produo de , e X Y Z manufaturada com 1
kg de A e 2,1 kg de B , essa indstria arrecadou R$2.900,00, determine quantos kg de cada
um dos produtos , e X Y Z foram vendidos.

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 40
Analogamente, temos
1
7 2 3
5 5 5
kg de produzidos 1000 500
2 3 2
kg de produzidos 2100 300
5 5 5
2900 200 kg de produzidos
4 1 1
5 5 5
X
x
Y y N M L
z
Z










= = = =


Portanto, foram produzidos 500 kg do produto X , 300 kg de Y e 200 kg de Z .


EXERCCIOS DE FIXAO MATRIZES, DETERMINANTES E SISTEMAS LINEARES

1 Considere as matrizes
( )
2 2
ij
A a

= , tal que
,
0,
ij
i j i j
a
i j
+ =

e
( )
2 2
ij
B b

= , tal que
2 3
ij
b i j = . Determine A B + .

2 Determine , x y para que se tenha
1 2 1 1
18 4 3 4
x y y
x y x
+


=



+


.

3 Considere as matrizes
1 1 5 4 0 2
, e
3 2 1 0 3 4
A B C



= = =




. Mostre as seguintes
propriedades:

a) ( ) ( ) A B C A B C + + = + + (associativa na adio).
b) ( ) ( ) A B B A + = + (comutativa na adio).
c) ( ) 0 A A + = (matriz oposta).
d) ( ) , A B A B + = + R. (distributiva por escalar).
e) ( ) ( ) AB C A BC = (associativa na multiplicao).
f) ( ) A B C AC BC + = + (distributiva direita).
g) ( ) A B C AB AC + = + (distributiva esquerda).
h) AB BA (as matrizes no comutam necessariamente).
i)
( )
t
t
A A = .
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 41
j) ( )
t t t
A B A B + = + .
k) ( )
( )
,
t t
A A = R.
l) ( )
t t t
AB B A = ( falso ( )
t t t
AB A B = ).

4 Considere as seguintes matrizes:
5 0 1 2 1 3 4 1 2 5 4
, , , e
6 7 3 4 2 6 5 3 4 6 11
A B C D E



= = = = =






.
a) Determine 5 2 A B e 2 3 A B + .
b) Determine
2
A AA = e AC .
c) Mostre que as matrizes D e E comutam e A e B no comutam, ou seja, mostre que
DE ED = e que AB BA .

5 Encontre as matrizes de ordem 2 e 3 que comutam, respectivamente, com:
a)
1 1
0 1





b)
1 1 0
0 1 1
0 0 1






6 Determine, se possvel, x R para que a matriz
2
3
0 2 1
0 4
1 0
x
x x
x x



+


seja:
a) simtrica. b) anti-simtrica

7 Dada a matriz
2 0 2
1 1 2
0 3 0
A




, mostre que
t
S AA = uma matriz simtrica. (O produto
de uma matriz quadrada A pela sua transposta
t
A uma matriz simtrica).

8 Seja
1 2
3 6
A



=




. Ache uma matriz
( )
2 3
ij
B b

= , com todos os elementos distintos, tal que


0 AB = . (Isto quer dizer que 0 AB = no implica 0 ou 0 A B = = ).

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 42
9 Seja
2 1 1
3 4 3
5 5 4
A








. Mostre que A idempotente, isto ,
2
A A = .

10 Resolva.
a) Seja
1 1 1
3 3 3
4 4 4
B








. Mostre que B nilpotente de ndice 2, isto ,
2
0 B = .
b) Dizemos que uma matriz B raiz quadrada de uma matriz A se
2
B B B A = = .
Determine duas razes quadradas de
2 2
2 2
A


=



.

11 Dada a matriz
cos sen 0
sen cos 0 ,
0 0 1
M




R , calcule
t
M M e conclua que
1 t
M M

= .

12 Considere o polinmio
2
( ) 3 g x x x = + . Calcule ( ) g A , sendo
1 2
3 4
A



=



.

13 Resolva os problemas de demonstrao.
a) Prove que se , e A B C so matrizes inversveis de ordem n , ento
( )
1 1 1 1
ABC C B A

= .
b) Mostre que se uma matriz quadrada satisfizer
2
3 0 A A I + = , ento
1
3 A I A

= .

14 Sejam , e A B C matrizes inversveis de mesma ordem. Resolva as equaes em X ,
sabendo-se que:
a) AXB C = b) ( ) A B X A + = c) ACXB C =
d) ( ) ( )
1 1
AB AX CC

= e)
1 t t
AB XB A

= f) ( ) 2 A X B AC =

15 Resolva os problemas:
a) Mostre que se A uma matriz inversvel de ordem 2, ento
( ) ( )
1
1
t
t
A A

= .
b) Mostre que se
4
0 A = ento ( )
1
2 3
I A I A A A

= + + + .
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 43

16 Mostre que toda matriz soluo de um sistema linear AX B = a soma de uma soluo
do sistema homogneo associado 0 AX = com uma soluo particular de AX B = . Sugesto:
siga as etapas seguintes, usando somente as propriedades de matrizes.
i. Mostre que se
0
X uma soluo do sistema 0 AX = e
1
X uma soluo do sistema
AX B = , ento
0 1
X X + soluo de AX B = .
ii. Se
1
X e
2
X so solues de AX B = , ento
1 2
X X soluo de 0 AX = .
iii. Use (i) e (ii) para chegar concluso desejada.

17 Resolva as equaes matriciais abaixo:
a)
3 4 1
2 3 1
X



=




b)
1 0 0 5
2 1 0 7
2 3 1 2
Y









=








c)
1 2 1 7
2 2
5 5
3 5 2 7
W




+ =






18 Calcule o determinante das matrizes abaixo:
a)
3 1
4 2





b)
cos sen
sen cos
x x
y y





c)
sen cos
sen cos
x x
y y





d)
sen cos
cos sen
x x
x x




e)
1 3 4
5 2 3
1 4 2




f)
1 4 6
0 2 5
0 0 3











g)
1 3 2 0
3 1 0 2
2 3 0 1
0 2 1 3




h)
0 1
0 1 0 0
0
1 0
a b
a a b
b a




i)
1 2 3 4 5
0 1 2 3
0 0 1 2
0 0 0 1
0 0 0 0
a
b
c
d










19 Determine x nas equaes abaixo:
a)
2 2
11
4 5 3 1
x x
x x

=
+
b)
1 1
1 1 0
1 1
x
x
x
=

c)
1 1 2 3
2 2 1
2
3 2 1 0
1 1 2 0
x



LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 44
20 Seja
4 0 1
2 3 2
1 0 4
A



=





. Determine todos os valores reais de x tais que ( )
3
det 0 A I x = .

21 Verdadeiro (V) ou Falso (F)?
a) [ ] __ Se X e Y so semelhantes ento det det X Y = .
b) [ ] __ Se Y triangular superior ento ( ) det tr Y Y = .
c) [ ] __ ( ) det det X X = se R uma constante.
d) [ ] __ Se 2 n = ento ( )
2
det (tr ) det Y xI x Y x Y = + + .
e) [ ] __
( )
det 1
t
X Z = se X inversvel e Z sua matriz inversa.

22 Usando escalonamento, resolva os seguintes sistemas de equaes lineares:
a)
2 2 10
3 2 2 1
5 4 3 4
x y z
x y z
x y z

+ =

+ + =

+ + =

b)
1
2 5 2 5
2 7 8
x y z
x y z
x y z

+ + =

+ =

+ =

c)
2 3 11
4 3 2 0
6
3 4
x y z
x y z
x y z
x y z
+ =

+ =

+ + =

+ + =


d)
4
2 5 2 3
7 7 5
x y z
x y z
x y z

+ + =

+ =

+ =

e)
2 3 0
2 5 6 0
x y z
x y z
+ =

+ + =

f)
0
4
4
2
x y z t
x y z t
x y z t
x y z t
+ + + =

+ + =

+ + =

+ + =



23 Resolva os seguintes sistemas pela regra de Cramer.
a)
2 2 4
2 1
3 5 2 1
x y z
x y z
x y z

+ + =

+ + =

+ + =

b)
3 0
2 2 0
0
x y z
y z
x y z

+ =

+ =

+ + =


c)
0
2 1
3 1
x y z
x y z
x y z

+ =

+ + =

+ =

d)
1 4 2 1 32
2 1 7 9 14
1 1 3 1 11
1 2 1 4 4
a
b
c
d















LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 45
24 Determine os valores de e que
tornam o sistema ao lado possvel
determinado:
3 7
5 3 5 2
2 1
x y
x y
x y
x y

+ =

+ = +

+ = +



25 Considere a matriz
( )
3 3
ij
A a

= , tal que
,
2 ,
,
ij
i j i j
a i j i j
j i i j

+ <

= =

>

. Determine X na equao
AX B = , onde
2
2
2
B








.

26 Discuta em funo de k os seguintes sistemas lineares:
a)
4 3 2
5 4 0
2
x y
x y
x y k

+ =

b)
2 1
2
0
x y kz
kx y z
x y z

+ =

+ + =


c)
2 5 2 0
0
2 0 0
x y z
x y z
x y kz

+ =

+ + =

+ + =

d)
1
2 4
1
x y z
x y kz k
y kz

+ + =

+ =



27 Usando operaes elementares sobre linhas, determine se as matrizes abaixo so
inversveis e, em caso afirmativo, determine a sua inversa.
a)
1 3
2 7
A



=




b)
2 5 1
4 1 2
0 4 1
B



c)
1 1 2
3 2 4
0 1 2
C










ALGUNS EXERCCIOS DE APLICAO
1 Resolva os problemas:
a) Mostre que a rea do tringulo na figura calculada
como o valor absoluto do determinante
1 1
2 2
3 3
1
1
1
2
1
x y
x y
x y
.

( )
1 1
, P x y

( )
2 2
, Q x y

( )
3 3
, R x y

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 46
b) Determine a rea do tringulo cujos vrtices so ( ) ( ) ( ) 4,1 , 2, 3 e 0, 6 A B C usando o
resultado do item anterior.

2 Uma matriz custo C de ordem 2 mostra o custo de produo por item de dois produtos, I
e II, de alguma companhia. Isto
4, 0 4, 5
20, 0 25, 0
ij
C C



= =



,
Onde os produtos I e II so representados, respectivamente, pelas colunas 1 e 2, e o custo com
matria prima e mo de obra so representados pelas linhas 1 e 2, respectivamente. Uma outra
matriz P , chamada de produo, 2 4 e mostra os nmeros da produo em cada estao
do ano (representadas pelas colunas de P ) dos produtos I e II (representados pelas linhas de
P ). Se,
1000 2000 2000 3000
3000 1000 2000 1000
ij
P P



= =



,
Ento encontre M CP = e interprete-a, escrevendo o significado das linhas e das colunas.

3 Um construtor tem contratos para construir trs estilos de casa: moderno, mediterrneo e
colonial. A quantidade de material empregada em cada tipo de casa dada pela matriz:
Ferro Madeira Vidro Tinta Tijolo
Moderno 5 20 16 7 17
Mediterrneo 7 18 12 9 21
6 25 8 5 13 Colonial









a) Se ele vai construir 5, 7 e 12 casas do tipo moderno, mediterrneo e colonial,
respectivamente, quantas unidades de cada material sero empregadas?
b) Suponha agora que os preos por unidade ferro, madeira, vidro, tinta e tijolo sejam,
respectivamente, $15, $8, $5, $1 $10. Qual o preo unitrio de cada tipo de casa?
c) Qual o custo total do material empregado?

4 Uma rede de comunicao tem cinco locais com transmissores de potncias distintas.
Estabelecemos que 1
ij
a = , na matriz abaixo, significa que a estao i pode transmitir
diretamente estao j , 0
ij
a = significa que a transmisso da estao i no alcana a
estao j . Observe que a diagonal principal nula, significando que uma estao no
transmite diretamente para si mesma.
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 47
0 1 1 1 1
1 0 1 1 0
0 1 0 1 0
0 0 1 0 1
0 0 0 1 0
A





=







Qual seria o significado da matriz
2
A A A = ?
Seja
( )
2
ij
A c = . Calculemos o elemento
5
42 4 2
1
0 0 1 0 0 1
k k
k
c a a
=
= = + + + + =

.
Note que a nica parcela no nula veio de
43 32
1 1 a a = . Isto significa que a estao 4
transmite para a estao 2 atravs de uma retransmisso pela estao 3 , embora no exista
uma transmisso direta de 4 para 2.
a) Calcule
2
A .
b) Qual o significado de
13
c ?
c) Discuta o significado dos termos nulos, iguais a 1 e maiores do que 1 de modo a justificar a
afirmao: A matriz
2
A representa o nmero de caminhos disponveis para se ir de uma
estao a outra com uma nica retransmisso.

5 Encontrar a equao da parbola
2
y ax bx c = + + , sabendo que ela passa pelos pontos
1
(1, 2) P ,
2
( 1,12) P e
1
(4, 2) P .

6 Bronze uma liga de cobre e zinco, na qual a porcentagem de cobre varia geralmente
entre 60% e 70%. Usando dois tipos de bronze, um com 62% e outro com 70% de cobre,
deseja-se obter uma tonelada de bronze com exatamente 65% de cobre. Quantos quilos do
primeiro tipo de bronze e quantos quilos do segundo devem ser usados?

7 Um par de tnis, duas bermudas e trs camisetas custam juntos R$100,00. Dois pares de
tnis, cinco bermudas e oito camisetas custam juntos R$235,00. Quanto custa no total um par
de tnis, uma bermuda e uma camiseta?

8 Considere o sistema de matriz ampliada
1 1 1
1
2 3 4
1 1 1
0
3 4 5
1 1 1
1
4 5 6











.
a) Obtenha a soluo exata;
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 48
b) Resolva-o utilizando dois algarismos significativos;
c) Agora faa a seguinte experincia: escreva o mesmo sistema, arredondando para dois
algarismos significativos, mas a partir da ache sua soluo usando o mximo de algarismos
significativos que sua calculadora permite. Compare com a soluo exata. Isto mostra que o
refinamento limitado pelo arredondamento inicial que, num sistema mal condicionado, pode
alterar drasticamente a soluo.

9 Fatorao LU . Seja A uma matriz quadrada de ordem n que pode ser escrita como
A L U = onde L uma matriz triangular inferior e U uma matriz triangular superior. Ento
o sistema A X B = pode ser expresso como ( ) L U X B = e, portanto, pode ser resolvido em
dois passos:
Passo 1: Seja U X Y = de modo que ( ) L U X B = pode ser escrito como L Y B = .
Resolva este sistema em Y .
Passo 2: Resolva, agora, o sistema U X Y = em X .
Utilize fatorao LU para resolver o sistema
2 0 0 3 5 2
4
4 1 0 0 4 1 5
3 2 3 0 0 2 2
x
y
z











.

10 Utilize a regra de Cramer para obter ( ) f x

e ( ) g x

, da, calcule ( ) f x e ( ) g x por


integrao.
a)
sen cos 0 sen cos
0

cos sen
tg
(cos ) ( sen ) tg
f x g x x x f
x x
x
f x g x x g

+ =





+ =




b)
( )
3 3
3
3 3
2
0
3 (1 3 )
x x
x
x x
f e g xe
e
f e g e x
x


+ =

+ + =



11 Um engenheiro supervisiona a produo de trs tipos de automveis. Considera-se que
trs tipos de material (metal, plstico e borracha) so necessrios para produo de cada
automvel.
A quantidade necessria para produo de cada tipo de automvel est ilustrada na tabela 2:
Marca do automvel Metal (kg/carro) Plstico (kg/carro) Borracha (kg/carro)
1 4000 25 100
2 1700 80 120
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 49
3 1900 42 250

Admitindo-se que um total de 106 ton de metal, 2.17 ton de plstico e 8.2 ton de borracha
esto disponveis por dia, monte um sistema de equaes relacionando a produo mxima (n
o

carros/dia) para cada marca de automvel. Quantos carros de cada marca so produzidos?

12 Para controlar um certo tipo de praga numa safra de caf devem ser usadas trs unidades
de um produto qumico tipo A, duas unidades do tipo B e duas unidades do tipo C. Um barril
do spray comercial P contm uma unidade do produto qumico A. Um barril do spray
comercial Q contm uma, duas e uma unidades, respectivamente, desses produtos. Um barril
do spray comercial R contm uma unidade de cada produto. Quantos barris de cada tipo de
spray devem ser usados para preparar exatamente a quantidade de produto qumico necessrio
para o controle da praga?

13 A tabela abaixo exibe as porcentagens de albumina, carboidrato e lipdio em cada um dos
alimentos A, B e C. Verifique se possvel combinar esses alimentos formando uma refeio
que contenha 40% de albumina; 40% de carboidrato e 20% de lipdio
A B C
Albumina 30% 50% 20%
Carboidrato 30% 30% 70%
Lipdio 40% 20% 10%

14 Numa equao qumica balanceada o nmero de cada tomo nos reagentes deve ser igual
nos produtos. Por exemplo
2 2 2
2 2 H O H O + .
Um dos mtodos para encontrar uma reao balanceada por tentativa e erro. Usando os
mtodos de resoluo de sistemas lineares podemos resolver essa questo facilmente. Assim,
em cada caso a seguir, encontre a equao qumica balanceada (mnima).
a)
3 2 2 2
NH O N H O + + b)
5 11 2 2 2
C H OH O H O CO + +
c)
4 10 2 2 2
C H O CO H O + + d)
Observao.
3
: amonia NH ,
2
: oxignio O ,
2
: nitrognio N ,
2
: gua H O ,
2
: dixido de carbono CO ,
6 12 6
: glicose C H O ,
4 10
: gs butano C H .

Circuitos Eltricos. Em um circuito eltrico possvel determinar a corrente em cada trecho
em termos da resistncia e da diferena de potencial. Na figura a seguir o smbolo |
LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 50
representa uma bateria (medida em volts) que gera uma carga que produz uma corrente. A
corrente sai da bateria do lado que contm a reta vertical mais longa. O smbolo
representa um resistor. As resistncias so medidas em ohms. A letras maisculas representam
os ns, e i ou I (medida em ampres) representa a corrente entre os ns. As setas indicam o
sentido do fluxo da corrente. Se uma corrente negativa isso significa que a corrente naquele
trecho flui no sentido oposto ao da seta.
Para obter as correntes so utilizadas as seguintes leis
1. Lei de Ohm
A diferena de potencial eltrico E em cada resistor corresponde a E iR = , onde R a
resistncia em ohms.
2. Leis de Kirchhoff
i) Em cada n a soma das correntes que entram igual soma das correntes que saem
ii) Em cada ciclo fechado, a diferena de potencial total zero
Podemos utilizar esses conhecimentos no circuito da figura. Vejamos,
N 1:
1 2 5
0 I I I =
N 2:
1 3 4
0 I I I + =
N 3:
3 5 6
0 I I I + + =
N 4:
2 4 6
0 I I I =

Loop A:
1 1 3 3 5 5 1 3
I R I R I R E E + =
Loop B:
2 2 5 5 6 6 2
I R I R I R E + =
Loop C:
3 3 4 4 6 6 3 4
I R I R I R E E + = +


15 Siga a idia do exerccio anterior e determine a corrente eltrica em cada um dos trechos
indicados nos circuitos ilustrados a seguir:


(a) (b)

LGEBRA LINEAR MATRIZES, DETERMINANTES E SISTEMAS LINEARES 51
16 Deseja-se construir um circuito como o
mostrado na figura.
Dispe-se de uma tabela de preos de vrios
tipos de resistncias; assim como as correntes
mximas que elas suportam sem queimar.


Resistncias

Corrente mxima
1
20 R =
2
30 R =
3
50 R =
4
40 R =
5
100 R =
0,5 A $10,00 $10,00 $15,00 $15,00 $20,00
1,0 A $15,00 $20,00 $15,00 $15,00 $25,00
3,0 A $20,00 $22,00 $20,00 $20,00 $28,00
5,0 A $30,00 $30,00 $34,00 $34,00 $37,00

De que tipo devemos escolher as resistncias para que o circuito funcione com segurana e a
sua fabricao seja a de menor custo possvel?

17 Determine as correntes na figura 1 e as voltagens na figura 2.


Figura 1 Figura 2










LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
1

ESPAOS VETORIAIS








Contedos
Espao vetorial sobre um corpo
Propriedades dos espaos vetoriais
Subespao vetorial
Interseco, soma e soma direta de subespaos
Combinao linear, dependncia e independncia linear
Base e dimenso
Coordenadas de um vetor
Mudana de base



LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
2
ESPAOS VETORIAIS

Definio. Seja um conjunto V , no vazio, sobre o qual esto definidas as operaes adio e
multiplicao por um escalar, ou seja,

, u v V , u v + V
R e u V , u V
O conjunto V com essas duas operaes chamado espao vetorial real (ou espao vetorial
sobre R) se as seguintes propriedades forem satisfeitas:

A) Em relao adio: , , u v w V
1
A ) ( ) ( ) u v w u v w + + = + +
2
A ) u v v u + = +
3
A ) 0 V tal que 0 u u + =
4
A ) u V tal que ( ) 0 u u + =

M ) Em relao multiplicao por escalar: , u v V e , R
1
M ) ( ) ( )u u =
2
M ) ( )u u u + = +
3
M ) ( ) u v u v + = +
4
M ) 1u u =

Exemplos
Exemplo 1 { }
2
( , ); , x y x y = = R R V um espao vetorial com as operaes usuais de
adio e multiplicao por escalar:
( ) ( ) ( )
1 1 2 2 1 2 1 2
, , , x y x y x x y y + = + +
( , ) ( , ) x y x y =

Exemplo 2 Assim, tambm, os conjuntos
3 4
, ,...,
n
R R R so espaos vetoriais com as
operaes usuais de adio e multiplicao por escalar.

Exemplo ( , ) m n = V M (ou ( )
m n
R M ), o conjunto das matrizes reais m n com a soma e
o produto por escalar usuais.
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
3

Exemplo 3.1 ( , ) ( )
n
n n = = R V M M o conjunto das matrizes quadradas reais de ordem n ;
Exemplo 3.2 [ ] { }
11 12 1 1
(1, ) , ,..., ;
n j
n a a a a = = R V M , tambm identificado com
n
= R V
so espaos vetoriais relativamente s mesmas operaes.

Exemplo 4 O conjunto
{ }
2
0 1 2
( ) ;
n
n n i
a a x a x a x a = + + + + R R P dos polinmios com
coeficientes reais de grau n , em relao s operaes usuais de adio de polinmios e
multiplicao por escalar.

Exemplo 4.1 Em particular, o conjunto dos polinmios de grau menor ou igual a 2,
{ }
2
2 0 1 2
( ) ;
i
a a x a x a = + + R R P um espao vetorial relativamente s mesmas operaes.

Exemplo 5 O conjunto dos nmeros complexos { } ; , z x iy x y = = + C R onde 1 i =
a unidade imaginria complexa um espao vetorial sobre os reais.


PROPRIEDADES DOS ESPAOS VETORIAIS
Da definio de espao vetorial V decorrem as seguintes propriedades:
i. Existe um nico vetor nulo em V (elemento neutro da adio).
ii. Cada vetor u V admite um nico simtrico ( ) u V .
iii. Para quaisquer , , u v w V , se u v v w + = + , entov w = .
iv. Qualquer que seja u V , tem-se ( ) u u = .
v. Quaisquer que sejam , u v V , existe um nico w V tal que u w v + = . Esse vetor
w ser representado por w v u = .
vi. Qualquer que seja v V , tem-se 0 0 v = .
vii. Qualquer que seja R, tem-se 0 0 = .
viii. Se 0 v = , ento 0 = ou 0 v = .
ix. Qualquer que seja v V , tem-se ( 1)v v = .
x. Quaisquer que sejam , u v V e R, tem-se ( ) ( ) ( ) v v v = = .


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
4
SUBESPAOS VETORIAIS
Definio. Dado um espao vetorial V , um subconjunto W , no vazio, um subespao
vetorial de V se:
i. Para quaisquer , u v W tem-se u v + W .
ii. Para qualquer R e u W , tem-se u W .

OBSERVAES
1. As condies da definio garantem que ao operarmos em W no obteremos um vetor
fora de W . De modo que W ele prprio um espao vetorial.
2. Qualquer subespao W de V precisa necessariamente conter o vetor nulo (condio (ii)
para 0 = ).
3. Todo espao vetorial admite pelo menos dois subespaos (chamados subespaos triviais),
o conjunto formado somente pelo vetor nulo e o prprio espao vetorial.

Exemplos
Exemplo 1 Sejam
2
= R V e { } ( , 2 ); x x x = R W . Vamos mostrar que W subespao de
2
R .
Evidentemente, W , pois (0, 0) W .
Verifiquemos as condies (i) e (ii). Para isto, sejam ( )
1 1
, 2 u x x = e ( )
2 2
, 2 v x x =
pertencentes a W , tem-se:
i. ( ) ( ) ( ) ( ) ( )
1 1 2 2 1 2 1 2 1 2 1 2
, 2 , 2 , 2 2 , 2 u v x x x x x x x x x x x x + = + = + + = + + W , pois a
segunda componente de u v + igual ao dobro da primeira.
ii. ( ) ( ) ( )
1 1 1 1
, 2 , 2 u x x x x = = W , pois a segunda componente de u igual ao dobro
da primeira.
Portanto, W um subespao vetorial de
2
R que representa geometricamente uma reta que
passa pela origem.

Observemos que ao tomarmos dois vetores u e v da reta que passa pela origem, o vetor
soma u v + ainda uma reta que passa pela origem. E se multiplicarmos um vetor u da
reta por um nmero real , o vetor u ainda estar nesta reta.

Exemplo 2 O mesmo no ocorre quando a reta no passa pela origem. Por exemplo, a reta
{ } ( , 4 2 ); x x x = R W que no um subespao vetorial do
2
R .
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
5
Se escolhermos os vetores (1, 2) u = e (2, 0) v = de W , temos (3, 2) u v + = W . Ainda
u W , para 1 .

Os exemplos dessas duas retas sugerem, para qualquer subconjunto W de um espao
vetorial V , que: sempre que 0 W , W no subespao de V . No entanto, se 0 W no
nos enganemos pensando de imediato que W seja subespao de V , pois ser necessrio
verificar as propriedades (i) e (ii).

Para
2
= R V , os subespaos triviais so { } (0, 0) e o prprio
2
R , enquanto que os outros
subespaos (subespaos prprios) so as retas que passam pela origem.

Exemplo 3 Sejam
4
= R V e { } ( , , , 0); , , x y z x y z = R W .
Observe que { } (0, 0, 0, 0) W .
Para ( )
1 1 1
, , , 0 u x y z = e ( )
2 2 2
, , , 0 v x y z = em W , temos
i. ( ) ( ) ( )
1 1 1 2 2 2 1 2 1 2 1 2
, , , 0 , , , 0 , , , 0 u v x y z x y z x x y y z z + = + = + + + W , pois a quarta
componente nula.
ii. ( ) ( ) , , , 0 , , , 0 u x y z x y z = = W , pois a quarta componente nula.
Logo, W subespao vetorial de
4
R .

Exemplo 4 Sejam (3,1) = V M e W o conjunto-soluo de um sistema linear homogneo a
trs variveis.
Consideremos o sistema homogneo
11 12 13
21 22 23
31 32 33
0
0
0
a x a y a z
a x a y a z
a x a y a z

+ + =

+ + =

+ + =


Fazendo
11 12 13
21 22 23
31 32 33
0
, e 0 0
0
a a a x
A a a a X y
a a a z






= = =








, o sistema, em notao matricial, ser
dado por 0 AX = , sendo X elemento do conjunto-soluo W .
Se
1 2
1 1 2 2
1 2
e
x x
u X y v X y
z z



= = = =




so solues do sistema, ento:
1
0 AX = e
2
0 AX = .
i. Somando essas igualdades, vem:
1 2
0 AX AX + = ou ( )
1 2
0 A X X + = , o que implica em
( )
1 2
X X + W , isto , a soma de duas solues ainda uma soluo do sistema.
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
6
ii. Multiplicando por R a primeira igualdade, tem-se: ( )
1 1
0 AX A X = = , isto
implica que
1
X W , isto , o produto de uma constante por uma soluo ainda
uma soluo do sistema.
Logo, o conjunto-soluo W do sistema linear homogneo um subespao vetorial de
(3,1) M .

Exerccios de Aprendizagem
1 Verifique se os seguintes conjuntos so espaos vetoriais.
Observao. Os smbolos e utilizados nesta questo indicam que a adio e a
multiplicao por escalar no so usuais.

a)
( ) { }
2
, ; x x x = R V com as operaes definidas por:
( ) ( )
( )
( )
2
2 2
1 1 2 2 1 2 1 2
, , , x x x x x x x x = + +
( ) ( )
2 2 2
, , x x x x =

b)
*
+
= R V com as operaes definidas por x y xy = e x x

= , , x y V .

2 Verifique se os seguintes subconjuntos dos espaos vetoriais dados so subespaos
vetoriais destes.

a) ( )
{ }
2 2
, ; x y y x = = R R W
b)
2
; , ( )
0 0
a b
a b




=





R R W M


INTERSECO DE SUBESPAOS VETORIAIS
Definio. Sejam
1
W e
2
W subespaos vetoriais de V . Definimos
{ }
1 2 1 2
; e v v v = = W W W V W W

Teorema. A interseco W de dois subespaos vetoriais
1
W e
2
W de V tambm um
subespao vetorial de V .

Exemplos
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
7
Exemplo 1
2 2
( ) M

R ,
1
; , 0
a b
a d b c
c d




= = =





W e
2
; , 0
a b
a c d b
c d




= = = =





W ,
ou seja,
1
0
d b b
d




=





W e
2
0 a
a a





=






W .
Para encontrarmos
1 2
W W , as condies de
1
W e de
2
W devem ser satisfeitas
simultaneamente. Assim temos que
0
0
0
b
a
a d d
d b a
=


= =

. Portanto
1 2
0 0
0 0





=





W W .

Exemplo 2 Seja ( )
2
= R V P , espao dos polinmios reais de grau menor ou igual a 2, ou
seja,
{ }
2
; , , a bx cx a b c = + + R V . Sejam tambm
1
W e
2
W definidos por
{ }
2
1
; 2 0 a bx cx a b c = + + + = W
{ }
2
2
; 0 a bx cx a = + + = W .
Ento,
{ }
2
1 2
; 2 0, 0 a bx cx b c a = + + + = = W W .


SOMA DE SUBESPAOS VETORIAIS
Definio. Sejam
1
W e
2
W subespaos vetoriais de V . Definimos
{ }
1 2 1 2
; u e u v v = + = + W W W V W W

Teorema. A soma W de dois subespaos vetoriais
1
W e
2
W de V tambm um subespao
vetorial de V .

Exemplo 1 Considere os subespaos do
3
R dados por { } ( , , ); 0 x y z x y z = + = U e
{ } ( , , ); x y z x y = = W . O espao soma dado por + U W .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
8

Considerando os mesmos espaos e respectivos subespaos dos exemplos anteriores:

Exemplo 2
0
0
d b b a a d b b
d
a a a a d
+


+ =



+





1 2
; , ,
c b b
a b c
a c



+ =





R W W ou
1 2
;
x y
x w y
z w





+ = =




W W .

Exemplo 3 Sejam
2
1
2 p b c bx cx = + + W e
2
2
q b x c x

= + W . Ento,
2
(2 ) ( ) ( ) p q b c b b x c c x

+ = + + + + . Como no existe nenhuma relao de dependncia
entre os valores 2b c , b b

+ e c c

+ temos que
1 2
+ W W contm todos os polinmios
quaisquer de ( )
2
R P . Assim, ( )
1 2 2
+ = R W W P .


SOMA DIRETA DE SUBESPAOS VETORIAIS
Definio. Sejam
1
W e
2
W subespaos vetoriais de V . Diz-se que V soma direta de
1
W e
2
W , e se representa por
1 2
= V W W , se
1 2
= + V W W e
{ }
1 2
0 = W W .

Teorema. Se V soma direta de
1
W e
2
W todo vetor v V se escreve de modo nico na
forma
1 2
v w w = + , onde
1 1
w W e
2 2
w W .

Exemplo Sejam
3
= R V , ou seja, { } ( , , ); , , a b c a b c = R V e os seus subespaos
{ }
1
( , , 0); , a b a b = R W e { }
2
(0, 0, ); c c = R W .

3
R soma direta de
1
W e
2
W , pois { }
1 2
( , , ); , , a b c a b c + = R W W e { }
1 2
(0, 0, 0) = W W .
Confirmando o teorema acima,
3
( , , ) v a b c = R podemos expressar, de modo nico,
( , , ) ( , , 0) (0, 0, ) a b c a b c = + .

Exerccio de Aprendizagem Sejam
1
; e
a b
a d b c
c d




= = =





W e
2
; e
a b
a c b d
c d





= = =





W subespaos de ( )
2
R M . Determine
1 2
W W ,
1 2
+ W W e
verifique se ( )
1 2 2
= R M W W .



LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
9
COMBINAO LINEAR
Sejam os vetores
1 2
, , ,
n
v v v do espao vetorial V e os escalares
1 2
, , ,
n
a a a . Qualquer vetor
v V da forma
1 1 2 2 n n
v a v a v a v = + + + uma combinao linear dos vetores
1 2
, , ,
n
v v v .

Exemplo Em
2
P , o polinmio
2
5 5 7 p t t = + uma combinao linear dos polinmios
2
1
2 1, p t t = +
2
2 p t = + e
2
3
2 p t t = , pois
1 2 3
3 2 p p p p = + + .

Exerccios de Aprendizagem
1 Escrever (4, 3, 6) v = como combinao linear de ( ) 1, 3, 2 u = e ( ) 2, 4, 1 w = .

2 Para que valor de k a matriz
8 14
0
A
k


=



combinao linear de
1
2 3
0 2
A


=



e
2
1 2
0 4
A


=



?

3 Mostre que o vetor ( )
2
3, 4 v = R pode ser escrito de infinitas maneiras como
combinao linear dos vetores ( )
1
1, 0 v = , ( )
2
0,1 v = e ( )
3
2, 1 v = .


SUBESPAOS GERADOS
Sejam V um espao vetorial e { }
1 2
, , , ,
n
A v v v A = V . O conjunto W de todos os
vetores de V que so combinao linear dos vetores de A um subespao vetorial de V .
{ }
1 1 2 2 1 2
; ; , , ,
n n n
v v a v a v a v a a a = = + + + R W V
dito subespao gerado pelo conjunto A.

Notao. [ ]
1 2
, , ,
n
v v v = W ou ( ) G A = W .

Observaes
1)
1 2
, , ,
n
v v v so ditos vetores geradores do subespao W .

2) Por definio: [ ]
{ }
0 A = = .

3) ( ) A G A , ou seja, { } [ ]
1 2 1 2
, , , , , ,
n n
v v v v v v .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
10
4) Todo subconjunto A de V gera um subespao vetorial de V , podendo ocorrer
( ) G A =V . Nesse caso, A o conjunto gerador de V .

5) Seja [ ]
1 2
, , ,
n
v v v = W . Ao acrescentarmos vetores de W ao conjunto dos geradores,
os novos conjuntos continuaro gerando o mesmo subespao W .

6) A observao 5 nos permite concluir que um espao vetorial pode ser gerado por uma
infinidade de vetores, mas existe um nmero mnimo de vetores para ger-lo.

Exemplos
Exemplo 1

(1, 0) i = e

(0,1) j = geram o
2
R , pois ( , ) (1, 0) (0,1) x y x y = + onde , x y R .

Exemplo 2 Os vetores

(1, 0, 0) i = e

(0,1, 0) j = geram o subespao do


3
R :
{ }
3
( , , 0) ; , x y x y = R R W que geometricamente representa o plano xOy .

Exemplo 3 Os vetores

(1, 0, 0) i = ,

(0,1, 0) j = e

(0, 0,1) k = geram o


3
R , pois
( , , ) (1, 0, 0) (0,1, 0) (0, 0,1) x y z x y z = + + para todo , , x y z R .

Exemplo 4 Os vetores

(1, 0, 0) i = ,

(0,1, 0) j = e (3, 4, 0) v = geram o subespao do


3
R :
{ }
3
( , , 0) ; , x y x y = R R W .

Exemplo 5 Os vetores (2, 1, 3) u = e (0, 1, 2) v = geram o subespao do
3
R :
{ }
3
( , , ) ; 4 2 0 x y z x y z = = R W .

Exemplo 6 O conjunto
1 2 3 1
,
2 3 1 1
A




=





gera o subespao de ( )
2
R M :
; ,
2
x y
x y
y x y





=


+



R W .

ESPAOS FINITAMENTE GERADOS
Um espao vetorial V finitamente gerado se existe um conjunto finito A, A V , tal que
( ) G A = V .

Todos os exemplos de espaos vetoriais vistos at agora so exemplos de espaos finitamente
gerados. Um exemplo de espao vetorial no finitamente gerado o espao P de todos os
polinmios reais.
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
11
DEPENDNCIA E INDEPENDNCIA LINEAR
Sejam V um espao vetorial, { }
1 2
, , ,
n
A v v v = V e
1 1 2 2
0
n n
a v a v a v + + + = .

O conjunto A diz-se linearmente independente (L.I.) ou os vetores
1 2
, , ,
n
v v v so
ditos L.I., caso a equao acima admita apenas a soluo trivial
1 2
0, 0, , 0
n
a a a = = = .

Se existirem solues 0
i
a para algum 1, 2,..., i n = , diz-se que o conjunto
linearmente dependente (L.D.)

Exemplos
Exemplo 1 Em
3
= R V , os vetores (2, 1, 3) u = , ( 1, 0, 2) v = e (2, 3,1) w = so L.D.,
pois podemos escrever a combinao linear 3 4 (0, 0, 0) u v w + = .

Exemplo 2 Em ( )
3
= R V P , os polinmios
2 3 2 3
1 2
2 2 3 4 , 5 3 p x x x p x x x = + + + = + e
2 3
3
4 2 p x x = so L.I., pois
1 1 2 2 3 3
0 a p a p a p + + = somente quando
1 2 3
0. a a a = = =

Exemplo 3 Em
2
= R V ,

(1, 0) i = e

(0,1) j = so L.I.

Exemplo 4 Em
2
= R V ,

(1, 0) i = e

(0,1) j = e (3, 2) v = so L.D., pois podemos


escrever a combinao linear

3 2 (0, 0) i j v + + = .

Ateno! Faa os clculos que conferem as afirmaes acima.

Teorema. Um conjunto { }
1 2
, , ,
n
A v v v = L.D. se, e somente se, pelo menos um desses
vetores combinao linear dos outros.

Ou, equivalentemente
Teorema. Um conjunto { }
1 2
, , ,
n
A v v v = L.I. se, e somente se, nenhum desses vetores
pode ser escrito como combinao linear dos outros.

Do teorema acima podemos concluir que para o caso particular de um conjunto de dois
vetores { } , u v L.D. se, e somente se, um vetor mltiplo escalar do outro, ou seja,
u kv = , onde k uma constante.


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
12
Exemplo
( )
2
1 2 3 6
,
4 3 12 9
A




=





R M um conjunto L.D., pois podemos escrever a
combinao linear
1 2 3 6 0 0
3
0 0 4 3 12 9


=




. Notemos que
3 6 1 2
3
12 9 4 3


=




.


Exerccio de Aprendizagem Verifique se so L.D. os seguintes conjuntos.
a)
{ }
( )
2 2 2
2
1 2 , 2 3 , 3 4 7 x x x x x x + + + R P

b) ( ) ( ) { }
2
2, 1 , 1, 3 R


PROPRIEDADES DA DEPENDNCIA E INDEPENDNCIA LINEAR
Seja V um espao vetorial.
1. Se { } A v = V e 0 v , ento A L.I.
2. Considera-se, por definio, que o conjunto vazio L.I.
3. Se um conjunto A V contm o vetor nulo, ento A L.D.
4. Se uma parte de um conjunto A V L.D., ento A tambm L.D.
5. Se um conjunto A V L.I., ento qualquer parte de A V tambm L.I.

Observamos que a recproca desta afirmao no verdadeira.
De fato, voltando ao exemplo (d), { } (1, 0), (0,1), (3, 2) A = temos que qualquer
subconjunto prprio de A L.I.: { }
1
(1, 0) A = , { }
2
(0,1) A = , { }
3
(3, 2) A = ,
{ }
4
(1, 0), (0,1) A = , { }
5
(1, 0), (3, 2) A = , { }
6
(0,1), (3, 2) A = . Porm verificamos que o
conjunto A LD.

6. Se { }
1 2
, , ,
n
A v v v = L.I e { }
1 2
, , , ,
n
B v v v w = L.D., ento w combinao linear
dos vetores
1 2
, , ,
n
v v v .



LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
13
BASE DE UM ESPAO VETORIAL
Um conjunto
1 2
{ , , , }
n
B v v v = V uma base do espao vetorial V se:
i) B L.I.
ii) B gera V .

Exemplos
Exemplo 1 { } (1,1), ( 1, 0) B = base do
2
R .

Observao. Quaisquer dois vetores no colineares do
2
R , portanto L.I. formam uma base
desse espao.

Exemplo 2 { } (1, 0), (0,1) B = base do
2
R , denominada base cannica.

Exemplo 3 { }
1 2
, , ,
n
B e e e = base cannica do
n
R , onde ( )
1
1, 0, 0, , 0 e = ,
( )
2
0,1, 0, , 0 e = ,..., ( ) 0, 0, ,1
n
e = so vetores LI ento
n
v R pode ser escrito
1 1 2 2 n n
v x e x e x e = + + + .




Exemplo 4
0 0 0 0 1 0 0 1
, , ,
0 0 0 0 1 0 0 1
B





=





base cannica de ( )
2
R M .

Exemplo 5
{ }
2
1, , , ,
n
B t t t = base cannica do espao vetorial ( )
n
R P e tem 1 n +
vetores.

Exemplo 6 { } (1, 2), ( 2, 4) B = no base do
2
R , pois LD.

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
14
Exemplo 7 { } (3, 1) B = no base do
2
R , pois no gera todo
2
R . Esse conjunto gera
uma reta que passa pela origem: [ ]
{ }
2
(3, 1) ( , ) ; 3 x y x y = = = R W .

Exemplo 8 { } (1, 2,1),( 1, 3, 0) B = no base do
3
R , pois no gera todo
3
R . B gera o
subespao do
3
R dado por ( )
{ }
3
, , ; 3 0 x y z x y z = = R W e por ser LI base de W.

Observao. Todo conjunto LI de um espao vetorial V base do subespao por ele gerado.

Teorema. Se
1 2
{ , , , }
n
B v v v = for uma base de um espao vetorial V , ento
i) Todo conjunto com mais de n vetores ser LD;
ii) Todo conjunto com menos de n vetores no gera V .

Corolrio. Duas bases quaisquer de um mesmo espao vetorial tm o mesmo nmero de
vetores.

DIMENSO de um espao vetorial o nmero de vetores da base de um espao vetorial.

Exemplos
1)
2
dim 2 = R
2) dim
n
n = R
3) ( )
2
dim 4 = R M
4) ( ) dim
m n
mn

= R M
5) ( ) dim 1
n
n = + R P
6)
{ }
dim 0 0 = , pois
{ }
0 gerado pelo conjunto vazio e, portanto, no possui base.

Observaes
1) dim n = V e W subespao de V dim n W .
No caso de dim n = W , ento temos que = W V .
Exemplo
3
= R V , dim 3 = V . A dimenso de qualquer subespao W do
3
R s poder ser
0, 1, 2 ou 3. Portanto, temos
a. dim 0 = W ento 0 = W , ou seja, { } (0, 0, 0) = W a origem.
b. dim 1 = W , ento W uma reta que passa pela origem.
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
15
c. dim 2 = W , ento W um plano que passa pela origem.
d. dim 3 = W , ento
3
= R W .

2) Se dim n = V , ento qualquer subconjunto de V com mais de n vetores LD.

3) Se soubermos que a dim n = V , para obtermos uma base de V basta que apenas uma
das condies de base esteja satisfeita, pois a outra ocorrer como conseqncia. Ou
seja
a. Se dim n = V , qualquer subconjunto de V com n vetores LI uma base de V .
b. Se dim n = V , qualquer subconjunto de V com n vetores geradores de V uma
base de V .



Mudana de base de vetores.


DEPENDNCIA LINEAR DE FUNES
Consideremos o espao vetorial das funes continuas no intervalo I com valores em
n
R
(ou seja, a imagem dessas funes um vetor), ( , )
n
I = R V C . Dizer que as funes
1 2
, ,..., ( , )
n
n
f f f I R C so LD significa dizer que existem escalares
1 2
, ,...,
n
no todos
nulos tais que
1 1 2 2
( ) ( ) ( ) 0 para todo
n n
f t f t f t t I + + + = .

Por exemplo, as funes
2 2
1, sen e cos t t so LD no espao vetorial ( , ) R R C , pois, da
trigonometria sabemos que
2 2
sen cos 1 t t + = , para todo t R. J o conjunto
{ } 1, sen , cos S t t = LI, pois uma igualdade do tipo 1 sen cos 0 a b t c t + + = , t R s
possvel se 0 a b c = = = .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
16
Teorema. Se, para algum
0
t I , [ ]
1 0 2 0 0
det ( ), ( ),..., ( ) 0
n
f t f t f t , ento as funes
1 2
, ,..., ( , )
n
n
f f f I R C so LI.

Exemplo O conjunto
{ }
3
, ( , )
t t
S e e = R R C LI. De fato, suponhamos que
3
0 ,
t t
ae be t + = R
Em particular, para 0 t = , temos 0 a b + = . Derivando em relao a t , temos
3
3 0,
t t
ae be t + = R ; para 0 t = , temos 3 0 a b + = . A nica soluo para este sistema
que 0 a b = = . Logo,
{ }
3
, ( , )
t t
S e e = R R C LI.

Teorema. Sejam
1 2
, ,..., ( , )
n
I R C funes reais 1 n vezes derivveis no intervalo I .
Se existir
0
x I tal que
1 2
1 2
( 1) ( 1) ( 1)
1 2
det 0
n
n
n n n
n















. . .


Ento
1 2
, ,...,
n
um conjunto LI.

Demonstrao. Suponhamos que
1 1 2 2
( ) ( ) ( ) 0 para todo
n n
x x x x I + + + = .
Derivando sucessivamente essa igualdade e pondo
0
x x = temos
1 1 0 2 2 0 0
1 1 0 2 2 0 0
( 1) ( 1) ( 1)
1 0 2 0 0 1 2
( ) ( ) ( ) 0
( ) ( ) ( ) 0
.........................................................
( ) ( ) ( ) 0
n n
n n
n n n
n n
x x x
x x x
x x x



+ + + =


+ + + =

+ + + =


As igualdades podem ser vistas como um sistema de n equaes nas incgnitas
1 2
, ,...,
n
,
cuja matriz dos coeficientes tem determinante diferente de zero. Portanto, esse sistema tem
uma nica soluo
1 2
0
n
= = = = . Logo, as funes
1 2
, ,...,
n
so LI.

O referido determinante chamado de Wronskiano de
1 2
, ,...,
n
e denotado por ( ) W x ,
ou
1 2
( , ,..., )( )
n
W x .

Exemplo Se , e p q r so nmeros dois a dois distintos, ento as funes , ,
px qx rx
e e e so
LI. De fato, temos que
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
17
2 2 2
det 0
px qx rx
px qx rx
px qx rx
e e e
pe qe re
p e q e r e











Observao. A recproca do teorema anterior no verdadeira. Por exemplo, as funes
2
( ) f t t = e ( ) g t t t = so LI, mas seu Wronskiano nulo.


Exerccios de Aprendizagem Dependncia linear de funes
Mostre que
a)
{ }
2 2
cos 2 , sen , cos t t t LD. b) { } 1, sen , cos t t LI.
c)
{ }
2
1, , t t LI. d)
{ }
sen , cos ,
at at ct
e bt e bt e LI.
e)
{ }
2
1, sen , cos , cos 2 , sen t t t t LD. f)
{ }
2 2
2 3, 2 1, 3 t t t t + + ....






















LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
18
EXERCCIOS DE FIXAO ESPAOS VETORIAIS

1 Verifique se os conjuntos abaixo so subespaos de
2
= R V .
a) ( )
{ }
2
, , , constante real x y y ax a = = R W
b) ( )
{ }
2
, , x y y x = = R W .
c) ( )
{ }
2 3
, , x y y x = = R W
d) ( )
{ }
2
, , sen x y y x = = R W

2 Dados os espaos vetoriais abaixo diga, em cada caso, se W subespao vetorial de V
sobre R.
a)
3
= R V .
a.1) ( )
{ }
3
, , ; 1 x y z x y z = + + = R W . a.2) ( )
{ }
3
, , ; 2 x y z x y z = = + R W .
a.3) ( )
{ }
3
, , ; 0 x y z xy = = R W .

b) ( )
2
= R V M .
b.1) { } ; , fixada em A AT TA T = = W V V . b.2)
{ }
2
; A A A = = W V .
b.3) { } ; inversvel A A = W V .

c) ( )
2
= R V P .
c.1)
{ }
2
; 2 0 at bt c a b c = + + + = W V . c.2)
{ }
2
; 4 at bt c c = + + = W V .

d) ( , ) = R R V C , espao das funes contnuas : f R R.
d.1) { } ; ( ) ( ) f f x f x = = W V . d.2) ( ) { } ; 3 0 f f = = W V .

3 Seja ( )
2
= R V M e sejam
{ }
1
;
t
A A A = = W V e
{ }
2
;
t
A A A = = W V .
Mostre que:
a)
1 2
e W W so subespaos de V ;
b)
1 2
= + V W W .

4 No exerccio anterior, mostre que
1 2
= V W W .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
19
5 Escreva, se possvel, cada vetor v como combinao linear dos elementos de S , sendo:
a)
0 0 0 0 1 1 4 1 3 2
e , , ,
0 0 0 3 1 0 0 1 9 5
v





= =







S .
b) ( ) ( ) ( ) { } 2, 7 e 1, 0 , 2, 9 v = = S .
c) ( ) ( ) ( ) { } 0, 0, 3 e 2, 0, 0 , 0,1, 0 v = = S .
d) ( )
{ }
3 2 2 3
4 1 e 2, 3 , 1, v p t t t t t t t = = + + + = S .
e)
{ }
2 2
( ) sen e cos 3 v f x x x, = = = S .

6 Determine um conjunto de geradores para os seguintes subespaos:
a) ( )
{ }
3
, , ; 0 e 2 0 x y z x z x y = + = = R W
b) ( )
{ }
3
, , ; 2 3 0 x y z x y z = + = R W .
c) ( )
2
; 0 e 0
a b
a c d
c d



= + = =





R W M .
d) ( )
{ }
3 2
3
; e 0 at bt ct d b c a = + + + = = R W P

7 Seja { } , , u v w um conjunto L.I. de vetores de um espao vetorial V . Mostre que
{ } 3 , 3 , u v w u v w w + + L.I.

8 Determine k de modo que o conjunto ( ) ( )
( ) { }
2
1, 0, , 1,1, , 1, , k k k k seja L.I.

9 Mostre que os seguintes pares de vetores em ( , ) = R R V C so L.I.
a) 1, x b)
2
, x x
c)
2
,
x x
xe e d) sen , cos x x

10 Verifique quais dos seguintes conjuntos
so L.I.
geram os espaos V considerados.
so bases dos espaos V considerados.
a) ( ) ( ) ( ) ( ) { }
4
1, 0, 0, 0 , 1,1, 0, 0 , 1,1,1, 0 , 1,1,1,1 = R V .
b) ( ) ( ) ( ) { }
2
1,1 , 1,1 , 1, 2 = R V .
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
20
c) ( )
2
1 1 1 1 1 1 1 1
, , ,
0 0 1 1 1 1 1 1





=






R V M .
d) ( )
2 3
0 0 0 0 2 0 3 0 0
, ,
0 0 0 0 1 0 2 0 0






=







R V M .
e)
{ }
( )
2
2
1 t t, t, + = R V P .
f)
{ }
( )
2 2
2
5 3 1 t , t , = R V P .

11 Determine uma base e a dimenso dos subespaos vetoriais dados abaixo.
a) ( ) ( ) ( ) ( ) [ ] 1, 0, 0 , 0, 5, 2 , 7, 0, 2 , 3, , 2 = W em
3
= R V .
b) ( ) ( ) ( ) ( ) [ ] 1, 3, 0,1 , 3, 4, 7, 2 , 3,1,14, 1 , 2, 3, 0,1 = W em
4
= R V .
c) ( )
{ }
2
;
t
A A A = = R W M em ( )
2
= R V M .
d) Os subespaos do Exerccio 6.
e) [ ] sen , cos , ( , ) x x = = R R W V C .
f)
2 3
, , , ( , )
x x x
e e e

= =


R R W V C .

12 Encontre as equaes lineares homogneas que caracterizam os seguintes subespaos:
a) ( ) ( ) ( ) [ ] 2,1, 0 , 3, 0,1 , 1, 2,1 = W em
3
= R V .
b) ( ) ( ) [ ] 2,1, 2 , 4, 2, 4 = W em
3
= R V .
c) ( ) ( ) ( ) ( ) [ ] 1,1,1,1 , 0,1, 0, 0 , 0, 0, 0,1 , 0, 0,1, 0 = W em
4
= R V .
d)
1 0 2 1 3 1
, ,
1 0 1 0 4 0



=






W em ( )
2
= R V M .
e)
3 2
, 2 , 1 t t t t

= +


W em ( )
3
= R V P .

13 Em cada caso a seguir, determine os subespaos , + U W U W de V e uma base para
cada um dos subespaos encontrados:
a)
4
= R V
( ) { }
( ) { }
, , , , 0 e
, , , , 0 e 0
x y z w x y w z
x y z w z w

= + = =

= = =

U V
W V


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
21
b)
3
= R V
( ) { }
( ) ( ) ( ) ( ) [ ]
, , , 0 e
0, 2, 0 , 1, 2, 3 , 7,12, 21 , 1, 2, 3
x y z x

= =

U V
W


c) ( )
2
= R V M
, 2 0, 0 e
, 3 0, 0
x y
x y w z
z w
x y
y z w
z w




= + + = =




= + = =




U V
W V


d)
3
= R V
( ) ( ) ( ) [ ]
( )
1, 0, 2 , 0,1,1 , 1,1, 3 e
1
0, 1,1 , 0,1,
2


=




U
W


14 Dados os vetores ( ) ( ) ( ) 2 1 4 0 , 1 1 2 3 e 4 1 8 6 u , , , v , , , w , , , = = = :
a) Encontre uma base para [ ] u, v, w = S ;
b) Escreva as equaes que caracterizam S ;
c) Que relao deve existir entre e a b para que ( ) 0, , 0, a b pertena a S ?
d) Seja ( ) [ ] 0,1, 0, 2 = Y . Determine Y S , ( ) dim + Y S e uma base para + Y S .

15. Verifique se = V U W nos seguintes casos:
a)
2 3
= V M
,
, 0
a b c
a b f
d e f
a b c
d
d e f








= = =





= =

U V
W V

b)
4
= R V
( ) { }
( ) { }
, , , , 0
, , , , 0
x y z w x w y z w
x y z w x z

= + = = + =

= = =

U V
W V

c) itens do Exerccio 13.

16 Determine uma base do
5
R que contenha o conjunto ( ) ( ) { } 1,1, 0, 0, 0 , 1, 0,1, 0, 0 .
Justifique sua resposta.

17 Sendo ( ) ( ) ( ) [ ] 1, 2, 3 , 3, 5,1 , 7, 12,1 = W , encontre um subespao U do
3
R tal que
3
= R U W .

18 Sejam
1 2
e W W subespaos do
5
R . Sabendo-se que:
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
22
( )
1 2
dim 4 + = W W ;
( ) ( ) { } 1, 2,1, 0, 0 , 0,1,1, 0, 0 base de
1
W ;
( ) ( ) ( ) [ ]
1 2
1, 1,1, 0, 0 , 2,1, 0, 1,1 , 1, 2, 1, 1,1 = W W .
Determine a dimenso de
2
W . Justifique sua resposta.

19 Sabendo que
4
= R V W e ( ) ( ) [ ] 1, 2, 3, 4 , 3, 6, 9,12 = V , determine a dimenso de W .
Justifique.

20 Sejam V um espao vetorial de dimenso igual a 6, U e W subespaos de V tais que:
a) dim 4 e dim 5 = = U W . Mostre que { } 0 U W .
b) dim dim 4 = = U W . Encontre as possveis dimenses para U W .

21 Escreva, se possvel, exemplos de:
a) Um conjunto L.I. de 3 vetores que no geram o
3
R ;
b) Um conjunto L.D. de 3 vetores do ( )
2
M R ;
c) Um subespao U de
4
R tal que
4
R U e dim 4 = U ;
d) Dois subespaos W e U de
5
R tais que
5
dim dim 3 e = = = R U W U W .
Caso seja impossvel, justifique sua resposta.

22 Determine as coordenadas dos seguintes vetores em relao s bases indicadas:
a) ( ) 4 5 3 , ,
( ) ( ) ( ) { }
( ) ( ) ( ) { }
1 1 1 1 2 0 3 1 0
1 2 1 0 3 2 1 1 4
B , , , , , , , ,
B , , , , , , , ,


b)
1 2
1 0





( )
2
0 0 0 0 1 1 1 0
, , ,
0 0 0 0 0 1 1 0
base cannica de
B
B






=






R M

c)
3 2
2 5 2 t t t +
{ }
( )
3 2 2
3
2 3
base cannica de
B t t , t t, t ,
B

= + +

R P





LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
23

TRANSFORMAES LINEARES







Contedos
Transformaes lineares: exemplos, conceitos e propriedades
Operaes sobre transformaes lineares
Ncleo e imagem
Matriz associada a uma transformao linear
Matriz mudana de base
Composio de transformaes lineares
Transformaes no plano e no espao
Autovalores e autovetores
Polinmio caracterstico
Diagonalizao de operadores
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
24
TRANSFORMAES LINEARES
Sejam V e W espaos vetoriais. Uma aplicao : T V W chamada transformao
linear de V em W se , e u v k R V satisfaz s seguintes condies:
i) ( ) ( ) ( ) T u v T u T v + = +
ii) ( ) ( ) T ku kT u =
Em particular, uma transformao linear de V em V (ou seja, se = W V ) chamada
operador linear sobre V .

Exemplos
1 A transformao nula (ou zero) linear: 0 T definida por
0 :
0( ) 0 v v

=
V W

De fato,
i) 0( ) 0 0 0( ) 0( ) u v u v + = + = +
ii) 0( ) 0 0 0( ) ku k k u = = =

2 A transformao identidade linear. T I , definida por
:
( )
I
v I v v

=
V W

De fato,
i) ( ) ( ) ( ) I u v u v I u I v + = + = +

ii) ( ) ( ) I ku ku kI u = =

3 Uma transformao do tipo projeo de
3 2
R R linear. Por exemplo, definida por
( )
3 2
:
( , , ) ( , , ) , 2
T
x y z T x y z x y x z

= +
R R


De fato,
i) ( )
1 1 1 2 2 2
( ) ( , , ) ( , , ) T u v T x y z x y z + = +
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
25
( )
( ) ( ) ( ) ( ) ( )
( )
( ) ( )
1 2 1 2 1 2
1 2 1 2 1 2 1 2
1 1 2 2 1 1 2 2
1 1 1 1 2 2 2 2
, ,
, 2
, 2 2
, 2 , 2
( ) ( )
T x x y y z z
x x y y x x z z
x y x y x z x z
x y x z x y x z
T u T v
= + + +
= + + + + +
= + + + +
= + + +
= +

ii) ( ) ( ) ( ) ( , , ) , 2 , 2 ( ) T ku T kx kv kz kx ky kx kz k x y x z kT u = = + = + =

4 A funo real : F R R , tal que
2
( ) F x x = no uma transformao linear.
De fato,
i) ( ) ( )
2 2 2
2 ( ) ( ) F u v u v u v uv F u F v + = + = + + +
ii) ( ) ( )
2 2 2
( ) F ku ku k v kF u = =

5 A transformao derivada T D linear.
Seja ( )
n
R P o conjunto dos polinmios reais de grau n e ( ), ( ) ( )
n
f t g t R P . Definimos
: ( ) ( )
( ) ( ( )) ( )
n n
D
f t D f t f t

=
R R

P P

De fato,
i) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) D f t g t f t g t f t g t D f t D g t


+ = + = + = +
ii) ( ) ( ) ( ) ( ) ( ) ( ) ( ) D kf t kf t kf t kD f t


= = =


Exerccio de Aprendizagem Verifique se so lineares as seguintes aplicaes.

a)
3 2
: T R R definida por ( ) ( , , ) , 2 T x y z x y x z = + .

b)
3
2
: ( ) T R R P definida por
( )
( )
2
0 1 2 0 1 2
, 1, 2 T a a t a t a a a + + = .
c)
d)



LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
26
PROPRIEDADES DAS TRANSFORMAES LINEARES
1. Se : T V W uma transformao linear, ento ( ) 0 0 T =
V W
.

Equivalentemente, se ( ) 0 0 T
V W
, ento : T V W no uma transformao linear.

Podemos usar esta propriedade para justificar que a transformao do exerccio (b) anterior
no linear, pois ( ) ( ) 0 0, 1, 2 T = .

2. Se : T V W uma transformao linear, ento
( ) ( ) ( )
1 1 2 2 1 1 2 2 1 2 1 2
, , e , . T a v a v a T v a T v v v a a + = + R V
Analogamente,
( ) ( ) ( ) ( )
1 1 2 2 1 1 2 2 1 1
, , , e , , .
n n n n n n
T a v a v a v a T v a T v a T v v v a a + + + = + + + R V

Esta propriedade muito til, principalmente se os vetores
1 2
, ,
n
v v v constituem uma base
de V , pois podemos encontrar a lei da transformao linear como no exemplo a seguir.

Exemplo Sejam
3 2
: T R R uma transformao linear e ( ) ( ) ( ) { } 0,1, 0 , 1, 0,1 , 1,1, 0 B = uma
base do
3
R . Sabe-se que ( ) ( ) ( ) ( ) ( ) ( ) 0,1, 0 1, 2 , 1, 0,1 3,1 e 1,1, 0 0, 2 T T T = = = .

Determine: a) ( ) , , T x y z b) ( ) 5, 3, 2 T .

Soluo. Em primeiro lugar vamos expressar o vetor ( ) , , x y z como combinao linear dos
vetores da base. No caso, resolvendo o sistema, determinamos que
( ) ( ) ( ) ( ) ( ) , , 0,1, 0 1, 0,1 ( ) 1,1, 0 x y z y z x z x z = + + +
Aplicando a transformao T e usando a propriedade (2), temos
( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
, , 0,1, 0 1, 0,1 ( ) 1,1, 0
0,1, 0 1, 0,1 ( ) 1,1, 0
1, 2 3,1 ( ) 0, 2
T x y z T y z x z x z
y z x T z T x z T
y z x z x z
= + + +
= + + +
= + + +

Portanto,
a) ( ) ( ) , , 4 , 4 2 3 T x y z x y z x y z = + +
b) aplicando ao vetor dado, ( ) ( ) 5, 3, 2 10, 20 T = .


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
27
IMAGEM DE UMA TRANSFORMAO LINEAR
Chama-se imagem de uma transformao linear : T V W ao conjunto dos vetores w W
que so imagem de vetores v V .
{ } Im ; ( ) para algum T w T v w v = = W V W


OBSERVAES
1. ( ) Im T , pois no mnimo o conjunto imagem contm o vetor nulo. ( 0 ImT
W
)

2. Se ImT =W ento a transformao linear T dita sobrejetora, isto ,
, tal que ( ) . w v T v w = W V

3. A imagem de uma transformao linear : T V W um subespao vetorial de W .


Exemplo Seja
3 3
: f R R definida por ( , , ) ( , , 0) f x y z x y = representa uma projeo
ortogonal do
3
R sobre o plano xy . A imagem de f o prprio plano xy .

{ }
3
Im ( , , 0) ; , f x y x y = R R


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
28
NCLEO DE UMA TRANSFORMAO LINEAR

Chama-se ncleo de uma transformao linear : T V W ao conjunto de todos os vetores
v V que so transformados em 0
W
W . Indica-se este conjunto por ( ) N T ou ker( ) T .
{ } ( ) ; ( ) 0 N T v T v = =
W
V


Exemplos
Exemplo 1 No exemplo anterior o ncleo da transformao f o eixo dos z , pois
0
( , , ) (0, 0, 0) ( , , 0) (0, 0, 0)
0
x
f x y z x y
y
=

= =

=


Portanto, ( ) {(0, 0, ); } N f z z = R .

Exemplo 2 Determinar o ncleo da transformao linear
3 2
: T R R definida por
( , , ) ( 4 , 3 8 ) T x y z x y z x y z = + + + .

Soluo. Por definio sabemos que ( , , ) ( ) x y z N T se, e somente se ( , , ) (0, 0) T x y z = , ou
seja, ( 4 , 3 8 ) (0, 0) x y z x y z + + + = . De outro modo,
4 0
3 8 0
x y z
x y z
+ =

+ + =

. Como este sistema


tem soluo 3 x z = e y z = , temos
{ }
3
( ) ( 3 , , ) ; N T z z z z = R R .

Observaes
1) ( ) N T , pois no mnimo o ncleo contm o vetor nulo. (Se (0) 0 T = , 0 ( ) N T
V
).

2) Uma transformao linear dita injetora, se e somente se, { } ( ) 0 N T = .
De outro modo, : T V W uma transformao injetora se
( ) ( )
1 2 1 2 1 2
, , v v T v T v v v = = V .

3) O ncleo de uma transformao linear : T V W um subespao vetorial de V .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
29
TEOREMA DO NCLEO E DA IMAGEM. Se V um espao vetorial de dimenso finita e
: T V W uma transformao linear,

dim ( ) dimIm( ) dim N T T + = V

Corolrios. Seja : T V W uma transformao linear.
1. Se dim dim = V W , ento T sobrejetora se, e somente se, T injetora.
2. Se dim dim = V W e T injetora, ento T transforma base em base, isto , se
{ }
1 2
, , ,
n
B v v v = base de V , ento ( ) ( ) ( ) ( ) { }
1 2
, , ,
n
T B T v T v T v = base de W .

Se a transformao linear T no satisfaz a todas as condies do Corolrio 2, podemos usar
um resultado semelhante para gerar a imagem da transformao:

Se : T V W uma transformao linear e { }
1 2
, , ,
n
v v v gera V , ento
( ) ( ) ( ) { }
1 2
, , ,
n
T v T v T v gera a Im( ) T .

Exerccio de Aprendizagem Determine o ncleo, a imagem, uma base para o ncleo, uma
base para a imagem e a dimenso de cada um deles para as seguintes transformaes
lineares.

1.
3 3
: T R R definida por ( ) ( , , ) 2 , 2 , 3 T x y z x y z y z x y z = + + + + .
2.
3
1
: ( ) T R R P definida por ( ) ( ) , , T x y z x y zt = + + .
3.
3 2
: T R R tal que ( ) ( ) ( ) ( ) ( ) ( )
1 2 3
1, 2 , 0,1 e 1, 3 T e T e T e = = = , sendo { }
1 2 3
, , e e e a
base cannica do
3
R .


ISOMORFISMO
Chama-se isomorfismo do espao vetorial V no espao vetorial W a uma transformao
linear : T V W bijetora (injetora e sobrejetora).

Neste caso, V e W so ditos espaos isomorfos.


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
30
Exemplo Mostremos que ( )
3
2
: T R R P , definida por
( )
( )
2
, , T a bt ct c b c b a + + = + ,
um isomorfismo.
Determinando N(T):
( ) ( ) ( ) { }
2
0 0
0, 0, 0 0 0 0
0 0
c c
T a bt ct b c b N T
a b a


= =




+ + = + = = =




= =



Isto implica que T injetora.
Como T injetora e ( )
3
2
dim dim = R R P , pelo Corolrio 2 podemos afirmar que T tambm
sobrejetora, provando o isomorfismo.


AUTOMORFISMO
Chama-se automorfismo o operador linear : T V V que bijetor.

Proposio. Se : T V W um isomorfismo, ento existe uma transformao inversa
1
: T

W V que linear e que tambm um isomorfismo.



Exerccio Determine
1
T

para o isomorfismo do exemplo anterior.




MATRIZ DE UMA TRANSFORMAO LINEAR
Sejam : T V W uma transformao linear, { }
1 2
, , ,
n
A v v v = uma base de V e
{ }
1 2
, , ,
m
B w w w = uma base de W . Ento ( ) ( ) ( )
1 2
, , ,
n
T v T v T v so vetores de W e
podemos escrev-los como combinao linear dos vetores da base B .

( )
( )
( )
1 11 1 21 2 1
2 12 1 22 2 2
1 1 2 2

m m
m m
n n n mn m
T v a w a w a w
T v a w a w a w
T v a w a w a w
= + + +
= + + +
= + + +


A matriz
[ ]
11 12 1
21 22 2
1 2
n
n
A
B
m m mn
a a a
a a a
T
a a a



. . .

chamada matriz T da transformao em relao s bases A e B .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
31
Como [ ]
A
B
T depende das bases A e B , uma transformao linear poder ter uma infinidade
de matrizes para represent-la. No entanto, uma vez fixadas as bases, a matriz nica.

Podemos representar a transformao linear pela operao entre matrizes
[ ] [ ]
[ ] ( )
A
A
B B
T v T v = .
Exemplos
Exemplo 1 Considere a transformao linear
3 2
: T R R definida por
( , , ) ( , ) T x y z x y y z = + e as bases ( ) ( ) ( ) { } 1,1,1 , 0,1,1 , 0, 0,1 A = do
3
R e ( ) ( ) { } 1,1 , 0, 2 B = do
2
R , temos
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
11 21
12 22
13 23
1,1,1 2, 0 1,1 0, 2
0,1,1 1, 0 1,1 0, 2
0, 0,1 0, 1 1,1 0, 2
T a a
T a a
T a a
= = +
= = +
= = +

que gera os sistemas:
11
11 21
2
2 0
a
a a
=

+ =

,
12
12 22
1
2 0
a
a a
=

+ =

e
13
13 23
0
2 1
a
a a
=

+ =


cujas solues so
11 21 12 22 13 23
1 1
2, 1, 1, , 0,
2 2
a a a a a a = = = = = = . Logo,
[ ]
2 3 0
1 1
1
2 2
A
B
T


=





Exemplo 2 Considerando a mesma transformao do exemplo anterior com as bases
cannicas ( ) ( ) ( ) { } 1, 0, 0 , 0,1, 0 , 0, 0,1 A

= do
3
R e ( ) ( ) { } 1, 0 , 0,1 B

= do
2
R .

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
1, 0, 0 1, 0 1 1, 0 0 0,1
0,1, 0 1,1 1 1, 0 1 0,1
0, 0,1 0, 1 0 1, 0 1 0,1
T
T
T
= = +
= = +
= =

Logo, [ ]
1 1 0
0 1 1
A
B
T



.
No caso de serem A

e B

bases cannicas, representa-se a matriz simplesmente por [ ] T , que


chamada matriz cannica de T .

Ento tem-se: [ ] [ ]
[ ]
( ) T v T v =

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
32
Observamos que calcular ( ) T v pela matriz [ ] T o mesmo que faz-lo pela frmula que define
T .
(2,1, 3) (2 1,1 3) (3, 2) T = + = ou [ ]
2
1 1 0 3
( ) 1
0 1 1 2
3
T v





= =











Exemplo 3 Dadas as bases ( ) ( ) { } 1,1 , 0,1 B = do
2
R e ( ) ( ) ( ) { } 0, 3, 0 , 1, 0, 0 , 0,1,1 B

= do
3
R , encontremos a transformao linear cuja matriz [ ]
0 2
1 0
1 3
B
B
T




=




.
No caso, desejamos determinar a transformao
2 3
: T R R tal que ( ) ( ) , , , T x y a b c = . Pelo
modo como determinada a matriz [ ]
B
B
T

sabemos que
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
1,1 0 0, 3, 0 1 1, 0, 0 1 0,1,1 1, 1, 1
0,1 2 0, 3, 0 0 1, 0, 0 3 0,1,1 0, 9, 3
T
T
= =
= + + =

Escrevendo ( , ) x y como combinao linear dos vetores da base B , temos
( ) ( ) ( ) ( ) , 1,1 0,1 x y x y x = +
( ) ( ) ( ) ( )
( ) ( ) ( )
( )
Aplicando : , 1,1 0,1
1, 1, 1 0, 9, 3
, 10 9 , 4 3
T T x y x T y x T
x y x
x x y x y
= +
= +
= + +

Do exemplo acima, observamos que dada uma matriz e fixada duas bases em V e em W
esta matriz representa uma transformao linear. Esta mesma matriz numa outra dupla de
bases representar uma transformao linear diferente.

Exemplo 4 Considerando que a matriz [ ]
0 2
1 0
1 3
T



=




a matriz cannica da
transformao, temos que
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
1, 0 0 1, 0, 0 1 0,1, 0 1 0, 0,1 0, 1, 1
0,1 2 1, 0, 0 0 0,1, 0 3 0, 0,1 2, 0, 3
T
T
= =
= + + =

E, portanto,
( ) ( ) ( ) , 1, 0 0,1 x y x y = +
( ) ( ) ( ) , 1, 0 0,1 T x y xT yT = +
LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
33
( ) ( ) ( ) , 0, 1, 1 2, 0, 3 T x y x y = +
( ) ( ) , 2 , , 3 T x y y x x y = +

As matrizes das transformaes lineares so importantes, pois:
Muitas vezes respostas a questes tericas sobre a estrutura de uma transformao
linear podem ser obtidas estudando as caractersticas da matriz da transformao;
Essas matrizes tornam possvel calcular as imagens de vetores usando a multiplicao
matricial. Estes clculos podem ser efetuados rapidamente em computadores.

Teorema. Sejam : T V W uma transformao linear e A e B bases de V e W ,
respectivamente. Ento

[ ]
[ ] [ ] [ ]
dimIm( ) posto de
dim ( ) nulidade de n de colunas de posto de
A
B
A A A
B B B
T T
N T T T T

= =



Teorema. Sejam A e B bases dos espaos vetoriais V e W , respectivamente. Uma
transformao linear : T V W inversvel se, e somente se, [ ]
A
B
T inversvel. Alm disso,
se T inversvel, ento [ ]
( )
1
1
B
A
B
A
T T


=


.

Corolrio. Sejam A e B bases dos espaos vetoriais V e W , respectivamente e : T V W
uma transformao linear. T inversvel se, e somente se, [ ] det 0
A
B
T .

Exerccio de Aprendizagem Seja
2 2
: T R R uma transformao linear dada pela matriz
cannica [ ]
3 4
2 3
T


=



. Verifique se T inversvel. Caso o seja, determine
1
( , ) T x y

.


AUTOVALORES (VALORES PRPRIOS) E AUTOVETORES (VETORES PRPRIOS)
Definio. Seja : T V V um operador linear. Um vetor v V , 0 v , um autovetor (ou
vetor prprio) do operador T se existe R tal que ( ) T v v = .

denominado autovalor (ou valor prprio, valor caracterstico, valor espectral) associado
ao autovetor v .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
34
Exemplos
Exemplo 1 Seja
2 2
: T R R tal que ( ) ( ) , , , T x y x y = R. Este operador tem como
autovalor e qualquer ( ) ( ) , 0, 0 x y como autovetor correspondente.
Se
i. 0 < , T inverte o sentido do vetor;
ii. 1 > , T dilata o vetor;
iii. 1 > , T contrai o vetor;
iv. 1 = , T a transformao identidade.


Exemplo 2 Seja
2 2
: T R R definida por ( ) ( ) , , T x y x y = , a transformao reflexo no
eixo x .
v

( ) T v
u

( ) T u

Os vetores da forma (0, ) y , so tais que ( ) ( ) 0, 0, T y y = , ou
seja, ( ) ( ) 0, 1 0, T y y = .
Assim, todo vetor (0, ) y autovetor de T com autovalor
1 = .
Tambm para todo vetor ( , 0) x temos que
( ) ( ) ( ) , 0 , 0 1 , 0 T x x x = = . Da, dizemos que todo vetor ( , 0) x
autovetor de T com autovalor 1 = .


Exemplo 3 Seja
2 2
: T R R definida por ( ) ( ) , , T x y y x = , a transformao rotao de
90.
x
y
u

( ) T u


Notemos que nenhum outro vetor diferente do vetor
nulo levado por T num mltiplo de si mesmo. Logo,
este operador T no tem autovalores nem autovetores.




LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
35
DETERMINAO DOS AUTOVALORES E AUTOVETORES
Seja o operador :
n n
T R R cuja matriz matriz cannica

11 12 1
21 22 2
1 2
n
n
n n nn
a a a
a a a
A
a a a




. . .
, ou seja, A =[T].

Se v e so, respectivamente, autovetor e autovalor associado, temos
0 A v v A v v = = (v a matriz coluna 1 n e 0 a matriz nula 1 n )
Tendo em vista que v I v = , onde I a matriz identidade de ordem n , podemos escrever
( )
0
0
A v I v
A I v

=
=

Para que o sistema homogneo admita solues no nulas, isto
0
0
0
x
v y
z










=












, este deve ser
indeterminado e portanto devemos ter ( ) det 0 A I = .

11 12 1
21 22 2
1 2
det 0
n
n
n n nn
a a a
a a a
a a a




. . .


A equao ( ) det 0 A I = denominada equao caracterstica do operador T ou da
matriz A e suas razes so os autovalores do operador T ou da matriz A.

O ( ) det A I um polinmio na varivel denominado polinmio caracterstico.
Determinamos os autovetores correspondentes substituindo os autovalores encontrados
no sistema homogneo de equaes lineares.

Exemplo Determinar os autovalores e autovetores do operador linear
3 3
: T R R definido
por ( ) ( ) , , 3 4 , 3 5 , T x y z x z y z z = + .
1) Matriz cannica de T :
3 0 4
0 3 5
0 0 1
A


=










LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
36
2)
3 0 4
0 3 5
0 0 1
A I








3) Equao caracterstica
( ) ( ) ( ) ( )
1
2
3
det 0 3 3 1 0
1
A I

= =

=



4) Clculo dos autovetores associados:
Para
1
3 = , temos o sistema
3 3 0 4 0 4 0
0 3 3 5 0 5 0 , e 0
0 0 0 1 3 4 0
z
x
y z x y z
z
z


=








= = =







=


R
Portanto temos os autovetores ( , , 0) x y associados ao autovalor 3 .
Verificao: ( ) ( ) ( ) 2, 4, 0 6,12, 0 3 2, 4, 0 T = = .

Para
2
1 = , temos
4 0 4 0
4 4 0
0 4 5 0 ,
5
4 5 0
4
0 0 0 0
x z x
x z
y z
y z y z
z

=


=




=


+ = =








R.
Portanto temos os autovetores
5
, ,
4
z z z





associados ao autovalor 1 .
Verificao: ( ) ( ) ( ) 4, 5, 4 4, 5, 4 1 4, 5, 4 T = = .

Teorema. Dado um operador linear : T V V , o conjunto formado pelos autovetores
associados a um autovalor e o vetor nulo subespao vetorial de V , isto ,
{ } ; ( ) v T v v

= = V V subespao de V .













LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
37
COMPOSIO DE TRANSFORMAES LINEARES
Sejam , e U V W espaos vetoriais sobre um corpo qualquer (possivelmente R), das as
transformaes lineares
: T U V e : S V W
Podemos obter uma outra transformao de U W chamada transformao composta de
S com T , denotada por S T e definida da seguinte maneira:

( ) ( )
:
( ) ( ) ,
S T
u S T u S T u u


U W
U


Se , e A B C so bases de , e U V W respectivamente, demonstra-se que que
[ ] [ ] [ ]
A B A
B C C
S T S T =


Exemplos
Exemplo 1 Sejam S e T operadores no
2
R definidos por ( , ) (5 , 3 ) S x y x y = e
( , ) ( , ) T x y x y y x = + . Determine

a) S T
b) T S
c) S S
d) T T

Exemplo 2

Propriedade. Sejam , e U V W espaos vetoriais sobre um corpo ( R, por exemplo),
: T U V e : S V W transformaes lineares. Ento a composta : S T U W uma
transformao linear.

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
38

Assim, podemos compor um operador : T V V consigo mesmo dando origem notao:
2
T T T =
3
T T T T =
.
vezes
n
n
T T T T =




GEOMETRIA DAS TRANSFORMAES LINEARES NO PLANO E NO ESPAO

TRANSFORMAES LINEARES NO PLANO
Entenderemos por transformaes planas as transformaes de
2 2
R R . Estudaremos
algumas de especial importncia e suas correspondentes interpretaes geomtricas.

REFLEXES

I Reflexo em torno do eixo X .
2 2
: T R R definida por ( , ) ( , ) T x y x y =
A matriz cannica dada por [ ]
1 0
0 1
T


=



.
II Reflexo em torno do eixo Y .
2 2
: T R R definida por ( , ) ( , ) T x y x y =
[ ]
1 0
0 1
T


=



.

( , ) x y

( , ) x y


( , ) x y
( , ) x y


III Reflexo em torno da origem.
2 2
: T R R definida por ( , ) ( , ) T x y x y =
[ ]
1 0
0 1
T


=



.

( , ) x y

( , ) x y



LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
39
IV Reflexo em torno da reta y x = .
2 2
: T R R definida por ( , ) ( , ) T x y y x =
[ ]
0 1
1 0
T


=



.
V Reflexo em torno da reta y x = .
2 2
: T R R definida por ( , ) ( , ) T x y y x =
[ ]
0 1
1 0
T


=



.

( , ) x y

( , ) y x
y x =


( , ) x y

( , ) y x
y x =



CONTRAES E DILATAES (HOMOTETIA)
Contrao (ou dilatao) na direo do vetor
2 2
: T R R definida por ( , ) ( , ) ( , ) T x y x y x y = = ou [ ]
0
0
T



=



.
Observe que
0 < , T inverte o sentido do vetor;
1 > , T dilata o vetor;
1 < , T contrai o vetor;
1 = , T a transformao identidade.

( , ) x y

( , ) x y

1 >


( , ) x y

( , ) x y

1 <


I Contrao (ou dilatao) na direo do eixo X .
2 2
: T R R definida por ( , ) ( , ) T x y x y = ou [ ]
0
0 1
T


=



.

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
40

II Contrao (ou dilatao) na direo do eixo Y .
2 2
: T R R definida por ( , ) ( , ) T x y x y = ou [ ]
1 0
0
T



=



.

CISALHAMENTO

I Cisalhamento na direo do eixo X .
2 2
: T R R definida por
( , ) ( , ) T x y x y y = +
[ ]
1
0 1
T


=



.

( , ) x y

( , ) x y y +

Observe na figura abaixo que o efeito cisalhamento transformar o retngulo ABCD no
paralelogramo A B C D

de mesma base e altura que do retngulo.

A

B

C
D


A

B

C D


II Cisalhamento na direo do eixo Y .
2 2
: T R R definida por ( , ) ( , ) T x y x y x = + ou [ ]
1 0
1
T



=



.

ROTAO. A rotao do plano em torno da origem, que faz cada ponto descrever um ngulo
, determina uma transformao linear
2 2
: T

R R cuja matriz cannica


[ ]
cos sen
sen cos
T





=




Geometricamente,
( )
3 3
:
( , ) ,
T
T x y x y


=
R R

Vamos determinar a matriz transformao linear rotao de um ngulo e a expresso de
T

em funo de x e y .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
41
Quando rotacionamos um vetor v , pela prpria definio de rotao, o comprimento
(mdulo) do vetor no se altera. Seja r v = , onde ( , ) v x y = .

r
r
v
x
y

x


( ) T v


Da figura, temos que
cos( ) cos cos sen sen
sen( ) sen cos cos sen
x r r r
y r r r



= + =


= + = +


Como
cos
sen
x r
y r

temos
cos sen
sen cos
x x y
y x y



=


= +


( ) ( , ) cos sen , sen cos T x y x y x y

= +
Na forma matricial,
cos sen
sen cos
x x
y y










[ ]
cos sen
sen cos
T





=



.


TRANSFORMAES LINEARES NO ESPAO
REFLEXES

Em relao aos planos coordenados.
Em relao ao plano xOy :
3 3
: T R R , definida por ( , , ) ( , , ) T x y z x y z =
Matriz cannica [ ]
1 0 0
0 1 0
0 0 1
T



=




.
Assim, de modo anlogo temos as reflexes em relao aos planos xOz e yOz ,
respectivamente: ( , , ) ( , , ) T x y z x y z = e ( , , ) ( , , ) T x y z x y z = .



LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
42
Em relao aos eixos coordenados.
Em relao ao eixo Ox :
3 3
: T R R , definida por ( , , ) ( , , ) T x y z x y z =
Matriz cannica [ ]
1 0 0
0 1 0
0 0 1
T



=




.
De modo anlogo ( , , ) ( , , ) T x y z x y z = e ( , , ) ( , , ) T x y z x y z = definem as reflexes em
torno dos eixos Oy e Oz respectivamente.

Em relao origem.
3 3
: T R R , definida por ( , , ) ( , , ) T x y z x y z =
Matriz cannica dada por [ ]
1 0 0
0 1 0
0 0 1
T



.
ROTAES NO ESPAO

Em torno do eixo Oz .
3 3
: T R R , definida por
( ) ( , , ) cos sen , sen cos , T x y z x y x y z = +
Matriz cannica dada por [ ]
cos sen 0
sen cos 0
0 0 1
T




=





.
Propriedades da rotao em torno de Oz :
T no altera os pontos do eixo Oz ;
T gira um ngulo em torno da origem (0, 0, 0) os pontos do plano 0 z = ;
O ngulo corresponde ao ngulo central cujos lados interceptam na circunferncia
de centro O

, um arco de medida . Esse ngulo no o ngulo formado pelos


vetores u e ( ) T u .


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
43





[ ]
1 0 0
0 cos sen
0 sen cos
T




=




[ ]
cos 0 sen
0 1 0
sen 0 cos
T





=



[ ]
cos sen 0
sen cos 0
0 0 1
T




=








Exemplos

Exemplo 1 Seja
2 2
: T R R a transformao que rotao de um ngulo rad
4

e
2 2
: S R R a transformao que uma reflexo em torno da reta 2 y x = . Determine a
transformao R S T = .

Soluo. [ ] [ ][ ] R S T R S T = =
[ ]
2 2
cos sen
4 4 2 2
2 2
sen cos
4 4
2 2
T









= =









( ) 2 S v p v =
( , ) (1, 2) 3 4 4 3
( , ) 2 (1, 2) ( , ) ,
(1, 2) (1, 2) 5 5
x y x y x y
S x y x y

+

= =






[ ]
3 4
5 5
4 3
5 5
S



=





Logo,
7 2 2 2 7 2
( , ) ,
10 10 10 10
R x y x y x y


= +





LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
44
EXERCCIOS DE FIXAO TRANSFORMAES LINEARES

1 Verifique quais das seguintes aplicaes so lineares:
a)
3 2
: T R R , definida por ( ) ( ) , , , T x y z x y = .
b)
2
: T R R , definida por ( ) , T x y xy = .
c) : T R R, definida por ( ) T x x = .
d)
3 2
: T R R , definida por ( ) ( ) , , 2 , 3 T x y z x y z = .
e) ( )
2
2
: T R R M , definida por ( )
2 0
,
0
x y
T x y
y
+


=




.
f) ( )
2
2 3
: T

R R M , definida por ( ) ,
a b c
T a e c f
d e f


= + +




.
g) : T R R, definida por ( ) sen T x x = .

2 Determine a transformao linear para cada uma das aplicaes abaixo:
a)
2 3
: T R R tal que ( ) ( ) ( ) ( ) 1, 2 3, 1, 5 e 0,1 2,1, 4 T T = = .
b)
3 2
: T R R tal que ( ) ( ) ( ) ( ) ( ) ( ) 1, 0, 0 2, 0 , 0,1, 0 1,1 e 0, 0,1 0, 1 T T T = = = .
c)
3 3
: T R R tal que ( ) ( ) ( ) ( ) ( ) ( ) 1, 2,1 1, 2, 3 , 0,1, 0 2,1, 5 e 0, 4,1 0, 3, 2 T T T = = = .
d)
2
2
: ( ) T R R P tal que ( ) ( ) ( )
( )
( )
2
1 0,1 , ( ) 0, 5 e 5, 7 T T x T x = = = .
e) ( )
3
2 3
: T

R R M tal que
( )
1 0 0 2 0 0 0 0 1
1
(1, 0, 0) , 0,1, 2 e 0, 0,
0 0 5 3 4 5 6 8 10
3
T T T


= = =








3 Resolva os problemas:
a) Qual a transformao linear
2 3
: T R R tal que ( ) ( ) ( ) ( ) 1,1 3, 2,1 e 0, 2 0,1, 0 T T = = ?
b) Determine ( ) ( ) 1, 0 e 0,1 T T , usando o tem (a);
c) Qual a transformao linear
3 2
: S R R tal que ( ) ( ) 3, 2,1 1,1 S = , ( ) ( ) 0,1, 0 0, 2 S = e
( ) ( ) 0, 0,1 0, 0 S = ?
d) Determine a transformao linear composta
2 2
: S T R R , usando os itens (a) e (c).


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
45
4 Determine a dimenso do ncleo e da imagem e suas respectivas bases da aplicao linear
do
a) Exerccio 1, itens (a), (d) e (e).
b) Exerccio 2, itens (b), (d) e (e).

5 Sendo
3 5
: T R R definida por ( ) ( ) , , , 2 , 0, 3 , 0 T x y z x y x y z x z = + + + , determine
uma base de ( ) N T e Im( ) T .

6 Determine uma transformao linear:
a)
3 3
: T R R cuja imagem seja gerada por ( ) ( ) { } 1, 2, 3 , 4, 5, 6 .
b)
3 2
: T R R tal que ( ) ( ) ( ) [ ] ( ) ( ) [ ] 1, 0, 0 , 0, 2, 0 e Im 2, 4 N T T = = , considere
( ) ( ) ( ) { } 1, 0, 0 , 0, 2, 0 , 0, 0,1 = base do
3
R .
c)
3 4
: T R R tal que ( ) ( ) ( ) [ ] Im 1,1, 2,1 , 2,1, 0,1 T = .

7 Escreva, se possvel, os exemplos pedidos abaixo. Caso no existam, justifique.
a) Uma aplicao linear injetora
3 2
: T R R .
b) Uma aplicao linear sobrejetora
2 3
: T R R .
c) Uma aplicao linear
2 2
: T R R , tal que ( ) ( ) { } 0,1 , 1, 0 T T seja uma base para
2
R .
d) Uma aplicao linear : T V W tal que { } Im( ) 0 T = .
e) Uma aplicao linear
5 5
: T R R , tal que seja injetora, mas no seja sobrejetora.

8 Seja : T V V uma transformao linear. Sabendo-se que dim 5 = V e
( ) ( ) ( ) dim Im 2 N T T = .
a) Determine, justificando, a ( ) ( ) ( ) dim Im N T T + .
b) T pode ser injetora? Justifique.

9 Mostre que a aplicao ( )
2
1
: T R R P , definida por ( ) , ( ) 1 T x y x y t x = + + um
isomorfismo.

10 Determine a transformao linear
3 4
: T R R tal que ( ) ( ) 0, 0,1 0, 0, 0,1 T = e
( ) ( )
{ }
3
, , ; N T x y z z x y = = R .


LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
46
11 Consideremos a transformao linear
3 2
: T R R definida por
( , , ) (2 , 2 ) T x y z x y z x y = + + e as bases ( ) ( ) ( ) { } 1, 0, 0 , 2, 1, 0 , 0,1,1 A = do
3
R e
( ) ( ) { } 1,1 , 0,1 B = do
2
R . Determine a matriz [ ]
A
B
T .

12 Seja a transformao linear ( ) ( )
2 3
: , , 2 , 3 , 2 T T x y x y x y y = + R R e as bases
( ) ( ) { } 1,1 , 2,1 A = e ( ) ( ) ( ) { } 0, 0,1 , 0,1, 1 , 1,1, 0 B = . Determine [ ]
A
B
T Qual a matriz [ ]
A
C
T ,
onde C a base cannica do
3
R ?

13 Sabendo que a matriz de uma transformao linear
2 3
: T R R nas bases
( ) ( ) { } 1,1 , 1, 0 A = do
2
R e ( ) ( ) ( ) { } 1,1, 1 , 2,1, 0 , 3, 0,1 B = do
3
R [ ]
3 1
2 5
1 1
A
B
T



=




, encontre
a expresso de ( ) , T x y e a matriz [ ] T .

14 Seja [ ]
1 2
2 0
1 3
T



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

15 Seja T o operador linear dado pela matriz
1 2 1
2 0 1
1 2 2



. Determine:
a. ( ) N T e dim ( ) N T ;
b. Im( ) T e dimIm( ) T .

16 Seja
3
( ) = R V P , o conjunto dos polinmios reais com grau 3 .
a) Seja
3 3
: ( ) ( ) T R R P P definida por ( ( )) ( )
dp
T p x x
dx
= . Mostre que T linear.
b) Determine ( ) N T , em seguida obtenha uma base para o ncleo e calcule dim ( ) N T .
c) Determine Im( ) T , em seguida obtenha uma base para a imagem e calcule dimIm( ) T .

AUTOVALORES E AUTOVETORES
1 Verifique, utilizando a definio, se os vetores dados so autovetores das correspondentes
matrizes:

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
47
a)
2 2
( 2,1),
1 3
v


=



b)
1 1 0
( 2,1, 3), 2 3 2
1 2 1
v



=






2 Determine os autovalores e os autovetores dos seguintes operadores lineares:
a)
2 2
: T R R ; ( ) ( ) , 2 , 4 T x y x y x y = + + .
b) ( ) ( )
2 2
: ; , 2 2 , 3 T T x y x y x y = + + R R .
c)
2 2
: T R R ; ( ) ( ) , 5 , 3 T x y x y x y = + .
d)
2 2
: T R R ; ( ) ( ) , , T x y y x = .
e)
3 3
: T R R ; ( ) ( ) , , , 2 , 2 3 T x y z x y z y z y z = + + + + .
f)
3 3
: T R R ; ( ) ( ) , , , 2 , 2 2 T x y z x x y x y z = + + .
g)
3 3
: T R R ; ( ) ( ) , , , , T x y z x y y z = + .

3 Os vetores
1
(1,1) v = e
2
(2, 1) v = so autovetores de um operador linear
2 2
: T R R ,
associados a
1
5 = e
2
1 = , respectivamente. Determine a imagem do vetor (4,1) v = por
esse operador.

4 Resolva os problemas:
a) Determine o operador linear
2 2
: T R R cujos autovalores so
1 2
1 e 3 = =
associados aos autovetores ( )
1 2
, e (0, ) v y y v y = = , respectivamente.

b) Mesmo enunciado para
1 2
3, 2 = = e ( )
1 2
, 2 , ( , 0) v x x v x = = .

5 Se
1
4 = e
2
2 = , so autovalores de
2 2
: T R R , associados aos autovetores
(2,1) u = e ( 1, 3) v = , respectivamente, determine (3 ) T u v .

6 Seja um operador linear
2 2
: T R R , tal que ( ) T u u = e
1
( )
2
T v v = para algum vetor
2
(e ) u v R . Determine ( ) T w se (0, 2), (2, 6) e (3, 7) u v w = = = .

GEOMETRIA DAS TRANSFORMAES LINEARES NO PLANO E NO ESPAO
1 Considere os seguintes operadores lineares no
2
R
( , ) (4 6 , 2 3 ) P x y x y x y = +

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
48
3 3
( , ) ,
2 2 2 2
x y
R x y y x


= +




( , ) (7 3 , 10 4 ) A x y x y x y = +

a) Se (2, 1) u = e (3, 2) v = , verifique que ( ) P u u = e ( ) (0, 0) P v = ;
b) Determine [ ] P

onde { } , u v = ;
c) Descreva o efeito geomtrico do operador P ;
d) Prove que R uma rotao do plano em torno da origem. Qual o ngulo de rotao?
e) Seja { } (1, 2),(3, 5) = , determine [ ] A

;
f) Qual o efeito geomtrico do operador A?

2 Os pontos (4, 1) A e ( 2, 1) B so vrtices consecutivos de um quadrado. Calcular os
outros dois vrtices fazendo uso da matriz rotao.

3 Os pontos (4,1) A , ( 1, 1) B e ( , ) C a b so vrtices de um tringulo issceles reto em A.
Determinar as coordenadas de C fazendo uso da matriz rotao.

4 Em um tringulo ABC , os ngulos em B e C medem 30 e 60 respectivamente. Sendo
(3, 4) A e (8, 2) B determinar as coordenadas do vrtice C .

5 Determine em cada caso, uma matriz da transformao linear de
2 2
R R que
representa a seqncia de transformaes dadas.
a) Reflexo em torno do eixo dos x , seguida de um cisalhamento de fator 3 na direo
horizontal.
b) Rotao de 45 no sentido horrio, seguido de uma duplicao dos mdulos e inverso
de sentidos.
c) Rotao de 90, seguida de uma reflexo em relao ao eixo dos y .
d) Rotao de um ngulo , seguida de uma reflexo em relao origem.
e) Reflexo em torno da reta y x = , seguida de uma dilatao de fator 4 na direo Ox
e finalmente um cisalhamento de fator 2 na direo vertical.

6 Determinar o ngulo formado pelos vetores u e ( ) T u quando o espao gira em torno do
eixo Oz de um ngulo , nos seguintes casos:
a)
1 32 2
, ,
2 2 2
u


=



e 120 = .

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
49
b)
3 1 1
, ,
3 3 3
u


=



e 80 = .
c)
2 2
, ,1
2 2
u


=



e 60 = .

7 A matriz
1 0 3
0 1 3
0 0 2
T



=





transforma a o cubo da Figura 1 no slido da Figura 2 (dizemos
que a matriz T representa uma transformao de cisalhamento). Determine as coordenadas
do ponto da Figura 1 cuja imagem (na figura 2) (5, 5, 2)
t
. Justifique seu procedimento.


8 Determine a transformao T do plano no plano que uma reflexo em torno da reta
6 y x = . Escreva em forma matricial.

9 No plano, uma rotao anti-horria de 45 seguida por uma dilatao de fator 3 .
Determine a aplicao linear A que representa esta transformao no plano.

10 Obter a lei da transformao linear
3 3
: T R R :
a) projeo de vetor v no plano 0 x y z + + = .
b) reflexo atravs do plano 0 x y z + + = .
c) composio de uma rotao de rad
2

em torno do eixo z com uma rotao de rad


3

em
torno do eixo y .

11 Para 0 m R, sejam y mx = e
x
y
m
= retas perpendiculares em
2
R . Determine o
valor positivo da constante m para que essas retas sejam transformadas em retas
perpendiculares pelo operador linear
2 2
: T R R , definido por ( ) ( , ) 2 3 , 2 T x y x y x y = + .





LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
50
RESPOSTAS DOS EXERCCIOS DE FIXAO MATRIZES, DETERMINANTES E SISTEMAS LINEARES
1.
1 4
1 2





2. 10
4. a)
5 10 17 4
e
27 34 12 13










b)
7 6 5 9 6
e
9 22 5 33 32











5. a) , ,
0
x y
x y
x






R b) 0 , , ,
0 0
x y z
x y x y z
x



R
6. a) 0 x = b) 2 x =
7.
8 6 0
6 6 3
0 3 9
S









8.
2 4 6
1 2 3
B



=





. Existem outras.
11.
1 t t
MM I M M

= = . M chamada matriz ortogonal.


12.
10 0
0 10






14. a)
1 1
X A CB

= b) X I B = c)
( )
1
1
X BC AC

=
d) X B = e)
( )
1
1 t t
X B A A B

= f)
16. a)
1
1
X



=



b)
5
3
1
Y




c)
1 21
0 13
W



=





18. a) 10 b) ( ) cos x y + c) ( ) sen x y + d) 1 e) 49
f) 6 g) 48 h)
2 2
a b + i) abcd
19. a) 1 ou 1 2 x x = = b) 0 ou 1 x x = = c) 8 x =
20. 3 =
21. V F F V F
22. a) ( ) ( ) , , 1, 2, 3 x y z = b) ( ) ( ) , , 1, 1,1 x y z = c) ( ) ( ) , , 1, 2, 5 x y z =
d) no existe soluo. e) 3 0 e 0 x z y + = = f) ( ) ( ) , , , 1, 1, 2, 2 x y z t =
23. a) ( ) ( ) , , 5, 2, 2 x y z = b) ( , , ) (0, 0, 0) x y z =
c) ( )
1 1 3
, , , ,
4 8 8
x y z


=



d) ( ) ( ) , , , 5, 8, 3, 1 a b c d =
24. 2 e 4 = = 25.
1
1
1
X


=








26.
a) Se 6 k o sistema impossvel; Se 6 k = o sistema possvel determinado.

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
51
c) Se 2 k = o sistema possvel indeterminado; Se 2 k o sistema possvel determinado.
b) Se 0 k = o sistema impossvel; Se 0 e 1 k k o sistema possvel determinado;
Se 1 k = o sistema possvel indeterminado.
d) Se
2
5
k = o sistema impossvel; Se
2
5
k o sistema possvel determinado.
27. a)
1
7 3
2 1
A



b)
1
1 6 1 6 1 6
2 27 1 27 4 27
8 27 4 27 11 27
B








c) C no inversvel.

RESPOSTAS DOS EXERCCIOS DE APLICAO
1) a) Usar vetores. b) rea=25
2)
17500 12500 17000 16500
95000 65000 90000 85000
M


=




3) a) 146.0000 ferro; 526.0000 madeira; 260.0000 vidro; 158.0000 tinta; 388.0000 tijolo.
b)
4)
5)
2
5 6 y x x = + .
6)
7) R$ 65,00. Sugesto: Efetue operaes com as linhas do sistema encontrado para obter a
linha
( )
1 1 1 65 .
8) a) soluo exata ( , , ) (108, 480, 420) x y z = b) c)
9) soluo
3 5
, , 3
2 2







10) a)
1
( ) cos f x c x = e
2
( ) sen ln sec tg g x c x x x = + + .
b)
1
( ) ln f x c x = e
2
1
( ) g x c
x
= .
11) valores aproximados (11,12, 23).
12) Com um barril do spray P e 2 barris do spray R a quantidade de produto qumico
conseguidas sem precisar do spray Q.
13) A refeio deve ser composta com 12,5% do alimento A; 62,5% do alimento B e 25% do
alimento C.
14) a) (4, 3, 2, 6) b) (2,15,12,10) c) (2,13, 8,10)
15) a) ( )
1 2 3
, , ( 1, 3, 2) i i i = b) ( )
1 2 3 4
, , , ( 2,1, 1, 2) i i i i =
16) ( )
1 2 3 4 5
, , , , (3, 68;1, 61; 0,16;1, 45;2, 07) i i i i i = , o custo mnimo de $ 115,00.

RESPOSTAS DOS EXERCCIOS DE FIXAO ESPAOS VETORIAIS
1. a) sim b) no c) no d) no

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
52
2. a.1) no a.2) sim a.3) no c.1) sim c,2) no
b.1) sim b.2) no b.3) no d.1) sim d.2) sim
5. a)
0 0 0 0 1 1 4 1 3 2
3 2 9 1
0 0 0 3 1 0 0 1 9 5
5 3 5 5



= + +






b) ( ) ( ) ( )
4 7
2, 7 1, 0 2, 9
9 9
= +
c) no possvel.
d) ( ) ( )
( ) ( )
3 2 2 3
5 1
4 1 2 3 4 1 1
2 3
t t t t t t + + + = + + +
e)
( )
( )
2 2
1
sen 1 cos 3
3
x x = +
6. a) ( ) { } 2,1, 2 b) ( ) ( ) { } 2,1, 0 , 3, 0,1 c)
1 0 0 1
,
0 0 1 0












d)
{ }
2
, 1 t t +
8. 0 e 1 k k
10. a) i) L.I. ii) sim iii) sim
b) i) L.D. ii) sim iii) no
c) i) LD. ii) no iii) no
d) i) L.I. ii) no iii) no
e) i) L.I. ii) sim iii) sim
f) i) L.D. ii) no iii) no

11. a) ( ) ( ) ( ) { } 1, 0, 0 , 0, 5, 2 , 7, 0, 2 B = outra base de W :
( ) ( ) ( ) { } 1, 0, 0 , 0,1, 0 , 0, 0,1 , dim 3 B

= = W
b) ( ) ( ) ( ) { } 1, 3, 0,1 , 3, 4, 7, 2 , 2, 30,1 , dim 3 B = = W
c)
0 0 0 1 1 0
, , , dim 3
0 0 0 1 1 0
B





= =







W
d) d.1) ( ) { } 2,1, 2 , dim 1 B = = W
d.2) ( ) ( ) { } 2,1, 0 , 3, 0,1 , dim 2 B = = W
d.3)
1 0 0 1
, , dim 2
0 0 1 0
B





= =







W
d.4)
{ }
2
1, , dim 2 B t t = + = W
e) { } sen cos dim 2 B x, x , = = W
f)
{ }
2 3
, , dim 3
x x x
B e , e e = = W
12. a) ( )
{ }
3
, , ; 2 3 0 x y z x y z = + = R W
b) ( )
{ }
3
, , ; 0 x y z x z = + = R W
c)
4
= R W

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
53
d) ( )
2
; 0 e 0
x y
x y z w
z w




= + = =





R W M
e) ( )
{ }
3 2
3
; 2 at bt ct d c a b = + + + = R W P
13. a) ( )
{ }
4
; 0 0 0 x,y,z,w x y , z , w = + = = = R U W ( ) { } 1, 1, 0, 0 B

=
U W

( )
{ }
4
; 0 x,y,z,w w z + = = R U W ( ) ( ) ( ) { } 1, 0, 0, 0 , 0,1, 0, 0 , 0, 0,1,1 B
+
=
U W

b) ( )
{ }
3
; 0 x,y,z x z = = = R U W ( ) { } 0,1, 0 B

=
U W


3
+ = R U W ( ) ( ) ( ) { } 1, 0, 0 , 0,1, 0 , 0, 0,1 B
+
=
U W

c)
0 0
0 0









U W no h base.
( )
2
+ = R U W M
0 0 0 0 1 0 0 1
, , ,
0 0 0 0 1 0 0 1
B
+






=








U W

d) ( )
{ }
3
; 0 x,y,z x , z y = = = R U W ( ) { } 0,1,1 B

=
U W


3
+ = R U W ( ) ( ) ( ) { } 1, 0, 0 , 0,1, 0 , 0, 0,1 B
+
=
U W

14. a) ( ) ( ) { } 1, 0, 2,1 , 0,1, 0, 2 B = , outra base: ( ) ( ) { } 2, 1, 4, 0 , 1,1, 2, 3
b) ( )
{ }
4
, , , ; 4 2 0 x y z w y z w = + = R S
c) 2 b a =
d) ( ) , dim 2, B
+
= + =
Y S
Y S Y Y S a mesma de S

15. a) no b) sim c) 13a) no 13b) no 13c) sim 13d) no
16. ( ) ( ) ( ) ( ) ( ) { } 1,1, 0, 0, 0 , 1, 0,1, 0, 0 , 0, 0,1, 0, 0 , 0, 0, 0,1, 0 , 0, 0, 0, 0,1 B =
17. ( ) [ ] ( ) [ ] ( ) [ ] 0, 0,1 , ou por exemplo, 0,1, 0 , ou 1, 0, 0 = = = U U U .
18. ( )
2
dim 4 = W
19. ( ) dim 3 = W
20. a) ( ) { } 2 dim 5 0 < < U W U W b) 2, 3, 4 .
21. a) impossvel. b)
1 0 3 0 0 1
, ,
0 0 0 0 0 0















, por exemplo.
c) impossvel. d) impossvel.

22. a) ( ) [ ] ( ) [ ]
21 17
3
4, 5, 3 5 e 4, 5, 3 58 17
2 47 17
B B









= =










LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
54
b)
2 1
1 2 1 2 1 2
e
0 1 0 1 0 1
1 0
B B












= =















c)
3 2 3 2
0 2
2 3
2 5 2 e 2 5 2
5 5
2 10 3
B B
t t t t t t





+ = + =













RESPOSTAS DOS EXERCCIOS DE FIXAO TRANSFORMAES LINEARES
1. So lineares as aplicaes dos itens (a), (d), (e), (f).
2. a) ( ) ( ) , 2 , 3 , 13 4 T x y x y x y x y = + +
b) ( ) ( ) , , 2 , T x y z x y y z = +
c) ( ) ( ) , , 5 2 8 , , 11 5 18 T x y z x y z x y z x y z = + + +
d)
( )
( )
2
5 , 5 7 T a bx cx c a b c + + = + +
e) ( )
2 0 3 6
, ,
3 6 4 8 5 20 15
x y z y
T x y z
x y x y x y z
+


=


+ + +



3. a) ( )
5
, 3 , ,
2
x y
T x y x x

=



b) ( ) ( )
5 1
1, 0 3, , 1 e 0,1 0, , 0
2 2
T T

= =




c) ( )
5 6
, , ,
3 3
x x y
S x y z


=



d) ( ) ( ) , , S T x y x y =
4. a) 1.a)
( )
( ) { } 0, 0,1
N T
=
( )
( ) ( ) { }
Im
1, 0 , 0,1
T
=
1.d)
( )
( ) { } 0,1, 3
N T
=
( )
( ) ( ) { }
Im
1, 0 , 0,1
T
=
1.e)
( )
( ) { } 0, 0
N T
=
( ) Im
2 0 1 0
,
0 0 0 1
T






=








b) 2.b)
( )
( ) { } 1, 2, 2
N T
=
( )
( ) ( ) { }
Im
1, 0 , 0,1
T
=
2.d)
( )
{ } 5
N T
x =
( )
( ) ( ) { }
Im
1, 0 , 0,1
T
=
2.e)
( )
( ) { } 2,1, 2
N T
=
Im( )
0 0 3 1 0 0
,
0 0 15 3 4 5
T






=








5.
( )
( ) { }
( )
( ) ( ) { }
Im
1,1, 3 e 1, 2, 0, 3, 0 , 1, 1, 0, 0, 0
N T T
= =
6. a) ( ) ( ) , 4 , 2 5 , 3 6 T x y x y x y x y = + + +
b) ( ) ( ) , , 2 , 4 T x y z z z =
c) ( ) ( ) , , 2 , , 2 , T x y z x y x y x x y = + + +
7. a) Impossvel.
b) Impossvel.
c) Qualquer aplicao injetiva (ou sobrejetiva).
d) A aplicao nula.

LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
55
e) No existe.
8. a) ( ) ( ) ( ) dim Im 3 N T T + = b) No, ( ) ( ) dim 0 N T .
10. ( ) ( ) , , 0, 0, 0, T x y z z x y = +
11.
2 3 0
3 3 2






12.
3 0 3 3
5 2 e 2 5
3 3 2 2










13. ( ) ( ) [ ]
8 18
, 8 18 , 6 11 , 2 4 e 6 11
2 4
T x y x y x y x y T



= + + =







14. (2, 0) v =
15. a) ( ) { } ( ) 2 , 3 , 4 ; , dim ( ) 1 N T z z z z N T = = R .
b) ( ) ( )
{ }
3
Im , , ; 0 , dimIm( ) 2 T x y z x y z T = + = = R .
AUTOVALORES E AUTOVETORES
1. a) Sim b) No
2. a)
1 1 2 2
3, ( , ); 2, (2 , ) v y y v y y = = = =
b)
1 1 2 2
1, ( 2 , ); 4, ( , ) v y y v y y = = = =
c)
1 2
4, ( , ) v x x = = =
d) No existem.
e)
1 2 3 3
1, ( , , ); 4, ( , , 2 ) v x y y v x x x = = = = =
f)
1 1 2 2 3 3
1, (3, 3,1); 1, (0, 3,1); 2, (0, 0,1) v z v z v z = = = = = =
g)
1 2 3
1, ( , 0, ) v x z = = = = , x e z no simultaneamente nulos.
3. (8,11)
4. a) ( ) ( , ) , 2 3 T x y x x y = +
b)
5
( , ) 2 , 3
2
T x y x y y

= +




5. (26, 6)
6.
3 5
,
2 2







LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
56

GEOMETRIA DAS TRANSFORMAES LINEARES NO PLANO E NO ESPAO

1.
2.
2.
4.
5.
6.
7.
8.
9.
10.


























LGEBRA LINEAR ESPAOS VETORIAIS E TRANSFORMAES LINEARES
57
REFERNCIAS
1. ANTON, H. & RORRES, C. lgebra Linear com Aplicaes. Porto Alegre: Ed. Bookman.
2. BOLDRINI, J. L. lgebra Linear. So Paulo: Editora Harbra.
3. CALLIOLI, C. A.[et all] lgebra Linear e Aplicaes. Rio de Janeiro: Atual Editora.
4. STEINBRUCH, A. & WINTERLE, P. lgebra Linear. So Paulo: McGraw-Hill.
5. LIPSCHUTZ, S. lgebra Linear (Coleo Schaum). Rio de Janeiro: McGraw-Hill.
6. HOFFMAN, K. lgebra Linear. So Paulo: Editara Polgono.
7. LIMA, E. L. lgebra Linear (Coleo Matemtica Universitria). Rio de Janeiro: IMPA.
8. MEYER, C. D. Matrix Analysis and Applied Linear Algebra. SIAM, 2000.
9. COELHO, F. U. & LOURENO, M. L. Um Curso de lgebra Linear. So Paulo:
EDUSP, 2005.
10. SANTOS, R. J. lgebra Linear e Aplicaes. Belo Horizonte, Imprensa Universitria da
UFMG, 2006. Livro disponvel para download no site www.mat.ufmg.br/~regi