Professional Documents
Culture Documents
. . .
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
=
=
. 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
+ + =
+ + =
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
=
,
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
. 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
+ =
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
(1, 0, 0) i = ,
(0,1, 0) j = e
(1, 0, 0) i = ,
(1, 0) i = e
(0,1) j = so L.I.
Exemplo 4 Em
2
= R V ,
(1, 0) i = e
= 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
+ =
+ + =
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
= 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
=
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
[ ]
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 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
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