You are on page 1of 148

CURSO DE

lgebra Linear
Antonio Cndido Faleiros
Centro de Matemtica, Computao e Cognio
Universidade Federal do ABC
Santo Andr, SP
28 de maro de 2011
2
Sumrio
1 Sistemas de equaes lineares 9
1.1 Equaes lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Sistemas de equaes lineares . . . . . . . . . . . . . . . . . . . 12
1.3 Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4 Sistema escalonado . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 Operaes elementares . . . . . . . . . . . . . . . . . . . . . . . 21
1.6 Mtodo da eliminao de Gauss . . . . . . . . . . . . . . . . . . 22
1.6.1 A eliminao de Gauss-Jordan . . . . . . . . . . . . . . . 25
1.7 Operaes matriciais . . . . . . . . . . . . . . . . . . . . . . . . 27
1.7.1 Adio de matrizes . . . . . . . . . . . . . . . . . . . . . 27
1.7.2 Multiplicao de uma matriz por um nmero real . . . . 27
1.7.3 Multiplicao de matrizes . . . . . . . . . . . . . . . . . 28
1.8 Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.9 Potncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.10 Matriz transposta . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.11 Matrizes elementares . . . . . . . . . . . . . . . . . . . . . . . . 34
1.11.1 Sistemas equivalentes e matrizes elementares . . . . . . . 36
1.12 Um mtodo para inverter matrizes . . . . . . . . . . . . . . . . 36
1.13 Forma matricial de um sistema linear . . . . . . . . . . . . . . . 38
2 Determinantes 43
2.1 Denio de determinante . . . . . . . . . . . . . . . . . . . . . 45
2.2 Propriedades do determinante . . . . . . . . . . . . . . . . . . . 47
2.3 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . 51
2.4 Cofatora, adjunta clssica e inversa . . . . . . . . . . . . . . . . 52
2.5 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3 Espao vetorial 55
3.1 Propriedades adicionais . . . . . . . . . . . . . . . . . . . . . . . 58
3.2 O espao vetorial das nuplas ordenadas . . . . . . . . . . . . . 58
3.3 Outros espaos vetoriais relevantes . . . . . . . . . . . . . . . . 59
3
4 SUMRIO
3.4 Subespaos vetoriais . . . . . . . . . . . . . . . . . . . . . . . . 60
3.5 Espao gerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.6 Dependncia linear . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.7 Dependncia linear de funes . . . . . . . . . . . . . . . . . . . 66
3.8 Base e dimenso de um espao vetorial . . . . . . . . . . . . . . 69
3.9 Matriz de mudana de base . . . . . . . . . . . . . . . . . . . . 74
3.10 Espao linha e espao coluna . . . . . . . . . . . . . . . . . . . . 77
3.11 Sistemas lineares e o espao nulo de uma matriz . . . . . . . . . 82
4 Transformao linear 89
4.1 Transformao linear e bases . . . . . . . . . . . . . . . . . . . . 91
4.2 Exemplos de transformaes lineares . . . . . . . . . . . . . . . 94
4.3 Composio e inversa . . . . . . . . . . . . . . . . . . . . . . . . 96
4.4 Matriz de uma transformao linear . . . . . . . . . . . . . . . . 99
4.5 Matriz da composta e da inversa . . . . . . . . . . . . . . . . . . 101
4.6 Matrizes semelhantes . . . . . . . . . . . . . . . . . . . . . . . . 103
4.7 Ncleo e imagem . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5 Produto interno 109
5.0.1 Produtos internos . . . . . . . . . . . . . . . . . . . . . . 109
5.1 Norma e distncia . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.2 Desigualdade de Cauchy-Schwarz . . . . . . . . . . . . . . . . . 112
5.3 ngulo entre dois vetores . . . . . . . . . . . . . . . . . . . . . . 113
5.4 Bases ortogonais e ortonormais . . . . . . . . . . . . . . . . . . 115
5.5 Coordenadas numa base ortogonal . . . . . . . . . . . . . . . . . 115
5.6 Produto interno numa base ortonormal . . . . . . . . . . . . . . 116
5.7 Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . 117
5.8 Projeo ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.9 Obtendo bases ortogonais . . . . . . . . . . . . . . . . . . . . . 119
5.10 Decomposio QR . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.11 Matriz ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.12 Mnimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.13 Solues de mnimos quadrados . . . . . . . . . . . . . . . . . . 128
5.14 Teorema sobre matriz inversvel . . . . . . . . . . . . . . . . . . 132
6 Autovalores e autovetores 135
6.1 Autovalor e autovetor de uma matriz . . . . . . . . . . . . . . . 135
6.2 Autovalor e autovetor de um operador linear . . . . . . . . . . . 138
6.3 Potncias de matrizes . . . . . . . . . . . . . . . . . . . . . . . . 140
6.4 Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.5 Potncia de uma matriz . . . . . . . . . . . . . . . . . . . . . . 144
SUMRIO 5
6.6 Diagonalizao ortogonal . . . . . . . . . . . . . . . . . . . . . . 145
6 SUMRIO
Prefcio
Estas notas de aula se basearam, inicialmente, no livro de Anton e Rorres,
lgebra Linear Aplicada.
Depois elas foram inuenciadas pelos excelentes livros:
lgebra Linear e Aplicaes do Calioli, Domingues e Costa,
lgebra Linear do Boldrini, Costa, Figueiredo e Wetzler
lgebra Linear do Nicholson,
alm de minhas preferncias pessoais sobre como apresentar o assunto.
Antonio Cndido Faleiros
UFABC, Santo Andr, SP, 2011
Notas de aula do Professor Faleiros
8 SUMRIO
Notas de aula do Professor Faleiros
Captulo 1
Sistemas de equaes lineares
1.1 Equaes lineares
Quando estudamos a geometria analtica plana, usando um sistema de coor-
denadas cartesianas ortogonais, cujos eixos caracterizamos pelos ndices 1 e 2.
xada uma reta, existem trs nmeros reais c
1
. c
2
e / tais que as coordenadas
cartesianas (r
1
. r
2
) dos pontos da reta obedecem a uma equao do tipo
c
1
r
1
+ c
2
r
2
= /
onde c
1
ou c
2
diferente de zero.
Podemos pensar em c
1
r
1
+c
2
r
2
= / como sendo uma equao, denominada
equao geral da reta, envolvendo duas incgnitas r
1
e r
2
. Os pontos (c
1
. c
2
) da
reta satisfazem a c
1
c
1
+c
2
c
2
= / e so denominadas de solues desta equao.
Os
Exemplo 1.1 O ponto (r
1
. r
2
) = (1. 2) do plano cartesiano pertence reta
cuja equao geral 3r
1
r
2
= 1.
Na geometria analtica espacial, quando se usa um sistema de coordenadas
cartesianas ortogonais, com eixos caracterizados pelos ndices 1. 2 e 3. xado
um plano, as coordenadas cartesianas (r
1
. r
2
. r
3
) dos seus pontos satisfazem
a uma equao da forma
c
1
r
1
+ c
2
r
2
+ c
3
r
3
= /
onde c
1
. c
2
. c
3
e / so nmeros reais e, dos trs nmeros c
1
. c
2
e c
3
. pelo menos
um no nulo.
Exemplo 1.2 O ponto (r
1
. r
2
. r
3
) = (2. 1. 1) do espao cartesiano pertence
ao plano cuja equao geral 4r
1
+ 3r
2
2r
3
= 3.
Notas de aula do Professor Faleiros
10 Sistemas de equaes lineares
Exemplo 1.3 No espao cartesiano, r
1
+ r
2
= 5 a equao geral de um
plano, e no de uma reta, como poderamos pensar num primeiro momento.
A ausncia do r
3
se deve ao fato de, nesta equao, ele estar multiplicado por
zero.
Podemos nos esquecer da geometria e nos ater algebra das equaes de
retas e planos. Seja : um nmero inteiro maior do que 1 e c
1
. . . . . c
n
. nmeros
reais. Sendo / um nmero real,
c
1
r
1
+ + c
n
r
n
= / (1.1)
uma equao algbrica linear ou equao linear nas : incgnitas r
1
.
. . . . r
n
. Os nmeros reais c
1
. c
2
. . . . . c
n
so os coecientes e / o termo
constante da equao.
Se c
1
. . . . . c
n
forem nmeros reais tais que
c
1
c
1
+ + c
n
c
n
= /.
diremos que r
1
= c
1
. . . . . r
n
= c
n
ou
(r
1
. . . . . r
n
) = (c
1
. . . . . c
n
).
soluo da equao linear (1.1). Ainda, por simplicidade, iremos dizer que
a sequncia (c
1
. c
2
. . . . . c
n
) soluo de (1.1).
A equao
0r
1
+ + 0r
n
= /
onde todos os coecientes so nulos, chamada de degenerada. Quando
/ ,= 0. ela a nica equao linear que no possui soluo. Quando / = 0.
toda sequncia (c
1
. c
2
. . . . . c
n
) soluo.
Exemplo 1.4 Uma soluo de 3r
1
5r
2
= 1 r
1
= 12 e r
2
= 7. Podemos
dizer tambm que (r
1
. r
2
) = (12. 7) soluo ou que o par (12. 7) soluo.
Existem outras solues para esta equao linear. Explicitando r
1
. obtemos
r
1
= (1+ 5r
2
),3. Atribuindo um valor c
2
qualquer a r
2
. obtemos desta igual-
dade um valor c
1
para r
1
tal que r
1
= c
1
e r
2
= c
2
soluo da equao linear
dada. Fazendo r
2
= 1. obtemos r
1
= 2 e (r
1
. r
2
) = (2. 1) soluo da equao
dada.
Na equao linear c
1
r
1
+ +c
n
r
n
= /. quando c
1
,= 0. pode-se explicitar
a incgnita r
1
para obter
r
1
=
1
c
1
(/ c
2
r
2
c
n
r
n
) .
Notas de aula do Professor Faleiros
1.1 Equaes lineares 11
Nesta equao, r
1
recebe o nome de varivel dependente e as demais de
variveis independentes ou livres. As incgnitas recebem tambm o nome
de varivel pois, ao escolher livremente os valores de r
2
. . . . . r
n
. a equao
acima estabelece um valor para r
1
. que depende dos valores das demais incg-
nitas. Para obter uma soluo, pode-se variar os valores das incgnitas que
passam a ser chamadas de variveis.
Sendo c
2
. . . . . c
n
nmeros reais, fazendo r
2
= c
2
. . . . . r
n
= c
n
obtemos pela
equao acima r
1
=
1
a
1
(/ c
2
c
2
c
n
c
n
) . Denotando o nmero real do
lado direito desta igualdade por c
1
. a sequncia (c
1
. c
2
. . . . . c
n
) uma soluo
da equao linear original.
De modo geral, se c
k
,= 0. pode-se explicitar a varivel r
k
. que passa a ser a
varivel dependente, sendo as incgnitas restantes as variveis independentes.
Excetuando as equaes lineares degeneradas com termo constante no
nulo, as demais, com duas ou mais variveis, possuem innitas solues. O
conjunto de todas elas denominado de conjunto soluo ou soluo geral
da equao.
Para obter o conjunto soluo da equao linear c
1
r
1
+ +c
n
r
n
= /
basta explicitar uma incgnita em funo das demais. Se c
1
,= 0. a soluo
geral ser o conjunto
(r
1
. . . . . r
n
) : r
1
=
1
c
1
(/ c
2
r
2
c
n
r
n
) com r
2
. . . . . r
n
R
Exemplo 1.5 Explicitando o r
2
em funo de r
1
na equao linear 5r
1
r
2
=
1 obtm-se r
2
= 5r
1
1 e a soluo geral da equao linear original
(r
1
. r
2
) : r
2
= 5r
1
1 com r
1
R .
Aproveitando o exemplo anterior, vamos observar que a soluo geral do
sistema pode ser apresentada de modo que as incgnitas r
1
e r
2
sejam tratadas
em p de igualdade, como funes de uma terceira varivel. Se introduzirmos
uma nova varivel t denida por t = r
1
. ento r
2
= 5t 1 e o conjunto soluo
passa a ter o formato
( t. 5t 1 ) : t R.
A varivel t denominada de parmetro da soluo geral. Emlugar de expres-
sar a soluo geral na forma de um conjunto pode-se simplesmente escrev-la
na forma r
1
= t e r
2
= 5t 1. destacando que t um parmetro que percorre
os reais. Aqui se subentende que o conjunto formado pelos pares (r
1
. r
2
) onde
r
1
= t e r
2
= 5t 1. com t R. o conjunto soluo da equao.
Exemplo 1.6 Na equao r4 +7. = 5 podemos explicitar r em funo de
e . para obter r = 5+ 4 7.. A soluo geral desta equao
(r. . .) : r = 5 + 4 7.. com e . percorrendo os reais
Notas de aula do Professor Faleiros
12 Sistemas de equaes lineares
Denindo os parmetros : e c por : = e c = .. obtemos a soluo geral na
forma paramtrica
r = 5 4t + 7c
= t
. = c
onde os parmetros t e c que podem assumir qualquer valor real. A cada valor
atribudo a t e a c temos uma soluo da equao.
1.2 Sistemas de equaes lineares
Quando estudamos Geometria Analtica Plana, quando se pretende analisar a
posio relativa de duas retas cujas equaes gerais so
c
11
r
1
+ c
12
r
2
= /
1
c
21
r
1
+ c
22
r
2
= /
2
preciso determinar os pontos (r
1
. r
2
) do plano que satisfazem simultanea-
mente s duas equaes. Quando as retas forem paralelas e disjuntas, elas no
possuem pontos em comum, de modo que nenhum par ordenado (r
1
. r
2
) de
nmeros reais satisfaz s duas equaes. Quando as retas forem coincidentes
elas possuem uma innidade de pontos em comum e h uma innidade de
pares de nmeros reais que satisfaz s duas equaes. Quando a interseo das
retas ocorre em um ponto, h um nico par (r
1
. r
2
) de nmeros reais satisfaz
s duas equaes.
Ainda na Geometria Analtica Plana, se faz o estudo da posio relativa de
trs ou mais retas. Como no caso anterior, as retas podem ter uma innidade
de pontos, um nico ponto ou nenhum ponto comum, casos em que as equaes
gerais das retas sero satisfeitas simultaneamente por uma innidade de pares
de nmeros reais, por um nico par ou nenhum par, respectivamente.
Na Geometria Analtica Espacial, dois planos cujas equaes gerais so
c
11
r
1
+ c
12
r
2
+ c
13
r
3
= /
1
c
21
r
1
+ c
22
r
2
+ c
23
r
3
= /
2
podem ter nenhum ou innitos pontos em comum. Eles podem ser paralelos
e distintos, paralelos e coincidentes ou a interseo pode ocorrer ao longo de
uma reta que pertence a ambos. Se os planos forem paralelos e distintos, no
existe nenhum terno ordenado (r
1
. r
2
. r
3
) de nmeros reais que satisfaz s
duas equaes gerais. Nos outros casos, onde a interseo no vazia, h uma
innidade de pares a satisfazer as duas equaes.
Notas de aula do Professor Faleiros
1.2 Sistemas de equaes lineares 13
Ainda na Geometria Analtica Espacial, interessante determinar a posio
relativa de trs planos quando eles podero coincidir, ou ter interseo vazia, ou
interseo ao longo de uma reta ou interseo num nico ponto. Neste ltimo
caso, haver um nico terno (r
1
. r
2
. r
3
) de nmeros reais que satisfaz s trs
equaes das retas e, no segundo caso, no haver nenhum terno satisfazendo
s trs equaes das retas. No primeiro e terceiro caso, de coincidncia dos trs
planos ou interseo ao longo de uma reta, teremos uma innidade de ternos
de nmeros reais satisfazendo s equaes das trs retas ao mesmo tempo.
Estes exemplos nos mostram a importncia de se estudar equaes como
as que surgem no contexto da geometria plana e espacial. Equaes dessa na-
tureza surgem no contexto do Clculo Numrico e so de extrema importncia
para as aplicaes da Matemtica na Engenharia, na Fsica, na Qumica, na
Biologia, na Economia.
As equaes gerais de retas e planos so equaes lineares. Quando nos
deparamos com mais de uma equao linear, dizemos estar diante de um sis-
tema de equaes lineares. Passemos a estudar tais sistemas em sua forma
geral.
Sejam : e : inteiros maiores do que 1. Sejam c
ij
e /
i
. com i = 1. 2. . . . :
e , = 1. 2. . . . . :. nmeros reais. Um conjunto nito de : equaes lineares
c
11
r
1
+ c
12
r
2
+ + c
1n
r
n
= /
1
c
21
r
1
+ c
22
r
2
+ + c
2n
r
n
= /
2
(1.2)

c
m1
r
1
+ c
m2
r
2
+ + c
mn
r
x
= /
m
nas incgnitas r
1
. . . . . r
n
. chamado de sistema de equaes algbricas
lineares ou um sistema linear com : equaes e : incgnitas.
Se r
1
= c
1
. . . . . r
n
= c
n
for soluo de todas as equaes em (1.2), diremos
que ela soluo do sistema (1.2). Tambm diremos que
(r
1
. . . . . r
n
) = (c
1
. . . . . c
n
)
ou que a nupla ordenada de nmeros reais (c
1
. . . . . c
n
) soluo do sistema
linear.
Um sistema de equaes lineares pode ter soluo ou no. Quando uma
equao do sistema for degenerada,
0r
1
+ + 0r
n
= /.
com todos os coecientes nulos e / diferente de zero, j podemos armar que
o sistema no possui soluo.
Notas de aula do Professor Faleiros
14 Sistemas de equaes lineares
Podemos simplicar a notao de um sistema usando o smbolo de so-
matrio. Com ele pode-se escrever a isima equao na forma
n

j=1
c
ij
r
j
= /
i
e assim denotar todas as equaes do sistema observando que i assume todos
os valores inteiros de 1 a :. como em
n

j=1
c
ij
r
j
= /
i
. com i = 1. . . . . :.
Exemplo 1.7 O sistema
r
1
+ r
2
= 1
0r
1
+ 0r
2
= 2
no tem soluo pois a segunda equao degenerada e seu termo constante
diferente de zero. O sistema
r
1
+ r
2
= 1
r
1
+ r
2
= 2
no possui soluo pois a soma r
1
+r
2
no pode ser ao mesmo tempo igual a
1 e a 2. J o sistema
r
1
+ r
2
= 2
0r
1
+ 0r
2
= 0
possui innitas solues pois a segunda equao satisfeita para quaisquer
valores que se atribua a r
1
e a r
2
. A primeira satisfeita sempre que r
1
= t
e r
2
= 2 t. para todo t real. O sistema
r
1
r
2
= 2
r
1
+ r
2
= 4
tem uma nica soluo (r
1
. r
2
) = (3. 1) que pode ser obtida observando que,
ao adicionar as duas equaes obtemos 2r
1
= 6 e, ao subtrair a primeira da
segunda, obtemos 2r
2
= 2.
Um sistema de equaes lineares consistente ou compatvel quando
tiver ao menos uma soluo e inconsistente ou incompatvel quando no
possuir soluo. O conjunto de todas as solues chamado de conjunto
soluo ou soluo geral do sistema.
Notas de aula do Professor Faleiros
1.3 Matriz 15
Exemplo 1.8 Todas as solues do sistema
r
1
3r
2
+ r
3
= 0
r
2
r
3
= 1
so tais que r
1
= 3 + 2r
3
. r
2
= 1 + r
3
com r
3
percorrendo os reais, e o seu
conjunto soluo
(r
1
. r
2
. r
3
) : r
1
= 3 + 2r
3
. r
2
= 1 + r
3
com r
3
R .
Para vericar este fato, basta explicitar r
1
na primeira equao, r
2
na segunda
equao, usando-a para elimin-la da primeira equao.
1.3 Matriz
Para determinar a soluo de um sistema precisamos apenas dos seus coe-
cientes e das suas constantes. Estes coecientes e constantes podem ser dispos-
tos em uma matriz que uma coleo de nmeros dispostos em uma tabela
retangular e delimitada por colchetes.
Os nmeros que compem uma matriz so denominados des entradas ou
elementos d matriz. As linhas e as colunas da tabela sero as linhas e as
colunas da matriz. Uma matriz de tamanho : : aquela que possui
: linhas e : colunas. Quando o nmero de linhas for igual ao nmero de
colunas se diz que a matriz quadrada. Uma matriz quadrada : :
chamada matriz de ordem :. Matrizes com um nica coluna so denominadas
matrizes coluna ou vetores coluna. Matrizes com uma nica linha so
denominadas matrizes linha ou vetores linha. Vamos usar letras maisculas
para designar as matrizes e letras minsculas com subndices para designar suas
entradas. Estes ndices informam a posio da entrada na matriz, tal como em
=
_

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

_
onde c
ij
a entrada da linha i coluna ,. A matriz acima pode ser representada
de forma abreviada por = [c
ij
] ou por [c
ij
]
mn
quando for desejvel indicar
explicitamente o seu tamanho. comum usar a notao c
ij
= ()
ij
. Os
elementos c
ii
. para i = 1. 2. . . . so os elementos da diagonal principal da
matriz tambm denominada de diagonal da matriz. Os elementos c
i; n+1i
.
para i = 1. 2. . . . so os elementos da diagonal secundria da matriz. Uma
Notas de aula do Professor Faleiros
16 Sistemas de equaes lineares
matriz quadrada onde apenas os elementos da diagonal principal so diferentes
de zero so chamadas de matriz diagonal.
Uma matriz quadrada na qual todas as entradas acima da diagonal prin-
cipal so zero chamada triangular inferior e uma matriz quadrada naqual
todas as entradas abaixo da diagonal principal so zero chamada triangu-
lar superior. Uma matriz que triangular inferior ou triangular superior
chamada triangular.
Quando se tratar de uma matriz linha ou coluna, podemos abrir uma ex-
ceo e usar uma letra minscula em negrito para design-la tal como em
a =
_
c
1
c
2
c
n

e b =
_

_
/
1
/
2
.
.
.
/
m
_

_
Duas matrizes = [c
ij
] e 1 = [/
ij
] so iguais quando ambas possurem o
mesmo tamanho e suas entradas correspondentes forem iguais, isto , c
ij
= /
ij
.
para i e , percorrendo todas as linhas e todas as colunas de e 1. Quando
duas matrizes e 1 forem iguais, escreveremos = 1.
Como enfatizamos no incio desta seo, as matrizes mostraram-se muito
teis na representao de sistemas lineares. Dado o sistema linear
c
11
r
1
+ c
12
r
2
+ + c
1n
r
n
= /
1
c
21
r
1
+ c
22
r
2
+ + c
2n
r
n
= /
2

c
m1
r
1
+ c
m2
r
2
+ + c
mn
r
x
= /
m
com : equaes e : incgnitas, a tabela retangular de nmeros
=
_

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

_
chamada de matriz dos coecientes do sistema e
b =
_

_
/
1
.
.
.
/
m
_

_
Notas de aula do Professor Faleiros
1.4 Sistema escalonado 17
a matriz das constantes do sistema. Ao acrescentar a coluna b direita
de . obtemos a matriz aumentada ou matriz completa do sistema
_

_
c
11
c
12
c
1n
/
1
c
21
c
22
c
2n
/
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
c
m1
c
m2
c
mn
/
m
_

_
que ser denotada por [ [ b].
A notao matricial simplica a notao e proporciona uma ferramenta
matemtica eciente no estudo terico e numrica dos sistemas, mormente
quando se estudam os sistemas de grande porte, que so aqueles com muitas
equaes e muitas incgnitas.
Exemplo 1.9 A matriz completa do sistema
r + + 2. = 9
2r + 4 3. = 1
3r + 6 5. = 0

_
_
1 1 2 9
2 4 3 1
3 6 5 0
_
_
.
1.4 Sistema escalonado
muito simples obter a soluo geral de alguns sistemas especiais e, dentre
eles, se destacam os sistemas escalonados.
Uma matriz escalonada aquela em que
1. as linhas nulas cam agrupadas na parte inferior da matriz;
2. nas linhas no nulas, o primeiro elemento no nulo da esquerda para a
direita o nmero 1. Este nmero o lder ou piv da linha;
3. a partir da segunda linha, o elemento lder ca direita do lder da linha
acima.
Uma matriz escalonada reduzida se
1. for escalonada e
Notas de aula do Professor Faleiros
18 Sistemas de equaes lineares
2. o lder o nico elemento no nulo de sua coluna.
Exemplo 1.10 As matrizes
_
_
0 1 2 3 4
0 0 0 1 2
0 0 0 0 0
_
_
e
_
_
1 2 3 4 5
0 0 1 2 3
0 0 0 1 2
_
_
so escalonadas e
_

_
1 2 0 4 0 6
0 0 1 2 0 4
0 0 0 0 1 2
0 0 0 0 0 0
_

_
escalonada reduzida.
Um sistema linear escalonado quando sua matriz completa for escalon-
ada e escalonado reduzido quando sua matriz completa for escalonada re-
duzida.
Exemplo 1.11 O sistema
r
1
+ 2r
2
+ 3r
3
+ 4r
4
= 5
r
2
+ 2r
3
+ 3r
4
= 4
r
4
= 2
escalonado e
r
1
r
3
= 5
r
2
+2r
3
= 6
r
4
= 7
escalonado reduzido.
Um sistema escalonado no possui soluo quando uma de suas equaes
for degenerada,
0r
1
+ 0r
2
+ + 0r
n
= /
com / diferente de zero. Nos demais casos, o sistema escalonado ser consis-
tente e podemos obter sua soluo geral com o procedimento descrito abaixo.
Inicialmente explicita-se em cada equao a incgnita que est multiplicada
pelo piv. Estas so as incgnitas lderes do sistema. Em seguida, segue-se
um procedimento conhecido por substituio reversa. A expresso que est
do lado direito da ltima equao usada para eliminar a ltima incgnita
lider das equaes acima. A expresso que est do lado direito da penltima
equao usada para eliminar a penltima incgnita lder das equaes acima.
Notas de aula do Professor Faleiros
1.4 Sistema escalonado 19
Este procedimento continuado at eliminar todas as incgnitas lderes do
lado direito das equaes que formam o sistema.
Num sistema escalonado consistente, as incgnitas que restarem do lado
direito depois da substituio reversa, so denominadas de variveis livres
ou independentes. O termo varivel tem sua origem no fato de podermos
atribuir a elas qualquer valor real para obter uma soluo do sistema. As
incgnitas lderes que permaneceram do lado esquerdo passam a depender dos
valores das variveis livres e, por este motivo, recebem o nome de variveis
dependentes ou variveis lderes.
Quando no houver varivel livre, o sistema ter uma nica soluo. Ex-
istindo variveis livres, o sistema possuir innitas solues. Quando houver
uma equao degenerada com termo constante no nulo, o sistema no tem
soluo.
Para obter a soluo geral de sistemas escalonados reduzidos, a etapa de
substituio reversa desnecessria pois, ao explicitar as variveis lderes,
restaro apenas as variveis independentes no lado direito das equaes.
Exemplo 1.12 Para resolver o sistema escalonado
r
1
r
2
+ 2r
3
= 3
r
2
r
3
= 1
r
3
= 2
Explicitamos as variveis dependentes r
1
. r
2
e r
3
. que so as variveis dos
pivs da matriz completa do sistema
r
1
= r
2
2r
3
+ 3
r
2
= r
3
1
r
3
= 2
Podemos eliminar as as variveis dependentes do lado direito das equaes,
usando substituio reversa. A ltima equao usada para eliminar r
3
do
lado direito das equaes acima. Depois, a penltima equao usada para
eliminar r
2
do lado direito da equao acima. Usando este procedimento,
chegamos a
r
3
= 2
r
2
= r
3
1 = 2 1 = 1
r
1
= r
2
2r
3
+ 3 = 1 4 + 3 = 0
e conclumos que a nica soluo deste sistema (r
1
. r
2
. r
3
) = (0. 1. 2).
Notas de aula do Professor Faleiros
20 Sistemas de equaes lineares
Exemplo 1.13 Para resolver o sistema escalonado
r
1
+ 2r
2
r
3
= 1
r
2
+ r
3
= 2
explicitamos as variveis dependentes r
1
e r
2
.
r
1
= 2r
2
+ r
3
+ 1
r
2
= 2 r
3
e usamos a segunda equao para eliminar o r
2
da primeira equao
r
1
= 2(2 r
3
) + r
3
+ 1 = 3r
3
3
O r
3
a varivel livre deste sistema, que ter innitas solues. Sua soluo
geral r
1
= 3r
3
3. r
2
= 2 r
3
. com r
3
percorrendo os reais. Se desejar-
mos tratar r
1
. r
2
e r
3
em p de igualdade, introduzimos uma nova varivel t.
denindo-a por t = r
3
quando ento se escreve a soluo geral na forma r
1
=
3t 3. r
2
= 2 t. r
3
= t. com t percorrendo o conjunto dos nmeros reais.
A nova varivel t recebe o nome de parmetro e com ele a soluo geral se
apresenta na forma paramtrica.
Exemplo 1.14 Para resolver o sistema escalonado reduzido
r
1
2r
2
+ 3r
3
+ r
4
= 1
r
3
3r
4
= 2
explicitamos as variveis dependentes r
1
e r
3
r
1
= 1 + 2r
2
3r
3
r
4
r
3
= 2 + 3r
4
Usamos a segunda equao para eliminar a varivel dependente r
3
do lado
direito da primeira equao e obter
r
1
= 1 + 2r
2
3(2 + 3r
4
) r
4
= 2r
2
10r
4
5.
Temos duas variveis livres, a r
2
e a r
4
e a soluo geral deste sistema
r
1
= 2r
2
10r
4
5
r
3
= 2 + 3r
4
onde r
2
e r
4
podem assumir qualquer valor.
Notas de aula do Professor Faleiros
1.5 Operaes elementares 21
Querendo tratar as quatro variveis em p de igualdade na soluo geral,
pode-se introduzir duas novas variveis : e :. denindo-as por : = r
2
e : =
r
4
. A soluo geral poder ser escrita na forma paramtrica
r
1
= 2: 10c 5
r
2
= :
r
3
= 2 + 3:
r
4
= :
onde os parmetros : e : podem assumir qualquer valor real.
Diremos que a soluo geral uniparamtrica quando depender de um
parmetro, biparamtrica quando depender de dois, triparamtrica se de-
pender de trs. Quando a soluo geral depender de mais do que trs parmet-
ros podemos continuar com os prexos tetra, penta, hexa ou cham-la de
poliparamtrica.
Nos resta agora discutir a soluo de sistemas genricos. Veremos como
aplicar transformaes ao sistema original at chegar a um sistema escalon-
ado equivalente. Dois sistemas so equivalentes quando possuem o mesmo
conjunto soluo.
1.5 Operaes elementares
A transformao de um sistem em outro equivalente realizada por meio de
operaes elementares sobre as equaes do sistema que so de trs tipos:
1. Trocar de posio duas equaes, levando cada uma para a posio da
outra.
2. Multiplicar uma equao por uma constante no nula.
3. Adicionar a uma equao um mltiplo de outra.
Quando se multiplica uma equao por um nmero real, a equao obtida
denominada de mltiplo da equao original.
As trs operaes elementares sobre as equaes de um sistema correspon-
dem s operaes elementares sobre as linhas da matriz completa:
1. Trocar de posio duas linhas, levando cada uma para a posio da outra.
2. Multiplicar uma linha por uma constante no nula.
3. Adicionar a uma linha um mltiplo de outra linha.
Notas de aula do Professor Faleiros
22 Sistemas de equaes lineares
As operaes elementares so reversveis e transformam um sistema em
outro equivalente. Por reversveis queremos dizer que, se mediante uma oper-
ao elementar podemos levar uma matriz noutra matriz 1. ento possvel
levar a matriz 1 na matriz efetuando uma operao elementar. Se 1 for
obtida de permutando suas linhas : e :. podemos recuperar permutando
as linhas : e : de 1. Se 1 for obtida multiplicando a linha i de por um
nmero real ` diferente de zero, podemos recuperar multiplicando a linha i
de 1 por `
1
. Se 1 for obtida adicionando linha : de um mltiplo ` da
sua linha :. podemos recuperar adicionando linha : de 1 o mltiplo `
da sua linha :.
Quando aplicamos sucessivas operaes elementares sobre uma matriz ` e
chegamos a uma matriz escalonada 1. dizemos que 1 uma forma escalon-
ada da matriz `. Se 1 for escalonada reduzida, diremos que 1 a forma
escalonada reduzida da matriz `. A forma escalonada reduzida de uma
matriz ` nica.
1.6 Mtodo da eliminao de Gauss
Quando todos os coecientes que multiplicam uma incgnita forem iguais a
zero, como em
r
1
+ 0r
2
+ 4r
3
= 5
r
1
+ 0r
2
8r
3
= 7
a varivel r
2
livre. Independentemente do valor que a ela for atribudo,
ela no contribuir com a soma. A segunda coluna da matriz completa deste
sistema
_
1 0 4 5
1 0 8 8
_
nula. Na prtica, nem se escreve o termo r
2
em sistemas como o acima e ele
apresentado na forma
r
1
+ 4r
3
= 5
r
1
8r
3
= 7
e se elimina a segunda coluna de sua matriz completa que passa a ser
_
1 4 5
1 8 8
_
.
Notas de aula do Professor Faleiros
1.6 Mtodo da eliminao de Gauss 23
Se uma equao do sistema for identicamente nula como o caso da terceira
equao do sistema
r
1
3r
2
+ 2r
3
= 9.
r
1
+ 4r
2
+ 6r
3
= 1.
0r
1
+ 0r
2
+ 0r
3
= 0.
o fato de qualquer soluo das duas primeiras equaes ser uma soluo da
terceira, podemos elimin-la e buscar solues para as duas primeiras equaes
r
1
3r
2
+ 2r
3
= 9.
r
1
+ 4r
2
+ 6r
3
= 1.
Com relao matriz completa do sistema,
_
_
1 3 2 9
1 4 6 1
0 0 0 0
_
_
a eliminao da ltima equao corresponde eliminao da linha nula e es-
crever
_
1 3 2 9
1 4 6 1
_
.
Vamos trabalhar com a matriz completa do sistema e, numa primeira etapa,
iremos eliminar suas linhas e colunas nulas pelos motivos explicados acima.
Passemos descrio do mtodo da eliminao de Gauss, que consiste na
realizao de operaes elementares sobre a matriz completa at transform-la
numa matriz escalonada. Denotaremos por /
ij
a entrada da linha i coluna ,
da matriz completa [ [ b].
1. Faa i = 1 e , = 1.
2. Se /
ij
= 0. percorra a coluna : de cima para baixo.
(a) Se /
is
= 0 para todo : ,. passe para a prxima coluna fazendo
, = , + 1 e retorne etapa 2.
(b) Se /
rs
,= 0 para algum : ,. leve a linha i para a posio da linha :
e leve esta para a posio da linha i. Agora a entrada /
ij
diferente
de zero.
3. Divida a linha i por /
ij
para obter o piv igual a 1.
Notas de aula do Professor Faleiros
24 Sistemas de equaes lineares
4. Adicione mltiplos da linha i s linhas que esto abaixo, de modo a zerar
todas as entradas embaixo do piv.
5. Passe linha seguinte fazendo i = i + 1 e retorne etapa 2.
6. Quando chegar ltima linha, se /
ij
,= 0. divida-a por /
ij
.
Ao nal deste processo chega-se a um sistema escalonado, equivalente ao
sistema original. Se uma equao deste sistema for degenerada e inconsistente,
ele no ter soluo. Se todas as equaes do sistema escalonado forem consis-
tentes, havendo varivel livre, o sistema ter innitas solues e, quando no,
uma nica soluo.
Exemplo 1.15 Usando o mtodo da eliminao de Gauss para resolver o sis-
tema nas variveis r
1
. r
2
. r
3
. r
4
. r
5
cuja matriz completa
_
_
0 0 2 0 7 12
2 4 10 6 12 28
2 4 5 6 5 1
_
_
chegamos matriz escalonada
_
_
1 2 5 3 6 14
0 0 1 0 7,2 6
0 0 0 0 1 2
_
_
.
Exemplo 1.16 Usando o mtodo da eliminao de Gauss para resolver o sis-
tema nas variveis r
1
. r
2
. r
3
. r
4
cuja matriz completa
_
_
1 2 2 1 9
1 2 1 0 4
1 2 2 1 7
_
_
chegamos matriz escalonada
_
_
1 2 2 1 9
0 0 1 1 5
0 0 0 0 2
_
_
Como a ltima linha corresponde equao
0r
1
+ 0r
2
+ 0r
3
+ 0r
4
= 2.
o sistema no possui soluo.
Notas de aula do Professor Faleiros
1.6 Mtodo da eliminao de Gauss 25
1.6.1 A eliminao de Gauss-Jordan
A eliminao de Gauss-Jordan consiste na utilizao de operaes elementares
sobre a matriz completa at transform-la numa matriz escalonada reduzida.
Efetuada a primeira etapa do mtodo da eliminao de Gauss, pode-se
continuar o processo, aplicando operaes elementares sobre a matriz completa
com o intuito de anular os coecientes acima dos pivs, comeando com os
pivs das linhas de baixo e subindo at a primeira linha e chegar a uma matriz
escalonada reduzida.
Lembre-se que a forma escalonada reduzida de uma matriz nica, seja
qual for o caminho percorrido.
Quando se chega matriz escalonada reduzida, para obter a soluo geral
do sistema, basta explicitar as variveis dependentes, que so aquelas corre-
spondentes aos pivs de cada linha.
O mtodo de Gauss e o de Gauss Jordan exigem o mesmo esforo computa-
cional para resolver um sistema de equaes algbricas lineares.
Exemplo 1.17 Considere o sistema linear cuja matriz completa na forma
escalonada
_
_
1 2 5 3 6 14
0 0 1 0 7,2 6
0 0 0 0 1 2
_
_
use o mtodo descrito para zerar as entradas acima dos pivs. Comece zerando
as entradas acima do piv da terceira linha. Em seguida, zere as entradas
acima do piv da segunda linha obtendo
_
_
1 2 0 3 0 7
0 0 1 0 0 1
0 0 0 0 1 2
_
_
que corresponde ao sistema
r
1
+ 2r
2
+ 0r
3
+ 3r
4
+ 0r
5
= 7
r
3
+ 0r
4
+ 0r
5
= 1
r
5
= 2
cuja soluo geral
r
1
= 7 2r
2
3r
4
r
3
= 1
r
5
= 2
onde r
2
e r
4
so variveis livres e podem assumir qualquer valor real.
Notas de aula do Professor Faleiros
26 Sistemas de equaes lineares
Exemplo 1.18 Resolva por eliminao de Gauss-Jordan
r
1
+3r
2
2r
3
+2r
5
= 0
2r
1
+6r
2
5r
3
2r
4
+4r
5
3r
6
= 1
5r
3
+10r
4
+15r
6
= 5
2r
1
+6r
2
+8r
4
+4r
5
+18r
6
= 6
Resoluo. A matriz completa do sistema
_

_
1 3 2 0 2 0 0
2 6 5 2 4 3 1
0 0 5 10 0 15 5
2 6 0 8 4 18 6
_

_
Realizando a eliminao gaussiana, chegamos matriz escalonada
_

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

_
Continuando com as operaes elementares, zeramos as entradas acima do piv
da terceira linha e, em seguida, zeramos as entradas acima do piv da segunda
linha quando ento se chega matriz escalonada reduzida
_

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

_
que nos fornece imediatamente a soluo geral do sistema
r
1
= 3r
2
4r
4
2r
5
r
3
= r
4
r
6
= 1,3
onde r
2
. r
4
e r
5
so variveis livres e podem assumir qualquer valor real.
Quando o sistema escalonado for consistente e possuir : equaes no nulas
e : incgnitas, existir uma nica soluo quando : = : e innitas solues
quando : < :.
Exemplo 1.19 Dados / sistemas x = b
1
. . . . . x = b
k
em que as matrizes
dos coecientes so idnticas, podemos resolv-los simultaneamente, realizando
operaes elementares sobre a matriz aumentada [[ b
1
[ [ b
k
] . reduzindo-
a forma escalonada e resolver todos os sistemas de uma s vez usando a
eliminao de Gauss ou ainda, reduzindo-a forma escalonada reduzida e
resolvendo os sistemas usando o mtodo de Gauss-Jordan.
Notas de aula do Professor Faleiros
1.7 Operaes matriciais 27
1.7 Operaes matriciais
1.7.1 Adio de matrizes
Sejam = [c
ij
] e 1 = [/
ij
] duas matrizes : :. A adio de com 1
a operao que resulta na matriz soma + 1 = [c
ij
]. de tamanho : :.
onde c
ij
= c
ij
+ /
ij
para i = 1. . . . . : e , = 1. . . . . :. A matriz oposta de
1 = [/
ij
] . denotada por 1. aquela cuja entrada da linha i coluna , /
ij
.
A diferena 1 a matriz + (1). obtida subtraindo das entradas
de as entradas correspondentes de 1. Matrizes de tamanhos distintos no
podem ser adicionadas nem subtradas. Matrizes de mesmo tamanho so ditas
conformes para a adio.
1.7.2 Multiplicao de uma matriz por um nmero real
Seja = [c
ij
] uma matriz :: e c um nmero real. A multiplicao de c por
a operao que resulta na matriz c = [cc
ij
] de tamanho :: chamada
de mltiplo de por c. Observe que cada entrada de c igual a c vezes a
entrada correspondente de .
Se
1
.
2
. . . . .
n
so matrizes de mesmo tamanho e c
1
. c
2
. . . . . c
n
so
nmeros reais, ento uma expresso da forma
c
1

1
+ c
2

2
+ + c
n

n
chamada de combinao linear de
1
.
2
. . . . .
n
com coecientes c
1
. c
2
.
. . . . c
n
.
Propriedades
Neste momento destacamos a matriz nula ou matriz zero
0 =
_

_
0 0
.
.
.
.
.
.
.
.
.
0 0
_

_
onde todas as entradas so nulas. Adicionando uma matriz com a matriz
nula de mesmo tamanho, obtemos a matriz . Por este motivo, a matriz nula
chamada de elemento neutro da adio.
Sendo . 1 e C matrizes de mesmo tamanho, r e nmeros reais e 1 a
unidade real, valem as propriedades:
1. + 1 = 1 + (Comutatividade da adio)
Notas de aula do Professor Faleiros
28 Sistemas de equaes lineares
2. + (1 + C) = ( + 1) + C (Associatividade da adio)
3. + 0 = 0 + = (Elemento neutro)
4. 1 + (1) = (1) + 1 = 0 (A matriz 1 a matriz oposta de 1)
5. (r) = r() (Associatividade da multiplicao por um real)
6. r( + 1) = r + r1 (Distributividade)
7. (r + ) = r + (Distributividade)
8. 1 =
1.7.3 Multiplicao de matrizes
Denio 1.20 Seja = [c
ik
] uma matriz : j e 1 = [/
kj
] uma matriz
j :. A multiplicao das matrizes e 1 a operao que leva e 1 na
matriz 1 = [c
ij
] de tamanho ::. onde
c
ij
=
p

k=1
c
ik
/
kj
para i = 1. . . . . : e , = 1. . . . . :. A matriz 1 denominada de produto
de por 1. Para obter a entrada c
ij
da linha i e coluna , de 1. destaque a
linha i de e a coluna , de 1. Multiplique c
ik
por /
kj
. para / = 1. 2. . . . . j e
adicione os resultados para obter c
ij
.
Para ser possvel multiplicar a matriz pela matriz 1. o nmero de colunas
da primeira deve ser igual ao nmero de linhas da segunda, quando ento se
diz que so conformes para a multiplicao.
Mesmo quando possvel calcular o produto 1. nem sempre possvel
calcular 1 e, quando for possvel, nem sempre 1 = 1 pois o produto de
matrizes no comutativo. Em casos excepcionais, quando 1 = 1 se diz
que as matrizes comutam.
O produto de matrizes triangulares superiores uma matriz triangular
superior e o produto de matrizes triangulares inferiores uma matriz triangular
inferior
Exemplo 1.21 A multiplicao da matriz
=
_
8 6 4
3 9 5
_
por 1 =
_
_
2 3 0
9 1 3
5 2 7
_
_
Notas de aula do Professor Faleiros
1.7 Operaes matriciais 29
resulta na matriz
1 =
_
58 26 10
50 10 62
_
.
Se x for um vetor coluna com : linhas e y um vetor linha com : colunas,
ento xy uma matriz ::. Quando : = :. yx uma matriz 1 1. Toda
matriz 1 1. com uma nica entrada, tal como [:] . identicada ao nmero
real : e escreveremos [:] = :.
Exemplo 1.22 Sendo
x =
_
1
2
_
e y =
_
3 4

ento
xy =
_
3 4
6 8
_
e yx = [11] .
Propriedades das multiplicao matricial
Em cada uma das propriedades abaixo, r real. As matrizes e 1 e as
matrizes 1 e C so conformes para a multiplicao. As matrizes .
1
e
2
bem como as matrizes 1. 1
1
e 1
2
so conformes para a adio.
1. (1C) = (1)C (Associatividade da multiplicao)
2. (1
1
+ 1
2
) = 1
1
+ 1
2
(Distributividade esquerda)
3. (
1
+
2
)1 =
1
1 +
2
1 (Distributividade direita)
4. (r1)C = r(1C) = 1(rC) (Associatividade em relao ao produto por
um real)
No vale a lei do cancelamento. A igualdade 1 = 11 no implica,
necessariamente, em = 1. mesmo quando 1 for diferente de zero.
Exemplo 1.23 Observe que 1 = 11 mas ,= 1 quando =
_
1 3
2 4
_
e
1 =
_
5 3
6 4
_
e 1 =
_
0 0
1 2
_
.
possvel obter 1 = 0. mesmo quando ,= 0 e 1 ,= 0. Logo, 1 = 0
no implica em = 0 ou 1 = 0.
Exemplo 1.24 Observe que 1 = 0 quando =
_
0 1
0 2
_
e 1 =
_
3 4
0 0
_
.
Entretanto, nem e nem 1 so matrizes nulas.
Notas de aula do Professor Faleiros
30 Sistemas de equaes lineares
Produto matricial como combinao linear
Sendo
=
_

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

_
e x =
_

_
r
1
r
2
.
.
.
r
n
_

_
ento
x =
_

_
c
11
r
1
+ c
12
r
2
+ + c
1n
r
n
c
21
r
1
+ c
22
r
2
+ + c
2n
r
n
.
.
.
c
m1
r
1
+ c
m2
r
2
+ + c
mn
r
n
_

_
= r
1
_

_
c
11
c
21
.
.
.
c
m1
_

_
+ r
2
_

_
c
12
c
22
.
.
.
c
m2
_

_
+ + r
n
_

_
c
1n
c
2n
.
.
.
c
mn
_

_
Sendo
c
1
=
_

_
c
11
c
21
.
.
.
c
m1
_

_
c
2
=
_

_
c
12
c
22
.
.
.
c
m2
_

_
c
n
=
_

_
c
1n
c
2n
.
.
.
c
mn
_

_
as colunas de . ento
x = r
1
c
1
+ r
2
c
2
+ + r
n
c
n
.
Uma expresso do tipo r
1
c
1
+ r
2
c
2
+ + r
n
c
n
chamada de combinao
linear das matrizes c
1
. c
2
. . . . . c
n
com coecientes r
1
. r
2
. . . . . r
n
. A matriz
x uma combinao linear das colunas de cujos coecientes so as entradas
da matriz x.
De modo anlogo, sendo y uma matriz linha, y uma combinao linear
das matrizes linha de com coecientes provenientes da matriz y.
Notas de aula do Professor Faleiros
1.8 Matriz inversa 31
1.8 Matriz inversa
Neste momento destacamos a matriz identidade de tamanho : :
1
n
=
_

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

_
que possui todas as entradas iguais a zero, exceto aquelas que se encontram
na diagonal principal, que so iguais a 1. Sendo uma matriz :: e 1 uma
matriz : j. ento 1
n
= e 1
n
1 = 1. Quando for : :. ento
1
n
= 1
n
= .
No havendo a necessidade de informar o tamanho da matriz identidade,
podemos indic-la to somente por 1. A matriz identidade o elemento neu-
tro da multiplicao de matrizes quadradas.
Denio 1.25 Uma matriz quadrada invertvel quando existe uma ma-
triz quadrada 1 tal que
1 = 1 = 1.
onde 1 a matriz identidade. A matriz 1 chamada de inversa de . Uma
matriz quadrada no invertvel denominada singular.
Quando uma matriz invertvel, sua inversa nica, sendo denotada por

1
. De acordo com a denio, se 1 a inversa de ento a inversa de
1 ou, em outras palavras,
=
_

1
_
1
.
Uma matriz diagonal, como
1 =
_

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

_
invertvel se e s se todos os reais d
1
. d
2
. . . . . d
n
forem diferentes de zero, e
sua inversa
1
1
=
_

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

_
.
Notas de aula do Professor Faleiros
32 Sistemas de equaes lineares
Uma matriz triangular invertvel se, e s se, todos os elementos da diagonal
principal forem diferentes de zero. A inversa de uma matriz triangular superior
uma matriz triangular inferior e a inversa de uma matriz triangular inferior
uma matriz triangular superior.
A matriz =
_
c /
c d
_
invertvel se e s se cd /c ,= 0 e sua inversa

1
=
1
cd /c
_
d /
c c
_
.
Exemplo 1.26 A matriz 1 =
_
3 5
1 2
_
a inversa de =
_
2 5
1 3
_
.
Nenhuma matriz quadrada com uma coluna nula possui inversa pois,
para qualquer matriz 1 de mesmo tamanho, a mesma coluna de 1 nula e
assim, 1 ,= 1.
Toda matriz quadrada com uma linha nula singular pois, para qualquer
matriz quadrada 1 de mesmo tamanho, a mesma linha de 1 ser nula e
assim, 1 ,= 1.
Propriedades da matriz inversa
Sejam e 1 matrizes invertveis de mesmo tamanho.
1. Sendo / um nmero real, a matriz / invertvel e (/)
1
= /
1

1
.
2. A matriz 1 invertvel e
(1)
1
= 1
1

1
.
Se as matrizes
1
.
2
. . . . .
n
forem todas invertveis e do mesmo tamanho,
ento o produto
1

2

n
invertvel e
(
1

n
)
1
=
1
n

1
1
.
1.9 Potncias
Seja uma matriz quadrada e : um nmero inteiro maior do que zero. Den-
imos as potncias inteiras no negativas de por

0
= 1.
n
=
n1

Notas de aula do Professor Faleiros


1.10 Matriz transposta 33
Se for invertvel, ento
(
1
)
n
= (
n
)
1
e denimos as potncias negativas de por

n
= (
1
)
n
= (
n
)
1
.
Propriedades
Sejam e 1 matrizes quadradas com o mesmo tamanho, : e : nmeros inteiros
no negativos. Ento
1.
r

s
=
r+s
2. (
r
)
s
=
rs
3. Se 1 = 1. ento (1)
r
=
r
1
r
.
Quando e 1 forem invertveis, as identidades acima valem quando : e :
forem nmeros inteiros negativos.
1.10 Matriz transposta
Se = [c
ij
] uma matriz ::. A matriz [/
ij
] de tamanho : :. onde /
ij
=
c
ji
. para todo i e todo ,. chamada de transposta de e denotada por
T
.
Exemplo 1.27 A transposta de =
_
1 2
3 4
_

T
=
_
1 3
2 4
_
.
Se e 1 forem matrizes de mesmo tamanho e / for um nmero real, valem
as propriedades abaixo.
1. (
T
)
T
=
2. ( + 1)
T
=
T
+ 1
T
3. (/)
T
= /
T
4. (
T
)
1
= (
1
)
T
Se e 1 forem matrizes conforme para a multiplicao,
(1)
T
= 1
T

T
Notas de aula do Professor Faleiros
34 Sistemas de equaes lineares
Quando os tamanhos de
1
. . . . .
n
forem tais que o produto
1

n
pode ser efetuado, ento
(
1

n
)
T
=
T
n

T
1
.
Observe que a ordem dos fatores se altera de
1
at
n
para
T
n
at
T
1
.
Quando for quadrada e : for um inteiro positivo, ento
(
n
)
T
=
_

T
_
n
.
Quando for quadrada e invertvel, o : pode ser qualquer inteiro na pro-
priedade acima.
Denio 1.28 Uma matriz quadrada simtrica quando
T
= .
Para qualquer matriz retangular . as matrizes
T
e
T
so quadradas
e simtricas.
Teorema 1.29 Sejam e 1 matrizes simtricas de mesma ordem e c um
real. Ento
(a)
T
simtrica.
(b) + 1 e 1 so simtricas.
(c) c simtrica.
(d) Se for invertvel, ento
1
simtrica.
(e) Se invertvel ento
T
e
T
invertvel.
Nem sempre o produto de matrizes simtricas simtrica. O produto de
duas matrizes simtricas e 1 simtrica se e s se e 1 comutarem, isto
, 1 = 1.
Teorema 1.30 Se uma matriz invertvel, ento
T
e
T
tambm so
invertveis.
Prova. Como invertvel, tambm o
T
. Logo,
T
e
T
tambm
so invertveis por serem o produto de matrizes invertveis.
1.11 Matrizes elementares
Denio 1.31 Uma matriz quadrada elementar quando for obtida a par-
tir da matriz identidade executando uma nica operao elementar.
Notas de aula do Professor Faleiros
1.11 Matrizes elementares 35
Exemplo 1.32 As matrizes abaixo so elementares
_
1 0
0 3
_
_

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

_
_
_
1 0 3
0 1 0
0 0 1
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
A ltima matriz a identidade. Ela uma matriz elementar pois pode ser
obtida da identidade multiplicando sua primeira linha por 1.
Denotemos por 1(i ,) a matriz elementar obtida da identidade per-
mutando as posies das linhas i e ,. Denotemos por 1(` i i) a matriz
elementar obtida da identidade multiplicando sua linha i por um real ` no
nulo. Denotemos por 1(i +`, i) a matriz elementar obtida da identidade
adicionando ` vezes sua linha , sua linha i.
Seja uma matriz : : e vamos supor que as matrizes elementares a
seguir sejam : :. Trocando a linha i pela linha , de . obtemos a matriz
1(i ,). Multiplicando a linha i de por ` obtemos a matriz 1(` i
i). Adicionando ` vezes a linha , de sua linha i. obtemos a matriz
1(i + ` , i).
Resumindo: Seja uma matriz :: e 1 uma matriz elementar ::. A
matriz 1 igual matriz obtida quando se realiza sobre a mesma operao
efetuada sobre 1 para obter 1.
As matrizes elementares so invertveis pois
1(i ,) a inversa de 1(i ,).
1(`
1
i i) a inversa de 1(` i i).
1(i ` , i) a inversa de 1(i + ` , i).
No processo de obter a forma escalonada reduzida de uma matriz quadrada
. aplicamos a ela uma sequncia de operaes elementares 1
1
. 1
2
. . . . . 1
s
tais que 1 = 1
s
1
2
1
1
a forma escalonada reduzida de . Como
quadrada, esta matriz 1 a identidade ou pelo menos sua ltima linha
nula. As matrizes elementares so invertveis. Se for invertvel, ento 1
invertvel e, portanto, s pode ser a matriz identidade. Se for singular,
ento 1 singular (se no fosse, seria invertvel) e, portanto, pelo menos
sua ltima linha nula. Provamos o seguinte teorema:
Teorema 1.33 Seja uma matriz quadrada e 1 sua forma escalonada re-
duzida. Se for invertvel se e s se 1 a identidade. Se for singular se e
s se pelo menos a ltima linha de 1 nula.
Notas de aula do Professor Faleiros
36 Sistemas de equaes lineares
1.11.1 Sistemas equivalentes e matrizes elementares
Sejam e 1 matrizes : :. b e c matrizes coluna : 1. Os sistemas
lineares x = b e 1x = c so equivalentes se possurem a mesma soluo
geral. Para serem equivalentes, as matrizes ampliadas [[ b] e [1[ c] devem
possuir a mesma forma escalonada reduzida [1[ d] onde o tamanho de 1
:: e o de d :1. Logo, existem matrizes elementares 1
1
. . . . . 1
r
e 1

1
.
. . . . 1

s
tais que
[1[ d] = 1
r
1
1
[[ b] e [1[ d] = 1

s
1

1
[1[ c]
de onde se obtm
[[ b] = 1
1
1
1
1
r
1

s
1

1
[1[ c] .
Nota-se assim que dois sistemas lineares com o mesmo nmero de equaes e
o mesmo nmero de incgnitas so equivalentes quando for possvel levar um
no outro mediante operaes elementares. Note ainda que
= 1
1
1
1
1
r
1

s
1

1
1
ou seja, a matriz dos coecientes de um sistema pode ser levado no outro
mediante operaes elementares.
1.12 Um mtodo para inverter matrizes
Para obter a forma escalonada reduzida de uma matriz aplica-se a ela uma
sucesso de operaes elementares. Quando a matriz for quadrada, sua forma
escalonada reduzida a identidade ou ento possui uma ou mais linha nulas.
No primeiro caso, a matriz invertvel e, no segundo caso, singular.
Se invertvel, realizando operaes elementares sobre ela, chegamos
matriz identidade, que sua forma escalonada reduzida. Isto signica que
existem matrizes elementares 1
r
. . . . . 1
1
tais que
1
r
1
1
= 1
de onde obtemos

1
= 1
r
1
1
= 1
r
1
1
1.
Se
1
r
1
1
= 1 ento 1
r
1
1
1 =
1
.
Observe: Realizando sobre 1 as mesmas transformaes que levam na ma-
triz identidade, chega-se inversa de . Tal observao sugere um dispositivo
Notas de aula do Professor Faleiros
1.12 Um mtodo para inverter matrizes 37
prtico para determinar a inversa de uma matriz. Coloque a matriz identidade
direita de obtendo a matriz ampliada [[ 1]. Efetue operaes elementares
sobre esta matriz ampliada at obter a matriz [1 [ 1]. quando a matriz original
se transformou na identidade e a matriz identidade se transformou na matriz
1. Esta matriz 1 , exatamente, a inversa de .
Se a matriz no for invertvel, sua forma escalonada reduzida conter
uma linha nula. Se em algum momento do processo de escalonamento da
matriz ampliada [[ 1]. uma linha de se anular, pode encerr-lo, armando
que no possui inversa.
Exemplo 1.34 Calcule a inversa de
=
_
_
1 2 3
2 5 3
1 0 8
_
_
.
Resoluo. Justapomos as matrizes e 1 formando a matriz ampliada
[[ 1] e realizamos operaes elementares sobre ela, at transformar em 1.
Quando isto acontecer, a matriz 1 ter se transformado em
1
_
_
1 2 3
2 5 3
1 0 8

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

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

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

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

14 6 3
13 5 3
5 2 1
_
_
_
_
1 0 0
0 1 0
0 0 1

40 16 9
13 5 3
5 2 1
_
_
Notas de aula do Professor Faleiros
38 Sistemas de equaes lineares
e assim,

1
=
_
_
40 16 9
13 5 3
5 2 1
_
_
.

Exemplo 1.35 Repita o procedimento do exemplo anterior com a matriz


=
_
_
1 6 4
2 4 1
1 2 5
_
_
e conclua que ela no invertvel.
1.13 Forma matricial de um sistema linear
O sistema de equaes algbricas lineares
c
11
r
1
+ c
12
r
2
+ + c
1n
r
n
= /
1
c
21
r
1
+ c
22
r
2
+ + c
2n
r
n
= /
2

c
m1
r
1
+ c
m2
r
2
+ + c
mn
r
x
= /
m
nas incgnitas r
1
. . . . . r
n
pode ser escrito na forma matricial
x = b
onde
=
_

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

_
a matriz dos coecientes do sistema,
b =
_

_
/
1
.
.
.
/
m
_

_
e x =
_

_
r
1
.
.
.
r
n
_

_
so, respectivamente, a matriz das contantes e a matriz das incgnitas
do sistema. Na forma matricial diremos que x = c. onde c uma matriz
Notas de aula do Professor Faleiros
1.13 Forma matricial de um sistema linear 39
coluna : 1. uma soluo do sistema quando c = b. Tambm pode-se
dizer simplesmente que c uma soluo do sistema.
Um sistema linear
x = 0.
no qual o lado direito a matriz nula, recebe o nome de sistema linear ho-
mogneo. Ele sempre admite a soluo x = 0. denominada soluo trivial.
Alm desta, tais sistemas podem ou no ter outras solues. Quando o sis-
tema homogneo possuir uma soluo no trivial x = c. onde c ,= 0. ento,
sendo / um nmero real, x = /c ser soluo do sistema homogneo. Esta
uma indicao de que, quando o sistema homogneo possuir uma soluo no
trivial, ter innitas solues. Ento, de duas uma: ou o sistema homogneo
possui apenas a soluo trivial ou possui innitas solues.
Um sistema homogneo com mais incgnitas do que equaes sempre ter
innitas solues e, dentre elas a soluo trivial. Tal fato se deve ao processo de
escalonamento que sempre redunda num sistema escalonado compatvel com
variveis livres.
O sistema x = 0 denominado de sistema homogneo associado ao
sistema linear x = b.
Se c
0
for soluo de x = 0 e c
1
for soluo de x = b. ento c
0
+ c
1

soluo de x = b. Se c
1
e c
2
forem solues de x = b. ento a diferena
c
2
c
1
soluo do sistema homogneo x = 0. Logo, ao encontrar uma
soluo c
1
de x = b. sendo c
2
outra soluo, ela ser da forma c
0
+c
1
. para
alguma soluo c
0
do sistema homogneo associado x = 0.
Se o sistema linear x = b for compatvel, ele ter uma nica soluo se e
s se o sistema homogneo x = 0 possuir apenas a soluo trivial. Quando o
sistema homogneo x = 0 possuir outras solues alm da trivial, o sistema
x = b ter innitas quando for compatvel ou nenhuma soluo quando for
incompatvel.
Exemplo 1.36 A matriz aumentada de um sistema homogneo
_

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

_
que, levada forma escalonada reduzida ca
_

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

_
Notas de aula do Professor Faleiros
40 Sistemas de equaes lineares
e a soluo geral deste sistema
r
1
= r
2
r
5
r
3
= r
5
r
4
= 0
onde r
2
e r
5
so variveis livres e podem assumir qualquer valor real. Intro-
duzindo os parmetros : = r
2
e : = r
5
. pode-se escrever a soluo geral na
forma paramtrica
r
1
= : :. r
2
= :. r
3
= :. r
4
= 0. r
5
= :
onde : e : podem assumir qualquer valor real.
Teorema 1.37 Armaes equivalentes para uma matriz quadrada .
(1) invertvel.
(2) O sistema homogneo x = 0 tem somente a soluo trivial.
(3) A forma escalonada reduzida por linhas de a matriz identidade 1.
(4) pode ser expressa como um produto de matrizes elementares.
Prova. (1) ==(2): Se invertvel e c
0
for uma soluo de x = 0. ento
c
0
= 1c
0
= (
1
) c
0
=
1
(c
0
) =
1
0 = 0. mostrando que a equao
homognea x = 0 possui apenas a soluo trivial.
(2) ==(3) Se a nica soluo do sistema x = 0 for a trivial, ele equiv-
alente ao sistema 1x = 0. onde 1 a matriz identidade. Neste caso, podemos
levar em 1 por meio de uma sucesso de operaes elementares. Como 1
uma matriz escalonada reduzida, isto signica que 1 a forma escalonada
reduzida de .
(3) = (4) Se a forma escalonada de . for 1. ento existem matrizes ele-
mentares 1
1
. . . . . 1
k
tais que
1
k
1
1
= 1
e assim
= 1
1
1
1
1
k
provando que igual ao produto de matrizes elementares.
(4) =(1) Sendo um produto de matrizes elementares, que so invertveis,
ela invertvel.
Corolrio 1.38 Sejam e 1 duas matrizes quadradas de mesmo tamanho.
(a) Se 1 = 1. ento invertvel e 1 =
1
.
(b) Se 1 = 1. ento invertvel e 1 =
1
.
Notas de aula do Professor Faleiros
1.13 Forma matricial de um sistema linear 41
Prova. (a) Se 1 = 1 e c
0
for uma soluo do sistema homogneo x = 0.
ento c
0
= 1c
0
= (1)c
0
= 1(c
0
) = 10 = 0. Logo, o sistema homogneo
x = 0 possui apenas a soluo trivial, donde se conclui que invertvel.
Multiplicando os dois membros de 1 = 1 pela direita por
1
segue 1 =

1
.
(b) Quando 1 = 1. pelo item anterior, 1 invertvel e = 1
1
. Sendo
a inversa de 1. a matriz invertvel e
1
= 1.
Corolrio 1.39 Sejam e 1 matrizes quadradas de mesmo tamanho. Se
for singular, ento 1 e 1 so singulares.
Prova. Se for singular, o sistema linear homogneo x = 0 possui
soluo no trivial c
0
. Da, 1c
0
= 0. mostrando que 1 singular.
Se for singular, sua forma escalonada reduzida 1 pelo menos sua ltima
linha nula. Existem matrizes elementares 1
1
. . . . . 1
k
tais que 1 = 1
k

1
1
. Se 1 for invertvel, 11 = 1
k
1
1
(1) tambm ser, o que no
pode ocorrer pois pelo menos a ltima linha de 11 nula.
Corolrio 1.40 A matriz invertvel se e s se a nica soluo do sistema
x = b for x =
1
b.
Prova. Se invertvel, ento c
1
=
1
b uma soluo de x = b. Sendo
c
2
outra soluo deste sistema, (c
1
c
2
) = 0 e, como o sistema homogneo
x = 0 possui apenas a soluo trivial, c
1
= c
2
. mostrando que x = b possui
uma nica soluo dada por x =
1
b.
Se x = b tem uma nica soluo para todo b. ento x = 0 tem uma
nica soluo e invertvel.
Exemplo 1.41 Como consequncia da invertibilidade da matriz
=
_
_
1 2 3
2 5 3
1 0 8
_
_
o sistema homogneo
r
1
+2r
2
+3r
3
= 0
2r
1
+5r
2
+3r
3
= 0
r
1
+8r
3
= 0
possui apenas a soluo trivial.
Notas de aula do Professor Faleiros
42 Sistemas de equaes lineares
Exemplo 1.42 Para determinar a consistncia do sistema linear
r
1
+r
2
+2r
3
= /
1
r
1
+r
3
= /
2
2r
1
+r
2
+3r
3
= /
3
basta realizar operaes elementares na matriz completa do sistema para obter
_
_
1 1 2 /
1
0 1 1 /
1
/
2
0 0 0 /
3
/
2
/
1
_
_
O sistema ser consistente se e s se /
3
/
2
/
1
= 0 ou /
3
= /
2
+ /
1
. ou seja,
quando b for igual a
b =
_
_
/
1
/
2
/
1
+ /
2
_
_
= /
1
_
_
1
0
1
_
_
+ /
2
_
_
0
1
1
_
_
.
Quando b =
_
1 1 2

T
o sistema tem soluo e sua soluo geral pode ser
obtida pelo mtodos de Gauss
r
1
= 1 e r
2
= r
3
com r
3
percorrendo o conjunto dos nmeros reais. Quando b =
_
1 0 3

T
.
o sistema no possui soluo.
Exemplo 1.43 Escalonando a matriz completa do sistema
r
1
+2r
2
+3r
3
= /
1
2r
1
+5r
2
+3r
3
= /
2
r
1
+8r
3
= /
3
chega-se a
_
_
1 2 3 /
1
0 1 3 /
2
2/
1
0 0 1 /
3
+ 3/
1
2/
2
_
_
quando ento se percebe que o sistema sempre consistente, no havendo re-
stries sobre b.
Notas de aula do Professor Faleiros
Captulo 2
Determinantes
Para resolver um sistema de duas equaes com duas incgnitas
c
11
r
1
+ c
12
r
2
= /
1
c
21
r
1
+ c
22
r
2
= /
2
podemos usar o mtodo de eliminao das incgnitas. Multiplicando a primeira
equao por c
22
, a segunda por c
12
e subtraindo a segunda equao da primeira,
obtemos
(c
11
c
22
c
12
c
21
)r
1
= /
1
c
22
/
2
c
12
.
Quando c
11
c
22
c
12
c
21
,= 0. obtemos
r
1
=
/
1
c
22
/
2
c
12
c
11
c
22
c
12
c
21
.
As expresses do denominador e do numerador envolvem as entradas das ma-
trizes
=
_
c
11
c
12
c
21
c
22
_
e
1
=
_
/
1
c
12
/
2
c
22
_
e os matemticos as denominaram de determinante de
1
e determinante de

1
, denotando-as por det() e det(
1
). Para uma matriz 2 2. seu determi-
nante denido por
det
_
c
11
c
12
c
21
c
22
_
= c
11
c
22
c
12
c
21
.
De modo semelhante podemos eliminar r
1
do sistema para obter
r
2
=
det(
2
)
det()
.
O sistema possuir soluo se e s se det() ,= 0 e a soluo ser nica.
Notas de aula do Professor Faleiros
44 Determinantes
Os matemticos vericaram que este procedimento de eliminar variveis
de um sistema poderia ser estendido para sistemas com mais do que duas
variveis.
Por exemplo, para sistemas com trs equaes e trs incgnitas,
c
11
r
1
+ c
12
r
2
+ c
13
r
3
= /
1
c
21
r
1
+ c
22
r
2
+ c
23
r
3
= /
2
c
31
r
1
+ c
32
r
2
+ c
33
r
3
= /
3
possvel explicitar r
2
e r
3
em funo de r
1
usando a segunda e a terceira
equaes. Substituindo as expresses obtidas na primeira equao, obtemos
r
1
=
det(
1
)
det()
onde e
1
so matrizes 3 3 dadas por
=
_
_
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
_
_
.
1
=
_
_
/
1
c
12
c
13
/
2
c
22
c
23
/
3
c
32
c
33
_
_
e det(). det(
1
) so os seus determinantes, denidos a partir dos determi-
nantes de matrizes 2 2. Sendo aquela matriz 3 3 logo acima, denimos
det() = c
11
det(
11
) c
12
det(
12
) + c
13
det(
13
)
onde

11
=
_
c
22
c
23
c
32
c
33
_
.
12
=
_
c
21
c
23
c
31
c
33
_
e
13
=
_
c
21
c
22
c
31
c
32
_
so matrizes 2 2. obtidas da seguinte maneira:
Para obter
11
. elimine a primeira linha e a primeira coluna de .
Para obter
12
. elimine a primeira linha e a segunda coluna de .
Para obter
13
. elimine a primeira linha e a terceira coluna de .
Desenvolvendo os determinantes de
11
.
12
e
13
obtemos
det() = c
11
(c
22
c
33
c
23
c
32
) c
12
(c
21
c
33
c
23
c
31
) + c
13
(c
21
c
32
c
22
c
31
) .
Do mesmo modo se mostra que
r
2
=
det(
2
)
det()
r
3
=
det(
3
)
det()
Notas de aula do Professor Faleiros
2.1 Denio de determinante 45
onde

2
=
_
_
c
11
/
1
c
13
c
21
/
2
c
23
c
31
/
3
c
33
_
_
.
3
=
_
_
c
11
c
12
/
1
c
21
c
22
/
2
c
31
c
32
/
3
_
_
.
Se det() ,= 0. o sistema possuir uma nica soluo para cada b = [/
1
. /
2
.
/
3
]
T
. Do que cou demonstrado no captulo anterior, invertvel, se e s se
det() ,= 0.
Este procedimento se aplica a sistemas com : equaes e : incgnitas,
quando surge a idia de determinantes de matrizes de tamanho ::. que so
denidos em termos de matrizes quadradas de tamanho inferior.
2.1 Denio de determinante
Seja uma matriz quadrada : :. O determinante de um nmero real
que ser denido de forma recursiva. Quando = [c] uma matriz 1 1.
dene-se
det = c.
Quando
=
_
c
11
c
12
c
21
c
22
_
for uma matriz quadrada 2 2. denimos
det() = c
11
c
22
c
12
c
21
.
O determinante de matrizes quadradas de tamanho : :. quando : 2
denido de modo recursivo, a partir do determinante de matrizes de tamanho
menor.
Se = [c
ij
] for uma matriz quadrada : :. denote por
ij
a matriz de
tamanho (: 1) (: 1) obtida quando se elimina a linha i e a coluna , de
. O cofator (i. ,) de o nmero
C
ij
= (1)
i+j
det(
ij
).
O determinante de o nmero real denido por
det() = c
11
C
11
+ c
12
C
12
+ + c
1n
C
1n
=
n

j=1
c
1j
C
1j
.
Esta frmula denominada de desenvolvimento do determinante por
cofatores ao longo da primeira linha ou desenvolvimento de Laplace ao longo
da primeira linha.
Notas de aula do Professor Faleiros
46 Determinantes
Exemplo 2.1 Calcule o determinante da matriz
= det
_
_
1 0 3
2 1 0
8 4 1
_
_
Desenvolvendo o determinante pela primeira linha, obtemos
= 1 det
_
1 0
4 1
_
0 det
_
2 0
8 1
_
+ 3 det
_
2 1
8 4
_
= 1 (1) 0 + 3 0 = 1
O determinante tambm pode ser calculado desenvolvendo o determinante
por cofatores ao longo da linha i
det() = c
i1
C
i1
+ c
i2
C
i2
+ + c
in
C
in
=
n

j=1
c
ij
C
ij
.
e ainda pode ser desenvolvido por cofatores ao longo da coluna ,
det() = c
1j
C
1j
+ c
2j
C
2j
+ + c
nj
C
nj
=
n

i=1
c
ij
C
ij
Exemplo 2.2 Os determinantes das matrizes
_
_
2 1 0
3 7 0
4 2 0
_
_
e
_
_
1 4 5
2 0 3
0 0 0
_
_
so iguais a zero pois ambos possuem uma la nula. Para vericar esta ar-
mao basta desenvolver o determinante da primeira pela terceira coluna e a
segunda pela terceira linha.
Nota 2.3 Este um fato geral. Se a matriz possuir uma linha ou coluna nula,
seu determinate igual a zero.
Exemplo 2.4 Para uma matriz for triangular inferior,
=
_

_
c
11
0 0
c
21
c
22
0
c
31
c
32
c
33

.
.
.
.
.
.
.
.
.
.
.
.
_

_
.
o determinante o produto dos elementos de sua diagonal
det = c
11
c
22
c
nn
.
Em particular, o determinante da matriz identidade igual a 1.
Notas de aula do Professor Faleiros
2.2 Propriedades do determinante 47
Exemplo 2.5 Para calcular o determinante de uma matriz 33. pode-se usar
a regra de Sarrus. Aplica-se esta regra do seguinte modo: Acrescente as duas
primeiras colunas direita da matriz obtendo
_
_
c
11
c
12
c
13
c
11
c
12
c
21
c
22
c
23
c
21
c
22
c
31
c
32
c
33
c
31
c
32
_
_
Multiplique as entradas ao longo das trs diagonais principais, aquelas que vo
da esquerda para a direita e de cima para baixo, que iniciam nas entradas c
11
.
c
12
e c
13
. Adicione os resultados. Multiplique as entradas ao longo das trs
diagonais secundrias, aquelas que vo da direita para a esquerda e de cima
para baixo, que iniciam nas entradas c
13;
c
11
e c
12
. Adicione os produtos e o
subtraia da soma anterior para obter
det() = c
11
c
22
c
33
+ c
12
c
23
c
31
+ c
13
c
21
c
32
(c
13
c
22
c
31
+ c
11
c
23
c
32
+ c
12
c
21
c
33
).
Se as matrizes no possurem caractersticas especiais, calcular o determi-
nante de matrizes 44 usando apenas a denio exige um bom trabalho. Para
simplicar o clculo, precisamos de alternativas mais ecientes que apenas a
denio.
2.2 Propriedades do determinante
Teorema 2.6 O determinante de uma matriz quadrada de tamanho : :.
igual ao determinante de sua transposta
det () = det(
T
).
Prova. O desenvolvimento do determinante de
T
pela primeira coluna,
det(
T
) = (1)
1+1
c
11
det
T
11
+ + (1)
1+n
c
1n
det
T
1n
= (1)
1+1
c
11
det
11
+ + (1)
1+n
c
1n
det
1n
o determinante de desenvolvido pela primeira linha.
Nota 2.7 Este teorema garante que todo resultado vlido para linha vale para
coluna e vice-versa.
Teorema 2.8 Se 1 for obtida multiplicando uma linha de por /. ento
det(1) = / det().
Notas de aula do Professor Faleiros
48 Determinantes
Teorema 2.9 Se 1 for obtida permutando duas linhas de . ento
det(1) = det().
Prova. Prova-se por induo no tamanho da matriz. A propriedade vale
para matrizes quadradas 2 2. Supondo a propriedade vlida para matrizes
quadradas (:1) (:1) vamos mostrar que ela vale para uma matriz ::.
Fixemos uma linha i que no foi permutada na passagem de para 1. Sejam,
respectivamente,
ij
e 1
ij
as matrizes obtidas de e 1. eliminando em cada
uma a linha i e a coluna ,. A matriz 1
ij
pode ser obtida de
ij
permutando
as mesmas linhas que levaram em 1. Pela hiptese de induo, det(1
ij
) =
det(
ij
). Desenvolvendo o determinante de 1 em cofatores ao longo da linha
i.
det(1) = (1)
i+1
c
i1
det(1
i1
) + + (1)
i+n
c
in
det(1
in
)
= (1)
i+1
c
i1
det(
i1
) (1)
i+n
c
in
det(
in
) = det().

Teorema 2.10 Se 1 for obtida adicionando a uma linha de um mltiplo


de outra linha de . ento
det(1) = det().
Prova. Suponha que 1 foi obtida de adicionando sua linha i um
mltiplo / de sua linha :. Assim, /
ij
= c
ij
+ / c
rj
. com , = 1. 2. . . . . :. As
outras linhas de 1 so iguais s linhas de . Desenvolvendo o determinante de
1 pela linha i.
det(1) =
n

j=1
(c
ij
+ /c
rj
)C
ij
=
n

j=1
c
ij
C
ij
+ /
n

j=1
c
rj
C
ij
= det()
pois o somatrio na segunda parcela igual a zero uma vez que corresponde
ao determinante de uma matriz cuja linha i igual linha :.
Sejamv. v
1
. . . . . v
m
. matrizes linha ou matrizes coluna de mesmo tamanho.
Quando existirem nmeros reais /
1
. /
2
. . . . . /
m
tais que
v = /
1
v
1
+ + /
m
v
m
diremos que a matriz v uma combinao linear de v
1
. . . . . v
m
.
Notas de aula do Professor Faleiros
2.2 Propriedades do determinante 49
Teorema 2.11 O determinante de uma matriz quadrada nulo quando
1. uma linha ou coluna for nula.
2. duas linhas forem iguais.
3. duas linhas forem proporcionais.
4. uma linha for uma combinao linear das demais.
Exemplo 2.12 Determinante das matrizes elementares. Seja 1 uma
matriz elementar : :. Das propriedades provadas, se conclui que
1. Se 1 surge ao multiplicar uma linha da matriz identidade por /. ento
det(1) = /.
2. Se 1 surge da permuta de duas linhas da matriz identidade, ento det(1) =
1.
3. Se 1 o resultado da adio a uma linha da matriz identidade um mlti-
plo de outra linha, ento det(1) = 1.
Exemplo 2.13 Produto de uma matriz elementar por uma matriz
quadrada qualquer. Se 1 for uma matriz elementar e 1 uma matriz quadrada
qualquer, ambas de mesmo tamanho : :. ento
det(11) = det(1) det(1)
Se 1
1
. . . . . 1
k
forem matrizes elementares de tamanho : :. ento
det(1
1
1
k
1) = det(1
1
) det(1
k
) det(1)
Matrizes invertveis e singulares
Lema 2.14 Se invertvel ento det() ,= 0.
Prova. Se for invertvel, ento podemos escrev-la como um produto de
matrizes elementares = 1
1
1
k
. Assim,
det = det 1
1
det 1
k
,= 0.

Lema 2.15 Se for singular ento det() = 0.


Notas de aula do Professor Faleiros
50 Determinantes
Prova. Quando singular, sua forma escalonada reduzida 1 possui ao
menos uma linha nula, de modo que seu determinante igual a zero. Como
existem matrizes elementares 1
1
. . . . . 1
k
tais que = 1
1
1
k
1. obtemos
det() = 0.
Dos dois lemas anteriores, podemos enunciar
Teorema 2.16 Uma matriz quadrada invertvel se e s se det() ,= 0.
Determinante do produto
Teorema 2.17 Se e 1 forem matrizes quadradas de mesmo tamanho, ento
det(1) = det() det(1).
Prova. Se for singular, 1 singular. Da, det = 0 e det(1) = 0.
o que resulta na igualdade det(1) = det() det(1).
Se for invertvel, existem matrizes elementares 1
1
. . . . . 1
k
tais que =
1
1
1
k
. Da, det(1) = det(1
1
1
k
1) = det 1 det 1
k
det 1 =
det(1
1
1
k
) det 1 = det det 1.
Corolrio 2.18 Se for invertvel, ento det(
1
) = (det )
1
.
Nota: Em geral, o det( + 1) diferente do det() + det(1).
Teorema 2.19 Sejam c
1;
. . . . c
i
. . . . . c
n
e d
i
matrizes coluna : 1. Vale a
propriedade
det
_
c
1
c
i
+d
i
c
n

= det
_
c
1
c
i
c
n

+ det
_
c
1
d
i
c
n

Pode-se calcular o determinante de uma matriz realizando operaes ele-


mentares em suas linhas e suas colunas at transform-la numa matriz trian-
gular superior ou inferior.
Exemplo 2.20 Vamos calcular um determinante realizando sua reduo por
Notas de aula do Professor Faleiros
2.3 Autovalores e Autovetores 51
linhas, transformando-a numa matriz triangular superior:
det
_
_
0 1 5
3 6 9
2 6 1
_
_
=
(L
1
$L
2
)
det
_
_
3 6 9
0 1 5
2 6 1
_
_
=
(1=3)L
1
!L
1
3 det
_
_
1 2 3
0 1 5
2 6 1
_
_
=
L
3
2L
1
!L
3
3 det
_
_
1 2 3
0 1 5
0 10 5
_
_
=
L
3
10L
2
!L
3
3 det
_
_
1 2 3
0 1 5
0 0 55
_
_
=3 (55) = 165.
Exemplo 2.21 Vamos calcular o determinante abaixo realizando uma oper-
ao elementar sobre colunas, subtraindo 3 vezes a primeira coluna da terceira,
e desenvolvendo o determinante da matriz resultante em cofatores pela primeira
linha
det
_

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

_
= det
_

_
1 0 0 0
2 7 0 0
0 6 3 0
7 3 1 26
_

_
= 546.
Matrizes triangulares superiores (inferiores) por blocos
Se e 1 forem matrizes quadradas, ento
det
_
A
0 1
_
= det det 1.
2.3 Autovalores e Autovetores
Seja uma matriz quadrada real de ordem ::. Uma matriz coluna no nula
x de ordem : 1 um autovetor de se existir um nmero real ` tal que
x = `x. Passando `x para o lado esquerdo e colocando o x em evidncia,
obtemos (`1)x = 0. que um sistema linear homogneo em x. Tal sistema
possui soluo no trivial quando a matriz `1 for singular, fato que ocorre
quando det( `1) = 0. Os valores de ` que satisfazem a esta equao so
denominados autovalor de . Quando ` for um autovalor, as solues no
triviais do sistema
( `1)x = 0
so chamadas de autovetores de correspondentes ao autovalor `. Como a
matriz `1 singular, o sistema ( `1)x = 0 possui innitas solues.
Notas de aula do Professor Faleiros
52 Determinantes
Exemplo 2.22 Determine os autovalores e autovetores da matriz =
_
1 3
4 2
_
.
A equao det( `1) = 0 polinominal em `. denominada de equao
caracterstica de . O polinmio det( `1) denominado polinmio
caracterstico da matriz . Como os polinmios podem possuir razes com-
plexas, podemos ampliar a nossa denio e admitir autovetores e autovalores
complexos.
2.4 Cofatora, adjunta clssica e inversa
Sendo C
ij
o cofator do elemento c
ij
da matriz = [c
ij
] . a matriz
co,() =
_
_
_
C
11
. . . C
1n
.
.
.
.
.
.
C
n1
. . . C
nn
_
_
_
denominada de matriz de cofatores de . A transposta da matriz cofatora
de
cd,() =
_
_
_
C
11
. . . C
n1
.
.
.
.
.
.
C
1n
. . . C
nn
_
_
_
chamada de adjunta clssica de . Sabemos que
n

k=1
c
ik
C
ik
= det()
observe que, quando i ,= ,.
n

k=1
c
jk
C
ik
= 0
pois o somatrio em questo corresponde ao determinante de uma matriz na
qual as linhas i e , so iguais. Deste modo, para todo i e todo , no conjunto
1. 2. . . . . :
n

k=1
c
ik
C
jk
= det()o
ij
o que implica na igualdade matricial
cd,() = det()1
Notas de aula do Professor Faleiros
2.5 Regra de Cramer 53
ou

1
=
1
det()
cd,()
2.5 Regra de Cramer
Seja uma matriz quadrada de ordem :. com determinante no nulo. Para
cada vetor coluna b com : linhas, o sistema x = b tem soluo nica dada
por x =
1
b. Como
1
= cd,(), det(). segue
x =
1
det()
cd,()b.
Cada linha de x igual linha correspondente do lado direito, de onde obtemos
r
j
=
1
det()
(/
1
C
1i
+ + /
n
C
ni
) =
1
det()
det(
i
)
onde
j
obtida de substitundo a coluna , de por b. isto ,

j
=
_
_
_
c
11
. . . /
1
. . . c
1n
.
.
.
.
.
.
.
.
.
c
1n
. . . /
n
. . . c
nn
_
_
_
"
Coluna j
.
Hoje a regra de Cramer tem apenas interesse terico. O mtodo da elimi-
nao de Gauss muito mais eciente para calcular a soluo de um sistema
linear.
Notas de aula do Professor Faleiros
54 Determinantes
Notas de aula do Professor Faleiros
Captulo 3
Espao vetorial
Um corpo uma estrutura matemtica formada por um conjunto K. com
pelo menos dois elementos, e duas operaes, denominadas adio e multi-
plicao, descritas a seguir. Os elementos do conjunto K so denominados
escalares. A adio uma operao que leva dois escalares c e , de K e os
leva num escalar de K que denotado por c + , e denominado soma de c
e ,. A multiplicao uma operao que leva dois escalares c e , de K e os
leva num escalar de K que denotado por c, ou c,. denominado produto
de c e ,. O fato de c + , e c, pertencerem a K nos faz dizer que as duas
operaes possuem a propriedade do fechamento.
Para K com as operaes de adio e multiplicao formarem um corpo
preciso que as propriedades abaixo sejam satisfeitas:
1. Comutatividade. Dados dois escalares c e ,.
c + , = , + c
c, = ,c
2. Associatividade. Dados trs escalares c. , e .
c + (, + ) = (c + ,) +
c(,) = (c,)
3. Elemento neutro. Existem dois escalares 0 e 1 tais que, para todo
escalar c.
c + 0 = 0 + c = c
c1 = 1c = c
O 0 (zero) o elemento neutro da adio e o 1 (um) o elemento neutro
da multiplicao.
Notas de aula do Professor Faleiros
56 Espao vetorial
4. Elemento simtrico.
(a) Para cada escalar c existe um outro escalar denotado por c e
chamado de simtrico aditivo ou oposto de c para o qual
c + (c) = (c) + c = 0.
(b) Para cada escalar c diferente do zero existe um outro escalar deno-
tado por c
1
e chamado de simtrico multiplicativo ou inverso
de c para o qual
c(c
1
) = (c
1
)c = 1.
Exemplo 3.1 O conjunto dos nmeros racionais Q com as operaes usuais
de adio e multiplicao de nmeros racionais um corpo. Tambm so
corpos os conjuntos dos nmeros reais R e o dos complexos C.
Exemplo 3.2 Existem corpos com um nmero nito de elementos. Sendo
j um nmero primo, o conjunto Z
p
= 0. 1. . . . . j 1 com as operaes
de adio e multiplicao mdulo j um corpo nito. Lembramos que as
operaes de adio e muliplicao mdulo j. denotadas por (c + ,) mod j
e (c,) mod j so denidas realizando as operaes usuais de c com , nos
inteiros e tomando o resto da diviso inteira do resultado por j. Estes corpos
so muito utilizados em Criptograa.
Um espao vetorial uma estrutura matemtica formada por um con-
junto no vazio \. cujos elementos so denominados de vetores, um corpo K.
cujos elementos so denominados escalares, e duas operaes, sendo a primeira
denominada de adio de vetores e a segunda recebe o nome de multiplicao
de um vetor por um escalar, descritas em seguida. Por simplicidade, frequente-
mente se diz apenas que \ um espao vetorial. Todavia no se deve esquecer
que o espao vetorial um estrutura formada por \. K e pelas duas operaes.
Para enfatizar o papel do corpo na estrutura do espao vetorial tambm
usual dizer que \ um espao vetorial sobre o corpo K.
A adio de vetores uma operao que leva um par v e w de vetores
de \ num vetor de \ denotado por v + w e chamado de soma de v e w. A
multiplicao de um escalar por um vetor uma operao que leva um
escalar c de K e um vetor v de \ num outro vetor de \ denotado por cv e
denominado de mltiplo de v. O conjunto \ um espao vetorial sobre K
Estas operaes devem ainda possuir as propriedades abaixo:
Notas de aula do Professor Faleiros
57
Propriedades da adio:
1. Comutatividade da adio. Para todo vetor u e v em \.
u +v = v +u.
2. Associatividade da adio. Para todo vetor u. v e w em \.
(u +v) +w = u + (v +w).
3. Vetor nulo. Existe um vetor em \ chamado de vetor zero ou vetor
nulo, denotado por 0. para o qual
v + 0 = 0 +v = v.
4. Elemento oposto. Para cada vetor v em \. existe um vetor denotado
por v em \ e chamado de vetor oposto de v. para o qual
v + (v) = (v) +v = 0.
Propriedades da multiplicao por escalar:
5. Associatividade da multiplicao. Para todo escalar c e , em K e
todo vetor v em \.
c(,v) = (c,)v.
6. Distributividade da multiplicao em relao adio de ve-
tores. Para todo escalar c em K e todo vetor v e w em \.
c(v +w) = cv + cw.
1. Distributividade da adio de escalares em relao multipli-
cao.
(c + ,)v = cv + ,v.
7. Elemento unidade. Se 1 for o elemento neutro da multiplicao em
K. para todo vetor v em \.
1v = v.
Denimos a subtrao do vetor v pelo vetor w como sendo a operao
que resulta no vetor v w denido por
v w = v + (w).
Notas de aula do Professor Faleiros
58 Espao vetorial
Quando for conveniente, sendo c um escalar e v um vetor, escreveremos vc
como sinnimo de cv e
v
c
ser um sinnimo de c
1
v.
Se Kfor o corpo dos nmeros reais, se diz que o espao vetorial real. Se K
for o corpo dos nmeros complexos, se diz que o espao vetorial complexo.
Nota 3.3 Ao denirmos as operaes de adio de vetores e multiplicao
um vetor por um escalar, estabelecemos que a soma u+v e o produto cv per-
tencem ambos a \. Muitos autores incluem este fato entre as propriedades das
operaes dizendo que o espao vetorial \ fechado na adio e fechado
na multiplicao por escalar.
3.1 Propriedades adicionais
1. 0u = 0.
2. : 0 = 0.
3. (1)v = v.
4. Se : v = 0 ento : = 0 ou v = 0.
Prova. 1. 0u = (0 + 0)u = 0u+0u o que implica em 0u = 0.
2. :0 = :(0 +0) = :0+:0 o que implica em :0 = 0.
3. (v + (1v)) = (1 + (1))v = 0v = 0. Logo, 1v = v.
4. Se : ,= 0. ento v = 1v = (:
1
:)v = :
1
(: v) = :
1
0 = 0.
3.2 O espao vetorial das nuplas ordenadas
Seja : um nmero inteiro positivo. Uma sequncia (r
1
. . . . . r
n
) de nmeros
reais, delimitada por parntesis, chamada de n-upla (leia-se nupla) or-
denada de nmeros reais. Os nmeros reais r
i
. onde i = 1. 2. . . . . r
n
so
chamados de elementos da nupla. Quando : = 2 ou 3. usamos o termo par
ordenado e terno ordenado.
Duas nuplas (r
1
. . . . . r
n
) e (
1
. . . . .
n
) so iguais se r
1
=
1
. r
2
=
2
.
. . . . r
n
=
n
. O conjunto de todas as nuplas ordenadas com esta denio de
igualdade denotado por R
n
.
Notas de aula do Professor Faleiros
3.3 Outros espaos vetoriais relevantes 59
Denimos as operaes de adio de duas nuplas x = (r
1
. . . . . r
n
) e y =
(
1
. . . . .
n
) por
x +y = (r
1
+
1
. . . . . r
n
+
n
)
e a de multiplicao de um nmero real / por uma nupla ordenada x = (r
1
.
. . . . r
n
) por
/ x = (/ r
1
. . . . . / r
n
).
A nupla x + y chamada de soma de x e y. a nupla / x o mltiplo
escalar de x. O R
n
com estas duas operaes um espao vetorial real, cujo
vetor nulo ou vetor zero a n-upla
0 = (0. . . . . 0)
onde todos os elementos so nulos. O inverso aditivo ou oposto de x = (r
1
.
. . . . r
n
)
x = (r
1
. . . . . r
n
)
e a subtrao no R
n
a operao
(r
1
. . . . . r
n
) (
1
. . . . .
n
) = (r
1

1
. . . . . r
n

n
)
OR
n
o espao vetorial mais importante para as aplicaes. Mais tarde es-
tudaremos os conceitos de dimenso e isomorsmo. Nesta ocasio, provaremos
que todo espao vetorial real de dimenso : isomorfo ao R
n
. Isto signica que
toda propriedade ou operao realizada no R
n
se transfere para o outro espao
e vice-versa e, desta forma, os dois espaos so equivalentes para os objetivos
da lgebra Linear. Assim, se estudarmos apenas o R
n
. teremos estudado todos
os espaos de dimenso nita.
3.3 Outros espaos vetoriais relevantes
Exemplo 3.4 Sejam : e : nmeros inteiros positivos. O conjunto das ma-
trizes reais : : com as operaes de adio de matrizes e multiplicao de
matriz por um nmero real um espao vetorial real.
Exemplo 3.5 O conjunto das funes reais contnuas com domnio num in-
tervalo aberto (c. /) e imagem em R. com as operaes de adio de funes
e multiplicao de uma funo por um nmero real um espao vetorial real.
Exemplo 3.6 O conjunto \ = 0 que contm um nico elemento, onde se
dene a adio por 0 +0 = 0 e a multiplicao por um escalar c por c0 = 0.
um espao vetorial denominado de espao vetorial nulo.
Notas de aula do Professor Faleiros
60 Espao vetorial
Observe que nem toda operao de adio e multiplicao por escalar em
um conjunto resulta em um espao vetorial. Considere \ = R
2
onde denimos
a adio como usual por
(r
1
. r
2
) + (
1
.
2
) = (r
1
+
1
. r
2
+
2
)
e a multiplicao de um par (r
1
. r
2
) por um nmero real : de um modo um
pouco diferente que o usual
: (r
1
. r
2
) = (: r
1
. 0).
Observe que 1(1. 2) = (1. 0) que diferente de (1. 2). no satisfazendo a ltima
propriedade da multiplicao por escalar. Logo, R
2
com as operaes acima
no forma um espao vetorial real.
3.4 Subespaos vetoriais
Seja \ um espao vetorial e o um subconjunto no vazio de \. O subconjunto o
fechado na adio se, dados dois vetores u e v em o. a soma u+v pertence
a o. O subconjunto o de \ fechado na multiplicao por escalar se dado
um vetor v em o e um escalar c real, o vetor c v pertence a o. Se o for um
subconjunto no vazio de \. fechado na adio e na multiplicao por escalar,
ser denominado subespao vetorial de \.
Todo subespao vetorial contm o vetor nulo. De fato, se for um vetor de
um subespao vetorial o. multiplicando-o pelo escalar 0. obtm-se que o vetor
zero 0 = 0 v pertence a o. que fechado na multiplicao por escalar.
Se \ um espao vetorial, ento o \ e o conjunto 0. contendo apenas o
vetor nulo, so subespaos vetoriais de \.
Seja o for um subespao vetorial de \.
Teorema 3.7 Seja o um subespao vetorial de \. Ento o. juntamente com
as operaes de adio de vetores e multiplicao por escalares herdadas do
espao vetorial \. tambm um espao vetorial.
Exemplo 3.8 So subespaos do R
2
. o (0. 0). retas passando pela origem e
o prprio R
2
.
Exemplo 3.9 So subespaos do R
3
. o (0. 0. 0). retas passando pela origem,
planos passando pela origem e o prprio R
3
.
Exemplo 3.10 Planos do R
3
passando pela origem, cuja equao geral da
forma cr
1
+ /r
2
+ cr
3
= 0. onde c. / e c so reais xos e (r
1
. r
2
. r
3
) um
ponto qualquer do plano.
Notas de aula do Professor Faleiros
3.4 Subespaos vetoriais 61
Exemplo 3.11 \ = polinmios, o = polinmios de grau _ :.
Exemplo 3.12 So subespaos das matrizes quadradas `
nn
o conjunto das
matrizes simtricas, o conjunto das matrizes diagonais, o conjunto das ma-
trizes triangulares superiores e o conjunto das matrizes triangulares inferiores.
Exemplo 3.13 Do espao vetorial das funes reais com domnio em R. so
subespaos aqueles subconjuntos dos polinmios reais, das funes contnuas,
das funes com derivada contnuas, das funes com derivadas contnuas at
a ordem :. das funes reais com derivadas contnuas de todas as ordens.
Exemplo 3.14 Seja uma matriz real ::. O conjunto soluo do sistema
linear homogneo x = 0 um subespao vetorial das matrizes reais : 1.
Quando
=
_
_
1 2 3
2 4 6
3 6 9
_
_
este subespao o subconjunto formado pelo plano de `
31
cujos pontos [r
1
.
r
2
. r
3
]
T
satisfazem equao r
1
2r
2
+ 3r
3
= 0. Quando
=
_
_
1 2 3
3 7 8
2 4 6
_
_
o espao soluo a reta r
1
= 5t. r
2
= t. r
3
= t. com t percorrendo os
reais. Quando
=
_
_
1 2 3
3 7 8
4 1 2
_
_
o espao soluo o espao trivial que contm apenas a origem r
1
= 0. r
2
=
0. r
3
= 0. Quando
=
_
_
0 0 0
0 0 0
0 0 0
_
_
o espao soluo todo o `
31
.
Exemplo 3.15 (Um contra-exemplo) O conjunto o de todos os pares ordena-
dos de nmeros reais (r
1
. r
2
) com r
1
_ 0 no um subespao vetorial do R
2
por no ser fechado na multiplicao por escalar, uma vez que 1(r
1
. r
2
) =
(r
1
. r
2
) no pertence a o quando r
1
0. uma vez que r
1
< 0.
Notas de aula do Professor Faleiros
62 Espao vetorial
3.5 Espao gerado
Se v
1
. v
2
. . . . . v
n
forem vetores de um espao vetorial \ e :
1
. :
2
. . . . . :
n
forem
escalares, ento o vetor w = :
1
v
1
+ +:
n
v
n
de \ uma combinao linear
dos vetores v
1
. . . . . v
n
. Se v for um vetor de \ e : for um escalar, o vetor w =
: v chamado de mltiplo escalar de v.
Exemplo 3.16 Sejam c
1
= (1. 0. 0). c
2
= (0. 1. 0). c
3
= (0. 0. 1) vetores do R
3
.
Dado um vetor x = (r
1
. r
2
. r
3
) do R
3
. podemos escrever x = r
1
c
1
+r
2
c
2
+r
3
c
3
.
Exemplo 3.17 EmR
3
. w = (9. 2. 7) uma combinao linear de u = (1. 2. 1)
e v = (6. 4. 2) pois w = 3u+ 2v. Todavia, no possvel escrever z = (4.
1. 8) como combinao linear de u e v.
Seja G = v
1
. . . . . v
k
um conjunto nito e no vazio de vetores perten-
centes a um espao vetorial \ no nulo. O conjunto
o = :
1
v
1
+ + :
n
v
n
: :
1
. . . . . :
n
R
formado por todas as combinaes lineares dos vetores v
1
. . . . . v
k
um sube-
spao vetorial de \. chamado espao vetorial gerado por G ou espao veto-
rial gerado por v
1
. . . . . v
k
. Tambm se diz que os vetores v
1
. . . . . v
k
geram
o e escreve-se
o = qc:(G) ou o = qc:(v
1;
. . . . v
k
).
Exemplo 3.18 O espao gerado por um vetor no nulo uma reta que passa
pelo zero. Um ponto n qualquer desta reta satisfaz equao vetorial n = t.
com t percorrendo os reais.
Exemplo 3.19 O conjunto c
1
. c
2
. c
3
. onde c
1
= (1. 0. 0). c
2
= (0. 1. 0).
c
3
= (0. 0. 1). gera o R
3
.
Exemplo 3.20 O conjunto v
1
. v
2
. v
3
onde v
1
= (1. 1. 2). v
2
= (1. 0. 1).
v
3
= (2. 1. 3) no gera o R
3
.
Exemplo 3.21 O conjunto 1. r. r
2
. . . . . r
n
gera 1
n
.
Notas de aula do Professor Faleiros
3.6 Dependncia linear 63
Propriedades dos espaos gerados
1. Seja G = v
1
. . . . . v
n
um conjunto nito e no vazio de vetores. O
espao gerado por G no se altera quando:
(a) Se permuta a posio de seus vetores.
(b) Se multiplica um de seus vetores por um escalar no nulo.
(c) Se adiciona a um vetor de G um mltiplo de outro vetor de G.
(d) Se inclui em G um vetor igual a uma combinao linear dos vetores
de G.
(e) Se retira de G um vetor igual a uma combinao linear dos demais
vetores de G.
2. Dois conjuntos nitos e no vazios de vetores G
1
e G
2
geram o mesmo
espao vetorial se, e s se, os vetores de G
1
forem combinaes lineares
dos vetores de G
2
e os vetores de G
2
forem combinaes lineares dos
vetores de G
1
.
3.6 Dependncia linear
Seja G = v
1
. .... v
n
um conjunto nito e no vazio de vetores de um espao
vetorial \ no nulo. Se existirem escalares c
1
. c
2
. . . . . c
n
nem todos nulos tais
que
c
1
v
1
+ + c
n
v
n
= 0.
ento o conjunto G chamado linearmente dependente. Se c
1
= 0. c
2
= 0.
. . . . c
n
= 0 forem os nicos escalares para os quais
c
1
v
1
+ + c
n
v
n
= 0.
o conjunto G chamado de linearmente independente.
Dados os vetores v
1
. v
2
. . . . . v
n
de um espao vetorial \. podemos olhar
para
c
1
v
1
+ + c
n
v
n
= 0.
como uma equao vetorial cujas incgnitas so os escalares c
1
. c
2
. . . . . c
n
. Esta
equao sempre satisfeita quando fazemos c
1
= c
2
= = c
n
= 0. chamada
de soluo trivial da equao. Se a equao vetorial anterior possuir apenas
a soluo trivial, o conjunto G = v
1
. .... v
n
linearmente independente e,
quando possuir solues no triviais, o conjunto G linearmente dependente.
Notas de aula do Professor Faleiros
64 Espao vetorial
Exemplo 3.22 O conjunto de vetores
v
1
= (2. 1. 0). v
2
= (1. 2. 5). v
3
= (7. 1. 5)
do R
3
linearmente dependente pois 3v
1
+v
2
v
3
= 0. Desta equao, podemos
explicitar v
3
para obter este vetor como uma combinao linear de v
1
e v
2
.
obtendo v
3
= 3v
1
+ v
2
. Tambm possvel escrever v
1
ou v
2
como uma com-
binao linear dos outros dois.
Exemplo 3.23 Os polinmios
j
1
= 1 r. j
2
= 5 + 3r 2r
2
. j
3
= 1 + 3r r
2
formam um conjunto linearmente dependente em 1
3
pois 3j
1
j
2
+ 2j
3
= 0.
Exemplo 3.24 Os vetores
e
1
= (1. 0. 0). e
2
= (0. 1. 0). e
3
= (0. 0. 1)
do R
3
formam um conjunto linearmente independente.
Exemplo 3.25 Verique se o conjunto formado pelos vetores
v
1
= (1. 2. 3). v
2
= (5. 6. 1). v
3
= (3. 2. 1)
linearmente dependente. De fato, a equao vetorial
c
1
(1. 2. 3) + c
2
(5. 6. 1) + c
3
(3. 2. 1) = (0. 0. 0)
corresponde ao sistema linear
_
_
1 5 3
2 6 2
3 1 1
_
_
_
_
c
1
c
2
c
3
_
_
=
_
_
0
0
0
_
_
cuja soluo c
2
= c
1
e c
3
= 2c
1
. Fazendo c
1
= 1. obtemos v
1
+v
2
2v
3
=
0. mostrando que o conjunto de vetores formado por v
1
. v
2
e v
3
linearmente
dependente.
Exemplo 3.26 O conjunto 1. r. . . . . r
n
linearmente independente em
1
n
(R). Basta escrever a equao
c
1
1 + c
2
r + + c
n
r
n
= 0
nos escalares c
1
. c
2
. . . . . c
n
e observar que, se houver uma soluo diferente da
trivial para esta equao, teramos no lado esquerdo um polinmio no nulo
de grau : ou inferior com innitas razes. Em particular, todo nmero inteiro
seria uma raiz deste polinmio. Ora, um polinmio no nulo de grau : ou
inferior pode ter, no mximo, : razes. Logo, c
1
= c
2
= = c
n
= 0.
Notas de aula do Professor Faleiros
3.6 Dependncia linear 65
Exemplo 3.27 O conjunto formado pelas funes ,
1
= r e ,
2
= sen r lin-
earmente independente no espao vetorial das funes reais com domnio em
R. De fato, se c
1
e c
2
forem dois escalares tais que c
1
r+ c
2
sen r = 0 para todo
r real, derivando a igualdade em r obteramos o sistema em c
1
e c
2
c
1
r + c
2
sen r = 0
c
1
+ c
2
cos r = 0
que, para r = :,2 possui apenas a soluo trivial, uma vez que
det
_
:,2 sen :,2
1 cos :,2
_
= det
_
:,2 1
1 0
_
= 1 ,= 0.
O teorema que segue mostra a origem do termo dependncia linear. Ele
sugere que, quando um conjunto de vetores linearmente dependente, h uma
dependncia linear entre seus vetores. Com isto queremos dizer que um dos
vetores uma combinao linear dos demais.
Teorema 3.28 Um conjunto nito de vetores linearmente dependente se, e
s se, um dos seus vetores for uma combinao linear dos demais.
Prova. Seja G = v
1
. . . . . v
n
um conjunto linearmente dependente. En-
to existem escalares /
1
. . . . . /
n
. nem todos nulos, tais que
/
1
v
1
+ + /
n
v
n
= 0
Supondo que /
1
,= 0. ento
v
1
=
_

/
2
/
1
_
v
2
+ +
_

/
n
/
1
_
v
n
mostrando que v
1
combinao linear de v
2
. . . . . v
n
. Se /
i
for diferente de
zero, para algum i. possvel explicitar v
i
e obt-lo como combinao linear
dos demais.
Reciprocamente, se v
1
= c
2
v
2
+ + c
n
v
n
. ento 1.v
1
c
2
v
2

c
n
v
n
= 0 e o conjunto G linearmente dependente. Observe que pelo menos
o coeciente de v
1
diferente de zero.
Retas e planos
Seja v um vetor no nulo de um espao vetorial \. O conjunto de vetores w
para os quais w = t v para algum t real chamado de reta gerada por v e
w = t v. com t em R. chamada de equao vetorial da reta gerada por v.
Notas de aula do Professor Faleiros
66 Espao vetorial
Sejam v
1
e v
2
vetores de um espao vetorial \ onde um no mltiplo
escalar do outro. O conjunto gerado por G = v
1
. v
2
chamado de plano
gerado por v
1
e v
2
. Se w for um ponto deste plano, existem escalares : e :
tais que w = : v
1
+ : v
2
. Esta a chamada equao vetorial do plano gerado
por v
1
. v
2
.
Um conjunto com dois vetores v
1
. v
2
de um espao vetorial \ linear-
mente dependente se, e somente se, estiverem na mesma reta que passa pela
origem.
Um conjunto com trs vetores v
1
. v
2
. v
3
linearmente dependente se, e
somente se, todos estiverem numa reta que passa pela origem ou num plano
que passa pela origem.
Propriedades da dependncia linear
1. Todo conjunto nito de vetores que contm o vetor nulo linearmente
dependente.
2. Todo conjunto com um nico vetor no nulo linearmente independente.
3. Todo conjunto com dois vetores linearmente dependende se, e s se,
um for mltiplo do outro.
4. Se incluirmos vetores em um conjunto linearmente dependente, ele con-
tinua linearmente dependente.
5. Se retirarmos vetores de um conjunto linearmente independente, ele con-
tinua linearmente independente.
6. Se incluirmos um vetor w a um conjunto linearmente independente G e
ele se tornar linearmente dependente, ento w uma combinao linear
dos elementos de G.
7. Seja G conjunto linearmente independente. Se o vetor w no for uma
combinao linear dos vetores G. o conjunto obtido acrescentando w a
G continua linearmente independente.
3.7 Dependncia linear de funes
Consideremos o espao vetorial 1(c. /) das funes com domnio no intervalo
(c. /) de nmeros reais e com imagem em R. O conceito de dependncia linear
de vetores se aplica aos elementos deste conjunto. Sendo ,
1
. ,
2
. . . . . ,
n
funes
Notas de aula do Professor Faleiros
3.7 Dependncia linear de funes 67
de 1(c. /). o conjunto G = ,
1
. ,
2
. . . . . ,
n
linearmente dependente se
existirem escalares c
1
. c
2
. . . . . c
n
nem todos nulos tais que
c
1
,
1
+ + c
n
,
n
= 0.
Observe que esta uma igualdade entre funes e o 0 (zero) do lado direito
a funo identicamente nula o que implica em
c
1
,
1
(r) + + c
n
,
n
(r) = 0
para todo r no intervalo (c. /). Agora o zero da equao anterior no mais
a funo nula e sim o nmero real zero. Como se trata de funes denidas
num intervalo (c. /). diremos que o conjunto linearmente dependente em (c.
/). Quando o conjunto no for linearmente dependente em (c. /). diremos que
o conjunto de funes linearmente independente em (c. /). Isto signica
que a nica sequncia c
1
. c
2
. . . . . c
n
de escalares para os quais
c
1
,
1
(r) + + c
n
,
n
(r) = 0
para todo r no intervalo (c. /). c
1
= 0. c
2
= 0. . . . . c
n
= 0.
Exemplo 3.29 O conjunto formado pelas funes ,
1
(r) = sin
2
r. ,
2
(r) =
cos
2
r. ,
3
(r) = 5 denidas no conjunto dos nmeros reais linearmente de-
pendente em R pois 5,
1
(r) + 5,
2
(r) ,
3
(r) = 0 para todo r real.
Wronskiano
Consideremos o espao vetorial das funes com derivadas contnuas at a
ordem :1 no intervalo (c. /) que denotado por C
n1
(c. /). Sendo G = ,
1
.
. . . . ,
n
um conjunto linearmente dependente neste espao de funes, existe
uma sequncia no nula de escalares c
1
. . . . . c
n
. para a qual
c
1
,
1
(r) + + c
n
,
n
(r) = 0
para todo r em (c. /). Como as funes possuem derivadas contnuas at a
ordem : 1. podemos derivar sucessivamente a igualdade acima obtendo o
sistema linear
c
1
,
1
(r) + + c
n
,
n
(r) = 0
c
1
,
0
1
(r) + + c
n
,
0
n
(r) = 0

c
1
,
(n1)
1
(r) + + c
n
,
(n)
n
(r) = 0
Notas de aula do Professor Faleiros
68 Espao vetorial
Como este sistema linear em c
1
. c
2
. . . . . c
n
possui soluo no trivial, segue
que
\[,
1
. . . . . ,
n
](r) = det
_

_
,
1
(r) ,
n
(r)
.
.
.
.
.
.
.
.
.
,
(n1)
1
(r) ,
(n1)
n
(r)
_

_
= 0
para todo r real. Este determinante chamado de wronskiano das funes
,
1
. ,
2
. . . . . ,
n
e, quando se deseja simplicar a notao, ele denotado apenas
por \(r).
Assim, quando G = ,
1
. . . . . ,
n
for linearmente dependente em (c. /).
ento \(r) = 0 para todo r em (c. /). A recproca desta propriedade no
verdadeira como nos mostra o exemplo a seguir.
Exemplo 3.30 O conjunto de funes G = r
2
. r[ r [ linearmente inde-
pendente em (2. 2) e \(r) = 0 para todo r em (2. 2). Para provar que
este conjunto linearmente independente no intervalo considerado, sejam c
1
e
c
2
escalares tais que c
1
r
2
+ c
2
r [ r [ = 0 para todo r em (2. 2). Fazendo r =
1 e r = 1 obtemos
c
1
c
2
= 0
c
1
+ c
2
= 0
cuja nica soluo a trivial c
1
= 0 e c
2
= 0.
Se \(r
0
) ,= 0 para algum r
0
em (c. /) e c
1
. . . . . c
n
forem nmeros reais
tais que c
1
,
1
(r) + + c
n
,
n
(r) = 0 para todo r em (c. /). podemos derivar
sucessivamente a igualdade anterior, vericando que c
1
. c
2
. . . . . c
n
soluo
do sistema linear
c
1
,
1
(r
0
) + + c
n
,
n
(r
0
) = 0
c
1
,
0
1
(r
0
) + + c
n
,
0
n
(r
0
) = 0

c
1
,
(n1)
1
(r
0
) + + c
n
,
(n)
n
(r
0
) = 0
cuja nica soluo a trivial, c
1
= c
2
= = c
n
= 0. Isto prova que o conjunto
formado pelas funes ,
1
. . . . . ,
n
linearmente independente em C
(n1)
(c. /).
Provamos o seguinte teorema:
Teorema 3.31 Seja G = ,
1
. . . . . ,
n
um conjunto de funes em C
(n1)
(c.
/). Se G for linearmente dependente, \(r) = 0 para todo r real. Se \(r
0
) ,=
0 em algum ponto r de (c. /). ento G linearmente independente em (c. /).
Notas de aula do Professor Faleiros
3.8 Base e dimenso de um espao vetorial 69
Quando \[,
1
. . . . . ,
n
](r) = 0 em (c. /). nada se pode armar sobre a
dependncia ou independncia linear do conjunto G = ,
1
. . . . . ,
n
em (c. /).
sem hipteses adicionais. Quando as funes envolvidas forem solues de uma
equao diferencial linear, temos o seguinte resultado:
Teorema 3.32 Sejam c
0
(r). . . . . c
n1
(r) e /(r) funes contnuas em (c. /)
e = ,
1
(r). . . . . = ,
n
(r) solues da equao diferencial ordinria

(n)
+ c
n1
(r)
(n1)
+ + c
1
(r)
0
(r) + c
0
(r) = /(r)
em (c. /). O conjunto de funes
,
1
. . . . . ,
n

linearmente independente em (c. /) se, e s se, o wronskiano
\(r) = det
_

_
,
1
(r) ,
n
(r)
.
.
.
.
.
.
.
.
.
,
(n1)
1
(r) ,
(n1)
n
(r)
_

_
for diferente de zero para algum r
0
em (c. /). Alm disso, se o wronskiano for
diferente de zero em um ponto de (c. /). ento ser diferente de zero em todos
os pontos deste intervalo.
O teorema acima nos permite armar que, quando = ,
1
(r). . . . . =
,
n
(r) forem solues de uma equao diferencial ordinria com coecientes
contnuos em (c. /) e \(r) = 0 em um ponto de (c. /). ento o conjunto G =
,
1;
. . . . ,
n
linearmente dependente em (c. /).
Exemplo 3.33 O conjunto r. sen r linearmente independente em C
1
(. ).
Exemplo 3.34 O conjunto 1. c
x
. c
2x
linearmente independente em
C
2
(. ).
3.8 Base e dimenso de um espao vetorial
No R
2
podemos escrever
(r
1
. r
2
) = r
1
e
1
+ r
2
e
2
onde e
1
= (1. 0). e
2
= (0. 1)
Notas de aula do Professor Faleiros
70 Espao vetorial
(r
1
. r
2
) = (r
2
r
1
)d
1
+ (2r
1
r
2
)d
2
onde d
1
= (1. 2) e d
2
= (1. 1). Observe que, sendo v
1
= (1. 0). v
2
= (0. 1).
v
3
= (1. 1).
(r
1
. r
2
) = (r
1
t)v
1
+ (r
2
t)v
2
+ tv
3
para qualquer nmero real t. Destes exemplos notamos que podemos es-
crever todo vetor do R
2
como combinao linear dos elementos de G e que
esta decomposio nica, tanto quando G = e
1
. e
2
como quando G = d
1
.
d
2
. Ainda podemos escrever todo vetor do R
2
como combinao linear de
elementos de G = v
1
. v
2
. v
3
mas esta decomposio no nica. Esta falta
de unicidade decorre da dependncia linear do conjunto v
1
. v
2
. v
3
.
Denio 3.35 Seja 1 um conjunto nito e no vazio de vetores de um es-
pao vetorial \ no nulo. 1 uma base de \ se
1. for um conjunto gerador de \ ;
2. for linearmente independente.
Exemplo 3.36 Sejam v
1
= (1. 2. 1). v
2
= (2. 9. 0) e v
3
= (3. 3. 4) vetores do
R
3
. O conjunto de vetores 1 = v
1
. v
2
. v
3
uma base do R
3
. De fato, se
c
1
v
1
+ c
2
v
2
+ c
3
v
3
= 0. ento c
1
. c
2
. c
3
uma soluo do sistema linear
c
1
+ 2c
2
+ 3c
3
= 0
2c
1
+ 9c
2
+ 3c
3
= 0
c
1
+ 0c
2
+ 4c
3
= 0
que possui apenas a soluo trivial c
1
= c
2
= c
3
= 0. uma vez que o determi-
nante da matriz
=
_
_
1 2 3
2 9 3
1 0 4
_
_
= 1
diferente de zero. Alm disto, sendo x = (r
1
. r
2
. r
3
) um vetor qualquer
do R
3
. podemos escrev-lo como uma combinao linear x = c
1
v
1
+ c
2
v
2
+
c
3
v
3
. onde c
1
. c
2
. c
3
a nica soluo do sistema
c
1
+ 2c
2
+ 3c
3
= r
1
.
2c
1
+ 9c
2
+ 3c
3
= r
2
.
c
1
+ 0c
2
+ 4c
3
= r
3
.
Quando x = (1. 3. 2). por exemplo, obtemos c
1
= 102. c
2
= 14. c
3
=
25.
Notas de aula do Professor Faleiros
3.8 Base e dimenso de um espao vetorial 71
Exemplo 3.37 A soluo geral do sistema homogneo
_

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

_
_

_
r
1
r
2
r
3
r
4
r
5
_

_
=
_

_
0
0
0
0
_

_
r
1
= :. r
2
= :. r
3
= : + :. r
4
= 0. r
5
= : : onde os parmetros : e :
podem assumir quaisquer valor real. Logo, a soluo geral do sistema linear
o subespao vetorial de `
51
gerado pelos vetores coluna
_
1 0 1 0 1

T
e
_
0 1 1 0 1

T
.
Teorema 3.38 Se o espao vetorial \ possuir um conjunto gerador nito,
ento \ possui base.
Prova. De fato, dado G nito que gera \. se G for linearmente indepen-
dente, a armao verdadeira.
Sendo G linearmente dependente, um de seus vetores uma combinao
linear dos demais. Retirando-o de G obtemos um conjunto G
1
que ainda gera
\.
Se G
1
for linearmente independente, a armao est provada. Em caso
contrrio, repete-se o procedimento anterior at chegar a um conjunto linear-
mente independente que gera \ e que, portanto, ser uma base de \.
Teorema 3.39 Unicidade da representao em uma base. Se 1 = v
1
.
v
2
. . . . . v
n
uma base de um espao vetorial \. ento, para cada vetor w em
\. existe uma nica nupla (c
1
. c
2
. . . . . c
n
) para a qual
w = c
1
v
1
+ c
2
v
2
+ + c
n
v
n
.
Prova. A existncia imediata pois 1 base de \. Quanto uniciade, se
existirem duas nuplas (c
1
. c
2
. . . . . c
n
) e (/
1
. /
2
. . . . . /
n
) para as quais
w = c
1
v
1
+ c
2
v
2
+ + c
n
v
n
.
w = /
1
v
1
+ /
2
v
2
+ + /
n
v
n
.
ento
(c
1
/
1
)v
1
+ (c
2
/
2
)v
2
+ + (c
n
/
n
)v
n
= ww = 0.
Da independncia linear de 1. segue c
i
= /
i
para i = 1. 2. . . . . : o que prova
a unicidade da decomposio de w numa combinao linear dos elementos da
Notas de aula do Professor Faleiros
72 Espao vetorial
base.
Os escalares c
1
. . . . . c
n
para os quais w = c
1
v
1
+ c
2
v
2
+ + c
n
v
n
so
chamados de coordenadas de w em relao base 1 = v
1
. v
2
. . . . . v
n
.
A nupla (c
1
. . . . . c
n
) do R
n
chamada de vetor de coordenadas de w
em relao a 1 e denotado por (w)
B
. O vetor coluna
_
c
1
c
n

chamado de matriz de coordenadas de w em relao a 1.


O vetor de coordenadas depende da ordem na qual escrevemos os vetores
da base. Uma mudana na ordem dos vetores da base resulta numa mudana
correspondente da ordem das entradas nos vetores de coordenadas.
Bases cannicas
Existem bases que, pela sua simplicidade e aplicabilidade, recebem o nome de
bases cannicas.
O conjunto e
1
. e
2
. onde e
1
= (1. 0) e e
2
= (0. 1) a base cannica do R
2
e todo vetor x = (r
1
. r
2
) pode ser decomposto na combinao linear x = r
1
e
1
+ r
2
e
2
.
O conjunto e
1
. e
2
. e
3
. onde e
1
= (1. 0. 0). e
2
= (0. 1. 0) e e
3
= (0. 0. 1)
a base cannica do R
3
e todo vetor x = (r
1
. r
2
. r
3
) pode ser decomposto na
combinao linear x = r
1
e
1
+ r
2
e
2
+ r
3
e
3
.
Nota: No R
2
e no R
3
os vetores da base cannica costumam ser denotados
por i. j e k em vez de e
1
. e
2
. e
3
. Ns utilizaremos as duas notaes, de acordo
com a convenincia.
O conjunto e
1
. . . . . e
n
. onde e
1
= (1. 0. . . . . 0). e
2
= (0. 1. . . . . 0). . . . .
e
n
= (0. 0. . . . . 1) a base cannica do R
n
e todo vetor x = (r
1
. . . . . r
n
) pode
ser decomposto na combinao linear
x = r
1
e
1
+ + r
n
e
n
.
O conjunto de polinmios 1. r. r
2
. . . . . r
n
a base cannica do espao
vetorial formado pelos polinmios de grau menor ou igual a : e estes polinmios
so da forma c
0
+ c
1
t + + c
n
t
n
. onde c
1
. c
2
. . . . . c
n
so escalares.
O conjunto formado pelas matrizes

1
=
_
1 0
0 0
_
.
2
=
_
0 1
0 0
_
.
3
=
_
0 0
1 0
_
.
4
=
_
0 0
0 1
_
a base cannica do espao vetorial `
22
. das matrizes quadradas de ordem
2 2 e toda matriz
=
_
c /
c d
_
uma combinao linear dos elementos da base cannica = c
1
+ /
2
+ c
3
+ d
4
.
Notas de aula do Professor Faleiros
3.8 Base e dimenso de um espao vetorial 73
Propriedades das bases
Seja \ um espao vetorial no nulo que possui uma base com : elementos.
Ento
1. Qualquer subconjunto de \ com mais do que : vetores linearmente
dependente.
2. Qualquer subconjunto de \ com menos do que : vetores no gera \ .
3. Todas as bases de \ possuem : vetores. Esta propriedade conhecida
como Princpio da Invarincia.
4. Um conjunto linearmente independente com : vetores base de \.
5. Um conjunto gerador de \ com : vetores base de \.
6. Um conjunto gerador de \ com mais do que : vetores pode ser re-
duzido a uma base de \. removendo um a um aqueles vetores que so
combinaes lineares dos demais.
7. Pode-se incluir vetores a um conjunto linearmente independente com
menos do que : vetores, at obter uma base de \. Um algoritmo possvel
consiste em unir uma base ao conjunto, retirando os vetores agregados
que so combinao linear dos demais.
Exemplo 3.40 O conjunto 1 formado pelos vetores v
1
= (3. 7) e v
2
= (5.
5) linearmente independente e, portanto, 1 uma base de R
2
.
Exemplo 3.41 O conjunto 1 formado pelos vetores v
1
= (2. 0. 1). v
2
= (4.
0. 7) e v
3
= (1. 1. 4) gera o R
3
e, portanto, 1 uma base do R
3
.
Se um espao vetorial \ no nulo possuir uma base com : elementos, pelo
princpio da invarincia, todas as suas bases tero : elementos. Neste caso, se
diz que \ possui dimenso nita e que sua dimenso : e escreveremos
dim(\ ) = :.
O espao vetorial nulo 0 tratado parte. Por denio, sua base o
conjunto vazio e sua dimenso zero.
Exemplo 3.42 Os espaos vetoriais R
m
. 1
m
(R). `
mn
possuem dimenso
nita e suas dimenses so, respectivamente, :. : + 1 e ::.
Exemplo 3.43 Os espaos vetoriais das funes reais com domnio na reta
1(R). das funes reais com derivadas contnuas at a ordem / em toda a reta
C
k
(R). dos polinmios reais 1(R). com as operaes de adio de funes e
multiplicao de um real por uma funo, possuem todos dimenso innita.
Notas de aula do Professor Faleiros
74 Espao vetorial
Teorema 3.44 Seja o um subespao de um espao vetorial \ de dimenso
nita. Ento
dim(o) _ dim(\ ).
Quando dim(o) = dim(\ ). ento o = \.
Prova. Como o est contido em \. toda base deste espao vetorial
um conjunto gerador de o. o que implica na desigualdade dim(o) _ dim(\ ).
Quando dim(o) = dim(\ ). toda base de \ conjunto gerador de o e, portanto,
uma base de o o que implica na igualdade o = \.
3.9 Matriz de mudana de base
Seja \ um espao vetorial de dimenso nita : maior do que zero. Sejam 1
1
=
v
1
. . . . . v
n
e 1
2
= n
1
. . . . . n
n
duas bases de \. Podemos decompor cada
elemento de 1
2
numa combinao linear dos elementos de 1
1
w
1
= c
11
v
1
+ c
21
v
2
+ + c
n1
v
n
w
2
= c
12
v
1
+ c
22
v
2
+ + c
n2
v
n

w
n
= c
1n
v
1
+ c
2n
v
2
+ + c
nn
v
n
A matriz
`
12
=
_

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

_
chamada de matriz de mudana de base ou, se desejarmos fazer referncia
s bases envolvidas, matriz de mudana da base 1
1
para a base 1
2
ou matriz
de transio da base 1
1
para a base 1
2
. Observe que as coordenadas do
desenvolvimento de w
1
na base 1
1
formam a primeira coluna, as coordenadas
do desenvolvimento de w
2
na base 1
1
formam a segunda coluna, e assim por
diante.
Exemplo 3.45 Sejam 1
1
= v
1
. v
2
. v
3
e 1
2
= w
1
. w
2
. w
3
bases do R
3
.
onde
v
1
= (1. 0. 1). v
2
= (0. 1. 1). v
3
= (0. 0. 2)
e
w
1
= (0. 1. 3). w
2
= (1. 2. 1). w
3
= (1. 0. 3).
Notas de aula do Professor Faleiros
3.9 Matriz de mudana de base 75
Ento
`
12
=
_
_
0 1 1
1 2 0
1 1 1
_
_
Sejam 1
1
= v
1
. . . . . v
n
. 1
2
= w
1
. . . . . w
n
e 1
3
= u
1
. . . . . u
n
bases
de \ com podemos escrever os vetores de 1
3
como combinaes lineares dos
elementos das bases. Usando o smbolo de somatrio,
w
j
=
n

i=1
c
ij
v
i
. u
j
=
n

i=1
/
ij
w
i
e u
j
=
n

i=1
c
ij
v
i
de modo que `
12
= [c
ij
] . `
23
= [/
ij
] e `
13
= [c
ij
] so, respectivamente, as
matrizes de mudana da base 1
1
para a base 1
2
. da base 1
2
para a base 1
3
e
da base 1
1
para a base 1
3
. Destas decomposies segue
u
j
=

k
/
kj
w
k
=

k
/
kj

i
c
ik
v
i
=

i
_

k
c
ik
/
kj
_
v
i
=

i
c
ij
v
i
ou
c
ij
=

k
c
ik
/
kj
para i e , variando de 1 a :. Tais igualdades entre escalares corresponde
igualdade matricial
`
13
= `
12
`
23
.
Quando 1
3
= 1
1
. a matriz `
13
a matriz identidade e `
23
= `
21
. Da
igualdade acima segue
`
12
`
21
= 1.
mostrando que as matrizes de mudana de base so inversveis e que a inversa
de `
12
`
21
.
Sejam i e , inteiros do conjunto 1. 2. . . . . :. O delta de Kronecker o
ij
.
um conjunto de :
2
nmeros denidos do seguinte modo: o
ij
= 1 quando i = ,
e o
ij
= 0 quando i ,= ,. O elemento da linha i coluna , da matriz identidade
1 de ordem : : exatamente o
ij
e podemos usar o delta de Kronecker para
escrever 1 = [o
ij
].
As igualdades matriciais
`
12
`
21
= 1 e `
21
`
12
= 1
Notas de aula do Professor Faleiros
76 Espao vetorial
quando escritas componente a componente, fornece

k
c
ik
/
kj
= o
ij
e

k
/
ik
c
kj
= o
ij
para i e , percorrendo os valores 1. . . . . :.
Mudana de coordenadas
Sejam 1
1
= v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
n
duas bases do espao vetorial
\ e u um vetor de \. Sejam
[u]
1
= [r
1
. . . . . r
n
]
T
e [u]
2
= [
1
. . . . .
n
]
T
as matrizes das coordenadas de u nas bases 1
1
e 1
2
. respectivamente. Seja
`
12
= [c
ij
] a matriz de mudana da base 1
1
para a base 1
2
. Temos
u =

i
r
i
v
i
=

j

j
w
j
e
w
j
=
n

i=1
c
ij
v
i
.
de onde segue
u =

j

j
w
j
=

j

i
c
ij
v
i
=

i
_

j
c
ij

j
_
v
i
=

i
r
i
v
i
.
Da unicidade da decomposio de um vetor nos elementos da base segue
r
i
=

j
c
ij

j
que corresponde igualdade matricial
[u]
1
= `
12
[u]
2
.
Exemplo 3.46 Sabe-se que 1
1
= v
1
. v
2
. v
3
e 1
2
= w
1
. w
2
. w
3
so bases
de um espao vetorial \ de dimenso trs e que
`
12
=
_
_
0 1 1
1 2 0
1 1 1
_
_
Notas de aula do Professor Faleiros
3.10 Espao linha e espao coluna 77
a matriz de mudana da base 1
1
para 1
2
. Sendo u = w
2
+ 2w
3
. sua
matriz de coordenadas na base 1
2

_
0 1 2

T
. A matriz das coordenadas
de u na base 1
1
pode ser obtida pela relao
[u]
1
= `
12
[u]
2
=
_
_
0 1 1
1 2 0
1 1 1
_
_
_
_
0
1
2
_
_
=
_
_
1
2
3
_
_
e assim u = v
1
2v
2
+ 3v
3
.
3.10 Espao linha e espao coluna
Vamos vericar que, com frequncia, interessante dispor um conjunto de
vetores do R
n
nas linhas ou colunas de uma matriz. As matrizes so formas
compactas e convenientes de apresentar os vetores de um espao vetorial.
Denio 3.47 Para uma matriz
=
_

_
c
11
. . . c
1n
.
.
.
.
.
.
c
m1
. . . c
mn
_

_
de tamanho ::. suas linhas
r
i
=
_
c
i1
c
i2
. . . c
in

so denominadas vetores linha de e suas colunas


c
j
=
_

_
c
1j
c
2j
.
.
.
c
mj
_

_
=
_
c
1j
c
2j
. . . c
mj

T
so denominadas vetores coluna de . O espao vetorial gerado pelos vetores
linhas o espao linha de . O espao vetorial gerado pelos vetores coluna
o espao coluna de .
Propriedades dos espaos linha e coluna
Duas matrizes com o mesmo tamanho so equivalentes quando for possvel
obter uma delas mediante uma sequncia de operaes elementares sobre a
Notas de aula do Professor Faleiros
78 Espao vetorial
outra. Se operaes elementares sobre resultam numa matriz 1. pos-
svel levar 1 em realizando sobre a primeira uma sequncia de operaes
elementares que so invertveis. Se 1
1
. . . . . 1
k
forem matrizes elementares e
1 = 1
k
1
1
.
ento
= 1
1
1
1
1
k
1.
Feita esta denio passemos a enunciar as propriedades dos espaos linha e
coluna de uma matriz.
1. Numa matriz escalonada,
(a) os vetores linha no nulos formam uma base do espao linha da
matriz;
(b) os vetores coluna que possuem os pivs formam uma base do espao
coluna da matriz.
2. Sejam e 1 matrizes equivalentes. Denote por a
1
. a
2
. . . . . a
n
os vetores
coluna de e por b
1
. b
2
. . . . . b
n
os vetores coluna de 1.
(a) Se `
1
. . . . . `
n
forem escalares tais que
`
1
a
1
+ + `
n
a
n
= 0
ento
`
1
b
1
+ + `
n
b
n
= 0.
Nesta propriedade no se pede que todos os escalares sejam difer-
entes de zero. Para matrizes com 5 colunas, se `
1
a
1
+ `
3
a
3
+ `
5
a
5
= 0. ento `
1
b
1
+ `
3
b
3
+ `
5
b
5
= 0 e pode-se pensar que `
2
e `
4
so iguais a zero.
(b) Um subconjunto dos vetores coluna de linearmente dependente
se, e s se, as mesmas colunas de 1 formarem um conjunto linear-
mente dependente.
3. Sejam e 1 matrizes equivalentes. Nem sempre o espao coluna de
igual ao espao coluna de 1. Entretanto, ambos possuem a mesma
dimenso. Se as colunas ,
1
. . . . . ,
k
de formarem uma base do espao
coluna de . ento as colunas ,
1
. . . . . ,
k
de 1 formam uma base do
espao coluna de 1.
Notas de aula do Professor Faleiros
3.10 Espao linha e espao coluna 79
4. Duas matrizes equivalentes e 1 possuem o mesmo espao linha. Uma
base do espao linha de 1 base do espao linha de .
Exemplo 3.48 Considere a matriz escalonada por linhas
_

_
1 2 3 4 5
0 1 2 0 4
0 0 0 1 2
0 0 0 0 0
_

_
.
Sua primeira, segunda e terceira linhas, exatamente aquelas que contm os
pivs, formam uma base do seu espao linha. Sua primeira, segunda e quarta
colunas, aquelas que contm os pivs, formam uma base do seu espao coluna.
Exemplo 3.49 As matrizes
=
_
_
1 0
0 1
0 0
_
_
e 1 =
_
_
1 0
0 1
1 1
_
_
so equivalentes pois pode-se obter 1 adicionando terceira linha de sua
primeira e segunda linhas. Todavia, os espaos coluna de e 1 so diferentes.
Os vetores coluna
_
1 0 1

T
e
_
0 1 1

T
de 1 no pertencem ao espao
coluna de . Embora diferentes, os espaos coluna de e 1 possuem ambos
dimenso 2.
Exemplo 3.50 Para obter uma base para o espao linha da matriz
=
_

_
1 3 4 2 5 4
2 6 9 1 8 2
2 6 9 1 9 7
1 3 4 2 5 4
_

_
podemos reduzi-la forma escalonada 1 mediante operaes elementares
1 =
_

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

_
e concluir que as trs primeiras linhas de 1 formam uma base para o espao
linha de .
A primeira, terceira e quinta colunas de 1, exatamente aquelas que contm
os pivs, formam uma base para o seu espao coluna. Logo, a primeira, terceira
e quinta colunas de formam uma base do espao coluna de .
Notas de aula do Professor Faleiros
80 Espao vetorial
Exemplo 3.51 Para determinar uma base do espao linha da matriz
=
_

_
1 2 0 0 3
2 5 3 2 6
0 5 15 10 0
2 6 18 8 6
_

_
formada por vetores linha de . siga os passos descritos em seguida.
1. Transponha

T
=
_

_
1 2 0 2
2 5 5 6
0 3 15 18
0 2 10 8
3 6 0 6
_

_
2. Realize operaes elementares na matriz
T
at chegar a uma matriz
escalonada
1 =
_

_
1 2 0 2
0 1 5 10
0 0 0 1
0 0 0 0
0 0 0 0
_

_
.
As colunas 1. 2 e 4 formam uma base para o espao coluna de 1. Logo, as
colunas 1. 2 e 4 de
T
formam uma base para o espao coluna desta matriz.
Conclui-se que as linhas 1. 2 e 4 de formam uma base do espao linha de .
Exemplo 3.52 Sejamv
1
= (1. 2. 0. 0. 3). v
2
= (2. 5. 3. 2. 6). v
3
= (0. 5. 15. 10. 0).
v
4
= (2. 6. 18. 8. 6) vetores do R
4
e G = v
1
. v
2
. v
3
. v
4
. Para determinar uma
base para o subespao o gerado por G. basta seguir os seguintes passos:
1. Forme a matriz cujas linhas so as entradas de v
1
. v
2
. v
3
e v
4
=
_

_
1 2 0 0 3
2 5 3 2 6
0 5 15 10 0
2 6 18 8 6
_

_
.
2. Mediante operaes elementares, reduza a matriz forma escalonada
1 =
_

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

_
Notas de aula do Professor Faleiros
3.10 Espao linha e espao coluna 81
3. Uma base do espao linha de formada pelos vetores linha no nulos
de 1. Logo, uma base para o
w
1
= (1. 2. 0. 0. 3).
w
2
= (0. 1. 3. 2. 0).
w
3
= (0. 0. 1. 1. 0).
Os vetores w
1
. w
2
. w
3
no pertencem ao conjunto G. Desejando uma base de
o formada pelos elementos de G. proceda como segue:
1. Forme a matriz cujas colunas so as entradas de v
1
. v
2
. v
3
e v
4
=
_

_
1 2 0 2
2 5 5 6
0 3 15 18
0 2 10 8
3 6 0 6
_

_
2. Escalone esta matriz
1 =
_

_
1 2 0 2
0 1 5 10
0 0 0 12
0 0 0 0
0 0 0 0
_

_
3. As colunas 1. 2 e 4 formam uma base do espao coluna de 1. Isto implica
em que as colunas 1. 2 e 4 de formam uma base do espao coluna de
. Logo, v
1
. v
2
. v
4
formam uma base do espao gerado por G.
Exemplo 3.53 A matriz
=
_

_
1 2 0 2 5
2 5 1 1 8
0 3 3 4 1
3 6 0 7 2
_

_
equivalente matriz escalonada
1 =
_

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

_
Notas de aula do Professor Faleiros
82 Espao vetorial
As colunas 1. 2 e 4 de 1 so linearmente independentes e geram seu espao
coluna. Logo, as colunas 1. 2 e 4 de so linearmente independentes e geram
o espao coluna de .
Denotando as colunas de 1 por b
1
. b
2
. b
3
. b
4
e b
5
. nota-se que b
1
. b
2
e
b
4
formam uma base para o seu espao coluna e que
b
3
= 2b
1
b
2
b
5
= b
1
+b
2
+b
4
.
Denotando as colunas de por a
1
. a
2
. a
3
. a
4
e a
5
. ento a
1
. a
2
e a
4
formam
uma base do espao coluna de e
a
3
= 2a
1
a
2
.
a
5
= a
1
+a
2
+a
4
.
Teorema 3.54 A dimenso do espao linha de uma matriz igual dimenso
do seu espao coluna.
Prova. Seja 1 uma forma escalonada de . A dimenso do espao linha
de igual dimenso do espao linha de 1. A dimenso do espao coluna
de igual dimenso do espao coluna de 1. Uma base do espao linha de
1 constituda das linhas que possuem os pivs. Uma base do espao coluna
de 1 formada pelas colunas que possuem os pivs. Logo, as dimenses do
espao linha e do espao coluna de 1 so iguais, provando o teorema.
O posto de uma matriz . denotado por jo:(). a dimenso do seu
espao linha, que igual dimenso do seu espao coluna. Sendo a dimenso
do espao linha igual do espao coluna, o posto de uma matriz igual ao
posto de sua transposta.
3.11 Sistemas lineares e o espao nulo de uma
matriz
Quando uma matriz :: e b uma matriz :1. podemos nos perguntar
quando que o sistema linear x = b tem soluo. Sendo x a matriz coluna
[r
1
r
n
]
T
e c
1
. . . . . c
n
os vetores coluna de . ento
x = r
1
c
1
+ + r
n
c
n
.
Vemos que x = b se, e s se, b for uma combinao linear das colunas de .
Em outras palavras, o sistema x = b possui soluo se, e s se, b for uma
Notas de aula do Professor Faleiros
3.11 Sistemas lineares e o espao nulo de uma matriz 83
combinao linear das colunas de . A matriz b uma combinao linear das
colunas de se, e s se, o posto da matriz dos coecientes igual ao posto
da matriz completa [ [ b] do sistema.
O posto de sempre menor ou igual a : e menor ou igual a :. Se o
posto de for :. o sistema linear x = b ser consistente para toda matriz
coluna b. Se o posto de for igual a :. o sistema linear x = b possuir no
mximo uma soluo.
Quando : :. o nmero de equaes do sistema linear x = b maior
do que o nmero de incgnitas e se diz que ele sobredeterminado. Neste
caso o posto de menor do que : e o sistema linear x = b nem sempre
tem soluo.
Quando : < :. o nmero de equaes do sistema linear x = b menor
do que o nmero de incgnitas e se diz que o sistema linear x = b sub-
determinado. Quando o posto de for igual a :. o sistema linear x = b
sempre possui soluo.
Quando : = :. o nmero de equaes do sistema linear x = b igual ao
nmero de incgnitas e se diz que o sistema linear x = b determinado.
Quando o posto de for igual a :. a matriz invertvel e o sistema linear
x = b possui uma nica soluo para cada b.
Quando o sistema x = b tem soluo, ela ser nica se, e s se, o sistema
homogneo x = 0 possuir apenas a soluo trivial.
O conjunto soluo do sistema homogneo x = 0 um espao vetorial
chamado espao nulo de . O espao nulo de possui apenas o vetor nulo
ou possui innitas matrizes coluna. Neste caso, sendo v
1
. . . . . v
k
uma base
do espao nulo de . toda soluo do sistema homogneo x = 0 da forma
c
1
v
1
+ + c
k
v
k
. onde c
1
. . . . . c
k
so escalares. Sendo ~ x uma soluo do
sistema no homogneo x = b. todas as suas solues sero da forma
~ x + c
1
v
1
+ + c
k
v
k
.
onde c
1
. . . . . c
k
so escalares. Cada soluo deste conjunto chamada de
soluo particular do sistema x = b.
A dimenso do espao nulo de chamada de nulidade de sendo
denotada por :n|(). Sempre bom lembrar que a nulidade de igual ao
nmero de variveis livres do sistema homogneo 1x = 0. onde 1 uma forma
escalonada de e que o posto de igual a nmero de variveis dependentes
do sistema homogneo 1x = 0.
Exemplo 3.55 A soluo geral do sistema do sistema escalonado
r
1
+3r
2
+4r
4
= 0
r
3
+2r
4
= 0
r
5
= 1
Notas de aula do Professor Faleiros
84 Espao vetorial
obtida por substituio reversa
r
5
= 1. r
3
= 2r
4
. r
1
= 3r
2
4r
4
.
Nela, r
2
. r
4
so variveis livres e r
1
. r
3
. r
5
so variveis dependentes. In-
troduzindo os parmetros : e :. denindo-os por : = r
2
e : = r
4
. obtemos a
soluo geral
r
1
= 3: 4:. r
2
= :. r
3
= 2:. r
4
= :. r
5
= 1
na forma paramtrica. Ao colocar a soluo geral na forma matricial,
_

_
r
1
r
2
r
3
r
4
r
5
_

_
=
_

_
0
0
0
0
1
_

_
+ :
_

_
3
1
0
0
0
_

_
+ :
_

_
4
0
2
1
0
_

_
percebemos que o primeiro vetor coluna do lado direito uma soluo particular
do sistema dado e que os outros dois vetores coluna formam uma base para o
espao de solues do sistema linear homogneo associado.
Exemplo 3.56 Escalonando o sistema homogneo
_
_
1 2 3
2 4 6
3 6 9
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
chegamos a
_
_
1 2 3
0 0 0
0 0 0
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
cuja soluo geral
_
_
r
1
r
2
r
3
_
_
= :
_
_
2
1
0
_
_
+ t
_
_
3
0
1
_
_
onde : e t so escalares quaisquer.
Exemplo 3.57 Escalonando o sistema homogneo
_
_
1 2 3
3 7 8
2 4 6
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
Notas de aula do Professor Faleiros
3.11 Sistemas lineares e o espao nulo de uma matriz 85
obtemos
_
_
1 2 3
0 1 1
0 0 0
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
cuja soluo geral
_
_
r
1
r
2
r
3
_
_
= :
_
_
5
1
1
_
_
onde : um escalar qualquer.
Exemplo 3.58 O espao soluo do sistema homogneo
_
_
1 2 3
3 7 8
4 1 2
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
.
o espao vetorial nulo, pois a nica soluo do sistema dada por r
1
= 0.
r
2
= 0 e r
3
= 0.
Exemplo 3.59 A soluo geral do sistema linear homogneo
2r
1
+ 2r
2
r
3
+ 0r
4
+ r
5
= 0
r
1
r
2
2r
3
3r
4
+ r
5
= 0
r
1
+ r
2
2r
3
+ 0r
4
r
5
= 0
0r
1
+ 0r
2
+ r
3
+ r
4
+ r
5
= 0
nas incgnitas r
1
. r
2
. r
3
. r
4
. r
5

_

_
r
1
r
2
r
3
r
4
r
5
_

_
= :
_

_
1
1
0
0
0
_

_
+ t
_

_
1
0
1
0
1
_

_
onde : e t so dois parmetros livres e a dimenso do espao soluo 2.
Teorema 3.60 Se a matriz possuir : colunas, ento
jo:() + :n|() = :
Notas de aula do Professor Faleiros
86 Espao vetorial
Prova. Seja 1 uma forma escalonada de . O posto de igual ao nmero
de variveis dependentes do sistema homogneo 1x = 0 e a nulidade de
igual ao nmero de variveis livres do sistema homogneo 1x = 0. Como o
nmero de variveis dependentes adicionado ao nmero de variveis livres
igual a :. decorre que
jo:() + :n|() = :.

Exemplo 3.61 Se uma matriz 5 7. ento o sistema linear x = b


subdeterminado e deve ser consistente para algum b e, para cada um destes b.
a soluo deve ter :n|() = 7 jo:() parmetros livres.
Exemplo 3.62 Para determinar o posto e a nulidade da matriz
=
_

_
1 2 0 4 5 3
3 7 2 0 1 4
2 5 2 4 6 1
4 9 2 4 4 7
_

_
.
ns a escalonamos
1 =
_

_
1 0 4 28 37 13
0 1 2 12 16 5
0 0 0 0 0 0
0 0 0 0 0 0
_

_
o que nos permite concluir que
jo:() = 2 e :n|() = 4
vericando que jo:() + :n|() = 6. A soluo geral do sistema homogneo
x = 0
r
1
= 4r
3
+ 28r
4
+ 37r
5
13r
6
r
2
= 2r
3
+ 12r
4
+ 16r
5
5r
6
com r
3
. r
4
. r
5
. r
6
variando livremente nos reais. Uma base do espao nulo de

v
1
=
_

_
4
2
1
0
0
0
_

_
. v
2
=
_

_
28
12
0
1
0
0
_

_
. v
3
=
_

_
37
13
0
0
1
0
_

_
. v
4
=
_

_
13
5
0
0
0
1
_

_
.
Notas de aula do Professor Faleiros
3.11 Sistemas lineares e o espao nulo de uma matriz 87
Exemplo 3.63 A forma escalonada da matriz 4 6
=
_

_
1 2 0 4 5 3
3 7 2 0 1 4
2 5 2 4 6 1
4 9 2 4 4 7
_

1 =
_

_
1 2 0 4 5 3
0 1 2 12 16 5
0 0 0 0 0 0
0 0 0 0 0 0
_

_
.
Como 1 possui duas linhas no nulas, jo:() = 2. Como jo:()+ :n|() =
6. conclui-se que :n|() = 4.
Exemplo 3.64 Vamos vericar se o sistema
r
1
2r
2
3r
3
+ 2r
4
= 4
3r
1
+ 7r
2
r
3
+ r
4
= 3
2r
1
5r
2
+ 4r
3
3r
4
= 7
3r
1
+ 6r
2
+ 9r
3
6r
4
= 1
consistente ou no. Tomando a matriz aumentada do sistema
_

_
1 2 3 2 4
3 7 1 1 3
2 5 4 3 7
3 6 9 6 1
_

_
e escalonando-a, chegamos matriz
_

_
1 0 23 16 0
0 1 10 7 0
0 0 0 0 1
0 0 0 0 0
_

_
O sistema inconsistente pois o posto da matriz dos coecientes igual a 2 e
o posto da matriz aumentada igual a 3.
Exemplo 3.65 Sistema sobredeterminado
r
1
2r
2
= /
1
r
1
r
2
= /
2
r
1
+ r
2
= /
3
r
1
+ 2r
2
= /
4
r
1
+ 3r
2
= /
5
Notas de aula do Professor Faleiros
88 Espao vetorial
Usando a eliminao de Gauss-Jordan na matriz aumentada, chegamos a
1 0 2/
2
/
1
0 1 /
2
/
1
0 0 /
3
3/
2
+ 2/
1
0 0 /
4
4/
2
+ 3/
1
0 0 /
5
5/
2
+ 4/
1
O sistema ser consistente se e s se
2/
1
3/
2
+ /
3
= 0
3/
1
4/
2
+ /
4
= 0
4/
1
5/
2
+ /
5
= 0
ou
/
1
= 5: 4:
/
2
= 4: 3:
/
3
= 2: :
/
4
= :
/
5
= :
onde : e : so reais quaisquer.
Vamos enunciar um teorema que reune as propriedades enunciadas at o
momento e que dizem respeito s matrizes invertveis.
Teorema 3.66 Seja uma matriz quadrada de ordem :. As seguintes ar-
maes so equivalentes:
(a) invertvel.
(b) x = 0 admite somente a soluo trivial.
(c) A forma escalonada reduzida de 1
n
.
(d) pode ser escrita como um produto de matrizes elementares.
(e) x = b consistente para cada matriz b de tamanho : 1.
(f ) x = b tem exatamente uma soluo para cada matriz b de tamanho
: 1.
(g) det() ,= 0.
(j) Os vetores coluna de so linearmente independente.
(k) Os vetores linha de so linearmente independente.
(l) Os vetores coluna de geram `
n1
.
(m) Os vetores linha de geram `
n1
.
(n) Os vetores coluna de formam uma base de `
n1
(o) Os vetores linha de formam uma base de `
n1
(p) tem posto :.
(q) A nulidade de 0.
Notas de aula do Professor Faleiros
Captulo 4
Transformao linear
Uma funo uma regra , que associa a cada elemento de um conjunto um,
e exatamente um, elemento de um conjunto 1. Se , associa o elemento r de
ao elemento de 1. escrevemos = , (r) . O a imagemde r por , ou valor
de , em r. O conjunto o domnio de , e o conjunto 1 o contradomnio
de ,. Usaremos a notao , : 1 para indicar que , uma funo com
domnio e contradomnio 1. O conjunto , () = , (r) : r a imagem
de ,.
Quando e 1 forem conjuntos de nmeros reais diremos que , funo
real de uma varivel real.
Duas funes ,
1
e ,
2
so iguais e escreveremos ,
1
= ,
2
quando tiverem
o mesmo domnio, o mesmo contradomnio e ,
1
(r) = ,
2
(r) para todo r do
domnio que comum a ambas.
Sejam \ e \ espaos vetoriais. Uma funo , : \ \ chamada
de aplicao ou transformao de \ em \. Quando \ = \. as funes
, : \ \. recebem o nome de operadores.
Exemplo 4.1 1 : R
2
R onde 1 (r. ) = r+ 3r.
Exemplo 4.2 1 : R
2
R
3
onde 1(r. ) = (r . 2r. 3r 5).
Exemplo 4.3 As equaes
n = r +
= 2r
n = r
2

2
denem uma transformao 1 : R
2
R
3
.
Notas de aula do Professor Faleiros
90 Transformao linear
Denio 4.4 Uma transformao 1 : \ \ linear se para todo n e
em \ e todo escalar /
1(u +v) = 1(u) + 1(v).
1(/ v) = / 1(v).
Se \ = \ ento a transformao linear recebe o nome de operador linear.
A transformao nula, que leva todo vetor v no vetor nulo e a trans-
formao identidade que leva todo vetor nele mesmo so transformaes
lineares.
Exemplo 4.5 As transformaes 1
1
(r
1
. r
2
) = 2r
1
3r
2
e 1
2
(r
1
. r
2
) = 5r
1
de R
2
em R so lineares.
Exemplo 4.6 A transformao 1
3
(r
1
. r
2
) = (r
1
+ r
2
. r
2
) de R
2
em R
2

linear.
Exemplo 4.7 Se for uma matriz ::. ento 1(x) = x uma transfor-
mao linear que leva matrizes coluna x de tamanho :1 em matrizes coluna
x de tamanho :1.
Exemplo 4.8 Se 1 = v
1
. . . . . v
n
for uma base de \ a funo 1 : \ R
n
.
denida por 1(v) = (c
1
. . . . . c
n
) que leva v no seu vetor de coordenadas (c
1
.
. . . . c
n
) na base 1. uma transformao linear.
Exemplo 4.9 Se \ = 1
2
(R) for o espao vetorial dos polinmios de grau
menor ou igual a 2 com coecientes reais, ento as funes
1
1
(j)(r) = j(cr + /)
1
2
(j)(r) = rj(r)
denidas para todo j em 1
2
(R)
Exemplo 4.10 A transformao 1 que leva uma funo , de C(. ) na
funo 1(,) de C
1
(. ). denida por
1(,)(r) =
_
x
0
,(t)dt
uma transformao linear.
Exemplo 4.11 A transformao 1 que leva uma funo , de C
1
(. ) na
funo 1(,) de C(. ). denida por 1(,)(r) = ,
0
(r) uma transformao
linear.
Notas de aula do Professor Faleiros
4.1 Transformao linear e bases 91
Exemplo 4.12 Sendo : 1 um nmero inteiro, a funo que leva uma matriz
quadrada :: em seu determinante no linear pois, se / for um real e .
1 forem duas matrizes quadradas : :. ento
det( + 1) ,= det() + det(1)
e
det(/ 1) = /
n
det(1).
Propriedades das transformaes lineares
Se \ e \ forem espaos vetoriais e 1 : \ \ uma transformao linear
ento, sendo c
1
. . . . . c
n
escalares e v. v
1
. . . . . v
n
vetores de \. ento
1. 1(0) = 0.
2. 1(v) = 1(v).
3. 1(v
1
v
2
) = 1(v
1
) 1(v
2
).
4. 1(c
1
v
1
+ + c
n
v
n
) = c
1
1(v
1
)+ + c
n
1(v
n
).
Podemos usar o smbolo de somatrio para expressar esta ltima pro-
priedade e escrever
1
_
n

i=1
c
i
v
i
_
=
n

i=1
c
i
1(v
i
).
Exemplo 4.13 A transformao 1(r
1
. r
2
) = (1 + r
1
. 2 + r
2
) do R
2
no R
2
no linear pois 1(0. 0) = (1. 2) no igual a (0. 0).
4.1 Transformao linear e bases
Seja 1 : \ \ uma transformao linear e 1 = v
1
. . . . . v
n
uma base de
\. Para cada vetor u de \. existem escalares c
1
. . . . . c
n
tais que
u = c
1
v
1
+ + c
n
v
n
.
Da linearidade de 1.
1(u) = 1(c
1
v
1
+ + c
n
v
n
) = c
1
1(v
1
) + + c
n
1(v
n
).
Desta igualdade tiramos duas concluses. Primeiro: se conhecermos os valores
de 1 nos vetores de uma base de \. podemos calcular 1 num vetor u qual-
quer. Basta decompor este vetor numa combinao linear dos vetores da base.
Notas de aula do Professor Faleiros
92 Transformao linear
Segundo: sendo 1 = v
1
. . . . . v
n
uma base de \. toda transformao linear
1 de \ em \ da forma
1(u) = c
1
w
1
+ + c
n
w
n
onde w
1
= 1(v
1
). . . . . w
n
= 1(v
n
) so os valores de 1 no vetores v
i
de uma
base 1 e (c
1
. . . . . c
n
) o vetor de coordenadas de u na base 1.
Em particular, quando 1 uma transformao linear do R
n
em R e 1 =
e
1
. . . . . e
n
a base cannica do R
n
. ento
1(r
1
. . . . . r
n
) = r
1
1(e
1
) + + r
n
1(e
n
) = c
1
r
1
+ + c
n
r
n
.
onde c
1
= 1(e
1
). . . . . c
n
= 1(e
n
) so nmeros reais. Quando 1 uma trans-
formao linear do R
n
em R
m
. ento
1(r
1
. . . . . r
n
) = r
1
1(e
1
) + + r
n
1(e
n
)
e agora
1(e
1
) = (c
11
. . . . . c
m1
). . . . . 1(e
n
) = (c
1n
. . . . . c
mn
)
so vetores do R
m
e
1(r
1
. . . . . r
n
) = (c
11
r
1
. . . . . c
m1
r
n
) + + (c
1n
r
n
. . . . . c
mn
r
n
)
ou
1(r
1
. . . . . r
n
) = (c
11
r
1
+ + c
1n
r
n
. . . . . c
m1
r
n
+ + c
mn
r
n
).
Concluso: Toda transformao linear 1 : R
n
R da forma
1(r
1
. . . . . r
n
) = c
1
r
1
+ + c
n
r
n
.
onde c
1
. . . . . c
n
so nmeros reais. Toda transformao linear 1 : R
n
R
m
da forma
1(r
1
. . . . . r
n
) = (c
11
r
1
+ + c
1n
r
n
. . . . . c
m1
r
n
+ + c
mn
r
n
).
onde c
ij
. para i = 1. . . . . : e , = 1. . . . . :. Observe que
1
1
(r
1
. . . . . r
n
) = c
11
r
1
+ + c
1n
r
n
.
.
.
1
m
(r
1
. . . . . r
n
) = c
m1
r
1
+ + c
mn
r
n
Notas de aula do Professor Faleiros
4.1 Transformao linear e bases 93
so transformaes lineares do R
n
em R e
1(r
1
. . . . . r
n
) = ( 1
1
(r
1
. . . . . r
n
) . . . . . 1
m
(r
1
. . . . . r
n
) ).
Escrevendo
1 (r
1
. . . . . r
n
) = (
1
. . . . .
m
)
ento

1
= c
11
r
1
+ + c
1n
r
n
.
.
.

m
= c
m1
r
1
+ + c
mn
r
n
As igualdades acima podem ser resumidas numa nica igualdade matricial
_

_

1
.
.
.

m
_

_
=
_

_
c
11
c
1n
.
.
.
.
.
.
.
.
.
c
m1
c
mn
_

_
_

_
r
1
.
.
.
r
n
_

_
ou [y] = [1] [x].
onde [1] = [c
ij
] chamada de matriz cannica da transformao linear 1.
enquanto [x] e [y] so as matrizes das coordenadas de x e y nas bases cannicas
do R
n
e do R
m
. respectivamente.
Exemplo 4.14 Sendo v
1
. v
2
. v
3
uma base de um espao vetorial \ de
dimenso trs e 1 uma transformao linear de \ em R tal que 1(v
1
) = 3.
1(v
2
) = 2. 1(v
3
) = 1. Se v = 2v
1
+ 5v
2
+ 4v
3
. ento
1(v) = 21(v
1
) + 51(v
2
) + 41(v
3
) = 2 3 + 5 2 + 4 1 = 8
Exemplo 4.15 Sejam v
1
= (1. 1. 1). v
2
= (1. 1. 0) e v
3
= (1. 0. 0). Ento v
1
.
v
2
. v
3
base do R
3
. Sabendo que 1 : R
3
R
2
linear e que 1(v
1
) = (1. 0).
1(v
2
) = (2. 1) e 1(v
3
) = (3. 2). podemos calcular 1 em todo terno ordenado
(r
1
. r
2
. r
3
). Basta decompor o terno numa combinao linear dos vetores da
base
(r
1
. r
2
. r
3
) = r
3
(1. 1. 1) + (r
2
r
3
)(1. 1. 0) + (r
1
r
2
)(1. 0. 0)
e calcular
1(r
1
. r
2
. r
3
) = r
3
1(1. 1. 1) + (r
2
r
3
)1(1. 1. 0) + (r
1
r
2
)1(1. 0. 0)
= r
3
(1. 0) + (r
2
r
3
)(2. 1) + (r
1
r
2
)(3. 2)
= ( 3r
1
r
2
r
3
. 3r
2
2r
1
r
3
).
Em particular,
1(1. 3. 4) = (4. 7).
Notas de aula do Professor Faleiros
94 Transformao linear
Exemplo 4.16 As transformaes 1
1
(r
1
. r
2
) = 2r
1
r
2
e 1
2
(r
1
. r
2
) = 3r
2
do R
2
em R so lineares. A transformao 1
3
(r
1
. r
2
) = 5 + r
1
+ 2r
2
no
linear por causa da parcela 5.
Exemplo 4.17 A matriz cannica da transformao linear 1 : R
3
R
3
denida por
1(r
1
. r
2
. r
3
) = (2r
1
r
2
. r
1
3r
2
+ r
3
. r
2
r
3
)

[1] =
_
_
2 1 0
1 3 1
0 1 1
_
_
.
4.2 Exemplos de transformaes lineares
Reexes no R
2
O operador 1
1
(r
1
. r
2
) = (r
1
. r
2
) reete o ponto (r. ) no eixo 1 do R
2
.
O operador 1
2
(r
1
. r
2
) = (r
1
. r
2
) reete o ponto (r. ) no eixo do R
2
.
O operador 1
3
(r
1
. r
2
) = (r
2
. r
1
) reete o ponto (r. ) na reta r = do
R
2
.
Reexes no R
3
O operador 1 (r
1
. r
2
. r
3
) = (r
1
. r
2
. r
3
) reete o ponto (r. ) no plano 12 do
R
3
.
O operador 1 (r
1
. r
2
. r
3
) = (r
1
. r
2
. r
3
) reete o ponto (r. ) no plano 13
do R
3
.
O operador 1 (r
1
. r
2
. r
3
) = (r
1
. r
2
. r
3
) reete o ponto (r. ) no plano 23
do R
3
.
Rotaes no R
2
Seja o um nmero real. Se girarmos os pontos (1. 0) e (0. 1) do R
2
de um
ngulo o no sentido anti-horrio em torno da origem, vamos obter os pontos
(cos o. sen o) e (sen o. cos o). Uma transformao linear que gira qualquer
ponto (r
1
. r
2
) de um ngulo o no sentido anti-horrio em torno da origem
tal que
1 (r
1
. r
2
) = r
1
1(1. 0) + r
2
1(0. 1)
= r
1
(cos o. sen o) + r
2
(sen o. cos o)
= ( r
1
cos o r
2
sen o. r
1
sen o + r
2
cos o ) .
Notas de aula do Professor Faleiros
4.2 Exemplos de transformaes lineares 95
Ao girar o ponto (r
1
. r
2
) de um ngulo o obtemos o ponto (
1
.
2
) onde
1(r
1
. r
2
) = (
1
.
2
) onde

1
= r
1
cos o r
2
sen o.

2
= r
1
sen o + r
2
cos o.
Usando a notao matricial, chega-se a
_

1

2
_
=
_
cos o sen o
sen o cos o
_ _
r
1
r
2
_
.
Rotaes no R
3
1. O operador
1 (r
1
. r
2
. r
3
) = (r
1
. r
2
cos o r
3
sen o. r
2
sen o + r
3
cos o)
estabelece uma rotao de um ngulo o. em torno do eixo 1. no sentido
anti-horrio quando se olha para a origem do semi-espao r
1
0. Sendo
(
1
.
2
.
3
) = 1(r
1
. r
2
. r
3
). obtemos a igualdade matricial
_
_

1

3
_
_
=
_
_
1 0 0
0 cos o sen o
0 sen o cos o
_
_
_
_
r
1
r
2
r
3
_
_
.
2. O operador
1 (r
1
. r
2
. r
3
) = (r
1
cos o + r
3
sen o. r
2
. r
1
sen o + r
3
cos o)
estabelece uma rotao de um ngulo o. em torno do eixo 2. no sentido
anti-horrio quando se olha para a origem do semi-espao r
2
0. Sendo
(
1
.
2
.
3
) = 1(r
1
. r
2
. r
3
). obtemos a igualdade matricial
_
_

1

3
_
_
=
_
_
cos o 0 sen o
0 1 0
sen o 0 cos o
_
_
_
_
r
1
r
2
r
3
_
_
.
3. O operador
1 (r
1
. r
2
. r
3
) = (r
1
cos o r
2
sen o. r
1
sen o + r
2
cos o. r
3
)
estabelece uma rotao de um ngulo o. em torno do eixo 3. no sentido anti-
horrio quando se olha para a origem do semi-espao r
3
0. Sendo (
1
.
2
.

3
) = 1(r
1
. r
2
. r
3
). obtemos a igualdade matricial
_
_

1

3
_
_
=
_
_
cos o sen o 0
sen o cos o 0
0 0 1
_
_
_
_
r
1
r
2
r
3
_
_
.
Notas de aula do Professor Faleiros
96 Transformao linear
Dilataes e contraes no R
n
Seja / _ 0 um nmero real. O operador linear denido sobre o R
n
por 1 (x) =
/x. chamado de homotetia de razo /. Quando 0 6 / < 1 recebe o nome
de contrao e, quando / 1. recebe o nome de dilatao.
4.3 Composio e inversa
Sejam l. \ e \ espaos vetoriais, 1 : l \ e 1 : \ \ duas transfor-
maes entre espaos vetoriais. A funo 1 1 : l \ denida por
1 1(u) = 1(1(u))
a composta de 1 com 1. A operao que leva 1 e 1 em 1 1 chamada
de composio de transformaes.
Teorema 4.18 A composta de duas transfomaes lineares linear.
Prova. Se u
1
e u
2
forem dois vetores em l. se c e , forem dois escalares,
ento
1 1(cu
1
+ , u
2
) = 1( 1(cu
1
+ , u
2
) )
= 1( c1(u
1
) + , 1(u
2
) )
= c1( 1(u
1
) ) + , 1( 1(u
2
) )
= c1 1(u
1
) + , 1 1(u
2
)
provando a linearidade da composta. Na passagem da primeira para a segunda
linha usamos a linearidade de 1. da segunda para a terceira a linearidade de
1 e, da terceira para a quarta, a denio de composta.
A composio de transformaes lineares associativa mas, nem sempre,
comutativa. Quando dois operadores 1 e 1 forem tais que 1 1 igual a 11.
dizemos que eles comutam.
Exemplo 4.19 Os operadores lineares
1 (r. ) = (. r) e 1(r. ) = (r. 0)
no comutam pois
1 1 (r. ) = 1( 1 (r. ) ) = 1(. r) = (. 0) .
e
1 1(r. ) = 1( 1(r. ) ) = 1 (r. 0) = (0. r) .
Notas de aula do Professor Faleiros
4.3 Composio e inversa 97
Exemplo 4.20 Os operadores
1(r
1
. r
2
) = (r
1
. r
2
) e 1(r
1
. r
2
) = (r
1
. r
2
)
comutam pois
1 1(r
1
. r
2
) = 1(r
1
. r
2
) = (r
1
. r
2
)
e
1 1(r
1
. r
2
) = 1(r
1
. r
2
) = (r
1
. r
2
).
mostrando que 1 1 = 1 1.
Exemplo 4.21 Considere as transformaes lineares 1 : 1
1
1
2
e 1 : 1
2

1
2
denidas por 1(j)(r) = (r) = rj(r) e 1(j)(r) = j(2r + 4). Ento
1 1(j)(r) = 1(1(j))(r) = 1()(r) = (2r + 4) = (2r + 4)j(2r + 4).
Ao compor uma transformao 1 : \ \ com a transformao identidade
1 : \ \. obtemos a prpria 1 uma vez que
1 1 = 1 1 = 1.
O conceito de composio se aplica a duas ou mais transformaes. Dadas as
transformaes, 1
1
: \
1
\
2
. 1
2
: \
2
\
3
. 1
3
: \
3
\
4
. denimos
1
3
1
2
1
1
: \
1
\
4
por
1
3
1
2
1
1
(v) = 1
3
(1
2
(1
1
(v))).
para todo v em \.
As denies de funo injetora, sobrejetora, bijetora e inversa se aplicam
transformaes entre espaos vetoriais.
Denio 4.22 Seja 1 : \ \ uma transformao do espao vetorial \
no espao vetorial \.
1 injetora se levar vetores distintos de \ em vetores distintos de \. Isto
signica que, se v
1
,= v
2
. ento 1(v
1
) ,= 1(v
2
). Ou ainda, se 1(v
1
) = 1(v
2
)
implicar em v
1
= v
2
.
1 sobrejetora quando sua imagem for igual a \. Isto signica que, se
w pertence a \. existe v em \ tal que 1(v) = w.
1 bijetora quando for injetora e sobrejetora. Neste caso, 1 possui inversa
1
1
: \ \. Se 1(v) = w. ento 1
1
(w) = v e
1
1
1(v) = v e 1 1
1
(w) = w.
Notas de aula do Professor Faleiros
98 Transformao linear
As projees no so injetoras nem sobrejetoras. As rotaes so isomor-
smos.
Teorema 4.23 Seja 1 : \ \ uma transformao linear entre espaos
vetoriais. Ento 1 injetora se e s se 1 (v) = 0 implicar em v = 0.
Prova. Se 1 for linear, ento 1(0) = 0. Sendo 1 injetora e 1 (v) = 0
ento v = 0.
Reciprocamente, suponha que 1 (v) = 0 implica em v = 0. Sejam v
1
e v
2
tais que 1 (v
1
) = 1 (v
2
) . Ento, da linearidade de 1. segue 1 (v
1
v
2
) = 0. o
que implica em v
1
v
2
= 0. provando que 1 injetora.
Denio 4.24 Uma transformao linear bijetora chamada de isomor-
smo. Existindo um isomorsmo entre \ e \. estes espaos vetoriais so
ditos isomorfos.
Teorema 4.25 Dois espaos vetoriais de dimenso nita so isomorfos se, e
s se, suas dimenses forem iguais. O isomorsmo entre eles leva a base de
um espao numa base do outros.
Teorema 4.26 Sejam \ e \ espaos vetoriais de dimenso nita e 1 : \
\ uma transformao linear. Se dim\ = dim\ ento so equivalentes
1. 1 um isomorsmo.
2. 1 sobrejetora.
3. 1 injetora.
Sendo 1 : \ \ um isomorsmo existe a transformao inversa 1
1
: \
\. que tambm um isomorsmo.
Exemplo 4.27 Seja uma matriz :: e considere a transformao linear
1 : `
n1
`
m1
denida por 1(x) = x. Esta transformao invertvel
se e s se for invertvel.
Sobre o ponto de vista da lgebra Linear, dois espaos isomorfos so indis-
tinguveis. Toda propriedade de um se transfere para o outro pelo isomorsmo.
Exemplo 4.28 A transformao linear 1 : 1
n
1
n+1
. denida por 1(j)(r) =
rj(r). injetora mas no sobrejetora. Sua imagem formada pelos polinmios
de grau : + 1 cujo termo constante nulo.
Notas de aula do Professor Faleiros
4.4 Matriz de uma transformao linear 99
Exemplo 4.29 A transformao linear 1 : C
1
(R) C(R) que leva uma
funo , em sua derivada 1, no injetora, uma vez que as derivadas de
duas funes so iguais quando a diferena entre elas for a funo constante.
Exerccio 4.30 Verique quais transformaes abaixo so injetoras
1. 1 : R
2
R
2
onde 1(r. ) = (r cos o sen o. rsen o + cos).
2. 1 : R
3
R
3
onde 1(r. . .) = (r. . 0).
3. 1 : `
61
`
31
onde 1(x) = x. onde
=
_

_
1 2 0 4 5 3
3 7 2 0 1 4
2 5 2 4 6 1
4 9 2 4 4 7
_

_
.
Se 1 : l \ e 1 : \ \ forem isomorsmos, ento a composta 1 1
um isomorsmo e (1 1)
1
= 1
1
1
1
.
Este resultado se aplica composio de trs ou mais transformaes lin-
eares. Se 1. o e 1 forem isomorsmos e a composio 1 o 1 puder ser
efetuada, ela ser um isomorsmo e
(1 o 1)
1
= 1
1
o
1
1
1
.
4.4 Matriz de uma transformao linear
Seja 1
1
= v
1
. . . . . v
n
uma base de \ e 1
2
= w
1
. . . . . w
m
uma base de
\. Se 1 : \ \ for uma transformao linear, pode-se escrever
1(v
j
) =
m

i=1
c
ij
w
i
para , = 1. . . . . :. A matriz de 1 em relao s bases 1
1
e 1
2

[1]
21
=
_

_
c
11
c
1n
.
.
.
.
.
.
.
.
.
c
m
c
mn
_

_
Teorema 4.31 Seja 1 : \ \ uma transformao linear, 1
1
uma base de
\ e 1
2
uma base de \. Dado v em \.
[1(v)]
2
= [1]
21
[v]
1
Notas de aula do Professor Faleiros
100 Transformao linear
onde [1]
21
a matriz de 1 nas bases 1
2
e 1
1
. [v]
1
e [1(v)]
2
so as matrizes
de coordenadas de v e 1(v) nas bases 1
1
e 1
2
. respectivamente.
Num linguagem informal, a matriz de coordenadas de 1(v) a matriz de
1 multiplicada pela matriz de coordenadas de v.
Prova. Se v =

n
j=1
r
j
v
j
e 1(v) =

m
i=1

i
w
i
. ento [v]
1
= [r
1
. . . . . r
n
]
T
. [1(v)]
2
= [
1
. . . . .
m
]
T
so as matrizes de coordenadas de v e 1(v) nas bases
1
1
= v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
m
. respectivamente. Sendo 1(v
j
) =

m
i=1
c
ij
w
i
. ento [1]
21
= [c
ij
] e
1(v) =
n

j=1
r
j
1(v
j
) =
n

j=1
r
j
m

i=1
c
ij
w
i
=
m

i=1
_
n

j=1
c
ij
r
j
_
w
i
=
m

i=1

i
w
i
de onde se conclui que
i
=

n
j=1
c
ij
r
j
. para i = 1. . . . . :. que corresponde
igualdade matricial
[1(v)]
2
= [1]
21
[v]
1
.

Quando 1 : \ \ for um operador linear, usual tomar uma nica base


1
1
em lugar de duas bases distintas 1
1
e 1
2
. Neste caso, fazendo 1
1
= 1
2
. a
matriz [1]
11
chamada de matriz de 1 na base 1
1
e denotada por [1]
1
. Se
denotarmos 1
1
por 1. sem ndice, denota-se [1]
1
simplesmente por [1] . Sendo
v um vetor de \. [v] a matriz das coordenadas de v na base 1 e [1(v)] a
matriz das coordenadas de 1(v) na base 1. obtemos
[1(v)] = [1][v].
Quando 1
1
a base cannica do R
n
e 1
2
a base cannica do R
m
. a matriz
[1]
21
de uma transformao linear 1 do R
n
no R
m
nas bases 1
1
e 1
2
a sua
matriz cannica.
Exemplo 4.32 Seja 1 : R
2
R
3
denida por
1(r. ) = (. 2r + 3. r ).
Sendo 1
1
= (2. 1). (1. 2) e 1
2
= (1. 0. 1). (0. 1. 0). (1. 2. 0) . temos
1(2. 1) = (1. 1. 1) = 1(1. 0. 1) 5(0. 1. 0) + 2(1. 2. 0)
1(1. 2) = (2. 4. 1) = 1(1. 0. 1) + 2(0. 1. 0) + 1(1. 2. 0)
e a matriz de 1 em relao s bases 1
1
e 1
2

[1]
21
=
_
_
1 1
5 2
2 1
_
_
.
Notas de aula do Professor Faleiros
4.5 Matriz da composta e da inversa 101
Exemplo 4.33 Seja 1 : 1
1
1
2
denida por 1(j)(r) = rj(r). Sendo 1
1
=
1. r e 1
2
= 1. r. r
2
. ento
[1]
21
=
_
_
0 0
1 0
0 1
_
_
.
Exemplo 4.34 Seja 1 : 1
2
1
2
denida por 1(j)(r) = j(3r 5). Sendo
1 = 1. r. r
2
ento
[1] =
_
_
1 5 25
0 3 30
0 0 9
_
_
.
para calcular 1(1 + 2r + 3r
2
). basta efetuar o produto matricial
_
_
1 5 25
0 3 30
0 0 9
_
_
_
_
1
2
3
_
_
=
_
_
66
84
27
_
_
para obter 1(1 + 2r + 3r
2
) = 66 84r + 27r
2
.
4.5 Matriz da composta e da inversa
Sejam l. \ e \ espaos vetoriais de dimenso nita. Seja 1
1
= u
1
. . . . . u
m

uma base de l. 1
2
= v
1
. . . . . v
n
uma base de \ e 1
3
= w
1
. . . . . w
p
uma
base de l. Sejam 1 : \ \ e 1 : \ l duas transformaes lineares. Se
1(u
j
) =
n

k=1
c
kj
v
k
1(v
k
) =
p

i=1
/
ik
w
i
e 1 1(u
j
) =
p

i=1
c
ij
w
i
ento
[1]
21
= [c
kj
]. [1]
32
= [/
ik
] e [1 1]
31
= [c
ij
].
Observe: sempre que h soma sobre um ndice, ele aparece repetido. Por
exemplo, no somatrio em /.

n
k=1
c
kj
v
k
. o sub-ndice / aparece em c
kj
e
em v
k
. Vamos ser corajosos, omitindo o smbolo de somatrio, para escrever
apenas c
kj
v
k
. armando, enfaticamente, que ao haver um subndice repetido,
h soma neste ndice. Esta notao denominada de notao de Einstein.
Usando-a obtemos
1(u
j
) = c
kj
v
k
1(v
k
) = /
ik
w
i
e 1 1(u
j
) = c
ij
w
i
Notas de aula do Professor Faleiros
102 Transformao linear
Partindo da composta,
1 1(u
j
) = 1(1(u
j
)) = 1 (c
kj
v
k
) = c
kj
1 (v
k
)
= c
kj
/
ik
w
i
= /
ik
c
kj
w
i
= c
ij
w
i
.
Pela unicidade da decomposio de um vetor numa base, obtemos c
ij
= /
ik
c
kj
. para i = 1. . . . . j e , = 1. . . . . :. que correspondem igualdade matricial
[1 1]
31
= [1]
32
[1]
21
.
Esta frmula pode ser estendida para a composio de trs ou mais transfor-
maes lineares.
Exerccio 4.35 A transformao 1 : R
3
R
3
que roda um vetor no sentido
anti-horrio em torno do eixo . por um ngulo o. reete o vetor resultante no
plano . e projeta este vetor ortogonalmente sobre o plano r. nesta ordem,
a composta de trs transformaes lineares 1
1
. 1
2
e 1
3
. onde 1
1
realiza ao
primeira, 1
2
realiza a segunda e 1
3
realiza a terceira operao. As matrizes
cannicas das transformaes lineares 1
1;
1
2
e 1
3
so
[1
1
] =
_
_
cos o sen o 0
sen o cos o 0
0 0 1
_
_
[1
2
] =
_
_
1 0 0
0 1 0
0 0 1
_
_
[1
3
] =
_
_
1 0 0
0 1 0
0 0 0
_
_
.
Para obter a matriz cannica da composta 1 = 1
3
1
2
1
1
basta multiplicar
as matrizes
[1] = [1
3
] [1
2
] [1
1
] =
_
_
cos o sen o 0
sen o cos o 0
0 0 1
_
_
.
Lema 4.36 Se 1 : \ \ for um isomorsmo, se 1
1
for uma base de \ e
1
2
uma base de \. ento
[1
1
]
12
= [1]
1
21
Prova. Se 1
1
: \ \ for a inversa de 1. ento 1
1
1 = 1 onde 1 o
operador identidade em \. Se 1
1
for uma base de \ e 1
2
for uma base de \.
aplicando a frmula anterior com 1
3
= 1
1
. segue
[1
1
]
12
[1]
21
= [1]
11
.
Como [1]
11
a matriz identidade, conclumos que a matriz [1
1
]
12
a inversa
da matriz [1]
21
.
A recproca tambm verdadeira: Se [1]
21
for invertvel, ento a transfor-
mao linear 1 : \ \ invertvel e a matriz [1
1
]
12
de 1
1
: \ \ a
inversa da matriz [1]
21
. Podemos ento enunciar
Notas de aula do Professor Faleiros
4.6 Matrizes semelhantes 103
Teorema 4.37 Sejam \ e \ espaos vetoriais de dimenso nita. Uma
transformao linear 1 : \ \ um isomorsmo se, e s se, as matrizes
de 1 nas bases de \ e \ forem invertveis.
Exemplo 4.38 Considere o operador linear 1 : R
3
R
3
denido por
1(r
1
. r
2
. r
3
) = (3r
1
+ r
2
. 2r
1
4r
2
+ 3r
3
. 5r
1
+ 4r
2
2r
3
)
cuja matriz na base cannica
[1] =
_
_
3 1 0
2 4 3
5 4 2
_
_
invertvel e sua inversa
[1
1
] = [1]
1
=
_
_
4 2 3
11 6 9
12 7 10
_
_
a matriz cannica de 1
1
.
4.6 Matrizes semelhantes
Duas matrizes quadradas e de mesmo tamanho e 1 so semelhantes se
existir uma matriz invertvel 1 para a qual
= 1
1
11.
Se e 1 forem semelhantes, ento seus determinantes, seus postos, suas nul-
idades e seus traos sero iguais. Alm disto, invertvel se, e s se, 1
tambm o for.
Vamos mostrar que matrizes de um operador linear so semelhantes.
Teorema 4.39 Sejam 1
1
e 1
2
duas bases de um espao vetorial \ e `
12
a
matriz de transio da base 1
1
para a base 1
2
. Seja 1 : \ \ um operador
linear, [1]
1
a matriz de 1 na base 1
1
e [1]
2
a matriz de 1 na base 1
2
. Ento
[1]
2
= `
1
12
[1]
1
`
12
.
Prova. Nesta demonstrao usaremos a notao de Einstein para o so-
matrio. Sejam 1
1
= v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
n
as duas bases de \.
Sendo `
12
= [c
ij
] a matriz de transio de 1
1
para 1
2
.
w
j
= c
ij
v
i
Notas de aula do Professor Faleiros
104 Transformao linear
para , = 1. . . . . :. Sendo [1]
1
= [r
ij
] e [1]
2
= [
ij
]. respectivamente as matrizes
de 1 nas bases 1
1
e 1
2
. ento
1(v
j
) = r
ij
v
i
e 1(w
j
) =
ij
w
i
.
Por um lado,
1(w
j
) =
kj
w
k
=
kj
c
ik
v
i
= c
ik

kj
v
i
e, por outro,
1(w
j
) = 1 (c
kj
v
k
) = c
kj
1(v
k
) = c
kj
r
ik
v
i
= r
ik
c
kj
v
i
.
Da unicidade da decomposio de um vetor numa base, segue
c
ik

kj
= r
ik
c
kj
para i e , iguais a 1. . . . . :. o que nos leva igualdade matricial
`
12
[1]
2
= [1]
1
`
12
o que prova o teorema, uma vez que a matriz de transio invertvel.
Este teorema mostra que matrizes de operadores lineares 1 : \ \ em
bases diferentes so semelhantes. Isto nos permite denir o determinante de
um operador linear 1 por
det(1) = det()
onde a matriz de 1 numa base qualquer de \. Como as matrizes de 1
nas bases de \ so todas semelhantes, esta denio de determinante no
dependente da base escolhida.
Exemplo 4.40 Seja 1 : R
2
R
2
denida por 1(r
1
. r
2
) = (r
1
+ r
2
. 2r
1
+
4r
2
). Determine a matriz de 1 na base cannica 1
1
= e
1
. e
2
e a matriz de
1 na base 1
2
= v
1
. v
2
onde v
1
= (1. 1) e v
2
= (1. 2).
Resoluo: Denotemos por [1]
1
a matriz de 1 na base cannica 1
1
e por
[1]
2
a matriz de 1 na base 1
2
. Temos
[1]
1
=
_
1 1
2 4
_
.
Sendo
`
12
=
_
1 1
1 2
_
Notas de aula do Professor Faleiros
4.6 Matrizes semelhantes 105
ento
`
21
= `
1
12
=
_
2 1
1 1
_
e [1]
2
= `
21
[1]
1
`
12
. Efetuando o clculo, obtemos
[1]
2
=
_
2 1
1 1
_ _
1 1
2 4
_ _
1 1
1 2
_
=
_
2 0
0 3
_
e 1(
1
v
1
+
2
v
2
) = 2
1
v
1
+ 3
2
v
2
.
Exemplo 4.41 A matriz cannica do operador linear 1 : R
2
R
2
. denido
por 1(r
1
. r
2
) = (3r
1
+ 2r
2
. r
1
+ r
2
).
=
_
3 2
1 1
_
.
Seu determinante o determinante de . de modo que det(1) = det() = 1.
Exemplo 4.42 Seja o um nmero real e w
1
= (cos o. sen o). w
2
= (sen o.
cos o) dois vetores do R
2
. O conjunto 1
1
= w
1
. w
2
uma base do R
2
.
Seja 1 o operador linear do R
2
tal que 1(w
1
) = w
1
e 1(w
2
) = w
2
. Esta
transformao linear tal que 1(x) o reexo de x na reta gerada por w
1
. A
matriz de 1 na base 1
1

[1]
1
=
_
1 0
0 1
_
.
Sendo 1
2
= e
1
. e
2
a base cannica do R
2
. vale a relao
w
1
= cos o e
1
+ sen o e
2
.
w
2
= sen o e
1
+ cos o e
2
.
de onde obtemos a matriz de transio de 1
2
para 1
1
`
21
=
_
cos o sen o
sen o cos o
_
.
Sabemos que
[1]
2
= `
1
12
[1]
1
`
12
= `
21
[1]
1
`
1
21
=
_
cos o sen o
sen o cos o
_ _
1 0
0 1
_ _
cos o sen o
sen o cos o
_
=
_
cos 2o sen 2o
sen 2o cos 2o
_
.
Notas de aula do Professor Faleiros
106 Transformao linear
Como [1(x)]
2
= [1]
2
[x]
2
. segue
[1(x)]
2
=
_
cos 2o sen 2o
sen 2o cos 2o
_ _
r
1
r
2
_
=
_
r
1
cos 2o + r
2
sen 2o
r
1
sen 2o r
2
cos 2o
_
e
1(r
1
. r
2
) = ( r
1
cos 2o + r
2
sen 2o. r
1
sen 2o r
2
cos 2o ).
Quando o = :,6.
1(r
1
. r
2
) =
1
2
( r
1
+
_
3r
2
.
_
3r
1
r
2
).
4.7 Ncleo e imagem
Seja 1 : \ \ uma transformao linear. O conjunto
Im(1) = 1(v) : v \
chamado de imagem de 1 e o conjunto
:nc(1) = v \ : 1(v) = 0
dos vetores de \ que so levados no zero por 1 chamado de ncleo de 1. A
imagem de 1 um subespao de \ e o ncleo de 1 um subespao de \.
A dimenso da imagem de 1 chamada de posto de 1. denotada por
jo:(1) e a dimenso do ncleo chamada de nulidade de 1. denotada por
:n|(1).
Se 1 : `
n1
`
m1
for a transformao linear 1(x) = x onde uma
matriz ::. ento :n|(1) = :n|() e jo:(1) = jo:().
Exemplo 4.43 Seja uma matriz real de tamanho ::. Considere a trans-
formao 1 : R
n
R
m
denida por 1(x) = x. O ncleo de 1 o espao
nulo de e a imagem de 1 o espao coluna de .
Exemplo 4.44 Seja 1 : R
3
R
3
a transformao linear 1(r. . .) = (2r +
3. r + .. 3r + 3 + .). Determine sua imagem e seu ncleo.
Exemplo 4.45 O ncleo do operador 1 denido no R
3
por 1(r. . .) = (r.
. 0)
:nc(1) = (0. 0. .) R
3
: . R
que possui dimenso 1 e sua imagem
i:(1) = (r. . 0) R
3
: r. R
que possui dimenso 2. Logo, :n|(1) + jo:(1) = 1 + 2 = 3.
Notas de aula do Professor Faleiros
4.7 Ncleo e imagem 107
Teorema 4.46 Seja 1 : \ \ uma transformao linear. Se a dimenso
de \ for :. ento
jo:(1) + :n|(1) = :.
Prova. Seja v
1
. . . . . v
k
uma base do ncleo e complete-a v
1
. . . . . v
k
.
v
k+1
. . . . . v
n
. formando assim uma base de \. Para completar a prova, basta
mostrar que 1(v
k+1
). . . . . 1(v
n
) base da imagem. Se w for um vetor da
imagem de 1. existe um vetor v de \ tal que w = 1(v). Como v = c
1
v
1
+
+ c
k
v
k
+ + c
n
v
n
. segue
w = 1(v) = c
k+1
1(v
k+1
) + + c
n
1(v
n
)
uma vez que 1(v
1
). . . . . 1(v
k
) so iguais ao vetor nulo. Mostramos assim que
1(v
k+1
). . . . . 1(v
n
) gera a imagem. Falta provar que este conjunto linear-
mente independente. Se 1(v
k+1
). . . . . 1(v
n
) fosse linearmente dependente,
existiriam escalares d
k+1
. . . . . d
n
. nem todos nulos, para os quais d
k+1
1(v
k+1
)
+ + d
n
1(v
n
) = 0. o que acarreta em 1(d
k+1
v
k+1
+ + d
n
v
n
) = 0.
Neste caso, o vetor d
k+1
v
k+1
+ + d
n
v
n
pertenceria ao ncleo de 1 e, por-
tanto, existiriam escalares d
1
. . . . . d
k
tais que d
k+1
v
k+1
+ + d
n
v
n
= d
1
v
1
+ + d
k
v
k
contradizendo a independncia linear do conjunto v
1
. . . . . v
k
.
v
k+1
. . . . . v
n
. Logo, 1(v
k+1
). . . . . 1(v
n
) linearmente independente, o que
completa a prova do teorema.
Exemplo 4.47 Seja o um nmero real. A imagem do operador linear 1(r. . .) =
(r cos o sen o. r sen o + cos o. .) todo o R
3
e o seu ncleo o 0.
Verica-se que :n|(1)+ jo:(1) = 3 de acordo com o teorema anterior.
Exemplo 4.48 Considere a transformao linear 1 : `
61
(R) `
41
(R)
denida por 1(x) = x. onde
=
_

_
1 2 0 4 5 3
3 7 2 0 1 4
2 5 2 4 6 1
4 9 2 4 4 7
_

_
.
Realizando operaes elementares em obtemos sua forma escalonada
1 =
_

_
1 2 0 4 5 3
0 1 2 12 16 5
0 0 0 0 0 0
0 0 0 0 0 0
_

_
que possui posto 2 e nulidade 4. Logo, o posto de 1 igual a 2 e sua nulidade
4.
Notas de aula do Professor Faleiros
108 Transformao linear
Notas de aula do Professor Faleiros
Captulo 5
Produto interno
5.0.1 Produtos internos
Denio 5.1 Um produto interno ou produto escalar em um espao ve-
torial real \ uma operao que associa a cada par de vetores v e w um
nmero real denotado por v. w. que tem as seguintes propriedades. Para
todo u. v. w em \ e para todo real c.
1. u. v = v. u (simetria)
2. u +v. w = u. w +v. w (aditividade)
3. cu. v = cu. v (homegeneidade)
4. v. v _ 0 (positividade)
5. v. v = 0 v = 0
O produto interno de dois vetores v e w tambm denotado por v w.
Escolha a notao que preferir.
Exemplo 5.2 Sejam x = (r
1
. . . . . r
n
) e y = (
1
. . . . .
n
) dois vetores do R
n
.
A operao
x. y = r
1

1
+ + r
n

n
dene um produto interno em R
n
chamado de produto interno euclidiano.
Exemplo 5.3 Sejam c
1
. . . . . c
n
nmeros reais positivos chamados pesos.
Sejam x = (r
1
. . . . . r
n
) e y = (
1
. . . . .
n
) dois vetores do R
n
. A operao
x. y = c
1
r
1

1
+ + c
n
r
n

n
dene um produto interno em R
n
chamado de produto interno euclidiano
ponderado. Em particular, x. y = 2r
1

1
+ 3r
2

2
um produto interno
euclidiano ponderado no R
2
.
Notas de aula do Professor Faleiros
110 Produto interno
Propriedades adicionais do produto interno
Para todo c real e todo u. v. w em um espao vetorial real \ com produto
interno,
1. 0. v = v. 0 = 0
2. u. v +w = u. v +u. w
3. u. cv = cu. v
O produto interno linear nos dois fatores. Fixado um vetor v
0
num espao
vetorial \ com produto interno, os operadores 1(v) = v. v
0
e 1(v) = v
0
. v
so lineares.
5.1 Norma e distncia
Seja \ um espao vetorial real com produto interno. Denimos a norma de
um vetor v em \ por
|v| =
_
v. v.
Sendo w outro vetor de \. denimos a distncia de v a w por
d(v. w) = |v w| =
_
v w. v w.
Observe que |v| = d( v. 0) e o conjunto dos vetores v em \ tais que |v| =
1 chamado de esfera unitria de \. O conjunto dos vetores v em \ tais
que |v| _ 1 chamado de disco unitrio de \.
Exemplo 5.4 Sejam x = (r
1
. . . . . r
n
) e y = (
1
. . . . .
n
) duas nuplas orde-
nadas de nmeros reais. Designando o produto interno euclidiano no R
n
por
x y. ento
|x| =
_
x x =
_
r
2
1
+ + r
2
n
a norma euclidiana de x e
d(x. y) = |x y| =
_
(x y) (x y) =
_
(r
1

1
)
2
+ + (r
n

n
)
2
a distncia euclidiana entre x e y. Sendo x = (1. 2. 3). sua norma euclid-
iana
|(1. 2. 3)| =
_
1 + 4 + 9 =
_
14.
Notas de aula do Professor Faleiros
5.1 Norma e distncia 111
Exemplo 5.5 Sejam x = (r
1
. r
2
) e y = (
1
.
2
) dois pares do R
2
. Se a
norma deste espao vier do produto interno euclidiano x. y = r
1

1
+ r
2

2
ento a esfera unitria a circunferncia de raio 1. Se a norma vier do produto
interno euclidiano ponderado x. y = 4r
1

1
+ 9r
2

2
. a esfera unitria ser
uma elipse de semi eixos 1,2 e 1,3.
Exemplo 5.6 Sendo x e y duas matrizes coluna : 1 o produto de matrizes
x y = x
T
y
dene um produto interno no espao vetorial das matrizes coluna reais : 1.
Se for uma matriz : :. ento
(x) y = x
_

T
y
_
.
Exemplo 5.7 Seja uma matriz quadrada real invertvel : :. ento
x. y = x
T

T
y
um produto interno no espao vetorial das matrizes coluna reais `
n1
(R).
Um caso particular deste produto interno aquele em que a matriz iden-
tidade, quando ento,
x. y = x
T
y.
Exemplo 5.8 Seja [c. /] um intervalo de nmeros reais e
C[c. /] = , : [c. /] R : , contnua .
Este conjunto, com as operaes de adio de funes e multiplicao de uma
funo por um nmero real um espao vetorial real. Nele
,. q =
_
b
a
,(r)q(r)dr
um produto interno. Em relao a este produto interno, podemos denir a
norma e a distncia entre funes , e q
| , |
2
=
_
b
a
,
2
(r)dr
e
d(,. q) =
_
_
b
a
[,(r) q(r)]
2
dr.
Notas de aula do Professor Faleiros
112 Produto interno
Propriedades da norma
Para todo real / e todo v. w num espao vetorial real \ com produto interno,
1. |v| _ 0
2. |v| = 0 v = 0
3. |/ v| = [/[ |v|
4. |v +w| _ |v| +|w| .
As trs primeiras propriedades so consequncias diretas das propriedades
do produto interno. A quarta propriedade chamada de desigualdade tri-
angular e ser provada usando a desigualdade de Cauchy-Schwarz.
Propriedades da distncia
1. d(v. w) _ 0
2. d(v. w) = 0 se, e s se, v = w
3. d(v. w) = d(w. v)
4. d(v. w) _ d(v. u) + d(u. w).
Esta ltima desigualdade tambm recebe o nome de desigualdade trian-
gular e uma consequncia da desigualdade triangular para a norma.
5.2 Desigualdade de Cauchy-Schwarz
Sendo v e w dois vetores de um espao vetorial real \ com produto interno,
vale a desigualdade
[v w[ _ |v| |w| .
denominada de desigualdade de Cauchy-Schwarz.
Passemos a demonstr-la. Para todo nmero real `. pela propriedade (1)
segue |v + `w| _ 0. Elevando os dois membros da desigualdade ao quadrado,
0 _ |v + `w|
2
= (v + `w) (v + `w) = v v + `v w + `w v + `
2
w w
e
|v|
2
+ 2`v w + `
2
|w|
2
_ 0.
O lado esquerdo desta desigualdade pode ser escrita na forma c`
2
+/` +c se
denirmos c = |w|
2
. / = 2v w e c = |v|
2
. Este trinmio maior ou igual a
Notas de aula do Professor Faleiros
5.3 ngulo entre dois vetores 113
zero para todo ` real se e s se /
2
4cc _ 0. Retornando aos valores originais
de c. / e c. obtemos
4(v w)
2
4 |v|
2
|w|
2
_ 0
ou, dividindo por 4 e extraindo a raiz quadrada, chegamos desigualdade de
Cauchy-Schwarz
[v w[ _ |v| |w| .
A partir dela, segue
|v +w|
2
= (v +w) (v +w) = v v + 2v w +w w _ |v|
2
+ 2 [v w[ +|w|
2
_ |v|
2
+ 2 |v| |w| +|w|
2
= (|v| +|w|)
2
e, extraindo a raiz quadrada, obtemos a desigualdade triangular para a norma.
Desta desigualdade se deduz a desigualdade triangular para distncias
d(v. w) = |v w| = |(v u) (wu)| _ |v u|+|u w| = d(v. u)+d(u. w).
Exemplo 5.9 Para qualquer par de nuplas ordenadas r e . vale
r =
1
4
|r + |
2

1
4
|r |
2
.
De fato,
|r + |
2
= (r + ) (r + ) = |r|
2
+ 2r +||
2
e
|r |
2
= (r ) (r ) = |r|
2
2r +||
2
Logo,
|r + |
2
|r |
2
= 4r
provando a igualdade acima.
5.3 ngulo entre dois vetores
Se v e w forem dois vetores no nulos de um espao vetorial real \. segue da
desigualdade de Cauchy-Schwartz que

v. w
|v| |w|

_ 1.
Logo, existe um nico nmero real o no intervalo [0. :] para o qual
v. w
|v| |w|
= cos o
Notas de aula do Professor Faleiros
114 Produto interno
e
v. w = cos o |v| |w| .
Este nmero real o chamado de ngulo entre os vetores v e w.
Se v. w = 0. diremos que v e w so ortogonais. No se dene ngulo
entre dois vetores se um deles for o vetor nulo. Entretanto, como 0. v = 0
para todo vetor v de \. se diz que o vetor nulo 0 ortogonal a todo vetor v
de \.
Exemplo 5.10 (Teorema de Pitgoras) Se v e w so vetores ortogonais
ento |v +w|
2
= |v|
2
+|w|
2
.
Prova. Temos |v +w|
2
= (v +w) (v +w) = v v+ 2 v w + w w =
|v|
2
+ |w|
2
. pois u w = 0.
Exemplo 5.11 Os polinmios r e r
2
so ortogonais no produto interno
,. q =
_
1
1
,(r)q(r)dr.
Exemplo 5.12 O t:() designa o trao de uma matriz quadrada . No espao
vetorial das matrizes reais quadradas de ordem :. a operao
. 1 = t:(
T
1) = t:(1
T
)
dene um produto interno. Tomando : = 2. as matrizes
=
_
1 0
1 1
_
. 1 =
_
0 2
0 0
_
so ortogonais neste produto interno.
Teorema 5.13 (de Pitgoras) Se v e w forem vetores ortogonais, ento
|v +w|
2
= |v|
2
+|w|
2
.
Exemplo 5.14 O conjunto r. r
2
ortogonal no espao vetorial dos polinmios
reais de grau menor ou igual a 2, em relao ao produto interno
j. =
_
1
1
j(r)(r) dr.
como
|r|
2
+
_
_
r
2
_
_
2
=
__
1
1
r dr
_
2
+
__
1
1
r
2
dr
_
2
= 0 +
4
9
_
_
r + r
2
_
_
2
=
__
1
1
(r + r
2
) dr
_
2
=
4
9
verica-se que vale o teorema de Pitgoras para estes dois polinmios.
Notas de aula do Professor Faleiros
5.4 Bases ortogonais e ortonormais 115
5.4 Bases ortogonais e ortonormais
Seja \ um espao vetorial real com produto interno. Um conjunto de vetores
de \ ortogonal se dois a dois os vetores deste conjunto so ortogonais. Um
conjunto ortogonal no qual cada vetor tem norma 1 chamado ortonormal.
Sendo v
1
. . . . . v
n
um conjunto ortogonal de vetores que no contm o
vetor nulo, ento

v
1
|v
1
|
. . . . .
v
n
|v
n
|

ortonormal.
Se G = v
1
. v
2
. . . . . v
n
um conjunto ortogonal de vetores no nulos
de um espao com produto interno, ento G linearmente independente. De
fato, se c
1
. . . . . c
n
forem escalares tais que c
1
v
1
+ +c
n
v
n
= 0. multiplicando
escalarmente os dois membros desta igualdade por v
i
. obtemos c
i
v
i
. v
i
= 0 o
que implica em c
i
= 0. Como i qualquer inteiro entre 1 e :. conclumos que
c
1
= c
2
= = c
n
= 0. provando que G linearmente independente.
Num espao vetorial real \ com produto interno e dimenso :. todo con-
junto ortogonal com : vetores, que no contm o vetor nulo, uma base de
\. Uma base formada por vetores ortogonais chamada de base ortogonal.
Uma base formada por vetores ortonormais chamada de base ortonormal.
Exemplo 5.15 O conjunto v
1
. v
2
. v
3
do R
3
. onde v
1
= (0. 1. 0). v
2
=
(1. 0. 1) e v
3
= (1. 0. 1) ortogonal em relao ao produto interno euclidiano.
Suas normas denidas pelo produto interno euclidiano so |v
1
| = 1. |v
2
| =
_
2. |v
3
| =
_
2. O conjunto
_
v
1
|v
1
|
.
v
2
|v
2
|
.
v
3
|v
3
|
_
=
_
(0. 1. 0).
1
_
2
(1. 0. 1).
1
_
2
(1. 0. 1)
_
ortonormal.
Exemplo 5.16 Os vetores
v
1
= (1. 0. 0). v
2
=
1
_
2
(0. 1. 1). v
3
=
1
_
2
(0. 1. 1)
formam um conjunto ortonormal em relao ao produto interno euclidiano do
R
3
e, portanto, uma base ortonormal do R
3
.
5.5 Coordenadas numa base ortogonal
Se 1 = v
1
. . . . . v
n
for uma base ortogonal de um espao vetorial \ com
produto interno, dado um vetor v em \. existem escalares c
1
. . . . . c
n
tais que
Notas de aula do Professor Faleiros
116 Produto interno
v = c
1
v
1
+ + c
n
v
n
. Efetuando o produto interno de v com v
i
. para i = 1.
2. . . . . :. obtemos
v. v
i
= c
i
v
i
. v
i

uma vez que v


j
. v
i
= 0 para todo , ,= i. Explicitando c
i
. segue
c
i
=
v. v
i

v
i
. v
i

=
v. v
i

|v
i
|
2
de onde se obtm
v =
v. v
1

|v
1
|
2
v
1
+ +
v. v
n

|v
n
|
2
v
n
.
Se a base for ortonormal, ento |v
i
| = 1 e
v = v. v
1
v
1
+ +v. v
n
v
n
.
Exemplo 5.17 O conjunto 1 formado pelos vetores v
1
= (0. 1. 0). v
2
=
(
4
5
. 0.
3
5
). v
3
= (
3
5
. 0.
4
5
) uma base ortonormal do R
3
em relao ao pro-
duto interno euclidiano. As coordenadas do vetor v = (1. 2. 3) nesta base so
c
1
= v. v
1
= 2. c
2
= v. v
2
=
4
5
+
9
5
= 1. c
3
= v. v
3
=
3
5
+
12
5
= 3 e,
desta forma,
v = 2v
1
+v
2
+ 3v
3
e o vetor das coordenadas de v na base 1 (2. 1. 3).
5.6 Produto interno numa base ortonormal
Se 1 = v
1
. . . . . v
n
for uma base ortonormal de \. e v. w dois vetores de \
tais que
v = c
1
v
1
+ + c
n
v
n
.
w = ,
1
v
1
+ + ,
n
v
n
.
ento
v. w = c
1
,
1
+ . . . + c
n
,
n
|v|
2
= c
2
1
+ . . . + c
2
n
d(v. w) =
_
(c
1
,
1
)
2
+ . . . + (c
n
,
n
)
2
Notas de aula do Professor Faleiros
5.7 Complemento ortogonal 117
5.7 Complemento ortogonal
Seja \ um subespao de um espao vetorial \ com produto interno. Um vetor
v de \ dito ortogonal a \ se v for ortogonal a todos os vetores de \.
O conjunto de todos os vetores de \ ortogonais a \ denotado por \
?
e chamado de complemento ortogonal de \. O complemento ortogonal de
\ um subespao vetorial de \.
O espao nulo 0 o complemento ortogonal de \ e vice-versa.
Propriedades do complemento ortogonal
Seja \ um subespao de um espao vetorial \ com produto interno.
1. O nico vetor comum a \ e a \
?
o 0.
2. Um vetor ortogonal a uma base de \ ortogonal a todo vetor de \.
3. Se a dimenso de \ for nita, o complemento ortogonal de \
?
\.
isto , (\
?
)
?
= \. *** Escrever a prova ***
4. Seja uma matriz : :. Ento o espao nulo de e o espao col-
una de
T
so complementos ortogonais com relao ao produto interno
euclidiano no espao vetorial das matrizes coluna reais com : linhas.
De fato, sejam r
1
. r
2
. . . . . r
m
as linhas de que so as colunas de
T
.
A matriz coluna x pertence ao espao nulo de . se, e s se, x = 0. o
que equivale a r
1
. x = = r
m
. x = 0. Isto prova que x pertence ao
ncleo de se, e s se, pertencer ao complemento ortogonal do espao
coluna de
T
.
Exemplo 5.18 Seja \ o subespao do R
5
gerado pelos vetores
w
1
= (2. 2. 1. 0. 1) w
2
= (1. 1. 2. 3. 1)
w
3
= (1. 1. 2. 0. 1) w
4
= (0. 0. 1. 1. 1)
Vamos obter uma base para o complemento ortogonal de \. Dispomos os
vetores como linhas de uma matriz
_

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

_
.
O espao nulo desta matriz gerado pelo vetor
_
1 1 0 0 0

T
. Conclui-
se que o complemento ortogonal de \ gerado pelo vetor (1. 1. 0. 0. 0).
Notas de aula do Professor Faleiros
118 Produto interno
5.8 Projeo ortogonal
Seja v
1
. . . . . v
n
uma base ortogonal de um subespao \ de um espao
vetorial real \ com produto interno e v um vetor de \. O vetor
w =
v. v
1

v
1
. v
1

v
1
+ +
v. v
n

v
n
. v
n

v
n
pertence a \ e denominado projeo ortogonal de v em \. O vetor u = v
w pertence ao complemento ortogonal de \ e chamado de componente
de v ortogonal a \. Estes vetores so tais que que v = u + w. Quando a
base v
1
. . . . . v
n
de \ for ortonormal, ento a projeo ortogonal de v em
\
w
1
= v. v
1
v
1
+ +v. v
n
v
n
.
Exemplo 5.19 Considere no R
3
o produto interno euclidiano. A projeo
ortogonal de x = (r
1
. r
2
. r
3
) no espao gerado por v
1
= (1. 0. 2) e v
2
= (0.
1. 1)
x. v
1

v
1
. v
1

v
1
+
x. v
2

v
2
. v
2

v
2
=
r
1
+ 2r
3
5
(1. 0. 2) +
r
2
+ r
3
2
(0. 1. 1)
=
1
10
(2r
1
+ 4r
3
. 5r
2
+ 5r
3
. 4r
1
+ 5r
2
+ 13r
3
).
Exemplo 5.20 Seja \ o subespao do R
3
gerado pelos vetores v
1
= (0. 1.
0) e v
2
= (4,5. 0. 3,5). Se considerarmos o produto interno euclidiano do
R
3
. o conjunto v
1
. v
2
uma base ortonormal de \. A projeo ortogonal
de v = (1. 1. 1) em \
w = 1(0. 1. 0) 1,5(4,5. 0. 3,5) = 1,25(4. 25. 3)
e o componente de v ortogonal a \
u = v w = (1. 1. 1) (4,25. 1. 3,25) = 1,25(21. 0. 28).
Seja v
1
. . . . . v
n
uma base ortogonal de um subespao \ de um espao
vetorial \ com produto interno. O operador 1 denido sobre \ por
1(v) =
v. v
1

v
1
. v
1

v
1
+ +
v. v
n

v
n
. v
n

v
n
linear e recebe o nome de projeo ortogonal sobre \. As projees or-
togonais so tais que
1
2
= 1.
Transformaes com esta propriedade so denominadas idempotentes ou
projees (no necessariamente ortogonais).
Notas de aula do Professor Faleiros
5.9 Obtendo bases ortogonais 119
Exemplo 5.21 Consideremos o R
2
com o produto interno euclidiano. O eixo
1 gerado por e
1
= (1. 0) e o eixo 2 gerado por e
2
= (0. 1). Os operadores
lineares 1
1
(r
1
. r
2
) = (r
1
. 0) e 1
2
(r
1
. r
2
) = (0. r
2
) so as projees ortogonais
nos eixos 1 e 2. respectivamente. A reta r
2
= r
1
gerada pelo vetor v = e
1
+ e
2
= (1. 1). O operador linear denido no R
2
por
1(x) =
x. v
v. v
v =
x. (1. 1)
2
(1. 1)
a projeo ortogonal na reta r
2
= r
1
. Sendo x = (r
1
. r
2
). obtemos
1 (r
1
. r
2
) =
1
2
(r
1
+ r
2
. r
1
+ r
2
)
Exemplo 5.22 Consideremos o R
3
com o produto interno euclidiano. O
plano 12 gerado pelos vetores e
1
= (1. 0. 0) e e
2
= (0. 1. 0). O operador
linear 1
12
denido em x = (r
1
. r
2
. r
3
) do R
3
por
1
12
(x) = x. e
1
e
1
+x. e
2
e
2
= (r
1
. r
2
. 0)
a projeo ortogonal sobre o plano 12. As projees sobre os planos 13
e 23 so, respectivamente, 1
13
(r
1
. r
2
. r
3
) = (r
1
. 0. r
3
) e 1
23
(r
1
. r
2
. r
3
) =
(0. r
2
. r
3
) .
5.9 Obtendo bases ortogonais
Vamos descrever o processo de Gram-Schmidt, que permite obter bases
ortogonais de espaos vetoriais de dimenso nita. O nome uma homenagem
aos matemticos que o desenvolveram: Jrgen Pederson Gram (dinamarqus,
1850 - 1916) e Erhardt Schmidt (alemo, 1876 - 1959).
Este processo mostra como obter um conjunto ortogonal w
1
. . . . . w
n

a partir de um conjunto linearmente independente qualquer v


1
. . . . . v
n
.
Comece denindo
w
1
= v
1
.
Em seguida tome
w
2
= v
2
c
12
w
1
e escolha c
12
de modo que w
2
se torne ortogonal a w
1
. Se w
2
. w
1
= 0. segue
c
12
=
w
1
. v
2

w
1
. w
1

Em seguida, faa
w
3
= v
3
c
13
w
1
c
23
w
2
Notas de aula do Professor Faleiros
120 Produto interno
e escolha c
13
e c
23
de modo a tornar w
3
ortogonal a w
1
e w
2
. Aplicando estas
duas condies, obtm-se
c
13
=
w
1
. v
3

w
1
. w
1

e c
23
=
w
2
. v
3

w
2
. w
2

.
Continuando com este processo, dena
w
j
= v
j
c
1j
w
1
c
2j
w
2
c
j1;j
w
j1
e determine os escalares c
ij
de modo a tornar w
j
ortogonal a w
i
. para i = 1.
2. . . . . , 1. Das condies de ortogonalidade obtemos
c
ij
=
w
i
. v
j

w
i
. w
i

para i = 1. 2. . . . . , 1.
Usando este processo, chega-se a um vetor w
1
que pertence ao espao ger-
ado por v
1
. chega-se a um vetor w
2
que pertence ao espao gerado por v
1
e
v
2
. Continuando com o processo at a etapa ,. chega-se a um w
j
que pertence
ao espao gerado por v
1
. v
2
. . . . . v
j
.
Para obter uma base ortonormal usando o processo de Gram - Schmidt,
basta dividir cada vetor por sua norma
q
1
=
w
1
|w
1
|
. q
2
=
w
2
|w
2
|
. q
3
=
w
3
|w
3
|
.
O processo de Gram-Schmidt leva uma base v
1
. . . . . v
n
em outra q
1
.
. . . . q
n
ortonormal de modo que, para todo / _ 1. q
1
. . . . . q
k
base do
espao gerado por v
1
. . . . . v
k
e q
k+1
ortogonal ao espao gerado por v
1
.
. . . . v
k
.
Exemplo 5.23 Obtenha uma base ortogonal w
1
. w
2
. w
3
do R
3
a partir da
base formada pelos vetores v
1
= (1. 1. 1). v
2
= (0. 1. 1). v
3
= (0. 0. 1).
Soluo. Comeamos por denir w
1
= v
1
= (1. 1. 1). Em seguida, toma-se
w
2
= v
2
c
12
w
1
. onde
c
12
=
w
1
. v
2

w
1
. w
1

=
2
3
.
resultando que
w
2
= (0. 1. 1)
2
3
(1. 1. 1) =
1
3
(2. 1. 1).
Finalmente,
w
3
= v
3
c
13
w
1
c
23
w
2
Notas de aula do Professor Faleiros
5.10 Decomposio QR 121
onde
c
13
=
w
1
. v
3

w
1
. w
1

=
1
3
c
23
=
w
2
. v
3

w
2
. w
2

=
1,3
2,3
=
1
2
resultando em
w
3
= (0. 0. 1)
1
3
(1. 1. 1)
1
2
1
3
(2. 1. 1) =
1
2
(0. 1. 1).

5.10 Decomposio QR
Sejam c
1
. . . . . c
n
vetores coluna :1 linearmente independentes. Consider-
emos no espao das matrizes reais : : o produto interno x. y = x
T
y.
Podemos, mediante a utilizao do processo de ortogonalizao de Gram-
Schmidt, obter um conjunto ortonormal q
1
. . . . . q
n
de vetores coluna :1.
Calcule inicialmente
c
11
= [[c
1
[[ e q
1
=
1
c
11
c
1
e depois faa o ndice , percorrer os inteiros de 2 a : e calcule
c
ij
= q
i
. c
j
para i = 1. . . . . , 1
c
j j
= [[c
j
c
1; j
q
1
c
j1 ; j
q
j1
[[
q
j
=
1
c
jj
(c
j
c
1; j
q
1
c
j1 ; j
q
j1
)
A diviso possvel pois c
jj
diferente de zero para , = 1. . . . . :. O c
jj
seria
zero para algum ,. apenas se a coluna c
j
for uma combinao linear das colunas
c
1
. . . . . c
j1
. o que no o caso, por hiptese. Explicitando c
j
. obtemos
c
1
= c
11
q
1
c
2
= c
12
q
1
+ c
22
q
2
c
3
= c
13
q
1
+ c
23
q
2
+ c
33
q
3
.
.
.
Notas de aula do Professor Faleiros
122 Produto interno
Seja = [c
1
. . . . . c
n
] uma matriz :: cujas colunas c
1
. . . . . c
n
so linearmente
independentes. Seja Q = [q
1
. . . . . q
n
] a matriz : :. cujas colunas so as
matrizes q
1
. . . . . q
n
obtidas no processo de ortonormalizao dos vetores coluna
de . Desta forma,
= Q1
onde2n
1 =
_

_
c
11
c
12
c
1n
0 c
22
c
2n
0 0 c
3n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 c
nn
_

_
.
uma matriz triangular superior invertvel, uma vez que c
ii
,= 0 para i =
1. 2. . . . . :. Podemos ento enunciar o teorema conhecido como teorema da
decomposio QR.
Teorema 5.24 Seja uma matriz :: cujas colunas formam um conjunto
linearmente independentes de matrizes. Podemos realizar a fatorao =
Q1. onde Q uma matriz : : cujos vetores coluna formam um conjunto
ortonormal e 1 uma matriz : : triangular superior e invertvel.
Quando for quadrada, Q quadrada e seus vetores coluna formam um
conjunto ortonormal no produto interno x. y = x
T
y. Uma matriz quadrada
cujos vetores coluna formam um conjunto ortonormal so denominadas de
matrizes ortogonais, que so invertveis e sua inversa a sua transposta. A
inversa de uma matriz ortogonal ortogonal e o determinante de uma matriz
ortogonal igual a 1 ou 1.
Exemplo 5.25 Para obter a decomposio Q1 de
=
_
_
1 0 0
1 1 0
1 1 1
_
_
ortogonalize seus vetores coluna c
1
. c
2
e c
3
usando o processo de Gram-Schmidt
obtendo os vetores coluna ortonormais
q
1
=
1
_
3
_
_
1
1
1
_
_
. q
2
=
1
_
6
_
_
2
1
1
_
_
. q
3
=
1
_
2
_
_
0
1
1
_
_
.
formando a matriz
Q =
_
_
1,
_
3 2,
_
6 0
1,
_
3 1,
_
6 1,
_
2
1,
_
3 1,
_
6 1,
_
2
_
_
Notas de aula do Professor Faleiros
5.11 Matriz ortogonal 123
e a matriz dos coecientes obtidos do procedimento de Gram-Schmidt
1 =
_
_
q
1
. c
1
q
1
. c
2
q
1
. c
3

0 q
2
. c
2
q
2
. c
3

0 0 q
3
. c
3

_
_
=
1
6
_
_
6
_
3 4
_
3 2
_
3
0 2
_
6 1
_
6
0 0 3
_
2
_
_
.
5.11 Matriz ortogonal
Uma matriz quadrada ortogonal quando

1
=
T
.
As matrizes
=
1
7
_
_
3 2 6
6 3 2
2 6 3
_
_
e 1 =
_
cos o sen o
sen o cos o
_
so ortogonais.
A inversa de uma matriz ortogonal ortogonal. O produto de duas matrizes
ortogonais uma matriz ortogonal. O determinante de uma matriz ortogonal
igual a +1 ou igual a 1.
Exemplo 5.26 A matriz
=
1
_
2
_
1 1
1 1
_
ortogonal e det() = 1.
Teorema 5.27 Seja uma matriz real :: e x. y = x
T
y o produto interno
euclidiano em `
n1
(R). So equivalentes as seguintes armaes:
1. ortogonal.
2. x. y = x. y para qualquer x e y em `
n1
(R).
3. |x| = |x| para qualquer x em `
n1
(R).
Notas de aula do Professor Faleiros
124 Produto interno
4. Os vetores linha de formam um conjunto ortonormal de `
1n
em
relao ao produto interno r
1
. r
2
= r
1
r
T
2
.
5. Os vetores coluna de formam um conjunto ortonormal de `
n1
em
relao ao produto interno c
1
. c
2
= c
T
1
c
2
.
Prova. Vamos provar que 2 implica em 1. Se x. y = x. y para
qualquer x e y em `
n1
(R). ento

x. (
T
1)y
_
= 0. Fazendo x = (
T

1)y. segue

(
T
1)y. (
T
1)y
_
= 0 ou (
T
1)y = 0. Como este
sistema homogneo de equaes lineares deve ser satisfeito para todo y.
T
=
1. mostrando que ortogonal.
Para provar que 1 e 4 so equivalentes, considere as linhas r
1
. . . . . r
n
as
linhas de . que sero as colunas de
T
. A matriz ortogonal se, e s se,

T
= 1. Esta igualdade se verica se, e s se,
_

_
r
1
r
T
1
r
1
r
T
2
r
1
r
T
n
r
2
r
T
1
r
2
r
T
2
r
2
r
T
n
.
.
.
.
.
.
.
.
.
r
n
r
T
1
r
n
r
T
2
r
n
r
T
n
_

_
= 1
Esta igualdade matricial se verica se, e s se, as linhas r
1
. r
2
. . . . . r
n
de
formarem um conjunto ortonormal de `
1n
.
Para provar que 1 e 5 so equivalentes, considere a igualdade
T
= 1.
Teorema 5.28 Sejam 1
1
e 1
2
duas bases ortonormais de um espao vetorial
real \ com dimenso nita. A matriz de transio da base 1
1
para a base 1
2
ortogonal.
Prova. Sendo 1
1
= v
1
. . . . . v
n
e 1
2
= w
1
. . . . . w
n
as duas bases
ortonormais de \. podemos escrever os vetores de 1
2
como combinao linear
dos vetores de 1
1
e os vetores de 1
1
como combinao linear dos vetores de
1
2
w
j
=
n

i=1
c
ij
v
i
e v
j
=
n

i=1
/
ij
w
i
.
Neste caso, `
12
= [c
ij
] a matriz de transio da base 1
1
para a base 1
2
e
`
21
= [/
ij
] a matriz de transio da base 1
2
para a base 1
1
. J se sabe que
uma a inversa da outra, `
21
= `
1
12
. Multiplicando escalarmente os dois lados
da igualdade w
j
=

n
i=1
c
ij
v
i
por v
k
chega-se a w
j
. v
k
=

n
i=1
c
ij
v
i
. v
k
=
c
kj
. Do mesmo modo se obtm /
ij
= w
i
. v
j
= c
ji
. provando que `
21
= `
T
12
.
de onde se conclui que `
1
12
= `
T
12
. A inversa de `
12
sua transposta e,
portanto, ela uma matriz ortogonal.
Notas de aula do Professor Faleiros
5.11 Matriz ortogonal 125
Exemplo 5.29 Sendo v
1
= (1. 0). v
2
= (0. 1). w
1
= (3,5. 4,5). w
2
= (4,5.
3,5) os conjuntos 1
1
= v
1
. v
2
e 1
2
= w
1
. w
2
so bases ortonormais do
R
2
em relao ao produto interno euclidiano. Como
w
1
=
3
5
v
1
+
4
5
v
2
w
2
=
4
5
v
1

3
5
v
2
.
a matriz de transio da base 1
1
para a base 1
2

`
12
=
1
5
_
3 4
4 3
_
que uma matriz ortogonal.
Exemplo 5.30 Rotao em duas dimenses.. Seja 1
1
= v
1
. v
2
uma base
ortonormal de um espao vetorial \ de dimenso dois com produto interno. A
base 1
2
= w
1
. w
2
denida por
w
1
= v
1
cos o +v
2
sen o
w
2
= v
1
sen o +v
2
cos o
ortonormal e a matriz de mudana da base 1
1
para a base 1
2
a matriz
ortogonal
`
12
=
_
cos o sen o
sen o cos o
_
.
Exemplo 5.31 Rotao em trs dimenses. Seja 1
1
= v
1
. v
2
. v
3
uma base
ortonormal de um espao vetorial \ de dimenso trs com produto interno. A
base 1
2
= w
1
. w
2
. w
3
denida por
w
1
= v
1
cos o +v
2
sen o
w
2
= v
1
sen o +v
2
cos o
w
3
= v
3
ortonormal e a matriz de mudana da base 1
1
para a base 1
2
a matriz
ortogonal
`
12
=
_
_
cos o sen o 0
sen o cos o 0
0 0 1
_
_
cujo determinante igual a 1.
Notas de aula do Professor Faleiros
126 Produto interno
Exemplo 5.32 Rotao em trs dimenses. Seja 1
1
= v
1
. v
2
. v
3
uma base
ortonormal de um espao vetorial \ de dimenso trs com produto interno. A
base 1
2
= w
1
. w
2
. w
3
denida por
w
1
= v
1
cos o v
3
sen o
w
2
= v
2
w
3
= v
1
sen o +v
3
cos o
ortonormal e a matriz de mudana da base 1
1
para a base 1
2
a matriz
ortogonal
`
12
=
_
_
cos o 0 sen o
0 1 0
sen o 0 cos o
_
_
cujo determinante igual a 1.
Exemplo 5.33 Rotao em trs dimenses. Seja 1
1
= v
1
. v
2
. v
3
uma base
ortonormal de um espao vetorial \ de dimenso trs com produto interno. A
base 1
2
= w
1
. w
2
. w
3
denida por
w
1
= v
1
w
2
= v
2
cos o +v
3
sen o
w
3
= v
2
sen o +v
3
cos o
ortonormal e a matriz de mudana da base 1
1
para a base 1
2
a matriz
ortogonal
`
12
=
_
_
1 0 0
0 cos o sen o
0 sen o cos o
_
_
cujo determinante igual a 1.
5.12 Mnimos quadrados
Sejam u. v. w trs vetores de um espao vetorial real \ com produto interno.
Vamos dizer que o vetor v est mais perto de u do que o vetor w se d(u. v) <
d(u. w). Esta desigualdade equivalente a |u v| < |u w| .
Seja \ um espao vetorial real \ com produto interno e \ um subespao
de \ com dimenso nita. Vamos investigar qual o vetor de \ que est mais
perto de um vetor x de \. Quando x est em \ ento ele o vetor de \ que
est mais perto de x.
Quando x no pertence a \. tomamos uma base ortonormal 1 = v
1
. . . . .
v
n
do subespao \ e um vetor genrico w = c
1
v
1
+ + c
n
v
n
em \. Que
Notas de aula do Professor Faleiros
5.12 Mnimos quadrados 127
valores devemos atribuir aos reais c
1
. . . . . c
n
para w ser o vetor de \ mais
prximo de x? Ora,
|x w|
2
= x w. x w
= |x|
2
2x. w +|w|
2
= |x|
2
2c
1
x. v
1
2c
n
x. v
n
+ c
2
1
+ + c
2
n
Esta uma funo quadrtica em c
1
. . . . . c
n
que possui um nico valor mnimo
que ocorre no ponto onde as derivadas parciais em relao s variveis c
1
. . . . .
c
n
forem iguais a zero. Calculando estas derivadas parciais e igualando a zero,
obtemos
c
i
= x. v
i
.
O vetor de \ mais prximo de x
w = x. v
1
v
1
+ +x. v
n
v
n
.
Esta a projeo ortogonal de x sobre \.
Existe uma outra maneira de resolver esta questo usando mtodos pu-
ramente algbricos. Ao aproximar um vetor x de \ por um vetor y de \.
cometemos um rro igual a x y. Quando x no est em \ este erro
sempre diferente de zero. Sendo w a projeo ortogonal de x sobre \.
|x y|
2
= |(x w) (y w)|
2
.
Como x w ortogonal a todo vetor de \ e y w pertence a \. vale o
teorema de Pitgoras
|x y|
2
= |(x w) (y w)|
2
= |u w|
2
+|y w|
2
e obtemos
|u y|
2
= |u w|
2
+|y w|
2
_ |u w|
2
pois |y w|
2
_ 0. Quando y diferente de w. ento |y w|
2
0 e |u y|
2
|u w|
2
. Portanto, o vetor de \ que est mais perto de x a sua pro-
jeo ortogonal sobre \. Usando apenas procedimentos algbricos, provamos
o resultado que j havamos provado usando o Clculo Diferencial.
Podemos dizer que a projeo ortogonal de x sobre \ a "melhor aprox-
imao"de x por vetores de \ e vale o teorema da melhor aproximao
que enunciado em seguida.
Teorema 5.34 Seja \ um subspao de dimenso nita de um espao vetorial
\ com produto interno. Seja x um vetor de \. A projeo ortogonal de x sobre
\. que denotamos por j:o,
W
x. a melhor aproximao de x em \. no
seguinte sentido
|x j:o,
W
x| < |x y|
para todo vetor y em \ distinto da projeo ortogonal de x sobre \.
Notas de aula do Professor Faleiros
128 Produto interno
5.13 Solues de mnimos quadrados
muito comum que alguns problemas fsicos leve a um sistema x = b que
deveria se consistente em teoria, mas que no o porque "erros de medida"nas
entradas de e de b perturbem o sistema sucientemente a ponto de criar
inconsistncia. Em tais situaes procuramos um valor de x que chegue "to
perto quanto possvel"de ser uma soluo, no sentido que minimiza o valor
de |x b| em relao ao produto interno euclidiano denido no espao das
matrizes coluna reais por x. y = x
T
y. A quantidade |x b| pode ser
vista como uma medida do "erro"que resulta por considerar x uma soluo
aproximada do sistema x = b. Se o sistema consistente e x uma soluo
exata, o erro zero, pois |x b| = 0. Em geral, quanto maior o valor de
|x b| . mais pobre a aproximao x de uma soluo do sistema.
A matriz coluna x que minimiza |x b| em relao ao produto interno
euclidiano chamado de soluo de mnimos quadrados de x = b. O
nome tem origem no seguinte fato: Seja e = x b o erro proveniente da
aproximao x. Uma soluo que minimiza |e| = (c
2
1
+ +c
2
m
)
1=2
. minimiza
|e|
2
= c
2
1
+ + c
2
m
e da segue o nome mnimos quadrados.
Sendo uma matriz :: e x uma matriz coluna : 1. sabemos que x
uma combinao linear das coluna de e x = b possui soluo quando
b pertence ao espao coluna de . Vamos denotar este espao coluna por \.
Quando b no pertence a \. x = b no possui soluo mas o sistema x =
j:o,
W
b possui.
Quando x for uma soluo do sistema x = j:o,
W
b ento b x =
b j:o,
W
b e, pelo teorema da melhor aproximao,
|b x| = |b j:o,
W
b| < |b y|
para toda matriz coluna y para a qual y diferente da projeo ortogonal
de b sobre \. Como \ o espao coluna de . o seu complemento ortogonal
\
T
o espao nulo de
T
. Estando bx no espao nulo de
T
. uma soluo
por mnimos quadrados de x = b soluo do sistema

T
(b x) = 0
ou

T
x =
T
b
que chamado de sistema normal associado a x = b. Assim, o problema
de encontrar uma soluo de mnimos quardados foi reduzido a um outro que
consiste em encontrar uma soluo exata do sistema normal associado.
Observe que o sistema normal envolve : equaes em : variveis, con-
sistente e pode ter innitas solues. Quando este for o caso, todas as suas
solues so solues de mnimos quadrados de x = b.
Notas de aula do Professor Faleiros
5.13 Solues de mnimos quadrados 129
Podemos ento enunciar
Teorema 5.35 6.4.2 Para qualquer sistema linear x = b. o sistema normal
associado

T
x =
T
b
consistente e todas as solues do sistema normal so solues de mnimos
quadrados de x = b. Alm disso, se \ o espao coluna de A e x qualquer
soluo de mnimos quadrados de x = b. ento a projeo ortogonal de b
em \
j:o,
W
b = x.
Teorema 5.36 Seja uma matriz ::. Os vetores coluna de so linear-
mente independentes se e s se
T
for invertvel.
Prova. Se os vetores coluna de forem linearmente independentes e x for
soluo do sistema
T
x = 0. ento x est no espao nulo de
T
e no espao
coluna de . Como um o complemento ortogonal do outro, x s pode ser
o vetor nulo, isto , x = 0. Como os vetores coluna de so linearmente
independentes, x = 0. Mostramos que o sistema
T
x = 0 possui apenas a
soluo trivial x = 0. Portanto, a matriz quadrada
T
invertvel.
Se os vetores coluna de forem linearmente dependentes, existe x no nulo
tal que x = 0 e, consequentemente,
T
x = 0. Portanto,
T
singular.

Teorema 5.37 Se uma matriz : : com vetores coluna linearmente


independentes, ento para cada matriz b de tamanho : 1. o sistema linear
x = b tem uma nica soluo de mnimos quadrados. Esta soluo dada
por
x =
_

_
1

T
b.
Alm disso, se \ o espao coluna de . ento a projeo ortogonal de b em
\
j:o,
W
b = x =
_

_
1

T
b.
As duas frmulas acima possuem vrias aplicaes tericas, mas no so
ecientes para clculos numricos. As solues de mnimos quadrados de x =
b so melhor computadas por eliminao gaussiana ou eliminao de Gauss-
Jordan para resolver as equaes normais e a projeo ortogonal de b no espao
coluna de melhor obtida calculando x onde x a soluo do sistema
normal
T
x =
T
b. Em seguida, calcula-se x que a projeo ortogonal
de b sobre o espao coluna de .
Notas de aula do Professor Faleiros
130 Produto interno
Exemplo 5.38 Encontre a soluo de mnimos quadrados do sistema linear
x = b dado por
r
1
+ r
2
= 4
3r
1
+ 2r
2
= 1
2r
1
+ 4r
2
= 3
e obtenha a projeo ortogonal de b no espao coluna de .
Resoluo. Aqui,
=
_
_
1 1
3 2
2 4
_
_
e b =
_
_
4
1
3
_
_
.
Os vetores coluna de so linearmente independentes e, portanto, a soluo
de mnimos quadrados nica. Temos

T
=
_
14 3
3 21
_
e
T
b =
_
1
10
_
e a soluo de
T
x =
T
b
r
1
= 17,95 e r
2
= 143,285.
A projeo ortogonal de b no espao coluna de
x =
1
285
_
_
92
439
470
_
_
.

Exemplo 5.39 Encontrre a projeo ortogonal do vetor u = (3. 3. 8. 9)


no subespao do R
4
gerado pelos vetores
u
1
= (3. 1. 0. 1). u
2
= (1. 2. 1. 1). u
3
= (1. 0. 2. 1).
Resoluo. Poderamos resolver este problema ortonormalizando u
1
. u
2
.
u
3
e depois usar a frmula da projeo ortogonal. Entretanto, o mtodo a
seguir mais eciente. Forme a matriz cujas colunas so formadas pelas
entradas de u
1
. u
2
e u
3
e a matriz coluna b formada pelas entradas de u
=
_

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

_
e b =
_

_
3
3
8
9
_

_
.
Notas de aula do Professor Faleiros
5.13 Solues de mnimos quadrados 131
O sistema x = b no possui soluo pois b no est no espao coluna de .
Se x for a projeo ortogonal de b no espao coluna de . que denotaremos
por \. ento b x ortogonal ao espao coluna de e est no espao nulo
de
T
. Isto signica que
T
(x b) = 0. Sendo

T
=
_
_
11 6 4
6 7 0
4 0 6
_
_
e
T
b =
_
_
3
8
10
_
_
construmos o sistema normal
T
x =
T
b cuja soluo
x =
_
_
1
2
1
_
_
.
A projeo ortogonal de b no espao coluna de
j:o,
W
b = x =
_

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

_
_
_
1
2
1
_
_
=
_

_
2
3
4
0
_

_
e assim a projeo de u no espao gerado por u
1
. u
2
. u
3

j:o,
W
u = (2. 3. 4. 0).

Denio 5.40 Se \ um subespao de R


n
. a transformao 1 : R
n
R
n
que leva cada vetor x em R
m
em sua projeo ortogonal j:o,
W
x em \
chamada projeo ortogonal de R
m
sobre \.
A matriz cannica para a projeo ortogonal de R
n
sobre \
[1] = (
T
)
1

T
onde construda usando qualquer base de \ para vetores coluna.
Exemplo 5.41 A matriz da projeo ortogonal de R
3
sobre o plano r
[1] =
_
_
1 0 0
0 1 0
0 0 0
_
_
.
Notas de aula do Professor Faleiros
132 Produto interno
Vamos mostrar que esta matriz compatvel com a frmula [1] = (
T
)
1

T
.
Os vetores (1. 0. 0) e (0. 1. 0) geram o plano r. Com eles formamos a
matriz . cujas colunas so as entradas destes dois vetores
=
_
_
1 0
0 1
0 0
_
_
onde observamos que
T
= 1. Vamos calcular [1] = (
T
)
1

T
=
T
[1] =
_
_
1 0
0 1
0 0
_
_
_
1 0 0
0 1 0
_
=
_
_
1 0 0
0 1 0
0 0 0
_
_
que confere com o valor de [1] posto no incio.
Exemplo 5.42 Obtenha a matriz cannica da projeo ortogonal 1 de R
2
sobre a reta : que passa pela origem e faz um ngulo o com o eixo r positivo.
O vetor direcional da reta v = (cos o. sen o) e v base do subespao sobre
o qual desejamos efetuar a projeo. Formamos a matriz
=
_
cos o
sen o
_
e, considerando que
T
a matriz identidade de tamanho 1 1. calculamos
[1] =
T
=
_
cos o
sen o
_
_
cos o sen o

=
_
cos
2
o cos osen o
cos osen o sin
2
o
_
5.14 Teorema sobre matriz inversvel
Vamos resumir neste teorema as condies sob as quais uma matriz de
tamanho : : invertvel. Este o teorema 6.4.5 do livro de Anton e Rorres
de onde foram retiradas algumas redundncias.
Teorema 5.43 Armaes equivalentes sobre a inversibilidade de uma matriz
quadrada .
Seja uma matriz real : :. As armaes abaixo so equivalentes:
1. inversvel.
2. x = 0 admite apenas a soluo trivial.
Notas de aula do Professor Faleiros
5.14 Teorema sobre matriz inversvel 133
3. A forma escalonada reduzida por linhas de a matriz identidade.
4. igual a um produto de matrizes elementares.
5. x = b consistente para cada matriz b de tamanho : 1.
6. x = b tem exatamente uma soluo para cada matriz b de tamanho
: 1.
7. det() ,= 0.
8. Os vetores coluna de so linearmente independentes.
9. Os vetores linha de so linearmente independentes.
10. Os vetores coluna de geram `
n1
(R).
11. Os vetores linha de geram `
1n
(R).
12. Os vetores coluna de formam uma base do `
n1
(R).
13. Os vetores linha de formam uma base do `
1n
(R).
14. O complemento ortogonal do espao nulo de o R
n
.
15. O complemento ortogonal do espao linha de o 0.
16.
T
inversvel.
Notas de aula do Professor Faleiros
134 Produto interno
Notas de aula do Professor Faleiros
Captulo 6
Autovalores e autovetores
Neste captulo vamos considerar que as entradas das matrizes podem ser
nmeros complexos. Desejando destacar que as entradas de uma matriz so
nmeros complexos, chame-a de matriz complexa. O conjunto das matrizes
complexas :: ser denotado por `
mn
(C). As denies de igualdade de
matrizes e as operaes de adio e multiplicao de matrizes permanecem
inalteradas. A denio de multiplicao de um escalar por uma matriz ser
mantida com a ressalva de que o escalar pode ser um nmero complexo. As pro-
priedades de todas essas operaes permanecem vlidas. O conjunto `
mn
(C)
com as operaes de adio de matrizes e multiplicao de um escalar por uma
matriz um espao vetorial complexo. Aqui cabe comentar que um nmero
real um nmero complexo com a parte imaginria igual a zero. Consequente-
mente, muitos exemplos apresentados neste captulo envolvero matrizes reais.
6.1 Autovalor e autovetor de uma matriz
Seja uma matriz complexa : :. Um nmero complexo ` um autovalor
de se houver uma matriz coluna complexa no nula x. de tamanho : 1.
para a qual
x = `x.
Tais matrizes no nulas x para as quais x = `x so denominadas de autove-
tores de associados ao autovalor `. Sendo x um autovetor de associado
ao autovalor `.
( `1)x = 0
onde 1 a matriz identidade de tamanho ::. O sistema linear acima possui
soluo no trivial se, e s se,
det(`1 ) = 0.
Notas de aula do Professor Faleiros
136 Autovalores e autovetores
Esta uma equao polinomial em ` chamada de equao caracterstica de
. O polinmio det(`1 ) possui grau : em ` e recebe o nome de polinmio
caracterstico de .
Observe que, obtido um autovalor `. qualquer soluo no trivial de (
`1)x = 0 autovetor de correspondente a `. Deste modo, o autovetor x
no nico. Como ele pertence ao ncleo do operador `1 que singular,
sendo x um autovetor correspondente a `. ento ,x tambm um autovetor
correspondente a `. para todo , no nulo.
Para determinar os autovalores de uma matriz . primeiro determine as
razes do seu polinmio caracterstico, que so os autovalores de . Para cada
autovalor encontrado, resolva a equao homognena ( `1)x = 0 que ter
solues no triviais. Os autovetores associados ao autovalor ` so os vetores
no nulos do ncleo de `1. O ncleo da matriz `1 chamado de
autoespao de correspondente ao autovalor `. O autoespao de uma matriz
de tamanho : :. correspondente ao autovalor `.
x `
n1
: ( `1)x = 0 .
Ele formado pelos autovetores de correspondente ao autovalor ` e pelo
vetor nulo. O autoespao um subespao vetorial de `
n1
.
Exemplo 6.1 O polinmio caracterstico det(`1 ) da matriz
=
_
_
0 0 2
1 2 1
1 0 3
_
_
`
3
5`
2
+ 8` 4 e suas razes so `
1
= 1 e `
2
= 2. Para determinar os
autovetores correspondentes a `
1
= 1. montamos o sistema homogneo (
`
1
1)x = 0. que neste caso
_
_
1 0 2
1 1 1
1 0 2
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
.
e calculamos sua soluo geral, que gerada por
v
3
=
_
2 1 1

T
.
Todo autovetor de correspondente ao autovalor `
1
= 1 da forma c
_
2 1 1

T
.
onde c um escalar no nulo. O autoespao de correspondente ao autovalor
`
1
= 1 formado pelos vetores da forma c
_
2 1 1

T
. onde c um escalar
Notas de aula do Professor Faleiros
6.1 Autovalor e autovetor de uma matriz 137
qualquer. Observe que `
1
= 1 uma raiz simples do polinmio caracterstico
e o autoespao correspondente a este autovalor tem dimenso 1.
Para o autovalor `
2
= 2. o sistema homogneo ( `
1
1)x = 0
_
_
2 0 2
1 0 1
1 0 1
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
0
0
0
_
_
e sua soluo geral gerada por
v
1
=
_
_
1
0
1
_
_
e v
2
=
_
_
0
1
0
_
_
.
Toda matriz da forma c
1
v
1
+ c
2
v
2
est no autoespao de correspondente
ao autovalor `
2
= 2. Os vetores no nulos deste autoespao so autovetores
de correspondente ao autovalor 2. Observe que `
2
= 2 uma raiz dupla do
polinmio caracterstico e seu autoespao tem dimenso 2.
Conhecendo a relao `
1
. `
2
. . . . . `
k
de todos os autovalores distintos de
. pode-se fatorar o seu polinmio caracterstico, escrevendo-o na forma
det(`1 ) = (` `
1
)
e
1
(` `
2
)
e
2
(` `
k
)
e
k
Os expoentes c
1
. c
2
. . . . . c
n
so as multiplicidades algbricas dos autoval-
ores `
1
. `
2
. . . . . `
k
. A dimenso do autoespao de correspondente a um
determinado autovalor ` chamada de multiplicidade geomtrica do au-
tovalor `.
No exemplo anterior, a multiplicidade algbrica de `
1
= 1 igual a 1 e sua
multiplicidade geomtrica tambm igual a 1. Para o autovalor `
2
= 2. sua
multiplicidade algbrica e geomtrica so ambas iguais a 2.
Teorema 6.2 A multiplicidade geomtrica de um autovalor sempre menor
ou igual sua multiplicidade algbrica.
Se e 1 forem matrizes semelhantes, ento existe 1 invertvel tal que
= 1
1
11. de modo que
det(`1 ) = det(`1
1
11 1
1
11) = det(1
1
(`1 1)1)
= det(1
1
) det(`1 1) det(1) = det(`1 1).
mostrando que matrizes semelhantes possuem o mesmo polinmio caracters-
tico e, consequentemente, os mesmos autovalores. Se x autovetor de
correspondente ao autovalor `. ento 1x autovetor de 1 correspondente ao
autovalor `. Se y autovalor de 1 correspondente ao autovalor `. ento 1
1
y
autovetor de correspondente ao autovalor `.
Notas de aula do Professor Faleiros
138 Autovalores e autovetores
Exemplo 6.3 O polinmio caracterstico de =
_
_
0 1 0
0 0 1
4 17 8
_
_
`
3
8`
2

17` 4 = 0 e suas razes `


1
= 4; `
2
= 2+
_
3; `
3
= 2
_
3 so os autovalores de
. Os autovetores correspondentes a `
1
. `
2
e `
3
so, respectivamente, mltiplos
de

1
=
_
_
1
4
16
_
_
.
2
=
_
_
7 4
_
3
2
_
3
1
_
_
.
3
=
_
_
7 + 4
_
3
2 +
_
3
1
_
_
.
Exemplo 6.4 Se uma matriz = [c
ij
] de tamanho : : for triangular su-
perior ou inferior ento seu polinmio caracterstico
(` c
11
)(` c
22
) (` c
nn
)
Exemplo 6.5 Os autovalores de =
_
_
1,2 0 0
1 2,3 0
5 8 1,4
_
_
so 1,2. 2,3 e
1,4.
Uma matriz, mesmo real, pode ter um autovalor complexo. Isto ocorre
quando o polinmio caracterstico possuir raiz complexa. neste caso, os au-
tovetores tambm sero complexos.
Exemplo 6.6 Os autovalores de =
_
2 1
5 2
_
so i e i.
Exemplo 6.7 Determine os autovalores e autovetores da matriz =
_
3 0
8 1
_
.
6.2 Autovalor e autovetor de um operador lin-
ear
Seja \ um espao vetorial complexo e 1 : \ \ uma transformao linear.
Um nmero complexo ` um autovalor de 1 se houver um vetor v no nulo,
tal que
1v = `v.
Os vetores no nulos v para os quais 1v = `v so denominados de autove-
tores de 1 associados ao autovalor `.
Seja 1 = v
1
. . . . . v
n
uma base de um espao vetorial complexo \ com
dimenso nita e 1 : \ \ um operador linear. Se [1] = [c
ij
] for a matriz
Notas de aula do Professor Faleiros
6.2 Autovalor e autovetor de um operador linear 139
de 1 na base 1. ento 1(v
j
) =

n
i=1
c
ij
v
i
. Sendo v = r
1
v
1
+ + r
n
v
n
um
autovetor de 1 associado a `. ento 1(v) = `v e
`
n

i=1
r
i
v
i
= 1
_
n

j=1
r
j
v
j
_
=
n

j=1
r
j
1 (v
j
) =
n

j=1
r
j
_
n

i=1
c
ij
v
i
_
=
n

i=1
_
n

j=1
c
ij
r
j
_
v
i
ou
n

j=1
c
ij
r
j
= `
n

i=1
r
i
para , = 1. . . . . :. Estas : igualdades escalares corresponde igualdade ma-
tricial
_

_
c
11
c
1n
.
.
.
.
.
.
.
.
.
c
m1
c
mn
_

_
_

_
r
1
.
.
.
r
n
_

_
= `
_

_
r
1
.
.
.
r
n
_

_
que se resume a
[1]x = `x
onde x a matriz de coordenadas de v na base 1. Logo, ` autovalor de uma
transformao linear 1 se e s se for autovalor da matriz de 1 numa base 1
de \ e v um autovetor de 1 se e s se sua matriz x na base 1 for autovetor
de .
Ao inclui o vetor nulo no conjunto de todos os autovetores de um operador
1 correspondentes ao seu autovalor `. obtemos o autoespao de 1 correspon-
dente ao autovalor `.
Exemplo 6.8 Encontre os autovalores e os autoespaos do operador linear 1 :
R
3
R
3
denido por
1(r
1
. r
2
. r
3
) = (2r
3
. r
1
+ 2r
2
+ r
3
. r
1
+ 3r
3
).
A matriz de 1 em relao base cannica do R
3

[1] =
_
_
0 0 2
1 2 1
1 0 3
_
_
cujos autovalores so `
1
= 1 e `
2
= 2. Uma base do autoespao de [1] associado
a `
1
= 1
v
3
=
_
2 1 1

T
.
e uma base do autoespao de [1] associado a `
2
= 2
v
1
=
_
1 0 1

T
e v
2
=
_
0 1 0

T
Notas de aula do Professor Faleiros
140 Autovalores e autovetores
A base do autoespao de 1 associado a `
1
= 1 formada pelo vetor (2. 1.
1) e uma base do autoespao de 1 associado a `
2
= 2 formada pelos vetores
(1. 0. 1) e (0. 1. 0).
Exemplo 6.9 Considere o operador linear 1 : R
3
R
3
denido por
1(r
1
. r
2
. r
3
) = (2r
3
. r
1
+ 2r
2
+ r
3
. r
1
+ 3r
3
).
Encontre uma base de R
3
em relao qual a matriz de 1 diagonal.
Exemplo 6.10 Determine os autovalores e autovetores da transformao lin-
ear
1(r
1
. r
2
. r
3
) = (r
1
. r
2
. 0).
6.3 Potncias de matrizes
***
Seja uma matriz quadrada e / um nmero inteiro positivo. Denimos

0
= 1 e
k
= (
k1
). Se
r = `r
ento

2
r = `
2
r.
Logo, se r for autovetor de correspondente a `. ento r autovetor de
2
correspondente a `
2
. Podemos ir alm, se x for autovetor de correspondente
a ` e j(t) for um polinmio, ento
j()x = j(`)x
e podemos armar que, se ` for autovalor de . ento j(`) autovalor de j().
Se x for autovetor de correspondente ao autovalor `. ento x autovetor de
j() correspondente ao autovalor j(`).
Exemplo 6.11 Os vetores coluna
_
_
1
0
1
_
_
e
_
_
0
1
0
_
_
so autovetores de =
_
_
0 0 2
1 2 1
1 0 3
_
_
correspondentes ao autovalor 2. Logo, estes mesmos vetores so
autovetores de
7
correspondentes ao autovalor 2
7
.
Notas de aula do Professor Faleiros
6.4 Diagonalizao 141
6.4 Diagonalizao
Denio 6.12 Uma matriz diagonalizvel se existir uma matriz in-
vertvel 1 tal que 1
1
1 uma matriz diagonal. Dizemos que a matriz 1
diagonaliza .
Teorema 6.13 Seja uma matriz : :. so equivalentes as armaes que
seguem:
1. diagonalizvel;
2. possui : autovetores linearmente independente;
Para uma matriz : : possuir : autovetores linearmente independentes,
a multiplicidade geomtrica de cada autovalor de deve ser igual sua mul-
tiplicidade algbrica.
O teorema anterior sugere um procedimento para diagonalizar uma matriz
1. Encontre : autovetores linearmente independente j
1
. . . . . j
n
;
2. Forme a matriz 1 =
_
j
1
. . . j
n

cujas colunas so formadas pelos


autovetores.
3. A matriz 1
1
1 ser diagonal e os elementos da diagonal `
1
. . . . . `
n
sero exatamente os autovalores de .
Exemplo 6.14 Para diagonalizar a matriz
=
_
_
0 0 2
1 2 1
1 0 3
_
_
.
determinamos as razes da sua equao caracterstica (` 1)(` 2)
2
= 0 para
obter os autovalores `
1
= 1 e `
2
= 2. Resolvendo a equao ( `
i
1)x = 0.
para `
1
e `
2
. obtemos os autovetores
v
1
=
_
_
2
1
1
_
_
. v
2
=
_
_
1
0
1
_
_
e v
3
=
_
_
0
1
0
_
_
.
O primeiro autovetor corresponde ao autovalor `
1
= 1 e os outros dois a `
2
=
2. Formamos com eles a matriz
1 =
_
_
1 0 2
0 1 1
1 0 1
_
_
Notas de aula do Professor Faleiros
142 Autovalores e autovetores
cujas colunas so v
1
. v
2
e v
3
e calculamos sua inversa
1
1
=
_
_
1 0 2
1 1 1
1 0 1
_
_
.
A matriz
1
1
1 =
_
_
2 0 0
0 2 0
0 0 1
_
_
diagonal e os elementos da diagonal principal so os autovalores de .
Exemplo 6.15 A matriz
=
_
_
1 0 0
1 2 0
3 5 2
_
_
no diagonalizvel pois ela possui dois autovalores `
1
= 1 e `
2
= 2 e, as-
sociados a cada um deles, um nico autovetor linearmente independente, que
so
v
1
=
_
_
1
1
1
_
_
e v
2
=
_
_
0
0
1
_
_
.
Como possui apenas dois autovetores linearmente independente, ela no
diagonalizvel.
Pode-se vericar que no diagonalizvel analisando os postos das ma-
trizes `
1
1 e `
2
1. Como o posto da matriz (`
1
1) igual a 2. sua
nulidade igual a 1. mostrando que as bases do autoespao de associado a
`
1
possui um nico autovetor. Como o posto da matriz ( `
2
1) igual a
2. sua nulidade igual a 1. mostrando que as bases do autoespao de cor-
respondente a `
2
possui um nico autovetor. Logo, possui no mximo dois
autovetores linearmente independentes.
Teorema 6.16 Um conjunto formado por autovetores correspondentes a au-
tovalores distintos linearmente independente.
Prova. Um conjunto v com um nico autovetor linearmente indepen-
dente pois v ,= 0. Vamos supor, como hiptese de induo, que todo conjunto
de autovetores v
1
. . . . . v
r
. com 1 6 : < /. formado por autovetores de
correspondentes a autovalores distintos linearmente independente. Provemos
ento que todo conjunto v
1
. . . . . v
k
formado por autovetores correspondentes
a autovalores distintos linearmente independente.
Notas de aula do Professor Faleiros
6.4 Diagonalizao 143
Sejam c
1
. . . . . c
k
escalares tais que c
1
v
1
+ + c
k
v
k
= 0. Multiplique esta
equao inicialmente por e, em seguida, por `
k
. Subtraindo um resultado
do outro, segue
c
1
(`
1
`
k
)v
1
+ + c
k1
(`
k1
`
k
)v
k1
+ c
k
(`
k
`
k
)
r+1
= 0.
Sendo nula a ltima parcela, chega-se a
c
1
(`
1
`
k
)v
1
+ + c
k1
(`
k1
`
k
)v
k1
= 0.
Da independncia linear de v
1
. . . . . v
k1
e sendo os autovalores distintos,
conclumos que c
1
= = c
r
= 0. Da, como v
k
,= 0. segue que c
k
= 0. o que
prova a independncia linear de v
1
. . . . . v
k
.
Nota 6.17 Sejam `
1
. `
2
. . . . . `
k
os autovalores distintos de uma matriz
de ordem :. Para cada inteiro i entre 1 e /. a dimenso do auto-espao cor-
respondente ao autovalor `
i
pode ser maior do que 1. Seja E
i
uma base do
auto-espao correspondente ao autovalor `
i
. A unio de todas as bases E
i

um conjunto linearmente independente.
Teorema 6.18 Se uma matriz de tamanho :: tem : autovalores distin-
tos, ento diagonalizvel.
Prova. Se tem : autovalores distintos, ento possui : autovetores lin-
earmente independentes e, portanto, diagonalizvel.
Exemplo 6.19 A matriz =
_
_
0 1 0
0 0 1
4 17 8
_
_
possui trs autovalores distin-
tos, `
1
= 4. `
2
= 2 +
_
3 e `
3
= 2
_
3. Portanto, diagonalizvel e existe
uma matriz 1. cujas colunas so autovetores de tal que
1
1
1 =
_
_
4 0 0
0 2 +
_
3 0
0 0 2
_
3
_
_
Matrizes triangulares superiores ou inferiores com entradas distintas na
diagonal principal so diagonalizveis.
Exemplo 6.20 A matriz =
_

_
1 2 4 0
0 3 1 7
0 0 5 8
0 0 0 2
_

_
diagonalizvel pois pos-
sui quatro autovalores distintos e, consequentemente, quatro autovetores lin-
earmente independentes.
Notas de aula do Professor Faleiros
144 Autovalores e autovetores
6.5 Potncia de uma matriz
Se uma matriz quadrada : :. denimos
0
como sendo a matriz identi-
dade e

k
=
k1

para todo nmero inteiro / 0.


Se 1 for invertvel e 1 = 1
1
1. ento
1
k
= 1
1

k
1
e, sendo q(t) um polinmio,
q(1) = 1
1
q()1
Sendo diagonalizvel, existe 1 invertvel e 1 diagonal tais que =
1
1
11 e
k
= 1
1
1
k
1.
Quando 1 diagonal, ela uma matriz da forma
_

_
`
1
0 . . . 0
0 `
2
. . . 0
.
.
. 0
.
.
.
.
.
.
0 0 0 `
n
_

_
.
Neste caso, 1
k
=
_

_
`
k
1
0 . . . 0
0 `
k
2
. . . 0
.
.
. 0
.
.
.
.
.
.
0 0 0 `
k
n
_

_
e

k
= 1
1
1
k
1 = 1
1
_

_
`
k
1
0 . . . 0
0 `
k
2
. . . 0
.
.
. 0
.
.
.
.
.
.
0 0 0 `
k
n
_

_
1.
Sendo q(t) um polinmio, ento
q() = 1
1
q(1)1 = 1
1
_

_
q(`
1
) 0 . . . 0
0 q(`
2
) . . . 0
.
.
. 0
.
.
.
.
.
.
0 0 0 q(`
n
)
_

_
1.
Exemplo 6.21 Calcule
13
onde =
_
_
0 0 2
1 2 1
1 0 3
_
_
.
Notas de aula do Professor Faleiros
6.6 Diagonalizao ortogonal 145
6.6 Diagonalizao ortogonal
No espao vetorial das matrizes coluna reais com : linhas, vamos considerar o
produto interno euclidiano
x. y = x
T
y
onde x e y so matrizes coluna em `
n1
(R). Se uma matriz quadrada de
tamanho :. ento
x. y =

x.
T
y
_
.
e, quando for simtrica,
x. y = x. y .
Uma matriz quadrada ortogonalmente diagonalizvel se existir
uma matriz ortogonal 1 tal que
1 = 1
1
1 = 1
T
1
uma matriz diagonal. Se diz neste caso que 1 diagonaliza ortogonalmente.
Se for ortogonalmente diagonalizvel, ento simtrica. A recproca
tambm verdadeira, como se enuncia no prximo teorema.
Teorema 6.22 Seja uma matriz simtrica : :.
1. Os autovalores de so reais.
2. Autovetores da correspondentes a autovalores distintos so ortogonais.
3. possui um conjunto ortonormal de : autovetores.
4. ortogonalmente diagonalizvel
Para diagonalizar uma matriz simtrica, siga os seguintes passos:
Passo 1. Encontre uma base de cada auto-espao de .
Passo 2. Use o processo de ortogonalizao de Gram-Schmidt para obter
uma base ortogonal de cada auto-espao.
Passo 3. Divida cada vetor dessas bases pelas suas normas para obter
bases ortonormais dos auto-espaos.
Passo 4. Forme a matriz 1 cujas colunas so os autovetores ortonormais
obtidos. Esta matriz diagonaliza a matriz . A matriz 1
T
1 diagonal.
Notas de aula do Professor Faleiros
146 Autovalores e autovetores
Exemplo 6.23 Os autovalores de
=
_
_
4 2 2
2 4 2
2 2 4
_
_
so `
1
= 2 e `
2
= 8. O autovalor `
1
= 2 possui multiplicidade algbrica 2 e
seu autoespao gerado pelos autovetores
v
1
=
1
_
2
_
_
2
1
0
_
_
e v
2
=
1
_
6
_
_
1
1
2
_
_
.
Eles j foram ortonormalizados pelo processo de Gram-Schmidt. O autovalor
`
2
= 8. possui multiplicidade algbrica 1 e seu autoespao gerado por
v
3
=
1
_
3
_
_
1
1
1
_
_
.
A matriz 1 que diagonaliza
1 =
_
_
1,
_
2 1,
_
6 1,
_
3
1,
_
2 1,
_
6 1,
_
3
0 2,
_
6 1,
_
3
_
_
.
Notas de aula do Professor Faleiros
Referncias Bibliogrcas
[BoCoFi] J. L. Boldrini, S. I. R. Costa, V. L. Figueiredo e H. G. Wetzler,
lgebra Linear, Terceira Edio. Editora HARBRA Ltda, 1980
[CaDoCo] C. A. Callioli, H. H. Domingues e R. C. F. Costa, lgebra Linear
e Aplicaes, sexta edio. Editora Atual, 1990.
[Franklin] Joel N. Franklin, Matrix Theory, Dover publications, Inc., 1993.
[Homan] Homann & Kunze, lgebra Linear. Editora da USP com Editora
Polgono.
[Kolman] Bernard Kolman, Introduo lgebra Linear com Aplicaes,
sexta edio. Editora LTC, 1998.
[Lang] Serge Lang, lgebra Linear. Editora Edgard Blcher.
[Lawson] Terry Lawson, lgebra Linear. Editora Edgard Blcher, 1997.
Acompanham este livro: Matlab Labs for Linear Algebra, Math-
ematica Labs for Linear Algebra, Maple Labs for Linear Algebra.
[Lipschutz] Seymour Lipschutz, lgebra Linear. Coleo Schaum. Makron
Books.
[Nering] Evar D. Nering, Linear Algebra and Matrix Theory. John Wiley
& Sons, 1970.
[Nicholson] W. Keith Nicholson, lgebra Linear, segunda ed. McGraw-Hill,
2004.
[NobDan] Ben Noble & James W. Daniel, lgebra Linear Aplicada, segunda
edio. Guanabara Koogan, 1986.
[Poole] David Poole (Foi traduzido), Linear Algebra: A Modern Intro-
duction (with CD-ROM) 2ed. Brooks Cole 2005.
Notas de aula do Professor Faleiros
148 REFERNCIAS BIBLIOGRFICAS
[RoAn] Chris Rorres e Howard Anton, lgebra Linear com Aplicaes,
oitava edio. Editora Bookman, 2001.
[TrefBau] Lloyd N. Trefethen and David Bau III, Numerical Linear Algebra.
SIAM, Society for Industrial and Applied Mathematics, 1997.
Notas de aula do Professor Faleiros

You might also like