You are on page 1of 100

NMF105

Algebra Linear
Notas de aula

2010
-rev1
Prof. Fabio Lacerda
Prof. Emerson Costa
Prof. Ronaldo Pimentel
ÍNDICE

UNIDADE 1 – MATRIZES E SISTEMAS DE EQUAÇÕES LINEARES .................................. 1
1.1 INTRODUÇÃO..................................................................................................................................... 1
1.2 TIPOS ESPECIAIS DE MATRIZ ............................................................................................................. 2
1.2.1 Matriz quadrada .......................................................................................................................... 2
1.2.2 Matriz nula .................................................................................................................................. 2
1.2.3 Matriz coluna ............................................................................................................................... 2
1.2.4 Matriz linha.................................................................................................................................. 2
1.2.5 Matriz diagonal ............................................................................................................................ 2
1.2.6 Matriz identidade ........................................................................................................................ 3
1.2.7 Matriz triangular .......................................................................................................................... 3
1.2.8 Matriz triangular .......................................................................................................................... 3
1.2.9 Matriz simétrica ........................................................................................................................... 3
1.3 OPERAÇÕES BÁSICAS COM MATRIZES .............................................................................................. 4
1.3.1 Adição .......................................................................................................................................... 4
1.3.2 Multiplicação ............................................................................................................................... 5
1.3.3 Transposição ................................................................................................................................ 6
1.4 MULTIPLICAÇÃO DE MATRIZES ......................................................................................................... 8
1.5 OPERAÇÕES ELEMENTARES COM LINHAS DE MATRIZ .................................................................... 11
1.6 MATRIZ INVERSA ............................................................................................................................. 12
1.6.1 Cálculo da matriz inversa pelo método de Gauss-Jordan ......................................................... 13
1.7 SISTEMAS DE EQUAÇÕES LINEARES ................................................................................................ 14
1.7.1 Definições básicas ..................................................................................................................... 14
1.7.2 Método de Gauss ...................................................................................................................... 15
1.7.3 Usando matriz inversa ............................................................................................................... 17
LISTA DE EXERCÍCIOS 1 ............................................................................................................................ 18
UNIDADE 2 – DETERMINANTES ............................................................................................ 27
2.1 DETERMINANTE ............................................................................................................................... 27
2.2 MENOR COMPLEMENTAR ................................................................................................................ 29
2.3 COFATOR ou COMPLEMENTO ALGÉBRICO ...................................................................................... 30
2.4 DEFINIÇÃO DE DETERMINANTE (GERAL) .......................................................................................... 30
2.5 PROPRIEDADES DOS DETERMINANTES ............................................................................................ 33
2.6 CÁLCULO DE DETERMINANTES (REGRA DE CHIÓ) ............................................................................ 34
LISTA DE EXERCÍCIOS 2 ............................................................................................................................ 38
UNIDADE 3 – ESPAÇOS VETORIAIS ...................................................................................... 40
3.1 ESPAÇOS VETORIAIS REAIS ............................................................................................................... 40
3.2 SUBESPAÇOS VETORIAIS REAIS ........................................................................................................ 43
3.3 COMBINAÇÃO LINEAR ...................................................................................................................... 46
3.4 ESPAÇOS GERADOS .......................................................................................................................... 51
3.5 DEPENDÊNCIA E INDEPENDÊNCIA LINEAR ....................................................................................... 55
3.6 BASES E DIMENSÃO .......................................................................................................................... 62
3.6.1 Base de um Espaço Vetorial ...................................................................................................... 62
3.6.2 Dimensão de um Espaço Vetorial .............................................................................................. 71
3.7 MUDANÇA DE BASE .......................................................................................................................... 75
LISTA DE EXERCÍCIOS 3 ............................................................................................................................ 81
UNIDADE 4 – TRANSFORMAÇÕES LINEARES ................................................................... 91
LISTA DE EXERCÍCIOS 4 ............................................................................................................................ 95
BIBLIOGRAFIA E REFERÊNCIAS ........................................................................................... 96






















NMF105 – Notas de aula 1
NMF105 – ALGEBRA LINEAR

Prof. Emerson Costa (responsável pela disciplina)
Prof. Fabio Lacerda (flacerda@fumec.br)




UNIDADE 1 – MATRIZES E SISTEMAS DE EQUAÇÕES LINEARES Notas de Aula



1 1. .1 1 I IN NT TR RO OD DU UÇ ÇÃ ÃO O

Matriz é uma tabela de elementos dispostos em linhas e colunas. Sua utilização passa a ser
indispensável quando o número de variáveis e observações em um problema torna-se muito
grande.

Por exemplo, seja a composição de uma carteira de ações e a sua evolução ao longo do
primeiro semestre:

Movimentação (em número de ações)
Ação Mês Jan Fev Mar Abr Mai Jun
PETR4 (Petrobras) 200 262 180 85 0 167
VALE5 (Vale) 0 0 343 203 150 110
USIM5 (Usiminas) 50 0 162 215 400 300
GVTT3 (GVT) 0 160 40 0 420 480



Poderia ser abstraída para:





Generalizando, tem-se:
ܣ
௠ ௫ ௡
= ൦
ܽ
ଵଵ
ܽ
ଵଶ
⋯ ܽ
ଵ௡
ܽ
ଶଵ
ܽ
ଶଶ
⋯ ܽ
ଶ௡
⋮ ⋮ ⋱ ⋮
ܽ
௠ଵ
ܽ
௠ଶ
⋯ ܽ
௠௡
൪ = [ܽ
௜௝
]
௠ ௫ ௡



NMF105 – Notas de aula 2
1 1. .2 2 T TI IP PO OS S E ES SP PE EC CI IA AI IS S D DE E M MA AT TR RI IZ Z


1.2.1 Matriz quadrada O número de linhas é igual ao número de colunas (m = n).
Exemplos:
ܣ
ଷ௫ଷ
= ൥
2 −7 8
5 3 5
−1 2 4
൩ ∴ ܤ
ଵ௫ଵ
= ሾ2ሿ ∴ ܥ
ଶ௫ଶ
= ቂ
1 2
3 4



1.2.2 Matriz nula Todos os elementos da matriz são nulos (ܽ
௜௝
para todo i e j).
Exemplos:
ܣ
ଶ௫ସ
= ቂ
0 0 0 0
0 0 0 0
ቃ ∴ ܤ
ଵ௫ଵ
= ሾ0ሿ ∴ ܥ
ଷ௫ଶ
= ൥
0 0
0 0
0 0



1.2.3 Matriz coluna Possui uma única coluna (n=1).
Exemplos:
ܣ
ଷ௫ଵ
= ൥
1
−2
3
൩ ∴ ܤ
ଶ௫ଵ
= ቂ
0
ݔ
ቃ ∴ ܥ
ସ௫ଵ
= ቎
ݔ
2
ݕ
ݖ



1.2.4 Matriz linha Possui uma única linha (m=1).
Exemplos:
ܣ
ଵ௫ଷ
= ሾ
1 −2 3
ሿ ∴ ܤ
ଵ௫ଶ
= ሾ
0 ݔ
ሿ ∴ ܥ
ଵ௫ସ
= ሾݔ 2 ݕ ݖሿ


1.2.5 Matriz diagonal Matriz quadrada (m=n) onde ܽ
௜௝
= 0 para ݅ ≠ ݆. Ou seja, todos os
elementos fora da diagonal principal são nulos.
Exemplos:
ܣ
ଶ௫ଶ
= ቂ
2 0
0 0
ቃ ∴ ܤ
ଷ௫ଷ
= ൥
1 0 0
0 −5 0
0 0 ݕ
൩ ∴ ܥ
ସ௫ସ
= ൦
1 0 0 0
0 2 0 0
0 0 3 0
0 0 0 4



NMF105 – Notas de aula 3

1.2.6 Matriz identidade Representada por I, matriz quadrada (m=n) onde ܽ
௜௝
= 1 para
݅ = ݆ e ܽ
௜௝
= 0 para ݅ ≠ ݆. Ou seja, possui “1” na diagonal
principal e “0” para todas as outras entradas.
Exemplos:
ܫ

= ቂ
1 0
0 1
ቃ ∴ ܫ

= ൦
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
൪ ∴ ܫ

= ൥
1 0 0
0 1 0
0 0 1



1.2.7 Matriz triangular Matriz quadrada (m=n) onde ܽ
௜௝
= 0 para ݅ > ݆.
Exemplos:
ܣ
ଶ௫ଶ
= ቂ
1 1
0 1
ቃ ∴ ܣ
ସ௫ସ
= ൦
1 ݔ 0 0
0 0 −2 2
0 0 0 0
0 0 0 1
൪ ∴ ܣ
ଷ௫ଷ
= ൥
0 0 −4
0 ݕ 0
0 0 1



1.2.8 Matriz triangular Matriz quadrada (m=n) onde ܽ
௜௝
= 0 para ݅ < ݆.
Exemplos:
ܣ
ଶ௫ଶ
= ቂ
1 0
1 0
ቃ ∴ ܣ
ସ௫ସ
= ൦
0 0 0 0
0 0 0 0
10 −2 0 0
5 ݕ 0 0
൪ ∴ ܣ
ଷ௫ଷ
= ൥
2 0 0
−1 4 0
3 ݕ 1



1.2.9 Matriz simétrica Matriz quadrada (m=n) onde ܽ
௜௝
= ܽ
௝௜
.
Exemplos:
ܣ
ଶ௫ଶ
= ቂ
0 7
7 0
ቃ ∴ ܤ
ଷ௫ଷ
= ൥
1 −4 0
−4 5 0
0 0 ݕ
൩ ∴ ܥ
ସ௫ସ
= ൦
ܽ ܾ ܿ ݀
ܾ ݁ ݂ ݃
ܿ ݂ ℎ ݅
݀ ݃ ݅ ݆






NMF105 – Notas de aula 4

1.2.10 Matriz anti-simétrica Matriz quadrada (m=n) onde
ܽ
௜௝
= −ܽ
௝௜
para ݅ ≠ ݆ e
ܽ
௜௝
= 0 para ݅ = ݆.

Exemplos:
ܣ
ଶ௫ଶ
= ቂ
0 −7
7 0
ቃ ∴ ܤ
ଷ௫ଷ
= ൥
0 4 0
−4 0 1
0 −1 0
൩ ∴ ܥ
ସ௫ସ
= ൦
0 −ܾ ܿ ݀
ܾ 0 ݂ −݃
−ܿ −݂ 0 −݅
−݀ ݃ ݅ 0




1 1. .3 3 O OP PE ER RA AÇ ÇÕ ÕE ES S B BÁ ÁS SI IC CA AS S C CO OM M M MA AT TR RI IZ ZE ES S


1.3.1 Igualdade Duas matrizes são consideradas iguais quando elas possuem as mesmas
dimensões (ܣ
௠ ௫ ௡
= ܤ
௠ ௫ ௡
) e seus elementos correspondentes são iguais

௜௝
= ܾ
௜௝
)

Exemplo:

Considere as matrizes
ܣ = ቂ
1 −1
2 3
ቃ , ܤ = ቂ
1 −1 0
2 3 0
ቃ , ܥ = ൤
1 ݔ
ݕ 3
൨ ݁ ܦ = ቂ
1 −1
−2 3

• ܣ
ଶ௫ଶ
e ܤ
ଶ௫ଷ
não não iguais porque não possuem as mesmas
dimensões;
• ܣ
ଶ௫ଶ
e ܦ
ଶ௫ଶ
não não iguais porque ܽ
ଶଵ
= 2 e ݀
ଶଵ
= −2 (não não
iguais);
• Se ܣ = ܥ então ݔ = −1 e ݕ = 2.


1.3.2 Adição a soma de duas matrizes de mesma ordem (ܣ
௠ ௫ ௡
= ܤ
௠ ௫ ௡
) é representada
por “ A+B ”, cujos elementos são somas dos elementos correspondentes de
A e B. Ou seja,

NMF105 – Notas de aula 5
ܣ +ܤ = ൦
ܽ
ଵଵ

ଵଵ
ܽ
ଵଶ

ଵଶ
⋯ ܽ
ଵ௡

ଵ௡
ܽ
ଶଵ

ଶଵ
ܽ
ଶଶ

ଶଶ
⋯ ܽ
ଶ௡

ଶ௡
⋮ ⋮ ⋱ ⋮
ܽ
௠ଵ

௠ଵ
ܽ
௠ଶ

௠ଶ
⋯ ܽ
௠௡

௠௡


Exemplos:

1 −1
2 3
ቃ +ቂ
0 4
3 −3
ቃ = ቂ
1 3
5 0
ቃ ∴ ൥
1 2
3 4
5 6
൩ +൥
7 8
9 10
11 12
൩ = ൥
8 10
12 14
16 18


∴ ሾ
2 ݔ −3
ሿ +ሾݕ −1 0ሿ = ሾ2 + ݕ ݔ −1 −3ሿ

Propriedades:
i) A + B = B + A (comutatividade)
ii) A + (B + C) = (A + B) + C (associatividade)
iii) A + 0 = A , onde “0” é uma matriz nula


1.3.3 Multiplicação representada por “ k.A ”, é obtida multiplicando-se A por k. Ou seja,

݇ܣ = ൦
݇ܽ
ଵଵ
݇ܽ
ଵଶ
⋯ ݇ܽ
ଵ௡
݇ܽ
ଶଵ
݇ܽ
ଶଶ
⋯ ݇ܽ
ଶ௡
⋮ ⋮ ⋱ ⋮
݇ܽ
௠ଵ
݇ܽ
௠ଶ
⋯ ݇ܽ
௠௡


Exemplos:
ܲܽݎܽ ݇ = −3 ݁ ܣ = ൥
0 −1 2
2 4 1
−1 3 −2

݇ܣ = −3. ൥
0 −1 2
2 4 1
−1 3 −2
൩ = ൥
0 3 −6
−6 −12 −3
3 −9 6


ܲܽݎܽ ݇ = ݔ ݁ ܣ = ൥
0 −ݔ 2
0 2ݔ 1
−1 0 −2

݇ܣ = ݔ. ൥
0 −ݔ 2
0 2ݔ 1
−1 0 −2
൩ = ൥
0 −ݔ


0 2ݔ

ݔ
−ݔ 0 −2ݔ




NMF105 – Notas de aula 6
Propriedades:
i) k.(A + B) = kA + kB
ii) (k
1
+ k
2
).A = k
1
A + k
2
A
iii) 0.A = 0, onde o primeiro “ 0 ” é um escalar e o segundo é uma matriz nula
iv) k
1
( k
2
A) = (k
1
k
2
)A

1.3.4 Transposição representada por “ ܣ

” ou por “ܣ

”, é obtida quando as linhas de A
passam a ser colunas de B (= ܣ

). Ou seja, ܾ
௜௝
= ܽ
௝௜
.

Exemplos:
ܣ = ቂ
0 −1 ݕ
2 4 8

ଶ ௫ ଷ
ܣ

= ൥
0 2
−1 4
ݕ 8

ଷ ௫ ଶ


ܥ = ቈ
ݔ
2
−1

ଷ ௫ ଵ
ܥ

= ሾ
ݔ 2 −1

ଵ ௫ ଷ


Propriedades:
i) Uma matriz (A) é simétrica somente se ܣ = ܣ


ii) ܣ
ᇱᇱ
= ܣ ݋ݑ (ܣ

)

= ܣ
iii) (ܣ +ܤ)

= ܣ




iv) (݇ܣ)

= ݇ܣ





Exemplo 1: Sendo ܣ = ൥
−3 0 2
0 4 −6
−7 1 1
൩, calcule 2ܣ

Solução:
2. ൥
−3 0 2
0 4 −6
−7 1 1
൩ = ቎
2. ሺ−3ሻ 2.0 2.2
2.0 2.4 2. ሺ−6ሻ
2. ሺ−7ሻ 2.1 2.1
቏ = ൥
−6 0 4
0 8 −12
−14 2 2

Conclusão: 2ܣ = ൥
−6 0 4
0 8 −12
−14 2 2



NMF105 – Notas de aula 7

Exemplo 2: Sendo ܥ = ൥
1 2 3
−2 0 4
−3 0 2
൩, calcule 2ܥ



Solução:
2. ൥
1 2 3
−2 0 4
−3 0 2


= 2. ൥
1 −2 −3
2 0 0
3 4 2
൩ = ൥
2.1 2. ሺ−2ሻ 2. ሺ−3ሻ
2.2 2.0 2.0
2.3 2.4 2.2

= ൥
2 −4 −6
4 0 0
6 8 4


Conclusão: 2ܥ

= ൥
2 −4 −6
4 0 0
6 8 4



Exemplo 3: Dadas ܣ = ൥
−3 0 2
0 4 −6
−7 1 1
൩, ܤ = ൥
2 4 6
6 4 2
−3 −4 0
൩ e ܥ = ൥
1 2 3
−2 0 4
−3 0 2
൩, calcule X
para ࢄ −૛࡭ = ࡮ −૛࡯



Solução 1:
ܺ −2ܣ = ܤ −2ܥ

⇨ ܺ = ܤ −2ܥ

+2ܣ
aproveitando os cálculos dos exemplos 1 e 2, tem-se,


ܺ = ൥
2 4 6
6 4 2
−3 −4 0
൩ +൥
−2 +4 +6
−4 0 0
−6 −8 −4
൩ +൥
−6 0 4
0 8 −12
−14 2 2
൩ ⇨
ܺ = ൥
2 −2 −6 4 +4 +0 6 +6 +4
6 −4 +0 4 −0 +8 2 −0 −12
−3 −6 −14 −4 −8 +2 0 −4 +2
൩ ⇨

NMF105 – Notas de aula 8
ܺ = ൥
−6 8 16
2 12 −10
−23 −10 −2


Solução 2:
De forma mais direta, tem-se
ܺ −2ܣ = ܤ −2ܥ

⇨ ܺ = ܤ −2ܥ

+2ܣ
ܺ = ൥
2 4 6
6 4 2
−3 −4 0
൩ −2. ൥
1 −2 −3
2 0 0
3 4 2
൩ +2. ൥
−3 0 2
0 4 −6
−7 1 1
൩ ⇨
ܺ = ቎
2 −2.1 +2. ሺ−3ሻ 4 −2. ሺ−2ሻ +2.0 6 −2. ሺ−3ሻ +2.2
6 −2.2 +2.0 4 −2.0 +2.4 2 −2.0 +2. ሺ−6ሻ
−3 −2.3 +2. ሺ−7ሻ −4 −2.4 +2.1 0 −2.2 +2.1
቏ ⇨
ܺ = ൥
−6 8 16
2 12 −10
−23 −10 −2


Conclusão: ܺ −2ܣ = ܤ −2ܥ

⇨ ܺ = ൥
−6 8 16
2 12 −10
−23 −10 −2





1 1. .4 4 M MU UL LT TI IP PL LI IC CA AÇ ÇÃ ÃO O D DE E M MA AT TR RI IZ ZE ES S


O produto de duas matrizes A e B, denotado por “AB”, só é possível se o número de colunas de
A for igual ao número de linhas de B. Cada elemento resultante ij é obtido pelo produto da
linha i de A pela coluna j de B. Ou seja, se ܥ = ܣܤ,
ܿ
௜௝
= ܽ
௜ଵ
ܾ
ଵ௝

௜ଶ
ܾ
ଶ௝
+⋯+ ܽ
௜௣
ܾ
௣௝
= ෍ ܽ
௜௞
ܾ
௞௝

௞ୀଵ

Assim, por exemplo,
ܣ
ଵ௫ଶ
. ܤ
ଶ௫ଷ
= ܥ
ଵ௫ଷ
∴ ܣ
ସ௫ଶ
. ܤ
ଶ௫ଷ
= ܥ
ସ௫ଷ

ܣ
ଵ௫ଷ
. ܤ
ଷ௫ଵ
= ܥ
ଵ௫ଵ
∴ ܣ
଼௫ସ
. ܤ
ସ௫ଶ
= ܥ
଼௫ଶ



NMF105 – Notas de aula 9
Propriedades:
i) ܣܫ = ܫܣ = ܣ
ii) ܣܤ ≠ ܤܣ (݁݉ ݃݁ݎ݈ܽ)
iii) ܣሺܤ +ܥሻ = ܣܤ +ܣܥ
iv) ሺܣ +ܤሻܥ = ܣܥ +ܤܥ
v) ሺܣܤሻܥ = ܣ(ܤܥ)
vi) (ܣܤ)

= ܤ

ܣ


vii) 0. ܣ = 0 ݁ ܣ. 0 = 0


Exemplo 1: Resolver ܣܤ, onde ܣ
ଶ௫ଷ
݁ ܤ
ଷ௫ଶ


ܽ
ଵଵ
ܽ
ଵଶ
ܽ
ଵଷ
ܽ
ଶଵ
ܽ
ଶଶ
ܽ
ଶଷ
ቃ . ൥
ܾ
ଵଵ
ܾ
ଵଶ
ܾ
ଶଵ
ܾ
ଶଶ
ܾ
ଷଵ
ܾ
ଷଶ
൩ = ൤

ଵଵ
ܾ
ଵଵ

ଵଶ
ܾ
ଶଵ

ଵଷ
ܾ
ଷଵ
) (ܽ
ଵଵ
ܾ
ଵଶ

ଵଶ
ܾ
ଶଶ

ଵଷ
ܾ
ଷଶ
)

ଶଵ
ܾ
ଵଵ

ଶଶ
ܾ
ଶଵ

ଶଷ
ܾ
ଷଵ
) (ܽ
ଶଵ
ܾ
ଵଶ

ଶଶ
ܾ
ଶଶ

ଶଷ
ܾ
ଷଶ
)


Exemplo 2: Resolver ܥ = ܣܤ, onde ܣ = ቂ
1 3
2 −1
ቃ ݁ ܤ = ቂ
2 0 −4
5 −2 6

ܥ = ቂ
1 3
2 −1
ቃ . ቂ
2 0 −4
5 −2 6
ቃ =

(1.2 +3.5) (1.0 +3. (−2)) (1. ሺ−4ሻ +3.6)
(2.2 + ሺ−1ሻ. 5) (2.0 + ሺ−1ሻ. (−2)) (2. ሺ−4ሻ +ሺ−1ሻ. 6)
൨ =
ܥ = ቂ
17 −6 14
−1 2 −14


Dicas: é comum, enquanto não se pratica bastante o produto entre matrizes, que se faça confusão com a
posição certa de cada um dos elementos da matriz resultante. Para se minimizar erros por falta
de atenção, vale a pena realizar um “double check” usando a própria matriz resultante para
validação do resultado. Em primeiro lugar, deve-se checar se a dimensão da matriz está correta
(por exemplo, o produto entre matrizes ܣ
ଶ௫ଶ
. ܤ
ଶ௫ଷ
deve ter como resultado uma matriz com
dimensão “ܥ
ଶ௫ଷ
”). Além disso, observe que, para o caso da matriz C do exemplo 2, os elementos
resultantes em C são definidos de acordo com a posição da linha da matriz A e a posição da
coluna da matriz B. Assim,



NMF105 – Notas de aula 10

Exemplo 3: Encontrar x e y sabendo que ܣ

= ݕ. ܫ e ܣ = ቂ
ݔ −4
2 −3ݔ

ܣ

= ܣ. ܣ = ቂ
ݔ −4
2 −3ݔ
ቃ . ቂ
ݔ −4
2 −3ݔ
ቃ = ൤
(ݔ. ݔ +(−4).2) ݔ. ሺ−4ሻ +(−4). (−3ݔ)
(2. ݔ +ሺ−3ݔሻ. 2) 2. (−4) + ሺ−3ݔሻ. (−3ݔ)

ܣ

= ൤


−8) (8ݔ)
(−4ݔ) (9ݔ

−8)


Como ݕ. ܫ = ݕ. ቂ
1 0
0 1
ቃ = ൤
ݕ 0
0 ݕ
൨, então ൤


−8) (8ݔ)
(−4ݔ) (9ݔ

−8)
൨ = ൤
ݕ 0
0 ݕ


Assim, ൞
ݔ

−8 = ݕ
8ݔ = 0
−4ݔ = 0


−8 = ݕ

Resolvendo o sistema, encontra-se ݔ = 0 ݁ ݕ = −8.



Exemplo 4: Encontrar a movimentação financeira mensal (em valor presente) de uma carteira
de ações a partir do valor atual de cada ação e da tabela que mostra a
movimentação dessa carteira, em número de ações (exemplo dado no item 1.1).
Para isso, sabe-se que:

Ação
Valor
presente
PETR4 (Petrobras) R$33,80
VALE5 (Vale) R$42,74
USIM5 (Usiminas) R$46,15
GVTT3 (GVT) R$56,45

Ou seja, ܣ = ൦
200 262 180 85 0 167
0 0 343 203 150 110
50 0 162 215 400 300
0 160 40 0 420 480
൪ e ܤ = ൦
33,80
42,74
46,15
56,45

(matriz A extraída do item 1.1)

Como ∄ ܣ
ସ௫଺
. ܤ
ସ௫ଵ
, pode-se fazer ܤ
ଵ௫ସ

. ܣ
ସ௫଺
. Logo, ܥ
ଵ௫଺
= ܤ
ଵ௫ସ

. ܣ
ସ௫଺



NMF105 – Notas de aula 11
ܥ = [ሺ33,80.200 +0 +46,15.50 +0ሻ
ሺ33,80.262 +0 +0 +56,45.160ሻ
ሺ33,80.180 +42,74.343 +46,15.162 +56,45.40ሻ
ሺ33,80.85 +42,74.203 +46,15.215 +0ሻ
ሺ0 +42,74.150 +46,15.400 +56,45.420ሻ
(33,80.167 +42,74.110 +46,15.300 +56,45.480)]

ܥ = ሾ9067,50 17887,60 30478,12 21471,47 48580 51287ሿ

Ou seja,
Movimentação (em valor presente)
Jan Fev Mar Abr Mai Jun
R$9.067,50 R$17.887,60 R$30.478,12 R$21.471,47 R$48.580,00 R$51.287,00





1 1. .5 5 O OP PE ER RA AÇ ÇÕ ÕE ES S E EL LE EM ME EN NT TA AR RE ES S C CO OM M L LI IN NH HA AS S D DE E M MA AT TR RI IZ Z

Uma matriz elementar é obtida por meio de operações elementares nas linhas de uma matriz
identidade.

i) Troca de ordem de duas linhas da matriz (exemplo 1);

ii) Multiplicação de uma linha da matriz por uma constante diferente de zero (exemplo 2);

iii) Substituição de uma linha da matriz por sua soma com outra linha multiplicada por uma
constante diferente de zero (exemplo 3).


Exemplo 1:
ܮ


ܮ


ܮ



1 0 0
0 1 0
0 0 1
൩ ⇨ ܮ
1
↔ ܮ
2
⇨ ൥
0 1 0
1 0 0
0 0 1


Exemplo 2:
ܮ


ܮ


ܮ



1 0 0
0 1 0
0 0 1
൩ ⇨ ܮ
3
= −4ܮ
3
⇨ ൥
1 0 0
0 1 0
0 0 −4


Exemplo 3:
ܮ


ܮ


ܮ



1 0 0
0 1 0
0 0 1
൩ ⇨ ܮ
2
= ܮ
2
−2ܮ
3
⇨ ൥
1 0 0
0 1 −2
0 0 1


Exemplo 4: ൥
1 0 0
0 1 0
0 0 1
൩ ⇢
ܮ

= 3ܮ

ܮ

↔ ܮ

⇢ ൥
3 0 0
0 0 1
0 1 0
൩ ⇢
ܮ

= ܮ

−4ܮ

ܮ

= ܮ

+3ܮ

⇢ ൥
3 0 0
9 0 1
−12 1 0



NMF105 – Notas de aula 12
Exemplos de operações possíveis:


Exemplos de operações que NÃO são possíveis:





1 1. .6 6 M MA AT TR RI IZ Z I IN NV VE ER RS SA A


Uma matriz quadrada (m=n) A é chamada inversível se existe uma matriz B tal que
ܣܤ = ܤܣ = ܫ
Nesse caso, a matriz inversa de A é indicada por ܣ
ିଵ
. Ou seja, ܣ. ܣ
ିଵ
= ܣ
ିଵ
. ܣ = ܫ.

Exemplo: encontrar a inversa da matriz ܣ = ቂ
2 3
1 4


2 3
1 4
ቃ . ቂ
ܽ ܾ
ܿ ݀
ቃ = ቂ
1 0
0 1
ቃ ቂ
2ܽ +3ܿ 2ܾ +3݀
ܽ +4ܿ ܾ +4݀
ቃ = ቂ
1 0
0 1
ቃ ൞
2ܽ +3ܿ = 1
ܽ +4ܿ = 0
2ܾ +3݀ = 0
ܾ +4݀ = 1

ܽ =
4
5
ൗ ∴ ܾ =
−3
5
ൗ ∴ ܿ =
−1
5
ൗ ∴ ݀ =
2
5

ܣ
ିଵ
= ൥
4
5

−3
5

−1
5

2
5






NMF105 – Notas de aula 13

1.6.1 Cálculo da matriz inversa pelo método de Gauss-Jordan

Se uma matriz A pode ser reduzida à matriz identidade por uma sequência de operação
elementares com linhas, então A é inversível e a matriz inversa de A é obtida a partir da matriz
identidade aplicando-se a mesma sequência de operações com linhas.

ሺܣ ⋮ ܫሻ → (ܫ ⋮ ܣ
ିଵ
)

Exemplo: Achar a inversa da matriz ܣ = ൥
−1 2 1
1 2 1
−1 2 3



ሺܣ ⋮ ܫሻ = ൥
−1 2 1 ⋮ 1 0 0
1 2 1 ⋮ 0 1 0
−1 2 3 ⋮ 0 0 1
൩ ⇢ ܮ
1
↔ ܮ
2
⇢ ൥
1 2 1 ⋮ 0 1 0
−1 2 1 ⋮ 1 0 0
−1 2 3 ⋮ 0 0 1


⇢ ܮ

= ܮ




⇢ ܮ

= ܮ





1 2 1 ⋮ 0 1 0
0 4 2 ⋮ 1 1 0
0 4 4 ⋮ 0 1 1


⇢ ܮ

=
1
4
ܮ

⇢ ቎
1 2 1 ⋮ 0 1 0
0 1







0
0 4 4 ⋮ 0 1 1


⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

−4ܮ



1 0 0 ⋮ ି




0
0 1







0
0 0 2 ⋮ −1 0 1


⇢ ܮ

=
1
2
ܮ


ۏ
ێ
ێ
ێ
ۍ
1 0 0 ⋮ ି




0
0 1







0
0 0 1 ⋮ ି


0


ے
ۑ
ۑ
ۑ
ې


⇢ ܮ

= ܮ


1
2
ܮ


ۏ
ێ
ێ
ێ
ۍ
1 0 0 ⋮ ି




0
0 1 0 ⋮







0 0 1 ⋮ ି


0


ے
ۑ
ۑ
ۑ
ې


ܣ
ିଵ
= ቎
ି




0







ି


0





Observação: Se |ܣ| = 0, então A não é inversível. Além disso, lembre-se que |ܣ| =

|

షభ
|
. Essa
informação poderá ajudar a validar se o cálculo da matriz inversa foi realizado corretamente.



NMF105 – Notas de aula 14

1 1. .7 7 S SI IS ST TE EM MA AS S D DE E E EQ QU UA AÇ ÇÕ ÕE ES S L LI IN NE EA AR RE ES S


1.7.1 Definições básicas

Um sistema de equações lineares com “m” equações e “n” incógnitas é um conjunto de
equações do tipo:



ܽ
ଵଵ
ݔ


ଵଶ
ݔ

+⋯+ ܽ
ଵ௡
ݔ

= ܾ

ܽ
ଶଵ
ݔ

+ ܽ
ଶଶ
ݔ

+⋯+ ܽ
ଶ௡
ݔ

= ܾ

⋮ ⋮ ⋮ ⋮
ܽ
௠ଵ
ݔ


௠ଶ
ݔ

+⋯+ ܽ
௠௡
ݔ

= ܾ

Pode ser escrita numa forma matricial:



Sendo definida ൦
ܽ
ଵଵ
ܽ
ଵଶ
⋯ ܽ
ଵ௡
ܾ

ܽ
ଶଵ
ܽ
ଶଶ
⋯ ܽ
ଶ௡
ܾ

⋮ ⋮ ⋱ ⋮ ⋮
ܽ
௠ଵ
ܽ
௠ଶ
⋯ ܽ
௠௡
ܾ

൪ como a “matriz ampliada do sistema”.









NMF105 – Notas de aula 15





Exemplo:





= 3
ݔ

−4ݔ

= −1


2 1
1 −4
ቃ . ቂ
ݔ

ݔ

ቃ = ቂ
3
−1
ቃ ቂ
2 1 3
1 −4 1

A . X = B matriz ampliada do sistema




1.7.2 Método de Gauss


Reduz por linha equivalência a matriz ampliada do sistema a uma matriz triangular. Pode ser
dividido em duas etapas:

Etapa1: (eliminação direta) redução passo a passo do sistema levando, ou a uma equação
degenerada sem solução, ou a um sistema mais simples na forma triangular ou
reduzida;

NMF105 – Notas de aula 16

Etapa2: (eliminação retroativa) substituições retroativas determinam a solução de novo sistema
mais simples.



Exemplo 1: Encontrar os valores de x, y e z a partir do sistema ൝
ݔ +2ݕ −3ݖ = 1
2ݔ +5ݕ −8ݖ = 4
3ݔ +8ݕ −13ݖ = 7


1 2 −3 1
2 5 −8 4
3 8 −13 7




ܮ

= ܮ

−2ܮ


ܮ

= ܮ

−3ܮ



1 2 −3 1
0 1 −2 2
0 2 −4 4
൩ ⇢
ܮ

= ܮ

−2ܮ

⇢ ൥
1 2 −3 1
0 1 −2 2
0 0 0 0
൩ ⇢



ݔ +2ݕ −3ݖ = 1
ݕ −2ݖ = 2

Logo, se ࢠ = ࢇ, então x= −૜ −ࢇ e ࢟ = ૛ +૛ࢇ

(o sistema admite infinitas soluções)




Exemplo 2: Encontrar os valores de x, y e z a partir do sistema ൝
ݔ +2ݕ −4ݖ = −4
2ݔ +5ݕ −9ݖ = −10
3ݔ −2ݕ +3ݖ = 11


1 2 −4 −4
2 5 −9 −10
3 −2 3 11




ܮ

= ܮ

−2ܮ


ܮ

= ܮ

−3ܮ



1 2 −4 −4
0 1 −1 −2
0 −8 15 23
൩ ⇢
ܮ

= ܮ

+8ܮ

⇢ ൥
1 2 −4 −4
0 1 −1 −2
0 0 7 7
൩ ⇢



NMF105 – Notas de aula 17

ݔ +2ݕ −4ݖ = −4
ݕ −ݖ = −2
7ݖ = 7

Logo, se ࢠ = ૚, então ࢟ = −૚ e ࢞ = ૛





1.7.3 Usando matriz inversa


Se ܣܺ = ܤ admitir solução única (A for inversível), então:

ܣ
ିଵ
. ܣܺ = ܣ
ିଵ
. ܤ

ିଵ
ܣ). ܺ = ܣ
ିଵ
. ܤ
ܫܺ = ܣ
ିଵ
. ܤ
ࢄ = ࡭
ି૚
. ࡮






















NMF105 – Notas de aula 18
L LI IS ST TA A D DE E E EX XE ER RC CÍ ÍC CI IO OS S 1 1


Operações básicas com matrizes


1. Determine x e y de modo que se tenha






+
+
=






4 3
2 1
4 3
3 2
y
y x y x
.

2. Dadas






=
11 9 3
7 5 1
A ,






=
12 10 8
6 4 2
B e






− −
=
7 4 1
5 1 0
C , calcule:

a) C B A X + + =
1

b) ( )
T
B A X − =
2

c) C B A X 3
3
+ − =

3. Dadas as matrizes








=






=






=
2 5
7 1
e
6 7
5 0
,
3 2
2 1
C B A determine a matriz X tal que
. C B A X − = +


4. As tabelas a seguir mostram as vendas dos carros GOL e PÁLIO, nas cores Azul, Branco e
Verde, de uma agência automobilística, nos meses de Janeiro e Fevereiro de 2000.

Vendas do mês de Janeiro Vendas do mês de Fevereiro
Modelo

Cor

Gol

Pálio
Azul 20 45
Verde 44 23
Branco 61 36
Modelo

Cor

Gol

Pálio
Azul 37 24
Verde 21 17
Branco 76 53

Qual foi a venda bimestral realizada por esta loja em relação a esses carros?


Produto de matriz


5. Calcule os seguintes produtos:


a)













=
3 2
7 4
0 1
1 0
A

b)




















=
1 1
1 3
1 2
1 1
1 7 3 2
0 5 1 1
B


NMF105 – Notas de aula 18
c)



















=
1 5 4
3 2 1
4 3
2 2
1 1
C

d)





















=
0 2 1
1 0 0
7 4 1
4 3 0
0 2 2
1 1 0
D

6. Resolva as seguintes equações:

a)







=













− 9 5
7 5
2 2
3 1
d c
b a
b)






=















3
9
2 1
1 2
y
x




7. Sendo
0 1
1 2
e
2 1 0
1 2 1







=








= B A , determine o valor de:

a) B A M
T
⋅ =
1

b) B A M ⋅ =
2

c)
2
3
B M =

8. Uma indústria fabrica três modelos diferentes de televisores. A Tabela I mostra o número de
teclas e alto-falantes usados em cada aparelho A, B e C, e a Tabela II mostra a produção
que a fábrica planeja fazer para os meses de Abril e Maio:

Tabela I Tabela II
Modelo

Componentes

A

B

C
Teclas 10 12 15
Alto-Falantes 2 2 4
Mês

Modelo

Abril

Maio
A 800 200
B 1000 1500
C 500 1000

Quantas teclas e quantos alto-falantes serão necessários para a produção dos dois meses?



9. Uma montadora de carretas de São Bernardo precisa de eixos e rodas para os três
modelos que produz. A Tabela I mostra a relação dos componentes para cada um dos
modelos:

Modelo
Componentes
A B C
Eixos 3 4 4
Rodas 4 6 8

A Tabela II mostra uma previsão de quantas carretas a fábrica deverá produzir em Julho e
Agosto de 2000:

Mês
Modelo
Julho Agosto
A 15 25
B 30 20
C 18 15

NMF105 – Notas de aula 19
Pergunta-se:

a) Quantos eixos e quantas rodas são necessários em cada um dos meses para que a
montadora atinja produção desejada?

b) Se a produção de Agosto se mantiver até Dezembro, quantas rodas a montadora
utilizará no segundo semestre?


10. Uma rede de de comunicação tem cinco locais com transmissores de potências distintas.
Estabeleceu-se, na matriz abaixo, que se:
• 1 =
ij
a significa que a estação i pode transmitir diretamente à estação j;
• 0 =
ij
a significa que a estação i não alcança a estação j.
Observe que a diagonal principal é nula, significando que uma estação não transmite
diretamente para si mesma.

















=
0 1 0 0 0
1 0 1 0 0
0 1 0 1 0
0 1 1 0 1
1 1 1 1 0
A
Se [ ]
ij
b A =
2
, o elemento

=
= + + + + = =
5
1
2 4 42
1 0 0 1 0 0
k
k k
a a b . Note que a única parcela
não nula veio de 1 . 1
32 43
= a a . Isto significa que a estação 4 transmite para a estação 2
através de uma retransmissão pela estação 3, embora exista uma transmissão direta de 2
para 4. Com base nessas informações, responda os itens a seguir:

a) Calcule
2
A

b) Qual o siginificado de 2
13
= b ?

c) Discuta os significados dos termos nulos, iguais a 1 e maiores que 1 de modo a
justificar a afirmação: “A matriz
2
A representa o número de caminhos disponíveis para
se ir de uma estação a outra com uma única retransmissão”.

d) Qual o significado das matrizes
2
A A+ ,
3
A e
3 2
A A A + + ?

e) Se A fosse simétrica, o que significaria?

Sistemas de Equações Lineares

11. Uma refinaria de petróleo processa dois tipos de petróleo: com alto teor de enxofre e com
baixo teor de enxofre. Cada tonelada de petróleo de baixo teor necessita de 5 minutos no
setor de mistura e 4 minutos no setor de refinaria; já o petróleo com alto teor são
necessários 4 minutos no setor de mistura e 2 minutos no setor de refinaria. Se o setor de
mistura está disponível por 3 horas, e o setor de refinaria por 2 horas, quantas toneladas
de cada tipo de combustível devem ser processadas de modo que os dois setores não
fiquem ociosos?


NMF105 – Notas de aula 20

12. Um determinado produto é vendido em embalagens de 30g e 50g. Na embalagem de 30g,
o produto é comercializado a R$ 10,00 e na embalagem de 50g. a R$ 15,00. Gastando R$
100,00, qual é a quantidade de cada tipo de embalagem para uma pessoa adquirir
precisamente 310g desse produto?


13. Um vinhateiro deseja produzir 1000 litros de vinho tipo A de 15% de teor alcoólico
misturando vinho tipo B de 10% de teor alcoólico com vinho C de 35%. Determine as
quantidades de vinho B e C necessárias para se obter a mistura desejada.


14. Necessitando construir casas de madeira, alvenaria e mistas em uma propriedade, quanto
será gasto de material em cada tipo de construção considerando as seguintes
especificações:

tábuas Tijolos (mil) Telhas (mil) Tinta (litro) Mão de obra (dias)
Madeira 200 1 5 80 12
Mista 10 10 5,5 60 9
Alvenaria 80 4 5 70 10

Tendo-se 2030 tábuas, 123 mil tijolos, 123.5 mil telhas, 1660 litros de tinta e 243 dias para
construir, quantas construções de casa tipo poderão ser feitas?


15. Um estádio de futebol tem capacidade para 14.000 espectadores. Em dois jogos
realizados em dois dias diferentes foram vendidos todos os lugares. No primeiro cobrou-se
R$ 5,00 dos homens, R$ 3,00 das mulheres e R$ 2,00 das crianças. No segundo cobrou-
se R$ 4,00 dos homens, R$ 2,00 das mulheres e R$ 1,00 das crianças. A renda do
primeiro jogo foi de R$ 56.000,00 e a do segundo jogo de R$ 42.000,00. Quantos homens,
mulheres e crianças, em grupos inteiros de mil (milhares), compareceram a cada jogo.
16. Determine os valores de a, de modo que o sistema





= + +
= + +
= − +
2 3
3 3 2
1
z ay x
az y x
z y x
tenha:

a) Nenhuma solução

b) Mais de uma solução

c) Uma única solução

17. Resolva os sistemas abaixo e classifique-os quanto ao número de soluções:

a)





− = + −
= −
= −
6 4 2
9 6 3
12 8 4
y x
y x
y x

b)







= + +
= − − + −
= + − + −
= + − +
0
0 2
0 3 2
0 2 2
5 4 3
5 3 2 1
5 4 3 2 1
5 3 2 1
x x x
x x x x
x x x x x
x x x x




NMF105 – Notas de aula 21
18. Considere a matriz ܣ = ൥
1 1 −1
−1 0 1
0 1 1


a) Determine o polinômio ( ) xI A x p − = sendo
3
I , a matriz identidade de ordem 3 e ∈ x

b) Verifique que ( ) 0 = A p (matriz nula)
c) Calcular a inversa de A.


19. Um litro de creme contém suco de fruta, leite e mel. A quantidade de leite é o dobro da
quantidade de suco de fruta, e a quantidade de mel é a nona parte da quantidade dos
outros dois líquidos juntos. Determine a quantidade de suco de fruta que contém esse litro
de creme.


20. Uma indústria produz três produtos, A , B e C, utilizando dois tipos de insumos, X e Y. Para
a manufatura de cada quilo de A são utilizados 1 grama do insumo X e 2 gramas do
insumo Y; para cada quilo de B, 1 grama do insumo X e 1 grama do insumo Y e, para cada
quilo de C, 1 grama do insumo X e 4 gramas do insumo Y. O preço da venda do quilo de
cada um dos produtos A, B e C é de R$ 2,00, R$ 3,00 e R$5,00, respectivamente.
Determine quantos quilos de cada um dos produtos A, B e C foram vendidos se:

a) Com a venda de toda a produção de A, B e C, manufaturada com 1 quilo de X e 2
quilos de Y, essa indústria arrecadou R$ 2.500,00.

b) Em outro período, com a venda de toda a produção de A, B e C, manufaturada com 1
quilo de X e 2,1 quilos de Y, essa indústria arrecadou R$ 2.900,00.


Matriz inversa


21. Sendo A e B matrizes inversíveis de mesma ordem, encontre X em função de A e B a partir
das seguintes equações matriciais:

a) ( ) B XA
T
= b) B AXA
T
=


22. Uma maneira de codificar uma mensagem é através de multilpicação por matrizes. Seja a
associação das letras do alfabeto com números, segundo a correspondência abaixo:

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26


NMF105 – Notas de aula 22
Assumindo que a mensagem que queira enviar de forma codificada seja “PUXA VIDA”.
Pode-se formar uma matriz 3×3 como:











A D I
V A
X U P
, que usando a correspondência
numérica fica:










=
1 4 9
22 0 1
24 21 16
M . Agora, seja C uma matriz qualquer 3×3 inversível,
como por exemplo:










− =
1 1 0
1 3 1
1 0 1
C . Multiplicando a matriz da mensagem M por C,
obtem-se











= ⋅
14 13 5
23 22 1
61 87 5
C M . O que se transmitiria seria esta nova matriz C M ⋅ (na
prática, envia-se a cadeia de números ).

Quem recebe a mensagem, decodifica-a através da multiplicação pela inversa de C, isto é,
fazendo ( ( ) M C C M = ⋅ ⋅
−1
) e posterior transcrição dos números para letras. C é chamada
de matriz chave para o código.


a) Foi recebida a mensagem [1 16 12 -6 39 27 8 18 21]. Utilizando a mesma chave,
traduza a mensagem.

b) Foi recebida a mensagem [15 21 35 -1 11 8 -5 57 33]. Utilizando a mesma chave,
traduza a mensagem.



23. Calcule, pelo método de sistema de equações e por Gauss-Jordan, as inversas das
seguintes matrizes:











=










=








=








=
1 7 5
0 1 3
0 0 1
D
3 0 0
0 2 0
0 0 1

9 3
6 2
B
5 10
2 7
C A










NMF105 – Notas de aula 23
RESPOSTAS


1. 0 1 = = y x

2.
20 11 2 -
14 - 2 - 1 -
M
1 1
1 1
5 1
M
30 23 12
8 8 3
3 2 1 





=












− −
=






= M

3.







=
5 0
4 0
X

4.
Vendas do bimestre
Modelo

Cor

Gol

Pálio
Azul 57 69
Verde 65 40
Branco 137 89

5. a)






7 4
3 2
b)






13 30
5 14
c)













13 14 19
8 6 10
2 7 3
d)










3 8 4
16 8 2
1 2 1


6. a)
8
25
= a ::
8
13 −
= b ::
8
5
= c ::
8
23
= d b) 5 7 − = − = y x

7. a)
1 0
2 3
1 2
M
1












= b) Não existe
2
M c)








=
1 2
2 3
3
M

8.
Mes

Componentes

Abril

Maio
Teclas 27.500 35.000
Altos-falantes 5.600 7.400

9. a)
Mes

Componentes

Julho

Agosto
Eixos 237 215
Rodas 384 340

b) 2084 rodas

NMF105 – Notas de aula 24

10. a)
















=
1 0 1 0 0
0 2 0 1 0
1 1 2 0 1
2 2 2 2 0
1 3 2 1 1
2
A
b) 2
13
= c indica que existem 2 caminhos disponíveis para se ir da estação 1 a
estação 3 usando uma única retransmissão.
c) Para discutir (representa o número de caminhos possíveis para se alcançar o
destino usando uma retransmissão).
d) Para discutir (representa o número de caminhos possíveis para se alcançar o
destino, incluindo uma retransmissão ou incluindo até duas retransmissões).
e) Se A fosse simétrica, significaria que se a estação i conseguisse transmitir
diretamente para a estação j, então necessariamente a estação j seria capaz de
transmitir diretamente para a estação i.

11. 20 toneladas de cada tipo

12. 7 embalagens de 30g e 2 embalagens de 50g

13. 800 l do vinho B e 200 l do vinho C

14. 5 casas de madeira
7 casas mistas
12 casas de alvenaria

15. 8000 homens, 4000 mulheres e 2000 crianças ou
9000 homens, 1000 mulheres e 4000 crianças

16. a) 3 − = a b) 2 = a c) 2 ≠ a e 3 − ≠ a

17. a) Infinitas soluções: a y = e a x 2 3+ =
b) Infinitas soluções: 0
1
= x , a x − =
2
, a x − =
3
, 0
4
= x e a x =
5


18. a) ݌ሺݔሻ = −ݔ

+2ݔ

+1
b) 0 ) ( = − = − = A A AI A A p

c) ܣ
ିଵ
= ൥
−1 −2 1
1 1 0
−1 −1 1


19. 300 ml de suco de fruta

20. a) Foram vendidos 700 quilos de A, 200 quilos de B e 100 quilos de C;
b) Foram vendidos 500 quilos de A, 300 quilos de B e 200 quilos de C.





NMF105 – Notas de aula 25
***********

MODELAGENS PARA AS QUESTÕES DE 11 A 20
(estrutura para se chegar às repostas)


11. ൜
5ݔ +4ݕ = 180
4ݔ +2ݕ = 120

12. ൜
30ݔ +50ݕ = 310
10ݔ +15ݕ = 100

13. ൜
10ݔ +35ݕ = 15(ݔ +ݕ)
ݔ +ݕ = 1000

14.
ە
ۖ
۔
ۖ
ۓ
200ݔ +10ݕ +80ݖ = 2030
1ݔ +10ݕ +4ݖ = 123
5ݔ +5,5ݕ +5ݖ = 123,5
80ݔ +60ݕ +70ݖ = 1660
12ݔ +9ݕ +10ݖ = 243

15. ൝
ݔ +ݕ +ݖ = 14000
5ݔ +3ݕ +2ݖ = 56000
4ݔ +2ݕ +ݖ = 42000

16. ൥
1 1 −1 1
2 3 a 3
1 a 3 2


17. a) ൥
4 −8 12
3 −6 9
−2 4 −6


b) ൦
2 2 −1 0 1 0
1 −1 2 −3 1 0
−1 1 −2 0 −1 0
0 0 1 1 1 0


18. ---

19. ቐ
ݔ = 2ݕ
ݖ =


(ݔ +ݕ)
ݔ +ݕ +ݖ = 1

20. a) ቐ
ܽ +ܾ +ܿ = 1000 (݃ݎܽ݉ܽݏ ݀݁ ܺ ݑݏܽ݀݋ݏ)
2ܽ +ܾ +4ܿ = 2000 (݃ݎܽ݉ܽݏ ݀݁ ܻ ݑݏܽ݀݋ݏ)
2ܽ +3ܾ +5ܿ = 2500 (ܽݎݎ݁ܿܽ݀ܽçã݋)

ܣ
ିଵ
=
ۏ
ێ
ێ
ێ
ۍ
7
5

2
5

−3
5

2
5

−3
5

2
5

−4
5

1
5

1
5

ے
ۑ
ۑ
ۑ
ې

b) ൝
ܽ +ܾ +ܿ = 1000
2ܽ +ܾ +4ܿ = 2100
2ܽ +3ܾ +5ܿ = 2900

***********

NMF105 – Notas de aula 26
21. a)
1 −
= A B X
T

b) ( )
1
1


=
T
A B A X

22. ☺ ::










− −


=

3 1 1
2 1 1
3 1 2
1
C

23.










=

15
7
3
2
15
2
3
1
1
A ::
1 −
B não existe. 0 = B . ::

















=

3
1
0 0
0
2
1
0
0 0 1
1
C ::











− =

1 7 16
0 1 3
0 0 1
1
D






















NMF105 – Notas de aula 27
NMF105 – ALGEBRA LINEAR

Autor: Prof. Ronaldo Abrão Pimentel





UNIDADE 2 – DETERMINANTES Notas de Aula



2 2. .1 1 D DE ET TE ER RM MI IN NA AN NT TE E

O determinante de uma matriz quadrada
n
A , indicado por
n
A Det ou
n
A é um número
associado a esta matriz, obtido mediante operações específicas com seus elementos, a saber:
1 - Se A é de ordem 1 = n , então A A Det = é o único elemento de A. Ou seja, se
[ ]
11 11 11
a a A A Det a A = = = ⇒ =
Exemplo: [ ] 3 3 3 = ⇒ = A
2 - Se A é de ordem 2 = n , então A A Det = é a diferença entre o produto dos
elementos da diagonal principal e o produto dos elementos da diagonal secundária.
Ou seja, se
21 12 22 11
22 21
12 11
22 21
12 11
2
. . a a a a
a a
a a
A A Det
a a
a a
A − = = = ⇒






=

Exemplo 1: ( ) 11 1 . 3 4 . 2
4 3
1 2
4 3
1 2
− = ⇒ − − = ⇒

= ⇒







= M M M M

Exemplo 2: ( ) b a sen A a senb b sena A
b a
senb sena
A − = ⇒ − = ⇒






= cos . cos .
cos cos



3 - Se é de ordemn = 3, ou seja,

⇒ = ⇒










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

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


NMF105 – Notas de aula 28
Exemplo: ⇒
− −

=
1 2 1
1 1 2
0 1 1
M

( ) ( ) ( ) ( ) ( ) ( )( ) ( ) 1 . 2 . 1 1 2 . 1 1 . 1 . 0 2 . 2 . 0 1 . 1 . 1 1 . 1 . 1 − − − − − − − + − − + = M
6 − = M ou seja, 6 − = M Det .

Dispositivo prático de Sarrus:

Podemos obter o
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A = usando o dispositivo prático de Sarrus, que consiste no
seguinte: anotamos a matriz A , repetindo à direita a primeira e a segunda colunas, e somando
os produtos indicados pelas setas contínuas e subtraindo os produtos indicados pelas retas
pontilhadas, como no esquema abaixo:

A
a a a
a a a
a a a
A
a a a
a a a
a a a
a
a
a
a
a
a
= ⇒ =
11 12 13
21 22 23
31 32 33
11 12 13
21 22 23
31 32 33
11
21
31
12
22
32


- - - + + +

OBS: Este dispositivo só se aplica a determinantes de 3
a
ordem

Observe que o
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A = poderia ser calculado também da seguinte forma:
33 21 12 32 23 11 31 22 13 32 21 13 31 23 12 33 22 11
. . . . . . . . . . . . a a a a a a a a a a a a a a a a a a A − − − + + =
31 22 13 32 21 13 33 21 12 31 23 12 32 23 11 33 22 11
. . . . . . . . . . . . a a a a a a a a a a a a a a a a a a A − + − + − =
( ) ( ) ( )
31 22 32 21 13 33 21 31 23 12 32 23 33 22 11
. . . . . . a a a a a a a a a a a a a a a A − + − + − =
( ) ( ) ( ) A a a a a a a a a a a a a a a a
a a
a a
a a
a a
a a
a a
= − − − + −
11 22 33 23 32 12 21 33 23 31 13 21 32 22 31
21 22
31 32
22 23
32 33
21 23
31 33
. . . . . .
1 2 4444 3 4444 1 2 4444 3 4444 1 2 444 3 444

Então, podemos dizer que:
43 42 1 43 42 1 43 42 1
13
32 31
22 21
13
12
33 31
23 21
12
11
33 32
23 22
11
. . .
M
a a
a a
a
M
a a
a a
a
M
a a
a a
a A + − = ou seja,

NMF105 – Notas de aula 29
13 13 12 12 11 11
. . . M a M a M a A + − = , onde o termo
11
M foi conseguido calculando o determinante
obtido ao se eliminar a linha 1 e a coluna 1 de A , o termo
12
M foi conseguido calculando o
determinante obtido ao se eliminar a linha 1 e a coluna 2 de A , e o termo
13
M foi conseguido
calculando o determinante obtido ao se eliminar a linha 1 e a coluna 3 de A .

Veja que, com este artifício, um determinante que era de 3
a
ordem foi calculado através de
operações com determinantes de 2
a
ordem. A este processo chamaremos por enquanto de
Rebaixamento de Ordem.

Exemplo: Calcular
( ) ⇒
− −
− +



= ⇒
− −

=
2 1
1 0
. 3
2 1
2 0
. 2
2 2
2 1
. 1
2 2 1
2 1 0
3 2 1
A A
1 1 . 3 2 . 2 6 − = ⇒ − − = A A

Com isto já temos definidos determinantes para matrizes de ordem 3 ≤ n . Para matrizes de
ordem maior, necessitamos de alguns outros elementos que veremos a seguir:

Veja que no exemplo anterior trabalhamos com os determinantes . e ,
13 12 11
M M M A estes
determinantes daremos o nome de MENOR COMPLEMENTAR.



2 2. .2 2 M ME EN NO OR R C CO OM MP PL LE EM ME EN NT TA AR R

Seja
n
A de ordem 2 ≥ n e seja
j i
a um elemento genérico de
n
A . Definiremos Menor
Complementar do elemento
j i
a , denotado por
j i
M , como sendo o determinante da matriz que
se obtém suprimindo a linha i e a coluna j de
n
A .
Exemplo 1: Dada a matriz










− −

=
2 2 1
2 1 0
3 2 1
3
A , calcular
32 11
e M M
11
M é o determinante que se obtém suprimindo a linha 1 e a coluna 1 de
3
A :
; 4
2 2
2 1
11 11
= ⇒

= M M
32
M é o determinante que se obtém suprimindo a linha 3 e a coluna 2 de
3
A :
2
2 0
3 1
32 32
= ⇒

= M M



NMF105 – Notas de aula 30
Exemplo 2:












− −


=
1 2 1 1
0 1 0 3
1 0 0 2
0 0 1 1
Se
4
X , calcular
34
M .
34
M é o determinante que se obtém suprimindo a linha 3 e a coluna 4 de
4
X
Então 4
2 1 1
0 0 2
0 1 1
34 34
− = ⇒

= M M



2 2. .3 3 C CO OF FA AT TO OR R o ou u C CO OM MP PL LE EM ME EN NT TO O A AL LG GÉ ÉB BR RI IC CO O

Seja a matriz
n
A de ordem
j i
a n e 2 ≥ ∈
n
A . Definimos como COFATOR de
j i
a e indicamos
por
j i
C como sendo o número ( )
j i
j i
j i
M C . 1
+
− =
Exemplo: Se










− −

=
2 2 1
2 1 0
3 2 1
3
A , calcular
32 22
e C C :
( ) ( ) ( ) 1 3 2 . 1
2 1
3 1
. 1 . 1
22 22
4
22 22
2 2
22
− = ⇒ − = ⇒


− = ⇒ − =
+
C C C M C
( ) ( ) 2 2 . 1
2 0
3 1
. 1 . 1
32 32
5
32 32
2 3
32
− = ⇒ − = ⇒

− = ⇒ − =
+
C C C M C

Tendo conhecimento destes elementos podemos agora dar uma definição de determinante de
qualquer ordem:



2 2. .4 4 D DE EF FI IN NI IÇ ÇÃ ÃO O D DE E D DE ET TE ER RM MI IN NA AN NT TE E ( (G GE ER RA AL L) )

Seja
n
A uma matriz quadrada de ordemn . Definimos o
n
A Det da seguinte forma:
i) Se A
n
é de ordem n = 1, então [ ]
11 11
a A Det a A
n n
= ⇒ = ;
ii) Se A
n
é de ordem 2 ≥ n , seu determinante é a soma dos produtos dos elementos
de uma fila qualquer (linha ou coluna) pelos seus respectivos cofatores. (Teorema
fundamental de Laplace).
Método para se calcular o determinante segundo Laplace:

NMF105 – Notas de aula 31
Seja










=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
1) Escolhemos uma fila qualquer (linha ou coluna);
2) Calculamos os cofatores de todos os elementos desta fila;
3) Calculamos a soma dos produtos destes elementos por seus respectivos cofatores.

Vamos escolher, por exemplo, a linha 1 e encontremos os cofatores de seus elementos:
( ) ( ) ( )
32 31
22 21 3 1
13
33 31
23 21 2 1
12
33 22
23 22 1 1
11
1 1 1
a a
a a
C
a a
a a
C
a a
a a
C
+ + +
− = − = − =
então
13 13 12 12 11 11
. . . C a C a C a DetA + + =
ou seja
32 31
22 21
13
33 31
23 21
12
33 22
23 22
11
. .
a a
a a
a
a a
a a
a
a a
a a
a A Det + − =
A este método de cálculo de determinante chamamos de Método de Expansão por cofatores
em termos da linha i (ou coluna j). Veja que este método nos permite calcular um
determinante de qualquer ordem pois podemos fazer o rebaixamento da ordem dos
determinantes a serem calculados quantas vezes forem necessárias.

Exemplo: Seja













− −
=
1 0 0 1
0 1 0 1
1 2 2 0
2 0 0 1
4
A . Calcular
4
A Det
Como podemos expandir o A Det em termos de qualquer linha ou coluna, é
conveniente escolhermos a linha ou coluna que tenha o maior número de zeros,
para nos facilitar o cálculo.

A coluna 2 é a mais indicada neste exemplo. Como a coluna 2 é formada pelos
elementos
42 32 22 12
e , , a a a a , então teremos que encontrar os cofatores
42 32 22 12
e , , C C C C :
( ) ( )
1 0 1
0 1 1
2 0 1
1
1 0 1
0 1 1
1 2 0
1
2 2
22
2 1
12
− − = −

− =
+ +
C C

NMF105 – Notas de aula 32
( ) ( )
0 1 1
1 2 0
2 0 1
1
1 0 1
1 2 0
2 0 1
1
2 4
42
2 3
32

− − = − − =
+ +
C C
Então
42 42 32 32 22 22 12 12 4
. . . . C a C a C a C a A Det + + + =
Mas, no nosso exemplo, 0 0 , 2 , 0
42 32 22 12
= = − = = a e a a a , logo

( ) ( ) ( )
( ) ( )
0 1 1
1 2 0
2 0 1
1 . 0
1 0 1
1 2 0
2 0 1
1 . 0
1 0 1
0 1 1
2 0 1
1 . 2
1 0 1
0 1 1
1 2 0
1 . 0
2 4 2 3
2 2 2 1
4

− − + − − +
− − − + −

− =
+ +
+ +
A Det


1 0 1
0 1 1
2 0 1
2 0 0
1 0 1
0 1 1
2 0 1
. 2 0
4 4
− − = ⇒ + + − − = DetA A Det
Agora, ou calculamos o determinante de terceira ordem usando Sarrus ou então
poderemos fazer nova expansão e trabalhar com determinante de segunda ordem,
que é o que faremos:

Tomemos novamente a coluna 2 (que é a que contem mais zeros)
( ) ( ) ( )











− + − +

− − =
+ + +
0 1
2 1
. 1 . 0
1 1
2 1
. 1 . 1
1 1
0 1
. 1 . 0 2
2 3 2 2 2 1
4
A Det
( ) 2 2 1 . 2 0
1 1
2 1
0 2
4 4 4
= ⇒ − − = ⇒






+ + − = A Det A Det A Det


Exercícios:

1) Calcule
4
A Det usando agora a linha 3 e confira que vai dar o mesmo resultado.
2) Calcule
1 2 1 1
0 1 0 3
1 0 0 2
0 0 1 1
− −


= B Resp. 6 − = B




NMF105 – Notas de aula 33
2 2. .5 5 P PR RO OP PR RI IE ED DA AD DE ES S D DO OS S D DE ET TE ER RM MI IN NA AN NT TE ES S

1) O determinante de uma matriz é igual ao determinante da transposta desta matriz ( )
t
A A =
2) Se uma matriz tem uma fila (linha ou coluna) toda nula, seu determinante é zero.

3) Se multiplicarmos toda uma fila de uma matriz por um escalar, o seu determinante fica
multiplicado por este escalar.

4) Se trocarmos a ordem de duas filas paralelas de uma matriz, o seu determinante muda de
sinal.

5) Se duas filas paralelas de uma matriz são iguais, seu determinante é nulo.

6) Se duas filas paralelas de uma matriz são proporcionais, seu determinante é nulo.

7) O determinante de uma matriz triangular é igual ao produto dos elementos de sua diagonal
principal.

8) Teorema de Binet: O determinante de um produto de duas matrizes é igual ao produto de
seus determinantes. ( )
n n n n
B A B A . . =

9) Teorema de Jacobi: Adicionando-se a uma fila de uma matriz
n
A uma outra fila paralela,
previamente multiplicada por uma constante, obteremos uma nova matriz
n
B tal que
. DetB DetA =

Exemplo: 2
2 1 2
6 2 4
2 2 1
=





Se substituirmos a linha 2 pela soma dela com a linha 1, prèviamente multiplicada
por -4, encontraremos uma outra matriz cujo determinante será também igual a 2 .
Veja:

2
2 1 2
2 6 0
2 2 1
4
2 1 2
6 2 4
2 2 1
1 2 2
=



⇒ − = ⇒



L L L e mais:

2
2 5 0
2 6 0
2 2 1
2
2 1 2
2 6 0
2 2 1
1 3 3
=



⇒ + = ⇒



L L L

Obs: Esta propriedade facilita muito o cálculo de determinantes pelo Teorema
Fundamental de Laplace.

10) Se uma matriz quadrada A tem uma fila que é Combinação Linear de outras filas
paralelas, então o 0 = A Det .

NMF105 – Notas de aula 34
Exemplo: 0
6 4 5
9 1 4
1 3 2
= ⇒










− = DetA A
pois a coluna 3 é igual à coluna 1 multiplicada por 2 mais a coluna 2 multiplicada
por -1. Ou seja,

( )
2 1 3
. 1 . 2 C C C − + =




2 2. .6 6 C CÁ ÁL LC CU UL LO O D DE E D DE ET TE ER RM MI IN NA AN NT TE ES S ( (R RE EG GR RA A D DE E C CH HI IÓ Ó) )


Utilizando os teoremas de Laplace, Jacobi e outras propriedades.

1
o
passo: Escolhemos uma coluna qualquer do determinante, preferivelmente uma que tenha
o maior número de zeros e, se possível, que contenha o número 1. (No ex. abaixo,
escolhemos a coluna 2).

2
o
passo: Utilizando a linha que contém este número 1(no ex., a linha 3) e, aplicando o
teorema de Jacobi, fazemos operações com as outras linhas de modo a zerar todos os
elementos da coluna escolhida (no ex., a coluna 2), exceto o elemento da linha utilizada (no
ex., a linha 3).

3
o
passo: Aplicamos o teorema de Laplace, para rebaixar a ordem do determinante.
Executamos estes processos até conseguirmos um determinante de 3
a
ordem e então o
resolvemos pelo método de Sarrus, ou então fazemos o rebaixamento até conseguirmos um
determinante de 2
a
ordem e o calculamos.


Exemplo 1:

( ) = − − − =

− −
=
+ − =
+ =

− −
+
2 3 2
6 4 2
1 4 1
. 1 . 1
2 3 0 2
2 2 1 3
6 4 0 2
1 4 0 1
3
2 3 0 2
2 2 1 3
0 2 3 7
3 2 1 2
2 3 2 3 2
1 3 1
l L L
L L L



( ) ( ) 40 40 0 . 1
0 5
8 4
. 1 . 1
0 5 0
8 4 0
1 4 1
2
2
2 3 2
6 4 2
1 4 1
1 1
3 1 3
2 1 2
− = + − =

− − =

− =
+ − =
+ = − − − =
+
L L L
L L L







NMF105 – Notas de aula 35

Fazer:

4 1 2 0
3 1 0 2
5 3 2 2
1 0 2 1
= Resp. = 30


Obs: Se, por acaso, não houver nenhum zero nem o número 1, não tem importância,
conseguimos este número 1 (neste caso é aconselhável que seja no elemento a
11
) através de
Jacobi ou de qualquer outra das propriedades dos determinantes.


Exemplo 2:

=

=
+ =
+ =
+ =
− − −
− −
− − −
=
+ − =
− −

− −
1 2 5 0
9 3 8 0
2 5 11 0
3 4 2 1
2
2
4 2 3 1
3 5 4 2
4 3 7 2
3 4 2 1
. 1
4 2 3 2
3 5 4 2
4 3 7 5
3 4 2 3
4 1 4
3 1 3
2 1 2
1 2 1
L L L
L L L
L L L
C C C


( ) ( ) =
− −

− =
− −
− =
+ − =
+ − =

=
+ − =

− =
3 3
5 7
. 1 . 1
3 3 0
5 7 0
2 5 1
1
2
1 2 1
9 3 2
2 5 1 2
1 2 5
9 3 8
2 5 11
. 1 1
2
3 1 3
2 1 2
1 2 1
2
L L L
L L L
C C C

( ) 36 15 21
3 3
5 7
= + =
− −

=



REGRA DE CHIÓ SIMPLIFICADA

Usando operações elementares, consiga o número 1 na posição a
11

1
12 13 1
21 22 23 2
31 32 33 3
1 2 3
21 12 22 21 13 23 21 1 2
31 12 32 31 13 33 31 1 3
1 12 2 1 13 3 1
a a a
a a a a
a a a a
a a a a
m
a a a a a a a a a
a a a a a a a a a
a a a a a a a a
m
m
m
m m m mm
m m
m m
m m m m m
....
....
....
....
. . .... .
. . .... .
. . .... .
M M M M M
1 2 44444 3 44444
M M M M
matriz de ordem
=
− + − + − +
− + − + − +
− + − + −
1
1
m mm
a
m
+
− matriz de ordem
1 2 444444444444 3 444444444444




NMF105 – Notas de aula 36

JUSTIFICATIVA:

1
12 13 1
21 22 23 2
31 32 33 3
1 2 3
2 21 1 2
3 31 1 3
1 1
a a a
a a a a
a a a a
a a a a
L a L L
L a L L
L a L L
m
m
m
m
m m m mm m m m
....
....
....
....
.
.
.
M M M M M M
1 2 44444444444 3 44444444444
= − +
= − +
= − +

matriz de ordem





− + − + − +
− + − + − +
− + − + − +

1
0
0
0
12 13 1
21 12 22 21 13 23 21 1 2
31 12 32 31 13 33 31 1 3
1 12 2 1 13 3 1 1
a a a
a a a a a a a a a
a a a a a a a a a
a a a a a a a a a
m
m
m m
m m
m m m m m m mm
... .
. . ... . .
. . ... . .
. . ... . .
.
M M M M M
1 2 44444444444444 3 44444444444444
matriz de ordem





− + − + − +
− + − + − +
− + − + − +

a a a a a a a a a
a a a a a a a a a
a a a a a a a a a
m
m m
m m
m m m m m m mm
21 12 22 21 13 23 21 1 2
31 12 32 31 13 33 31 1 3
1 12 2 1 13 3 1 1
1
. . .... .
. . .... .
. . .... .
M M M M
1 2 4444444444444 3 4444444444444
matriz de ordem



( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
Ex
L L
L L
:
. . . .
. . . .
. . . .
. .


− −

− − −
=
=
=−


− −

− − −
=−
− − − + − − + − − + − − +
− − − + − − + − − + − − + −
− − + − − + − + − +
− − + − − + −
2 1 2 3 1
1 2 0 2 3
1 0 1 2 2
2 2 3 0 0
0 3 2 0 4
1 2 0 2 3
2 1 2 3 1
1 0 1 2 2
2 2 3 0 0
0 3 2 0 4
2 2 1 2 0 2 2 2 3 2 3 1
1 2 0 1 0 1 1 2 2 1 3 2
2 2 2 20 3 22 0 23 0
0 2 3 00
1 2
2 1
( ) ( ) 2 02 0 03 4 − + − + − . .

=




NMF105 – Notas de aula 37


( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
=−


− −
− − −
=− +
=−


− −
− − −
=−
− − + − − − + − − +
− + − − + − − + −
− − + − − − − + − − + −
3 2 7 7
2 1 4 1
2 3 4 6
3 2 0 4
2 1 0 1 5
2 1 4 1
2 3 4 6
3 2 0 4
2 0 1 2 1 4 2 5 1
20 3 2 1 4 25 6
3 0 2 3 1 0 3 5 4
1 2 1
L L L
. . .
. . .
. . .


( ) ( )
( ) ( ) ( )
( ) = − − −
− −
= −
− + − − + −
− − + − − − +
= −
− −
= − − + =
1 2 11
3 2 16
2 3 11
3 2 2 311 16
2 2 3 2 11 11
8 49
1 33
264 49 215
. .
. .




NMF105 – Notas de aula 38
L LI IS ST TA A D DE E E EX XE ER RC CÍ ÍC CI IO OS S 2 2


Determinantes

1. Calcule os determinantes das matrizes abaixo:











− − =










=






=








− −
=
1 5 2
2 0 1
2 3 1
D
1 1 0
0 1 0
0 1 1

5 11
7 13

2
1
2
2 3
C B A


2. Calcule os determinantes das matrizes abaixo, utilizando o teorema de Laplace.


















=












=
d
c
b
a
A
0 0 0 0
2 0 0 0
3 2 0 0
1 3 1 0
5 4 3 2 1
B
3 3 0 1 -
0 4 0 0
2 - 1 - 0 5
1 2 4 3



3. Determine x tal que 0
1 1 3
1 2 2
1
=
+ x
x
x x



4. Chama-se traço de uma matriz quadrada a soma dos elementos da diagonal principal.
Sabendo que o traço vale 9 e o determinante 15, calcule os elementos x e y da matriz:











y
z x
0 0
0
3 2 1



5. Sejam A, B e C, matrizes reais de ordem 3, satisfazendo a seguintes relações: AB=C
-1
,
B=2A. Se o determinante da matriz C vale 32, qual é o módulo do valor do determinante da
matriz A?












NMF105 – Notas de aula 39
RESPOSTAS

1.
2
5
= A :: 12 − = B :: 1 = C :: 9 − = D

2. 208 − = A :: abcd B =

3.
2
1
= x

4. 5 3 = = y x ou vice-versa

5. = A det 1/16








































NMF105 – Notas de aula 40
NMF105 – ALGEBRA LINEAR

Prof. Emerson Costa (responsável pela disciplina)
Prof. Fabio Lacerda (flacerda@fumec.br)



UNIDADE 3 – ESPAÇOS VETORIAIS Notas de Aula


Trata-se de uma ferramenta poderosa para estender nossa visualização geométrica a uma
larga classe de importantes problemas matemáticos, nos quais normalmente não poderíamos
contar com nossa intuição geométrica. Assim, parte-se do princípio que podemos visualizar os
vetores ܴ

e ܴ

como flechas, o que nos permite desenhar ou formar figuras mentais que nos
ajudam a resolver problemas. Como os axiomas que definem os nossos novos tipos de
vetores serão baseados nas propriedades dos vetores de ܴ

e ܴ

, os novos vetores terão
muitas propriedades familiares. Consequentemente, quando quisermos resolver um problema
envolvendo nossos novos tipos de vetores, como matrizes ou funções, poderemos utilizar como
ponto de apoio uma visualização do problema correspondente em ܴ

ou ܴ

(Anton, 2001).

3 3. .1 1 E ES SP PA AÇ ÇO OS S V VE ET TO OR RI IA AI IS S R RE EA AI IS S

“Visa estender o conceito de vetor extraindo as propriedades mais importantes dos vetores
usuais e transformando-as em axiomas. Assim, quando um conjunto de objetos satisfizer estes
axiomas, estes objetos automaticamente têm as mais importantes propriedades dos vetores
usuais, o que torna razoável considerar estes novos objetos como novos tipos de vetores.”
(Anton, 2001).

Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e
multiplicação por escalar, isto é:

∀ ߤ, ݒ ∈ ܸ, ࣆ +࢜ ∈ ࢂ
∀ ߙ ∈ ܴ e ∀ ߤ ∈ ܸ, ࢻࣆ ∈ ࢂ

Onde ߤ e ݒ são elementos do conjunto V e podem ser do tipo:

• Vetores do ܴ


• Matrizes ܯ
௡ ௫ ௡

• Polinômios ܲ

(polinômios de graus ≤ n)
• Números complexos (espaço vetorial complexo)

O conjunto V é chamado espaço vetorial se forem verificados os seguintes axiomas:

A) Em relação à adição

∀ ߤ, ݒ, ߱ ∈ ܸ, tem-se



) ሺࣆ +࢜ሻ +࣓ = ࣆ +(࢜ +࣓) associativa da adição


) ࣆ +࢜ = ࢜ +ࣆ cumulativa


) ∃0 ∈ ܸ, ∀ ߤ ∈ ܸ, ૙ +ࣆ = ࣆ +૙ = ࣆ elemento neutro


) ∀ ߤ ∈ ܸ, ∃ሺ−ߤሻ ∈ ܸ, ࣆ +ሺ−ࣆሻ = ૙ elemento simétrico

NMF105 – Notas de aula 41

M) Em relação à multiplicação por escalar

∀ ߤ, ݒ, ߱ ∈ ܸ e ∀ ߙ, ߚ ∈ ܴ, tem-se



) (ࢻࢼ)ࣆ = ࢻ(ࢼࣆ)


) ሺࢻ +ࢼሻࣆ = ࢻࣆ +ࢼࣆ


) ࢻ(ࣆ +࢜) = ࢻࣆ +ࢻ࢜


) ૚ࣆ = ࣆ

Propriedades dos Espaços Vetoriais

a) Existe um único vetor nulo em V (elemento neutro da adição);
b) Cada vetor ߤ ∈ ܸ admite apenas um simétrico ሺ−ߤሻ ∈ ܸ;
c) Para quaisquer ߤ, ݒ, ߱ ∈ ܸ, se ߤ +߱ = ݒ +߱, então ߤ = ݒ;
d) Qualquer que seja ݒ ∈ ܸ, tem-se: −ሺ−ݒሻ = ݒ, isto é, o oposto de −ݒ é ݒ;
e) Quaisquer que sejam ߤ, ݒ ∈ ܸ, existe um e somente um x, tal que ߤ +ݔ = ݒ;
f) Qualquer que seja ݒ ∈ ܸ, 0ݒ = 0;
g) Qualquer que seja ߙ ∈ ܴ, ߙ0 = 0;
h) ߙݒ = 0, implica ߙ = 0 ou ݒ = 0;
i) Qualquer que seja ݒ ∈ ܸ, ሺ−1ሻݒ = −ݒ;
j) Quaisquer que sejam ݒ ∈ ܸ, ߙ ∈ ܴ, ሺ−ߙሻݒ = ߙሺ−ݒሻ = −ሺߙݒሻ;


Exemplo 1: O conjunto ܸ = ܴ

= ሼሺݔ, ݕሻ / ݔ, ݕ ∈ ܴሽ é um espaço vetorial com as operações de
adição e multiplicação por escalar assim definidas:


ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ = (ݔ



, ݕ



)
ߙሺݔ

, ݕ

ሻ = ሺߙݔ

, ߙݕ





Essas operações são denominadas operações usuais. Para verificar os oito
axiomas de espaço vetorial (condição necessária), tomemos os vetores genéricos
(sempre) ߤ = ሺݔ

, ݕ

ሻ, ݒ = ሺݔ

, ݕ

ሻ ݁ ߱ = ሺݔ

, ݕ



ܣ

) ሺߤ +ݒሻ +߱ = ൫ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ൯ +ሺݔ

, ݕ


= ሺݔ



, ݕ



ሻ +ሺݔ

, ݕ


= ൫ሺݔ



) +ݔ

, (ݕ



ሻ +ݕ


= ൫ݔ

+ሺݔ



), ݕ

+(ݕ



ሻ൯
= (ݔ

, ݕ

) +ሺݔ



, ݕ




= (ݔ

, ݕ

) +൫ሺݔ



ሻ, ሺݔ



ሻ൯
= ߤ +ሺݒ +߱ሻ

ܣ

) ߤ +ݒ = ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ


= ሺݔ



, ݕ




= ሺݔ



, ݕ




= ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ


= ݒ +ߤ


NMF105 – Notas de aula 42
ܣ

) ∃0 = ሺ0,0ሻ ∈ ܴ

, ∀ ߤ ∈ ܴ

, ߤ +0 = ሺݔ

, ݕ

ሻ +ሺ0,0ሻ
= ሺݔ

+0, ݕ

+0ሻ
= ሺݔ

, ݕ


= ߤ

ܣ

) ∀ ߤ = ሺݔ

, ݕ

ሻ ∈ ܴ

, ∃ሺ−ߤሻ = ሺ−ݔ

, −ݕ

ሻ ∈ ܴ

, ߤ +ሺ−ߤሻ = ሺݔ

, ݕ

ሻ +ሺ−ݔ

, −ݕ


= ሺݔ

−ݔ

, ݕ

−ݕ


= ሺ0,0ሻ
= 0

Em relação à multiplicação, ∀ ߙ, ߚ ∈ ܴ, tem-se:

ܯ

) ሺߙߚሻߤ = ሺߙߚሻሺݔ

, ݕ


= ൫ሺߙߚሻݔ

, ሺߙߚሻݕ


= ൫ߙሺߚݔ

ሻ, ߙሺߚݕ

ሻ൯
= ߙሺߚݔ

, ߚݕ


= ߙ൫ߚሺݔ

, ݕ

ሻ൯
= ߙሺߚߤሻ

ܯ

) ሺߙ +ߚሻߤ = ሺߙ +ߚሻሺݔ

, ݕ


= ൫ሺߙ +ߚሻݔ

, ሺߙ +ߚሻݕ


= ሺߙݔ

+ߚݔ

, ߙݕ

+ߚݕ


= ሺߙݔ

, ߙݕ

ሻ +ሺߚݔ

, ߚݕ


= ߙሺݔ

, ݕ

ሻ +ߚሺݔ

, ݕ


= ߙߤ +ߚߤ
ܯ

) ߙሺߤ +ݒሻ = ߙ൫ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ൯
= ߙሺݔ



, ݕ




= ൫ߙሺݔ



ሻ, ߙሺݕ



ሻ൯
= ሺߙݔ

+ߙݔ

, ߙݕ

+ߙݕ


= ሺߙݔ

, ߙݕ

ሻ +ሺߙݔ

, ߙݕ


= ߙሺݔ

, ݕ

ሻ +ߙሺݔ

, ݕ


= ߙߤ +ߙݒ

ܯ

) 1ߤ = 1ሺݔ

, ݕ


= ሺ1ݔ

, 1ݕ


= ሺݔ

, ݕ


= ߤ




Exemplo 2: O conjunto ܸ = ܴ

= ሼሺݔ, ݕሻ / ݔ, ݕ ∈ ܴሽ é um espaço vetorial com as operações de
adição e multiplicação por escalar assim definidas:


ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ = (ݔ



, ݕ



)
݇ሺݔ

, ݕ

ሻ = ሺ݇ݔ

, ݕ

ሻ ܿ݋݉ ݇ ∈ ܴ



Como a adição aqui definida é uma operação usual, todos os axiomas (como visto)
serão verificados (verdadeiros). Logo, não devem se verificar alguns (ou algum) dos
axiomas da multiplicação.

Sejam ߤ = ሺݔ

, ݕ

ሻ, ݒ = ሺݔ

, ݕ

ሻ vetores de V e ߙ, ߚ ∈ ܴ


NMF105 – Notas de aula 43
ܯ

) ሺߙߚሻߤ = ሺߙߚሻሺݔ

, ݕ


= ൫ሺߙߚሻݔ

, ݕ


= ሺߙሺߚݔ

ሻ, ݕ


= ߙሺߚݔ

, ݕ


= ߙ൫ߚሺݔ

, ݕ

ሻ൯
= ߙሺߚߤሻ

ܯ

) ሺߙ +ߚሻߤ = ߙߤ +ߚߤ
= ߙሺݔ

, ݕ

ሻ +ߚሺݔ

, ݕ


= ሺߙݔ

, ݕ

ሻ +ሺߚݔ

, ݕ


= ሺߙݔ

+ߚݔ

, ݕ




= ൫ሺߙ +ߚሻݔ

, 2ݕ


≠ ߙߤ +ߚߤ

Logo, não é espaço vetorial.






3 3. .2 2 S SU UB BE ES SP PA AÇ ÇO OS S V VE ET TO OR RI IA AI IS S R RE EA AI IS S

“É possível para um espaço vetorial estar contido em outro espaço vetorial.” (Anton, 2001).

Sejam V um espaço vetorial e S um subconjunto não vazio de V. O subconjunto S é um
subespaço vetorial de V se forem satisfeitas as seguintes condições:

I. ∀ ߤ, ݒ ∈ ܵ ߤ +ݒ ∈ ܵ (adição)
II. ∀ ߙ ∈ ܴ, ∀ߤ ∈ ܵ ߙߤ ∈ ܵ (multiplicação por escalar)

Todo espaço ܸ ≠ ሼ0ሽ admite, pelo menos, dois subespaços:

- o conjunto {0}, chamado subespaço zero ou subespaço nulo;
- e o próprio espaço vetorial V.

Esses dois são os subespaços triviais de V. Os demais são denominados subespaços próprios
de V.

















NMF105 – Notas de aula 44
Exemplo 1: Identificar quais são os subespaços triviais e próprios de ܴ

.

Solução:

Subespaços triviais do ܴ

: ሼሺ0,0ሻሽ e ܴ

;
Subespaços próprios do ܴ

: retas que passam pela origem do sistema de
referência.


W é um subespaço vetorial (subespaço próprio) do ܴ


Note que ݑ ݁ ݒ ∈ ܹ e: ݑ +ݒ ∈ ܹ
ߙݑ ∈ ܹ



Exemplo 2: Identificar quais são os subespaços triviais e próprios de ܴ

.

Solução:

Subespaços triviais do ܴ

: ሼሺ0,0,0ሻሽ e ܴ

;
Subespaços próprios do ܴ

: retas e planos que passam pela origem do sistema
de referência.



NMF105 – Notas de aula 45

Exemplo 3: Verificar se W é subespaço vetorial de ܴ

sabendo que
ܹ = ሼሺ0, ݔ

, ݔ

, ݔ

, ݔ

ሻ; ݔ

∈ ܴሽ. Ou seja, W é o conjunto dos vetores de ܴ

,
cuja primeira coordenada é nula.

Solução:

Verificação das condições (i) e (ii)

i) ߤ = ሺ0, ݔ

, ݔ

, ݔ

, ݔ

ሻ e v= ሺ0, ݕ

, ݕ

, ݕ

, ݕ

ሻ ∈ ܹ
Então ߤ +ݒ = ሺ0, ݔ



, ݔ



, ݔ



, ݔ



ሻ, que ainda pertence a
W, pois tem a primeira coordenada nula.

ii) ݇ߤ = ሺ0, ݇ݔ

, ݇ݔ

, ݇ݔ

, ݇ݔ

ሻ ∈ ܹ, pois a primeira coordenada é nula para
todo ܭ ∈ ܴ.

Conclusão: W é um subespaço vetorial de ܴ

.



Exemplo 4: Se ܸ = ܴ

, verificar se W é um subespaço vetorial de ܸ, onde
ܹ = ሼሺݔ, ݕሻ ∈ ܴ

/ ݕ = 4 −2ݔሽ.

Solução:

Verificação das condições (i) e (ii)

i) Se ߤ = ሺ1,2ሻ e v= ሺ3, −2ሻ, então ߤ +ݒ = ሺ4,0ሻ ܸ








Conclusão: W não é um subespaço vetorial de ܸ.


NMF105 – Notas de aula 46

Exemplo 5: Se ܸ = ܯ
௡ ௫ ௡
, verificar se W é um subespaço vetorial de V, sendo W o
subconjunto das matrizes triangulares superiores.

Solução:

Conclusão: W é um subespaço vetorial de ܸ, pois a soma de matrizes triangulares
superiores ainda é uma matriz triangular superior, assim como o
produto de uma matriz triangular superior por um escalar.





3 3. .3 3 C CO OM MB BI IN NA AÇ ÇÃ ÃO O L LI IN NE EA AR R

Definição: Um vetor ࢝ é uma Combinação Linear dos vetores ࢜

, ࢜

, ⋯, ࢜

se ࢝ pode ser
escrito na forma
࢝ = ݇







+⋯+݇



,
onde ݇

, ݇

, ⋯, ݇

são escalares.


Exemplo 1: Sendo o espaço vetorial ܲ dos polinômios de grau ≤ 2, expressar o polinômio
ݒ = 7ݔ

+11ݔ −26 como Combinação Linear dos polinômios:
ݒ

= 5ݔ

−3ݔ +2 e ݒ

= −2ݔ

+5ݔ −8

Solução:

ݒ = ࢇݒ

+࢈ݒ




+11ݔ −26 = ܽሺ5ݔ

−3ݔ +2ሻ +ܾሺ−2ݔ

+5ݔ −8ሻ
= ሺ5ܽݔ

−3ܽݔ +2ܽሻ +ሺ−2ܾݔ

+5ܾݔ −8ܾሻ
= 5ܽݔ

−3ܽݔ +2ܽ −2ܾݔ

+5ܾݔ −8ܾ
= ሺ5ܽ −2ܾሻݔ

+ሺ−3ܽ +5ܾሻݔ +ሺ2ܽ −8ܾሻ

comparando os polinômios termo a termo, tem-se:


5ܽ −2ܾ = 7
−3ܽ +5ܾ = 11
2ܽ −8ܾ = −26

ܽ = 3
ܾ = 4


Conclusão: ࢜ = ૜࢜

+૝࢜




Observação:
Para se encontrar os valores dos escalares a e b, também pode-se resolver as
equações usando o método de Gauss (ver 1.7.2), ou escalonamento, através da
matriz ampliada do sistema. Esta alternativa mostra-se mais indicada para
sistemas mais complexos. Assim:


5ܽ −2ܾ = 7
−3ܽ +5ܾ = 11
2ܽ −8ܾ = −26


5 −2 7
−3 5 11
2 −8 −26


NMF105 – Notas de aula 47

5 −2 7
−3 5 11
2 −8 −26
൩ ⇢ ܮ

=


ܮ

⇢ ൥
5 −2 7
−3 5 11
1 −4 −13
൩ ⇢ ܮ

↔ ܮ




1 −4 −13
−3 5 11
5 −2 7

⇢ ܮ

= ܮ

+3ܮ


⇢ ܮ

= ܮ

−5ܮ



1 −4 −13
0 −7 −28
0 18 72

⇢ ܮ

= −
1
7
ܮ


⇢ ܮ

=
1
18
ܮ





1 −4 −13
0 1 4
0 1 4
൩ ⇢ ܮ

= ܮ

+4ܮ

⇢ ൥
1 0 3
0 1 4
0 1 4
൩ = ൝
ܽ = 3
ܾ = 4
ܾ = 4

ܽ = 3
ܾ = 4


࢜ = ૜࢜

+૝࢜





Exemplo 2: Considere os vetores ݑ = ሺ1,2, −1ሻ e ݒ = ሺ6,4,2ሻ em ܴ

. Verifique se ݓ

= ሺ9,2,7ሻ e
ݓ

= ሺ4, −1,8ሻ são Combinações Lineares de ݑ e ݒ.

Solução:

ݓ

= ࢇݑ +࢈ݒ
ሺ9,2,7ሻ = ܽሺ1,2, −1ሻ +ܾሺ6,4,2ሻ
= ሺܽ, 2ܽ, −ܽሻ +ሺ6ܾ, 4ܾ, 2ܾሻ
= ሺܽ +6ܾ, 2ܽ +4ܾ, −ܽ +2ܾሻ

comparando os vetores termo a termo, tem-se:


ܽ +6ܾ = 9
2ܽ +4ܾ = 2
−ܽ +2ܾ = 7


1 6 9
2 4 2
−1 2 7



1 6 9
2 4 2
−1 2 7

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ





1 6 9
0 −8 −16
0 8 16

⇢ ܮ

= −


ܮ


⇢ ܮ

=


ܮ





1 6 9
0 1 2
0 1 2
൩ ⇢ ܮ

= ܮ

−6ܮ

⇢ ൥
1 0 −3
0 1 2
0 1 2
൩ = ൝
ܽ = −3
ܾ = 2
ܾ = 2

ܽ = −3
ܾ = 2


Conclusão 1: ݓ

= −૜ݑ +૛ݒ (ݓ

é uma Combinação Linear de ݑ e ݒ)



ݓ

= ࢇݑ +࢈ݒ
ሺ4, −1,8ሻ = ܽሺ1,2, −1ሻ +ܾሺ6,4,2ሻ
= ሺܽ, 2ܽ, −ܽሻ +ሺ6ܾ, 4ܾ, 2ܾሻ
= ሺܽ +6ܾ, 2ܽ +4ܾ, −ܽ +2ܾሻ

comparando os vetores termo a termo, tem-se:


ܽ +6ܾ = 4
2ܽ +4ܾ = −1
−ܽ +2ܾ = 8


1 6 4
2 4 −1
−1 2 8


NMF105 – Notas de aula 48


1 6 4
2 4 −1
−1 2 8

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ





1 6 9
0 −8 −9
0 8 12

⇢ ܮ

= −


ܮ


⇢ ܮ

=


ܮ





1 6 9
0 1
9
8

0 1
12
8

൪ ⇢ ܮ

= ܮ

−ܮ

⇢ ൦
1 6 9
0 1
9
8

0 0
3
8

൪ 0 =
3
8
ൗ ‼! Inconsistente

Conclusão2: Como não existe solução, ݓ

não é uma Combinação Linear de ݑ e ݒ.



Exemplo 3: Considere os vetores ݑ

= ሺ1,2,1ሻ, ݑ

= ሺ1,0,2ሻ e ݑ

= ሺ1,1,0ሻ em ܴ

. Encontre a
Combinação Linear de ݑ

, ݑ

e ݑ

que resulte no vetor ݓ = ሺ2,1,5ሻ.

Solução:

ݓ = ࢇݑ

+࢈ݑ

+ࢉݑ


ሺ2,1,5ሻ = ܽሺ1,2,1ሻ +ܾሺ1,0,2ሻ +ܿሺ1,1,0ሻ
ሺ2,1,5ሻ = ሺܽ, 2ܽ, ܽሻ +ሺܾ, 0,2ܾሻ +ሺܿ, ܿ, 0ሻ
ሺ2,1,5ሻ = ሺܽ +ܾ +ܿ, 2ܽ +ܿ, ܽ +2ܾሻ

comparando os vetores termo a termo, tem-se:


ܽ +ܾ +ܿ = 2
2ܽ +ܿ = 1
ܽ +2ܾ = 5


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



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

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

−ܮ



1 1 1 2
0 −2 −1 −3
0 1 −1 3
൩ ⇢ ܮ

↔ ܮ




1 1 1 2
0 1 −1 3
0 −2 −1 −3

⇢ ܮ

= ܮ

−ܮ


⇢ ܮ

= ܮ

+2ܮ



1 0 2 −1
0 1 −1 3
0 0 −3 3
൩ ⇢ ܮ

= −


ܮ




1 0 2 −1
0 1 −1 3
0 0 1 −1

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ





1 0 0 1
0 1 0 2
0 0 1 −1
൩ = ൝
ܽ = 1
ܾ = 2
ܿ = −1

Conclusão: ݓ = ݑ

+૛ݑ

−ݑ

.












NMF105 – Notas de aula 49
Exemplo 4: Escreva a matriz ܧ = ቂ
3 1
1 −1
ቃ como Combinação Linear das matrizes
ܣ = ቂ
1 1
1 0
ቃ :: ܤ = ቂ
0 0
1 1
ቃ :: ܥ = ቂ
0 2
0 −1


Solução:

ܧ = ࢞ܣ +࢟ܤ +ࢠܥ

3 1
1 −1
ቃ = ݔ ቂ
1 1
1 0
ቃ +ݕ ቂ
0 0
1 1
ቃ +ݖ ቂ
0 2
0 −1


3 1
1 −1
ቃ = ቂ
ݔ ݔ
ݔ 0
ቃ +൤
0 0
ݕ ݕ
൨ +ቂ
0 2ݖ
0 −ݖ


3 1
1 −1
ቃ = ൤
ݔ ݔ +2ݖ
ݔ +ݕ ݕ −ݖ


comparando os vetores termo a termo, tem-se:


ݔ = 3
ݔ +2ݖ = 1
ݔ +ݕ = 1
ݕ −ݖ = −1


1 0 0 3
1 0 2 1
1 1 0 1
0 1 −1 −1



1 0 0 3
1 0 2 1
1 1 0 1
0 1 −1 −1

⇢ ܮ

= ܮ

−ܮ


⇢ ܮ

= ܮ

−ܮ



1 0 0 3
0 0 2 −2
0 1 0 −2
0 1 −1 −1

⇢ ܮ

=


ܮ


⇢ ܮ

= −ܮ







1 0 0 3
0 0 1 −1
0 1 0 −2
0 0 1 −1
൪ ⇢ ܮ

↔ ܮ

⇢ ൦
1 0 0 3
0 1 0 −2
0 0 1 −1
0 0 1 −1
൪ = ൝
ݔ = 3
ݕ = −2
ݖ = −1

Conclusão: ܧ = 3ܣ −2ܤ −ܥ


Exemplo 5: Escrever o vetor 0 ∈ ܴ

como Combinação Linear dos vetores:
a) ݒ

= ሺ1,3ሻ e ݒ

= ሺ2,6ሻ
b) ݒ

= ሺ1,3ሻ e ݒ

= ሺ2,5ሻ

Solução:

a) ሺ0,0ሻ = ܽሺ1,3ሻ +ܾሺ2,6ሻ
= ሺ1ܽ, 3ܽሻ +ሺ2ܾ, 6ܾሻ
= ሺ1ܽ +2ܾ, 3ܽ +6ܾሻ

comparando os vetores termo a termo, tem-se:


ܽ +2ܾ = 0
3ܽ +6ܾ = 0


1 2 0
3 6 0



1 2 0
3 6 0
ቃ ⇢ ܮ

= ܮ

−3ܮ

⇢ ቂ
1 2 0
0 0 0
ቃ = ሼ
ܽ +2ܾ = 0

Conclusão: ܽݒ

+ܾݒ

= 0 ∀ܽ = 2ܾ

NMF105 – Notas de aula 50

b) ሺ0,0ሻ = ܽሺ1,3ሻ +ܾሺ2,5ሻ
= ሺ1ܽ, 3ܽሻ +ሺ2ܾ, 5ܾሻ
= ሺ1ܽ +2ܾ, 3ܽ +5ܾሻ

comparando os vetores termo a termo, tem-se:


ܽ +2ܾ = 0
3ܽ +5ܾ = 0


1 2 0
3 5 0



1 2 0
3 5 0
ቃ ⇢ ܮ

= ܮ

−3ܮ

⇢ ቂ
1 2 0
0 −1 0

⇢ ܮ

= ܮ

+2ܮ


⇢ ܮ

= −ܮ





1 0 0
0 1 0
ቃ = ቄ
ܽ = 0
ܾ = 0

Conclusão: 0ݒ

+0ݒ

= 0



Exemplo 6: Expressar o vetor ݑ = ሺ−1,4, −4,6ሻ ∈ ܴ

como Combinação Linear dos vetores
ݒ

= ሺ3, −3,1,0ሻ, ݒ

= ሺ0,1, −1,2ሻ e ݒ

= ሺ1, −1,0,0ሻ.

Solução:

ݑ = ࢇݒ

+࢈ݒ

+ࢉݒ


ሺ−1,4, −4,6ሻ = ܽሺ3, −3,1,0ሻ +ܾሺ0,1, −1,2ሻ +ܿሺ1, −1,0,0ሻ
= ܽሺ3, −3,1,0ሻ +ܾሺ0,1, −1,2ሻ +ܿሺ1, −1,0,0ሻ
= ሺ3ܽ, −3ܽ, ܽ, 0ሻ +ሺ0, ܾ, −ܾ, 2ܾሻ +ሺܿ, −ܿ, 0,0ሻ
= ሺ3ܽ +ܿ, −3ܽ +ܾ −ܿ, ܽ −ܾ, 2ܾሻ

comparando os vetores termo a termo, tem-se:


3ܽ +ܿ = −1
−3ܽ +ܾ −ܿ = 4
ܽ −ܾ = −4
2ܾ = 6


3 0 1 −1
−3 1 −1 4
1 −1 0 −4
0 2 0 6



3 0 1 −1
−3 1 −1 4
1 −1 0 −4
0 2 0 6
൪ ⇢ ܮ

↔ ܮ

⇢ ൦
1 −1 0 −4
−3 1 −1 4
3 0 1 −1
0 2 0 6

⇢ ܮ

= ܮ

+3ܮ


⇢ ܮ

= ܮ

−3ܮ


⇢ ܮ

=


ܮ





1 −1 0 −4
0 −2 −1 −8
0 3 1 11
0 1 0 3

⇢ ܮ

= ܮ




⇢ ܮ

= ܮ

+2ܮ


⇢ ܮ

= ܮ

−3ܮ



1 0 0 −1
0 0 −1 −2
0 0 1 2
0 1 0 3

⇢ ܮ

= −ܮ


⇢ ܮ

↔ ܮ





1 0 0 −1
0 1 0 3
0 0 1 2
0 0 1 2
൪ = ൝
ܽ = −1
ܾ = 3
ܿ = 2

Conclusão: -1ݑ = −ݒ

+3ݒ

+2ݒ




NMF105 – Notas de aula 51

3 3. .4 4 E ES SP PA AÇ ÇO OS S G GE ER RA AD DO OS S

Se ݒ

, ݒ

, ⋯, ݒ

são vetores em um espaço vetorial ܸ, então:
(a) O conjunto ܹ de todas as combinações lineares de ݒ

, ݒ

, ⋯, ݒ

é um subespaço de ܸ.
(b) ܹ é o menor subespaço de ܸ que contém ݒ

, ݒ

, ⋯, ݒ

, no seguinte sentido: qualquer
subespaço de ܸ que contém ݒ

, ݒ

, ⋯, ݒ

também contém ܹ.

Definição: Se ܵ = ሼݒ

, ݒ

, ⋯, ݒ

ሽ é um conjunto de vetores de um espaço vetorial ܸ, então o
subespaço ܹ de ܸ que consiste de todas as combinações lineares dos vetores em
ܵ é chamado de espaço gerado por ݒ

, ݒ

, ⋯, ݒ

e nós dizemos que os vetores
ݒ

, ݒ

, ⋯, ݒ

geram ܹ. Para indicar que ܹ é o espaço gerado pelos vetores do
conjunto ܵ = ሼݒ

, ݒ

, ⋯, ݒ

ሽ, nós escrevemos
ܹ = ݃݁ݎሺܵሻ ou ܹ = ݃݁ݎሼݒ

, ݒ

, ⋯, ݒ





Exemplo 1: Verificar se o conjunto ሼሺ2,1,1ሻ, ሺ−1,0,2ሻ, ሺ1,2,1ሻሽ gera o espaço ܴ

.

Solução:

Para isso deve-se provar que todo vetor ሺݔ, ݕ, ݖሻ de ܴ

pode ser escrito na forma
ܽሺ2,1,1ሻ +ܾሺ−1,0,2ሻ +ܿሺ1,2,1ሻ. Assim,

ሺݔ, ݕ, ݖሻ = ܽሺ2,1,1ሻ +ܾሺ−1,0,2ሻ +ܿሺ1,2,1ሻ
= ሺ2ܽ, 1ܽ, 1ܽሻ +ሺ−1ܾ, 0ܾ, 2ܾሻ +ሺ1ܿ, 2ܿ, 1ܿሻ
= ሺ2ܽ −1ܾ +1ܿ, 1ܽ +0ܾ +2ܿ, 1ܽ +2ܾ +1ܿሻ

Comparando os vetores termo a termo, tem-se,


2ܽ −1ܾ +1ܿ = ݔ
1ܽ +0ܾ +2ܿ = ݕ
1ܽ +2ܾ +1ܿ = ݖ


2 −1 1
1 0 2
1 2 1
൩ . ቈ
ܽ
ܾ
ܿ
቉ = ቈ
ݔ
ݕ
ݖ


Para que o sistema tenha solução única a primeira matriz (dos coeficientes) deve
ser inversível, isto é, seu determinante deve ser diferente de zero. Calculando,

2 −1 1
1 0 2
1 2 1
อ = −7
Como esse determinante é diferente de zero, o sistema possui solução única. Ou
seja, existem valores de ܽ, ܾ e ܿ que satisfazem a igualdade ሺݔ, ݕ, ݖሻ = ܽሺ2,1,1ሻ +
ܾሺ−1,0,2ሻ +ܿሺ1,2,1ሻ.

Conclusão: O sistema possui solução única porque o determinante da matriz dos
coeficientes é diferente de zero. Logo, todos os vetores de ܴ


podem ser escritos como combinação linear dos vetores dados.






NMF105 – Notas de aula 52

Exemplo 2: Verificar se o conjunto ሼሺ2,1,3ሻ, ሺ3,1,2ሻ, ሺ5,2,5ሻሽ gera o espaço ܴ

.

Solução:

Para isso deve-se provar que todo vetor ሺݔ, ݕ, ݖሻ de ܴ

pode ser escrito na forma
ܽሺ2,1,3ሻ +ܾሺ3,1,2ሻ +ܿሺ5,2,5ሻ. Assim,

ሺݔ, ݕ, ݖሻ = ܽሺ2,1,3ሻ +ܾሺ3,1,2ሻ +ܿሺ5,2,5ሻ
= ሺ2ܽ, 1ܽ, 3ܽሻ +ሺ3ܾ, 1ܾ, 2ܾሻ +ሺ5ܿ, 2ܿ, 5ܿሻ
= ሺ2ܽ +3ܾ +5ܿ, 1ܽ +1ܾ +2ܿ, 3ܽ +2ܾ +5ܿሻ

Comparando os vetores termo a termo, tem-se,


2ܽ +3ܾ +5ܿ = ݔ
1ܽ +1ܾ +2ܿ = ݕ
3ܽ +2ܾ +5ܿ = ݖ


2 3 5
1 1 2
3 2 5
൩ . ቈ
ܽ
ܾ
ܿ
቉ = ቈ
ݔ
ݕ
ݖ


Calculando o determinante da matriz de coeficientes, tem-se

2 3 5
1 1 2
3 2 5
อ = 0
Como este determinante é zero, o conjunto não gera ܴ

. Neste caso, o conjunto
irá gerar um subconjunto de ܴ

. Para determinar tal subconjunto, pode-se utilizar
escalonamento da matriz ampliada do sistema. Assim,


2 3 5 ݔ
1 1 2 ݕ
3 2 5 ݖ
൩ ⇢ ܮ

↔ ܮ

⇢ ൥
1 1 2 ݕ
2 3 5 ݔ
3 2 5 ݖ

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

−3ܮ





1 1 2 ݕ
0 1 1 ݔ −2ݕ
0 −1 −1 ݖ −3ݕ
൩ ⇢ ܮ

= ܮ



⇢ ൥
1 1 2 ݕ
0 1 1 ݔ −2ݕ
0 0 0 ݔ −5ݕ +ݖ


Para que o sistema não seja inconsistente, é necessário que ݔ −5ݕ +ݖ = 0.

Conclusão: O sistema só terá validade para vetores ሺݔ, ݕ, ݖሻ que satisfaçam a
relação ݔ −5ݕ +ݖ = 0. Ou seja, ሼሺݔ, ݕ, ݖሻ ∈ ܴ

/ ݔ −5ݕ +ݖ = 0ሽ.



Exemplo 3: Mostrar que ݒ

= ሺ1,1,1ሻ, ݒ

= ሺ0,1,1ሻ e ݒ

= ሺ0,0,1ሻ geram o ܴ

.

Solução:

ሺݔ, ݕ, ݖሻ = ࢇݒ

+࢈ݒ

+ࢉݒ


ሺݔ, ݕ, ݖሻ = ܽሺ1,1,1ሻ +ܾሺ0,1,1ሻ +ܿሺ0,0,1ሻ
= ሺܽ, ܽ, ܽሻ +ሺ0, ܾ, ܾሻ +ሺ0,0, ܿሻ
= ሺܽ, ܽ +ܾ, ܽ +ܾ +ܿሻ

Comparando os vetores termo a termo, tem-se,


NMF105 – Notas de aula 53

ܽ = ݔ
ܽ +ܾ = ݕ
ܽ +ܾ +ܿ = ݖ


1 0 0 ݔ
1 1 0 ݕ
1 1 1 ݖ



1 0 0 ݔ
1 1 0 ݕ
1 1 1 ݖ

⇢ ܮ

= ܮ

−ܮ


⇢ ܮ

= ܮ

−ܮ



1 0 0 ݔ
0 1 0 ݕ −ݔ
0 0 1 ݖ −ݕ
൩ = ൝
ܽ = ݔ
ܾ = ݕ −ݔ
ܿ = ݖ −ݕ

Conclusão: ሺݔ, ݕ, ݖሻ = ࢞ݒ

+ሺ࢟ −࢞ሻݒ

+ሺࢠ −࢟ሻݒ





Exemplo 4: Seja o Espaço Vetorial ܯ
ଶ௫ଶ
. Determine os subespaços gerados por:
ݒ

= ቂ
−1 0
0 1
ቃ, ݒ

= ቂ
1 −1
0 0
ቃ e ݒ

= ቂ
0 1
1 0


Solução:

ܯ
ଶ௫ଶ
= ቂ
ݔ ݕ
ݖ ݐ
ቃ = ࢇݒ

+࢈ݒ

+ࢉݒ



ݔ ݕ
ݖ ݐ
ቃ = ܽ ቂ
−1 0
0 1
ቃ +ܾ ቂ
1 −1
0 0
ቃ +ܿ ቂ
0 1
1 0

= ቂ
−ܽ 0
0 ܽ
ቃ +ቂ
ܾ −ܾ
0 0
ቃ +ቂ
0 ܿ
ܿ 0

= ቂ
−ܽ +ܾ −ܾ +ܿ
ܿ ܽ


Comparando os vetores termo a termo, tem-se,


−ܽ +ܾ = ݔ
−ܾ +ܿ = ݕ
ܿ = ݖ
ܽ = ݐ


−1 1 0 ݔ
0 −1 1 ݕ
0 0 1 ݖ
1 0 0 ݐ



−1 1 0 ݔ
0 −1 1 ݕ
0 0 1 ݖ
1 0 0 ݐ
൪ ⇢ ܮ

↔ ܮ

⇢ ൦
1 0 0 ݐ
0 −1 1 ݕ
0 0 1 ݖ
−1 1 0 ݔ

⇢ ܮ

= −ܮ




⇢ ܮ

= ܮ







1 0 0 ݐ
0 1 0 ݖ −ݕ
0 0 1 ݖ
0 1 0 ݔ +ݐ
൪ ⇢ ܮ

= ܮ

−ܮ

⇢ ൦
1 0 0 ݐ
0 1 0 ݖ −ݕ
0 0 1 ݖ
0 0 0 ݔ +ݕ −ݖ +ݐ


Conclusão: ܵ = ቄቂ
ݔ ݕ
ݖ ݐ
ቃ / ݔ +ݕ −ݖ +ݐ = 0ቅ









NMF105 – Notas de aula 54

Exemplo 5: Determinar o subespaço de ܲ gerado pelos vetores
݌

= ݔ

+2ݔ

−ݔ +3 e ݌

= −2ݔ

−ݔ

+3ݔ +2

Solução:

݌ = ܽݔ

+ܾݔ

+ܿݔ +݀ = ࢻ݌

+ࢼ݌


ܽݔ

+ܾݔ

+ܿݔ +݀ = ߙሺݔ

+2ݔ

−ݔ +3ሻ +ߚሺ−2ݔ

−ݔ

+3ݔ +2ሻ
= ߙݔ

+2ߙݔ

−ߙݔ +3ߙ −2ߚݔ

−ߚݔ

+3ߚݔ +2ߚ
= ߙݔ

−2ߚݔ

+2ߙݔ

−ߚݔ

−ߙݔ +3ߚݔ +3ߙ +2ߚ
= ሺߙ −2ߚሻݔ

+ሺ2ߙ −ߚሻݔ

+ሺ−ߙ +3ߚሻݔ +ሺ3ߙ +2ߚሻ

Comparando os vetores termo a termo, tem-se,


ߙ −2ߚ = ܽ
2ߙ −ߚ = ܾ
−ߙ +3ߚ = ܿ
3ߙ +2ߚ = ݀


1 −2 ܽ
2 −1 ܾ
−1 3 ܿ
3 2 ݀



1 −2 ܽ
2 −1 ܾ
−1 3 ܿ
3 2 ݀

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ




⇢ ܮ

= ܮ

−3ܮ



1 −2 ܽ
0 3 ܾ −2ܽ
0 1 ܿ +ܽ
0 8 ݀ −3ܽ

⇢ ܮ

= ܮ

−3ܮ


⇢ ܮ

= ܮ

−8ܮ


⇢ ܮ

= ܮ

+2ܮ





1 0 3ܽ +2ܿ
0 0 −5ܽ +ܾ −3ܿ
0 1 ܿ +ܽ
0 0 −11ܽ −8ܿ +݀

−5ܽ +ܾ −3ܿ = 0
−11ܽ −8ܿ +݀ = 0


Conclusão: ܵ = ሼሺܽݔ

+ܾݔ

+ܿݔ +݀ሻ / ܾ = 5ܽ +3ܿ ݁ ݀ = 11ܽ +8ܿሽ

























NMF105 – Notas de aula 55

3 3. .5 5 D DE EP PE EN ND DÊ ÊN NC CI IA A E E I IN ND DE EP PE EN ND DÊ ÊN NC CI IA A L LI IN NE EA AR R

Definição: Se ࡿ = ሼ࢜

, ࢜

, ⋯, ࢜

ሽ é um conjunto não vazio de vetores, então a equação
vetorial
݇







+⋯+݇



= 0
admite pelo menos a solução trivial ݇

= ݇

= ⋯ = ݇

= 0.
Se esta é a única solução, então o conjunto ܵ é chamado linearmente
independente. Se existem outras soluções, então ܵ é um conjunto linearmente
dependente.

Teorema 1
Um conjunto ܵ de dois ou mais vetores é:
(a) Linearmente dependente se, e somente se, pelo menos um dos vetores de ܵ pode ser
escrito como uma combinação linear dos outros vetores de ܵ.
(b) Linearmente independente se, e somente se, nenhum vetor em ܵ pode ser escrito como
uma combinação linear dos outros vetores de ܵ.

Teorema 2
(a) Um conjunto finito de vetores que contém o vetor nulo é linearmente dependente.
(b) Um conjunto de exatamente dois vetores é linearmente independente se, e somente se,
nenhum dos dois vetores é um múltiplo escalar do outro.

Teorema 3
Seja ܵ = ሼݒ

, ݒ

, ⋯, ݒ

ሽ um conjunto de vetores em ܴ

. Se ݎ > ݊, então ܵ é linearmente
dependente.





















NMF105 – Notas de aula 56

Interpretação Geométrica da Independência Linear em ࡾ

e ࡾ

.


Para dois vetores em ܴ

e ܴ

: os vetores são linearmente independentes se, e somente se, os
vetores não estão numa mesma reta quando colocados com
seus pontos iniciais na origem.


















Linearmente dependente Linearmente independente


















Linearmente dependente










NMF105 – Notas de aula 57

Para três vetores em ܴ

: os vetores são linearmente independentes se, e somente se, os
vetores não estão nem um mesmo plano quando colocados com
seus pontos iniciais na origem.



















Linearmente dependente Linearmente independente

















Linearmente dependente














NMF105 – Notas de aula 58

Exemplo 1: Determine se os vetores ݑ

= ሺ1,0,0ሻ, ݑ

= ሺ0,1,0ሻ e ݑ

= ሺ0,0,1ሻ em ܴ

são ou não
linearmente dependentes.

Solução:

࢞ݑ

+࢟ݑ

+ࢠݑ

= 0
ሺ0,0,0ሻ = ݔሺ1,0,0ሻ +ݕሺ0,1,0ሻ +ݖሺ0,0,1ሻ
= ሺݔ, 0,0ሻ +ሺ0, ݕ, 0ሻ +ሺ0,0, ݖሻ
= ሺݔ, ݕ, ݖሻ

comparando os vetores termo a termo, tem-se:


ݔ = 0
ݕ = 0
ݖ = 0

Conclusão: O conjunto de vetores ܵ = ሼݑ

, ݑ

, ݑ

ሽ é linearmente independente
porque o sistema admite apenas a solução trivial (ݔ = ݕ = ݖ = 0).



Exemplo 2: Determine se os vetores ݌

, ݌

e ݌

sao ou não linearmente dependentes, onde:
݌

= ݔ

+ݔ +2 :: ݌

= 2ݔ

+ݔ :: ݌

= 3ݔ

+2ݔ +2

Solução 1:

ࢇ݌

+࢈݌

+ࢉ݌

= 0
ܽሺݔ

+ݔ +2ሻ +ܾሺ2ݔ

+ݔሻ +ܿሺ3ݔ

+2ݔ +2ሻ = 0
ሺܽݔ

+ܽݔ +2ܽሻ +ሺ2ܾݔ

+ܾݔሻ +ሺ3ܿݔ

+2ܿݔ +2ܿሻ = 0
ܽݔ

+ܽݔ +2ܽ +2ܾݔ

+ܾݔ +3ܿݔ

+2ܿݔ +2ܿ = 0
ሺܽ +2ܾ +3ܿሻݔ

+ሺܽ +ܾ +2ܿሻݔ +ሺ2ܽ +2ܿሻ = 0

comparando os vetores termo a termo, tem-se:


ܽ +2ܾ +3ܿ = 0
ܽ +ܾ +2ܿ = 0
2ܽ +2ܿ = 0


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



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

⇢ ܮ

= ܮ

−ܮ


⇢ ܮ

= ܮ

−2ܮ



1 2 3 0
0 −1 −1 0
0 −4 −4 0
൩ ⇢ ܮ

= −ܮ




1 2 3 0
0 1 1 0
0 −4 −4 0
൩ ⇢ ܮ

= ܮ

+4ܮ

⇢ ൥
1 2 3 0
0 1 1 0
0 0 0 0
൩ = ቄ
ܽ +2ܾ +3ܿ = 0
ܾ +ܿ = 0

Conclusão: O conjunto de vetores ܵ = ሼ݌

, ݌

, ݌

ሽ é linearmente dependente
porque o sistema admite infinitas soluções (duas equações e três
incognitas). Ou seja, o sistema admite outra solução além da
solução trivial (ܽ = ܾ = ܿ = 0).


NMF105 – Notas de aula 59

Solução 2:

De acordo com o “teorema 2” os vetores são linearmente dependentes e um dos
vetores pode ser escrito como combinação linear dos outros. Assim:

݌

= ࢇ݌

+࢈݌


ݔ

+ݔ +2 = ܽሺ2ݔ

+ݔሻ +ܾሺ3ݔ

+2ݔ +2ሻ
= ሺ2ܽݔ

+ܽݔሻ +ሺ3ܾݔ

+2ܾݔ +2ܾሻ
= 2ܽݔ

+ܽݔ +3ܾݔ

+2ܾݔ +2ܾ
= ሺ2ܽ +3ܾሻݔ

+ሺܽ +2ܾሻݔ +ሺ2ܾሻ

comparando os vetores termo a termo, tem-se:


2ܽ +3ܾ = 1
ܽ +2ܾ = 1
2ܾ = 2

resolvendo diretamente, tem-se ቄ
ܽ = −1
ܾ = 1

Conclusão: Como ݌

é uma combinação linear de ݌

e ݌



= −݌



) então o
conjunto de vetores ܵ = ሼ݌

, ݌

, ݌

ሽ é linearmente dependente.




Exemplo 3: Determine se os vetores ݑ

= ሺ1, −2,1ሻ, ݑ

= ሺ2,1, −1ሻ e ݑ

= ሺ7, −4,1ሻ em ܴ

são
ou não linearmente dependentes.

Solução 1:

࢞ݑ

+࢟ݑ

+ࢠݑ

= 0
ሺ0,0,0ሻ = ݔሺ1, −2,1ሻ +ݕሺ2,1, −1ሻ +ݖሺ7, −4,1ሻ
= ሺݔ, −2ݔ, ݔሻ +ሺ2ݕ, ݕ, −ݕሻ +ሺ7ݖ, −4ݖ, ݖሻ
= ሺݔ +2ݕ +7ݖ, −2ݔ +ݕ −4ݖ, ݔ −ݕ +ݖሻ

comparando os vetores termo a termo, tem-se:


ݔ +2ݕ +7ݖ = 0
−2ݔ +ݕ −4ݖ = 0
ݔ −ݕ +ݖ = 0


1 2 7 0
−2 1 −4 0
1 −1 1 0



1 2 7 0
−2 1 −4 0
1 −1 1 0

⇢ ܮ

= ܮ

+2ܮ


⇢ ܮ

= ܮ

−ܮ



1 2 7 0
0 5 10 0
0 −3 −6 0
൩ ⇢ ܮ

=


ܮ




1 2 7 0
0 1 2 0
0 −3 −6 0
൩ ⇢ ܮ

= ܮ

+3ܮ

⇢ ൥
1 2 7 0
0 1 2 0
0 0 0 0
൩ = ൜
ݔ +2ݕ +7ݖ = 0
ݕ +2ݖ = 0

Conclusão: O conjunto de vetores ܵ = ሼݑ

, ݑ

, ݑ

ሽ é linearmente dependente
porque o sistema admite infinitas soluções (duas equações e três
incognitas). Ou seja, o sistema admite outra solução além da
solução trivial (ݔ = ݕ = ݖ = 0).



NMF105 – Notas de aula 60
Solução 2:

De acordo com o “teorema 2” os vetores são linearmente dependentes e um dos
vetores pode ser escrito como combinação linear dos outros. Assim:

ݑ

= ࢇݑ

+࢈ݑ


ሺ1, −2,1ሻ = ܽሺ2,1, −1ሻ +ܾሺ7, −4,1ሻ
= ሺ2ܽ, ܽ, −ܽሻ +ሺ7ܾ, −4ܾ, ܾሻ
= ሺ2ܽ +7ܾ, ܽ −4ܾ, −ܽ +ܾሻ

comparando os vetores termo a termo, tem-se:


2ܽ +7ܾ = 1
ܽ −4ܾ = −2
−ܽ +ܾ = 1


2 7 1
1 −4 −2
−1 1 1



2 7 1
1 −4 −2
−1 1 1
൩ ⇢ ܮ

↔ ܮ

⇢ ൥
1 −4 −2
2 7 1
−1 1 1

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ







1 −4 −2
0 15 5
0 −3 −1
൩ ⇢ ܮ

=

ଵହ
ܮ

⇢ ቎
1 −4 −2
0 1
1
3

0 −3 −1

⇢ ܮ

= ܮ

+4ܮ


⇢ ܮ

= ܮ

+3ܮ





1 0
−2
3

0 1
1
3

0 0 0
൪ = ൝
ܽ =
−2
3

ܾ =
1
3




Conclusão: Como ݑ

é uma combinação linear de ݑ

e ݑ



=
ିଶ

ݑ

+


ݑ

)
então o conjunto de vetores ܵ = ሼݑ

, ݑ

, ݑ

ሽ é linearmente
dependente.



Exemplo 4: Seja ܸ o espaço vetorial das matrizes 2ݔ2 sobre ܴ. Determine se as matrizes
ܣ, ܤ, ܥ ∈ ܸ são linearmente dependentes, onde:
ܣ = ቂ
1 1
1 1
ቃ :: ܤ = ቂ
1 0
0 1
ቃ :: ܥ = ቂ
1 1
0 0


Solução:

࢞ܣ +࢟ܤ +ࢠܥ = 0
ݔ ቂ
1 1
1 1
ቃ +ݕ ቂ
1 0
0 1
ቃ +ݖ ቂ
1 1
0 0
ቃ = ቂ
0 0
0 0


ݔ ݔ
ݔ ݔ
ቃ +൤
ݕ 0
0 ݕ
൨ +ቂ
ݖ ݖ
0 0
ቃ = ቂ
0 0
0 0


ݔ +ݕ +ݖ ݔ +ݖ
ݔ ݔ +ݕ
ቃ = ቂ
0 0
0 0



NMF105 – Notas de aula 61
comparando os vetores termo a termo, tem-se:


ݔ +ݕ +ݖ = 0
ݔ +ݖ = 0
ݔ = 0
ݔ +ݕ = 0

resolvendo diretamente, tem-se ൝
ݔ = 0
ݕ = 0
ݖ = 0

Conclusão: As matrizes ܣ, ܤ e ܥ são linearmente independentes porque o sistema
admite apenas a solução trivial (ݔ = ݕ = ݖ = 0).



Exemplo 5: Determine se os vetores ݑ

= ሺ2, −1,0,3ሻ, ݑ

= ሺ1,2,5, −1ሻ e ݑ

= ሺ7, −1,5,8ሻ em ܴ


são ou não linearmente dependentes.

Solução:

࢞ݑ

+࢟ݑ

+ࢠݑ

= 0
ሺ0,0,0ሻ = ݔሺ2, −1,0,3ሻ +ݕሺ1,2,5, −1ሻ +ݖሺ7, −1,5,8ሻ
= ሺ2ݔ, −ݔ, 0,3ݔሻ +ሺݕ, 2ݕ, 5ݕ, −ݕሻ +ሺ7ݖ, −ݖ, 5ݖ, 8ݖሻ
= ሺ2ݔ +ݕ +7ݖ, −ݔ +2ݕ −ݖ, 5ݕ +5ݖ, 3ݔ −ݕ +8ݖሻ

comparando os vetores termo a termo, tem-se:


2ݔ +ݕ +7ݖ = 0
−ݔ +2ݕ −ݖ = 0
5ݕ +5ݖ = 0
3ݔ −ݕ +8ݖ = 0


2 1 7 0
−1 2 −1 0
0 5 5 0
3 −1 8 0



2 1 7 0
−1 2 −1 0
0 5 5 0
3 −1 8 0
൪ ⇢ ܮ

↔ ܮ

⇢ ൦
−1 2 −1 0
2 1 7 0
0 5 5 0
3 −1 8 0
൪ ⇢ ܮ

= −ܮ




1 −2 1 0
2 1 7 0
0 5 5 0
3 −1 8 0

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

−3ܮ



1 −2 1 0
0 5 5 0
0 5 5 0
0 5 5 0
൪ ⇢ ܮ

=


ܮ




1 −2 1 0
0 1 1 0
0 5 5 0
0 5 5 0

⇢ ܮ

= ܮ

−5ܮ


⇢ ܮ

= ܮ

−5ܮ



1 −2 1 0
0 5 5 0
0 0 0 0
0 0 0 0
൪ = ൜
ݔ −2ݕ +ݖ = 0
ݕ +ݖ = 0

Conclusão: O conjunto de vetores ܵ = ሼݑ

, ݑ

, ݑ

ሽ é linearmente dependente
porque o sistema admite infinitas soluções. Ou seja, o sistema
admite outra solução além da solução trivial (ݔ = ݕ = ݖ = 0).








NMF105 – Notas de aula 62

3 3. .6 6 B BA AS SE ES S E E D DI IM ME EN NS SÃ ÃO O


3.6.1 Base de um Espaço Vetorial
Em geral, tenta-se usar a mesma escala em cada eixo e com a mesma unidade de distância
em cada eixo.








(exemplo)










No entanto, isto nem sempre é prático ou adequado: pode ser necessário o uso de escalas
diferentes, ou unidades distintas num mesmo sistema de coordenadas. Por exemplo, a
representação de grandezas físicas, como o tempo – em horas – em um dos eixos e
temperatura – em centenas de graus Celsius – no outro eixo.








(exemplo)







Assim, quando um sistema de coordenadas é especificado por um conjunto de vetores base, é
o sentido dos vetores de base que define o sentido positivo nos eixos coordenados e o
comprimento dos vetores de base é que estabelece a escala de medida.





NMF105 – Notas de aula 63







(exemplos)






Além disso, embora os eixos coordenados perpendiculares sejam os mais comuns, pode-se
usar quaisquer duas retas não-paralelas para definir um sistema de coordenadas no plano.








(exemplo)










De forma prática, interessa encontrar, dentro de um espaço vetorial ܸ, um conjunto finito de
vetores onde qualquer outro vetor de ܸ seja uma combinação linear deles. Ou seja, a base de
um espaço vetorial.


Definição: Se ܸ é um espaço vetorial qualquer e ࡿ = ሼ࢜

, ࢜

, ⋯, ࢜

ሽ é um conjunto de vetores
em ܸ, dizemos que ܵ é uma base de ܸ se valerem as seguintes condições:
(a) ܵ é linearmente independente;
(b) ܵ gera ܸ.

Teorema
Se ܵ = ሼݒ

, ݒ

, ⋯, ݒ

ሽ é uma base de um espaço vetorial ܸ, então cada vetor em ܸ pode ser
expresso da forma ݒ = ܿ

ݒ

+ܿ

ݒ

+⋯+ܿ

ݒ

de uma única maneira.




NMF105 – Notas de aula 64
Notas:

[1] Bases canônicas
Os vetores e

= ሺ1,0ሻ e e

= ሺ0,1ሻ formam uma base para R

;
os vetores e

= ሺ1,0,0ሻ, e

= ሺ0,1,0ሻ e e

= ሺ0,0,1ሻ formam uma base para R

;
em geral, os vetores e

, e

,..., e

formam uma base para R

. Cada um desses vetores é
chamado de base natural ou base canônica para R

, R

e R

respectivamente.

[2] Coordenadas em relação a uma base
Se S = ሼv

, v

, …, v

ሽ é uma base de um espaço vetorial ܸ e se ݒ = ܿ

ݒ

+ܿ

ݒ

+⋯+ܿ

ݒ

é
a expressão de um vetor ݒ em termos desta base ܵ, então os escalares ܿ

, ܿ

, …, ܿ

são
chamados de coordenadas de ݒ em relação à base ܵ. Assim, o vetor ሼܿ
1
, ܿ
2
, …, ܿ
݊
ሽ é
chamado vetor de coordenadas de ࢜ em relação a ࡿ e é denotado por ሺݒሻ

= ሺܿ

, ܿ

, …, ܿ

ሻ.
Em muitos casos é conveniente listar as coordenadas como entradas de uma matriz ݊ ݔ 1.
Assim, é definido ሾݒሿ

como a matriz de coordenadas de ݒ em relação a S, onde
ሾݒሿ

= ൦
ܿ
1
ܿ
2

ܿ
݊




Exemplo 1: Sejam ݑ

= ሺ1,2,1ሻ, ݑ

= ሺ2,9,0ሻ e ݑ

= ሺ3,3,4ሻ. Mostre que o conjunto ࡿ =
ሼ࢜

, ࢜

, ࢜

ሽ é uma base de ܴ

.

Solução:

(a) Para mostrar que ܵ é linearmente independente, então
࢞ݑ

+࢟ݑ

+ࢠݑ

= 0 só deve admitir a solução trivial ݔ = ݕ = ݖ = 0. Logo,
ሺ0,0,0ሻ = ݔሺ1,2,1ሻ +ݕሺ2,9,0ሻ +ݖሺ3,3,4ሻ
= ሺݔ, 2ݔ, ݔሻ +ሺ2ݕ, 9ݕ, 0ሻ +ሺ3ݖ, 3ݖ, 4ݖሻ
= ሺݔ +2ݕ +3ݖ, 2ݔ +9ݕ +3ݖ, ݔ +4ݖሻ

comparando os vetores termo a termo, tem-se:


ݔ +2ݕ +3ݖ = 0
2ݔ +9ݕ +3ݖ = 0
ݔ +4ݖ = 0


1 2 3 0
2 9 3 0
1 0 4 0
൩ (matriz ampliada)


Obs.: Uma forma mais prática de se chegar na matriz ampliada seria usando
a matriz de coordenadas. Dessa forma,



ሾሾݑ



ሾݑ



ሾݑ



ሿ. ቈ
ݔ
ݕ
ݖ
቉ = ൥
0
0
0





NMF105 – Notas de aula 65

A matriz ampliada então seria: ൥
1 2 3 0
2 9 3 0
1 0 4 0


(b) Para mostrar que um dado vetor ݒ pode ser expresso como uma combinação
de ܵ, tem-se:

࢞ݑ

+࢟ݑ

+ࢠݑ

= ݒ
ሺݒ

, ݒ

, ݒ

ሻ = ݔሺ1,2,1ሻ +ݕሺ2,9,0ሻ +ݖሺ3,3,4ሻ
= ሺݔ, 2ݔ, ݔሻ +ሺ2ݕ, 9ݕ, 0ሻ +ሺ3ݖ, 3ݖ, 4ݖሻ
= ሺݔ +2ݕ +3ݖ, 2ݔ +9ݕ +3ݖ, ݔ +4ݖሻ

comparando os vetores termo a termo, tem-se:


ݔ +2ݕ +3ݖ = ݒ

2ݔ +9ݕ +3ݖ = ݒ

ݔ +4ݖ = ݒ


1 2 3 ݒ

2 9 3 ݒ

1 0 4 ݒ




Observa-se que os sistemas (a) e (b) possuem a mesma matriz de coordenadas.
Assim, pode-se provar que ܵ é linearmente independente e que gera ܴ


demonstrando que a matriz de coeficientes de (a) e (b) possui determinante
diferente de zero. Logo, sendo a matriz dos coeficientes

ܣ = ൥
1 2 3
2 9 3
1 0 4
൩ então |ܣ| = อ
1 2 3
2 9 3
1 0 4
อ = −1


Conclusão: Como o determinante da matriz de coeficientes é diferente de zero,
então o conjunto ࡿ = ሼ࢜

, ࢜

, ࢜

ሽ é uma base de ܴ

.



Prova de (a):


1 2 3 0
2 9 3 0
1 0 4 0

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

−ܮ



1 2 3 0
0 5 −3 0
0 −2 1 0
൩ ⇢ ܮ

=


ܮ




1 2 3 0
0 1
−3
5
ൗ 0
0 −2 1 0


⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

+2ܮ



ۏ
ێ
ێ
ۍ
1 0
21
5
ൗ 0
0 1
−3
5
ൗ 0
0 0
−1
5
ൗ 0
ے
ۑ
ۑ
ې
⇢ ܮ

=
ିଵ

ܮ




1 0
21
5
ൗ 0
0 1
−3
5
ൗ 0
0 0 1 0

⇢ ܮ

= ܮ


ଶଵ

ܮ


⇢ ܮ

= ܮ

+


ܮ



1 0 0 0
0 1 0 0
0 0 1 0
൩ = ൝
ݔ = 0
ݕ = 0
ݖ = 0

O conjunto de vetores ܵ = ሼݑ

, ݑ

, ݑ

ሽ é linearmente independente porque o
sistema admite apenas a solução trivial (ݔ = ݕ = ݖ = 0).


NMF105 – Notas de aula 66
Exemplo 2: Para que valores de ݇ ∈ ܴ o conjunto ܵ = ሼሺ1, ݇ሻ, ሺ݇, 4ሻሽ é base de ܴ

?

Solução:

Para mostrar que ܵ é linearmente independente, e ao mesmo tempo mostrar que
um dado vetor ݒ pode ser expresso como uma combinação de ܵ, deve-se
demonstrar que a matriz de coeficientes possui determinante diferente de zero.
Para se obter a matriz de coeficientes, pode-se fazer “࢞ݑ

+࢟ݑ

= ݒ” ou “࢞ݑ

+
࢟ݑ

= 0”.

ሺݒ

, ݒ

ሻ = ݔሺ1, ݇ሻ +ݕሺ݇, 4ሻ
= ሺݔ, ݇ݔሻ +ሺ݇ݕ, 4ݕሻ
= ሺݔ +݇ݕ, ݇ݔ +4ݕሻ

comparando os vetores termo a termo, tem-se:


ݔ +݇ݕ = ݒ

݇ݔ +4ݕ = ݒ

ܣܺ = ܤ ቂ
1 ݇
݇ 4
ቃ . ቂ
ݔ
ݕ
ቃ = ቂ
ݒ

ݒ



ܣ = ቂ
1 ݇
݇ 4
ቃ |ܣ| ≠ 0 ቚ
1 ݇
݇ 4
ቚ ≠ 0 4 −݇

≠ 0 ݇

−4 ≠ 0

݇ ≠
ି௕±√௕

ିସ௔௖
ଶ௔
݇ ≠
±ඥିସ.ଵ.ሺିସሻ
ଶ.ଵ
݇ ≠ ±2

Conclusão: ݇ ≠ ±2



Exemplo 3: Sejam ݒ

= ሺ1,2,1ሻ, ݒ

= ሺ2,9,0ሻ e ݒ

= ሺ3,3,4ሻ, onde o conjunto ࡿ = ሼ࢜

, ࢜

, ࢜

ሽ é
uma base de ܴ

.
a) Encontre o vetor de coordenadas de ݒ = ሺ5, −1,9ሻ em relação a ܵ
1
.
b) Encontre o vetor ݒ em ܴ

cujo vetor de coordenadas em relação à base ܵ é
ሾݒሿ

= ሾ−1 3 2ሿ

.

Solução:

a) ࢞ݒ

+࢟ݒ

+ࢠݒ

= ݒ
ሺ5, −1,9ሻ = ݔሺ1,2,1ሻ +ݕሺ2,9,0ሻ +ݖሺ3,3,4ሻ
= ሺݔ, 2ݔ, ݔሻ +ሺ2ݕ, 9ݕ, 0ሻ +ሺ3ݖ, 3ݖ, 4ݖሻ
= ሺݔ +2ݕ +3ݖ, 2ݔ +9ݕ +3ݖ, ݔ +4ݖሻ

comparando os vetores termo a termo, tem-se:


ݔ +2ݕ +3ݖ = 5
2ݔ +9ݕ +3ݖ = −1
ݔ +4ݖ = 9


1 2 3 5
2 9 3 −1
1 0 4 9



1
Como já mencionado, um vetor de coordenadas de ݒ, denotado por ሾݒሿ

, especifica os valores que devem ser
multiplicados aos vetores da base de ܵ = ሼݒ

, ݒ

, …, ݒ

ሽ de forma que o vetor ݒ correspondente possa ser expresso
como combinação linear desses vetores. Ou seja, ݒ = ܿ

ݒ

+ ܿ

ݒ

+⋯+ܿ

ݒ

, onde ܿ

, ܿ

, …, ܿ

são as
coordenadas de ݒ.

NMF105 – Notas de aula 67
Obs.: Já tratado no Exemplo 1, uma forma mais prática de se chegar na
matriz ampliada seria usando a matriz de coordenadas.

ሾሾݒ



ሾݒ



ሾݒ



ሿ. ቈ
ݔ
ݕ
ݖ
቉ = ݒ ൥
1 2 3 5
2 9 3 −1
1 0 4 9




1 2 3 5
2 9 3 −1
1 0 4 9

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

−ܮ



1 2 3 5
0 5 −3 −11
0 −2 1 4
൩ ⇢ ܮ

=


ܮ




1 2 3 5
0 1
−3
5

−11
5

0 −2 1 4

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

+2ܮ



ۏ
ێ
ێ
ۍ
1 0
21
5

47
5

0 1
−3
5

−11
5

0 0
−1
5

−2
5

ے
ۑ
ۑ
ې


⇢ ܮ

=
ିଵ

ܮ

⇢ ൦
1 0
21
5

47
5

0 1
−3
5

−11
5

0 0 1 2

⇢ ܮ

= ܮ


ଶଵ

ܮ


⇢ ܮ

= ܮ

+


ܮ





1 0 0 1
0 1 0 −1
0 0 1 2
൩ = ൝
ݔ = 1
ݕ = −1
ݖ = 2

Conclusão: ሾݒሿ

= ൥
1
−1
2
൩.


b) ࢞ݒ

+࢟ݒ

+ࢠݒ

= ݒ, onde ሾݒሿ

= ൥
−1
3
2
൩. Ou seja, ݔ = −1, ݕ = 3 e ݖ = 2.
࢜ = −૚ݒ

+૜ݒ

+૛ݒ


ݒ = −1ሺ1,2,1ሻ +3ሺ2,9,0ሻ +2ሺ3,3,4ሻ
ݒ = ሺ−1, −2, −1ሻ +ሺ6,27,0ሻ +ሺ6,6,8ሻ
ݒ = ሺ11,31,7ሻ

Conclusão: ݒ = ሺ11,31,7ሻ.



Exemplo 4: Seja ࡿ = ሼ࢜

, ࢜

, ࢜

, ࢜

ሽ uma base para ܴ

, onde ݒ

= ሺ1,1,0,0ሻ, ݒ

= ሺ2,0,1,0ሻ,
ݒ

= ሺ0,1,2, −1ሻ e ݒ

= ሺ0,1, −1,0ሻ. Se ݒ = ሺ1,2, −6,2ሻ, calcule ሾݒሿ

.

Solução:

ܿ

ݒ

+ܿ

ݒ

+ܿ

ݒ

+ܿ

ݒ

= ݒ

NMF105 – Notas de aula 68
ሾሾݒ



ሾݒ



ሾݒ



ሾݒ



ሿ. ൦
ܿ

ܿ

ܿ

ܿ

൪ = ݒ ൦
1 2 0 0 1
1 0 1 1 2
0 1 2 −1 −6
0 0 −1 0 2



1 2 0 0 1
1 0 1 1 2
0 1 2 −1 −6
0 0 −1 0 2
൪ ⇢ ܮ

= ܮ

−ܮ

⇢ ൦
1 2 0 0 1
0 −2 1 1 1
0 1 2 −1 −6
0 0 −1 0 2


⇢ ܮ

↔ ܮ

⇢ ൦
1 2 0 0 1
0 1 2 −1 −6
0 −2 1 1 1
0 0 −1 0 2

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

+2ܮ


⇢ ܮ

= −ܮ





1 0 −4 2 13
0 1 2 −1 −6
0 0 5 −1 −11
0 0 1 0 −2
൪ ⇢ ܮ

↔ ܮ

⇢ ൦
1 0 −4 2 13
0 1 2 −1 −6
0 0 1 0 −2
0 0 5 −1 −11


⇢ ܮ

= ܮ

+4ܮ


⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

−5ܮ



1 0 0 2 5
0 1 0 −1 −2
0 0 1 0 −2
0 0 0 −1 −1
൪ ⇢ ܮ

= −ܮ




1 0 0 2 5
0 1 0 −1 −2
0 0 1 0 −2
0 0 0 1 1

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ





1 0 0 0 3
0 1 0 0 −1
0 0 1 0 −2
0 0 0 1 1


= ൞
ܿ

= 3
ܿ

= −1
ܿ

= −2
ܿ

= 1

Conclusão: ሾݒሿ

= ൦
3
−1
−2
1
൪.



Exemplo 5: Seja ܸ o espaço vetorial ܲ

de todos os polinômios de grau ≤ 1, e sejam ܵ =
ሼ࢜

, ࢜

ሽ e ܶ = ሼݓ

, ݓ

ሽ duas bases distintas para ܲ

, onde
ݒ

= ݔ :: ݒ

= 1 :: ݓ

= ݔ +1 :: ݓ

= ݔ −1
Seja ݒ = ݌ሺݔሻ = 5ݔ −2
a) Calcule ሾݒሿ

.
b) Calcule ሾݒሿ

.



NMF105 – Notas de aula 69

Solução:

a) ݒ = ܽݒ

+ܾݒ


5ݔ −2 = ܽሺݔሻ +ܾሺ1ሻ
5ݔ −2 = ܽݔ +ܾ
comparando os vetores termo a termo, tem-se:


ܽ = 5
ܾ = −2

Conclusão: ሾݒሿ

= ቂ
5
−2
ቃ.


b) ݒ = ܽݓ

+ܾݓ


5ݔ −2 = ܽሺݔ +1ሻ +ܾሺݔ −1ሻ
5ݔ −2 = ܽݔ +ܽ +ܾݔ −ܾ
5ݔ −2 = ሺܽ +ܾሻݔ +ܽ −ܾ
comparando os vetores termo a termo, tem-se:


ܽ +ܾ = 5
ܽ −ܾ = −2


ܽ =
3
2

ܾ =
7
2




Conclusão: ሾݒሿ

= ൥
3
2

7
2

൩.


Exemplo 6: Seja ࡿ = ሼ࢛

, ࢛

, ࢛

, ࢛

, ࢛

ሽ um conjunto de vetores em ܴ

. Encontre um
subconjunto de ܵ que seja base para ܹ = ሾܵሿ, onde
ݑ

= ሺ1,2, −2,1ሻ :: ݑ

= ሺ−3,0, −4,3ሻ :: ݑ

= ሺ2,1,1, −1ሻ,
ݑ

= ሺ−3,3, −9,6ሻ :: ݑ

= ሺ9,3,7, −6ሻ

Solução:

Para mostrar que ܵ é linearmente independente, então


ݑ

+ࢉ

ݑ

+ࢉ

ݑ

+ࢉ

ݑ

+ࢉ

ݑ

= 0
só deve admitir a solução trivial ܿ

= ܿ

= ܿ

= ܿ

= ܿ

= 0. Logo,
ሾሾݑ



ሾݑ



ሾݑ



ሾݑ



ሾݑ



ሿ.
ۏ
ێ
ێ
ێ
ۍ
ܿ

ܿ

ܿ

ܿ

ܿ

ے
ۑ
ۑ
ۑ
ې
=
ۏ
ێ
ێ
ێ
ۍ
0
0
0
0
0
ے
ۑ
ۑ
ۑ
ې
, que tem como matriz ampliada

NMF105 – Notas de aula 70

1 −3 2 −3 9 0
2 0 1 3 3 0
−2 −4 1 −9 7 0
1 3 −1 6 −6 0
൪ ൞
ݔ −3ݕ +2ݖ −3ݎ +9ݐ = 0
2ݔ +ݖ +3ݎ +3ݐ = 0
−2ݔ −4ݕ +ݖ −9ݎ +7ݐ = 0
ݔ +3ݕ −ݖ +6ݎ −6ݐ = 0


1 −3 2 −3 9 0
2 0 1 3 3 0
−2 −4 1 −9 7 0
1 3 −1 6 −6 0

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

+2ܮ


⇢ ܮ

= ܮ

−ܮ



1 −3 2 −3 9 0
0 6 −3 9 −15 0
0 −10 5 −15 25 0
0 6 −3 9 −15 0


⇢ ܮ

=


ܮ

⇢ ൦
1 −3 2 −3 9 0
0 1
−1
2

3
2

−5
2
ൗ 0
0 −10 5 −15 25 0
0 6 −3 9 −15 0

⇢ ܮ

= ܮ

+3ܮ


⇢ ܮ

= ܮ

+10ܮ


⇢ ܮ

= ܮ

−6ܮ




ۏ
ێ
ێ
ێ
ۍ
1 0
1
2

3
2

3
2
ൗ 0
0 1
−1
2

3
2

−5
2
ൗ 0
0 0 0 0 0 0
0 0 0 0 0 0
ے
ۑ
ۑ
ۑ
ې


Conclusão: As linhas não-nulas são ܮ

e ܮ

. Nelas, os primeiros elementos não-
nulos das linhas aparecem nas colunas 1 e 2 (ܥ

e ܥ

), que
correspondem aos vetores ࢛

e ࢛

. Logo, o conjunto ሼ࢛

, ࢛

ሽ é uma
base para ܹ = ሾܵሿ.


Exemplo 7: Encontre uma base para ܴ

que contenha os vetores
ݑ

= ሺ1,0,1,0ሻ e ݑ

= ሺ−1,1, −1,0ሻ

Solução:

Para isso é preciso associar ao conjunto ሼݑ

, ݑ

ሽ a base natural (ou base
canônica) de ܴ

.

A base canônica de ܴ

pode ser dada por ሼ݁

, ݁

, ݁

, ݁

ሽ, onde
݁

= ሺ1,0,0,0ሻ, ݁

= ሺ0,1,0,0ሻ, ݁

= ሺ0,0,1,0ሻ e ݁

= ሺ0,0,0,1ሻ

Assim, considera-se inicialmente o conjunto ܵ = ሼݑ

, ݑ

, ݁

, ݁

, ݁

, ݁

ሽ. Então,


ݑ

+ࢉ

ݑ

+ࢉ

݁

+ࢉ

݁

+ࢉ

݁

+ࢉ

݁

= 0. Ou seja,

ሾሾݑ



ሾݑ



ሾ݁



ሾ݁



ሾ݁



ሾ݁



ሿ.
ۏ
ێ
ێ
ێ
ێ
ۍ
ܿ

ܿ

ܿ

ܿ

ܿ

ܿ

ے
ۑ
ۑ
ۑ
ۑ
ې
=
ۏ
ێ
ێ
ێ
ێ
ۍ
0
0
0
0
0
0
ے
ۑ
ۑ
ۑ
ۑ
ې
, que tem como matriz ampliada


NMF105 – Notas de aula 71

1 −1 1 0 0 0 0
0 1 0 1 0 0 0
1 −1 0 0 1 0 0
0 0 0 0 0 1 0
൪ ൞
ܿ

−ܿ

+ܿ

= 0
ܿ

+ܿ

= 0
ܿ

−ܿ

+ܿ

= 0
ܿ

= 0


1 −1 1 0 0 0 0
0 1 0 1 0 0 0
1 −1 0 0 1 0 0
0 0 0 0 0 1 0
൪ ⇢ ܮ

= ܮ

−ܮ

⇢ ൦
1 −1 1 0 0 0 0
0 1 0 1 0 0 0
0 0 −1 0 1 0 0
0 0 0 0 0 1 0


⇢ ܮ

= ܮ



⇢ ൦
1 0 1 1 0 0 0
0 1 0 1 0 0 0
0 0 −1 0 1 0 0
0 0 0 0 0 1 0
൪ ⇢ ܮ

= −ܮ




1 0 1 1 0 0 0
0 1 0 1 0 0 0
0 0 1 0 −1 0 0
0 0 0 0 0 1 0
൪ ⇢ ܮ

= ܮ

−ܮ

⇢ ൦
1 0 0 1 1 0 0
0 1 0 1 0 0 0
0 0 1 0 −1 0 0
0 0 0 0 0 1 0



Conclusão: Todas as quatro linhas não são nulas. Nelas, os primeiros elementos
não-nulos das linhas aparecem nas colunas 1, 2, 3 e 6 (ܥ

, ܥ

, ܥ

e
ܥ

), que correspondem aos vetores ࢛

, ࢛

, ࢋ

e ࢋ

. Logo, o conjunto
ሼ࢛

, ࢛

, ࢋ

, ࢋ

ሽ é uma base para ܴ

que contem ࢛

e ࢛

.


3.6.2 Dimensão de um Espaço Vetorial
Um espaço vetorial não-nulo ܸ é chamado de dimensão finita se contém um conjunto finito
ሼݒ

, ݒ

, …, ݒ

ሽ de vetores que constitui uma base de ܸ. Se não existir esse conjunto, dizemos
que ܸ é de dimensão infinita.

Definição: A dimensão de um espaço vetorial de dimensão finita ܸ é dada pelo número de
vetores em uma base para ܸ e denotada por dimሺܸሻ. Além disso, o espaço
vetorial nulo é definido como tendo dimensão zero.

Nota:
Se ܹ é um subespaço de uma espaço vetorial ܸ de dimensão finita, então dimሺWሻ ≤dimሺVሻ;
além disso, se dimሺWሻ =dimሺVሻ, então ܹ = ܸ.


Exemplo 1: Dimensões de alguns espaços vetoriais
dimሺܴ

ሻ = ݊ (pois a base canônica possui ݊ vetores)
dimሺܲ

ሻ = ݊ +1 (pois a base canônica de um polinômio possui ݊ +1 vetores)
dimሺܯ
௠௡
ሻ = ݉. ݊ (pois a base canônica de uma matriz possui ݉. ݊ vetores)


NMF105 – Notas de aula 72
Exemplo 2: Ache uma base e a dimensão de ܹ, onde ܹ é o subespaço de ܴ

gerado pelos
vetores ݑ

= ሺ1, −2,5, −3ሻ, ݑ

= ሺ2,3,1, −4ሻ e ݑ

= ሺ3,8, −3, −5ሻ.

Solução:

Para mostrar que ܵ é linearmente independente, então
࢞ݑ

+࢟ݑ

+ࢠݑ

= 0
ሺ0,0,0,0ሻ = ݔሺ1, −2,5, −3ሻ +ݕሺ2,3,1, −4ሻ +ݖሺ3,8, −3, −5ሻ
= ሺݔ, −2ݔ, 5ݔ, −3ݔሻ +ሺ2ݕ, 3ݕ, ݕ, −4ݕሻ +ሺ3ݖ, 8ݖ, −3ݖ, −5ݖሻ
= ሺݔ +2ݕ +3ݖ, −2ݔ +3ݕ +8ݖ, 5ݔ +ݕ −3ݖ, −3ݔ −4ݕ −5ݖሻ

comparando os vetores termo a termo, tem-se:


ݔ +2ݕ +3ݖ = 0
−2ݔ +3ݕ +8ݖ = 0
5ݔ +ݕ −3ݖ = 0
−3ݔ −4ݕ −5ݖ = 0


1 2 3 0
−2 3 8 0
5 1 −3 0
−3 −4 −5 0



1 2 3 0
−2 3 8 0
5 1 −3 0
−3 −4 −5 0

⇢ ܮ

= ܮ

+2ܮ


⇢ ܮ

= ܮ

−5ܮ


⇢ ܮ

= ܮ

+3ܮ



1 2 3 0
0 7 14 0
0 −9 −18 0
0 2 4 0
൪ ⇢ ܮ

=


ܮ




1 2 3 0
0 1 2 0
0 −9 −18 0
0 2 4 0

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

+9ܮ


⇢ ܮ

= ܮ

−2ܮ



1 0 −1 0
0 1 2 0
0 0 0 0
0 0 0 0



Conclusão: As linhas não-nulas são ܮ

e ܮ

. Nelas, os primeiros elementos não-
nulos das linhas aparecem nas colunas 1 e 2 (ܥ

e ܥ

), que
correspondem aos vetores ࢛

e ࢛

. Logo, o conjunto ሼ࢛

, ࢛

ሽ é uma
base para ܹ = ሾܵሿ. Assim, em particular, dimሺܹሻ = 2.



Exemplo 3: Ache uma base e a dimensão do subespaço ܹ de ܴ

, onde:
a) ܹ = ሼሺܽ, ܾ, ܿሻ: ܽ +ܾ +ܿ = 0ሽ
b) ܹ = ሼሺܽ, ܾ, ܿሻ: ܽ = ܾ = ܿሽ
c) ܹ = ሼሺܽ, ܾ, ܿሻ: ܿ = 3ܽሽ

Solução:

a) Note que ܹ ≠ ܴ

, pois por exemplo, ሺ1,1,1ሻ ܹ. Assim, dimሺܹሻ < 3.
Arbitrariamente, ݑ

= ሺ1,0, −1ሻ e ݑ

= ሺ0,1, −1ሻ são dois vetores
independentes em ܹ. Assim, dimሺܹሻ = 2 e ሼݑ

, ݑ

ሽ formam uma base de ܹ.

b) O vetor ሺ1,1,1ሻ ∈ ܹ. Qualquer vetor ݒ ∈ ܹ tem a forma ݒ = ሺ݇, ݇, ݇ሻ. Logo,
ݒ = ݇ݑ. Assim, ݑ gera ܹ e dimሺܹሻ = 1.

NMF105 – Notas de aula 73

c) ܹ ≠ ܴ

, pois, por exemplo, ሺ1,1,1ሻ ܹ. Assim, dimሺܹሻ < 3. Os vetores
ݑ

= ሺ1,0,3ሻ e ݑ

= ሺ0,1,0ሻ são dois vetores independentes em ܹ. Assim,
dimሺܹሻ = 2 e ሼݑ

, ݑ

ሽ formam uma base de ܹ.



Exemplo 4: Seja ܹ o subespaço de ܴ

gerado pelos vetores
ݑ

= ሺ1, −2,0,3ሻ :: ݑ

= ሺ2, −5, −3,6ሻ :: ݑ

= ሺ0,1,3,0ሻ,
ݑ

= ሺ2, −1,4, −7ሻ :: ݑ

= ሺ5, −8,1,2ሻ
a) Ache uma base e a dimensão do subespaço ܹ;
b) Expresse cada vetor que não está na base como uma combinação linear dos
vetores da base;
c) Estenda a base de ܹ a uma base de todo o espaço ܴ

.

Solução:

a) ࢉ

ݑ

+ࢉ

ݑ

+ࢉ

ݑ

+ࢉ

ݑ

+ࢉ

ݑ

= 0. Ou seja,

ሾሾݑ



ሾݑ



ሾݑ



ሾݑ



ሾݑ



ሿ.
ۏ
ێ
ێ
ێ
ۍ
ܿ

ܿ

ܿ

ܿ

ܿ

ے
ۑ
ۑ
ۑ
ې
=
ۏ
ێ
ێ
ێ
ۍ
0
0
0
0
0
ے
ۑ
ۑ
ۑ
ې
, que tem como matriz ampliada


1 2 0 2 5 0
−2 −5 1 −1 −8 0
0 −3 3 4 1 0
3 6 0 −7 2 0
൪ ൞
ܿ

+2ܿ

+2ܿ

+5ܿ

= 0
−2ܿ

−5ܿ

+ܿ

−ܿ

−8ܿ

= 0
−3ܿ

+3ܿ

+4ܿ

+ܿ

= 0
−3ܿ

+6ܿ

−7ܿ

+2ܿ

= 0


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

⇢ ܮ

= ܮ

+2ܮ


⇢ ܮ

= ܮ

−3ܮ



1 2 0 2 5 0
0 −1 1 3 2 0
0 −3 3 4 1 0
0 0 0 −13 −13 0


⇢ ܮ

= −ܮ

⇢ ൦
1 2 0 2 5 0
0 1 −1 −3 −2 0
0 −3 3 4 1 0
0 0 0 −13 −13 0

⇢ ܮ

= ܮ

−2ܮ


⇢ ܮ

= ܮ

+3ܮ





1 0 2 8 9 0
0 1 −1 −3 −2 0
0 0 0 −5 −5 0
0 0 0 −13 −13 0
൪ ⇢ ܮ

=
ିଵ

ܮ

⇢ ൦
1 0 2 8 9 0
0 1 −1 −3 −2 0
0 0 0 1 1 0
0 0 0 −13 −13 0


⇢ ܮ

= ܮ

−8ܮ


⇢ ܮ

= ܮ

+3ܮ


⇢ ܮ

= ܮ

+13ܮ



1 0 2 0 1 0
0 1 −1 0 1 0
0 0 0 1 1 0
0 0 0 0 0 0



NMF105 – Notas de aula 74
Numa forma escalonada, ⇢ ܮ

↔ ܮ

⇢ ൦
1 0 2 0 1 0
0 1 −1 0 1 0
0 0 0 0 0 0
0 0 0 1 1 0


Conclusão: As linhas não-nulas são ܮ

, ܮ

e ܮ

. Nelas, os primeiros elementos
não-nulos das linhas aparecem nas colunas 1, 2 e 4 (ܥ

, ܥ

e ܥ

),
que correspondem aos vetores ࢛

, ࢛

e ࢛

. Logo, o conjunto
ሼ࢛

, ࢛

, ࢛

ሽ é uma base para ܹ. Assim, em particular,
dimሺܹሻ = 3.


b) No item anterior, observou-se que a matriz ampliada








Foi reduzida à matriz ampliada resultante








Sendo o conjunto ሼ࢛

, ࢛

, ࢛

ሽ a base para ܹ, que consequentemente pode
ser representado como ሼ࢝

, ࢝

, ࢝

ሽ, que é a base canônica de ܹ. Assim,
pode-se expressar os vetores ࢝

e ࢝

(que não formam uma base) como
combinação linear de ሼ࢝

, ࢝

, ࢝

ሽ. Para isso, basta extrair tais informações
da própria matriz ampliada resultante:





= ૛ݓ

−૚ݓ




= ૚ݓ

+૚ݓ

+૚ݓ






Logo, as relações correspondentes são: ࢛

= ૛ݑ

−૚ݑ




= ૚ݑ

+૚ݑ

+૚ݑ



Conclusão: ࢛

= 2ݑ

−ݑ




= ݑ







c) No item (a) o que foi encontrado foi uma base para ܹ, que é um subespaço
de ܴ

. Para se encontrar uma base para ܴ

, são necessários 4 vetores ao
invés de apenas 3 (como no caso do item supracitado). Afinal, no Exemplo 1
já foi mencionado que dimሺܴ

ሻ = 4.

NMF105 – Notas de aula 75

Recorrendo à matriz escalonada resultante da base de ܹ

1 2 2 0
−2 −5 −1 0
0 −3 4 0
3 6 −7 0
൪ ൦
1 0 0 0
0 1 0 0
0 0 0 0
0 0 1 0

observa-se que pode-se fazer uso de um dos vetores da base canônica de ܴ


de modo que se forme uma matriz escalonada perfeita. O vetor em questão
seria ࢋ

= ሺ0,0,1,0ሻ, que dessa forma teríamos


1 2 0 2 0
−2 −5 0 −1 0
0 −3 1 4 0
3 6 0 −7 0
൪ reduzindo à forma escalonada ൦
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0


e por isso mostra serem linearmente independentes.


Conclusão: Uma base para ܴ

seria ሼ࢛

, ࢛

, ࢛

, ࢋ

ሽ, onde
ݑ

= ሺ1, −2,0,3ሻ :: ݑ

= ሺ2, −5, −3,6ሻ
ݑ

= ሺ2, −1,4, −7ሻ :: ࢋ

= ሺ0,0,1,0ሻ





3 3. .7 7 M MU UD DA AN NÇ ÇA A D DE E B BA AS SE E

Muitas vezes, para a resolução de um problema, torna-se muito mais simples se for adotado
um referencial mais conveniente para descrevê-lo. Por exemplo, em um problema em que um
corpo se move no plano ݔݕ, cuja trajetória é uma elipse, a descrição do movimento torna-se
muito mais simples se for utilizado um referencial que se apoia nos eixos principais da elipse
(plano ݔ

ݕ

), como ilustrado na figura abaixo.




















NMF105 – Notas de aula 76
Em uma situação desse tipo, é preciso se definir:
1. Qual deve ser o novo referencial;
2. Qual a relação entre as coordenadas de um ponto no antigo referencial e suas
coordenadas no novo referencial.

Bases diferentes conduzem a diferentes matrizes. Daí, uma escolha adequada das bases é de
fundamental importância. Naturalmente, como mencionado anteriormente é desejável
trabalhar, sempre que possível, com as matrizes mais simples possíveis. Escolher
corretamente as bases não é uma tarefa trivial.


Definição: Ao mudar a base de um espaço vetorial ܸ de alguma base velha ܵ = ሼݑ

, ݑ

, …, ݑ


para uma base nova ܶ = ሼݓ

, ݓ

, …, ݓ

ሽ, então a velha matriz de coordenadas ሾݒሿ


de um vetor ݒ está relacionado com a nova matriz de coordenadas ሾݒሿ

do mesmo
vetor ݒ pela equação
ሾݒሿ

= ܲ
ௌ←்
ሾݒሿ


onde
ܲ
ௌ←்
= ሾሾݓ



ሾݓ



⋯ ሾݓ




2
,
sendo ܲ
ௌ←்
chamada de matriz de transição de ࢀ para ࡿ
3
.

Para o caminho inverso, tem-se,

ሾݒሿ

= ܲ
்←ௌ
ሾݒሿ


onde
ܲ
்←ௌ
= ܲ
ௌ←்
ିଵ



Exemplo 1: (Kolman, 2008) Seja ܸ = ܴ

e ܵ = ሼ࢛

, ࢛

, ࢛

ሽ e ܶ = ሼݓ

, ݓ

, ݓ

ሽ duas bases
distintas paraܴ

, onde
ݑ

= ሺ2,0,1ሻ :: ݑ

= ሺ1,2,0ሻ :: ݑ

= ሺ1,1,1ሻ
ݓ

= ሺ6,3,3ሻ :: ݓ

= ሺ4, −1,3ሻ :: ݓ

= ሺ5,5,2ሻ

a) Calcule a matriz de transição ܲ
ௌ←்

b) Sendo ݒ = ሺ4, −9,5ሻ, encontre as coordenadas ሾݒሿ

.
c) Com base nas informações obtidas nos itens anteriores (ܲ
ௌ←்
e ሾݒሿ

), calcule
ሾݒሿ





2
ሾw



, por exemplo, representa as coordenadas usadas para que w

possa ser expresso como combinação linear
dos vetores da base S.
3
Alguns livros preferem chamar P
ୗ←୘
como matriz de mudança de base da base ܂ para a base ܁.

NMF105 – Notas de aula 77
Solução:

a) Para encontrar ܲ
ௌ←்
, é preciso encontrar ܽ

, ܽ

, ܽ

tais que
ܽ

ݑ



ݑ



ݑ

= ݓ


Isso nos leva a matriz ampliada ሾ
ݑ

ݑ

ݑ

ݓ

ሿ. Ou seja,

2 1 1 6
0 2 1 3
1 0 1 3

De forma análoga, é preciso encontrar ܾ

, ܾ

, ܾ

e ܿ

, ܿ

, ܿ

, tais que
ܾ

ݑ



ݑ



ݑ

= ݓ


ܿ

ݑ

+ܿ

ݑ

+ܿ

ݑ

= ݓ


Que nos leva às respectivas matrizes ampliadas

ݑ

ݑ

ݑ

ݓ



ݑ

ݑ

ݑ

ݓ


Como a matriz de coeficientes de todos os três sistemas lineares é

ݑ

ݑ

ݑ

ሿ, podemos transformar as três matrizes ampliadas para a forma
escalonada reduzida por linha simultaneamente, transformando a matriz em
blocos
ሾݑ

ݑ

ݑ

⋮ ݓ

ݓ

ݓ


Para a forma escalonada reduzida por linhas. Dessa maneira,

2 1 1 ⋮ 6 4 5
0 2 1 ⋮ 3 −1 5
1 0 1 ⋮ 3 3 2


⇢ ܮ

↔ ܮ

⇢ ൥
1 0 1 ⋮ 3 3 2
0 2 1 ⋮ 3 −1 5
2 1 1 ⋮ 6 4 5
൩ ⇢ ܮ

= ܮ

−2ܮ





1 0 1 ⋮ 3 3 2
0 2 1 ⋮ 3 −1 5
0 1 −1 ⋮ 0 −2 1
൩ ⇢ ܮ

↔ ܮ

⇢ ൥
1 0 1 ⋮ 3 3 2
0 1 −1 ⋮ 0 −2 1
0 2 1 ⋮ 3 −1 5


⇢ ܮ

= ܮ

−2ܮ

⇢ ൥
1 0 1 ⋮ 3 3 2
0 1 −1 ⋮ 0 −2 1
0 0 3 ⋮ 3 3 3
൩ ⇢ ܮ

=


ܮ




1 0 1 ⋮ 3 3 2
0 1 −1 ⋮ 0 −2 1
0 0 1 ⋮ 1 1 1

⇢ ܮ

= ܮ

−ܮ


⇢ ܮ

= ܮ





1 0 0 ⋮ 2 2 1
0 1 0 ⋮ 1 −1 2
0 0 1 ⋮ 1 1 1


Assim

ሾݓ



= ൥
2
1
1
൩ :: ሾݓ



= ൥
2
−1
1
൩ :: ሾݓ



= ൥
1
2
1




NMF105 – Notas de aula 78
Conclusão: Como ܲ
ௌ←்
= ሾሾݓ



ሾݓ



ሾݓ



ሿ, então ܲ
ௌ←்
= ൥
2 2 1
1 −1 2
1 1 1


b) ሾݒሿ

indica que ݒ é uma combinação linear dos vetores da base ܶ. Assim,
ܽ

ݓ



ݓ



ݓ

= ݒ ሾ
ݓ

ݓ

ݓ

ݒ



6 4 5 4
3 −1 5 −9
3 3 2 5
൩ ⇢ ܮ

=


ܮ

⇢ ቎
1
2
3

5
6

2
3

3 −1 5 −9
3 3 2 5

⇢ ܮ

= ܮ

−3ܮ


⇢ ܮ

= ܮ

−3ܮ





ۏ
ێ
ێ
ۍ
1
2
3

5
6

2
3

0 −3
5
2
ൗ −11
0 1
−1
2
ൗ 3
ے
ۑ
ۑ
ې
⇢ ܮ

↔ ܮ


ۏ
ێ
ێ
ۍ
1
2
3

5
6

2
3

0 1
−1
2
ൗ 3
0 −3
5
2
ൗ −11
ے
ۑ
ۑ
ې


⇢ ܮ

= ܮ




ܮ


⇢ ܮ

= ܮ

+3ܮ



1 0
7
6

−4
3

0 1
−1
2
ൗ 3
0 0 1 −2

⇢ ܮ

= ܮ




ܮ


⇢ ܮ

= ܮ

+


ܮ






1 0 0 1
0 1 0 2
0 0 1 −2
൩ = ൝
ܽ

= 1
ܽ

= 2
ܽ

= −2

Conclusão: ሾݒሿ

= ൥
1
2
−2


Prova: ܽ

ݓ



ݓ



ݓ

= ݒ ܽ


6
3
3
൩ +ܽ


4
−1
3
൩ +ܽ


5
5
2
൩ = ൥
4
−9
5

1. ൥
6
3
3
൩ +2. ൥
4
−1
3
൩ −2. ൥
5
5
2
൩ = ൥
4
−9
5
൩ ൥
6
3
3
൩ +൥
8
−2
6
൩ −൥
10
10
4
൩ = ൥
4
−9
5


6 +8 −10
3 −2 −10
3 +6 −4
൩ = ൥
4
−9
5










NMF105 – Notas de aula 79
c) ሾݒሿ

= ܲ
ௌ←்
ሾݒሿ


ሾݒሿ

= ൥
2 2 1
1 −1 2
1 1 1
൩ . ൥
1
2
−2
൩ ሾݒሿ

= ቎
2.1 +2.2 +1. ሺ−2ሻ
1.1 +ሺ−1ሻ. 2 +2. ሺ−2ሻ
1.1 +1.2 +1. ሺ−2ሻ


Conclusão: ሾݒሿ

= ൥
4
−5
1



Exemplo 2: Sendo um dado vetor de coordenadas ሾݒሿ

= ൥
4
−5
1
൩ e matriz de transição ܲ
ௌ←்
=

2 2 1
1 −1 2
1 1 1
൩, encontre o vetor correspondente à nova base ሾݒሿ



Solução:

ሾݒሿ

= ܲ
்←ௌ
ሾݒሿ



Como ܲ
்←ௌ
= ܲ
ௌ←்
ିଵ
, então

ሾܲ
ௌ←்
⋮ ܫሿ ሾ
ܫ ⋮ ܲ
ௌ←்
ିଵ


2 2 1 ⋮ 1 0 0
1 −1 2 ⋮ 0 1 0
1 1 1 ⋮ 0 0 1
൩ ⇢ ܮ

↔ ܮ

⇢ ൥
1 1 1 ⋮ 0 0 1
1 −1 2 ⋮ 0 1 0
2 2 1 ⋮ 1 0 0


⇢ ܮ

= ܮ

−ܮ


⇢ ܮ

= ܮ

−2ܮ



1 1 1 ⋮ 0 0 1
0 −2 1 ⋮ 0 1 −1
0 0 −1 ⋮ 1 0 −2

⇢ ܮ

= −2ܮ


⇢ ܮ

= −ܮ





1 1 1 ⋮ 0 0 1
0 1
−1
2
ൗ ⋮ 0
−1
2

1
2

0 0 1 ⋮ −1 0 2
቏ ⇢ ܮ

= ܮ

−ܮ




1 0
3
2
ൗ ⋮ 0
1
2

1
2

0 1
−1
2
ൗ ⋮ 0
−1
2

1
2

0 0 1 ⋮ −1 0 2

⇢ ܮ

= ܮ




ܮ


⇢ ܮ

= ܮ

+


ܮ





1 0 0 ⋮
3
2

1
2

−5
2

0 1 0 ⋮
−1
2

−1
2

3
2

0 0 1 ⋮ −1 0 2



ܲ
்←ௌ
= ൦
3
2

1
2

−5
2

−1
2

−1
2

3
2

−1 0 2



NMF105 – Notas de aula 80
ሾݒሿ

= ܲ
்←ௌ
ሾݒሿ



ሾݒሿ

= ൦
3
2

1
2

−5
2

−1
2

−1
2

3
2

−1 0 2
൪ . ൥
4
−5
1


ሾݒሿ

= ൦

3
2
ൗ ൯. 4 +൫
1
2
ൗ ൯. ሺ−5ሻ +ቀ
−5
2
ൗ ቁ. 1

−1
2
ൗ ൯. 4 +൫
−1
2
ൗ ൯. ሺ−5ሻ +൫
3
2
ൗ ൯. 1
ሺ−1ሻ. 4 +0. ሺ−5ሻ +2.1



Conclusão: ሾݒሿ

= ൥
1
2
−2








































NMF105 – Notas de aula 81
L LI IS ST TA A D DE E E EX XE ER RC CÍ ÍC CI IO OS S 3 3

Subespaço Vetorial Real

1. Verifique quais dos itens abaixo é subespaço vetorial do conjunto dado:

a) ܵ = ሼሺݔ, ݕሻ / ݕ = −2ݔሽ do ܴ


b) ቄቂ
ܽ ܾ
0 ܿ
ቃ ܽ, ܾ, ܿ ∈ ܴቅ do M
2x2

c) ܵ = ሼሺݔ, ݕሻ / ݕ = ݔ +1ሽ do ܴ


d) ܵ = ሼሺݔ, ݕሻ / ݔ +7ݕ = 0ሽ do ܴ


e) ܵ = ሼሺݔ, ݕሻ / ݔ ≥ 0ሽ do ܴ


f) ܵ = ሼሺݔ, ݕ, ݖሻ / ݔ = 4ݕ ݁ ݖ = 0ሽ do ܴ


g) ܵ = ሼሺݔ, ݕ, ݖሻ / ݖ = 2ݔ −ݕሽ do ܴ


h) ܵ = ሼሺݔ, ݕ, ݖሻ / ݔ = ݖ

ሽ do ܴ


i) ܵ = ሼሺݔ, −3ݔ, 4ݔሻ / ݔ ∈ ܴሽ do ܴ


j) ܵ = ሼሺݔ, ݕ, ݖሻ / ݔ +ݕ +ݖ = 0ሽ do ܴ




Combinação Linear

2. Escreva o polinômio v = t2 +4t –3 sobre ݒ = ݐ

+4ݐ −4 sobre R como combinação linear
aos polinômios:
݁

= ݐ

−2ݐ +5 :: ݁

= 2ݐ

−3ݐ :: ݁

= ݐ +3

3. Para qual valor de k será o vetor ݔ = ሺ1, −2, ݇ሻ em ܴ

uma combinação linear dos vetores
ݒ = ሺ5,0, −2ሻ e ݓ = ሺ2, −1, −5ሻ


4. Sejam os vetores ݑ = ሺ2, −3,2ሻ e ݒ = ሺ−1,2,4ሻ em ܴ

. Pede-se:

a) Escrever o vetor ݓ = ሺ7, −11,2ሻ como Combinação Linear de ݑ e ݒ.
b) Determinar uma condição entre ܽ, ܾ, ܿ para que o vetor ݓ = ሺܽ, ܾ, ܿሻ seja Combinação
Linear de ݑ e ݒ.


5. Consideremos no Espaço Vetorial ܲ = ൛ܽݐ
2
+ܾݐ +ܿ / ܽ, ܾ, ܿ ∈ ܴൟ os vetores ݌

= ݐ


2ݐ +1, ݌

= ݐ +2 e ݌

= 2ݐ

+6. Pede-se:

a) Escrever o vetor ݌ = 5ݐ

−5ݐ +7 como Combinação Linear de ݌

, ݌

e ݌

.
b) Escrever o vetor ݌ = 5ݐ

−5ݐ +7 como Combinação Linear de ݌

e ݌

.


NMF105 – Notas de aula 82

6. Seja S o subespaço do ܴ

definido por ܵ = ሼሺݔ, ݕ, ݖ, ݐሻ ∈ ܴ

/ ݔ +2ݕ −ݖ = 0 ݁ ݐ = 0ሽ.
Pergunta-se:

a) ݑ = ሺ−1,2,3,0ሻ ∈ ܵ ? Por que?
b) ݒ = ሺ3,1,4,0ሻ ∈ ܵ ? Por que?
c) ݓ = ሺ−1,1,1,1ሻ ∈ ܵ ? Por que?


Subespaço Vetorial Gerado

7. Determinar os subespaços do ܴ

gerados pelos seguintes conjuntos:

a) ܣ = ሼሺ2, −1,3ሻሽ
b) ܣ = ሼሺ−1,3,2ሻ, ሺ2, −2,1ሻሽ
c) ܣ = ሼሺ1,0,1ሻ, ሺ0,1,1ሻ, ሺ−1,1,0ሻሽ
d) ܣ = ሼሺ−1,1,0ሻ, ሺ0,1, −2ሻ, ሺ−2,3,1ሻሽ


8. Seja o conjunto ܣ = ሼݒ

, ݒ

ሽ, onde ݒ

= ሺ−1,3, −1ሻ e ݒ

= ሺ1, −2,4ሻ. Determinar:

d) O subespaço ܩ(ܣ)
e) O valor ݇ ∈ ܴ para que ݒ = ሺ5, ݇, 11ሻ pertença a ܩ(ܣ)


9. Sejam os vetores ݒ

= ሺ1,1,1ሻ, ݒ

= ሺ1,2,0ሻ e ݒ

= ሺ1,3, −1ሻ. Se ݑ = ሺ3, −1, ݇ሻ ∈ ሾݒ

, ݒ

, ݒ

ሿ,
qual é o valor de ݇?


10. Determinar os subespaços de P (Espaço Vetorial dos polinômios de grau ≤ 2) gerados
pelos seguintes vetores:

a) ݌

= 2ݔ +2 :: ݌

= −ݔ

+ݔ +3 :: ݌

= ݔ

+2ݔ
b) ݌

= ݔ

:: ݌

= ݔ


c) ݌

= 1 :: ݌

= ݔ :: ݌

= ݔ




11. Determinar o Subespaço ܩ(ܽ), onde ܣ = ሼሺ1, −2ሻ, ሺ−2,4ሻሽ. O que representa
geometricamente este subespaço?


12. Seja o Espaço Vetorial ܯ
ଶ௫ଶ
. Determine os subespaços gerados por:
ݒ

= ቂ
−1 0
0 1
ቃ, ݒ

= ቂ
1 −1
0 0
ቃ e ݒ

= ቂ
0 1
1 0








NMF105 – Notas de aula 83
Dependência e Independência Linear


13. Classificar os seguintes subconjuntos de em LI (Linearmente Independente) ou LD
(Linearmente Dependente)

a) ሼሺ1,3ሻሽ
b) ሼሺ1,3ሻ, ሺ2,6ሻሽ
c) ሼሺ2, −1ሻ, ሺ3,5ሻሽ
d) ሼሺ1,0ሻ, ሺ−1,1ሻ, ሺ3,5ሻሽ


14. Verificar se são LI ou LD os seguintes subconjuntos de :

a) ሼሺ2, −1,3ሻሽ
b) ሼሺ1, −1,1ሻ, ሺ−1,1,1ሻሽ
c) ሼሺ2, −1,0ሻ, ሺ−1,3,0ሻ, ሺ3,5,0ሻሽ
d) ሼሺ2,1,3ሻ, ሺ0,0,0ሻ, ሺ1,5,2ሻሽ
e) ሼሺ1,2, −1ሻ, ሺ2,4, −2ሻ, ሺ1,3,0ሻሽ
f) ሼሺ1, −1, −2ሻ, ሺ2,1,1ሻ, ሺ−1,0,3ሻሽ
g) ሼሺ1,2, −1ሻ, ሺ1,0,0ሻ, ሺ0,1,2ሻ, ሺ3, −1,2ሻሽ


15. Verificar se são LI ou LD os seguintes subconjuntos de :

a) ሼ2 +ݔ −ݔ

, −4 −ݔ +4ݔ

, ݔ +2ݔ


b) ൛1 −ݔ +ݔ
2
, ݔ −ݔ
2
, ݔ
2

c) ൛1 +3ݔ +ݔ
2
, 2 −ݔ −ݔ
2
, 1 +2ݔ −3ݔ
2
, −2 +ݔ +3ݔ
2

d) ൛ݔ
2
−ݔ +1, ݔ
2
+2ݔൟ


16. Quais dos seguintes conjuntos de vetores do são LD ?

a) ሼሺ2,1,0,0ሻ, ሺ1,0,2,1ሻ, ሺ−1,2,0, −1ሻሽ
b) ሼሺ0,1,0, −1ሻ, ሺ1,1,1,1ሻ, ሺ−1,2,0,1ሻ, ሺ1,2,1,0ሻሽ
c) ሼሺ1, −1,0,0ሻ, ሺ0,1,0,0ሻ, ሺ0,0,1, −1ሻ, ሺ1,2,1, −2ሻሽ
d) ሼሺ1,1,2,4ሻ, ሺ1, −1, −4,2ሻ, ሺ0, −1, −3,1ሻ, ሺ2,1,1,5ሻሽ



17. Sendo M
(2,3)
o Espaço Vetorial das matrizes 2 × 3, verificar se é LI ou LD, onde:








=








=








=
3 0 1
5 0 1
0 1 2
2 1 0
4 2 3
1 2 1
C B A


18. Determinar K ∈ ∈∈ ∈ IR para que seja LI o conjunto ( ) ( ) ( ) { } 0 , 2 , , 1 , 1 , 1 , 2 , 0 , 1 − − K



NMF105 – Notas de aula 84
19. Determinar K ∈ ∈∈ ∈ IR para que
)
,
¹
¹
,
¹
(
¸
(

¸


(
¸
(

¸

(
¸
(

¸

0
1 2
,
0 0
1 1
,
0 1
0 1
K
seja LD.



Bases e Dimensão


20. Sendo ( ) 2 , 1
1
= v ∈
2
IR , determinar v
2

2
IR tal que { }
2 1
, v v

seja base de
2
IR .


21. Verificar quais dos seguintes conjuntos de vetores formam base do
2
IR :

a) ሼሺ1,2ሻ, ሺ−1,3ሻሽ
b) ሼሺ3, −6ሻ, ሺ−4,8ሻሽ
c) ሼሺ0,0ሻ, ሺ2,3ሻሽ
d) ሼሺ3, −1ሻ, ሺ2,3ሻሽ

22. Para que valores de k ∈ IR o conjunto ( ) ( ) { } 4 , , , 1 k k = β

é base do
2
IR ?


23. O conjunto ߚ = ሼሺ2, −1ሻ, ሺ−3,2ሻሽ é uma base do
2
IR . Escrever o vetor genérico do
2
IR
como Combinação Linear de ߚ.


24. Quais do seguintes conjuntos de vetores formam uma base do
3
IR ?

a) ሼሺ1,1, −1ሻ, ሺ2, −1,0ሻ, ሺ3,2,0ሻሽ
b) ሼሺ1,0,1ሻ, ሺ0, −1,2ሻ, ሺ−2,1, −4ሻሽ
c) ሼሺ1,2,3ሻ, ሺ4,1,2ሻሽ
d) ሼሺ2,1, −1ሻ, ሺ−1,0,1ሻ, ሺ0,0,1ሻሽ
e) ሼሺ0, −1,2ሻ, ሺ2,1,3ሻ, ሺ−1,0,1ሻ, ሺ4, −1, −2ሻሽ


25. Quais dos seguintes conjuntos de vetores formam base de
2
P ?
a) 2t

+t −4, t

−3t +1
b) 1, t, t


c) 2, 1 −x, 1 +x


d) 1 +x +x

, x +x

, x


e) x −x

, 1 +x, 1 +2x −x




26. Determinar uma base do subespaço do
4
IR gerado pelos vetores
ݒ

= ሺ1, −1,0,0ሻ :: ݒ

= ሺ−2,2,2,1ሻ :: ݒ

= ሺ−1,1,2,1ሻ :: ݒ

= ሺ0,0,4,2ሻ


NMF105 – Notas de aula 85

27. Seja
3
IR V = e o conjunto B ( ) ( ) ( ) { }
3
1 , 2 , 1 , 0 , 1 , 1 , 1 , 1 , 0 IR ⊂ = ;
a) Mostrar que B não é base do ;
3
IR
b) Determinar uma base do
3
IR que possua dois elementos de B.


28. Sejam os vetores ( ) ( ) ( ) 0 , 1 , 0 1 , 2 , 1 , 1 , 0 , 1
3 2 1
− = = − = v e v v do
3
IR ;
a) Mostrar que B { }
3 2 1
, , v v v =

é base do
3
IR ;
b) Escrever cada um dos vetores ( ) ( ) ( ) 1 , 0 , 0 , 0 , 1 , 0 , 0 , 0 , 1
3 2 1
= = = e e e como CL dos
vetores da base B.


29. Determinar uma dimensão para cada um dos seguintes subespaços vetoriais:
a) ( ) { z y x W , , = ∈ } x y IR 3 /
3
=
b) ( ) { z y x W , , = ∈ } 0 5 /
3
= = z e x y IR
c) ( ) { y x W , = ∈ } 0 /
2
= + y x IR
d) ( ) { z y x W , , = ∈ } y z e y x IR − = = 3 /
3

e) ( ) { z y x W , , = ∈ } 0 3 2 /
3
= + − z y x IR
f) ( ) { z y x W , , = ∈ } 0 /
3
= z IR


30. Determinar a dimensão para cada um dos seguintes subespaços vetoriais de ܯ
ଶ௫ଶ
:
a)
)
,
¹
¹
,
¹
= + =
(
¸
(

¸

= c d e c a b
d c
b a
V /
b)
)
,
¹
¹
,
¹
+ =
(
¸
(

¸

= c a b
d c
b a
V /
c)
)
,
¹
¹
,
¹
= − =
(
¸
(

¸

= 0 3 / d e b a c
d c
b a
V
d)
)
,
¹
¹
,
¹
+ = +
(
¸
(

¸

= c b d a
d c
b a
V /


31. Seja o subespaço
)
,
¹
¹
,
¹
= + =
(
¸
(

¸

= a d e d a c
d c
b a
S / de ܯ
ଶ௫ଶ
. Pede-se:
a) Qual é a dimensão de S?
b) O conjunto
)
,
¹
¹
,
¹
(
¸
(

¸

(
¸
(

¸


4 3
1 2
,
1 0
1 1
é uma base de S? Justificar!


NMF105 – Notas de aula 86

32. Sejam os vetores ( ) ( ) ( ) 4 , 2 , 7 , 3 , 5 , 1 , 2 , 3 , 2 , 0 , 1 , 1
3 2 1
− − − = − = − − = v v v . Pede-se:
a) Encontre o Subespaço ܵ de IR
4
gerado por v v e v
1 2 3
, ;
b) O vetor ( )∈ − − = 1 , 1 , 0 , 2 u ܵ ? Por que?
c) O vetor ( )∈ − − = 1 , 5 , 6 , 3 u ܵ ? Por que?
d) Os vetores v v e v
1 2 3
, são LI ou LD ? Justificar!
e) Qual a dimensão de ܵ (dimሺܵሻ) ? Por que?
f) Encontre uma base de ܵ. Justificar!


33. Sejam os vetores ( ) ( ) ( ) 2 , 0 , 1 , 1 , 5 , 1 , 2 , 3 , 4 , 2 , 1 , 3
3 2 1
− − = − = − = v v v . Pede-se:
a) Encontre o Subespaço ܵ de IR
4
gerado por v v e v
1 2 3
, ;
b) O vetor ( )∈ − − − = 5 , 1 , 3 , 2 u ܵ ? Por que?
c) O vetor ( )∈ − = 0 , 2 , 1 , 1 u ܵ ? Por que?
d) Os vetores v v e v
1 2 3
, são LI ou LD ? Justificar!
e) Qual a dimensão de ܵ (dimሺܵሻ) ? Por que?
f) Encontre uma base de ܵ. Justificar!


Mudança de Base


34. Sejam as bases ܵ = ሼݑ

, ݑ

ሽ e ܶ = ሼݓ

, ݓ

ሽ de ܴ

, onde
ݑ

= ሺ1,0ሻ :: ݑ

= ሺ0,1ሻ
ݓ

= ሺ1,1ሻ :: ݓ

= ሺ2,1ሻ

a) Calcule a matriz de transição ܲ
ௌ←்

b) Sendo ሾݒሿ

= ሾ
−3 5


, encontre as coordenadas ሾݒሿ

.



35. Seja ܸ = ܴ

e ܵ = ሼ࢛

, ࢛

, ࢛

ሽ e ܶ = ሼݓ

, ݓ

, ݓ

ሽ duas bases distintas paraܴ

, onde
ݑ

= ሺ2,0,1ሻ :: ݑ

= ሺ1,2,0ሻ :: ݑ

= ሺ1,1,1ሻ
ݓ

= ሺ6,3,3ሻ :: ݓ

= ሺ4, −1,3ሻ :: ݓ

= ሺ5,5,2ሻ

a) Calcule a matriz de transição ܲ
ௌ←்

b) Sendo ݒ = ሺ4, −9,5ሻ, encontre as coordenadas ሾݒሿ

.
c) Com base nas informações obtidas nos itens anteriores (ܲ
ௌ←்
e ሾݒሿ

), calcule ሾݒሿ



NMF105 – Notas de aula 87


36. Sendo um dado vetor de coordenadas ሾݒሿ

= ൥
4
−5
1
൩ e matriz de transição ܲ
ௌ←்
=

2 2 1
1 −1 2
1 1 1
൩, encontre o vetor correspondente à nova base ሾݒሿ


































NMF105 – Notas de aula 88


RESPOSTAS

1. a) Sim :: b) Sim :: c) Não :: d) Sim :: e) Não
f) Sim :: g) Sim :: h) Não :: i) Sim :: j) Sim

2. ݒ = −3݁

+2݁

+4݁



3. ݇ =
ିସସ



4. a) ݓ = 3ݑ −ݒ
b) 16ܽ +10ܾ −ܿ

5. a) ݌ = ݌

−3݌

+2݌


b) Impossível

6. a) Sim, porque (ݔ +2ݕ −ݖ = −1 +2.2 −3 = 0) e ሺݐ = 0 = 0ሻ
b) Não, porque ሺݔ +2ݕ −ݖ = 3 +2.1 −4 ≠ 0ሻ
c) Não, porque ሺݐ = 1 ≠ 0ሻ

7. a) ሼሺݔ, ݕ, ݖሻ ∈ ܴ

/ ݔ = −2ݕ ݁ ݖ = −3ݕሽ
b) ሼሺݔ, ݕ, ݖሻ ∈ ܴ

/ 7ݔ +5ݕ −4ݖ = 0ሽ
c) ሼሺݔ, ݕ, ݖሻ ∈ ܴ

/ ݔ +ݕ −ݖ = 0ሽ
d) ܴ



8. a) ܩሺܣሻ = ሼሺݔ, ݕ, ݖሻ ∈ ܴ

/ 10ݔ +3ݕ −ݖ = 0ሽ
b) ݇ = −13

9. ݇ = 7

10. a) ܵ = ሼܽݔ

+ܾݔ +ܿ / ܾ = 2ܽ +ܿሽ
b) ܵ = ሼܽݔ

+ܾݔ / ܽ, ܾ ∈ ܴሽ
c) ܵ = ܲ

11. A reta ݕ = −2ݔ

12. ܵ = ቄቂ
ܽ ܾ
ܿ ݀
ቃ / ܽ +ܾ −ܿ +݀ = 0ቅ

13. a) LI

b) LD

c) LI

d) LD
14. a) LI
b) LI
c) LD
d) LD
e) LD
f) LI
g) LD

15. a) LD

b) LI

c) LD

d) LI
16. Itens “b” e “d”

17. LI

18. ܭ ≠ 3

NMF105 – Notas de aula 89

19. ܭ = 3

20. ݒ

≠ ݇ݒ

∀݇ ∈ ܴ

21. Itens “a” e “d”

22. ܭ ≠ ±2

23. ሺݔ, ݕሻ = ሺ2ݔ +3ሻሺ2, −1ሻ +ሺݔ +2ݕሻሺ−3,2ሻ

24. Itens “a” e “d”

25. Itens “b”, “c” e “d”

26. ሼݒ

, ݒ



27. a) อ
0 1 1
1 1 2
1 0 1
อ = 0. Ou seja, B é LD.
b) ሼሺ0,1,1ሻ, ሺ1,1,0ሻ, ሺ0,0,1ሻሽ

28. a) อ
1 1 0
0 2 −1
−1 1 0
อ ≠ 0. Ou seja, B é LI.
b) ݁

=


ݒ

+


ݒ



:: ݁

= −ݒ

:: ݁

= −


ݒ

+


ݒ





29. a) dimሺܹሻ = 2
b) dimሺܹሻ = 1
c) dimሺܹሻ = 1
d) dimሺܹሻ = 1
e) dimሺܹሻ = 2
f) dimሺܹሻ = 2

30. a) dimሺܸሻ = 2 b) dimሺܸሻ = 3 c) dimሺܸሻ = 2 d) dimሺܸሻ = 3

31. a) dimሺܵሻ = 2, porque o subespaço ܵ é função de 2 variáveis ܵ = ቂ
ܽ ܾ
2ܽ ܽ

b) Não é uma base porque ቂ
1 −1
0 1
ቃ ܵ = ቂ
ܽ ܾ
2ܽ ܽ
ቃ e ቂ
2 1
3 4
ቃ ܵ.

32. a) ܵ = ሼሺݔ, ݕ, ݖ, ݐሻ ∈ ܴ

/ 2ݔ +ݖ +ݐ = 0ሽ
b) Não. ݑ ܵ, porque ݑ não satisfaz a condição 2ݔ +ݖ +ݐ = 0.
c) Sim. ݑ ∈ ܵ.
d) LI, porque nenhum dos 3 vetores pode ser escrito como uma combinação linear dos
outros dois.
e) dimሺܵሻ = 3
f) ሼݒ

, ݒ

, ݒ

ሽ porque esses vetores são LI.

33. a) ܵ = ሼሺݔ, ݕ, ݖ, ݐሻ ∈ ܴ

/ ݔ +ݕ +ݖ = 0 ݁ ݔ −ݕ +ݐ = 0ሽ
b) Não. ݑ ܵ, porque ݑ não satisfaz a condição ݔ −ݕ +ݐ = 0.
c) Sim. ݑ ∈ ܵ.

NMF105 – Notas de aula 90
d) LD, porque ݒ

é CL de ሼݒ

, ݒ

ሽ. ݒ

=


ݒ




ݒ


e) dimሺܵሻ = 2
f) ሼݒ

, ݒ

ሽ porque, usando escalonamento, as linhas não-nulas são ܮ

e ܮ

. Ou seja,
ሼݒ

, ݒ

ሽ são LI.

34. a) ܲ
ௌ←்
= ቂ
1 2
1 1

b) ሾݒሿ

= ሾ
7 2


. Ou seja, −3ݓ

+5ݓ

= 7ݑ

+2ݑ

.

35. a) ܲ
ௌ←்
= ൥
2 2 1
1 −1 2
1 1 1

c) ሾݒሿ

= ሾ
1 2 −2



d) ሾݒሿ

= ሾ
4 −5 1




36. ሾݒሿ

= ሾ
1 2 −2




























NMF105 – Notas de aula 91



NMF105 – ALGEBRA LINEAR

Prof. Emerson Costa (responsável pela disciplina)
Prof. Fabio Lacerda (flacerda@fumec.br)




UNIDADE 4 – TRANSFORMAÇÕES LINEARES Notas de Aula



Uma transformação linear é uma aplicação que leva vetores de um espaço vetorial em outro.

Denota-se uma transformação linear como ܶ: ܸ → ܹ, onde ܶ é a transformação linear (uma
aplicação, mapeamento, função, etc) de ܸ em ܹ, sendo ܸ (um espaço vetorial) o domínio e
ܹ (um espaço vetorial) o contradomínio.


Definição: Se ܶ: ܸ → ܹ é uma função de um espaço vetorial ܸ em um outro espaço vetorial
ܹ, então ܶ é chamada uma transformação linear de ܸ em ܹ se, para quaisquer
vetores ࢛ e ࢜ em ܸ e qualquer escalar ߙ valem
(i) ܶሺݑ +ݒሻ = ܶሺݑሻ +ܶሺݒሻ;
(ii) ܶሺߙݒሻ = ߙܶሺݒሻ.

No caso especial em que ܸ = ܹ, a transformação linear é chamada um operador linear
de ܸ.


Observações.

• Nós escrevemos ܶ: ܸ → ܹ para indicar que ܶ aplica vetores do espaço vetorial ܸ em
vetores do espaço vetorial ܹ. Isto é, ܶ é uma função com domínio ܸ, contra domínio
ܹ e cuja imagem é um subconjunto de ܹ;

• ܶሺݒሻ é lido " ܶ de ݒ ", de modo análogo à notação funcional ݂ሺݔሻ, que é lida " ݂ de ݔ";

• No caso especial em que ܸ = ܹ, ou seja, uma transformação linear ܶ: ܸ → ܸ, que tem
como domínio e contra domínio o mesmo espaço vetorial ܸ, a transformação linear é
chamada um operador linear de ܸ;

• As duas condições (i) e (ii) da definição podem ser aglutinadas numa só:
ܶሺߙݑ +ݒሻ = ߙܶሺݑሻ +ܶሺݒሻ.





NMF105 – Notas de aula 92




Exemplo: Dentre as transformações, verifique quais são lineares:

a) ܶ: ܴ

→ ܴ, ܶሺݔ, ݕሻ = 2ݔ +3ݕ
b) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ

c) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺݔ +ݕ, ݔ −ݕሻ
d) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺݔ +ݕ, 0,0ሻ
e) ܶ: ܴ

→ ܴ, ܶሺݔ, ݕሻ = 2ݔ +3ݕ +4
f) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺܽݔ

, ܾݕ


g) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺݔ +ݕ, 1,3ሻ

Solução:


Sendo ݑ = ሺݔ

, ݕ

ሻ e ݒ = ሺݔ

, ݕ

ሻ...


a) ܶ: ܴ

→ ܴ, ܶሺݔ, ݕሻ = 2ݔ +3ݕ

(i) ܶሺݑ +ݒሻ = ܶ൫ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ൯ = ܶሺݔ



, ݕ




Como ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ,
faz-se “ݔ = ݔ



” e “ݕ = ݕ




ܶሺݔ, ݕሻ = 2ݔ +3ݕ = 2ሺݔ



ሻ +3ሺݕ




= 2ݔ

+2ݔ

+3ݕ

+3ݕ

= ሺ2ݔ

+3ݕ

ሻ +ሺ2ݔ

+3ݕ


= ܶሺݔ

, ݕ

ሻ +ܶሺݔ

, ݕ


= ܶሺݑሻ +ܶሺݒሻ

(ii) ܶሺߙݑሻ = ܶ൫ߙሺݔ

, ݕ

ሻ൯ = ܶሺߙݔ

, ߙݕ


ܶሺݔ, ݕሻ = 2ݔ +3ݕ = 2ߙݔ

+3ߙݕ


= ߙሺ2ݔ

+3ݕ


= ߙܶሺݑሻ

Conclusão: ܶሺݔ, ݕሻ = 2ݔ +3ݕ é uma transformação linear



b) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ

(i) ܶሺݑ +ݒሻ = ܶ൫ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ൯ = ܶሺݔ



, ݕ




Como ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ,
faz-se “ݔ = ݔ



” e “ݕ = ݕ





NMF105 – Notas de aula 93
ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ = ൫2ሺݔ



ሻ, 3ሺݕ



ሻ൯ = ሺ2ݔ

+2ݔ

, 3ݕ

+3ݕ


= ൫ሺ2ݔ

, 3ݕ

ሻ +ሺ2ݔ

, 3ݕ

ሻ൯
= ܶሺݑሻ +ܶሺݒሻ

(ii) ܶሺߙݑሻ = ܶ൫ߙሺݔ

, ݕ

ሻ൯ = ܶሺߙݔ

, ߙݕ


ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ = ൫2ሺߙݔ

ሻ, 3ሺߙݕ

ሻ൯ = ሺ2ߙݔ

, 3ߙݕ


= ߙሺ2ݔ

, 3ݕ


= ߙܶሺݑሻ

Conclusão: ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ é uma transformação linear




c) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺݔ +ݕ, ݔ −ݕሻ

(i) ܶሺݑ +ݒሻ = ܶ൫ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ൯ = ܶሺݔ



, ݕ




Como ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ,
faz-se “ݔ = ݔ



” e “ݕ = ݕ




ܶሺݔ, ݕሻ = ሺݔ +ݕ, ݔ −ݕሻ = ൫ሺݔ



ሻ +ሺݕ



ሻ, ሺݔ



ሻ −ሺݕ



ሻ൯
= ൫ሺݔ



ሻ +ሺݕ



ሻ, ሺݔ



ሻ −ሺݕ



ሻ൯
= ൫ሺݔ



, ݔ

−ݕ

ሻ +ሺݔ



, ݔ

−ݕ

ሻ൯
= ܶሺݑሻ +ܶሺݒሻ

(ii) ܶሺߙݑሻ = ܶ൫ߙሺݔ

, ݕ

ሻ൯ = ܶሺߙݔ

, ߙݕ


ܶሺݔ, ݕሻ = ሺݔ +ݕ, ݔ −ݕሻ = ሺߙݔ

+ߙݕ

, ߙݔ

−ߙݕ


= ߙሺݔ



, ݔ

−ݕ


= ߙܶሺݑሻ

Conclusão: ܶሺݔ, ݕሻ = ሺݔ +ݕ, ݔ −ݕሻ é uma transformação linear





d) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺݔ +ݕ, 0,0ሻ

(i) ܶሺݑ +ݒሻ = ܶ൫ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ൯ = ܶሺݔ



, ݕ




Como ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ,
faz-se “ݔ = ݔ



” e “ݕ = ݕ




ܶሺݔ, ݕሻ = ሺݔ +ݕ, 0,0ሻ = ൫ሺݔ



ሻ +ሺݕ



ሻ, 0,0൯
= ൫ሺݔ



, 0,0ሻ +ሺݔ



, 0,0ሻ൯
= ܶሺݑሻ +ܶሺݒሻ

(ii) ܶሺߙݑሻ = ܶ൫ߙሺݔ

, ݕ

ሻ൯ = ܶሺߙݔ

, ߙݕ


ܶሺݔ, ݕሻ = ሺݔ +ݕ, 0,0ሻ = ሺߙݔ

+ߙݕ

, 0,0ሻ
= ߙሺݔ



, 0,0ሻ
= ߙܶሺݑሻ

NMF105 – Notas de aula 94

Conclusão: ܶሺݔ, ݕሻ = ሺݔ +ݕ, 0,0ሻ é uma transformação linear


e) ܶ: ܴ

→ ܴ, ܶሺݔ, ݕሻ = 2ݔ +3ݕ +4

(i) ܶሺݑ +ݒሻ = ܶ൫ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ൯ = ܶሺݔ



, ݕ




Como ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ,
faz-se “ݔ = ݔ



” e “ݕ = ݕ




ܶሺݔ, ݕሻ = 2ݔ +3ݕ +4 = 2ሺݔ



ሻ +3ሺݕ



ሻ +4
= 2ݔ

+2ݔ

+3ݕ

+3ݕ

+4 = ሺ2ݔ

+3ݕ

ሻ +ሺ2ݔ

+3ݕ

ሻ +4
= ܶሺݔ

, ݕ

ሻ +ܶሺݔ

, ݕ

ሻ +4
≠ ܶሺݑሻ +ܶሺݒሻ

Conclusão: ܶሺݔ, ݕሻ = 2ݔ +3ݕ +4 não é uma transformação linear porque
ܶሺ0,0ሻ = 4




f) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺܽݔ

, ܾݕ



(i) ܶሺݑ +ݒሻ = ܶ൫ሺݔ

, ݕ

ሻ +ሺݔ

, ݕ

ሻ൯ = ܶሺݔ



, ݕ




Como ܶሺݔ, ݕሻ = ሺ2ݔ, 3ݕሻ,
faz-se “ݔ = ݔ



” e “ݕ = ݕ




ܶሺݔ, ݕሻ = ሺܽݔ

, ܾݕ

ሻ = ሺܽሺݔ





, ܾሺݕ






= ൫ܽݔ


+2ܽݔ

ݔ

+ܽݔ


, ܾݕ


+2ܾݕ

ݕ

+ܾݕ



= ሺܽݔ


, ܾݕ


ሻ +൫ܽݔ


, ܾݕ


൯ +ሺ2ܽݔ

ݔ

, 2ܾݕ

ݕ


≠ ܶሺݑሻ +ܶሺݒሻ

Conclusão: ܶሺݔ, ݕሻ = ሺܽݔ

, ܾݕ

ሻ não é uma transformação linear




g) ܶ: ܴ

→ ܴ

, ܶሺݔ, ݕሻ = ሺݔ +ݕ, 1,3ሻ


Conclusão: ܶሺݔ, ݕሻ = ሺݔ +ݕ, 1,3ሻ não é uma transformação linear porque
ܶሺ0,0ሻ = ሺ0,1,3ሻ ≠ ሺ0,0,0ሻ













NMF105 – Notas de aula 95



L LI IS ST TA A D DE E E EX XE ER RC CÍ ÍC CI IO OS S 4 4

Transformações Lineares


1. Dentre as transformações, verifique quais são lineares:

a) ( ) ( ) y x y x y x T T 5 2 ; 3 ; , :
2 2
+ − = ℜ → ℜ
b) ( ) ( )
2 2 2 2
; ; , : y x y x T T = ℜ → ℜ
c) ( ) ( ) 0 ; ; , :
2 2
y x y x T T − = ℜ → ℜ
d) ( ) ( ) 2 ; , :
2
x x T T = ℜ → ℜ
e) ( ) z y x z y x T T − + − = ℜ → ℜ 2 3 ; ; , :
3

f) ( ) ( )
|
|
¹
|

\
|
(
¸
(

¸

+ −
= → ℜ
y x y
x y
y x T M T
2
3 2
; , 2 , 2 :
2

g) ( ) ( ) c b c a
d c
b a
T M T + − =
|
|
¹
|

\
|
(
¸
(

¸

ℜ → ; , 2 , 2 :
2

h) ( )






− −
+ +
= ℜ → ℜ
z x
z y x
z y x T T
2
3 2
; ; , :
2 3






RESPOSTAS


1. a) T é linear
b) T não é linear
c) T é linear
d) T não é linear
e) T é linear
f) T é linear
g) T é linear
h) T é linear


NMF105 – Notas de aula 96


BIBLIOGRAFIA E REFERÊNCIAS

(Anton, 2001) Anton, H; Rorres, C. Álgebra Linear com Aplicações. 8ª edição. Porto Alegre:
Bookman, 2001.

(Kolman, 2008) Kolman, B. Introdução à Álgebra Linear com Aplicações. 8ª edição. LTC, 2008.

(Lipschutz, 1994) Lipschutz, S. Álgebra Linear: 591 Problemas Resolvidos, 442 Problemas
Suplementares. 3ª edição. Makron Books, 1994.

(Boldrini, 1986) Boldrini, J. L. Álgebra Linear. 3ª edição. Harbra, 1986.