1

Universidade do Estado do Rio de Janeiro

Apostila de lgebra Linear para aplicao nos cursos de engenharia, cincias atuariais e estatstica.
Professora Joice Santos do Nascimento
SUMRIO
MATRIZES
Matrizes e definies...................................................................................................................................................2
Tipos de matrizes...............................................................................................................................................2
Operaes com matrizes.....................................................................................................................................5
Exerccios de aplicao......................................................................................................................................7

DETERMINANTES
Determinantes de matrizes de ordem 1, 2 e 3...................................................................................................11
Determinantes de matrizes de ordem maiores que 3.......................................................................................12
Processo de inverso de matrizes usando a matriz adjunta...............................................................................14
Processo de inverso de matrizes usando operao elementares....................................................................15
Exerccios de aplicao....................................................................................................................................16

SISTEMAS LINEARES
Definio..........................................................................................................................................................18
Representao matricial de Sistemas................................................................................................................18
Tipos de sistemas............................................................................................................................................19
Matriz escalonada...........................................................................................................................................19
Posto de uma matriz........................................................................................................................................19
Soluo de sistemas.........................................................................................................................................22
Exerccios de aplicao.....................................................................................................................................23

ESPAOS VETORIAIS
Vetores ..........................................................................................................................................................24
Operaes com vetores ..................................................................................................................................25
Combinao linear de vetores .........................................................................................................................25
Dependncia e independncia linear entre vetores ........................................................................................26
Subespaos vetoriais definidos por equaes cartesianas..............................................................................27
Subespaos vetoriais gerados por vetores.....................................................................................................27
Base e dimenso.............................................................................................................................................29
Coordenadas de um vetor em relao a uma base.............................................................................................30
Matriz mudana de base.................................................................................................................................31
Exerccios de aplicao.....................................................................................................................................31

TRANSFORMAES LINEARES
Definio de transformaes lineares e operadores lineares....................................................................33
Exemplos de transformaes lineares no plano e no espao.....................................................................35
Ncleo e Imagem de uma transformao linear (teorema).......................................................................38
Matriz de uma transformao linear relativa a bases................................................................................39
Exerccios de aplicao...............................................................................................................................40

AUTOVALORES E AUTOVETORES
Definio - Polinmio caracterstico - Auto-espaos..................................................................................42
Diagonalizao de operadores lineares......................................................................................................44
Exerccios de aplicao...............................................................................................................................45

MATRIZES E DEFINIES

2

Chama-se matriz de ordem m por n a um quadro de m n elementos (nmeros, polinmios, funes,
etc.) dispostos em linhas e colunas:
11 12 1
21 22 2
1 2
n
n
m m mn
m n
a a a
a a a
A
a a a

(
(
(
=
(
(


Por exemplo, ao recolhermos os dados referentes a altura, peso e idade de um grupo de quatro pessoas,
podemos disp-los na tabela:
Altura
(m)
Peso (kg) Idade
(anos)
Pessoa 1 1,70 70 23
Pessoa 2 1,75 60 45
Pessoa 3 1,60 52 25
Pessoa 4 1,81 72 30

Ao abstrarmos os significados das linhas e colunas, temos a matriz:
1, 70 70 23
1, 75 60 45
1, 60 72 30
(
(
(
(


A representao genrica de uma matriz dada por
ij
m n
A a

( =

, onde
ij
a representa o termo da matriz
que ocupa a i -sima linha e a j -sima coluna. Exemplos:
2 1
1 3
0 2
(
(

(
(

,
0 3 2
2 1 2
(
(

,
2
1
0
10
(
(

(
(
(

e
12 2
1 3
(
(

Outros exemplos: Vamos construir uma matriz de ordem 2 3 onde
2 ,
,
ij
i j i j
a
i j i j
+ >
=

s

:
A matiz genrica de ordem 2 3 da forma
11 12 13
21 22 23
2 3
a a a
A
a a a

(
=
(

, ento calculando seus elementos
segundo a regra: para i j s teremos
11
1 1 0 a = = ,
12
1 2 1 a = = ,
13
1 3 2 a = = ,
22
2 2 0 a = = ,
23
2 3 1 a = = e para i j > teremos
21
2.2 1 5 a = + = . Logo temos a matriz:
2 3
0 1 2
5 0 1
A

(
=
(

.
Outros exemplos:
1) Construir a matriz de ordem 1 3 onde .
ij
a i j = :
2) Construir a matriz de ordem 2 2 onde
,
,
ij
i j i j
a
i j i j
+ s
=

>

:
3) Construir a matriz de ordem 3 2 onde
2
2 3
ij
a i j = + :
TIPOS DE MATRIZES
Matrizes retangular so aquelas cujo o nmero de linhas e colunas distintos.
3

Exemplos:
2 1
1 3
0 2
(
(

(
(

e
0 3 2
2 1 2
(
(

.
Matrizes-linhas so aquelas que possuem apenas uma linha.
Exemplos:
| |
2 1 e
| |
0 3 2 .
Matrizes-coluna so aquelas que possuem apenas uma coluna.
Exemplos:
2
0
(
(

e
2
1
0
10
(
(

(
(
(

.
Matrizes quadradas so aquelas cujos nmeros de linhas e colunas so iguais.
Exemplos:
| |
2 ,
12 2
1 3
(
(

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

(
(

e
11 12 1
21 22 2
1 2
m
m
m m mm
m m
a a a
a a a
a a a

(
(
(
(
(

para algum me .
Diagonal principal de uma matriz quadrada de ordem n
ij
n n
A a

( =

so os elementos
ij
a onde i j = .
Por exemplo:
1) A diagonal principal da matriz
12 2
1 3
(
(

dada por ( ) 12 3 .
2) A diagonal principal de matriz
1 2 0
3 1 4
1 0 0
(
(

(
(

dada por ( ) 1 1 0 .
3) A diagonal principal de uma matriz quadrada genrica de ordem n dada por
( )
11 22 nn
a a a .
Diagonal secundria de uma matriz quadrada de ordem n
ij
n n
A a

( =

so os elementos
ij
a onde
1 i j n + = + . Por exemplo:
1) A diagonal secundria da matriz
12 2
1 3
(
(

dada por ( ) 2 1 .
2) A diagonal secundria de matriz
1 2 0
3 1 4
1 0 0
(
(

(
(

dada por ( ) 0 1 1 .
3) A diagonal secundria de uma matriz quadrada genrica de ordem n dada por
( )
1 2 1 1 n n n
a a a

.
Matriz triangular superior (inferior) aquela cujos elementos abaixo (acima) da diagonal principal so
todos nulos. Por exemplo:
4

1) Matrizes triangulares superiores:
1 2
0 3
(
(

e
1 2 0
0 1 4
0 0 0
(
(

(
(

.
2) Matrizes triangulares inferiores:
1 0
1 3
(
(

e
1 0 0
2 1 0
1 3 1
(
(
(
(

.
Matriz diagonal aquela que triangular superior e inferior ao mesmo tempo.
Exemplo:
1 0
0 3
(
(

e
1 0 0
0 1 0
0 0 0
(
(

(
(


Matriz nula aquela que possui todos os elementos nulos. Por exemplo:
0 0
0 0
(
(

,
0 0 0
0 0 0
0 0 0
(
(
(
(

,
0 0
0 0
0 0
(
(
(
(

,
0 0 0
0 0 0
(
(

e
0 0 0
0 0 0
0 0 0
m n
(
(
(
(
(

.
Obs.: Matrizes nulas no so necessariamente quadradas.
Matriz identidade uma matriz diagonal cujos elementos da diagonal so formados apenas pelo
nmero 1. Por exemplo:
1 0
0 1
(
(

,
1 0 0
0 1 0
0 0 1
(
(
(
(

e
1 0 0
0 1 0
0 0 1
n n
(
(
(
(
(

.
Oposta de uma matriz: Dada uma matriz
ij
m n
A a

( =

a oposta dessa matriz a matriz
ij
m n
B b

( =

onde
ij ij
b a =

.
Exemplo: A oposta de
2 1
1 3
0 2
(
(

(
(

dada por
2 1
1 3
0 2
(
(

(
(


A oposta de
0 3 2
2 1 2
(
(

dada por
0 3 2
2 1 2
(
(


.
Transposio de matrizes:
Dada uma matriz
ij
m n
A a

( =

a matriz transposta de A dada por
t
A e obtida por trocar as linhas de A
por colunas. Por exemplo:
5

1)
2 1
2 1 0
1 3
1 3 2
0 2
t
(
(
(
=
(
(


(


2)
0 2
0 3 2
3 1
2 1 2
2 2
t
(
(
(
=
(
(

(


3) | |
2
2 1
1
t (
=
(

4)
| |
0
0 3 2 3
2
t
(
(
=
(
(

.
5)
| |
2
2 0
0
t
(
=
(


6)
| |
2
1
2 1 0 10
0
10
t
(
(

(
=
(
(

.
Matriz simtrica aquela que igual a sua prpria transposta.
Exemplos:
1 6
6 3
(
(

,
2 4 3
4 1 4
3 4 1
(
(

(
(


Matriz antissimtrica aquela que igual a oposta de sua transposta, ou seja,
t
A A = .
Exemplo:
0 6
6 0
(
(

,
0 4 3
4 0 4
3 4 0
(
(
(
(


OPERAO COM MATRIZES
Igualdade de matrizes
Duas matrizes
ij
m n
A a

( =

e
ij
m n
B b

( =

de mesma ordem so ditas iguais quando
seus elementos so iguais, ou seja,
ij ij
a b = para todo 1,..., i m = e todo 1,..., j n = . Por
exemplo:
2 1 2 1
1 3 1 3
0 2 0 2
( (
( (
=
( (
( (


Determinar os valores das incgnitas em
0 3 2 1 3 4
2 1 2 2 2
x y
z w
+ ( (
=
( (

.
R: 1, 6, 1, 1 x y z w = = = = .
Soma de matrizes
6

A soma de duas matrizes
ij
m n
A a

( =

e
ij
m n
B b

( =

de mesma ordem uma matriz
ij
m n
C c

( =

de mesma ordem dada por
ij ij ij
c a b = + .
Exemplos:
2 1 3 2 5 3
1 3 4 3 3 6
0 2 1 2 1 0
( ( (
( ( (
+ =
( ( (
( ( (


1 6 2 4 1 8
5 3 2 2 3 1
( ( (
+ =
( ( (



Produto por escalar
Se um escalar, o produto de uma matriz
ij
m n
A a

( =

por esse escalar uma matriz
ij
m n
B b

( =

tal que .
ij ij
b a = .
Exemplos:
3 2 15 10
5. 4 3 20 15
1 2 5 10
( (
( (
=
( (
( (

( )
4 2 1 12 6 3
3 .
3 5 0 9 15 0
( (
=
( (



Produtos de matrizes
Sejam as matrizes | |
2 1 A= e
3
2
B
(
=
(

, o produto AB dado por uma matriz
| |
11
C c = tal que:
( )
11
2.3 1 .2 c = +
11
6 2 c =
11
4 c =
Logo, | |
. 4 AB = .
Vamos generalizar esse conceito para matrizes de outras ordens. Por exemplo: sejam
2 1 4
2 2 1
A
(
=
(

e
1
2
1
B
(
(
=
(
(

, o produto AB dado pela matriz | |
11 12
C c c = tal que:
( ) ( )
11
2.1 1 .2 4. 1 c = + +
11
2 2 4 c =
11
4 c =
( ) ( )
12
2.1 2 .2 1. 1 c = + +
12
2 4 1 c =
12
3 c =
7

Logo,
| |
. 4 3 AB =
Agora vamos generalizar, sejam duas matrizes
ij
m n
A a

( =

e
ij
n p
B b

( =

, onde o
nmero de colunas da matriz A igual ao nmero de linhas de B . Definimos o
produto entre A e B pela matriz
ij
m p
C c

( =

onde:
1 1 2 2
. . ... .
ij i j i j in nj
c a b a b a b = + + +
Outros exemplos:
1 5
6 7
A
(
=
(

e
0 2 1
5 3 2
B
(
=
(

ento . AB dado pela matriz
2 3
ij
C c

( =

.
( )
11
1 .0 5.5 25 c = + =
( )
21
6.0 7 .5 35 c = + =

( )
12
1 .2 5.3 13 c = + =
( )
22
6.2 7 .3 23 c = + =

( ) ( ) ( )
13
1 . 1 5. 2 9 c = + =
( ) ( ) ( )
23
6. 1 7 . 2 8 c = + =

25 13 9
.
35 23 8
AB
(
=
(



Exerccios de aplicao
1) Sejam as matrizes:
1 2 3
2 1 4
A
(
=
(

,
1 0
2 1
3 2
B
(
(
=
(
(

,
3 1 3
4 1 5
2 1 3
C
(
(
=
(
(

,
3 2
2 4
D
(
=
(

,
2 4 5
0 1 4
3 2 1
E
(
(
=
(
(

,
4 5
2 3
F
(
=
(

e
0 0 0
0 0 0
0 0 0
O
(
(
=
(
(

. Agora se for
possvel calcule:
a) C E + .
b) A B + .
c) D F .
d) 3 5 C O + .
e) 2 3 C E .
f) 2B F + .
g) 3 2 D F + .
h) ( ) 3 2A .
i) 3 2 A A + .
j) ( ) 3 B D + .
k) ( )
t
C E + .
l)
t
D D .
m) ( )
t
C E F + + .
2) Seja
2
2
2 1 0
x
A
x
(
=
(

. Se
t
A A = ento qual o valor de x ?
3) Calcule
2
A quando
2 1
3 2
A

(
=
(

:
8

4) Encontre os valores de , x , y z e w se
2 3 1 0
.
3 4 0 1
x y
z w
( ( (
=
( ( (


5) Sejam as matrizes:
1 2 3
4 0 2
A
(
=
(

,
3 1
2 4
1 5
B
(
(
=
(
(

,
2 3 1
3 4 5
1 1 2
C
(
(
=
(
(

,
2 3
1 2
D
(
=
(


,
1 0 3
2 1 5
3 4 2
E
(
(
=
(
(

e
2 3
4 1
F
(
=
(

. Agora se for possvel calcule:
a) AB
b) BA
c) CB D +
d) AB DF +
e) BA FD +
6) Calcule os valores de m e n para que as matrizes sejam iguais:
a)
8 15 8 75
12 3 6 3
n
m
( (
=
( (
+


b)
2 2
41 13 40 4
6 3 6 3
m n ( + (
=
( (


c)
2
7 8 7 8
4 4 10 25
n
m n
( (
=
( (

7) Dadas as matrizes
1 2
3 1
7 4
5 9
A
(
(
(
=
(
(

,
1 3 5 7
6 2 8 3
B
(
=
(

,
2 4
3 5
C
(
=
(

e
1 7 3 8
3 1 1 3
4 1 9 0
5 3 2 3
D
(
(

(
=
(
(

. Calcule:
a) AB
b) ( ) AB D
c) BA
d) ( ) BA C
8) Determinar a matriz trasposta da matriz:
2 4 3 5
1 7 0 2
8 9 6 4
A
(
(
=
(
(

:
9

9) Dadas as matrizes
5 0 6
8 0 3
2 2 7
1 1 5
A
(
(

(
=
(
(


,
1 3 2 4
7 8 5 9
0 6 3 8
B
(
(
=
(
(

,
2 3 0
1 1 8
3 5 4
C
(
(
=
(
(

e
5 0 3 2
8 1 2 4
3 2 1 5
0 1 0 2
D
(
(

(
=
(
(

. Calcule:
a)
( )
t
AB
b) ( )
t
AB D
c)
( )
t
A BD
d)
t
B C
e)
( )
2 3
t t t
A B C +
10) Dadas as matrizes
2 7 1
3 4 2
5 9 6
A
(
(
=
(
(

,
0 9 3
4 8 1
7 3 1
B
(
(
=
(
(

e
4 3 5
1 2 7
8 1 9
C
(
(
=
(
(

. Calcule e
classifique o resultado:
a)
t
A A +
b)
t
B B +
c) .
t
A A
d)
t
A A
e)
t
B B
f)
t
C C
11) Joo pesa 81 quilos. Ele quer perder peso por meio de um programa de dieta e exerccios.
Aps consultar a tabela 1, ele monta o programa na tabela 2. Quantas calorias ele vai perder
por dia se seguir esse programa?
Tabela 1 Calorias queimadas por hora
Atividades esportivas
Peso Andar a 3km/h Correr a 9km/h Andar de bicicleta
a 9km/h
Jogar tnis
(moderado)
69 213 651 304 420
73 225 688 321 441
77 237 726 338 468
81 249 764 356 492



10











12) Uma empresa fabrica trs produtos. Suas despesas de produo esto divididas em trs
categorias. Em cada uma dessas categorias, faz-se uma estimativa do custo de produo de
um nico exemplar de cada produto a ser fabricado por trimestre. Essas estimativas so
dadas nas tabelas 3 e 4. A empresa gostaria de apresentar a seus acionistas uma nica
tabela mostrando o custo total por trimestre de cada uma das trs categorias: matria-
prima, pessoal e despesas gerais. Construa tal tabela.
Tabela 3. Custo de produo
por item (em dlares)
Gastos Produto
A B C
Matria-
prima
0,10 0,30 0,15
Pessoal 0,30 0,40 0,25
Despesas 0,10 0,20 0,15

Tabela 4. Quantidade produzida por trimestre
Estao
Produto vero Outono Inverno Primavera
A 4000 4500 4500 4000
B 2000 2600 2400 2200
C 5800 6200 6000 6000

Tabela 2 Horas por dia para cada atividade
Programa de exerccios
Andar Correr Andar de bicicleta Jogar tnis
Segunda-feira 1,0 0,0 1,0 0,0
Tera-feira 0,0 0,0 0,0 2,0
Quarta-feira 0,4 0,5 0,0 0,0
Quinta-feira 0,0 0,0 0,5 2,0
Sexta-feira 0,4 0,5 0,0 0,0
11


Determinantes
Determinantes de matrizes de ordem 1, 2 e 3
Definimos determinantes de matrizes quadradas por induo sobre a ordem da matriz:
Matriz de ordem 1: Seja
| |
11
A a = uma matriz de ordem 1 seu determinante dado por:
( )
11
det A a =
Matriz de ordem 2: Seja
11 12
21 22
a a
A
a a
(
=
(

uma matriz de ordem 2 seu determinante dado por:
( )
11 22 12 21
det A a a a a =
.
Matriz de ordem 2: Seja
11 12 13
21 22 23
31 32 33
a a a
A a a a
a a a
(
(
=
(
(

uma matriz de ordem 3 seu determinante
encontrado aps executarmos alguns passos:
1) Repetimos as duas primeiras colunas da matriz
11 12 13 11 12
21 22 23 21 22
31 32 33 31 32
a a a a a
A a a a a a
a a a a a
(
(
=
(
(


2) Seguindo a direo da diagonal principal realizamos as multiplicaes: 11 22 33
. . a a a
, 12 23 31
. . a a a

e 13 21 32
. . a a a
.
3) Seguindo a diagonal secundria tambm realizamos as seguintes multiplicaes: 13 22 31
. . a a a
,
11 23 32
. . a a a
e 12 12 33
. . a a a
.
4) Agora realizamos a soma 11 22 33 12 23 31 13 21 32
. . . . . . a a a a a a a a a + +
e a soma
13 22 31 11 23 32 12 12 33
. . . . . . a a a a a a a a a + +
.
5) E assim o determinante dado pela diferena entre os dois resultados:
( ) ( ) ( )
11 22 33 12 23 31 13 21 32 13 22 31 11 23 32 12 12 33
det . . . . . . . . . . . . A a a a a a a a a a a a a a a a a a a = + + + +

Exemplos:
1) | | ( )
det 2 2 =
,
| | ( )
det 3 2 =
,
1 1
det
2 2
| | (
=
|
(
\ .
, ( )
det 2 2
(
=

.
2)
( ) ( )
2 1
det 2.7 ( 1).3 14 3 14 3 17
3 7
| | (
= = = + =
|
(
\ .
,
( ) ( ) ( )
3 1
det 3 .2 ( 1).6 6 6 6 6 0
6 2
| | (
= = = + =
|
(
\ .
,
1 1
det 1.2 1.3 2 3 1
3 2
| | (
= = =
|
(
\ .
.
12

3)
1 2 4
det 3 1 2
4 2 1
| | (
|
(

|
(
|
(
\ .
, para calcular vamos seguir os passos. Primeiro repetimos as duas
primeiras colunas:
1 2 4 1 2
3 1 2 3 1
4 2 1 4 2
(
(

(
(

e realizamos as multiplicaes nas duas direes:
Diagonal principal:
( ) ( ) ( ) ( ) 1 . 1 .1 2. 2 . 4 4.3.2 1 16 24 41 + + = + + =

Diagonal secundria:
( ) ( ) ( ) ( ) 4. 1 . 4 1 . 2 .2 2.3.1 16 4 6 26 + + = + + =

Logo,
1 2 4
det 3 1 2 41 26 15
4 2 1
| | (
|
(
= =
|
(
|
(
\ .
.
Vamos calcular
1
4
3 1
det 2 2 2
6 2 1
| | (
|
(

|
(
|
(
\ .
:
Primeiro passo:
1
4
3 1 3 1
2 2 2 2 2
6 2 1 6 2
(
(

(
(

.
Segundo passo: diagonal principal:
( ) ( ) ( ) ( ) ( ) ( )
1
4
3.2. 1 1 . 2 . 6 .2.2 6 12 1 17 + + = + + =

Diagonal secundria:
( ) ( ) ( ) ( )
1
4
.2. 6 3. 2 .2 1 .2. 1 3 12 2 13 + + = + =

Logo,
1
4
3 1
det 2 2 2 17 ( 13) 17 13 4
6 2 1
| | (
|
(
= = + =
|
(
|
(
\ .


Determinantes de matrizes de ordem superior a 3
Usaremos o mtodo dos cofatores: dada a matriz
ij
n n
A a

( =

, o cofator de um elemento
ij
a
da
matriz
ij
m n
A a

( =

dado por ( ) ( ) ( ) 1 .det '
i j
ij
cof a A
+
=
, onde
' A
a matriz menor obtido da
matriz
ij
m n
A a

( =

retirando a i-sima linha e a j-sima coluna.
Exemplo: Dada a matriz
5 0 3 2
8 1 2 4
3 2 1 5
0 1 0 2
D
(
(

(
=
(
(

vamos calcular
( )
14
cof a
:
( ) ( ) ( ) | |
1 4
14
8 1 2
1 .det 3 2 1 1 . 0 0 6 0 8 0 14
0 1 0
cof a
+
| |
|
= = + + + =
|
|
\ .

13

Vamos calcular agora
( )
23
cof a
:
( ) ( ) ( ) | |
2 3
23
5 0 2
1 .det 3 2 5 1 . 20 0 0 0 0 0 20
0 0 2
cof a
+
(
(
= = + + =
(
(

.
Precisamos aprender a calcular cofatores para calcular determinantes de matrizes de qualquer
ordem.
Definio: Dada uma matriz quadrada
ij
n n
A a

( =

temos que seu determinante dado pela soma
dos produtos de elementos de uma linha (ou coluna) da matriz por seus respectivos cofatores.
Exemplo: Vamos calcular o determinante da matriz
5 0 3 2
8 1 2 4
3 2 1 5
0 1 0 2
D
(
(

(
=
(
(


Vamos escolher a quarta linha para calcular os cofatores de seus elementos:
( ) ( ) ( ) | |
4 1
41
0 3 2
1 .det 1 2 4 1 . 0 24 2 8 15 49
2 1 5
cof a
+
(
(
= = + + + + =
(
(


( ) ( ) ( ) | |
4 2
42
5 3 2
1 .det 8 2 4 1 . 50 36 16 12 20 120 154
3 1 5
cof a
+
(
(
= = + =
(
(


( ) ( ) ( ) | |
4 3
43
5 0 2
1 .det 8 1 4 1 . 25 0 32 6 100 0 151
3 2 5
cof a
+
(
(
= = + + =
(
(


( ) ( ) ( ) | |
4 4
44
5 0 3
1 .det 8 1 2 1 . 5 0 48 9 20 0 14
3 2 1
cof a
+
(
(
= = + + + + =
(
(


Logo o determinante calculado assim:
( ) ( ) ( ) ( ) det 0. 49 1. 154 0.151 2. 14 172 D = + + + =

Observao: o mtodo de cofatores pode ser aplicado para calcular determinantes de qualquer
ordem at mesmo as ordens 2 e 3.
Propriedades:
1) O determinante de matrizes triangulares ou diagonais o produto da diagonal principal.
2) O determinante do produto de duas matrizes igual ao produto dos determinantes.
3) Os determinantes de uma matriz quadrada e sua transposta so iguais.
14

4) O determinante de uma matriz nula nulo.
5) O determinante de uma matriz que possui uma linha ou uma coluna nula nulo.
6) O determinante de uma matriz que possui duas linhas ou colunas iguais nulo.
Uma matriz quadrada
A
se diz invertvel quando existe outra matriz de mesma ordem
1
A

tal
que
1
. A A I

=
onde
I
a matriz identidade de mesma ordem. Dizemos que
1
A

a matriz
inversa da matriz
A
. Tal definio levanta o estudo dos processos de encontrar tal matriz
inversa.
Processo de inverso de matrizes usando matriz adjunta
Dada uma matriz quadrada
ij
n n
A a

( =

definimos como a matriz cofatora da matriz
ij
n n
A a

( =


como a matriz formada por todos os cofatores dos elementos de
ij
n n
A a

( =

. Notao
( ) ( )
ij
n n
cof A cof a

(
=

.
Exemplo: Vamos calcular a matriz cofatora da matriz
1 1 1
1 1 0
1 1 0
A
(
(
=
(
(

:
Vamos calcular os cofatores de todos elementos da matriz para construir a matriz cofatoras:
( ) ( )
1 1
11
1 0
1 .det 1.0 0
1 0
cof a
+ (
= = =
(

, ( ) ( )
1 2
12
1 0
1 .det 1.0 0
1 0
cof a
+ (
= = =
(

,
( ) ( )
1 3
13
1 1
1 .det 1.( 2) 2
1 1
cof a
+ (
= = =
(

, ( ) ( )
2 1
21
1 1
1 .det 1.1 1
1 0
cof a
+
(
= = =
(

,
( ) ( )
2 2
22
1 1
1 .det 1.( 1) 1
1 0
cof a
+ (
= = =
(

, ( ) ( )
2 3
23
1 1
1 .det 1.0 0
1 1
cof a
+
(
= = =
(

,
( ) ( )
3 1
31
1 1
1 .det 1.( 1) 1
1 0
cof a
+
(
= = =
(

, ( ) ( ) ( ) ( )
3 2
32
1 1
1 .det 1 . 1 1
1 0
cof a
+ (
= = =
(

,
( ) ( )
3 3
33
1 1
1 .det 1.2 2
1 1
cof a
+
(
= = =
(

.
Assim a matriz cofatora de A dada por ( )
0 0 2
1 1 0
1 1 2
cof A
(
(
=
(
(

.

Matriz adjunta
' A
de uma matriz
ij
n n
A a

( =

a transposta da matriz cofatora de A, ou seja,
( ) ( )
'
t
A cof A =
.
15

Exemplo: A matriz adjunta da matriz
1 1 1
1 1 0
1 1 0
A
(
(
=
(
(

dada por
0 1 1
' 0 1 1
2 0 2
A
(
(
=
(
(


A partir da matriz adjunta passamos a definir o primeiro processo de inverso de matrizes:
( )
1
1
. '
det
A A
A

=

Exemplos: A inversa da matriz
1 1 1
1 1 0
1 1 0
A
(
(
=
(
(

dada por
1 1
2 2
1
1 1
2 2
0 1 1 0
1
0 1 1 0
2
2 0 2 1 0 1
A

( (
( (
= =
( (
( (

.

Processos de inverso de matrizes usando operaes elementares
Esse processo de inverso consiste em usar o que chamamos de operaes elementares entre
linhas de uma matriz para encontrar a matriz inversa. Por vezes usaremos essas operaes para
resolver outros problemas na lgebra linear, como classificao e resoluo de sistemas
lineares, determinao de espao gerado, determinao do ncleo e da imagem de uma
transformao linear. Vamos a cada uma das operaes:
1) Soma de linha de uma matriz: Soma-se duas linhas de uma matriz e substituiu uma das
linhas usadas por esse resultado.
Exemplo:
2 1
1 1 1 1 1 1
1 1 0 2 0 1
1 1 0 1 1 0
L L +
( (
( (

( (
( (

.

2) Multiplicao de uma linha por nmero: Multiplicar uma das linhas de uma matriz por um
nmero real e substituir a prpria linha.
Exemplo:
3
2.
1 1 1 1 1 1
1 1 0 1 1 0
1 1 0 2 2 0
L
( (
( (

( (
( (

.

3) Troca de linhas: trocar duas linhas de posio.
Exemplo:
2 3
1 1 1 1 1 1
1 1 0 1 1 0
1 1 0 1 1 0
L L
( (
( (

( (
( (

.
Ainda podemos combinar as duas primeiras operaes:
3 2 2 1
3 2
1 1 1 1 1 1 1 1 1
1 1 0 1 3 2 1 3 2
1 1 0 1 1 0 2 8 6
L L L L +
( ( (
( ( (

( ( (
( ( (

.
16

Agora vamos propriamente para o processo de inverso: Vamos inverter a matriz
1 1 1
1 1 0
1 1 0
A
(
(
=
(
(


agora usando esse processo: primeiro acrescenta a matriz A a matriz identidade:
1 1 1 1 0 0
1 1 0 0 1 0
1 1 0 0 0 1
( (
( (
( (
( (

. O objetivo usar as operaes para transformar a matriz acima na matriz
identidade acrescido da matriz inversa. Observemos esse processo:
3 1 2 1
1 1 1 1 0 0 1 1 1 1 0 0 1 1 1 1 0 0
1 1 0 0 1 0 0 2 1 1 1 0 0 2 1 1 1 0
1 1 0 0 0 1 1 1 0 0 0 1 0 0 1 1 0 1
L L L L
( ( ( ( ( (
( ( ( ( ( (

( ( ( ( ( (
( ( ( ( ( (


1 3 2 3 1 2
2
1 1 0 0 0 1 1 1 0 0 0 1
0 2 1 1 1 0 0 2 0 0 1 1
0 0 1 1 0 1 0 0 1 1 0 1
L L L L L L + +
( ( ( (
( ( ( (

( ( ( (
( ( ( (


1 1
1 2 2 2
1 1 1 1
2 2 2 2
1 1
2 2
2 0 0 0 1 1 1 0 0 0 1 0 0 0
0 2 0 0 1 1 0 2 0 0 1 1 0 1 0 0
0 0 1 1 0 1 0 0 1 1 0 1 0 0 1 1 0 1
L L
( ( ( ( ( (
( ( ( ( ( (

( ( ( ( ( (
( ( ( ( ( (


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

( (
( (

. Logo
1 1
2 2
1
1 1
2 2
0
0
1 0 1
A

(
(
=
(
(

.
Em sala de aula usaremos os dois processos para inverter as matrizes:
a)
1 3
2 1
B
(
=
(


b)
3 2
2 1
C
(
=
(

c)
1 2 1
2 4 7
1 1 1
D
(
(
=
(
(


d)
1 2 1 4
1 1 2 1
5 0 1 0
0 0 0 1
E
(
(

(
=
(
(

.
Exerccios de Aplicao
1) Calcule o determinante das matrizes de ordem 2 abaixo:
17

a)
7 5
2 4
A
(
=
(


b)
3 8
5 2
B
(
=
(



c)
1 0
0 1
C
(
=
(


d)
6 3
0 5
D
(
=
(


2) Calcule o determinante das matrizes de ordem 3 abaixo:
a)
2 5 7
3 1 4
6 8 2
A
(
(
=
(
(


b)
2 5 7
3 1 4
6 8 2
A
(
(
=
(
(


c)
2 5 7
3 1 4
6 8 2
C
(
(
=
(
(


d)
1 9 8
6 7 2
1 4 6
D
(
(
=
(
(


3) Calcule o determinante da matriz
3 2 1 4
0 1 9 8
5 6 7 2
3 1 4 6
A
(
(
(
=
(
(

:
4) Resolva as equaes abaixo:
a)
2 3 1
det 2 1 3 60
3 2 1
x x x + (
(
=
(
(


b)
2 2 1
det 1 3 4 56
3 1 5
x
x
x
(
(
+ =
(
( +


c)
4 6
det 5 2 128
7 4 2
x
x
x
(
(
=
(
(


d)
3 1 4
det 4 5 3 7
9 10 1
x x x + + + (
(
=
(
(


e)
2 2
det 1 1 3
1 1 6
x
x
(
(
=
(
(


f)
2 6 2
det 4 2 0
2 8 4
x
x
(
(
=
(
(

g)
5) Inverta as matrizes abaixo usando mtodo da adjunta:
a)
2 3
1 1
A
(
=
(

b)
1 4 7
2 5 8
3 6 9
B
(
(
=
(
(


6) Inverta as matrizes abaixo usando o mtodo das operaes elementares:
a)
2 3 1
5 2 2
3 1 3
A
(
(
=
(
(


18

b)
1 3 5
0 0 2
0 4 12
B
(
(
=
(
(


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

(
=
(
(



7) Sejam
3 4 1
5 2 9
7 8 6
A
(
(
=
(
(

,
4 1 3
3 0 1
7 2 4
B

(
(
=
(
(

e
2 6 8
3 9 12
1 2 3
C
(
(
=
(
(

. Calcule:
a) det A
b) det B
c) det C
d) ( ) det A B +
e) ( ) det A B
f) ( ) det 2 3 4 A B C +
g) ( ) det . B C

Sistemas lineares
A soma das idades de Paulo e Rafael igual a 45 e a diferena entre o dobro da idade de Paulo e a de
Rafael 21. possvel descobrir a idade de Rafael?
A resposta simples: SIM. O problema acima um tpico exerccio de sistema de equaes do primeiro
grau (visto por volta do 6 ano do ensino fundamental).
Equacion-lo pode ser mais simples ainda: vamos representar x como a idade de Paulo e y a idade de Rafael.
A soma das idades de Paulo e Rafael igual a 45: 45 x y + = ; e a diferena entre o dobro da idade de Paulo e a
de Rafael 21: 21 x y =
Assim teremos um sistema:
e sua soluo ser dada por:
45
21
x y
x y
+ =

somando as equaes 2 66 x = assim

66
33
2
x = = substituindo o valor de x temos:
33 45
45 33 12
y
y
+ =
= =
.
Resposta: Ento a idade de Paulo de 33 anos e de Rafael de 12 anos.

Esse um exemplo de problema de sistemas de equaes, porm a simplicidade da soluo est no fato
de termos apenas duas variveis x e y e duas equaes. Veremos nessa aula como resolver sistemas com vrias
equaes e vrias variveis. A aplicao desse estudo se dar na prpria matria (aulas subseqentes), matrias
como clculo numrico (ou aproximaes), solues de sistemas de equaes diferenciais, e outros.
Uma forma genrica de representar um sistema com n variveis e m equaes :
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n
n n
m m mn n m
a x a x a x b
a x a x a x b
a x a x a x b
+ + + =

+ + + =

+ + + =

, onde
1 2
, , ,
n
x x x so as variveis;
11 12 1 1
, ,..., ,..., , ,...,
n mn m
a a a a b b so nmeros
reais.
Representao matricial de sistemas lineares
19

Podemos representar um sistema linear atravs de matrizes, na verdade, todo sistema linear pode ser
representado por uma equao matricial . A X B = onde
ij
m n
A a

( =

chamada matriz dos coeficientes,
1
j
n
X x

( =

a matriz das incgnitas ou variveis e
| |
1
i
m
B b

= a matriz dos termos livres. Para resolver
sistemas usaremos a seguinte representao
| | |
matriz
ampliada
matriz
dos
coeficientes
A B
.

Tipos de sistemas lineares
Sistemas lineares podem ser homogneos (SLH), quando a matriz
| |
1
i
m
B b

= nula. Por exemplo:
2 3 2 0
3 5 4 0
2 7 0
x y z
x y z
x y z
+ =

+ =

Ou, pode ser um sistema linear no homogneo (SLNH), quando
| |
1
i
m
B b

= no nula. Por exemplo:
2 3 2 2
3 5 4 5
2 7 24
x y z
x y z
x y z
+ =

+ =

Usando as operaes elementares podemos dizer se ou no possvel encontrar soluo para o sistema e mais
se essa soluo nica ou no.

Matriz escalonada
Escalonar uma matriz usar operaes elementares para transformar uma matriz em outra matriz de modo em
que a matriz encontrada satisfaa o seguinte critrio:
As linhas possuem um nmero crescente de zero antes do primeiro elemento no nulo de cada linha, a partir
da segunda linha, ou seja, encontrar um zero na segunda linha, dois ou mais zeros na terceira linha, e assim
sucessivamente.
Exemplos:
3 1 3 2 2 1 4 2
2 3 3 7 2 3
2 1 3 2 2 1 3 2 2 1 3 2 2 1 3 2
1 1 2 4 0 3 1 10 0 3 1 10 0 3 1 10
3 2 1 5 3 2 1 5 0 7 11 4 0 0 40 82
0 1 0 2 0 1 0 2 0 1 0 2 0 1 0 2
L L L L L L L L + +
( ( ( (
( ( ( (

( ( ( (

( ( ( (
( ( ( (


4 3
40
2 1 3 2 2 1 3 2
0 3 1 10 0 3 1 10
0 0 40 82 0 0 40 82
0 0 1 4 0 0 0 242
L L
( (
( (

( (

( (
( (


.

Posto de uma matriz
O posto de uma matriz o nmero de linhas no nulas de uma matriz aps o seu escalonamento, por exemplo:
1) No exemplo acima a matriz tem posto 4 afinal no possui linhas nulas.
2) Dada a matriz
1 2 0 2 5
2 5 1 1 8
0 3 3 4 1
3 6 0 7 2
(
(

(
(
(

seu escalonamento dado por:
20

3 2 2 1 4 1
3 2 3
1 2 0 2 5 1 2 0 2 5 1 2 0 2 5
2 5 1 1 8 0 1 1 3 2 0 1 1 3 2
0 3 3 4 1 0 3 3 4 1 0 3 3 4 1
3 6 0 7 2 3 6 0 7 2 0 0 0 13 13
L L L L L L +
( ( (
( ( (

( ( (

( ( (
( ( (



4 2
13 5
1 2 0 2 5 1 2 0 2 5
0 1 1 3 2 0 1 1 3 2
0 0 0 5 5 0 0 0 5 5
0 0 0 13 13 0 0 0 0 0
L L
( (
( (

( (

( (
( (


. O posto dessa matriz 3.


Para analisar os sistemas compararemos o posto da matriz dos coeficientes com o posto da matriz ampliada
pelos termos independentes.
Sistemas lineares homogneos so sempre possveis, pois sempre admite a soluo nula. Essa soluo nica -
sistema determinado quando nmero de variveis do sistema for igual ao posto da matriz. A soluo de um
sistema linear homogneo indeterminada quando existirem infinitas solues, ou seja, quando nmero de
variveis do sistema for maior que o posto.
Sistemas lineares no homogneos podem ser impossveis de se solucionar quando o posto da matriz
ampliada for diferente do posto da matriz dos coeficientes; pode ser possvel quando o posto da matriz
ampliada for igual ao da matriz dos coeficientes; e ainda, o sistema sendo possvel, ele pode ser determinado -
quando nmero de variveis do sistema for igual ao posto da matriz, ou indeterminado quando nmero de
variveis do sistema for maior que o posto.
Ex.:
a)
2 2 5 0
2 5 0
3 3 4 0
3 6 7 2 0
x y t w
x y z t
y z t w
x y t w
+ + + =

+ =

+ + + =

+ + =

Temos aqui um sistema linear homogneo, logo sempre possvel. Vejamos se

determinado ou indeterminado. A matriz do sistema dada por:
1 2 0 2 5 0
2 5 1 1 8 0
0 3 3 4 1 0
3 6 0 7 2 0
matriz
ampliada
matriz
dos
coeficientes
( (
( (

( (
( (
( (

Ento vamos fazer o escalonamento:
3 2 2 1 4 1
3 2 3
1 2 0 2 5 0 1 2 0 2 5 0 1 2 0 2 5 0
2 5 1 1 8 0 0 1 1 3 2 0 0 1 1 3 2 0
0 3 3 4 1 0 0 3 3 4 1 0 0 3 3 4 1 0
3 6 0 7 2 0 3 6 0 7 2 0 0 0 0 13 13 0
L L L L L L +
( ( ( ( ( (
( ( ( ( ( (

( ( ( ( ( (

( ( ( ( ( (
( ( ( ( ( (



4 2
13 5
1 2 0 2 5 0 1 2 0 2 5 0
0 1 1 3 2 0 0 1 1 3 2 0
0 0 0 5 5 0 0 0 0 5 5 0
0 0 0 13 13 0 0 0 0 0 0 0
L L
( ( ( (
( ( ( (

( ( ( (

( ( ( (
( ( ( (


. O posto da matriz 3 e temos 5 variveis, a
saber, , , , , x y z t w;logo nosso sistema indeterminado (mas a frente veremos como obter a soluo).
21

b)
2 3 2 0
3 5 4 0
2 7 0
x y z
x y z
x y z
+ =

+ =

Temos aqui um sistema linear homogneo, logo sempre possvel. Vejamos se

determinado ou indeterminado. A matriz do sistema dada por:
2 3 2 0
3 5 4 0
1 2 7 0
matriz
ampliada
matriz
dos
coeficientes
( (
( (

( (
( (


Vamos ao escalonamento:
1 3 3 1 3 2 2 1
2 7 3
2 3 2 0 1 2 7 0 1 2 7 0 1 2 7 0
3 5 4 0 3 5 4 0 0 1 25 0 0 1 25 0
1 2 7 0 2 3 2 0 2 3 2 0 0 7 12 0
L L L L L L L L
( ( ( ( ( ( ( (
( ( ( ( ( ( ( (

( ( ( ( ( ( ( (
( ( ( ( ( ( ( (


1 2 7 0
0 1 25 0
0 0 163 0
( (
( (
( (
( (

. Oposto da matriz 3 que o nmero de variveis, logo o sistema possvel e determinado
(Sua soluo nica, logo a soluo nula).
c)
2 2 5 0
2 5 10
3 3 4 1
3 6 7 2 5
x y t w
x y z t
y z t w
x y t w
+ + + =

+ =

+ + + =

+ + =

Temos aqui um sistema linear no homogneo. Vejamos se possvel ou impossvel. A

matriz do sistema dada por:
1 2 0 2 5 0
2 5 1 1 8 10
0 3 3 4 1 1
3 6 0 7 2 5
matriz
ampliada
matriz
dos
coeficientes
( (
( (

( (
( (
( (

Ento vamos fazer o escalonamento:
3 2 2 1 4 1
3 2 3
1 2 0 2 5 0 1 2 0 2 5 0 1 2 0 2 5 0
2 5 1 1 8 10 0 1 1 3 2 10 0 1 1 3 2 10
0 3 3 4 1 1 0 3 3 4 1 1 0 3 3 4 1 1
3 6 0 7 2 5 3 6 0 7 2 5 0 0 0 13 13 5
L L L L L L +
( ( ( ( ( (
( ( ( ( ( (

( ( ( ( ( (

( ( ( ( ( (
( ( ( ( ( (



4 2
13 5
1 2 0 2 5 0 1 2 0 2 5 0
0 1 1 3 2 10 0 1 1 3 2 10
0 0 0 5 5 31 0 0 0 5 5 31
0 0 0 13 13 5 0 0 0 0 0 115
L L
( ( ( (
( ( ( (

( ( ( (

( ( ( (
( ( ( (


. O posto da matriz ampliada 4 porm o
posto da matriz dos coeficientes 3, logo o sistema impossvel.
22

d)
2 3 6
3 2 19
2 15
x y z
x y z
x y z
+ =

+ =

+ + =

. Temos aqui um sistema linear no homogneo. Vejamos se possvel ou

impossvel. A matriz do sistema dada por:
2 1 3 6
3 1 2 19
1 2 1 15
matris
ampliada
matriz
dos
coeficientes
( (
( (

( (
( (


Ento vamos fazer o escalonamento:

1 3 3 1 3 2 2 1
2 7 5 3
2 1 3 6 1 2 1 15 1 2 1 15 1 2 1 15
3 1 2 19 3 1 2 19 0 7 1 26 0 7 1 26
1 2 1 15 2 1 3 6 2 1 3 6 0 5 1 24
L L L L L L L L
( ( ( ( ( ( ( (
( ( ( ( ( ( ( (

( ( ( ( ( ( ( (
( ( ( ( ( ( ( (


1 2 1 15
0 7 1 26
0 0 12 38
( (
( (

( (
( (

. O posto da matriz ampliada 3 que o mesmo posto da matriz dos coeficientes, logo o
sistema possvel. E como o nmero de variveis 3 temos que o sistema tambm determinado.

e)
2 3 6
3 2 2 19
13
x y z
x y z
x y z
+ =

+ =

Temos aqui um sistema linear no homogneo. Vejamos se possvel ou

impossvel. A matriz do sistema dada por:
2 1 3 6
3 2 2 19
1 1 1 13
matriz
ampliada
matriz
dos
coeficientes
( (
( (

( (
( (


Ento vamos fazer o escalonamento:

1 3 3 1 3 2 2 1
2 3
2 1 3 6 1 1 1 13 1 1 1 13 1 1 1 13
3 2 2 19 3 2 2 19 0 1 5 20 0 1 5 20
1 1 1 13 2 1 3 6 2 1 3 6 0 1 5 20
L L L L L L L L
( ( ( ( ( ( ( (
( ( ( ( ( ( ( (

( ( ( ( ( ( ( (
( ( ( ( ( ( ( (


1 1 1 13
0 1 5 20
0 0 0 0
( (
( (

( (
( (

. O posto da matriz ampliada 2 que o mesmo posto da matriz dos coeficientes, logo o
sistema possvel. Porm o nmero de variveis 3 ento temos que o sistema indeterminado.

Solues de sistemas:
1) Quando um sistema linear homogneo determinado, como j vimos ele admite apenas uma soluo, a
nula, ou seja, a nica soluo admitida que todas as variveis sejam nulas. Por exemplo, vimos que o
sistema homogneo
23

2 3 2 0
3 5 4 0
2 7 0
x y z
x y z
x y z
+ =

+ =

possvel e determinado, logo sua nica soluo dada por { } 0, 0, 0 x y z = = = .

2) Quando um sistema linear homogneo for indeterminado ele possui infinitas solues, alm da soluo
nula. Para encontrar essas solues precisamos resolver o sistema gerado pela matriz do sistema
escalonada por usando a substituio. Por exemplo, o sistema linear homogneo
2 2 5 0
2 5 0
3 3 4 0
3 6 7 2 0
x y t w
x y z t
y z t w
x y t w
+ + + =

+ =

+ + + =

+ + =

possvel e indeterminado como j vimos. A matriz do sistema escalonado dada por
1 2 0 2 5 0
0 1 1 3 2 0
0 0 0 5 5 0
0 0 0 0 0 0
( (
( (

( (
( (
( (

que gera o sistema
2 2 5 0
3 2 0
5 5 0
x y t w
y z t w
t w
+ + + =

+ + + =

. Vamos encontrar uma letra em

funo da outra, ou seja, podemos fazer 5 5 t w t w = = , substituindo t nas outras duas equaes
temos
2 2 5 0 2 3 0 2 3
3 2 0 0
x y w w x y w x y w
y z w w y z w z y w
+ + = + + = =


+ + = + = = +

, logo a soluo dada por
} {
2 3 , | , x y w z y w y w = = + e .
3) Quando temos um sistema linear no homogneo podemos encontrar a soluo resolvendo o sistema
gerado pela matriz escalonada. Encontremos a soluo de dois sistemas, um possvel e determinado e
outro possvel e indeterminado:
2 3 6
3 2 19
2 15
x y z
x y z
x y z
+ =

+ =

+ + =

. A matriz escalonada dada por

1 2 1 15
0 7 1 26
0 0 12 38
( (
( (

( (
( (

que gera o sistema
2 15
7 26
12 38
x y z
y z
z
+ + =

e temos a soluo { }
403 173 17
42 42 6
, , x y z

= = = .
2 3 6
3 2 2 19
13
x y z
x y z
x y z
+ =

+ =

. A matriz escalonada dada por

1 1 1 13
0 1 5 20
0 0 0 0
( (
( (

( (
( (

que gera o sistema
13
5 20
x y z
y z
=

+ =

e temos a soluo } {
7 4 , 20 5 | x z y z z = = e .

Exerccios de aplicao

1) Classifique e resolva os sistemas lineares abaixo:
a)
5 8 34
10 16 50
x y
x y
+ =

+ =

b)
4 3 15
3 2 5 7
2 3 4 7
x y z
x y z
x y z
=

+ =

+ + =

c)
2 3 2 2
3 5 4 5
2 7 24
x y z
x y z
x y z
+ =

+ =

d)
2 3 10
3 4 6 23
3 2 3 10
x y z
x y z
x y z
+ + =

+ + =

+ + =

e)
5 3 7 5
4 2
2 4 8 10
x y z
x y z
x y z
=

+ + =

24

f)
4 6 11
2 3 4 9
3 2 2 7
x y z
x y z
x y z
+ + =

+ + =

+ + =

2) Estabelea a condio que deve ser satisfeita pelos termos independentes para que cada sistema
abaixo seja possvel.
a)
4 12 8
2 5 3
4 4
x y z a
x y z b
y z c
+ + =

+ + =

b)
2 4 2
3 8 5
3 4
x y z a
x y z b
x y z c
+ + =

+ + =

c) 2
x y z a
x z b
y z c
+ =

+ =

+ =

3) Calcular o valor de k para que o sistema admita mais de uma soluo:
2 6 0
4 0
x y
x ky
+ =

+ =

4) Determine o valor de a para que o sistema
3 0
2 4
2
x y z
x y z
x y az a
+ =

+ =

+ =

seja:
a) Possvel e indeterminado:
b) Possvel e indeterminado:
c) Existe algum valor para a tal que o sistema seja impossvel?
5) Determine o valor de a para que o sistema
2
3 1
2 2 8 4
x y z
x y z
x y a z a
+ =

+ =

+ =

, para que o sistema seja:

a) Impossvel:
b) Possvel e determinado:
c) Possvel e indeterminado:

Espaos vetoriais
Vetores
Pretendemos nesse captulo dar uma viso algbrica de vetores, de como se relacionam e qual sua
importncia algbrica, estudando subespaos gerados por eles, combinaes lineares e em que condio um
conjunto de vetores formam uma base. Sabemos bem que os vetores tambm so estudados na geometria,
porm a vertente aqui ser diferente da geomtrica que visa estudar uma posio no espao. Veremos
vetores pertencentes a vrios espaos diferentes.
Um vetor no
2
dado por uma dupla, ou seja, por um par ordenado, ( ) , x y onde , x ye . J um vetor no
3
dado por uma tripla, ou seja, ( ) , , x y z onde , , x y z e . Assim temos que um vetor no
n
dado por
uma n-upla ( )
1 2
, ,...,
n
x x x onde
1 2
, ,...,
n
x x x e .
Exemplos: ( ) ( )
( )( )
3
2
3
0, 1 , 2,1 2, 14,150000

so vetores do
2
.
25

( ) ( )
8
9
2,3, 4 , 0, 2, so vetores do
3
. O conjunto de todos os vetores da forma ( ) , , x x x com est contido no
3
.
Dizemos que
2
,
3
,...,
n
so espaes vetoriais. Existem outros espaos vetoriais, porm nessa disciplina
s estudaremos os espaes vetoriais euclidianos citados acima.

Operaes com vetores
So duas operaes que esto definidas sobre cada espao vetorial euclidiano: adio de vetores e
multiplicao por escalar.
Adio de vetores: dados dois vetores ( ) ( )
1 2 1 2
, ,..., , , ,...,
n
n n
x x x y y y e , a soma deles dada por:
( ) ( ) ( )
1 2 1 2 1 1 2 2
, ,..., , ,..., , ,...,
n n n n
x x x y y y x y x y x y + = + + + .
Exemplos: ( ) ( ) ( ) ( ) 1, 2 0,3 1 0, 2 3 1,1 + = + + =
( ) ( ) ( ) ( )
5 1 1
6 6 6
, 5, 7 1, 0, 6 1, 5 0, 7 6 , 5,1

+ = + =
Multiplicao por escalar: dado escalar ae e um vetor ( )
1 2
, ,...,
n
n
x x x e , a multiplicao entre eles
dada por: ( ) ( )
1 2 1 2
. , ,..., , ,...,
n n
a x x x ax ax ax = .
Exemplo: ( ) ( ) ( ) 3. 1, 8 3.1,3.( 8) 3, 24 = =

( ) ( ) ( )
5. 1, 0, 2 5.1, 5.0, 5.( 2) 5, 0,5 2 = =

( ) ( ) ( ) 0. 1, 4, 5, 0 0.1, 0.4, 0.( 5), 0.0 0, 0, 0, 0 = =
Podemos combinar as duas operaes:
( ) ( ) ( ) ( ) ( ) 2 1, 2 3 0,3 2, 4 0,9 2,13 + = + =
( ) ( ) ( ) ( ) ( )
2 2 11
3 3 3
3 2, 5,1 0,3,1 6, 15,3 0, 2, 6, 13, + = + =
( ) ( ) ( ) ( ) ( ) ( ) ( ) 5 0,10,3, 2 4 0,1, 2,3 1, 0, 2,3 0, 50, 15,10 0, 4, 8,12 1, 0, 2,3 1, 46, 21,19 + = + =
Combinao linear de vetores
Dizemos que um vetor v pode ser escrito como combinao linear dos vetores
1 2
, ,...,
n
u u u quando existem
1 2
, ,...,
n
a a a e tais que
1 1 2 2
...
n n
v a u a u a u = + + + .
Exemplos:
1) Verifiquemos que o vetor ( ) 1,3,1 v = combinao linear dos vetores: ( ) ( )
1 2
2, 0,1 , 0, 6, 1 u u = = .
Segundo a definio de combinao linear precisamos verificar se existem
1 2
, a a e tais que
1 1 2 2
v a u a u = +

e usando as operaes com vetores temos: ( ) ( ) ( )
1 2
1,3,1 . 2, 0,1 . 0, 6, 1 a a = + .
( ) ( ) ( )
1 1 2 2
1,3,1 2 , 0, 0, 6 , a a a a = +

( ) ( )
1 2 1 2
1,3,1 2 , 6 , a a a a = . Assim podemos gerar o sistema
1
2
1 2
2 1
6 3
1
a
a
a a
=

e teremos os valores
} {
1 1
1 2 2 2
, a a

= = . Ento podem escrever ( ) ( ) ( )
1 1
2 2
1,3,1 . 2, 0,1 . 0, 6, 1 = .
2) Verifiquemos que o vetor ( ) 1,3,1, 0 v = no combinao linear dos vetores
( ) ( ) ( )
1 2 3
2, 0, 1,1 , 1, 0, 6, 1 , 1,1, 1, 1 u u u = = = :
3)
Voltaremos a usar a definio de combinao linear, vamos verificar que no existem
1 2 3
, , a a a e
tais que
1 1 2 2 3 3
v a u a u a u = + + :

26

4)
( ) ( ) ( ) ( )
1 2 3
1,3,1, 0 . 2, 0, 1,1 . 1, 0, 6, 1 . 1,1, 1, 1 a a a = + +

5)
( ) ( ) ( ) ( )
1 1 1 2 2 2 3 3 3 3
1,3,1, 0 2 , 0, , , 0, 6 , , , , a a a a a a a a a a = + +

6)
( ) ( )
1 2 3 3 1 2 3 1 2 3
1,3,1, 0 2 , , 6 , a a a a a a a a a a = + . Assim podemos gerar o sistema
1 2 3
3
1 2 3
1 2 3
2 1
3
6 1
0
a a a
a
a a a
a a a
+ =

cuja matriz dada por

2 1 1 1
0 0 1 3
1 6 1 1
1 1 1 0
matriz
ampliada
matriz
dos
coeficientes
( (
( (
( (
( (
( (


e escalonando temos:


2 3 2 4 4 1
2
2 1 1 1 2 1 1 1 2 1 1 1 2 1 1 1
0 0 1 3 1 6 1 1 0 7 2 1 0 7 2 1
1 6 1 1 0 0 1 3 0 0 1 3 0 0 1 3
1 1 1 0 1 1 1 0 1 1 1 0 0 3 1 1
L L L L L L +
( ( ( ( ( ( ( (
( ( ( ( ( ( ( (

( ( ( ( ( ( ( (

( ( ( ( ( ( ( (
( ( ( ( ( ( ( (


4 3 4 2
7 3
2 1 1 1 2 1 1 1
0 7 2 1 0 7 2 1
0 0 1 3 0 0 1 3
0 0 1 10 0 0 0 7
L L L L +
( ( ( (
( ( ( (

( ( ( (

( ( ( (
( ( ( (


, como o posto da matriz dos coeficientes 3
e o posto da matriz ampliada 4 temos que o sistema impossvel, logo no existem tais
1 2 3
, , a a a e .

3) O vetor nulo combinao linear de qualquer conjunto de vetores pois:
1 2
0 0. 0. ... 0.
n
u u u = + + + par
qualquer que sejam os vetores
1 2
, ,...,
n
u u u .

Dependncia e independncia linear entre vetores
Dados um conjunto de vetores { }
1 2
, ,...,
n
u u u dizemos que { }
1 2
, ,...,
n
u u u um conjunto linearmente
independente quando ao testarmos a combinao linear nula:
1 1 2 2
. . ... . 0
n n
a u a u a u + + + = encontramos
1 2
0, 0,..., 0
n
a a a = = = . Caso contrario, dizemos que { }
1 2
, ,...,
n
u u u linearmente dependente.
Exemplos:
1) ( ) ( ) { }
1,1 , 1, 1 linearmente independentes, pois testando a combinao linear nula:
( ) ( ) ( ) 1,1 1, 1 0, 0 a b + = temos ( ) ( ) ( ) ( ) ( ) , , 0, 0 , 0, 0 a a b b a b a b + = + = , o que gera o sistema
0
0
a b
a b
+ =

, e portanto, 0, 0 a b = = , o que prova que ( ) ( ) { }

1,1 , 1, 1 linearmente independente.
2) ( ) ( ) { }
2, 2 , 1, 1 linearmente dependentes, pois testando a combinao linear nula:
( ) ( ) ( ) 2, 2 1, 1 0, 0 a b + = temos ( ) ( ) ( ) ( ) ( ) 2 , 2 , 0, 0 2 , 2 0, 0 a a b b a b a b + = + = , o que gera o
sistema
2 0
2 0
a b
a b
+ =

, e portanto, 2 b a = , o que prova que ( ) ( ) { }

2, 2 , 1, 1 linearmente
dependente.
27

3) ( ) ( ) ( ) { }
1,1, 0 , 2,1, 1 , 0, 0,1 linearmente independentes, pois testando a combinao linear nula:
( ) ( ) ( ) ( ) 1,1, 0 2,1, 1 0, 0,1 0, 0, 0 a b c + + = temos
( ) ( ) ( ) ( ) ( ) ( ) , , 0 2 , , 0, 0, 0, 0, 0 2 , , 0, 0, 0 a a b b b c a b a b b c + + = + + + = , o que gera o sistema
2 0
0
0
a b
a b
b c
+ =

+ =

+ =

, e portanto, 0, 0, 0 a b c = = = , o que prova que ( ) ( ) ( ) { }

1,1, 0 , 2,1, 1 , 0, 0,1 linearmente
independente.
4) ( ) ( ) ( ) { }
1,1,1 , 1, 2, 1 , 0,1, 2 linearmente independentes, pois testando a combinao linear nula:
( ) ( ) ( ) ( ) 1,1,1 1, 2, 1 0,1, 2 0, 0, 0 a b c + + = temos
( ) ( ) ( ) ( ) ( ) ( ) , , , 2 , 0, , 2 0, 0, 0 , 2 , 2 0, 0, 0 a a a b b b c c a b a b c a b c + + = + + + = , o que gera o
sistema
0
2 0
2 0
a b
a b c
a b c
+ =

+ + =

, e portanto, a c b = = , o que prova que ( ) ( ) ( ) { }

1,1,1 , 1, 2, 1 , 0,1, 2
linearmente dependente.

Subespaos vetoriais definidos por equaes cartesianas
Subespaos vetoriais so subconjuntos de espaos vetoriais. Dizemos que so definidos por uma equao
cartesiana quando definimos o subespao atravs de uma equao que envolva suas coordenadas.
Exemplos:
1) ( ) { }
2
, | 5 0 x y x y e + = .
2) ( ) { }
2
, | 0, 0 x y x x y e = + = .
3) ( ) { }
3
, , | 2 3 0 x y z x y z e + = .
4) ( ) { }
3
, , | 3 0; 3 0 x y z x y x z e = + = .
5) ( ) { }
3
, , | 2 3 0; 5 0 x y z x y z x y z e + = + = .
6) ( ) { }
3
, , | 2 2 0; 0; 0 x y z x y z x y z x e + = + = = .
7) ( ) { }
4
, , , | 2 3 0; 3 0 x y z t x y z x z t e + = + = .
Subespaos vetoriais gerados por vetores
Subespaos vetoriais que so gerados pelos vetores { }
1 2
, ,...,
n
u u u o subespao formado por todos os
vetores da forma
1 1 2 2
. . ... .
n n
v a u a u a u = + + + , onde
1 2
, ,...,
n
a a a e . Denotamos o subespao gerado pelo
conjunto de vetores { }
1 2
, ,...,
n
u u u por | |
1 2
, ,...,
n
u u u .
Exemplos:
1) ( ) ( ) 1,1,1 , 1, 2, 1 (

.
2) ( ) ( ) 1,1 , 2, 1 (

.
3) ( ) 1,1,1 (

.
28

4) ( ) ( ) ( ) 1,1,1 , 1, 2, 1 , 0,1,1 (

.
Podemos encontrar conjuntos geradores de subespaos definidos por uma equao, bem como determinar
a equao que define um subespao gerado por vetores.
Exemplos: Vamos determine a(s) equao(es) dos subespaos gerados por:
1) ( ) ( ) 1,1,1 , 1, 2, 1 (

: Bem, o que queremos determinar uma equao a qual as coordenadas de todos
os vetores desse subespao gerado satisfaa. Os vetores aqui so da forma
( ) ( ) ( ) ( ) ( ) ( ) , , . 1,1,1 . 1, 2, 1 , , , 2 , , 2 , x y z a b a a a b b b a b a b a b = + = + = + + e o que queremos
encontrar uma condio (equao) sobre , , x y z para que o sistema sempre tenha soluo, ou seja,
quero impor uma condio para que , , a b c sempre existam, j que so as variveis do sistema.
Vamos l: o sistema dado por 2
a b x
a b y
a b z
+ =

+ =

, logo a matriz do sistema

1 1
1 2
1 1
x
y
z
( (
( (
( (
( (

. Vamos escalon-
lo:
3 1 3 2 2 1
2
1 1 1 1 1 1 1 1
1 2 0 1 0 1 0 1
1 1 1 1 0 2 0 0 2( )
L L L L L L
x x x x
y y x y x y x
z z z x z x y x
+
( ( ( ( ( ( ( (
( ( ( ( ( ( ( (

( ( ( ( ( ( ( (
( ( ( ( ( ( ( ( +


Para que o sistema seja sempre possvel necessrio que 2( ) 3 2 0 z x y x x y z + = + + = . Ento
3 2 0 x y z + + = a equao do subespao gerado por ( ) ( ) 1,1,1 , 1, 2, 1 (

.
2) ( ) ( ) ( ) 1,1, 1 , 1, 2, 1 , 0,1, 0 (

: A forma dos vetores ( ) ( ) ( ) ( ) , , . 1,1, 1 . 1, 2, 1 . 0,1, 0 x y z a b c = + +
( ) ( ) ( ) ( ) , , , 2 , 0, , 0 , 2 , a a a b b b c a b a b c a b = + + = + + + ento teremos o sistema: 2
a b x
a b c y
a b z
+ =

+ + =

e vamos resolv-lo:
3 1 2 1
1 1 0 1 1 0
1 2 1 0 1 1
1 1 0 1 1 0
L L L L
x x
y y x
z z
+
( ( ( (
( ( ( (

( ( ( (
( ( ( (


1 1 0
0 1 1
0 0 0
x
y x
z x
( (
( (

( (
( ( +

, logo para que o sistema seja possvel temos que equao 0 x z + = .
Agora, como fazer para determinar o conjunto gerador de um subespao vetorial definido por uma
equao? Por exemplo:
1) ( ) { }
2
, | 5 0 x y x y e + = . Basta estudarmos a equao 5 0 x y + = , podemos dizer aqui que 5 x y = ,
assim as coordenadas so da forma ( ) ( ) ( ) , 5 , . 5,1 x y y y y = = , logo so geradas por ( ) 5,1 (

.
2) ( ) { }
3
, , | 2 0; 0; 0 x y z x y z x y z x e + = + = = . Usando as trs equaes, temos que ; 0 y z x = = ,
logo as coordenadas so da forma ( ) ( ) ( ) , , 0, , . 0,1,1 x y z y y y = = e o espao gerado dado por
( ) 0,1,1 (

.
29

3) ( ) { }
4
, , , | 2 3 0; 3 0 x y z t x y z x z t e + = + = . Usando as duas equaes, temos
2 3 ; 3( 2 3 ) 7 9 z x y t x x y x y = + = + + = + , logo as coordenadas so da forma
( ) ( ) ( ) ( ) ( ) ( ) , , , , , 2 3 , 7 9 , 0, 2 , 7 0, ,3 ,9 . 1, 0, 2, 7 . 0,1,3,9 x y z t x y x y x y x x x y y y x y = + + = + = + e o
espao gerado dado por
( ) ( ) 1, 0, 2, 7 , 0,1,3,9 (

.
Base e dimenso
Dizemos de um conjunto de vetores { }
1 2
, ,...,
n
u u u uma base de um espao (ou subespao) vetorial
quando:
a) { }
1 2
, ,...,
n
u u u

linearmente independente
b) { }
1 2
, ,...,
n
u u u um conjunto gerador.
Dimenso de um espao (ou subespao) vetorial a quantidade de vetores de uma base.
Exemplos:
1) O conjunto ( ) ( ) { }
1, 0 , 0,1 uma base para o espao
2
.
a) ( ) ( ) { }
1, 0 , 0,1 linearmente independente: ( ) ( ) ( ) ( ) ( ) ( ) . 1, 0 . 0,1 0, 0 , 0 0, 0, 0 a b a b + = + =
( ) ( ) , 0, 0 0, 0 a b a b = = = .
b) ( ) ( ) { }
1, 0 , 0,1 um conjunto gerador do espao
2
: ( ) ( ) ( ) , . 1, 0 . 0,1 x y x y = + , ou seja, todo vetor
do gerado por ( ) ( ) { }
1, 0 , 0,1 .
2) O conjunto ( ) ( ) { }
1,1 , 1, 2 uma base para o espao
2
.
a) ( ) ( ) { }
1,1 , 1, 2 linearmente independente:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) . 1,1 . 1, 2 0, 0 , , 2 0, 0 , 2 0, 0 0, 2 0 a b a a b b a b a b a b a b + = + = + = = + =
Resolvendo o sistema
0
2 0
a b
a b
=

+ =

temos 0, 0 a b = = .
b) ( ) ( ) { }
1,1 , 1, 2 um conjunto gerador do espao
2
: ( ) ( ) ( ) ( ) ( )
2
3 3
, . 1,1 . 1, 2
y x y x
x y
+
= + , ou seja,
todo vetor gerado por ( ) ( ) { }
1,1 , 1, 2 .
3) O conjunto ( ) ( ) ( ) { }
1, 0, 0 , 0,1, 0 , 0, 0,1 uma base para o espao
3
.
a) ( ) ( ) ( ) { }
1, 0, 0 , 0,1, 0 , 0, 0,1

linearmente independente:
( ) ( ) ( ) ( ) ( ) ( ) . 1, 0, 0 . 0,1, 0 . 0, 0,1 0, 0, 0 , , 0, 0, 0 a b c a b c + + = = , ento 0, 0, 0 a b c = = = .
b) ( ) ( ) ( ) { }
1, 0, 0 , 0,1, 0 , 0, 0,1

um gerador do
3
: ( ) ( ) ( ) ( ) , , . 1, 0, 0 . 0,1, 0 . 0, 0,1 x y z x y z = + + .
4) O conjunto ( ) ( ) ( ) { }
1, 1, 0 , 1, 0,1 , 2,1,1 uma base para o espao
3
.
a) ( ) ( ) ( ) { }
1, 1, 0 , 1, 0,1 , 2,1,1

linearmente independente:
30

( ) ( ) ( ) ( ) ( ) ( ) . 1, 1, 0 . 1, 0,1 . 2,1,1 0, 0, 0 2 , , 0, 0, 0 a b c a b c a c b c + + = + + + + = , ento temos o
sistema
2 0
0
0
a b c
a c
b c
+ + =

+ =

+ =

cujo resultado 0, 0, 0 a b c = = = .
b) ( ) ( ) ( ) { }
1, 1, 0 , 1, 0,1 , 2,1,1 gerador de
3
:
( ) ( ) ( ) ( ) ( ) ( ) ( )
3
2 2 2
, , . 1, 1, 0 . 1, 0,1 . 2,1,1
x y z x y z x y z
x y z
+ +
= + + .
5) O conjunto ( ) ( ) ( ) ( ) { }
1, 0, 0, 0 , 0,1, 0, 0 , 0, 0,1, 0 , 0, 0, 0,1 uma base para o subespao
4
.
a) ( ) ( ) ( ) ( ) { }
1, 0, 0, 0 , 0,1, 0, 0 , 0, 0,1, 0 , 0, 0, 0,1 linearmente independente:
( ) ( ) ( ) ( ) ( ) ( ) ( ) . 1, 0, 0, 0 . 0,1, 0, 0 . 0, 0,1, 0 0, 0, 0,1 0, 0, 0, 0 , , , 0, 0, 0, 0 a b c d a b c d + + + = = , ento
0, 0, 0, 0 a b c d = = = = .
6) Como determinar bases de subespaos determinado por equaes:
Determinar uma base para o subespao ( ) { }
4
, , , | 2 3 0; 3 0 x y z t x y z x z t e + = + = . Usando as
duas equaes, temos 2 3 ; 3( 2 3 ) 7 9 z x y t x x y x y = + = + + = + , logo as coordenadas so da
forma ( ) ( ) ( ) , , , . 1, 0, 2, 7 . 0,1,3,9 x y z t x y = + como j foi visto no exemplo 3 de subespaos
determinados por equaes, assim o conjunto
( ) ( ) { }
1, 0, 2, 7 , 0,1,3,9

um gerador do
subespao. Vejamos que
( ) ( ) { }
1, 0, 2, 7 , 0,1,3,9 tambm linearmente independente:
( ) ( ) ( ) ( ) ( ) ( ) . 1, 0, 2, 7 . 0,1,3,9 0, 0, 0, 0 , 0, 2 , 7 0, ,3 ,9 0, 0, 0, 0 a b a a a b b b + = + =

( ) ( ) , , 2 3 , 7 9 0, 0, 0, 0 0, 0 a b a b a b a b + + = = = , e linearmente independente
( ) ( ) { }
1, 0, 2, 7 , 0,1,3,9 .


Coordenadas de um vetor em relao a uma base
Dado um vetor v dizemos que
1 2
, ,...,
n
a a a e , nessa ordem, so as coordenadas de v em relao a uma
base { }
1 2
, ,...,
n
u u u quando
1 1 2 2
. . ... .
n n
v a u a u a u = + + + . Notao | v
|
, o que quer dizer as coordenadas de v
na base | .
Exemplos:
1) Escrever as coordenadas do vetor ( ) 2,1, 1 em relao a base ordenada
( ) ( ) ( ) { }
1, 0, 0 , 0,1, 0 , 0, 0,1 | = : Como ( ) ( ) ( ) ( ) 2,1, 1 2. 1, 0, 0 1. 0,1, 0 1. 0, 0,1 = + temos que
( ) ( ) 2,1, 1 | 2,1, 1
|
= .
2) Escrever as coordenadas do vetor ( ) 2,1, 1 em relao a base ordenada
( ) ( ) ( ) { }
1, 1, 0 , 1, 0,1 , 2,1,1 = : Queremos encontrar valores de , , a b ce para que
( ) ( ) ( ) ( ) 2,1, 1 . 1, 1, 0 . 1, 0,1 . 2,1,1 a b c = + + assim temos o sistema
2 2
1
1
a b c
a c
b c
+ + =

+ =

+ =

, cuja soluo dada

por 1, 3, 2 a b c = = = , e portanto ( ) ( ) 2,1, 1 | 1, 3, 2

= .
Matriz mudana de base
31

Dadas duas bases { }
1 2
, ,...,
n
u u u | = e { }
1 2
, ,...,
n
v v v = de um mesmo espao vetorial, temos que a matriz
mudana de base da base | para a base dada por
ij
n n
P a
|

( =

onde
1 1 2 2
. . ... .
j j j nj n
u a v a v a u = + + + . Em
outras palavras, as colunas da matriz mudana de base so as coordenadas dos vetores da base | em
relao a base . A relao da matriz mudana de base com as coordenadas de um vetor qualquer dada
por | . | v P v
|
|
= .
Exemplos: Sejam ( ) ( ) { }
1,1 , 1, 2 | = e ( ) ( ) { }
1,1 , 1, 0 = bases do
2
, vamos calcular a matriz mudana de
base da base | para a base : ( ) ( ) ( )
11 21
1,1 . 1,1 . 1, 0 a a = + e ( ) ( ) ( )
12 22
1, 2 . 1,1 . 1, 0 a a = + . Ento temos os
sistemas
11 21
11 21
11
1
1, 2
1
a a
a a
a
+ =
= =

e
12 22
12 21
12
1
2, 1
2
a a
a a
a
+ =
= =

. Assim a matriz passagem dada

por:
1 2
2 1
(
(

.
Agora as coordenadas de ( ) ( ) 1,1 | 1, 0
|
= e assim temos como verificar a relao entre as duas bases e as
coordenadas dos vetores:
1 2 1 1
2 1 0 2
(| | | |
=
| | (
\ . \ .
, ou seja, | . | v P v
|
|
= .

Exerccios de aplicao
1) Sejam os vetores
( ) 2, 3, 2 u =
e
( ) 1, 2, 4 v =
em
3
.
a) Escrever o vetor ( ) 7, 11, 2 w= como combinao linear de u e v .
b) Para que valor de k o vetor ( ) 8,14, k combinao linear de u e v .
c) Determine uma condio entre , a b e c para que o vetor ( ) , , a b c seja uma combinao
linear de u e v .
2) Seja o espao vetorial ( ) 2 2 M e os vetores
1 0
1 1
u
(
=
(

,
1 2
0 1
v
(
=
(

e
0 1
2 1
w
(
=
(

. Escrever o
vetor
1 8
0 5
(
(

como combinao linear dos vetores u , v e w.
3) Escrever o vetor nulo como combinao linear dos vetores:
a) ( ) 1,3 u = e ( ) 2, 6 v =
b) ( ) 1,3 u = e ( ) 2,5 v =
4) Sejam os vetores ( )
1
1, 2,1 v = , ( )
2
1,0, 2 v = e ( )
3
2, 1, 0 v = . Expressar cada um dos vetores
( ) 8, 4,1 u = , ( ) 0, 2,3 v = e ( ) 0, 0, 0 w= como combinao linear de
1
, v
2
v e
3
v :
5) Expressar o vetor ( )
4
1, 4, 4,6 u = e como combinao linear dos vetores ( )
1
3, 3,1,0 v = ,
( )
2
0,1, 1, 2 v = e ( )
3
1, 1, 0, 0 v = .
6) Seja S o subespao do
4
definido por: ( ) { }
4
, , , | 2 0, 0 S x y z t x y z t = e + = = . Pergunta-se:
a) ( ) 1, 2,3,0 ? S e
b) ( ) 3,1, 4,0 ? S e
c) ( ) 1,1,1,1 ? S e
32

7) Seja o subespao de ( ) 2 2 M :
2
| ,
a b a
S a b
a b b
(
= e
`
(
+
)
. Pergunta-se:
a)
5 6
?
1 2
S
(
e
(


b) Qual deve ser o valor de k para que o vetor
4
2 3
k (
(

pertena a S ?
8) Determinar uma equao cartesiana para cada subespao gerado abaixo:
a)
( ) 2, 1,3 (


b)
( ) ( ) 1,3, 2 , 2, 2,1 (


c)
( ) ( ) ( ) 1,0,1 , 0,1, 2 , 2,3,1 (


d)
( ) ( ) ( ) ( ) 1, 2, 1 , 1,1,0 , 3,0,1 , 2, 1,1 (


e) ( ) ( ) ( ) ( ) 1, 2, 1 , 1,1,0 , 0,0, 2 , 2,1,0 (


9) Seja o conjunto ( ) ( ) { }
1,3, 1 , 1, 2, 4 A= , determine:
a) O subespao gerado por A:
b) O valor de k para que o vetor ( ) 5, ,11 u k = pertena a subespao encontrado na letra a.
10) Se ( ) ( ) ( ) ( ) 3, 1, 1,1,1 , 1, 2,0 , 1,3, 1 k e (

, qual ser o valor de k ?
11) Determine o subespao do
4
gerado pelos vetores ( )
1
2, 1,1, 4 v = , ( )
2
3,3, 3,6 v = e
( )
3
0, 4, 4,0 v = .
12) Classifique os conjuntos abaixo em L.I. ou L.D.:
a) ( ) { }
2
1,3 c
b) ( ) ( ) { }
2
1,3 , 2,6 c
c) ( ) ( ) { }
2
2, 1 , 3,5 c
d) ( ) ( ) ( ) { }
2
1,0 , 1,1 , 3,5 c
e) ( ) { }
3
2, 1,3 c
f) ( ) ( ) { }
3
1, 1,1 , 1,1,1 c
g) ( ) ( ) ( ) { }
3
2, 1,0 , 0,0,0 , 1,5, 2 c
h) ( ) ( ) ( ) { }
3
1, 2, 1 , 2, 4, 2 , 1,3,0 c
i) ( ) ( ) ( ) { }
3
1, 1, 2 , 2,1,1 , 1,0,3 c
j) ( ) ( ) ( ) ( ) { }
3
1, 2, 1 , 1,0,0 , 0,1, 2 , 3, 1, 2 c
k) ( ) ( ) ( ) { }
4
2,1,0,0 , 1,0, 2,1 , 1, 2,0, 1 c
l) ( ) ( ) ( ) ( ) { }
4
0,1,0, 1 , 1,1,1,1 , 1, 2,0,1 , 1, 2,1,0 c
m) ( ) ( ) ( ) ( ) { }
4
0,0,1, 1 , 1, 2,1, 2 , 1, 1,0,0 , 0,1,0,0 c
13) Consideremos as seguintes bases do
2
: ( ) ( ) { }
1,1 , 0, 1 | = e ( ) ( ) { }
2, 3 , 3,5 = .
a) Determine a matriz-mudana de base P
|

:
b) Utilize a matriz obtida no item a) para calcular | v

, sendo ( ) | 2,3 v
|
= .
33

c) Determine a matriz mudana da base para P

|
.
14) Repetir o problema anterior para as bases ( ) ( ) { }
3, 1 , 1, 2 | = e ( ) ( ) { }
3, 2 , 2, 2 = , sendo
( ) | 4,3 v
|
= .
15) Sejam ( ) ( ) { }
1, 0 , 0,1 | = , ( ) ( ) { }
1,1 , 1, 0 = , ( ) ( ) { }
1,1 , 2, 3 o = e ( ) ( ) { }
2,1 , 5, 1 o = , bases do
2
.
a) Determinar as matrizes mudana de base: P

|
, P
|

, P
o
|
, P
|
o
e P
o
o
.
b) Determinar as coordenadas do vetor ( ) | 3, 4 v
|
= em relao s bases , o

e o .
16) Sabendo que
1 4
4 11
P

|
(
=
(

e que ( ) ( ) { }
3,5 , 1, 2 | = determine a base :
17) Sabendo que
7 6
11 8
P

|
(
=
(

e que ( ) ( ) { }
1,3 , 2, 4 = determine a base | :
18) Consideremos as seguintes bases do
3
: ( ) ( ) ( ) { }
1, 0, 0 , 0,1, 0 , 0, 0,1 | = e
( ) ( ) ( ) { }
1, 0, 1 , 0,1, 1 , 1,1,1 = .
d) Determine a matriz-mudana de base P
|

:
e) Utilize a matriz obtida no item a) para calcular | v

, sendo ( ) | 1, 2,3 v
|
= .
f) Determine a matriz mudana da base para P

|
.
19) Se
0 1 0
1 1 0
1 1 1
P

|
(
(
=
(
(

determinar | v

, sabendo que
3
| 2
0
v
|
| |
|
=
|
|
\ .
:

Transformaes lineares
Dados espaos vetoriais V e W sobre um mesmo corpo , chamamos de transformao linear de V em
W a funo : T V W que satisfaz a:
a) Para quaisquer vetores
1 2
, v v V e temos que
1 2 1 2
( ) ( ) ( ) T v v T v T v + = + ;
b) Para qualquer vetor v V e e qualquer escalar e temos que ( ) ( ) T v T v = .

Exemplos:
1) Seja
3 2
: T tal que ( , , ) (2 3 , 2 ) T x y z x y z x y z = + + , vejamos que tal funo uma
transformao linear:
a) ( ) ( ) ( ) ( ) , , , , , , T x y z a b c T x a y b z c + = + + + =
( ) 2( ) 3( ) ( ), ( ) 2( ) ( ) x a y b z c x a y b z c + + + + + + + + =
( ) 2 2 3 3 , 2 2 x a y b z c x a y b z c + + + + + + =
( ) ( ) 2 3 , 2 2 3 , 2 x y z x y z a b c a y c + + + + + =
34

( ) ( ) , , , , T x y z T a b c +
Logo, a) satisfeita.
b)
( ) ( ) ( ) ( ) , , , , 2 3 , 2 T x y z T x y z x y z x y z = = + + =
( ) ( ) ( ) ( ) ( ) 2 3 , 2 2 3 , 2 , , x y z x y z x y z x y z T x y z + + = + + =
Logo, b) tambm satisfeita e, portanto, T uma transformao linear.
2) Seja
2 3
: T tal que ( , ) ( 3 , 2 , ) T x y x y x y x y = + , vejamos que tal funo uma
transformao linear:
a)
( ) ( ) ( ) ( ) , , , T x y a b T x a y b + = + + =
( ) , 2( ), ( ) x a y b x a y b x a y b + + + + + + + =
( ) ( ) , 2 , , 2 , x y x y x y a b a b a b + + + =
( ) ( ) , , T x y T a b +
Logo, a) satisfeita.
b)
( ) ( ) ( ) ( ) , , , 2 , T x y T x y x y x y x y = = + =
( ) ( ) ( ) ( ) ( ) ( ) , 2 , 3 , 2 , , x y x y x y x y x y x y T x y + = + =
Logo, b) tambm satisfeita e, portanto, T uma transformao linear.
3) Seja
2 2
: T tal que ( , ) ( , 4 ) T x y x y x y = + , vejamos que tal funo uma transformao
linear:
a)
( ) ( ) ( ) ( ) ( ) , , , , 4( ) T x y a b T x a y b x a y b x a y b + = + + = + + + + + =

( ) ( ) ( ) ( ) , 4 , 4 , , x y x y a b a b T x y T a b + + + = +
Logo, a) satisfeita.
b)
( ) ( ) ( ) ( ) , , , 4 T x y T x y x y x y = = + =
( ) ( ) ( )
( )
( ) ( ) ( ) ( ) ( )
, , , ,
2 , 2 4 ,
2 , 2 4 , , ,
T x y z T x y z
x y z x y x y z
x y z x y x y z T x y z



= =
+ + + =
+ + + =

Logo, b) tambm satisfeita e, portanto, T uma transformao linear.
4) Seja
3 3
: T tal que ( , , ) ( 2 , 2 4 , ) T x y z x y z x y x y z = + + + , vejamos que tal funo uma
transformao linear:
a) ( ) ( ) ( ) ( ) , , , , , , T x y z a b c T x a y b z c + = + + + =
( ) 2( ) , 2( ) 4( ), x a y b z c x a y b x a y b z c + + + + + + + + + + + =
( ) ( ) 2 , 2 4 , 2 , 2 4 , x y z x y x y z a b c a b a b c + + + + + + + =
( ) ( ) , , , , T x y z T a b c + .
35

Logo, a) satisfeita.
b)
( ) ( ) ( ) , , , , T x y z T x y z = =
( ) 2 , 2 4 , x y z x y x y z + + + =
( ) ( ) ( ) ( ) ( ) 2 , 2 4 , , , x y z x y x y z T x y z + + + =
Logo, b) tambm satisfeita e, portanto, T uma transformao linear.
Transformaes lineares no plano
Agora iremos apresentar uma viso geomtrica das transformaes lineares, dando alguns exemplos de
transformaes lineares do plano no plano. Voc ver assim, que, por exemplo uma expanso, uma rotao
e certas deformaes podem ser descritas por transformaes lineares.
a) Expanso (ou contrao) uniforme:
2 2
: T , o e onde ( ) ( ) , , T x y x y o o = .
Por exemplo:
2 2
: T onde ( ) ( ) , 2 , 2 T x y x y = .

Observe que transformando na forma de matrizes colunas temos:
2
2
x x
T
y y
( (
=
( (

ou
2 0
0 2
x x
T
y y
( ( (
=
( ( (


Se tomssemos
2 2
: F onde ( ) ( )
2 2
, ,
y
x
F x y = uma contrao.
b) Expanso (ou contrao) na direo do eixo x :
2 2
: T , o e onde ( ) ( ) , , T x y x y o = .
Por exemplo:
2 2
: T onde ( ) ( ) , 2 , T x y x y = .
Sua forma matricial :
2 x x
T
y y
( (
=
( (

ou
2 0
0 1
x x
T
y y
( ( (
=
( ( (

.

c) Expanso (ou contrao) na direo no eixo y :
2 2
: T , o e onde ( ) ( ) , , T x y x y o = .
Por exemplo:
2 2
: T onde ( ) ( ) , , 3 T x y x y = .
Sua forma matricial :
3
x x
T
y y
( (
=
( (

ou
1 0
0 3
x x
T
y y
( ( (
=
( ( (

.
d) Reflexo em torno do eixo x :
2 2
: F onde ( ) ( ) , , F x y x y =
36



Na forma de matrizes temos
x x
F
y y
( (
=
( (

ou
1 0
0 1
x x
F
y y
( ( (
=
( ( (

e) Reflexo em torno do eixo y
2 2
: F onde ( ) ( ) , , F x y x y = .
Na forma matricial temos
1 0
0 1
x x x
F
y y y
( ( ( (
= =
( ( ( (

.
f) Reflexo em torno da origem:
2 2
: F onde ( ) ( ) , , F x y x y = .

Na forma matricial temos
x x
F
y y
( (
=
( (

ou
1 0
0 1
x x
F
y y
( ( (
=
( ( (

.
g) Reflexo em torno da reta y x = :
2 2
: F onde ( ) ( ) , , F x y y x = .
Sua forma matricial dada por:
0 1
1 0
x y x
F
y x y
( ( ( (
= =
( ( ( (

.
h) Reflexo em torno da reta y x = :
2 2
: F onde ( ) ( ) , , F x y y x = .
Sua forma matricial dada por:
0 1
1 0
x y x
F
y x y
( ( ( (
= =
( ( ( (

.
i) Rotao de um ngulo u (no sentido anti-horrio):
37


' cos( ) cos cos x r r rsen sen o u o u o u = + = . Mas cos r x u = e rsen y u = , ento ' cos x x ysen u u = .
Analogamente, ' ( ) cos cos cos y rsen rsen r sen y xsen o u o u o u u u = + = = + .
Assim a rotao
2 2
: R
u
dada por ( ) ( ) , cos , cos R x y x ysen y xsen
u
u u u u = + , ou na forma matricial:
cos cos
cos cos
x x ysen sen x
R
y y xsen sen y
u
u u u u
u u u u
| | | | (| |
= =
| | | (
+
\ . \ . \ .
.
Consideremos o caso particular onde
2
t
u = . Neste caso, cos 0 u = e 1 senu = . Ento,
0 1
1 0
x y x
R
y x y
u
| | | | (| |
= =
| | | (
\ . \ . \ .
.

j) Cisalhamento horizontal:
2 2
: T , onde ( ) ( ) , , T x y x y y o = + com o e . Por exemplo:
2 2
: T onde ( ) ( ) , 2 , T x y x y y = + . Sua representao matricial dada por:
2 1 2
0 1
x x y x
T
y y y
+ ( ( ( (
= =
( ( ( (

.
38



k) Cisalhamento vertical:
2 2
: T , onde ( ) ( ) , , T x y x x y o = + com o e . Por exemplo:
2 2
: T onde ( ) ( ) , ,3 T x y x x y = + . Sua representao matricial :
1 0
3 3 1
x x x
T
y x y y
( ( ( (
= =
( ( ( (
+

.
Ncleo e Imagem de uma transformao linear
Dada uma transformao linear : T V W , chamamos de Ncleo da transformao T o conjunto dos
vetores v V e tais que sua imagem por T nula, ou seja,
( ) ( ) { }
| 0
W
Ker T v V T v = e = .

Exemplos:
1) Seja
3 2
: T tal que ( , , ) (2 3 , 2 ) T x y z x y z x y z = + + , determinemos o seu ncleo: Quero
encontrar valores para , x y e z tais que
( ) ( ) , , 0, 0 T x y z = , ou seja,
( ) (2 3 , 2 ) 0, 0 x y z x y z + + = o
que gera o seguinte sistema:
2 3 0
2 0
x y z
x y z
+ =

+ =

. Cuja solua dada por 3 y x = e 7 z x = , logo o

ncleo dado por
( ) ( ) { }
, 3 , 7 | Ker T x x x x = e .

2) Seja
2 3
: T tal que ( , ) ( 3 , 2 , ) T x y x y x y x y = + , determinemos o seu ncleo: Quero
encontrar valores para , x y tais que
( ) ( ) , 0, 0, 0 T x y = , ou seja,
( ) ( 3 , 2 , ) 0, 0, 0 x y x y x y + = o que
gera o seguinte sistema:
3 0
2 0
0
x y
x y
x y
+ =

. Cuja soluo dada por 0 x y = = , logo o ncleo dado por

( ) ( ) { }
0, 0 Ker T = .

Dada uma transformao linear : T V W , chamamos de Imagem de uma transformao T o conjunto dos
vetores ( ) T v onde v V e , ou seja, ( ) ( ) { }
Im | T T v v V = e .
Exemplo:
39

1) Seja
2 2
: T tal que ( , ) ( , 4 ) T x y x y x y = + , determinemos sua imagem. Quero encontrar quem
o conjunto de vetores da forma ( , 4 ) x y x y + e isso feito descobrindo os vetores geradores:
( ) ( ) ( ) ( ) ( ) , 4 , , 4 1,1 1, 4 x y x y x x y y x y + = + = +
Logo o conjunto gerador da imagem
( ) ( ) { }
1,1 , 1, 4 , e assim
( )
2
Im T = .
2) Seja
2 3
: T tal que ( , ) ( 3 , 2 , ) T x y x y x y x y = + , determinemos a sua imagem. Quero
encontrar quem o conjunto de vetores da forma ( 3 , 2 , ) x y x y x y + ento:
( ) ( ) ( ) ( ) ( 3 , 2 , ) , , 3 , 2 , 1,1,1 3, 2, 1 x y x y x y x x x y y y x y + = + = +
Logo o conjunto gerador da imagem
( ) ( ) { }
1,1,1 , 3, 2, 1 .
Teorema do ncleo e imagem: Seja : T W V uma transformao linear entre espaos vetoriais e sejam
( ) ker T o ncleo de T e
( ) Im T a imagem de T . Ento ( ) ( ) dim dimker dimIm W T T = + .
Exemplos:
Aqui valem fazer mais algumas observaes;
Proposio 1: Uma transformao linear : T W V dita injetiva quando
( )
{ }
0 Ker T = .
Proposio 2: Uma transformao linear : T W V dita sobrejetiva quando
( ) Im T V = .
Definio: Uma transformao linear : T W V um isomorfismo quando for injetiva e sobrejetiva ao
mesmo tempo.
Exemplo:
1) Seja
2 3
: T tal que ( , ) ( 3 , 2 , ) T x y x y x y x y = + , ao determinarmos o seu ncleo vimos que
( ) ( ) { }
0, 0 Ker T = , logo T injetiva. A transformao no sobrejetiva, pois como ( ) dimker 0 T =
pelo teorema do ncleo e imagem ( )
2
2 dim 0 dimIm T = = + , e assim ( ) dimIm 2 T = , ou seja,
( )
3
Im T = . E T no um isomorfismo.
2) Seja
2 2
: T tal que ( , ) ( , 4 ) T x y x y x y = + , ao determinarmos sua imagem vimos que
( )
2
Im T = , logo T sobrejetiva. E ainda temos que
2
dim 2 = assim, usando o teorema do ncleo e
imagem, temos ( ) 2 dimker 2 T = + e ento ( ) dimker 0 T = , logo T um isomorfismo.
Matriz de uma transformao linear relativa a bases
Dada uma transformao linear : T W V entre dois espaos vetoriais, { }
1 2
, ,...,
n
v v v W | = c e
{ }
1 2
, ,...,
m
u u u o = bases de W

e V , respectivamente. Definimos a matriz da transformao linear T em
relao as bases | e o como a matriz
| |
ij
m n
T a
|
o

( =

onde:
( )
1 1 2 2
...
j j j mj m
T v a u a u a u = + + + com 1,..., j n = .
Exemplo: Seja
2 3
: T tal que ( , ) ( 3 , 2 , ) T x y x y x y x y = + e as bases ( ) ( ) { }
2
1, 0 , 0,1 | = c e
( ) ( ) ( ) { }
3
1,0,0 , 0,1,0 , 0,0,1 o = c ento:
40

( ) ( ) ( ) ( ) ( ) 1, 0 1,1,1 1 1, 0, 0 1 0,1, 0 1 0, 0,1 T = = + + e
( ) ( ) ( ) ( ) ( ) 0,1 3, 2, 1 3 1, 0, 0 2 0,1, 0 1 0, 0,1 T = = . Assim a
matriz da transformao associada a essa bases dada por
| |
3 2
1 3
1 2
1 1
T
|
o

(
(
=
(
(

.
Agora se considerarmos outras bases
( ) ( ) { }
2
1,1 , 2,1 | = c e
( ) ( ) ( ) { }
3
1,1,1 , 1,1, 0 , 1, 0, 1 o = c vamos ver
como ficaria a matriz
| | T
|
o
:
( ) ( ) ( ) ( ) ( ) 1,1 4, 1, 0 5 1,1,1 6 1,1, 0 5 1, 0, 1 T = = + e
( ) ( ) ( ) ( ) ( ) 2,1 5, 0,1 6 1,1,1 6 1,1, 0 5 1, 0, 1 T = = + . Assim temos a matriz
| |
3 2
5 6
6 6
5 5
T
|
o

(
(
=
(
(

.
Exerccios de aplicao

1) Verifique se as seguintes funes so transformaes lineares:
a)
2 2
: f onde
( ) ( ) , , f x y x y x y = +
b)
2
: g onde
( ) , g x y xy =
c)
2 3
: h onde
( ) ( ) , , , 2 h x y z x z x y z = + +
d) : t onde
( ) h x x =
2) a) Determine a transformao linear
2 3
: T tal que ( ) ( ) 1,1 3, 2,1 T = e ( ) ( ) 0,1 1,1, 0 T = .
b) Encontre
2
ve tal que ( ) ( ) 2,1, 3 T v = .
3) a) Determine a transformao linear
3 2
: T tal que ( ) ( ) 1, 1, 0 1,1 T = , ( ) ( ) 0,1,1 2, 2 T = e
( ) ( ) 0,0,1 3,3 T = .
b) Achar ( ) 1, 0, 0 T e ( ) 0,1, 0 T .
4) Seja
3 2
: T uma transformao linear definida por ( ) ( ) 1,1,1 1, 2 T = , ( ) ( ) 1,1, 0 2,3 T = e
( ) ( ) 1, 0, 0 3, 4 T = .
a) Determinar ( ) , , T x y z .
b) Determinar
3
ve tal que ( ) ( ) 3, 2 T v = .
c) Determinar
3
ve tal que ( ) ( ) 0, 0 T v = .
5) Seja
3 3
: T a transformao linear tal que ( ) ( ) 1, 0, 0 0, 2, 0 T = , ( ) ( ) 0,1, 0 0, 0, 2 T = e
( ) ( ) 0,0,1 1,0,3 T = . Determinar ( ) , , T x y z e o vetor
3
ve tal que ( ) ( ) 5, 4, 9 T v = .
6) O vetor ( ) 3, 2 v = experimenta sequencialmente: uma reflexo em torno da reta y x = ; um
cisalhamento horizontal de fator 2; uma contrao na direo do eixo y de fator
1
3
; e por ltimo:
uma rotao de 90 no sentido anti-horrio. Calcule o vetor resultante dessa sequencias de
operaes:
41

7) Seja
3 3
: T onde
( ) ( ) , 2 , 4 2 T x y x y x y = + + . Quais dos seguintes vetores pertencem ao
( ) ker T ?
a)
( ) 1, 2
b)
( ) 2, 3
c)
( ) 3, 6
8) Para a mesma transformao acima, verifique quais dos vetores pertencem a
3 3
: T .
a)
( ) 2, 4
b)
( )
1
2
, 1
c)
( ) 1,3
9) Para as transformaes lineares abaixo verifique quais so injetivas, sobrejetiva e/ou isomorfismo:
a)
2 2
: T onde
( ) ( ) , 3 , 3 T x y x y x y = + .
b)
2 3
: T onde
( ) ( ) , , , 2 T x y x y x y = + .
c)
2 2
: T onde
( ) ( ) , 2 , T x y x y x y = + .
d)
3 2
: T onde
( ) ( ) , , 2 , 2 T x y z x y z x y z = + + .
e)
3 3
: T onde
( ) ( ) , , 2 , 2 , 3 T x y z x y z x y z x z = + + .
f)
3 3
: T onde
( ) ( ) , , 3 , , T x y z x y x z z x = .
10) Consideremos a transformao linear
3 2
: T definida por
( ) ( ) , , 2 , 2 T x y z x y z x y = + + e as
bases
( ) ( ) ( ) { }
3
1, 0, 0 , 2, 1, 0 , 0,1,1 o = c e
( ) ( ) { }
2
1,1 , 0,1 | = c . Determinar a matriz
| | T
o
|
.
11) Seja a transformao linear
2 3
: T onde
( ) ( ) , 2 , 3 , 2 T x y x y x y y = + e as bases
( ) ( ) { }
2
1,1 , 2,1 | = c e
( ) ( ) ( ) { }
3
0, 0,1 , 0,1, 1 , 1,1, 0 o = c . Determinar
| | T
|
o
. Qual a matriz
| | T
|

,
onde
( ) ( ) ( ) { }
3
1, 0, 0 , 0,1, 0 , 0, 0,1 = c ?
12) Sabendo que a matriz de uma transformao linear
2 3
: T nas bases
( ) ( ) { }
2
1,1 , 1, 0 | = c e
( ) ( ) ( ) { }
3
1,1, 1 , 2,1, 0 , 3, 0,1 o = c :
| |
3 1
2 5
1 1
T
|
o
(
(
=
(
(

, encontrar a expresso de
( ) , T x y e a matriz
| | T
q

nas bases
( ) ( ) { }
2
1, 0 , 0,1 q = c e
( ) ( ) ( ) { }
3
1, 0, 0 , 0,1, 0 , 0, 0,1 = c .
13) Considere a transformao linear
3 2
: T definida por:
( ) ( ) , , 2 ; 3 T x y z x y z x y z = + + .
Determine:
a) Ncleo de T:
b) Uma base e a dimenso do ncleo de T:
c) Um conjunto gerador para a imagem de T:
d) A matriz da transformao linear relativa as bases ( ) ( ) ( ) { }
3
1, 0, 0 , 0,1, 0 , 0, 0,1 o = c e
( ) ( ) { }
2
1, 0 , 0,1 | = c :
e) A matriz da transformao linear relativa as bases ( ) ( ) ( ) { }
3
1,1,1 , 1, 2,3 , 0, 0,1 o = c e
( ) ( ) { }
2
1, 0 , 1,1 | = c :

42

14) Considere a transformao linear
2 3
: T definida por:
( ) ( ) , 2 3 ; 2 ; T x y x y x y x y = + .
Determine:
a) Ncleo de T:
b) Uma base e a dimenso do ncleo de T:
c) Um conjunto gerador para a imagem de T:
d) A matriz da transformao linear relativa as bases
( ) ( ) { }
2
1, 0 , 2,1 | = c e
( ) ( ) ( ) { }
3
1, 0, 0 , 1,1, 0 , 0,1,1 o = c :

15) Considere a transformao linear
2 2
: T definida por:
( ) ( ) , 3 , 2 T x y x y x y = + . Determine:
a) Ncleo de T:
b) Uma base e a dimenso do ncleo de T:
c) Um conjunto gerador para a imagem de T:
d) A matriz da transformao linear relativa a base
( ) ( ) { }
2
1, 0 , 0,1 | = c :
e) A matriz da transformao linear relativa a base ( ) ( ) { }
2
1, 0 , 1,1 | = c :
f) Verifique se T um isomorfismo:
16) Considere a transformao linear
3 3
: T definida por:
( ) ( ) , , 3 , 2 , 2 T x y z x y z x y z x y z = + + + . Determine:
a) Ncleo de T:
b) Uma base e a dimenso do ncleo de T:
c) Um conjunto gerador para a imagem de T:
d) A matriz da transformao linear relativa a base ( ) ( ) ( ) { }
3
1, 0, 0 , 0,1, 0 , 0, 0,1 o = c :
e) A matriz da transformao linear relativa a base ( ) ( ) ( ) { }
3
1, 0,1 , 0, 1, 0 , 1, 0,1 o = c :
f) Verifique se T um isomorfismo:

AUTOVALORES E AUTOVETORES

Dada uma transformao linear : T V V , chamamos de autovetor de T o vetor no nulo v V e tal que
( ) T v v = para algum e .
Exemplo: Seja
2 2
: T uma transformao linear dada por
( ) ( ) , 2 , T x y x y y = + . Temos que o vetor
( ) 1, 0 um autovetor de T, pois
( ) ( ) ( ) 1, 0 2, 0 2 1, 0 T = = , e nesse caso 2 = .
O escalar e tambm recebe um nome, ele chamado de autovalor de T.
Vamos aprender a determinar os autovalores e autovetores associados a uma transformao T qualquer:
- Primeiro calculamos o determinante da matriz
| | T I , onde I a matriz identidade e uma
indeterminada, assim encontraremos o que chamamos de polinmio caracterstico.
- Depois encontramos as razes do polinmio caracterstico, que sero os meus autovalores
1 2 3
, , ...
- Para encontrar os autovetores resolvemos o sistema gerado por ( )
1
T v v = , ( )
2
T v v = ,
( )
3
T v v = ,... Cada conjunto soluo ser um auto-espao associado a um autovalor de T. Os
autovetores de T so os vetores no nulos dos auto-espaos de T.
43

Exemplos:
Vamos determinar os autovalores e autovetores das transformaes lineares abaixo:
1) Seja
2 2
: T definida por
( ) ( ) , 4 , T x y y x = :
- Polinmio caracterstico:
2
0 4 1 0 0 4 0 4
det det det 4
1 0 0 1 1 0 0 1



| | | | ( ( ( ( | |
= = =
| | | ( ( ( (

\ . \ . \ .

- As razes do polinmio caracterstico:
2 2
4 0 4 4 2 = = = =
Logo, escrevemos
1
2 = e
2
2 = so os autovalores de T.
- Agora vamos encontrar os autovetores:
( ) ( ) ( ) ( ) , 2 , 4 , 2 , 2 T x y x y y x x y = =
O que gera o sistema
4 2
2
y x
x y
=

, cuja soluo 2 x y = . Ento o auto-espao de T associado ao

autovalor 2 ( ) { }
2
2 , | V y y y = e e os autovetores associados a 2 so dados por
( ) { }
*
2
2 , | v y y y = e .
Agora:
( ) ( ) ( ) ( ) , 2 , 4 , 2 , 2 T x y x y y x x y = = . O que gera o sistema
4 2
2
y x
x y
=

, cuja soluo
2 x y = . Ento o auto-espao de T associado ao autovalor -2 ( ) { }
2
2 , | V y y y

= e e os
autovetores associados a -2 so dados por ( ) { }
*
2
2 , | v y y y

= e .

2) Seja
2 2
: T definida por
( ) ( ) , , 2 T x y x y x y = + + : (fazer em aula)
3) Seja
3 3
: T definida por
( ) ( ) , , 2 , , 2 T x y z x z x z x y z = + + + + :
- Polinmio caracterstico:
( )( )( ) ( )
3 2
1 0 2 1 0 0 1 0 2 0 0
det 1 0 1 0 1 0 det 1 0 1 0 0
1 1 2 0 0 1 1 1 2 0 0
1 0 2
det 1 1 1 2 2 2 1
1 1 2
3 3

| | | | ( ( ( (
| |
( ( ( (
= =
| |
( ( ( (
| |
( ( ( (
\ . \ .
| | (
|
(
= + =
|
(
|
(
\ .
+ +

- As razes do polinmio caracterstico:
3 2
3 3 0 + + = , logo
1
1 = ,
2
1 = e
3
3 =
- Agora vamos encontrar os autovetores:
( ) ( ) ( ) ( ) , , 1 , , 2 , , 2 , , T x y z x y z x z x z x y z x y z = + + + + =
44

O que gera o sistema
2
2
x z x
x z y
x y z z
+ =

+ =

+ + =

, cuja a soluo : x y = e 0 z = . Logo o auto-espao

associado ao autovalor 1 ( ) { }
1
, , 0 | V x x x = e e os autovetores associados a 1 so dados
por ( ) { }
*
1
, , 0 | v x x x = e
( ) ( ) ( ) ( ) , , 1 , , 2 , , 2 , , T x y z x y z x z x z x y z x y z = + + + + =
O que gera o sistema
2
2
x z x
x z y
x y z z
+ =

+ =

+ + =

, cuja a solua z x = e 0 y = . Logo o auto-espao

associado ao autovalor -1 ( ) { }
1
, 0, | V x x x

= e e os autovetores associados a -1 so
dados por ( ) { }
*
1
, 0, | v x x x

= e .
( ) ( ) ( ) ( ) , , 3 , , 2 , , 2 3 , 3 , 3 T x y z x y z x z x z x y z x y z = + + + + =
O que gera o sistema:
2 3
3
2 3
x z x
x z y
x y z z
+ =

+ =

+ + =

, cuja soluo z x = e 0 y = .
Logo o auto-espao associado ao autovalor 3 ( ) { }
3
, 0, | V x x x = e e os autovetores
associados a 3 so dados por ( ) { }
*
3
, 0, | v x x x = e .
4) Seja
3 3
: T definida por
( ) ( ) , , , 2 , 3 2 T x y z x x y x y z = + + + : (fazer em aula)

Diagonalizao de operadores lineares
Sabemos que dada uma transformao linear : T V V e uma base | de V faz-se corresponder
uma matriz
| | T
|
|
que esta associada a T relativa base | . Nosso objetivo verificar se existe uma base |
de modo que a matriz
| | T
|
|
uma matriz diagonal.
Temos algumas propriedades que nos ajudam a identificar quando um operador ou no diagonalizvel:
1) Autovetores associados a autovalores distintos so linearmente independentes.
2) A soma das dimenses dos auto-espaos de uma transformao linear menor ou igual a dimenso
do espao vetorial em questo.
5) Exemplos: Seja a transformao
3 3
: T definida por ( ) ( ) , , , , T x y z x y z y z z = + + + , seu
autovalor 1 e seu nico auto-espao ( ) { }
1
, 0, 0 | V x x = e . Logo esse operador no
diagonalizvel, pois
1
dim 1 3 V = = . J a transformao linear
3 3
: T definida por
( ) ( ) , , 2 , , 2 T x y z x z x z x y z = + + + + possui os autovalores 1,-1 e 3 cujos auto-espaos so
( ) { }
1
, , 0 | V x x x = e , ( ) { }
1
, 0, | V x x x

= e e ( ) { }
3
, 0, | V x x x = e . Temos que
1
dim 1 V = ,
45

1
dim 1 V

= e
3
dim 1 V = , assim
1 1 3
dim dim dim 1 1 1 3 V V V

+ + = + + = e a transformao
diagonalizvel.

Exerccios de aplicao

1) Considere a transformao linear
2 2
: T definida por:
( ) ( ) , 6 ,5 T x y x y x y = + , determine:
a) Polinmio caracterstico de T:
b) Autovalores de T:
c) Auto-espaos e autovetores associados a cada autovalor.
d) T diagonalizvel?
2) Considere a transformao linear
3 3
: T definida por:
( ) ( ) , , 3 4 ,5 5 , T x y z x z y z z = + , determine:
a) Polinmio caracterstico de T:
b) Autovalores de T:
c) Auto-espaos e autovetores associados a cada autovalor.
d) T diagonalizvel?

3) Considere a transformao linear
2 2
: T definida por:
( ) ( ) , 3 4 , 2 T x y x y x y = + + , determine:
a) Polinmio caracterstico de T:
b) Autovalores de T:
c) Auto-espaos e autovetores associados a cada autovalor.
d) T diagonalizvel?

4) Considere a transformao linear
3 3
: T definida por:
( ) ( ) , , , 2 , 2 T x y z x y x y z x y z = + + + , determine:
a) Polinmio caracterstico de T:
b) Autovalores de T:
c) Auto-espaos e autovetores associados a cada autovalor.
d) T diagonalizvel?



Bibliografia:
Steinbruch, A., Winterlte, P. lgebra linear, 2 ed. So Paulo: Pearson Makron Books, 1987.
Bolbrini, J.L. lgebra linear, 3 ed. So Paulo: Harper & Row do Brasil, 1980