You are on page 1of 109

Indice

1 Matrizes
Topicos de Algebra Linear
2 Determinantes
Gaspar J. Machado
3 Sistemas de Equacoes Lineares
Departamento de Matematica e Aplicacoes, Universidade do Minho

setembro de 2016 (v3.3) 4 Espacos Vetoriais

5 Transformacoes Lineares de Rn em Rm

6 Valores e Vetores Proprios

1 Matrizes 1 Matrizes Definicoes iniciais

Def 1.1
1 Matrizes
Jproduto cartesiano de dois conjuntosK Sejam A e B conjuntos.
Chama-se produto cartesiano de A e B, que se representa por A B, ao
2 Determinantes conjunto formado pelos pares ordenados tais que a primeira componente
pertence a A e a segunda componente pertence a B, ou seja,

3 Sistemas de Equacoes Lineares def


A B = {(, ) : A, B}.

4 Espacos Vetoriais
Exe 1.2
Descreva por extensao {1, 2, 3} {a, b}.
5 Transformacoes Lineares de Rn em Rm
Res
6 Valores e Vetores Proprios {1, 2, 3} {a, b} = {(1, a), (1, b), (2, a), (2, b), (3, a), (3, b)}.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 1 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 2
1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.3 Exe 1.4


Descreva por compreensao R3 .
(a) Jproduto cartesiano de um numero finito de conjuntosK Sejam n N
e A1 , . . . , An conjuntos. Chama-se produto cartesiano de A1 , . . . , An ,
Res
que se representa por A1 . . . An , ao conjunto formado pelos
n-uplos tais que a i-esima componente e um elemento de Ai , ou seja, R3 = {(x1 , x2 , x3 ) : x1 , x2 , x3 R}.

def
A1 An = {(a1 , . . . , an ) : i {1, . . . , n} [ai Ai ]}.

(b) Jpotencia cartesiana de um conjuntoK Sejam A um conjunto e n N.


Chama-se potencia cartesiana de ordem n de A, que se representa
por An , ao conjunto formado pelos n-uplos tais que todas as
componentes sao elementos de A, ou seja,
def
An = {(a1 , . . . , an ) : i {1, . . . , n} [ai A]},

identificando-se A1 com A.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 3 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 4

1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.5 Def 1.8


Jelemento de uma matrizK Sejam A Mmn (R), i {1, . . . , m} e
(a) Jmatriz, tipo de uma matrizK Sejam m, n N. Chama-se matriz do
j {1, . . . , n}. Chama-se elemento ij da matriz A, que se representa por
tipo m n (le-se m por n) a uma funcao real com domnio
(A)ij (ou por (A)i,j se houver ambiguidade relativamente aos ndices), a
{1, . . . , m} {1, . . . , n}.
(b) JMmn (R)K Representa-se por Mmn (R) o conjunto das matrizes def
(A)ij = A(i, j).
do tipo m n.

Obs 1.6
E possvel considerar matrizes cujos elementos do conjunto de chegada
nao sao numeros reais (e.g., numeros complexos e polinomios). Neste
curso, porem, considera-se apenas matrizes cujos elementos do conjunto
de chegada sao numeros reais.

Def 1.7
JescalarK Chama-se escalar a um elemento de R.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 5 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 6
1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Obs 1.9 Obs 1.9 (cont.)

(a) Sejam A Mmn (R), i {1, . . . , m} e j {1, . . . , n}. Se se quiser (c) Seja A = [aij ] Mmn (R). A representacao habitual de A e
representar por ij o elemento ij da matriz A, usa-se a notacao

a11 a12 a1n
A = [ij ] Mmn (R). a21 a22 a2n
A= . .. ,

.. . .
(b) E habitual representar matrizes por letras maiusculas. Neste caso, .. . . .
para representar o elemento ij duma matriz e tambem habitual usar am1 am2 amn
a respetiva letra minuscula afetada do ndice ij, ou seja,
em que aij R, i = 1, . . . , m, j = 1, . . . , n.
A = [aij ] Mmn (R). (d) Neste curso, as letras i e j nunca estao associadas a unidade
imaginaria dos numeros complexos.
(e) Quando se esta perante matrizes do conjunto M11 (R), o contexto
sera suficiente para distinguir se se esta a fazer referencia a matriz ou
ao unico elemento que a constitui.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 7 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 8

1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Exe 1.10 Exe 1.11


De um exemplo de um elemento de M23 (R). Explicite as seguintes matrizes:
(a) A M23 (R), (A)ij = j i.
Res h (b) X = [ij ] M22 (R), ij = ij + 1.
1
i
1 4
A= 3 .
2 0
Res

(a)
     
(A)11 (A)12 (A)13 11 21 31 0 1 2
A= = = .
(A)21 (A)22 (A)23 12 22 32 1 0 1

(b)
     
11+1 12+1 2 3
X = 11 12 = = .
21 22 21+1 22+1 3 5

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 9 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 10
1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.12 Exe 1.13


Seja A = [aij ] Mmn (R). Seja A = [ 15 26 37 48 ].
(a) Jlinha de uma matrizK Chama-se linha i da matriz A, que se (a) Indique o elemento que esta na segunda linha e na terceira coluna da
representa por `i,A (ou por `i se nao houver ambiguidade matriz A.
relativamente a matriz), a (b) Indique o elemento 12 da matriz A.
def (c) Indique a segunda linha da matriz A.
`i,A = (ai1 , ai2 , . . . , ain ).
(d) Indique a terceira coluna da matriz A.
(b) Jcoluna de uma matrizK Chama-se coluna j da matriz A, que se
representa por cj,A (ou por cj se nao houver ambiguidade Res
relativamente a matriz), a
(a) (A)23 = 7.
def
cj,A = (a1j , a2j , . . . , amj ). (b) (A)12 = 2.
(c) `2 = (5, 6, 7, 8).
(d) c3 = (3, 7).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 11 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 12

1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.14 Exe 1.16


Seja A Mmn (R).
(a) De um exemplo de uma matriz linha com 3 elementos.
(a) Jmatriz colunaK Diz-se que A e uma matriz coluna se n = 1.
(b) Indique se a seguinte proposicao e verdadeira ou falsa: Ha matrizes
(b) Jmatriz linhaK Diz-se que A e uma matriz linha se m = 1. que sao simultaneamente matrizes linha e matrizes coluna.

Obs 1.15 Res


E habitual representar matrizes linha e matrizes coluna por letras
minusculas e os seus elementos apenas com um ndice. Assim, e usando (a) q = [ 0 4 1 ].
esta notacao, a representacao da matriz coluna x com m linhas e (b) Proposicao verdadeira pois, por exemplo, A = [3] e simultaneamente
x1 
uma matriz linha e uma matriz coluna.
x = ... e da matriz linha y com n colunas e y = [ y1 yn ].
xm

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 13 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 14
1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.17
Def 1.20
Jmatriz retangular, matriz quadradaK Seja A Mmn (R). Diz-se que A
e uma matriz retangular se m 6= n. Caso contrario, diz-se uma matriz Jordem de uma matriz quadradaK Seja A Mnn (R). A diz-se uma
quadrada. matriz de ordem n.

Exe 1.18 Obs 1.21


Indique se a seguinte proposicao e verdadeira ou falsa: A = [ 10 20 30 ] e Uma matriz de ordem n tem n linhas e n colunas.
uma matriz retangular.
Exe 1.22
Res De um exemplo de uma matriz de ordem 4.
A proposicao e verdadeira pois o numero de linhas da matriz A, que e 2,
e diferente do numero de colunas, que e 3. Res 
1 201

0 1 0 1
Exe 1.19 X = 0 1 3 1 .
0 104
De um exemplo de uma matriz quadrada.

Res
G = [ 10 20 ].
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 15 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 16

1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.23 Exe 1.25 h


1 00
i
Seja A = [aij ] Mnn (R). Seja D = 1 00 .
2 1 2
(a) Jdiagonal ou diagonal principal de uma matrizK Chama-se diagonal (a) Indique a diagonal de D.
ou diagonal principal de A ao n-uplo (a11 , a22 , . . . , ann ).
(b) Indique a diagonal secundaria de D.
(b) Jdiagonal secundaria de uma matrizK Chama-se diagonal secundaria
de A ao n-uplo (a1n , a2,n1 , . . . , an1 ).
Res

Obs 1.24 (a) (1, 0, 2).


As definicoes anteriores so se aplicam a matrizes quadradas. (b) (0, 0, 2).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 17 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 18
1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.26 Exe 1.28


Jmatriz diagonalK Seja A = [aij ] Mnn (R). A diz-se uma matriz
(a) De um exemplo de uma matriz diagonal de ordem 4.
diagonal se
(b) De um exemplo de uma matriz de ordem 3 que nao seja diagonal.
i, j {1, . . . , n} [i 6= j aij = 0].
Res
1 0 0 0
Obs 1.27 (a) A = 0 2 00 .
0 0 00
(a) A definicao anterior so se aplica a matrizes quadradas. h 01 0
0
00
1
i
(b) B = 0 1 0 .
(b) A e uma matriz diagonal se todos os elementos que nao pertencem a 0 0 1
diagonal sao zeros, nao sendo, por isso, relevante para esta
classificacao se os elementos da diagonal sao zeros ou nao.
(c) Seja A = [aij ] Mnn (R). A nao e uma matriz diagonal se

i, j {1, . . . , n} [i 6= j aij 6= 0].

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 19 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 20

1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.29 Def 1.32


Jmatriz escalarK Seja A = [aij ] Mnn (R). A diz-se uma matriz escalar Jmatriz triangular superiorK Seja A = [aij ] Mnn (R). A diz-se uma
se e uma matriz diagonal e a11 = a22 = = ann . matriz triangular superior se

Obs 1.30 i, j {1, . . . , n} [i > j aij = 0].


A definicao anterior so se aplica a matrizes quadradas.

Exe 1.31 Obs 1.33

(a) De um exemplo de uma matriz escalar de ordem 3. (a) A definicao anterior so se aplica a matrizes quadradas.
(b) De um exemplo de uma matriz de ordem 2 que nao seja escalar. (b) A e uma matriz triangular superior se todos os elementos abaixo da
diagonal sao zeros, nao sendo, por isso, relevante para esta
Res classificacao se os elementos da diagonal e acima da diagonal sao
h2 0 0i zeros ou nao.
(a) A = 020 . (c) Seja A = [aij ] Mnn (R). A nao e uma matriz triangular superior se
h 01 00 21 i
(b) B = 0 1 0 . i, j {1, . . . , n} [i > j aij 6= 0].
001

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 21 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 22
1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Exe 1.34 Def 1.35


Jmatriz triangular inferiorK Seja A = [aij ] Mnn (R). A diz-se uma
(a) De um exemplo de uma matriz triangular superior de ordem 4.
matriz triangular inferior se
(b) De um exemplo de uma matriz de ordem 3 que nao seja triangular
superior. i, j {1, . . . , n} [i < j aij = 0].

Res Obs 1.36


1 1 1 1
(a) A = 0 0 00 .
0 0 00 (a) A definicao anterior so se aplica a matrizes quadradas.
h 01 0
0
00
0
i (b) A e uma matriz triangular inferior se todos os elementos acima da
(b) B = 0 1 0 .
diagonal sao zeros, nao sendo, por isso, relevante para esta
1 0 1
classificacao se os elementos diagonal e abaixo da diagonal sao
zeros ou nao.
(c) Seja A = [aij ] Mnn (R). A nao e uma matriz triangular inferior se

i, j {1, . . . , n} [i < j aij 6= 0].

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 23 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 24

1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Exe 1.37 Exe 1.38 h1 0 0i h1i h1 1i


1 100

Considere as matrizes A = 2 1 1 2 ,B= 020 ,c= 1 ,D= 22 ,
(a) De um exemplo de uma matriz triangular inferior de ordem 2. 003 1 00
e = [ 1 1 0 0 ], F = [ 10 23 ], g = [ 1 ], H = [ 10 01 ].
(b) De um exemplo de uma matriz de ordem 3 que nao seja triangular
inferior. (a) Indique as matrizes retangulares e o seu tipo.
(b) Indique as matrizes quadradas e a sua ordem.
Res (c) Indique as matrizes linha.
(d) Indique as matrizes coluna.
hi
1 0
(a) A = 2 1 .
2
h1 1 1i (e) Indique as matrizes diagonais.
(b) B = 2 2 2 . (f) Indique as matrizes escalares.
333
(g) Indique as matrizes triangulares superiores.
(h) Indique as matrizes triangulares inferiores.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 25 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 26
1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.39
Def 1.42
Jtraco de uma matrizK Seja A Mnn (R). Chama-se traco da matriz A,
Jmatriz nula, 0mn , 0K Chama-se matriz nula a uma matriz cujos
que se representa por tr(A), a soma dos elementos da diagonal de A, ou
elementos sao todos iguais a 0. Representa-se a matriz nula do tipo
seja,
m n por 0mn ou por 0 se nao houver ambiguidade relativamente ao
n tipo.
def
X
tr(A) = (A)ii .
i=1 Exe 1.43
Indique a matriz nula do tipo 2 4.
Exe 1.40 h1 3 5i
Determine os tracos de A = [ 37 29 ] e B = 790 .
Res
246
024 = [ 00 00 00 00 ].
Res
tr(A) = 3 + 9 = 12 e tr(B) = 1 + 9 + 6 = 16.

Exe 1.41
Sejam A, B M22 (R). Mostre que tr(AB BA) = 0.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 27 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 28

1 Matrizes Definicoes iniciais 1 Matrizes Definicoes iniciais

Def 1.44 Def 1.46


Jmatriz identidade, In , I K Chama-se matriz identidade a matriz escalar Jmatrizes iguaisK Sejam A = [aij ] Mmn (R) e B = [bij ] Mpq (R).
cujos elementos da diagonal sao todos iguais a 1. Representa-se a matriz Diz-se que A e B sao matrizes iguais se:
identidade de ordem n por In ou por I se nao houver ambiguidade (i) m = p.
relativamente a ordem.
(ii) n = q.
Exe 1.45 (iii) aij = bij , i = 1, . . . , m, j = 1, . . . , n.
Indique a matriz identidade de ordem 3.
Obs 1.47
Res h i Usa-se esta definicao em algumas demonstracoes relativas a matrizes.
100
I3 = 0 1 0 .
001

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 29 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 30
1 Matrizes Soma de matrizes e produto de uma matriz por um escalar 1 Matrizes Soma de matrizes e produto de uma matriz por um escalar

Def 1.48 Exe 1.50


 1 2 1
 3 02

Jsoma de matrizesK Sejam A, B Mmn (R). Chama-se soma das Considere as matrizes A = 0 1 4 eB= 1 1 2 . Calcule A + B.
matrizes A e B, que se representa por A + B, ao elemento de Mmn (R)
tal que Res
def
(A + B)ij = (A)ij + (B)ij .    
1 2 1 3 0 2
A+B = +
0 1 4 1 1 2
Obs 1.49 
1 + 3 2+0 1+2

So se podem somar matrizes do mesmo tipo. =
0 + 1 1 + (1) 4 + 2
 
2 2 3
= .
1 0 2

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 31 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 32

1 Matrizes Soma de matrizes e produto de uma matriz por um escalar 1 Matrizes Soma de matrizes e produto de uma matriz por um escalar

Def 1.51 Exe 1.53


Considere as matrizes A = 10 21 41 e B = 31 10 22 . Calcule:
   
Jproduto (ou multiplicacao) de uma matriz por um escalarK Sejam
A Mmn (R) e R. Chama-se produto (ou multiplicacao) da matriz (a) 2A.
A pelo escalar , que se representa por A, ao elemento de Mmn (R) (b) B.
tal que
def Res
(A)ij = (A)ij .
(a)
     
Obs 1.52 1 2 1 2 (1) 22 21 2 4 2
2A = 2 = = .
0 1 4 20 21 2 (4) 0 2 8
(a) E sempre possvel multiplicar uma matriz por um escalar.
(b) Seja a matriz A. Entao, em vez de (1)A escreve-se A.
(b)
   
3 0 2 3 0 2
B = = .
1 1 2 1 1 2

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 33 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 34
1 Matrizes Soma de matrizes e produto de uma matriz por um escalar 1 Matrizes Soma de matrizes e produto de uma matriz por um escalar

Obs 1.54 Exe 1.56


Considere as matrizes A = 10 11 , B = [bij ] M22 (R), bij = 3i j e
 
Sejam A e B matrizes do mesmo tipo. Entao, tendo em consideracao a
observacao Obs 1.52 (b), em vez de A + (B) escreve-se A B. C = [ij ] M32 (R), ij = i 2 . Indique se estao bem definidas as
seguintes expressoes, efetuando nesses casos as respetivas operacoes:
Exe 1.55
Considere as matrizes A =
 1 2 1

eB=
3 02

. Calcule 12 A 3B. (a) A + B. (d) C .
0 1 4 1 1 2
(b) B + A. (e) (A B) + 3A.
Res (c) A C . (f) 4A B.

   
1 1 1 2 1 3 0 2 Obs 1.57
A 3B = 3
2 2 0 1 4 1 1 2
1 1 1
 No exerccio anterior, tera sido coincidencia A + B = B + A e
(1) 3 3 2 230 132
= 2 1 1 1
2 (A B) + 3A = 4A B? O teorema que se segue diz que nao.
0 3 1 1 3 (1) (4) 3 2
 219 11
 2 2
2 1 2
= .
3 27 8

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 35 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 36

1 Matrizes Soma de matrizes e produto de uma matriz por um escalar 1 Matrizes Produto de matrizes

Teo 1.58 Def 1.60


Jproduto (ou multiplicacao) de matrizesK Sejam A Mmn (R) e
(a) A, B Mmn (R) [A + B = B + A].
B Mnp (R). Chama-se produto (ou multiplicacao) da matriz A pela
(b) A, B, C Mmn (R) [(A + B) + C = A + (B + C )]. matriz B, que se representa por AB, ao elemento de Mmp (R) tal que
(c) A Mmn (R) [A + 0mn = A].
n
(d) A Mmn (R) [A + (A) = 0mn ]. (AB)ij =
def
X
(A)ik (B)kj .
(e) , R, A Mmn (R) [()A = (A)]. k=1
(f) , R, A Mmn (R) [( + )A = A + A].
Obs 1.61
(g) R, A, B Mmn (R) [(A + B) = A + B].
(h) A Mmn (R) [1A = A]. (a) So se pode efetuar a multiplicacao da matriz A pela matriz B se o
numero de colunas da matriz A for igual ao numero de linhas da
Obs 1.59 matriz B. Neste caso, o numero de linhas da matriz resultante e
igual ao numero de linhas da matriz A e o numero de colunas da
(a) A matriz nula e o elemento neutro da soma de matrizes. matriz resultante e igual ao numero de colunas da matriz B.
(b) Sejam A, B e C matrizes do mesmo tipo. Entao, tem-se que a (b) Sendo possvel multiplicar as matrizes A e B, o elemento ij da matriz
expressao A + B + C nao resulta ambgua devido a propriedade AB e igual ao produto escalar usual de `i,A com cj,B , ou seja,
associativa da soma de matrizes. (AB)ij = `i,A cj,B .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 37 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 38
1 Matrizes Produto de matrizes 1 Matrizes Produto de matrizes

Obs 1.61 (cont.) Exe 1.62


Considere as matrizes A M23 (R), B M22 (R) e C M32 (R).
(c) Sejam A = [aij ] M32 (R) e B = [bij ] M24 (R). Como o Entao:
numero de colunas da matriz A e igual ao numero de linhas da
A a expressao A + B esta bem definida.
matriz B, e possvel efetuar a operacao AB. Por exemplo o elemento
(AB)23 obtem-se considerando `2,A e c3,B : B a expressao 2A 3B 2 esta bem definida.
C a expressao CBA esta bem definida.
" #

4 D a expressao ABC esta bem definida.
2 1 = 3

5

Exe 1.63
| {z } | {z } | {z } Considere as matrizes A = [ 13 24 ] e B = [ 58 69 70 ]. Indique se estao bem
AM32 (R) BM24 (R) ABM34 (R)
definidas as seguintes expressoes, efetuando nesses casos as respetivas
2 operacoes:
X
(AB)23 = a2k bk3 = a21 b13 + a22 b23 = 2 4 + 1 (5) = 3. (a) AB.
k=1 (b) BA.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 39 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 40

1 Matrizes Produto de matrizes 1 Matrizes Produto de matrizes

Res Exe 1.64 1 2


h 1 0 2 1i
Considere as matrizes A = 1 1 0 2 eB= 01 . Determine AB.
(a) Como o numero de colunas da matriz A e igual ao numero de linhas 1 2 1 1 21
21
da matriz B, e possvel efetuar a operacao AB, tendo-se
 
1 2 5 6 7
 Exe 1.65
AB = Considere as matrizes A = 10 11 , B = [bij ] M22 (R), bij = j e
 
3 4 8 9 0
  C = [ 11 12 01 ]. Indique se estao bem definidas as seguintes expressoes,
15+28 16+29 17+20
= efetuando nesses casos as respetivas operacoes:
35+48 36+49 37+40
 
21 24 7 (a) (AB)C . (b) A(BC ). (c) CI3 . (d) I2 C .
= .
47 54 21

(b) Como o numero de colunas da matriz B, que e 3, e diferente do Obs 1.66


numero de linhas da matriz A, que e 2, nao e possvel efetuar a No exerccio anterior, tera sido coincidencia (AB)C = A(BC ), CI3 = C e
operacao BA. I2 C = C ? O teorema que se segue diz que nao.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 41 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 42
1 Matrizes Produto de matrizes 1 Matrizes Produto de matrizes

Teo 1.67 Def 1.69


Jpotencia de ordem p de uma matriz quadradaK Sejam p N e A uma
(a) A Mmn (R), B Mnp (R), C Mpq (R) [(AB)C = A(BC )].
matriz quadrada. Chama-se potencia de ordem p da matriz A, que se
(b) A, B Mmn (R), C Mnp (R) [(A + B)C = AC + BC ]. representa por Ap , a
(c) A Mmn (R), B, C Mnp (R) [A(B + C ) = AB + AC ]. p
def
Y
(d) A Mmn (R) Im A = AIn = A]. Ap = A.
k=1
(e) R, A Mmn (R), B Mnp (R) [(AB) = (A)B = A(B)].

Obs 1.68

(a) A matriz identidade e o elemento neutro da multiplicacao de matrizes.


(b) Sejam A Mmn (R), B Mnp (R) e C Mpq (R). Entao, tem-se que
a expressao ABC nao resulta ambgua devido a propriedade associativa da
multiplicacao de matrizes, fazendo sentido a seguinte definicao:

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 43 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 44

1 Matrizes Produto de matrizes 1 Matrizes Produto de matrizes

Exe 1.70 Exe 1.71


 1 2 
Seja A = [ 21 01 ]. Calcule A3 . Seja B = 2 1 . Calcule:
(a) B 2.
Res (b) B 3 .
Como A e uma matriz quadrada, e possvel determinarA3 ,tendo-se:
 
2 0 2 0
 
2 0
 
4

0 2 0
 
8 0
 Exe 1.72
3
A = = = . Seja X =
a b
M22 (R). Mostre que
1 1 1 1 1 1 3 1 1 1 7 1 c d

Nota: como a multiplicacao de matrizes e associativa, tambem se tem X 2 = (a + d)X (ad bc)I2 .
A3 = A(AA).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 45 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 46
1 Matrizes Produto de matrizes 1 Matrizes Produto de matrizes

Obs 1.73 Exe 1.77


 1 1 
A multiplicacao de matrizes nao goza da propriedade comutativa. Faz, Considere as matrizes A = [ 00 11 ] e B = 0 0 . Mostre que:
pois, sentido a seguinte definicao: (a) (A + B)2 6= A2 + 2AB + B 2.
(b) (A + B)(A B) 6= A2 B 2 .
Def 1.74
Jmatrizes comutaveisK Sejam A e B matrizes da mesma ordem. Diz-se
Exe 1.78
que as matrizes A e B sao comutaveis se AB = BA.
Sejam A e B matrizes comutaveis. Mostre que:
Exe 1.75 (a) (A + B)2 = A2 + 2AB + B 2 .
2 40
h1 0 0i h i
Mostre que as matrizes X = 010 eY = 3 10 sao comutaveis. (b) (A + B)(A B) = A2 B 2 .
102 1 4 1

Exe 1.76 Exe 1.79


Mostre atraves de um contraexemplo que a multiplicacao de matrizes nao Sejam A e B matrizes quadradas da mesma ordem. Mostre que
e comutativa.
(A + B)2 (A B)(A + B) 2B 2 = 2BA.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 47 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 48

1 Matrizes Produto de matrizes 1 Matrizes Produto de matrizes

Exe 1.80 Exe 1.82


Mostre atraves de contraexemplos que as seguintes proposicoes sao Considere as seguintes proposicoes:
falsas: A M33 (R) \ {033 } [A2 6= 033 ].
(a) A M22 (R) [A2 6= I2 ]. A M33 (R) [A2 6= I3 ].
(b) A M22 (R) \ {022 } [A2 6= 022 ].
A Sao ambas verdadeiras.
(c) A, B M22 (R) \ {022 } [AB 6= 022 ].
B Sao ambas falsas.
Exe 1.81 C Apenas a primeira e verdadeira.
Sejam A e B matrizes comutaveis. Entao: D Apenas a segunda e verdadeira.
A (A B)3 = A3 + A2 B AB 2 B 3 .
B (A B)3 = A3 A2 B + AB 2 B 3 .
C (A B)3 = A3 + 3A2 B 3AB 2 B 3 .
D (A B)3 = A3 3A2 B + 3AB 2 B 3 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 49 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 50
1 Matrizes Matrizes invertveis 1 Matrizes Matrizes invertveis

Obs 1.83 Teo 1.85


Nao se define a operacao divisao de matrizes. No entanto, define-se um Seja A uma matriz invertvel de ordem n. Entao, existe uma e uma so
conceito semelhante ao de numero inverso. matriz Z Mnn (R) tal que ZA = AZ = In .

Def 1.84 Dem


Jmatriz invertvel ou nao-singular, matriz nao-invertvel ou singularK Seja (1) (2)
Sejam X , Y Mnn (R) tais que AX = In = XA e AY = In = YA.
A Mnn (R). Diz-se que A e uma matriz invertvel ou nao-singular se Entao:
existir uma matriz Z Mnn (R) tal que AZ = ZA = In . Caso contrario,
diz-se que A e uma matriz nao-invertvel ou singular. X = XIn (I e o elemento neutro da multiplicacao de matrizes)
= X (AY ) (por (2))
= (XA)Y (a multiplicacao de matrizes e associativa)
= In Y (por (1))
= Y, (I e o elemento neutro da multiplicacao de matrizes)

i.e., existe uma unica matriz que satisfaz a condicao de invertibilidade.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 51 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 52

1 Matrizes Matrizes invertveis 1 Matrizes Matrizes invertveis

Def 1.86 Exe 1.89


1
 1 1   21

Jmatriz inversaK Seja A uma matriz invertvel de ordem n. Chama-se Considere as matrizes A = 3 1 2 eB= 1 1 .
matriz inversa da matriz A, que se representa por A1 , a unica matriz Z (a) Calcule AB.
tal que AZ = ZA = In .
(b) O que pode concluir da alnea anterior?
Teo 1.87 (c) As matrizes A e B sao comutaveis?
Sejam A e B matrizes quadradas da mesma ordem tais que AB = I .
Entao, A1 = B. Res
1
 1 1   21
 1
Obs 1.88 (a) AB = 3 1 2 1 1 = 3 [ 30 03 ] = [ 10 01 ].
(b) As matrizes sao invertveis com A1 = B e B 1 = A.
(a) Se A e a matriz inversa da matriz B, entao B e a matriz inversa da
(c) Sim, pois AB = BA = I2 .
matriz A.
(b) Sejam A e B matrizes quadradas da mesma ordem. Entao, AB = I
se e so se BA = I . Assim, basta verificar se AB = I ou BA = I para
se concluir que as matrizes A e B sao invertveis com A1 = B e
B 1 = A.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 53 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 54
1 Matrizes Matrizes invertveis 1 Matrizes Matrizes invertveis

Teo 1.93
Exe 1.90
Sejam A e B matrizes quadradas invertveis da mesma ordem. Entao,
Seja A = [ 22 21 ]. Calcule a sua inversa atraves da definicao. AB tambem e uma matriz invertvel e (AB)1 = B 1 A1 .
Obs 1.91 Dem
(a) Ha matrizes quadradas que nao sao invertveis. Sejam A, B Mnn (R) matrizes invertveis. Entao, existem
(1)
(b) Apresenta-se na observacao Obs 1.155 uma condicao para A1 , B 1 Mnn (R) tais que AA1 = In = A1 A e
caracterizar matrizes invertveis e um metodo mais pratico para (2)
BB 1 = In = B 1 B, pelo que
calcular inversas.
(AB)(B 1 A1 )
Teo 1.92 = A(BB 1 )A1 (a multiplicacao de matrizes e associativa)
Seja A uma matriz invertvel. Entao, A1 tambem e uma matriz = AIn A 1
(por (2))
invertvel e (A1 )1 = A. 1
= AA (I e o elemento neutro da multiplicacao de matrizes)

Dem = In (por (1)).

Como A e uma matriz invertvel, tem-se que AA1 = A1 A = I . Logo,


1 1
1 Conclui-se, entao, que AB e uma matriz invertvel com
A e invertvel e A = A.
(AB)1 = B 1 A1 .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 55 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 56

1 Matrizes Matrizes invertveis 1 Matrizes Matriz transposta

Exe 1.94 Def 1.97


Sejam A e B matrizes comutaveis e invertveis. Mostre que Jmatriz transpostaK Seja A Mmn (R). Chama-se transposta da matriz
A, que se representa por AT , ao elemento de Mnm (R) tal que
(AB)1 = A1 B 1 .
def
(AT )ij = (A)ji .
Exe 1.95
Sejam A e B matrizes comutaveis e B e uma matriz invertvel. Mostre Obs 1.98
que A e B 1 sao matrizes comutaveis.
(a) E sempre possvel calcular a matriz transposta de uma matriz.
Exe 1.96 (b) Calcular a transposta de uma matriz corresponde a trocar linhas com
Seja A uma matriz quadrada tal que Ap = 0 para algum p N. Mostre colunas.
que
p1
X
1
(I A) =I+ Ak .
k=1

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 57 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 58
1 Matrizes Matriz transposta 1 Matrizes Matriz transposta

Exe 1.99 Res (cont.)


 1 2 0   1

Considere as matrizes A = 0 21 eu= 1 . Calcule:
(b)
(a) AT .
AAT

(b) .  1  0
uT u 1 2 0
2 2
0 2 1
AAT
  5
0 1
 
Res 1 5 4 2 2
= = = 5 .
T 2 4 5 2
 
u u   1 2
(a) 1 1
1

 T 1 0 Nota: relembre a observacao Obs 1.9 (e).
T 1 2 0
A = = 2 2 .
0 2 1
0 1

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 59 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 60

1 Matrizes Matriz transposta 1 Matrizes Matriz transposta

Exe 1.100 Teo 1.102


Considere as matrizes A = 12 11 01 , B = [bij ] M23 (R), bij = i j,
 
T
0 (a) A Mmn (R) [ AT = A].
se i < j, h1i
C = [cij ] M22 (R), cij = (1)i+1 se i = j, e u = 2 . Calcule: (b) A, B Mmn (R) [(A + B)T = AT + B T ].
1 se i > j, 0
AB T +BAT
(c) R, A Mmn (R) [(A)T = AT ].
(a) . (e) u T u.
2 (d) A Mmn (R), B Mnp (R) [(AB)T = B T AT ].
(b) T
C . (f) u T AT Bu. 1 T
(e) A Mnn (R) [A e uma matriz invertvel AT = A1 ].
(c) (CBAT C )2 . (g) (Au)T .
(d) uu T . (h) u T AT .
Exe 1.103
Sabendo que as matrizes A, B, C Mnn (R) sao invertveis, resolva em
Obs 1.101 ordem a X a equacao matricial C 1 (A + X )B 1 = In .
No exerccio anterior, tera sido coincidencia (Au)T = u T AT ? O teorema
que se segue diz que nao. Exe 1.104
Sejam A e B matrizes quadradas da mesma ordem nao-singulares.
Resolva em ordem a X a equacao matricial [(AT )1 X ]T + (AB)1 = A.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 61 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 62
1 Matrizes Matriz transposta 1 Matrizes Matrizes simetricas

Exe 1.105
Def 1.107
Sejam A e B matrizes invertveis de ordem n tais que
 T 1 Jmatriz simetricaK Seja A uma matriz quadrada. Diz-se que A e uma
A1 B = In . Entao:
matriz simetrica se A = AT .
A B = AT .
Exe 1.108
B B = A.
De um exemplo de uma matriz simetrica de ordem 3.
C B = A1 .
T Res h
D B = A1 . 0 1 2
i
A= 1 10 3 .
2 3 1
Exe 1.106 n
Seja A = [aij ] M22 (R), aij = i0 se
se i 6 j, Entao:
i > j. Exe 1.109 h1 i
ab
Determine os valores a, b, c R, para que a matriz S = 1 2 3 seja
A A2 + AT = [ 21 36 ]. 2c 3
simetrica.
B A2 + AT = [ 10 12 ].
C A2 + AT = [ 26 26 ]. Res
D A2 + AT = [ 16 02 ]. a = 1, b = 2, c = 3.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 63 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 64

1 Matrizes Matrizes simetricas 1 Matrizes Matrizes simetricas

Exe 1.110 Exe 1.113


Mostre que o produto de uma matriz pela sua transposta e uma matriz Considere as seguintes afirmacoes:
simetrica. O produto de duas matrizes simetricas e uma matriz simetrica.
Exe 1.111 A soma de duas matrizes simetricas de ordem n e uma matriz
simetrica.
Uma matriz quadrada A diz-se antissimetrica se AT = A. Mostre que,
dada qualquer matriz quadrada B, a matriz B B T e antissimetrica. A Sao ambas verdadeiras.
B Sao ambas falsas.
Exe 1.112
C Apenas a primeira e verdadeira.
Sejam A e B matrizes simetricas da mesma ordem. Entao:
D Apenas a segunda e verdadeira.
A (AB)T = AB.
B AT = B.
C A1 = B.
D (AB)T = BA.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 65 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 66
1 Matrizes Matrizes ortogonais 1 Matrizes Matrizes ortogonais

Def 1.114 Exe 1.116


Jmatriz ortogonalK Seja A Mnn (R). Diz-se que A e uma matriz cos sen ], R, e ortogonal.
Verifique que a matriz A = [ sen cos
ortogonal se AAT = AT A = In .
Res
Obs 1.115 Como
Se A e uma matriz ortogonal, entao A e uma matriz invertvel e   
A1 = AT . T cos sen cos sen
AA =
sen cos sen cos
2 2
 
cos + sen cos sen sen cos
=
sen cos cos sen sen2 + cos2
 
1 0
= ,
0 1

i.e., AAT = I2 , tem-se que A e uma matriz ortogonal.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 67 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 68

1 Matrizes Matrizes ortogonais 1 Matrizes Matrizes ortogonais

Exe 1.117 Exe 1.120h


0 12
i
Indique quais das seguintes matrizes sao ortogonais: Seja A = 1 03 . Entao:
2 3 0
A Pode-se calcular (A 2AT )3 .
1 2 2

3 3
   
3 4 3 1 4 3
2 1 2
A=
3 3 3 , B = 3 4 , C = 5 3 4 . B A2 = I3 .
32 23 1
3
C (A)31 + (A)13 = (A)23 .
D A e uma matriz ortogonal.
Exe 1.118
Mostre que o produto de duas matrizes ortogonais da mesma ordem e Exe 1.121
uma matriz ortogonal.
A Seja A uma matriz diagonal. Entao, A e uma matriz escalar.
Exe 1.119 B Seja A uma matriz simetrica. Entao, A e uma matriz ortogonal.
Seja x Mn1 (R) tal que xT x = I1 . Mostre que In 2xx T e uma C Seja A uma matriz invertvel. Entao, A e uma matriz ortogonal.
matriz simetrica e ortogonal.
D Seja A uma matriz escalar. Entao, A e uma matriz diagonal.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 69 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 70
1 Matrizes Matrizes ortogonais 1 Matrizes Matrizes em escada e escada reduzida

Exe 1.122 Def 1.124


2 0

Considere as matrizes A = [ 20 00 ] eB= 0 3 . Entao: Seja A = [aij ] Mmn (R).
A A e B sao matrizes comutaveis. (a) Jlinha nula de uma matrizK Diz-se que `i e uma linha nula da matriz
B A e B sao matrizes escalares. A se

C A e B sao matrizes ortogonais. ai1 = ai2 = = ain = 0.


D A e B sao matrizes invertveis.
(b) Jcoluna nula de uma matrizK Diz-se que cj e uma coluna nula da
matriz A se
Exe 1.123 (
(1)i+j+1 2j1 se i < j, a1j = a2j = = amj = 0.
Seja A = [aij ] M33 (R), aij = (1)i+1 se i = j . Entao:
0 se i > j.
(c) Jpivo de uma linha nao-nulaK Chama-se pivo de uma linha nao-nula
A A e uma matriz escalar. ao seu elemento nao-nulo mais a esquerda.
B A e uma matriz simetrica. (d) Jcoluna pivoK Chama-se coluna pivo a uma coluna da matriz se existe
C A e uma matriz ortogonal. um elemento pivo nessa coluna.
D A2 = I3 .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 71 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 72

1 Matrizes Matrizes em escada e escada reduzida 1 Matrizes Matrizes em escada e escada reduzida

Exe 1.127
Exe 1.125h
00001
i Indique quais das seguintes matrizes sao matrizes em escada:
Seja A = 0 2 0 0 0 .
03040
(a) Identifique os pivos das linhas nao-nulas da matriz A.     0 1 2 0 3
1 0 1 1 0 2 0
(b) Identifique as colunas pivo da matriz A. A= ,B = , C = 0 0 0 1 0 ,
0 1 1 0 2 0 0
0 0 0 0 0

Res
0 0 1 0 2 0 0

11 0 0 0 0

0
0 0 0 0 0 0 0 01 0 0 0 0 1
(a) Pivos: (A)15 , (A)22 e (A)32 . D=
0
,E = ,
0 0 2 0 4 0 00 0 1 0 0 0
(b) Colunas pivo: c2 e c5 . 0 0 0 0 0 5 0 00 0 1 0 0 0

      1 1
Def 1.126 1 0 1 1 0 0
F = ,G = ,H = , u = 0 , v = 1 .
Jmatriz em escadaK Seja A uma matriz. Diz-se que A e uma matriz em 0 1 0 1 0 0
0 0
escada se e uma matriz nula ou, no caso de nao o ser, se o numero de
zeros a esquerda do pivo aumenta de linha para linha ate que, havendo, Res
sobrem apenas linhas nulas.
A, B, C , F , G , H, u.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 73 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 74
1 Matrizes Matrizes em escada e escada reduzida 1 Matrizes Matrizes em escada e escada reduzida

Def 1.128 Def 1.130


Jmatriz em escada reduzidaK Seja A uma matriz. Diz-se que A e uma Joperacao elementar do tipo I nas linhas de uma matrizK Sejam
matriz em escada reduzida se e uma matriz em escada, se todos os pivos A Mmn (R) e i, i 0 {1, . . . , m}. Chama-se operacao elementar do
sao iguais a um e se estes sao os unicos elementos nao-nulos nas colunas tipo I nas linhas da matriz A a troca de duas linhas. A troca de `i com
pivo. `i 0 representa-se por `i `i 0 .

Exe 1.129 Exe 1.131


Indique quais das matrizes do exerccio Exe 1.127 sao matrizes em Indique i que se obtem apos aplicar a operacao `1 `3 a matriz
h 1 a 2matriz
01
escada reduzida. A = 0 1 1 1 .
2 210
Res
Res
A, C , F , H, u.

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

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 75 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 76

1 Matrizes Matrizes em escada e escada reduzida 1 Matrizes Matrizes em escada e escada reduzida

Def 1.132 Def 1.134


Joperacao elementar do tipo II nas linhas de uma matrizK Sejam Joperacao elementar do tipo III nas linhas de uma matrizK Sejam
A Mmn (R), i {1, . . . , m} e R \ {0}. Chama-se operacao A Mmn (R), i, i 0 {1, . . . , m} e R. Chama-se operacao
elementar do tipo II nas linhas da matriz A a substituicao de uma linha elementar do tipo III nas linhas da matriz A a substituicao de uma linha
por um seu multiplo nao-nulo. A substituicao de `i pela linha que se pela sua soma com um multiplo de outra linha. A substituicao de `i pela
obtem multiplicando por os elementos de `i representa-se por linha que se obtem somando os elementos de `i aos elementos que se
`i `i , que se le `i toma valor de `i . obtem multiplicando por os elementos de `i 0 representa-se por
`i `i + `i 0 , que se le `i toma valor de `i + `i 0 .
Exe 1.133
1 Exe 1.135
Indique i que se obtem apos aplicar a operacao `3 2 `3 a matriz
h 1 a 2matriz
01
A = 0 1 1 1 . Indique a matriz
 0 1que se obtem apos aplicar a operacao `1 `1 21 `2 a
matriz A = 2 2 11 01 .

2 210

Res
Res

1 2 0 1 1 2 0 1
0 1 1 1 `1 `1 12 `2 1 2 1
   
0 1 1 1 0 1 2 1
1 1
1 2 2 1 0 2 2 1 0
2 2 1 0 `3 12 `3 1 1 2 0
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 77 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 78
1 Matrizes Matrizes em escada e escada reduzida 1 Matrizes Matrizes em escada e escada reduzida

Obs 1.136 Res


Nas tres ultimas definicoes apenas se consideram operacoes sobre linhas,
0 2 4 0 1 1 0 2
apesar de tambem ser possvel definir operacoes sobre colunas. Fazendo
1 1 0 2 `1 `2 0 2 4 0
este curso apenas referencia a operacoes elementares sobre linhas, estas
2 2 0 5 2 2 0 5 `3 `3 2`1
passarao a ser referenciadas apenas por operacoes elementares.

Def 1.137
1 1 0 2 `1 `1 2`3 1 1 0 0

Jmatrizes equivalentesK Sejam A, B Mmn (R). Diz-se que A e B sao 0 2 4 0 0 2 4 0 `2 12 `2
matrizes equivalentes, escrevendo-se A B, se se pode obter uma a 0 0 0 1 0 0 0 1
partir da outra atraves duma sequencia (finita) de operacoes elementares
com linhas.
1 1 0 0 `1 `1 `2 1 0 2 0

Exe 1.138 0 1 2 0 0 1 2 0
h0 2 4 0i
Seja a matriz A = 1102 . Efetue a seguinte sequencia de operacoes na 0 0 0 1 0 0 0 1
2205
matriz A: `1 `2 , `3 `3 2`1 , `1 `1 2`3 , `2 12 `2 e
`1 `1 `2 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 79 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 80

1 Matrizes Matrizes em escada e escada reduzida 1 Matrizes Matrizes em escada e escada reduzida

Teo 1.139 Obs 1.142


Seja A Mmn (R). Entao, existe uma unica matriz em escada reduzida Seja A uma matriz.
que e equivalente a matriz A. (a) Note-se que fe(A) e um conjunto de matrizes e que fer(A) e uma
matriz.
Obs 1.140
(b) Na observacao Obs 1.143 apresenta-se um algoritmo para
Seja A uma matriz nao-nula. Entao, existe uma infinidade de matrizes determinar um elemento de fe(A) e na observacao Obs 1.145
em escada que sao equivalentes a matriz A. apresenta-se um algoritmo para determinar fer(A).

Def 1.141
Seja A uma matriz.
(a) Jfe(A)K Representa-se por fe(A) o conjunto das matrizes em escada
que sao equivalentes a matriz A.
(b) Jfer(A)K Representa-se por fer(A) a unica matriz em escada reduzida
que e equivalente a matriz A.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 81 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 82
1 Matrizes Matrizes em escada e escada reduzida 1 Matrizes Matrizes em escada e escada reduzida

Obs 1.143 Exe 1.144 h0 0 0 3i


Algoritmo escada: Seja A = [aij ] Mmn (R). Entao, o seguinte algoritmo determina um elemento de fe(A):
Passo 1 [inicializar o algoritmo]
Aplique o Algoritmo escada a matriz A = 0 1 1 2 e indique quantas
i 1
0221
j ndice da coluna nao-nula mais a esquerda da matriz A operacoes elementares dos tipos I e III efetuou.
Passo 2 [selecionar elemento pivo]
se aij = 0 entao
`i `k , em que `k e a primeira linha abaixo da linha `i com um Res
elemento diferente de zero na coluna cj
fimse 0 0 0 3 0 1 1 2
Passo 3 [anular os elementos abaixo do pivo] 0
para p i + 1 ate m fazer
1 1 2 `1 `2 0 0 0 3
apj
`p `p `i 0 2 2 1 0 2 2 1 `3 `3 2`1
aij | {z }
fimpara A
Passo 4 [terminar?]
se ja se obteve uma matriz em escada entao 0 1 1 2 0 1 1 2
terminar 0
senao 0 0 3 0 0 0 3
i i +1
j ndice da coluna nao-nula mais a esquerda da matriz que
0 0 0 3 `3 `3 + `2 0 0 0 0
se obtem eliminando na matriz A as linhas `1 , . . . , `i1
| {z }
ir para o Passo 2 fe(A)
fimse
operacoes elementares do tipo I: 1
operacoes elementares do tipo III: 2

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 83 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 84

1 Matrizes Matrizes em escada e escada reduzida 1 Matrizes Matrizes em escada e escada reduzida

Obs 1.145 Exe 1.146 h0 0 0 3i


Algoritmo escada reduzida: Seja A = [aij ] Mmn (R). Entao, o seguinte algoritmo determina fer(A):
Passo 1 [inicializar o algoritmo]
Aplique o Algoritmo escada reduzida a matriz A = 0 1 1 2 e indique
determinar A0 = [aij0 ] fe(A) (no que se segue, `0 refere-se as
0221
linhas da matriz A0 )
quantas operacoes elementares dos tipos I, II e III efetuou.
i ndice da ultima linha nao-nula da matriz A0
j ndice da coluna pivo da linha `i
Passo 2 [colocar elemento pivo a 1] Res
se aij0 6= 1 entao
1 Atendendo ao exerccio Exe 1.144 , tem-se:
`i 0 `0
aij0 i

fimse
0 1 1 2 0 1 1 2 `1 `1 2`2 0 1 1 0
Passo 3 [anular os elementos acima do pivo]
para p 1 ate i 1 fazer
0 0 0 3 `2 13 `2 0 0 0 1 0 0 0 1
0 0 0
`p `p apj `i 0
fimpara
0 0 0 0 0 0 0 0 0 0 0 0
| {z } | {z }
Passo 4 [terminar?] fe(A) fer(A)
se ja se obteve uma matriz em escada reduzida entao
terminar
senao
i i 1
operacoes elementares do tipo I: 1
j ndice da coluna pivo da linha i operacoes elementares do tipo II: 1
ir para o Passo 2
fimse operacoes elementares do tipo III: 3

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 85 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 86
1 Matrizes Matrizes em escada e escada reduzida 1 Matrizes Matrizes em escada e escada reduzida

Exe 1.147 Exe 1.148


Aplique, para cada uma das seguintes matrizes, o Algoritmo escada e o Seja X = [ 11 10 01 ]. Entao:
Algoritmo escada reduzida e indique quantas operacoes elementares dos A fer(X ) = 10 11 11 .
 
tipos I, II e III efetuou:
B fer(X ) = [ 10 01 11 ].
1 0 0 2 0 h 1 2 1 2 1 i
C fer(X ) = 10 01 1
 
(a) A = 01 00 10 00 01 . (f) F = 2 4 1 2 3 . 1 .
3 6 2 6 5
00202
D fer(X ) = 10 01 11 .
1 0 0 2  
h 6 3 4 i
(b) B = 4 1 6 . (g) G = 00 00 00 30 .
1 2 5 0000
1 1 0 2 0 h 1i
(c) C = 00 00 02 00 04 . (h) h = 1 .
00015 3
h 1 2 3 1 i h 1 1 1 3 i
(d) D = 2 1 2 2 . (i) I = 3 1 1 1 .
3 12 3 2 1 2 1
 1 3 1 2   1 1 0 0 
11 5 3 . 0 1 1 0
(e) E = 02 5 31
(j) J = 0 0 1 1 .
4 1 15 1 0 0 1

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 87 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 88

1 Matrizes Calculo de inversas 1 Matrizes Calculo de inversas

Def 1.149 Res


Jmatriz elementarK Seja E Mnn (R). Diz-se que E e uma matriz (a)
elementar se se pode obter atraves de uma operacao elementar sobre a
1 0 0

0 1

0 0 0

matriz In . 0
1 0 0 `2 `4 0
0 0 1.
0 0 1 0 0 0 1 0
Exe 1.150 0 0 0 1 0 1 0 0
A partir de I4 , determine as matrizes elementares obtidas atraves das
seguintes operacoes elementares: (b)
1 0 0 0 1 0 0 0
(a) `2 `4 . 0 1 0 0 0 1 0 0
.
(b) `3 2`3 . 0 0 1 0 `3 2`3 0
0 2 0
0 0 0 1 0 0 0 1
(c) `3 `3 2`1 .
(c)
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
.
0 0 1 0 `3 `3 2`1 2 0 1 0
0 0 0 1 0 0 0 1
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 89 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 90
1 Matrizes Calculo de inversas 1 Matrizes Calculo de inversas

Teo 1.151 Obs 1.155


As matrizes elementares sao invertveis e as suas inversas sao matrizes (a) Seja A Mnn (R). Entao, A e invertvel se e so se fer(A) = In .
elementares.
(b) Sejam k N e A Mnn (R) uma matriz invertvel. Entao, existem
Teo 1.152 matrizes elementares E1 , E2 , . . . , Ek tais que
Sejam A, B Mmn (R) tais que A B. Entao, existe um numero In = Ek E2 E1 A,
finito de matrizes elementares E1 , E2 , . . . , Ek , tais que B = E1 E2 Ek A.
pelo que
Teo 1.153
A = E11 E21 Ek1 In ,
Seja A Mmn (R). Entao, existe um numero finito de matrizes
elementares E1 , E2 , . . . , Ek , tais que fer(A) = E1 E2 Ek A. ou ainda
1 1 1
A1 = In Ek1 E21 E11
Teo 1.154
= Ek E2 E1 In ,
Seja A Mnn (R). Entao, A e invertvel se e so se A e o produto de
matrizes elementares. i.e., A1 obtem-se a partir de In atraves das mesmas operacoes elementares
que transformam A em In .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 91 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 92

1 Matrizes Calculo de inversas 1 Matrizes Calculo de inversas

Exe 1.156 Res

Verifique se as seguintes matrizes sao invertveis, calculando, nesses (a)


casos, a sua inversa:
h1 1 2i 1 1 2 1 0 0 1 1 2 1 0 0
(a) A = 0 1 0 . 0 1 0 0 1 0 0 1 0 0 1 0
225
2 2 5 0 0 1 `3 `3 2`1 0 0 1 2 0 1
(b) B = [ 12 24 ]. | {z }
A|I3

`1 `1 2`3 1 1 0 5 0 2
0 1 0 0 1 0
0 0 1 2 0 1

`1 `1 `2 1 0 0 5 1 2
0 1 0 0 1 0 .
0 0 1 2 0 1
| {z }
I3 |A1

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 93 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 94
1 Matrizes Calculo de inversas 1 Matrizes Calculo de inversas

Res (cont.) Exe 1.157


h 5 1 2
i Indique se as seguintes matrizes sao invertveis e calcule nesses casos a
Assim, A e uma matriz invertvel pois fer(A) = I3 com A1 = 0 1 0 . sua inversa:
2 0 1
Mostre-se, apenas para efeito de verificacao, que AA1 = I3 : h 1 0 1 i
(a) A = 20 0 . (d) D = [ 11 10 ].
1 1 2 5 1 2 1 0 0 1 1 0 h2 3 1i
AA1 = 0 1 0 0 1 0 = 0 1 0 . 1 2
(b) B = [ 2 4 ]. (e) E = 123 .
312
2 2 5 2 0 1 0 0 1 h 1 2 3 i h 2 3 5 i
(c) C = 2 1 0 . (f) F = 1 0 1 .
4 2 5 022
(b)
   
1 2 1 0 1 2 1 0
.
2 4 0 1 `2 `2 2`1 0 0 2 1
| {z }
B|I2

Assim, como fer(B) 6= I2 , conclui-se que a matriz B nao e invertvel.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 95 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 96

1 Matrizes Calculo de inversas 1 Matrizes Calculo de inversas

Exe 1.158 Exe 1.159h


1 2 0
 1 0 i
1
 1 3 1
Considere as matrizes A = 2 1 1 , b = [ 2 ], c = [ 1 ], d = [ 1 ] e Seja A = 0 0 , , R. Entao, A e uma matriz invertvel se e so
h 1 0 i 0 0
E= 2 1 . Indique se estao bem definidas as seguintes expressoes,
se
0 1
efetuando nesses casos as respetivas operacoes: A 6= 0 e 6= 0.
B 6= 0 e 6= .
(a) bT A. (f) (AE )T .
C = 0 ou = 0.
(b) AbT . (g) E T AT .
D 6= 0 e 6= .
(c) (c T A + d T A)T . (h) A2 .
(d) AT b. (i) (AAT )2 .
(e) bT (c + d). (j) (AE )1 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 97 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 98
1 Matrizes Calculo de inversas 1 Matrizes Calculo de inversas

Exe 1.160h Obs 1.161


121
i
Seja A = 0 1 0 . Entao: Nesta observacao vai-se apresentar uma aplicacao de Redes e Grafos
001
h 1 2 1 i envolvendo os conceitos introduzidos neste captulo.
T
A A A = 1 2 5 3 . Definicao: Um grafo simples e um par ordenado G = (V , A), no qual V
h 1
121
2 2
i e um conjunto finito e nao-vazio e A e um conjunto finito de
T 1
B A A = 252 . subconjuntos de V com exatamente dois elementos. A V chama-se
h 142 2
2
1 conjunto dos vertices e a A chama-se conjunto das arestas.
i
T
C A A = 1
2 1 0 .
h 1 12 01 i1 Habitualmente um grafo simples e representado por um diagrama no qual
T 1
D A A = 2 3 2 . cada vertice e representado por um ponto e cada aresta por uma linha
1 2 0 unindo os dois vertices que a definem.
Exemplo: O grafo simples G1 = (V1 , E1 ) com V1 = {V1 , V2 , V3 , V4 } e
A1 = {{V1 , V2 }, {V2 , V3 }, {V3 , V4 }, {V2 , V4 }} pode ser representado por

V1 V2
b b

b b

V3 V4
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 99 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 100

1 Matrizes Calculo de inversas 1 Matrizes Calculo de inversas

Obs 1.161 (cont.) Obs 1.161 (cont.)


Pode-se imaginar que os vertices correspondem a nos numa rede de Exemplo: A matriz de adjacencia do grafo G1
comunicacao e que as arestas que ligam os vertices representam elos de 0 1 0 0
comunicacao entre dois nos da rede. Na realidade, uma rede de M = 10 01 10 11 .
comunicacao envolve um numero elevado de vertices e arestas o que 0110
complica a representacao grafica da rede. Esta dificuldade e ultrapassada Nota: A matriz de adjacencia M e sempre simetrica.
recorrendo a uma representacao matricial para a rede. Definicao: Um caminho num grafo e uma sequencia de arestas que
Definicao: Considere um grafo com n vertices. A matriz ligam um vertice a outro. O comprimento do caminho e o numero de
M = [mij ] Mnn (R) definida por arestas que o formam.
( Exemplo: No grafo simples G1 , a sequencia de arestas
1 se {Vi , Vj } e uma aresta do grafo
mij = ({V1 , V2 }, {V2 , V4 }) representa um caminho de comprimento 2 que liga
0 se nao existe uma aresta que liga Vi e Vj V1 a V4 e a sequencia de arestas ({V2 , V3 }, {V3 , V2 }, {V2 , V3 })
representa um caminho de comprimento 3 que liga V2 a V3 .
e a matriz de adjacencia do grafo.
Teorema: Sejam M = [mij ] Mnn (R) uma matriz de adjacencia de
(k) (k)
um grafo e mij um elemento de M k . Entao, mij e igual ao numero de
caminhos de comprimento k de Vi a Vj .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 101 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 102
1 Matrizes Calculo de inversas 1 Matrizes Calculo de inversas

Obs 1.161 (cont.) Exe 1.162


Exemplo: Para determinar o numero de caminhos de comprimento 3 que Considere o grafo com a representacao
ligam V2 e V3 no grafo simples G1 , calcula-se M 3 :
V2 V3
0 3 1 1 b b

3
M = 31 24 42 43 .
1432 b b b

V1 V4 V5
Conclui-se, entao, que o numero de caminhos de comprimento 3 que
(3)
ligam V2 e V3 e m23 = 4.

(a) Determine a matriz de adjacencia M do grafo.


(b) Indique os caminhos de comprimento 2 que comecam em V1 .
(c) Indique quantos caminhos de comprimento 3 existem de V2 a V4 .
(d) Indique quantos caminhos de comprimento menor ou igual a 3
existem de V2 a V4 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 103 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 104

1 Matrizes Calculo de inversas 1 Matrizes English vocabulary

Exe 1.163  Obs 1.164


0111

Seja M = 11 01 10 01 . Some english vocabulary regarding Matrices
1010 matriz/matrix
(a) Desenhe um grafo que tenha M como matriz de adjacencia e indique
linha de uma matriz/row of a matrix
os vertices.
coluna de uma matriz/column of a matrix
(b) Analisando o grafo e a matriz M 2 , indique o numero de caminhos de
comprimento 2 de V1 a V3 . matriz retangular/rectangular matrix
matriz quadrada/square matrix
matriz diagonal/diagonal matrix
matriz escalar/scalar matrix
matriz triangular superior/upper triangular matrix
matriz triangular inferior/lower triangular matrix
matriz nula/zero matrix
matriz identidade/identity matrix
soma de matrizes/matrix addition

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 105 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 106
1 Matrizes English vocabulary 1 Matrizes English vocabulary

Obs 1.164 (cont.) Obs 1.164 (cont.)

produto (ou multiplicacao) de uma matriz por um matriz ortogonal/orthogonal matrix


escalar/multiplication of a matrix by a scalar matriz em escada/row echelon form of a matrix
multiplicacao de matrizes/matrix multiplication matriz em escada reduzida/row reduced echelon form of a matrix
potencia de uma matriz/power of a matrix
matrizes comutaveis/permutable matrices
matriz invertvel/invertible matrix
matriz nao-singular/non-singular matrix
matriz nao-invertvel/non-invertible matrix
matriz singular/singular matrix
matriz inversa/inverse matrix
matriz transposta/transpose matrix
matriz simetrica/symmetric matrix

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 107 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 108

1 Matrizes Solucoes 1 Matrizes Solucoes

Sol 1.38 Sol 1.56

(a) A tipo 2 4, c tipo 3 1, D tipo 3 2, E tipo 1 4. (a) A + B = [ 15 25 ].


(b) B ordem 3, F ordem 2, g ordem 1, H ordem 2. (b) B + A = [ 15 25 ].
(c) e, g . (c) A expressao A C nao esta bem definida (pois as matrizes A e C
(d) c, g . nao sao do mesmo tipo).
h 1 1 i
(e) B, g , H. (d) C = 4 4 .
9 9
(f) g , H. (e) (A B) + 3A = 6
 3
5 0 .
(g) B, F , g , H.  6 3 
(f) 4A B = 5 0 .
(h) B, g , H.
Sol 1.62
C.

Sol 1.64
h 1 1 i
AB = 3 1 .
14
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 109 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 110
1 Matrizes Solucoes 1 Matrizes Solucoes

Sol 1.65 Sol 1.90h i


1
A1 = 21 11 .
(a) (AB)C = [ 03 05 02 ]. (c) CI3 = [ 11 12 01 ].
(b) A(BC ) = [ 03 05 02 ]. (d) I2 C = [ 11 12 01 ]. Sol 1.100
AB T +BAT
= 1 1
 
(a) 2 1 1 .
Sol 1.71
C T = 10 11 .
 
(b)
 3 0
B2

(a) = 0 3 . (c) (CBAT C )2 = [ 20 02 ].
 3 6  h1 2 0i
(b) B3 = 6 3 . (d) uu T = 2 4 0 .
000
(e) u T u = [ 5 ].
Sol 1.81 (f) u T AT Bu = [ 2 ].
D. (g) (Au)T = [ 1 0 ].
Sol 1.82 (h) u T AT = [ 1 0 ].
B.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 111 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 112

1 Matrizes Solucoes 1 Matrizes Solucoes

Sol 1.103 Sol 1.117


X = CB A. A e C.

Sol 1.104 Sol 1.120


X = (A2 B 1 )T . A.

Sol 1.105 Sol 1.121


A. D.

Sol 1.106 Sol 1.122


A. A.

Sol 1.112 Sol 1.123


D. D.

Sol 1.113
D.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 113 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 114
1 Matrizes Solucoes 1 Matrizes Solucoes

Sol 1.147 Sol 1.147


1 0 0 2 0 1 0 0 0 0 1 0 0 0
(a) 00 00 10 20 10 fe(A), I: 0, III: 2, fer(A) = 00 00 10 01 00 , I: 0, II: 2, III: 4. (g) G fe(G ), I: 0, III: 0, fer(G ) = 00 00 00 10 , I: 0, II: 1, III: 1.
000 02 00001
1 0 7  h1i h010i0 0
6 3 4
 
9
(b) 0 3 263 fe(B), I: 0, III: 3, fer(B) = 0 1 269 , I: 0, II: 2, III: 4. (h) 0 fe(h), I: 0, III: 2, fer(h) = 0 , I: 0, II: 0, III: 2.
0 0
00 0 h 1 1 1 3 i h 1 0 0 1 i
1 1 0 2 0 0101 0 00 10  (i) 0 4 4 8 fe(I ), I: 0, III: 3, fer(I ) = 0 1 0 1 , I: 0, II: 3, III: 6.
0 0 3 3 0 0 1 1
(c) 00 00 20 01 45 fe(C ), I: 2, III: 1, fer(C ) = 00 00 10 01 25 , I: 2, II: 1, III: 2.  1 1 0 0   1 0 0 1 
00000 0000 0
" 15 #
100
(j) 0 0 1 1 fe(J), I: 0, III: 3, fer(J) = 00 10 01 1
0 1 1 0
1 , I: 0, II: 0, III: 5.
1 2 3 1
 
7
0 3 4 4 0 0 0 0 000 0
(d) fe(D), I: 0, III: 3, fer(D) = 0 1 0 47 , I: 0, II: 2, III: 6.
0 0 37 10
3 0 0 1 10
7
1 3 1 2
 "1 0 4
11
13
11
# Sol 1.148
(e) 0 11 5 3 fe(E ), I: 0, III: 4, fer(E ) = 0 1 115 3
, I: 0, II: 1, III: 5.
0 0 00 11 D.
0 0 00 00 0 0
00
 1 2 1 " 0 0 4#
2 1 1200 3
00 3 6 1
(f) 1 fe(F ), I: 0, III: 3, fer(F ) = 0 0 1 0 10 , I: 0, II: 2, III: 6.
00 0 2 3 0 0 0 1 6

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 115 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 116

1 Matrizes Solucoes 1 Matrizes Solucoes

Sol 1.158
Sol 1.157
" 1 # (a) bT A = [ 3 2 1 ].
0 2
0
(a) A e invertvel com A1 = 0 1
2
1 . (b) A expressao AbT nao esta bem definida pois o numero de colunas da
1 1
2
0 matriz A, que e 3, e diferente do numero de linhas da matriz bT , que
(b) B nao e invertvel. e 1. h i 0
(c) (c T A + d T A)T =
h 5 4 3 i 2 .
(c) C e invertvel com C 1 = 10 7 6 . 2
 0 8 6
 5
h 3i
(d) D e invertvel com D 1 = 1 . (d) AT b = 2 .
1 1 1
1 5 7
bT (c
" #
18
18 18 (e) + d) = [ 8 ].
(e) E e invertvel com E 1 = 7 1 5
18 .
(AE )T
= 11 20 .
18 18
 
5
18 7 1 (f)
18 18
(g) E T AT = 11 20 .
 
(f) F nao e invertvel.
(h) A expressao A2 (= AA) nao esta bem definida pois o numero de
colunas da matriz A, que e 2, e diferente do seu numero de linhas,
que e 3.
 13 24 
(i) (AAT )2 = 24 45 .
1 1 2 1
 
(j) (AE ) = 2 0 1 .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 117 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 118
1 Matrizes Solucoes 1 Matrizes Solucoes

Sol 1.159 Sol 1.163


B.
(a) .
V1 V2
Sol 1.160 b b

D.
b b

Sol 1.162 V3 V4
"0 1 0 1 0#
1 0 1 1 0
(b) 2.
(a) M = 0 1 0 0 0 .
1 1 0 0 1
0 0 0 1 0
(b) Existem 6 caminhos de comprimento 2 que comecam em V1 :
V1 V2 V1 , V1 V4 V1 , V1 V4 V2 , V1 V2 V3 , V1 V2 V4 , V1 V4 V5 .
(c) 5.
(d) 7.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 119 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 120

2 Determinantes 2 Determinantes Definicoes

Def 2.1
1 Matrizes
Jmatriz complementar de um elemento de uma matrizK Sejam
A Mnn (R) e i, j {1, . . . , n}. Chama-se matriz complementar do
2 Determinantes elemento ij, que se representa por A e ij , a


A se n = 1,
3 Sistemas de Equacoes Lineares def

e ij =
A
matriz que se obtem a partir da
se n > 2.


matriz A eliminando `i e cj

4 Espacos Vetoriais

5 Transformacoes Lineares de Rn em Rm

6 Valores e Vetores Proprios

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 121 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 122
2 Determinantes Definicoes 2 Determinantes Definicoes

Exe 2.2 h1 2 3i Def 2.3


Considere as matrizes A = 456 e B = [ 5 ]. Jdeterminante de uma matrizK Seja A Mnn (R). Chama-se
789 (A) (A)1n

11
(a) Determine a matriz complementar do elemento 12 da matriz A. determinante da matriz A, que se representa por det(A), ... . . .
..
.
(b) Determine A
e 33 . (A)
n1 (A) nn

(c) Determine B
e11 . ou |A|, ao escalar

(A)11 (A)1n
Res
. . .

det(A)
.
. . . .
. |A|

e 12 = [ 4 6 ].
(a) A

(A)n1 (A)nn
79
(b) A33 = [ 14 25 ].

e
n (A)11 se n = 1,
def
(c) B
e11 = [ 5 ]. = X
(A)1j (1)1+j det(A
e 1j ) se n > 2.


j=1

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 123 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 124

2 Determinantes Definicoes 2 Determinantes Definicoes

Obs 2.4 Res

(a) A definicao que se acaba de dar e um exemplo de uma definicao (a) X


e11 = [ x22 ] e X
e12 = [ x21 ].
recursiva. (b)
(b) So se definem determinantes de matrizes quadradas, sendo o seu
valor um numero real. x11 x12
det(X )

x21 x22
(c) Seja A = [aij ] M11 (R). Note-se que quando se escreve
2
det(A) = |a11 | = a11 , | | nao representa o valor absoluto mas sim o X
determinante. O contexto sera sempre suficiente para interpretar o = x1j (1)1+j det(X
e1j )
j=1
significado correto de | |.
= x11 (1)1+1 det(X
e11 ) + x12 (1)1+2 det(X
e12 )
| {z } | {z }
j=1 j=1
Exe 2.5
Seja X = [xij ] M22 (R). = x11 1 x22 + x12 (1) x21
= x11 x22 x12 x21 .
(a) Determine X e11 e X
e12 .
(b) Calcule det(X ).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 125 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 126
2 Determinantes Definicoes 2 Determinantes Definicoes

Obs 2.6 Exe 2.7


Seja A = [aij ] M22 (R). Entao, det(A) pode-se calcular atendendo a Calcule | 13 24 |.

+ Res
| 13 24 | = 1 4 2 3 = 2.
a11 a12
Exe 2.8
 1 5 
| " Calcule o determinante da matriz A = 32 .
a21 a22

vindo

det(A) = a11 a22 a12 a21 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 127 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 128

2 Determinantes Definicoes 2 Determinantes Definicoes

Exe 2.9 Res (cont.)


Seja Y = [yij ] M33 (R). Calcule det(Y ).

Res y22 y23 y21 y23
= y11 1 + y12 (1)
y32 y33 y31 y33


y11 y12 y13
y21 y22
+ y13 1

det(Y ) y21 y22 y23 y31 y32
y31 y32 y33 = y11 (y22 y33 y23 y32 ) y12 (y21 y33 y23 y31 )
3
X + y13 (y21 y32 y22 y31 )
= y1j (1)1+j det(Y
e1j )
= y11 y22 y33 + y12 y23 y31 + y13 y21 y32
j=1
y11 y23 y32 y12 y21 y33 y13 y22 y31 .
= y11 (1)1+1 det(Y
e11 ) + y12 (1)1+2 det(Y
e12 )
| {z } | {z }
j=1 j=2
1+3
+ y13 (1) det(Y
e13 )
| {z }
j=3

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 129 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 130
2 Determinantes Definicoes 2 Determinantes Definicoes

Obs 2.10 Obs 2.10 (cont.)


Regra de Sarrus (apenas se aplica a matrizes de ordem 3): seja ou, atendendo a

+ a11 a12 a13 + + +

! }
+ a21 a22 a23 a11 a12 a13 a11 a12

} ! } ! ! } ! } ! }
+ a31 a32 a33 a21 a22 a23 a21 a22

} ! } ! } } ! } ! !
a11 a12 a13 a31 a32 a33 a31 a32

} !
a21 a22 a23

vindo vindo

det(A) = (a11 a22 a33 + a21 a32 a13 + a31 a12 a23 ) det(A) = (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 )
(a13 a22 a31 + a23 a32 a11 + a33 a12 a21 ), (a13 a22 a31 + a11 a23 a32 + a12 a21 a33 ).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 131 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 132

2 Determinantes Definicoes 2 Determinantes Definicoes

Exe 2.11 h9 1 2i Res (cont.)


Considere a matriz A = 345 . Calcule det(A). tem-se que
678

Res det(A) = 9 4 8 + 3 7 2 + 6 1 5
Atendendo a
246579813
9 1 2 = 27,

 
3 4 5

   
6 7 8

   
9 1 2

 
3 4 5

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 133 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 134
2 Determinantes Definicoes 2 Determinantes Definicoes

Res (cont.) Exe 2.12


ou atendendo a Calcule o determinante das seguintes matrizes:

9 1 2 9 1
2 3 1 4
  2 1 3
3 6 2 1 3 2
B= , C = 1 2 2 e D = .
2 4 0 1 2 1
  

1 4 0
3 4 5 3 4 0 0 20 3

  
6 7 8 6 7 Exe 2.13 h1 0 1i
tem-se que Considere a matriz A = 010 . Entao:
110

det(A) = (9 4 8 + 1 5 6 + 2 3 7) A det(A) = 2.
(2 4 6 + 9 5 7 + 1 3 8) B det(A) = 2.
= 27. C det(A) = 0.
D det(A) = 1.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 135 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 136

2 Determinantes Definicoes 2 Determinantes Definicoes

Exe 2.14 h1 0 2i Def 2.15


Considere as matrizes A = [ 12 11 ] e B = 0 1 0 . Entao: Jco-fator de um elemento de uma matriz ou complemento algebrico de
110
um elemento de uma matrizK Seja A = [aij ] Mnn (R). Chama-se
A det(A) + det(B) = 6. co-fator ou complemento algebrico do elemento ij, que se representa por
B det(A) + det(B) = 3. Aij , ao escalar
C det(A) + det(B) = 1. def
Aij = (1)i+j det(A
e ij ).
D det(A) + det(B) = 0.

Exe 2.16
 5 2 
Considere a matriz A = 3 4 .
(a) Determine o co-fator do elemento 11 da matriz A.
(b) Determine o complemento algebrico do elemento 12 da matriz A.
(c) Determine A21 .
(d) Determine A22 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 137 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 138
2 Determinantes Definicoes 2 Determinantes Propriedades

Res Teo 2.18


(Teorema de Laplace) Sejam n um natural maior ou igual a 2,
(a) A11 = (1)1+1 det(A
e 11 ) = 1 | 4| = 4.
A Mnn (R) e , {1, . . . , n}. Entao:
(b) A12 = (1)1+2 det(A
e 12 ) = 1 |3| = 3.
n n
(c) A21 = (1)2+1 det(A
e 21 ) = 1 | 2| = 2. X X
det(A) = (A)j Aj = (A)i Ai .
(d) A22 = (1)2+2 det(A
e 22 ) = 1 | 5| = 5.
j=1 i=1
| {z } | {z }
desenvolvimento desenvolvimento
atraves da linha atraves da coluna
Obs 2.17
Relembre-se as seguintes notacoes: Obs 2.19
(A)ij elemento ij da matriz A.
(a) Note que a definicao Def 2.46 para n > 2 consiste no calculo do
A
e ij matriz complementar do elemento ij da matriz A.
determinante atraves do desenvolvimento segundo a primeira linha.
Aij co-fator ou complemento algebrico do elemento ij de uma (b) Como regra pratica para calcular determinantes atraves do teorema
matriz A. de Laplace, deve-se fazer o desenvolvimento a partir da linha ou
coluna que tiver mais zeros.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 139 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 140

2 Determinantes Propriedades 2 Determinantes Propriedades

Exe 2.20 1 1 1 1 Teo 2.21


Calcule o determinante da matriz E = 2132 atraves do Sejam A, B Mnn (R) e R.
0121
0013 (a) Se A for uma matriz
desenvolvimento da primeira coluna e da quarta linha. Q diagonal ou triangular (inferior ou superior),
entao det(A) = ni=1 (A)ii .
(b) Se todos os elementos de uma linha ou coluna da matriz A sao
nulos, entao det(A) = 0.
(c) Se A tem duas linhas ou colunas iguais, entao det(A) = 0.
(d) det(A) = n det(A).
(e) det(AT ) = det(A).
(f) det(AB) = det(A) det(B).
(g) A e invertvel se e so se det(A) 6= 0.
(h) Se A e uma matriz invertvel, entao det(A1 ) = 1
det(A) .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 141 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 142
2 Determinantes Propriedades 2 Determinantes Propriedades

Obs 2.22 Exe 2.23 h1 2 3i h1 1 1i h1 2 1i


Considere as matrizes A = 0 2 3 , B = 2 2 2 , C = 0 0 0 ,
(a) det(I ) = 1. h1 0 0i 003 333 212
(b) Sejam k N e A1 , . . . , Ak Mnn (R). Entao, D = 0 2 0 e P M33 (R), tal que P e uma matriz invertvel. Usando
001
as propriedades dos determinantes, calcule:
k k
!
Y Y
det Ai = det(Ai ). (a) det(A). (g) det(A3 ).
i=1 i=1
(b) det(B). (h) det(2AT A).
(c) Sejam A Mnn (R) e k N. Entao, det(Ak ) = (det(A))k . (c) det(C ). (i) det(AT A1 B T ).
(d) det(D). (j) det(A1 DA).
(e) det(2A). (k) det(ABCD).
(f) 2 det(A). (l) det(P 1 AP).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 143 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 144

2 Determinantes Propriedades 2 Determinantes Propriedades

Res Res (cont.)

(a) Sendo A uma matriz triangular (superior), tem-se que (j) det(A1 DA) = det(A1 ) det(D) det(A) = 1
det(D) det(A) =
det(A)
det(A) = 1 2 3 = 6. det(D) = 2.
(b) Sendo c1,B = c2,B , tem-se que det(B) = 0. (k) det(ABCD) = det(A) det(B) det(C ) det(D) = 6 0 0 2 = 0.
(c) Sendo `2,C uma linha nula, tem-se que det(C ) = 0. (l) det(P 1 AP) = det(P 1 ) det(A) det(P) = 1
det(A) det(P) =
det(P)
(d) Sendo D uma matriz diagonal, tem-se que det(D) = 1 2 = 2. det(A) = 6.
(e) det(2A) = (2)3 det(A) = 8 6 = 48.
(f) 2 det(A) = 2 6 = 12. Exe 2.24
(g) det(A3 ) = (det(A))3 = 63 = 216. Considere as matrizes A, B, C e D do exerccio anterior. Indique,
(h) det(2AT A) = det(2AT ) det(A) = 23 det(AT ) det(A) = justificando, as que sao invertveis.
23 det(A) det(A) = 23 6 6 = 288.
(i) det(AT A1 B T ) = det(AT ) det(A1 ) det(B T ) = Res
1
det(A) det(A) det(B) = det(B) = 0. As matrizes A e D sao invertveis pois os seus determinantes sao
diferentes de zero.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 145 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 146
2 Determinantes Propriedades 2 Determinantes Propriedades

Exe 2.25   Exe 2.29 n


Considere a matriz A =
1 1x
1 1y , x, y R. Indique para que valores de x Considere a matriz A = [aij ] Mnn (R), aij = i0 se
se i > j, Entao:
i < j.
x y 1
e y a matriz A e invertvel. A det(A) = 0.
B det(A) = 1.
Exe 2.26
C det(A) = n.
hx 1 1
i
Considere a matriz Z = 1x 1 , x R. Indique para que valores de x a
1 1x
matriz Z e invertvel. D det(A) = n!.

Exe 2.27 Exe 2.30


 2 1 3 5  n
Considere a matriz A = 0 1 23
4 1 2 1 e seja B uma matriz de ordem 4 Considere a matriz A = [aij ] Mnn (R), aij = 20 se i 6 j,
se i > j. Entao:
2 3 1 4
tal que |B| = 12. Calcule o determinante da matriz (AB 1 )T . A det(AT A) = 2n .
B det(AT A) = 4n .
Exe 2.28
C det(AT A) = 1.
Sejam A uma matriz quadrada tal que det(A) = 2 e B = 2AT . Mostre
que a matriz B e invertvel. D det(AT A) = 0.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 147 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 148

2 Determinantes Propriedades 2 Determinantes Propriedades

Exe 2.31 n Exe 2.32


Considere a matriz A = [aij ] M1010 (R), aij = 0 se i < j, Entao: Sejam A, B M22 (R) tais que det(A) = 2 e det(B) = 2. Entao:
i se i j.
X10
!2 A det(A + B) = 0.
A det(AT A) = i . B det(A) = det(A).
i=1
!2 C det(A) = det(A).
10
Y
B det(AT A) = i . D det(AB) = 0.
i=1
C det(AT A) = 1. Exe 2.33 h2 3 4i
D det(AT A) = 10. Considere a matriz A = 011 . Entao:
001
A det(AAT ) det(A1 ) = 1.
B det(AAT ) det(A1 ) = 2.
C det(AAT ) det(A1 ) = 4.
D det(AAT ) det(A1 ) = 8.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 149 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 150
2 Determinantes Propriedades 2 Determinantes Propriedades

Teo 2.34
Exe 2.36
Sejam A, B Mnn (R) e R \ {0}. 0 1 0 2
Considere a matriz A = 11 10 20 03 .
(a) Se B resulta de A por troca de duas linhas (operacao elementar do 2101
tipo I), entao det(B) = det(A). (a) Calcule det(A) atraves da definicao (podendo usar qualquer processo
(b) Se B resulta de A por multiplicacao dos elementos de uma linha de para calcular determinantes de matrizes de ordem 3).
A por (operacao elementar do tipo II), entao det(B) = det(A). (b) Calcule det(A) por aplicacao do teorema de Laplace atraves do
(c) Se B resulta de A adicionando a uma linha um multiplo de outra desenvolvimento a partir da terceira coluna (podendo usar qualquer
linha (operacao elementar do tipo III), entao det(B) = det(A). processo para calcular determinantes de matrizes de ordem 3).
Obs 2.35 (c) Calcule det(A) atraves da observacao Obs 2.35 .
Sejam A, B Mnn (R) tais que B fe(A) e que se obteve a partir da
matriz A atraves das operacoes elementares do tipo I e III (por exemplo,
por aplicacao do algoritmo
Q apresentado na observacao Obs 1.143 ).
Entao, det(A) = (1)s ni=1 (B)ii , em que s e o numero de trocas de
linhas realizadas.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 151 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 152

2 Determinantes Propriedades 2 Determinantes Propriedades

Res Res (cont.)


(a)
4
X (b)
det(A) = (A)1j (1)1+j det(A
e 1j )
4
j=1 X
det(A) = (A)i3 (1)i+3 det(A
e i3 )
= (A)11 (1)1+1 det(A
e 11 ) + (A)12 (1)1+2 det(Ae 12 )
i=1

+ (A)13 (1)1+3 det(A e 13 ) + (A)14 (1)1+4 det(A e 14 ) = (A)13 (1)1+3 det(A


e 13 ) + (A)23 (1)2+3 det(Ae 23 )

1 2 0

1 1 2
+ (A)33 (1)3+3 det(A e 33 ) + (A)43 (1)4+3 det(A e 43 )
= 0 + 1 (1) 1 0 3 + 0 + 2 (1) 1 0 0
0 1 2

2 0 1 2 1 0
= 0 + 2 (1) 1 0 3 + 0 + 0
= 0 + 1 (1) 10 + 0 + 2 (1) 2 2 1 1
= 14. = 2 (1) 7
= 14.
Calculos
auxiliares:
1 2 0
1 0 3 = 1 (0 1 3 0) 2 (1 1 3 2) + 0 (1 0 0 2) = 10. Calculos
2 0 1 auxiliares:
0 1 2
1 1 2
1 0 0 = 1 (0 0 0 1) 1 (1 0 0 2) + 2 (1 1 0 2) = 2. 1 0 3 = 0 (0 1 3 1) 1 (1 1 3 2) + 2 (1 1 0 2) = 7.
211
210

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 153 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 154
2 Determinantes Propriedades 2 Determinantes Propriedades

Res (cont.) Obs 2.37


Pedindo-se o determinante de uma matriz, se nao for explicitado no
(c) enunciado o processo de calculo, este pode ser feito por um metodo

0 1 0

2 1 1 2

0 qualquer, nomeadamente aquele que se achar mais simples.
1 1 2
0 `1 `2 0 1 0 2


1 0 0
3 1 0 0

3 `3 `3 `1 Exe 2.38
 1 2 1 1 
2 1 0
1 2 1 0 1 `4 `4 2`1 Calcule o determinante da matriz A = 1 1 2 1
por dois processos
0 1 0 3
1 1 2 0 1 1 2 0 1 2 2 1
0 1 0 2 0 1 0 2 distintos.

0 1 2 3 `3 `3 + `2 0
0 2 5
Exe 2.39
0 1 4 1 `4 `4 + `2 0 0 4 3 `4 `4 2`3 1 0 2 0

1 1 2 0
Considere a matriz A = 01 11 00 00 . Entao:
0 1023
1 0 2
A det(A) = 6.

0 0 2 5
0 0 0 7 B det(A) = 2.
1
det(A) = (1) (1 1 (2) (7)) = 14. C det(A) = 0.
D det(A) = 2.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 155 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 156

2 Determinantes Matriz adjunta 2 Determinantes Matriz adjunta

Def 2.40 Res


Jmatriz adjuntaK Seja A Mnn (R). Chama-se matriz adjunta de A, (a) Atendendo a
que se representa por adj(A), ao elemento de Mnn (R) tal que
X11 = (1)1+1 det(X
e11 ) = 1 |x22 | = x22 ,
def
(adj(A))ij = Aji . X12 = (1)1+2 det(X
e12 ) = 1 |x21 | = x21 ,
X21 = (1)2+1 det(X
e21 ) = 1 |x12 | = x12 ,

Obs 2.41 X22 = (1)2+2 det(X


e22 ) = 1 |x11 | = x11 ,
A matriz adjunta e a transposta da matriz dos co-fatores.
tem-se que
 T  
Exe 2.42 x22 x21 x22 x12
adj(X ) = = .
x12 x11 x21 x11
(a) Determine a matriz adjunta da matriz X = [xij ] M22 (R).
(b) Determine a matriz adjunta da matriz A = 73 1
 
4 .
(b) Atendendo a alnea anterior, tem-se que
 T  
4 3 4 1
adj(A) = = .
1 7 3 7

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 157 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 158
2 Determinantes Matriz adjunta 2 Determinantes Matriz adjunta

Teo 2.43 Exe 2.45 h1 1 1i


Seja A uma matriz invertvel de ordem maior do que 1. Entao, Considere a matriz E = 011 .
001
A1 = det(A)
1
adj(A).
(a) Verifique que a matriz E e invertvel.
Exe 2.44 (b) Determine a inversa da matriz E pelo metodo da adjunta.
 3 2 
Considere a matriz A = 1 0 .
Exe 2.46
(a) Verifique que a matriz A e invertvel.
Calcule o determinante das matrizes A = 14 14 , B = [ sen
cos sen ],
 
(b) Determine a inversa da matriz A pelo metodo da adjunta. h2 1 1i h 0 1 2 i 0 1 0 0 2 3 cos
32


R, C = 1 1 1 , D = 1 2 0 , E = 10 01 10 01 e F = 11 12 12 13 .
022 2 3 2 0011 2121
Res
(a) Como det(A) = 3 0 (2) 1 = 2 6= 0, A e uma matriz invertvel.
 h 0 1i Exe 2.47
(b) A1 = det(A)
1
adj(A) = 12 10 23 = 1 3 .

2 2 Calcule o determinante, a adjunta
h 1 e3 a 1inversa
i das matrizes A = [ 31 21 ],
Mostre-se, apenas para efeito de verificacao, que AA1 = I2 :
1 2
B = 3 1 , C = [ 32 14 ] e D = 21 1 .
     2 2 1
3 2 0 1 1 0
AA1 = = .
1 0 12 32 0 1
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 159 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 160

2 Determinantes Matriz adjunta 2 Determinantes Matriz adjunta

Exe 2.48 Obs 2.52


Sejam A, B Mnn (R). Mostre que det(AB) = det(BA). Nesta observacao vai-se apresentar uma aplicacao de Criptografia
envolvendo os conceitos introduzidos neste captulo.
Exe 2.49 Pode-se codificar uma mensagem associando a cada letra do alfabeto um
Considere as matrizes A = [ 10 21 ], D = [ 11 ] e F = [ 2 3 ] e a equacao numero inteiro e enviar a lista de numeros que substitui a mensagem. A
matricial em X dada por [(AX )T + DF ]1 = I2 . teoria dos determinantes e usada neste contexto para o calculo de
(a) Resolva a equacao dada. inversas com propriedades especiais.
Exemplo: A mensagem BOA SORTE! pode ser codificada por
(b) Diga, sem efetuar quaisquer calculos, qual o determinante de
(AX )T + DF . 3, 1, 5, 10, 1, 6, 2, 8, 0,

Exe 2.50 onde a letra B e representado pelo algarismo 3, a letra O pelo


Sejam p N e A uma matriz quadrada tal que Ap = 0. Mostre que A e algarismo 1, etc. (neste exemplo nao se codifica o espaco).
uma matriz singular. Para complicar ainda mais a codificacao da mensagem e para impedir
que o codigo seja quebrado pode-se usar a seguinte tecnica: o codigo que
Exe 2.51 representa a mensagem e colocado nas colunas de uma matriz B.
Seja A uma matriz ortogonal. Mostre que det(A) = 1.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 161 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 162
2 Determinantes Matriz adjunta 2 Determinantes Matriz adjunta

Obs 2.52 (cont.) Obs 2.52 (cont.)


h 3 10 2 i
No exemplo considerado tem-se B = 1 1 8 . A matriz B vai ser O recetor da mensagem consegue descodifica-la multiplicando-a por A1
5 60
pre-multiplicada por uma outra matriz A. A matriz A deve verificar as da seguinte forma:
seguintes propriedades: os elementos de A sao numeros inteiros e
1 2 2 13 22 2 3 10 2
det(A) = 1. Da resulta que A1 = adj(A) e os elementos de A1
A1 AB = 0 1 0 1 1 8 = 1 1 8 .
tambem vao ser todos numerosh inteiros.
0 1 1 6 7 8 5 6 0
102
i
Seja a matriz A dada por A = 0 1 0 . Entao
011
A matriz de codificacao A pode ser construda a partir da matriz
1 0 2 3 10 2 13 22 2 identidade I , aplicando, sucessivamente, operacoes elementares do tipo I
AB = 0 1 0 1 1 8 = 1 1 8 , e do tipo III. A matriz assim obtida vai ter elementos inteiros, verifica
0 1 1 5 6 0 6 7 8 det(A) = det(I ) = 1 e A1 tambem vai ter elementos inteiros.
contem a mensagem codificada que deve ser enviada:

13, 1, 6, 22, 1, 7, 2, 8, 8.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 163 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 164

2 Determinantes Matriz adjunta 2 Determinantes English vocabulary

Exe 2.53 Obs 2.54


Na codificacao de uma mensagem, a i-esima letra do alfabeto e Some english vocabulary regarding Determinants
representada pelo natural i, i = 1, . . . , 26 (neste exerccio, o espaco determinante de uma matriz/determinant of a matrix
tambem nao e considerado). A mensagem foi transformada usando a
matriz adjunta/adjoint matrix
matriz

1 2 1
A= 1 3 1
2 2 1

e enviada como

45, 60, 47, 63, 82, 68, 44, 48, 65.

Qual e a mensagem?

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 165 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 166
2 Determinantes Solucoes 2 Determinantes Solucoes

Sol 2.8 Sol 2.25


det(A) = 17. x 6= y .

Sol 2.12 Sol 2.26


det(B) = 24, det(C ) = 0, det(D) = 8. x R \ {2, 1}.

Sol 2.13 Sol 2.27


D. det((AB 1 )T ) = 5.

Sol 2.14 Sol 2.30


B. B.
Sol 2.20 Sol 2.31
det(E ) = 8. B.

Sol 2.29 Sol 2.32


D. C.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 167 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 168

2 Determinantes Solucoes 2 Determinantes Solucoes

Sol 2.33 Sol 2.47


1 2
  1  1 2 
B. det(A) = 1, adj(A) = , A = 1 3 .
1 3  
 1 2  1 1 2

Sol 2.38 det(B) = 7, adj(B) = 3 1 , B = 3 1 . 7 7

 7 7 
det(A) = 3.  4 1  1 2
1
det(C ) = 10, adj(C ) = 2 3 , C = 51 103 .
"5 10 5 2 #
Sol 2.39 h 3 5 2 i 1 3 3
det(D) = 3, adj(D) = 0 1 1 , D 1 = 0 13 1
3 .
A. 6 8 5
2 3 53
8

Sol 2.45
h 1 1 Sol 2.49
0
i
(b) E 1 = 0 1 1 . 5 2
 
0 0 1 (a) X = 3 2 .
(b) det(AX T + DF ) = 1.
Sol 2.46
det(A) = 15, det(B ) = 1, det(C ) = 0, det(D) = 0, det(E ) = 1, Sol 2.53
det(F ) = 2. BOM ESTUDO.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 169 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 170
3 Sistemas de Equacoes Lineares 3 Sistemas de Equacoes Lineares Definicoes iniciais

Def 3.1
1 Matrizes
Jsistema de equacoes lineares, matriz dos coeficientes, vetor dos termos
independentes, vetor das incognitas, matriz aumentada ou matriz
2 Determinantes ampliada, conjunto solucaoK Sejam A = [aij ] Mmn (R) e
b = [bi ] Mm1 (R). Diz-se que (S) e um sistema de m equacoes
lineares com n incognitas x1 , x2 , . . . , xn R com matriz dos coeficientes
3 Sistemas de Equacoes Lineares A e vetor dos termos independentes b se (S) e o sistema

a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1
4 Espacos Vetoriais


a21 x1 + a22 x2 + a23 x3 + + a2n xn = b2

.. .. .. .. .. ..
. . . . . .
5 Transformacoes Lineares de Rn em Rm


am1 x1 + am2 x2 + am3 x3 + + amn xn = bm .

6 Valores e Vetores Proprios

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 171 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 172

3 Sistemas de Equacoes Lineares Definicoes iniciais 3 Sistemas de Equacoes Lineares Definicoes iniciais

Def 3.1 (cont.) Obs 3.2


Chama-se vetor das incognitas do sistema (S) a matriz coluna Note-se que o sistema (S) da definicao anterior pode ser escrito na forma
x = [xi ] Mn1 (R). Chama-se matriz aumentada ou matriz ampliada matricial
do sistema (S), que se representa por A|b, a matriz

x1
a11 a12 a13 a1n b1
a21 a22 a23 a2n x2 b2

a11 a12 a13 a1n b1
.. x3 = .. ,

a21 a22 a23 a2n b2 .. .. .. . .
. . . . . . .
.. . ..

.. .. .. . . ..
. . . . . . am1 am2 am3 amn bm
xn
am1 am2 am3 amn bm
ou, em notacao matricial, como Ax = b.
Chama-se conjunto solucao do sistema (S), que se representa por CS(S) ,
a
 x1 
def
CS(S) = {(x1 , . . . , xn ) R : A ... = b}.
n
xn

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 173 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 174
3 Sistemas de Equacoes Lineares Definicoes iniciais 3 Sistemas de Equacoes Lineares Definicoes iniciais

Exe 3.3 Def 3.5


De um exemplo de um sistema com duas equacoes lineares e com tres Jsistema homogeneoK Seja (S) o sistema de equacoes lineares Ax = b.
incognitas. Diz-se que (S) e um sistema homogeneo se b = 0.

Res
 Exe 3.6
x + 2y + z= 1 De um exemplo de um sistema homogeneo com duas equacoes e com
3x y z = 0. tres incognitas.

Obs 3.4 Res



Neste curso apenas se estudarao sistema de equacoes lineares, o que x + 2y + 2z = 0
implica que, por exemplo, o sistema 3x y + z = 0.

x + x sen(y ) = 1
x exp(y ) = 0,

que se diz um sistema de equacoes nao lineares, nao sera aqui tratado.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 175 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 176

3 Sistemas de Equacoes Lineares Definicoes iniciais 3 Sistemas de Equacoes Lineares Definicoes iniciais

Def 3.7 Def 3.9


Jsistema homogeneo associadoK Seja (S) o sistema de equacoes lineares Jcaracterstica de uma matrizK Seja A Mmn (R). Chama-se
Ax = b tal que b 6= 0. Chama-se sistema homogeneo associado ao caracterstica da matriz A, que se representa por car(A), ao numero de
sistema (S) ao sistema Ax = 0. linhas nao nulas de uma matriz em escada que seja equivalente a matriz
A.
Exe 3.8
Exe 3.10
Identifique o sistema homogeneo associado ao sistema de equacoes 1 11

lineares Determine a caracterstica da matriz A = 1 1 0 .

x + 2y = 1 Res
3x y = 0.
Atendendo a que
   
1 1 1 1 1 1
Res ,
 1 1 0 `2 `2 `1 0 2 1
x + 2y = 0
3x y = 0. car(A) = 2.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 177 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 178
3 Sistemas de Equacoes Lineares Definicoes iniciais 3 Sistemas de Equacoes Lineares Definicoes iniciais

Def 3.11 Teo 3.12


Seja (S) um sistema de equacoes lineares. Seja Ax = b um sistema de equacoes lineares com n incognitas. Entao:
(a) Jsistema possvelK Diz-se que (S) e um sistema possvel se
car(A) = car(A|b) : sistema possvel (Pos)
# CS(S) > 0.

car(A) = car(A|b) = n : sistema possvel e determinado (PD)

(b) Jsistema possvel e determinadoK Diz-se que (S) e um sistema car(A) = car(A|b) < n : sistema possvel e indeterminado (PI)
possvel e determinado se # CS(S) = 1.

car(A) < car(A|b) : sistema impossvel (Imp).

(c) Jsistema possvel e indeterminadoK Diz-se que (S) e um sistema
possvel e indeterminado se # CS(S) > 1.
(d) Jsistema impossvelK Diz-se que (S) e um sistema impossvel se Obs 3.13
# CS(S) = 0.
(a) Seja Ax = b um sistema de m equacoes lineares com n incognitas.
Entao, se n > m o sistema nao pode ser possvel e determinado.
(b) Seja Ax = b um sistema de n equacoes lineares com n incognitas, tal
que A e uma matriz invertvel. Entao, x = A1 b.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 179 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 180

3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Def 3.14 Res


Jvariavel pivo, variavel livreK Sejam Ax = b um sistema de equacoes
(a)
lineares e A0 fe(A). Se cj,A0 e uma coluna pivo, diz-se que xj e uma
variavel pivo. Caso contrario, diz-se que e uma variavel livre. 
1 2 2 1 3



1 2 2 1 3

.
1 2 0 1 1 `2 `2 `1 0 0 2 0 2
Exe 3.15 | {z }
fe(A|b)
Seja (S) o sistema de equacoes lineares cuja matriz dos coeficientes e
A = 11 22 20 11 e cujo vetor dos termos independentes e b = [ 31 ].

(b) Colunas pivo de (S): c1 e c3 .
x 
(a) Determine um elemento de fe(A|b). 1
(c) Seja x = xx23 o vetor das incognitas do sistema (S). Entao, x1 e x3
(b) Identifique as colunas pivo do sistema (S). x4

(c) Identifique as variaveis pivo e as variaveis livres do sistema (S). sao as variaveis pivo de (S) e x2 e x4 sao as variaveis livres de (S).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 181 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 182
3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Teo 3.16 Teo 3.16 (cont.)


Seja (S) o sistema de equacoes lineares cuja matriz dos coeficientes e
A Mmn (R), cujo vetor dos termos independentes e b Mm1 (R) e (b) (Metodo de Gauss-Jordan) No caso de (S) ser um sistema possvel,
cujo vetor das incognitas e x = [xi ] Mn1 (R). tem-se que:
(a) (Metodo de Gauss) Seja, ainda, A0 |b0 fe(A|b). No caso de (S) ser (
um sistema possvel, tem-se que: CS(S) = (x1 , . . . , xn ) Rn : se xi e uma variavel pivo,
(
n
(x1 , . . . , xn ) Rn : se xi e uma variavel pivo,
X
CS(S) = (fer(A|b))i,n+1 (fer(A|b))ij xj )
j=i+1
n entao xi = .
X (fer(A|b))ii
(A0 |b0 )i,n+1 (A0 |b0 )ij xj )
j=i+1
entao xi = .
(A |b0 )ii
0

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 183 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 184

3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Obs 3.17 Obs 3.17 (cont.)


(a) Algoritmo do Metodo de Gauss: comeca-se por determinar um (c) O metodo de Gauss e o metodo de Gauss-Jordan sao dois algoritmos
elemento pertencente ao conjunto das matrizes em escada para resolver sistemas de equacoes lineares. Assim, o conjunto
equivalentes a matriz ampliada do sistema. A partir desta matriz e solucao que se obtem atraves da aplicacao do metodo de Gauss a
imediato concluir se o sistema e possvel e determinado, caso em que qualquer sistema de equacoes lineares tem que ser igual ao que se
nao ha variaveis livres, possvel e indeterminado, caso em que se tem obtem atraves da aplicacao do metodo de Gauss-Jordan.
que identificar as variaveis livres, ou impossvel. No caso de ser
possvel, o seu conjunto solucao e obtido atraves do teorema (d) Um sistema de 2 equacoes lineares com 2 incognitas tem uma
Teo 3.16 (a). inerpretacao geometrica que se apresenta no exerccio seguinte.
(b) Algoritmo do Metodo de Gauss-Jordan: comeca-se por determinar a
matriz em escada reduzida equivalente a matriz ampliada do sistema.
A partir desta matriz e imediato concluir se o sistema e possvel e
determinado, caso em que nao ha variaveis livres, possvel e
indeterminado, caso em que se tem que identificar as variaveis livres,
ou impossvel. No caso de ser possvel, o seu conjunto solucao e
obtido atraves do teorema Teo 3.16 (b).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 185 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 186
3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Exe 3.18 Res

(a) De um exemplo de um sistema de duas equacoes lineares a duas (a) Seja (S1 ) o sistema de equacoes lineares cuja matriz dos coeficientes
e A = 11 11 e cujo vetor dos termos independentes e b = [ 10 ], i.e.,

incognitas possvel e determinado, resolva-o atraves do Metodo de
Gauss e faca a sua interpretacao geometrica. 
(b) De um exemplo de um sistema de duas equacoes lineares a duas x + y = 1
(S1 )
incognitas possvel e indeterminado, resolva-o atraves do Metodo de x y = 0.
Gauss e faca a sua interpretacao geometrica.
Resolucao de (S1 ) atraves do metodo de Gauss:
(c) De um exemplo de um sistema de duas equacoes lineares a duas
   
incognitas impossvel, resolva-o atraves do Metodo de Gauss e faca a 1 1 1 1 1 1
.
sua interpretacao geometrica. 1 1 0 `2 `2 `1 0 2 1

Como car(A) = car(A|b) = n = 2 (n e o numero de incognitas), (S1 )


e um sistema possvel e determinado equivalente ao sistema de
equacoes lineares

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 187 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 188

3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Res (cont.) Res (cont.)

y
x y =0
1 1
 
x + y = 1 x =1 2 = 2

2y = 1 y = 21
1
ou seja, 1
2

CS(S1 ) = {( 12 , 12 )}.
1 x
2 1
CS(S1 ) pode ser geometricamente interpretado como sendo os pontos
de interseccao das retas x + y = 1 e x y = 0, que neste caso e um x +y =1
so, conforme se ilustra na seguinte figura:

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 189 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 190
3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Res (cont.) Res (cont.)

(b) Seja (S2 ) o sistema de equacoes lineares cuja matriz dos coeficientes
e A = 2 2 e cujo vetor dos termos independentes e b = 21 ,
1 1
  

i.e., x + y = 1.

x + y = 1 Sendo y uma variavel livre, tem-se
(S2 )
2x 2y = 2. 
x =1
Resolucao de (S2 ) atraves do metodo de Gauss: y =R

ou seja,
   
1 1 1 1 1 1
.
2 2 2 `2 `2 + 2`1 0 0 0
CS(S2 ) = {(1 , ) : R}.
Como car(A) = car(A|b) = 1 < n = 2 (n e o numero de incognitas),
CS(S2 ) pode ser geometricamente interpretado como sendo os pontos
(S2 ) e um sistema possvel e indeterminado equivalente a equacao
de interseccao das retas x + y = 1 e 2x 2y = 2, que neste caso
linear
sao uma infinidade, conforme se ilustra na seguinte figura:

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 191 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 192

3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Res (cont.) Res (cont.)

(c) Seja (S3 ) o sistema de equacoes lineares cuja matriz dos coeficientes
y e A = [ 11 11 ] e cujo vetor dos termos independentes e b = [ 12 ], i.e.,

x + y = 1
(S3 )
1 x + y = 2.

Resolucao de (S3 ) atraves do metodo de Gauss:


   
x 1 1 1 1 1 1
1 .
1 1 2 `2 `2 `1 0 0 1
x + y = 1 2x 2y = 2
Como car(A) = 1 < car(A|b) = 2, (S3 ) e um sistema impossvel,
tendo-se

CS(S3 ) = .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 193 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 194
3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Res (cont.) Exe 3.19


Seja h(S) o sistema de equacoes lineares cuja matriz dos coeficientes e
CS(S3 ) pode ser geometricamente interpretado como sendo os pontos 1 1 1
i h 1i
A = 1 1 1 e o vetor dos termos independentes e b = 1 .
de interseccao das retas x + y = 1 e x + y = 2, que neste caso nao 01 2 3
existem, conforme se ilustra na seguinte figura: (a) Determine CS(S) atraves do metodo de Gauss.
(b) Determine CS(S) atraves do metodo de Gauss-Jordan.
y
(c) Comente os resultados obtidos nas duas alneas anteriores.

2
Res

1 (a) .

1 1 1 1 1 1 1 1
1 1 1 1 `2 `2 + `1 0 2 2 0
x
1 2
0 1 2 3 0 1 2 3
x +y =1 x +y =2
1 1 1 1
0 2 2 0
`3 `3 12 `2 0 0 3 3
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 195 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 196

3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Res (cont.) Res (cont.)

Como car(A) = car(A|b) = n = 3 (n e o numero de incognitas), (S) (b) Tendo em consideracao a alnea anterior, onde ja se determinou uma
e um sistema possvel e determinado equivalente ao sistema de matriz em escada equivalente a matriz ampliada do sistema e se
equacoes lineares concluiu que o sistema e possvel e determinado, tem-se:

x1 = 11+1

x1 + x2 x3 = 1 `1 `1 + `3

1 =1 1 1 1 1 1 1 1 1
0+21 0 2 2 0 `2 `2 + 2`3
2x2 2x3 = 0 x = =1 0 2 2 0
2 3 2
3x3 = 3 x3 = 3 = 1 0 0 3 3 `3 13 `3 0 0 1 1

1 1 0 2 `1 `1 `2

ou seja, 1 1 0 2
0 2 0 2 `2 12 `2 0 1 0 1
CS(S) = {(1, 1, 1)}. 0 0 1 1 0 0 1 1

1 0 0 1
0 1 0 1
0 0 1 1

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 197 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 198
3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Res (cont.) Exe 3.20


Seja (S) o sistema de equacoes lineares cuja matriz dos coeficientes e
Assim, (S) e um sistema equivalente ao sistema
A = [ 11 10 11 ] e o vetor dos termos independentes e b = [ 12 ].
(a) Determine CS(S) atraves do metodo de Gauss.

x1 = 1
x2 = 1 (b) Determine CS(S) atraves do metodo de Gauss-Jordan.
x3 = 1

(c) Comente os resultados obtidos nas duas alneas anteriores.
ou seja,
Res
CS(S) = {(1, 1, 1)}.
(a) .
   
(c) O conjunto solucao que se obteve atraves da aplicacao do metodo de 1 1 1 1 1 1 1 1
Gauss e igual ao que se obteve atraves da aplicacao do metodo de 1 0 1 2 `2 `2 `1 0 1 0 1
Gauss-Jordan, como tem que ser. Substituindo os valores
encontrados para as incognitas no sistema dado, tem-se Como car(A) = car(A|b) = 2 < n = 3 (n e o numero de incognitas),
1 + 1 1 = 1, 1 + 1 1 = 1 e 1 + 2 1 = 3, o que permite (S) e um sistema possvel e indeterminado equivalente ao sistema de
concluir que o conjunto solucao encontrado esta correto. equacoes lineares

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 199 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 200

3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Res (cont.) Res (cont.)

. (b) Tendo em consideracao a alnea anterior, onde ja se determinou uma


matriz em escada equivalente a matriz ampliada do sistema e se
 concluiu que o sistema e possvel e indeterminado, tem-se:
x + y + z = 1
y = 1.
   
1 1 1 1 1 1 1 1 `1 `1 `2
0 1 0 1 `2 `2 0 1 0 1
Sendo z uma variavel livre, tem-se  
1 0 1 2
x = 1 (1) = 2 0 1 0 1
y = 1

z =R Assim, (S) e um sistema equivalente ao sistema

ou seja, x + z = 2
y = 1.
CS(S) = {(2 , 1, ) : R}.
Sendo z uma variavel livre, tem-se

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 201 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 202
3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Res (cont.) Exe 3.21


Considere os seguintes sistemas de equacoes lineares:

x1 + x2 + x3 = 3 x1 + x2 + x3 = 3
x =2 (S1 ) x1 x2 = 0 (S3 ) x1 + x2 = 2
y = 1 x1 + x3 = 0. 2x1 + 2x2 + x3 = 1.

z =R

x1 + x2 = 2 x1 x2 + x3 = 1
(S2 ) x1 + x3 = 2 (S4 ) 2x1 + 2x2 2x3 = 2
ou seja,
2x1 + x2 + x3 = 4.

x1 + x2 x3 = 1.

CS(S) = {(2 , 1, ) : R}. Responda as seguintes questoes para cada um dos sistemas de equacoes lineares
dados:
(c) O conjunto solucao que se obteve atraves da aplicacao do metodo de (a) identifique a matriz dos coeficientes A, o vetor dos termos independentes b,
Gauss e igual ao que se obteve atraves da aplicacao do metodo de o vetor das incognitas x e a matriz ampliada A|b.
Gauss-Jordan, como tem que ser. Substituindo os valores (b) classifique o sistema quanto ao numero de solucoes e determine o seu
encontrados para as incognitas no sistema dado, tem-se conjunto solucao.
(2 ) + (1) + = 1 e (2 ) + = 2, o que permite concluir
(c) classifique o sistema homogeneo associado quanto ao numero de solucoes e
que o conjunto solucao encontrado esta correto.
determine o seu conjunto solucao.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 203 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 204

3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Exe 3.22 Exe 3.22 (cont.)


Resolva os seguintes sistemas de equacoes lineares atraves do metodo de
Gauss x + y + z + w = 0
 e de Gauss-Jordan:


2x y + z w = 5

x1 + 2x2 = 5 (S7 )
(S1 ) y w = 0
3x2 = 6.

x w = 2.


x1 + 2x2 = 1
(S2 )

0x2 = 2.
x + y + z + 2w = 1
2x y + z w = 1

(S8 )

x1 + 2x2 + 3x3 = 14 y + 3w = 1
(S3 )
4x2 + 5x3 = 23.

2x 2y + 2z w = 2.


x1 + x2 + x3 + x4 = 1
(S4 )
x2 + x4 = 1.

x1 + x2 + x3 = 0
(S5 )
x1 x2 x3 = 0.

x1 + x2 + x3 + x4 = 0
(S6 ) 2x1 + x2 x3 + 3x4 = 0
x1 2x2 + x3 + x4 = 0.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 205 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 206
3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Exe 3.24
Exe 3.23
Seja (S) o sistema de equacoes lineares cuja matriz dos coeficientes
 e
De exemplos de sistemas de m equacoes lineares a n incognitas possveis A = 31 62 e cujo vetor dos termos independentes e b = 124 . Entao:
 
e determinados, possveis e indeterminados e impossveis para m > n,
m = n e m < n, sempre que tal seja possvel. A CS(S) = {(4 2, ) : R}.
B CS(S) = {(4, ) : R}.
Res
C CS(S) = {(2, 1)}.
m>n m=n m<n
PD m = 2, n = 1 m = 1, n = 1 D CS(S) = {(, 4 ) : R}.

x =1 
x=1 Exe 3.25
2x=2
PI m Seja (S) o sistema de equacoes lineares cuja matriz dos coeficientes e
= 3, n = 2 m = 2, n = 2 m = 1, n = 2
x + y =1  A = [ 21 10 21 ] e cujo vetor dos termos independentes e b = [ 02 ]. Entao:
x + y =1 
2x+2y =2 x+y =1 A CS(S) = {(2, 4, 0)}.
2x+2y =2
3x+3y =3

B CS(S) = {(2 , 4, ) : R}.
Imp m =2, n = 1 m= 2, n = 2  m = 2, n = 3
x=1 x+y =1 x+y +z =1 C CS(S) = .
x=2 x+y =2 x+y +z =2 D CS(S) = {(2, 4, ) : R}.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 207 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 208

3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan

Exe 3.26 Exe 3.27


Seja h(S) o sistema de equacoes lineares cuja matriz dos coeficientes e Seja (S) o sistema linear Ax = b de n equacoes a n incognitas tal que
1 1 1
i h 1i
A = 1 1 1 e o vetor dos termos independentes e b = 1 . Entao, a c(A) = n. Entao:
01 2 3
resolucao de (S) atraves do Metodo de Gauss-Jordan envolve: A # CS(S) = 0.
A 0 operacoes elementares do tipo I, 2 do tipo II e 5 do tipo III. B # CS(S) = 1.
B 1 operacao elementares do tipo I, 2 do tipo II e 6 do tipo III. C # CS(S) = 2.
C 0 operacoes elementares do tipo I, 0 do tipo II e 7 do tipo III. D # CS(S) = .
D 0 operacoes elementares do tipo I, 1 do tipo II e 6 do tipo III.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 209 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 210
3 Sistemas de Equacoes Lineares Metodo de Gauss e metodo de Gauss-Jordan 3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares

Exe 3.28 Exe 3.29


Considere as seguintes proposicoes: Discuta o seguinte sistema de equacoes lineares em funcao dos
Um sistema homogeneo e sempre possvel. parametros reais e :
Um sistema com 5 equacoes e 10 incognitas pode ser possvel e
x1 + x2 + x3 x4 = 0
determinado.

2x1 + 2x3 =
A Sao ambas verdadeiras.
2x 1 + ( + 2)x2 + 2x3 x4 = 0
( + 1)x1 + 2x2 x4 = 0.

B Sao ambas falsas.
C Apenas a primeira e verdadeira.
D Apenas a segunda e verdadeira.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 211 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 212

3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares 3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares

Res Res (cont.)


1 1 1 1 0
1 1 1 1 0


2 0 2 0 `2 `2 2`1 0 2 0 2

2 + 2 2 1 0 `3 `3 2`1
0 0 0 +1


2
+1 2 0 1 0 `4 `4 ( + 1)`1 (1)
`3 `4
0 0 1 1 2
1 1 1 1 0
1 1 1 1 0

0 2 0 2
0 2 0 2
0 0 1 0 `3 `3 + 2 `2
0 0 1 (1)

1 2

0 1 1 0 `4 `4 + 1 2 `2
0 0 0 +1 2

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 213 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 214
3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares 3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares

Res (cont.) Exe 3.30


= 1: Discuta os seguintes sistemas de equacoes lineares Ax = b em funcao dos
respetivos parametros reais:
1 1 1

1 0 h1 1 i h 2i
0 2 0 2 (a) A = 3 4 2 , b = .


2 3 1 1
0 h 1 0 3 i h 3 i
0 0 1
(b) A = 2 k 1 , b = 2 .
0 0 0 0 2 h 11 22 k1 0 i h1 2 i
(c) A = 3 3 5 c , b = 3 .
6= 1: car(A) = 4, car(A|b) = 4 e n = 4 (numero de incognitas) h 01 32 2
20
i3 h1i t
car(A) = car(A|b) = n , pelo que o sistema e possvel e (d) A = 0 2 1 1 , b = 2 .
101a t
h 1 2 1i
determinado.
h1i
(e) A = 1 4 3 , b = 2 .
= 1 e = 0: car(A) = 3, car(A|b) = 3 e n = 4 (numero de 2 2 3
h 1 2 1i h0i
incognitas) car(A) = car(A|b) < n , pelo que o sistema e (f) A = 25 3 , b = 0 .
1 1 0
possvel e indeterminado.
= 1 e 6= 0: car(A) = 3 e car(A|b) = 4 car(A) < car(A|b)
, pelo que o sistema e impossvel.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 215 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 216

3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares 3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares

Exe 3.31 Exe 3.32


Seja h(S) o sistemai de equacoes lineares cuja matriz dos coeficientes e Seja (S) o sistema de equacoes lineares cuja matriz dos coeficientes e
21 0 1  3 1 0 1
A = 3 3 k1 5 , k1 R, e cujo vetor dos termos independentes e 3
A = 23 1 s 1 , s R, e cujo vetor dos termos independentes e
h 32 0i 3 2 0 4 0
b = 3 , k2 R. Entao:  21 
k2 1
b= 2
5
, t R. Entao:
A se k1 [0, 1] e k2 [0, 1] o sistema (S) e impossvel. t+ 2

B se k1 [1, 3] e k2 [1, 2] o sistema (S) e possvel e indeterminado. A se s [1, 2] e t [2, 4] o sistema (S) possvel e determinado.
C se k1 [1, 2] e k2 [2, 3] o sistema (S) e possvel e determinado. B se s = 4 e t = 2 o sistema (S) e impossvel.
D se k1 [0, 1] e k2 [0, 1] o sistema (S) e possvel e indeterminado. C se s [1, 2] e t = 2 o sistema (S) e possvel e determinado.
D se s [1, 2] e t [1, 2] o sistema (S) e possvel e indeterminado.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 217 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 218
3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares 3 Sistemas de Equacoes Lineares Discussao de sistemas de equacoes lineares

Exe 3.33 Exe 3.34


Seja (S) o sistema de equacoes lineares cuja matriz dos coeficientes e Seja h(S) o sistema de equacoes lineares cuja matriz dos coeficientes
h 1 ei
12 4
i
A = [ 2 1 ], R, e cujo vetor dos termos independentes e b = [ 21 ]. A= 01 0 e cujo vetor dos termos independentes e b = 2 ,
0 0 k1 1 2k2 +k1
Entao, (S) e um sistema possvel e determinado se e so se:
k1 , k2 R. Entao:
A R \ { 2}. A se k1 = 1, o sistema (S) e possvel e determinado.

B = 2. B se 2k2 + k1 = 0, o sistema (S) e possvel e indeterminado.

C R \ { 2, 2}. C se k1 [3, 4] e k2 = 1, o sistema (S) e impossvel.

D = 2 = 2. D se k1 = 1 e k2 [3, 4], o sistema (S) e impossvel.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 219 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 220

3 Sistemas de Equacoes Lineares Regra de Cramer 3 Sistemas de Equacoes Lineares Regra de Cramer

Teo 3.35 Exe 3.37


12
 
(Regra de Cramer) Seja Ax = b um sistema de n equacoes lineares com Seja (S) o sistema de equacoes lineares Ax = b, com A = 3 6 e
1
n incognitas possvel e determinado. Entao, x = |A| adj(A) b, ou seja, b = [ 12 ].
i (a) Mostre, sem o resolver, que (S) e um sistema possvel e determinado.
xi = |A| , i = 1, . . . , n, em que i e o determinante da matriz que se
obtem a partir da matriz A, na qual se substitui a i-esima coluna pelo (b) Determine o conjunto solucao de (S) atraves da Regra de Cramer.
vetor dos termos independentes, b.
Res
Obs 3.36
(a) Como det(A) = 1 6 2 (3) = 12 6= 0, car(A) = 2, car(A|b) = 2
(a) Seja (S) um sistema de n equacoes lineares com n incognitas cuja e n = 2 (numero de incognitas) car(A) = car(A|b) = n , pelo
matriz dos coeficientes e A. Entao, (S) e PD sse det(A) 6= 0. que (S) e um sistema possvel e determinado.
(b) Seja (S) um sistema de m equacoes lineares com n incognitas cuja (b) Seja x = [ xx12 ] o vetor das incognitas de (S). Entao:
matriz dos coeficientes e A. Entao, pode-se obter o seu conjunto
solucao atraves da Regra de Cramer se m = n e (S) e PD, ou seja, 1 2 1 1

se A e uma matriz quadrada e det(A) 6= 0. 2 6 2 1 3 2 5
x1 = = = , x2 = = , CS(S) = {( 61 , 12
5
)}.
1 2
12 6 1
2 12
3 6 3 6
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 221 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 222
3 Sistemas de Equacoes Lineares Regra de Cramer 3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas

Exe 3.38 Teo 3.40


Considere
 2o3 sistema de equacoes lineares (S) cuja matrizdoscoeficientes Seja A Mnn (R). Entao, A e uma matriz invertvel se e so se
e A = 5 7 e o vetor dos termos independentes e b = 2 . 1 car(A) = n.
(a) Mostre, sem o resolver, que o sistema de equacoes lineares dado e
possvel e determinado. Exe 3.41
(b) Resolva o sistema de equacoes lineares dado atraves da Regra de Indique quais das seguintes matrizes sao invertveis:
Cramer. h 1 0 1 i
(a) A = 20 0 . (d) D = [ 11 10 ].
1 1 0 h2 3 1i
Exe 3.39 1 2
(b) B = [ 2 4 ]. (e) E = 123 .
312
Considere
h 1 1o sistema de equacoes lineares (S) cuja matriz dos
h 9 icoeficientes
h 1 2 3 i h 2 3 5 i
2
i (c) C = 2 1 0 . (f) F = 1 0 1 .
e A = 2 4 3 e o vetor dos termos independentes e b = 1 . 4 2 5 022
3 6 5 0
(a) Mostre, sem o resolver, que o sistema de equacoes lineares dado e
possvel e determinado. Exe 3.42
(b) Resolva o sistema de equacoes lineares dado atraves da Regra de Determine,
h 1 1 ipor dois processos distintos, para que valores de a matriz
Cramer. A = 1 1 e invertvel.
1 1

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 223 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 224

3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas 3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas

Exe 3.43 Exe 3.44


Seja (S) o sistema de equacoes lineares dado por Seja (S) o sistema de equacoes lineares dado por

x1 + x2 + x3 = 1 x 2z = 1
x1 + 2ax2 + 2ax3 = 1 , a, b R. y bz = 1 , a, b R.
x1 + x2 + ax3 = b ax z = 2a

(a) Discuta (S) em funcao de dos parametros a e b. (a) Discuta (S) em funcao dos parametros a e b.
(b) Resolva (S) atraves da Regra de Cramer para a = 2 e b = 1. (b) Seja (S 0 ) o sistema homogeneo associado a (S) para a = 1
2 e b = 1.
Resolva-o.

Exe 3.45
Determine a equacao da parabola que passa nos pontos (1, 2), (1, 6) e
(2, 3).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 225 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 226
3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas 3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas

Exe 3.46 Obs 3.48


Seja (S) o sistema nao linear com incognitas reais , e dado por Nesta observacao vai-se apresentar uma aplicacao de Circuitos eletricos
envolvendo os conceitos introduzidos neste captulo por forma a
2 sen cos + 3 tan = 3 determinar a corrente em cada trecho de um circuito eletrico atraves das
4 sen + 2 cos 2 tan = 10 leis de Kirchhoff.
6 sen 3 cos + tan = 9.

Considere o seguinte circuito eletrico:
Mostre que, neste caso, e possvel concluir que (S) e impossvel 8V

recorrendo ao metodo de Gauss.


Exe 3.47 h1 1 0i i1 H 4
Considere a matriz A = 101 . 2
011
A B
(a) Calcule A1 . i2

(b) Mostre que o sistema Ax = b e possvel e determinado, qualquer que 3 2


seja o vetor dos termos independentes b M31 (R).
9V
(c) Usando a alnea (a), resolva o sistema Ax = b, em que
i3
b = [bi ] M31 (R), bi = i.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 227 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 228

3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas 3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas

Obs 3.48 (cont.) Obs 3.48 (cont.)


A bateria, medida em volt (V), gera uma carga que produz uma corrente. A diferenca de potencial eletrico U em cada resistor e dada pela lei de
A corrente sai da bateria do lado que contem a reta vertical mais longa. Ohm:
As resistencias sao medidas em ohm (). As letras maiusculas
representam os nos do circuito eletrico. A letra i representa a corrente U = iR,
entre os nos e as setas indicam o sentido de fluxo, mas se i for negativa,
onde i representa a corrente em ampere e R a resistencia em ohm.
entao a corrente flui no sentido oposto ao indicado. As correntes sao
Determine-se, agora, as correntes do circuito eletrico considerado. Da
medidas em ampere.
primeira lei de Kirchhoff obtem-se
Para determinar as correntes, recorre-se as leis de Kirchhoff :
(a) Em cada no, a soma das correntes que entram e igual a soma das i1 i2 + i3 = 0 (no A)
correntes que saem. i1 + i2 i3 = 0 (no B)
(b) Em cada ciclo fechado, a diferenca de potencial e zero.
Da segunda lei de Kirchhoff resulta que

4i1 + 2i2 = 8 (ciclo superior)


2i2 + 5i3 = 9 (ciclo inferior)

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 229 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 230
3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas 3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas

Obs 3.48 (cont.) Exe 3.49


Pode-se representar o circuito eletrico usando a seguinte matriz ampliada: Determine a corrente em cada um dos trechos do seguinte circuito
eletrico:
1 1 1 0 16V
i1
1 1 1 0
.
4 2 0 8
0 2 5 9 2

i2
Esta matriz pode ser reduzida a forma escada da seguinte forma: A B

2

1 1 1 0
2 4
0 1 3 3
i3
0 0 1 1

0 0 0 0 3

Resolvendo por substituicao de tras para a frente, obtem-se i1 = 1, i2 = 2


e i3 = 1.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 231 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 232

3 Sistemas de Equacoes Lineares Matrizes invertveis revisitadas 3 Sistemas de Equacoes Lineares Solucoes

Obs 3.50 Sol 3.21


h x1 i
Some english vocabulary regarding Linear Systems of Equations 1 11 1 113
h i h3i h i
(S1 ) (a) A = 1 1 0 , b = 0 , x = xx2 , A|b = 1 1 0 0 .
1 0 1 0 3 1 0 1 0
sistema de equacoes lineares/linear system of equations (b) PD. CSAx=b = {(1, 1, 1)}.
matriz dos coeficientes/coefficient matrix (c) PD. CSAx=0 = {(0, 0, 0)}.
h1 1 0i h2i h x1 i h1 1 0 2i
vetor dos termos independentes/right hand side vector (S2 ) (a) A = 1 0 1 , b = 2 , x = xx2 , A|b = 1 0 1 2 .
211 4 3 2114
vetor das incognitas/unknown vector (b) PI. CSAx=b = {(2 t, t, t) : t R}.
(c) PI. CSAx=0 = {(t, t, t) : t R}.
matriz aumentada ou matriz ampliada/augmented matrix h1 1 1i h3i h x1 i h1 1 1 3i
conjunto solucao/solution set (S3 ) (a) A = 1 1 0 , b = 2 , x = xx2 , A|b = 1 1 0 2 .
221 1 3 2211
(b) Imp. CSAx=b = .
sistema homogeneo/homogeneous system
(c) PI. CSAx=0 = {(s, s, 0) : s R}.
sistema possvel/consistent linear system h 1 1 1 i h 1i h x1 i h 1 1 1 1 i
(S4 ) (a) A = 2 2 2 , b = 2 , x = xx2 , A|b = 2 2 2 2 .
sistema possvel e determinado/independent linear system 1 1 1 1 3 1 1 1 1
(b) PI. CSAx=b = {(1 + s t, s, t) : s, t R}.
sistema possvel e indeterminado/dependent linear system (c) PI. CSAx=0 = {(s t, s, t) : s, t R}.
sistema impossvel/inconsistent linear system
caracterstica de uma matriz/rank of a matrix

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 233 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 234
3 Sistemas de Equacoes Lineares Solucoes 3 Sistemas de Equacoes Lineares Solucoes

Sol 3.22 Sol 3.24


A.
(S1 ) sistema PD com CS(S1 ) = {(1, 2)}.
(S2 ) sistema Imp, i.e., CS(S2 ) = . Sol 3.25
(S3 ) sistema PI com CS(S3 ) = {( 5
2 ,
235
4 , ) : R}. B.
(S4 ) sistema PI com CS(S4 ) = {(s, 1 t, s, t) : t, s R}.
Sol 3.26
(S5 ) sistema PI com CS(S5 ) = {(0, , ) : R}.
A.
(S6 ) sistema PI com CS(S6 ) = {( 43 , 0, 13 , ) : R}.
(S7 ) sistema PD com CS(S7 ) = {(1, 1, 1, 1)}. Sol 3.27
(S8 ) sistema PD com CS(S8 ) = {(0, 1, 0, 0)}. B.

Sol 3.28
C.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 235 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 236

3 Sistemas de Equacoes Lineares Solucoes 3 Sistemas de Equacoes Lineares Solucoes

Sol 3.30 Sol 3.34


(a) PD: 6= 3. PI: = 3. Imp: nunca. D.
(b) PD: k 6= 2 k 6= 5. PI: k = 2. Imp: k = 5. Sol 3.38
(c) PD: nunca. PI: c 6= 3 t = 3. Imp: c = 3 t 6= 3.
(b) CS(S) = {( 13 1
29 , 29 )}.
(d) PD: nunca. PI: a 6= 1 t = 1. Imp: a = 1 t 6= 1.
(e) PD: 6= 2. PI: nunca. Imp: = 2.
(f) PD: 6= 2. PI: = 2. Imp: nunca. Sol 3.39

(b) CS(S) = {(1, 2, 3)}.


Sol 3.31
D.
Sol 3.42
Sol 3.32 R \ {2, 1}.
D.
Sol 3.41
Sol 3.33
A, C , D e E .
C.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 237 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 238
3 Sistemas de Equacoes Lineares Solucoes 3 Sistemas de Equacoes Lineares Solucoes

Sol 3.43 Sol 3.47


h 1 1 1 i
(a) a = 1 e b = 1: sistema PI. a = 1 e b 6= 1: sistema Imp. a 6= 1 e (a) A1 = 1
2
1 1 1 .
1 1 1
a 6= 21 e b R: sistema PD. a = 12 e b R: sistema PI.
(c) CSAx=b = {(0, 1, 2)}.
(b) CS(S) = {(1, 0, 0)}.

Sol 3.49
Sol 3.44 i1 = 5A, i2 = 3A e i3 = 2A.
1 1
(a) Para a = 2 o sistema e Imp. Para a 6= 2 o sistema e PD.
(b) CS(S 0 ) = {(2, , ) : R}.

Sol 3.45
x 2 2x + 3.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 239 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 240

4 Espacos Vetoriais 4 Espacos Vetoriais Definicoes iniciais

Obs 4.1
1 Matrizes
Apresenta-se na definicao que se segue a generalizacao da nocao de
vetor entendido como uma entidade com um tamanho, um sentido e
2 Determinantes uma direccao. O estudo generico de um espaco vetorial permite-nos
estabelecer propriedades validas para um conjunto alargado de entidades
matematicas.
3 Sistemas de Equacoes Lineares

4 Espacos Vetoriais

5 Transformacoes Lineares de Rn em Rm

6 Valores e Vetores Proprios

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 241 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 242
4 Espacos Vetoriais Definicoes iniciais 4 Espacos Vetoriais Definicoes iniciais

Def 4.2 Def 4.3


Jespaco vetorialK Sejam V um conjunto nao vazio e as operacoes Seja o espaco vetorial definido por (V , , , R, +, ).

: V V V : RV V (a) JescalarK Chama-se escalares aos elementos de R.


(x, y ) 7 x y , (, x) 7 x. (b) JvetorK Chama-se vetores aos elementos de V .
(c) Jsoma de vetoresK Chama-se soma de vetores a operacao .
Diz-se que o sextuplo (V , , , R, +, ) e um espaco vetorial se:
(d) Jmultiplicacao de um escalar por um vetorK Chama-se multiplicacao
(a) x, y V [x y = y x]. de um escalar por um vetor a operacao .
(b) x, y , z V [(x y ) z = x (y z)].
(c) 1 elemento de V (representado por 0V ), x V [x 0V = x]. Obs 4.4
(d) x V , 1 elemento de V (representado por x) [x (x) = 0V ]. (a) Para simplificar a linguagem, em vez de seja o espaco vetorial
(e) R, x, y V [ (x y ) = x y ]. definido por (V , , , R, +, ) diz-se seja V um espaco vetorial
(f) , R, x V [( + ) x = x x]. quando as operacoes de soma de vetores e de multiplicacao de um
escalar por um vetor estiverem subentendidas.
(g) , R, x V [( ) x = ( x)].
(b) Se nao causar confusao, em vez de x y escreve-se x + y , em vez de
(h) x V [1 x = x].
x (y ) escreve-se x y e em vez de x escreve-se x.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 243 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 244

4 Espacos Vetoriais Definicoes iniciais 4 Espacos Vetoriais Definicoes iniciais

Def 4.5 Teo 4.8


JRn KSeja n N. Representa-se por Rn o conjunto dos n-tuplos com Seja V um espaco vetorial. Entao:
elementos em R, ou seja, (a) R [0V = 0V ].
n def
R = {(x1 , . . . , xn ) : x1 , . . . , xn R}. (b) x V [0x = 0V ].
(c) R, x V [(x) = ()x].
As operacoes usuais neste conjunto de soma e multiplicacao por um
escalar, sao dadas, respetivamente, por: (d) R, x V [()(x) = x].
def (e) R, x V [x = 0V ( = 0 x = 0V )].
(i) (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ).
def (f) , R, x V \ {0V } [x = x = ].
(ii) (x1 , . . . , xn ) = (x1 , . . . , xn ).
(g) x, x1 , x2 V [x1 + x = x2 x = x2 x1 ].
Teo 4.6 (h) x, x1 , x2 V [x + x1 = x + x2 x1 = x2 ].
Rn com as operacoes usuais e um espaco vetorial.

Obs 4.7
Considera-se neste curso apenas espacos vetoriais que sao subconjuntos
de Rn .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 245 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 246
4 Espacos Vetoriais Subespacos 4 Espacos Vetoriais Subespacos

Def 4.9 Exe 4.12


JsubespacoK Sejam o espaco vetorial (V , , , R, +, ) e F um Mostre que F = {(x1 , x2 ) R2 : x2 = 0} e um subespaco de R2 .
subconjunto nao-vazio de V . Diz-se que F e um subespaco de V se
(F , , , R, +, ) e um espaco vetorial. Res
Sendo F R2 , verifiquem-se as tres propriedades do teorema
Teo 4.10
Teo 4.10 :
Sejam V um espaco vetorial e F V . Entao, F e um subespaco de V se
(i) 0R2 = (0, 0) F , pelo que a propriedade (i) e valida.
e so se:
(ii) sejam x = (x1 , 0), y = (y1 , 0) F . Entao,
(i) 0V F .
x + y = (x1 , 0) + (y1 , 0) = (x1 + y1 , 0) F , pelo que a propriedade
(ii) x, y F [x + y F ]. (ii) e valida.
(iii) R, x F [x F ]. (iii) sejam R e x = (x1 , 0) F . Entao,
x = (x1 , 0) = (x1 , 0) F , pelo que a propriedade (iii) e valida.
Obs 4.11
Conclui-se, assim, que F e um subespaco de R2 .
Note-se que o teorema Teo 4.10 e um processo mais pratico de
verificar se um subconjunto de um espaco vetorial e um subespaco do
que a definicao Def 4.9 .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 247 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 248

4 Espacos Vetoriais Subespacos 4 Espacos Vetoriais Subespacos

Teo 4.13 Res (cont.)


Seja V um espaco vetorial. Entao: Para resolver este exerccio basta identificar uma das condicoes do
(a) {0V } e um subespaco de V . teorema Teo 4.10 que nao e satisfeita. No entanto, e por questoes
(b) V e um subespaco de V . didaticas, vao-se verificar as tres condicoes.
Sendo G R2 , verifiquem-se as tres propriedades do teorema
Teo 4.10 :
Exe 4.14
(i) 0R2 = (0, 0)
/ G , pelo que a propriedade (i) nao e valida.
Mostre que:
(ii) Sejam, por exemplo, x = (2, 1), y = (3, 1) G . Entao,
(a) {(x, y , z) R3 : x = y } e um subespaco de R3 .
x + y = (2, 1) + (3, 1) = (5, 2)
/ G , pelo que a propriedade (ii) nao
(b) {(0, x, 2x, 3x) : x R} e um subespaco de R4 . e valida.
(iii) Sejam, por exemplo, = 2 e x = (3, 1) G . Entao,
Exe 4.15 x = 2(3, 1) = (6, 2)
/ G , pelo que a propriedade (iii) nao e valida.
Mostre que G = {(x1 , x2 ) R2 : x2 = 1} nao e um subespaco de R2 . Como as propriedades (i), (ii) e (iii) do teorema Teo 4.10 nao sao
satisfeitas, conclui-se que o conjunto G nao e um subespaco de R2
(volta-se a frisar que basta uma propriedade do teorema Teo 4.10 nao
se verificar para se concluir que nao se esta perante um subespaco).
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 249 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 250
4 Espacos Vetoriais Subespacos 4 Espacos Vetoriais Subespacos

Exe 4.16 Teo 4.17


Mostre que: Seja A Mmn (R). Entao, CS(Ax=0) e um subespaco de Rn .
(a) {(x, x + 1) : x R} nao e um subespaco de R2 .
(b) {(x, y 2 ) : x, y R} nao e um subespaco de R2 . Dem
(c) {(x, |x|) : x R} nao e um subespaco de R2 . Para mostrar que CS(Ax=0) Rn e um subespaco de Rn , aplique-se o
(d) {(1, 0, 0, 0)} nao e um subespaco de R4 . teorema Teo 4.10 (no que se segue identifica-se Rn com Mn1 (R)):
(e) {(0, 0, 0, 0), (1, 0, 0, 0)} nao e um subespaco de R4 . (a) como A0n1 = 0, tem-se que 0Rn = 0n1 CS(Ax=0) , pelo que a
propriedade (a) e valida.
(b) sejam x1 , x2 CS(Ax=0) . Entao, como
A(x1 + x2 ) = Ax1 + Ax2 = 0 + 0 = 0, tem-se que
x1 + x2 CS(Ax=0) , pelo que a propriedade (b) e valida.
(c) sejam R e x CS(Ax=0) . Entao, como
A(x) = (Ax) = 0 = 0, tem-se que x CS(Ax=0) , pelo que a
propriedade (c) e valida.
Assim, conclui-se que CS(Ax=0) e um subespaco de Rn .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 251 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 252

4 Espacos Vetoriais Subespacos 4 Espacos Vetoriais Combinacao linear

Exe 4.18 Def 4.20


Indique qual das seguintes proposicoes e verdadeira: Jcombinacao linearK Sejam V um espaco vetorial, x V , k N e
A {(0, 0, a2 ) : a R} e um subespaco de R3 . X = {x1 , . . . , xk } V . Diz-se que x e uma combinacao linear dos
elementos de X se
B {(1, 1, 1)} e um subespaco de R3 .
C {(a, 0, a) : a R} e um subespaco de R3 . 1 , . . . , k R [x = 1 x1 + + k xk ].
D {(a, 1, a) : a R} e um subespaco de R3 .
Obs 4.21
Exe 4.19 Sejam V um espaco vetorial, x V , k N e X = {x1 , . . . , xk } V .
Indique qual das seguintes proposicoes e verdadeira: Diz-se que x e uma combinacao linear dos elementos de X se o sistema
A {(x, y , z) R3 : x = 1 y } e um subespaco de R3 . linear
B {(x, y , z) R3 : z = x + y } e um subespaco de R3 . 1 x1 + + k xk = x
C {(x, y , 0) R3 : x = y 2 } e um subespaco de R3 .
e possvel.
D {(x, y , 1) R3 : x = y } e um subespaco de R3 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 253 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 254
4 Espacos Vetoriais Combinacao linear 4 Espacos Vetoriais Combinacao linear

Exe 4.22 Res (cont.)


Sejam x = (1, 4), x1 = (1, 2), x2 = (1, 1) e x3 = (2, 2). 
+ = 1
(1, 4) = (1, 2) + (1, 1)
(a) Mostre que x = (1, 4) e uma combinacao linear de x1 = (1, 2) e x2 = (1, 1) 2 + = 4.
e escreva x como combinacao linear de x1 e de x2 .
Entao, como
(b) Mostre que x = (1, 4) e uma combinacao linear de x1 = (1, 2), x2 = (1, 1) e    
x3 = (2, 2) e escreva x como combinacao linear de x1 , de x2 e de x3 de duas 1 1 1 1 1 1
maneiras. 2 1 4 `2 `2 2`1 0 1 2

(c) Mostre que x = (1, 4) nao e uma combinacao linear de x2 = (1, 1) e a caracterstica da matriz dos coeficientes e igual a caracterstica da matriz
x3 = (2, 2). ampliada, pelo que o sistema (Sa ) e possvel, concluindo-se que x e uma
combinacao linear de x1 e x2 . Para escrever x como combinacao linear de x1
Res e x2 , resolve-se o sistema (Sa ), tendo-se

(a) Mostrar que x = (1, 4) e uma combinacao linear de x1 = (1, 2) e x2 = (1, 1) = 3
e, por definicao, mostrar que = 2,

vindo
, R [x = x1 + x2 ],
x = 3x1 2x2 .
i.e., que e possvel o sistema de equacoes lineares (Sa ) dado por
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 255 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 256

4 Espacos Vetoriais Combinacao linear 4 Espacos Vetoriais Combinacao linear

Res (cont.) Res (cont.)

(b) Mostrar que x = (1, 4) e uma combinacao linear de x1 = (1, 2), a caracterstica da matriz dos coeficientes e igual a caracterstica da
x2 = (1, 1) e x3 = (2, 2) e, por definicao, mostrar que matriz ampliada, pelo que o sistema (Sb ) e possvel, concluindo-se
que x e uma combinacao linear de x1 , x2 e x3 . Para escrever x como
, , R [x = x1 + x2 + x3 ], combinacao linear de x1 , x2 e x3 , resolve-se o sistema (Sb ), tendo-se

i.e., que e possvel o sistema de equacoes lineares (Sb ) dado por = 3
= 2 2a
(1, 4) = (1, 2) + (1, 1) + (2, 2)
= a R,

+ + 2 = 1 vindo
2 + + 2 = 4.
x = 3x1 + (2 2a)x2 + ax3 , a R.
Entao, como
    Assim, considerando, por exemplo, a = 0 e a = 1, tem-se
1 1 2 1 1 1 2 1
x = 3x1 2x2 ,
2 1 2 4 `2 `2 2`1 0 1 2 2
x = 3x1 4x2 + x3 .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 257 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 258
4 Espacos Vetoriais Combinacao linear 4 Espacos Vetoriais Combinacao linear

Res (cont.) Exe 4.23


Escreva, se possvel, o vetor v = (3, 3) R2 como combinacao linear dos
(c) Mostrar que x = (1, 4) nao e uma combinacao linear de x2 = (1, 1) e seguintes vetores de R2 , e interprete geometricamente os resultados
x3 = (2, 2) e equivalente a mostrar que e impossvel o sistema de obtidos:
equacoes lineares (Sc ) dado por
(a) v1 = (1, 1).

+ 2 = 1 (b) v1 = (1, 2).
(1, 4) = (1, 1) + (2, 2)
+ 2 = 4. (c) v1 = (1, 2), v2 = (4, 2).
Entao, como (d) v1 = (1, 1), v2 = (2, 2).
    (e) v1 = (1, 1), v2 = (1, 1).
1 2 1 1 2 1 (f) v1 = (1, 1), v2 = (0, 1), v3 = (2, 0).
1 2 4 `2 `2 `1 0 0 3

a caracterstica da matriz dos coeficientes e menor do que a


caracterstica da matriz ampliada, o sistema (Sc ) e impossvel,
concluindo-se que x nao e uma combinacao linear de x2 e x3 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 259 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 260

4 Espacos Vetoriais Combinacao linear 4 Espacos Vetoriais Espaco gerado

Exe 4.24 Def 4.26


Sejam u = (1, 2, 4), v = (2, 5, 6), w = (1, 1, 10), Jespaco gerado, L(X ), hx1 , . . . , xr iK Sejam V um espaco vetorial e
r = (1, 0, ) R3 . X = {x1 , . . . , xr } V . Chama-se espaco gerado pelo conjunto X , que se
(a) Escreva o vetor w como combinacao linear de u e v . representa por L(X ) ou por hx1 , . . . , xr i, ao conjunto de todas as
combinacoes lineares dos elementos de X , ou seja,
(b) Indique para que valores de o vetor r e uma combinacao linear de
u e v. def
L(X ) hx1 , . . . , xr i = {1 x1 + + r xr : 1 , . . . , r R}.
Exe 4.25
Indique qual das seguintes proposicoes e verdadeira: Exe 4.27
A (1, 0, 0) h(1, 0), (0, 0)i. Sejam a = (1, 2, 3), b = (3, 4, 2), c = (1, 8, 4),
B (1, 0, 0) h(2, 1, 0), (0, 1, 0)i. d = (9, 2, 5) R3 . Mostre que c ha, bi e d / ha, bi.
C (1, 0, 0) h(1, 2, 3), (2, 4, 6)i.
D (1, 0, 0) h(0, 0, 0), (0, 1, 1)i.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 261 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 262
4 Espacos Vetoriais Espaco gerado 4 Espacos Vetoriais Conjunto gerador

Teo 4.28 Def 4.30


Sejam V um espaco vetorial e X = {x1 , . . . , xr } U V . Entao: Jconjunto geradorK Sejam V um espaco vetorial e X = {x1 , . . . , xr } V .
(a) L(X ) e um subespaco de V . Diz-se que X e um conjunto gerador de V se V = L(X ).
(b) se U e um subespaco de V , entao L(X ) U.
Obs 4.31
Sejam V um espaco vetorial e X = {x1 , . . . , xr } V . Entao, X e um
Obs 4.29
conjunto gerador de V se
Sejam V um espaco vetorial e X = {x1 , . . . , xr } V . Entao:
(a) chama-se espaco gerado ao conjunto L(X ) devido a alnea (a) do x V , 1 , . . . , r R [x = 1 x1 + + r xr ],
teorema anterior.
i.e., se o sistema de equacoes lineares
(b) L(X ) e o menor subespaco de V que contem X no sentido da
alnea (b) do teorema anterior. 1 x1 + + r xr = x

e possvel qualquer que seja x V .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 263 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 264

4 Espacos Vetoriais Conjunto gerador 4 Espacos Vetoriais Conjunto gerador

Exe 4.32 Res

(a) Verifique se R2 = h(2, 0)i. (a) Verificar se R2 = h(2, 0)i e equivalente a verificar se, qualquer que
(b) Verifique se R2 = h(2, 0), (3, 4)i. seja x = (x1 , x2 ) R2 , e possvel o sistema de equacoes lineares (S1 )
dado por
(c) Verifique se R2 = h(2, 0), (3, 4), (0, 1)i.

2 = x1
(x1 , x2 ) = (2, 0)
0 = x2 .

Entao, como a representacao matricial do sistema (S1 ) e


 
2 x1
0 x2

que ja esta em escada, a caracterstica da matriz dos coeficientes e


menor do que a caracterstica da matriz ampliada se x2 6= 0, pelo que
o sistema (S1 ) nem sempre e possvel, concluindo-se que
R2 6= h(2, 0)i, i.e., {(2,0)} nao e um conjunto gerador de R2 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 265 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 266
4 Espacos Vetoriais Conjunto gerador 4 Espacos Vetoriais Conjunto gerador

Res (cont.)
Res (cont.)

(c) Verificar se R2 = h(2, 0), (3, 4), (0, 1)i e equivalente a verificar se, qualquer
(b) Verificar se R2 = h(2, 0), (3, 4)i e equivalente a verificar se, qualquer que
que seja x = (x1 , x2 ) R2 , e possvel o sistema de equacoes lineares (S3 )
seja x = (x1 , x2 ) R2 , e possvel o sistema de equacoes lineares (S2 ) dado
dado por
por
 (x1 , x2 ) = (2, 0) + (3, 4) + (0, 1)
2 + 3 = x1
(x1 , x2 ) = (2, 0) + (3, 4)
0 + 4 = x2 . 
2 + 3 + 0 = x1
0 + 4 + = x2 .
Entao, como a representacao matricial do sistema (S2 ) e
  Entao, como a representacao matricial do sistema (S3 ) e
2 3 x1  
0 4 x2 2 3 0 x1
0 4 1 x2
que ja esta em escada, a caracterstica da matriz dos coeficientes e igual a
caracterstica da matriz ampliada qualquer que seja x = (x1 , x2 ) R2 , pelo que ja esta em escada, a caracterstica da matriz dos coeficientes e igual a
que o sistema (S2 ) e sempre possvel, concluindo-se que caracterstica da matriz ampliada qualquer que seja x = (x1 , x2 ) R2 , pelo
R2 = h(2, 0), (3, 4)i, i.e., {(2,0),(3,4)} e um conjunto gerador de R2 . que o sistema (S3 ) e sempre possvel, concluindo-se que
R2 = h(2, 0), (3, 4), (0, 1)i, i.e., {(2, 0), (3, 4), (0, 1)} e um conjunto gerador
de R2 .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 267 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 268

4 Espacos Vetoriais Conjunto gerador 4 Espacos Vetoriais Conjunto gerador

Exe 4.33 Obs 4.35


Indique quais dos seguintes conjuntos de vetores sao conjuntos geradores
(a) Conjuntos geradores distintos podem gerar o mesmo espaco vetorial.
do espaco vetorial R2 :
(b) O teorema que se segue indica-nos um processo para simplificar
A = {(1, 0), (0, 1)} conjuntos geradores de subespacos de Rn atraves da eliminacao de
B = {(1, 2), (1, 0)} elementos redundantes.
C = {(1, 0), (0, 1), (1, 3)}
Teo 4.36
D = {(1, 2)}
Sejam V um subespaco de Rn e X = {x1 , . . . , xr } um conjunto gerador
E = {(1, 2), (2, 4), (1, 2)}
de V . Seja, ainda, A = [aij ] Mnr (R), com aij a i-esima componente
F = {(1, 1), (2, 2)} de xj . Entao, X 0 = {xk1 , . . . , xkp }, em que ck1 , . . . , ckp sao os colunas
pivo de B fe(A), tambem e um conjunto gerador de V .

Exe 4.34
Seja X = {(1, 0, ), (, , ), (1, 0, 0), (0, 0, 1)}, , R. X e um
conjunto gerador de R3 para que valores de e ?

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 269 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 270
4 Espacos Vetoriais Conjunto gerador 4 Espacos Vetoriais Independencia e dependencia lineares

Exe 4.37 Def 4.39


Indique um conjunto gerador de V = h(0, 0), (1, 2), (2, 4)i com o Sejam V um espaco vetorial e X = {x1 , . . . , xr } V .
numero mnimo de elementos. (a) Jconjunto linearmente independenteK Diz-se que X e um conjunto
linearmente independente se
Res
1 2
0 
Seja A = 0 2 4 . Entao, como 1 , . . . , r R [1 x1 + + r xr = 0V 1 = = r = 0].

(b) Jvetores linearmente independentesK Se X e um conjunto linearmente


   
0 1 2 0 1 2
= B fe(A), independente, os elementos de X dizem-se vetores linearmente
0 2 4 `2 `2 + 2`1 0 0 0
independentes.
c2 e a unica coluna de pivo de B, pelo que X 0 = {(1, 2)} e um (c) Jconjunto linearmente dependenteK Se X nao e um conjunto
conjunto gerador de V com o numero mnimo de elementos. linearmente independente, diz-se que X e um conjunto linearmente
dependente.
Exe 4.38
(d) Jvetores linearmente dependentesK Se X e um conjunto linearmente
Indique o numero mnimo de vetores geradores de dependente, os elementos de X dizem-se vetores linearmente
V = h(1, 3, 2), (1, 0, 2), (0, 1, 0), (2, 2, 4)i. dependentes.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 271 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 272

4 Espacos Vetoriais Independencia e dependencia lineares 4 Espacos Vetoriais Independencia e dependencia lineares

Obs 4.40 Teo 4.41


Sejam V um espaco vetorial e X = {x1 , . . . , xr } V . Seja, ainda, (S) o Sejam V um espaco vetorial e X = {x} V . Entao:
sistema de equacoes lineares 1 x1 + + r xr = 0V . (a) X e um conjunto linearmente independente se e so se x 6= 0V .
(a) (S) e sempre um sistema possvel, pois pelo menos admite a solucao (b) X e um conjunto linearmente dependente se e so se x = 0V .
trivial, ou seja, (0, . . . , 0) CS(s) .
(b) X e um conjunto linearmente independente se (S) e um sistema de Exe 4.42
equacoes lineares possvel e determinado, i.e., CS(s) = {(0, . . . , 0)}.
(c) X e um conjunto linearmente dependente se (S) e um sistema de (a) Indique, justificando, se X1 = {(2, 0)} e um conjunto linearmente
equacoes lineares possvel e indeterminado, ou seja, existe pelo independente ou linearmente dependente.
menos um i 6= 0, i = 1, . . . , r , tal que (b) Indique, justificando, se X2 = {(2, 0), (3, 4)} e um conjunto
linearmente independente ou linearmente dependente.
1 x1 + + r xr = 0V (c) Indique, justificando, se X3 = {(2, 1), (4, 2)} e um conjunto
linearmente independente ou linearmente dependente.
(d) Se V e um subespaco de Rn e r > n, entao (S) e um sistema de
equacoes lineares possvel e indeterminado pelo que X e um conjunto (d) Indique, justificando, se X4 = {(2, 0), (3, 4), (0, 1)} e um conjunto
linearmente dependente. linearmente independente ou linearmente dependente.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 273 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 274
4 Espacos Vetoriais Independencia e dependencia lineares 4 Espacos Vetoriais Independencia e dependencia lineares

Res Res (cont.)

(a) Como (2, 0) 6= (0, 0), X1 e um conjunto linearmente independente. (c) Como
(b) Como 
2 4 = 0
(2, 1) + (4, 2) = (0, 0)
(2, 0) + (3, 4) = (0, 0) + 2 = 0,

2 + 3 = 0

= 0, vem

0 + 4 = 0 = 0, 
2 4 0
 
2 4 0


,
conclui-se que X2 e um conjunto linearmente independente. 1 2 0 `2 `2 + 2`1 0 0 0

pelo que car( 12 42 ) = car( 12 42 00 ) = 1 < n = 2 (n e o numero


   

de incognitas), ou seja, o sistema e possvel e indeterminado. Assim,


X3 e um conjunto linearmente dependente.
(d) Como X4 R2 e #X4 = 3 > 2, X4 e um conjunto linearmente
dependente.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 275 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 276

4 Espacos Vetoriais Independencia e dependencia lineares 4 Espacos Vetoriais Independencia e dependencia lineares

Obs 4.43 Teo 4.45


O seguinte teorema justifica o facto da designacao vetores linearmente Sejam V um espaco vetorial e X e X subconjuntos de V .
independentes e vetores linearmente dependentes. (a) Se X e um conjunto linearmente dependente e X X , entao X
tambem e um conjunto linearmente dependente.
Teo 4.44
(b) Se X e um conjunto linearmente independente e X X , entao X
Sejam V um espaco vetorial e X = {x1 , . . . , xr } V com r 2. Entao: tambem e um conjunto linearmente independente.

(a) X e um conjunto linearmente dependente se e so se existe pelo


menos um elemento de X que e uma combinacao linear dos restantes
elementos de X .
(b) X e um conjunto linearmente independente se e so se nenhum dos
elementos de X for uma combinacao linear dos restantes elementos
de X .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 277 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 278
4 Espacos Vetoriais Independencia e dependencia lineares 4 Espacos Vetoriais Independencia e dependencia lineares

Exe 4.46 Exe 4.49


Indique quais dos seguintes conjuntos de vetores sao conjuntos Considere o espaco vetorial R3 e um seu subespaco
linearmente independentes: X = {(x1 , x2 , x3 ) R3 : x1 = x2 }. Determine dois vetores linearmente
(a) A = {(3, 1), (4, 2)} em R2 . independentes u e v de X e mostre que qualquer vetor w X e uma
(b) B = {(3, 1), (4, 2), (7, 2)} em R2 . combinacao linear de u e v .
(c) C = {(0, 3, 1), (2, 4, 1), (2, 8, 5)} em R3 .
Exe 4.50
(d) D = {(1, 2, 0, 2), (5, 0, 1, 1), (8, 6, 1, 5)} em R4 .
Sejam V um espaco vetorial e {v1 , v2 , v3 } um conjunto de vetores de V
linearmente independente. Mostre que os seguintes conjuntos tambem
Exe 4.47
sao linearmente independentes:
Indique para que valores do parametro real , os vetores a = (1, 2) e
(a) {v1 , v1 + v2 }.
b = (, 1) de R2 sao linearmente independentes.
(b) {2v1 , v1 + v2 , v1 + v3 }.
Exe 4.48 (c) {v1 + v2 , v1 + v3 , v2 + v3 }.
Sejam v1 = (1 , 1 , 1) e v2 = (2 , 2 , 0), 1 , 2 , 1 , 2 R. Indique
para que valores de 1 , 2 , 1 e 2 os vetores v1 e v2 serem linearmente
independentes.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 279 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 280

4 Espacos Vetoriais Base e base ordenada 4 Espacos Vetoriais Base e base ordenada

Def 4.51 Exe 4.53


JbaseK Sejam V um espaco vetorial e B = {b1 , . . . , br } V . Diz-se que
(a) Indique, justificando, se {(2, 0)} e uma base de R2 .
B e uma base de V se B e um conjunto gerador de V linearmente
independente. (b) Indique, justificando, se {(2, 0), (3, 4)} e uma base de R2 .
(c) Indique, justificando, se {(2, 0), (3, 4), (0, 1)} e uma base de R2 .
Obs 4.52
Sejam V um espaco vetorial e B = {b1 , . . . , br } V . Diz-se que B e Res
uma base de V se o sistema de equacoes lineares
(a) Atendendo ao exerccio Exe 4.32 (a), {(2, 0)} nao e um conjunto
1 b1 + + r br = x gerador de R2 , pelo que tambem nao e uma sua base.
(b) Atendendo aos exerccios Exe 4.32 (b) e Exe 4.42 (b),
e possvel e determinado qualquer que seja x V .
{(2, 0), (3, 4)} e um conjunto gerador de R2 linearmente
independente, pelo que e uma base de R2 .
(c) Atendendo ao exerccio Exe 4.42 (c), {(2, 0), (3, 4), (0, 1)} nao e
um conjunto linearmente independente, pelo que tambem nao e uma
base de R2 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 281 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 282
4 Espacos Vetoriais Base e base ordenada 4 Espacos Vetoriais Base e base ordenada

Exe 4.54 Exe 4.56


Averigue quais dos seguintes conjuntos de vetores sao bases de R2 : Considere o subespaco F = {(x, y , z, w ) R4 : x = z = w } de R4 .
(a) A = {(1, 1), (3, 0)}. Entao:
(b) B = {(1, 1), (0, 2), (2, 3)}. A {(1, 0, 1, 1), (0, 1, 0, 0)} e uma base de F .
(c) C = {(1, 1), (0, 8)}. B {(1, 1, 1, 1), (0, 1, 1, 0)} e uma base de F .
(d) D = {(1, 2), (2, 4)}. C {(1, 0, 1, 1), (0, 0, 1, 0)} e uma base de F .
D {(1, 0, 1, 1), (0, 1, 0, 1)} e uma base de F .
Exe 4.55
Indique para que valores de o conjunto {(, 6), (1, )} e uma base de Exe 4.57
R2 . Indique qual das seguintes proposicoes e verdadeira:
A {(1, 1, 0), (0, 0, 0)} e uma base de R2 .
B {(1, 1, 0), (0, 0, 1)} e uma base de R2 .
C {(1, 1), (0, 0)} e uma base de R2 .
D {(1, 1), (2, 3)} e uma base de R2 .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 283 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 284

4 Espacos Vetoriais Base e base ordenada 4 Espacos Vetoriais Base e base ordenada

Def 4.58 Def 4.60


Jbase ordenadaK Sejam V um espaco vetorial e B = (b1 , . . . , br ) V r . Jcoordenadas de um vetor numa base ordenadaK Sejam V um espaco
Diz-se que B e uma base ordenada de V se B = {b1 , . . . , br } e uma base vetorial, B = (b1 , . . . , br ) uma base ordenada de V , x V e
de V . 1 , . . . , r R tais que

Obs 4.59 x = 1 b1 + + r br .
O objetivo da definicao anterior e permitir distinguir entre ordenacoes
Chama-se coordenadas do vetor x relativamente a base ordenada B, que
diferentes dos seus elementos, situacao que nao acontece em conjuntos.
se representa por [x]B , a
Faz sentido, agora, a seguinte definicao:
def
[x]B = (1 , . . . , r ) Rr .

Obs 4.61
Como uma base e um conjunto linearmente independente, o sistema
linear que e necessario resolver para determinar as coordenadas de um
vetor numa base ordenada e sempre possvel e determinado, pelo que as
coordenadas de um vetor numa base ordenada sao unicas.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 285 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 286
4 Espacos Vetoriais Base e base ordenada 4 Espacos Vetoriais Base e base ordenada

Exe 4.62 Res (cont.)


Sejam x = (0, 2, 3) e as base ordenada de R3
dadas por
B1 = ((1, 0, 0), (0, 1, 0), (0, 0, 1)), B2 = ((0, 1, 0), (1, 0, 0), (0, 0, 1)) e (a) Para responder a questao, tem que se resolver o sistema
B3 = ((1, 1, 1), (0, 1, 1), (1, 0, 1)).
(1, 1, 1) + (0, 1, 1) + (1, 0, 1) = (0, 2, 3)
(a) Determine [x]B1 .

(b) Determine [x]B2 . + = 0
(c) Determine [x]B3 . + = 2
+ + = 3.

Res Recorra-se, agora, ao metodo de Gauss:

(a) Como (0, 2, 3) = 0(1, 0, 0) + 2(0, 1, 0) + 3(0, 0, 1), tem-se que


[x]B1 = (0, 2, 3).
(b) Como (0, 2, 3) = 2(0, 1, 0) + 0(1, 0, 0) + 3(0, 0, 1), tem-se que
[x]B2 = (2, 0, 3).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 287 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 288

4 Espacos Vetoriais Base e base ordenada 4 Espacos Vetoriais Base e base ordenada

Res (cont.) Exe 4.63


Seja B = ((1, 1, 1).(0, 1, 1).(1, 0, 1)) uma base ordenada de R3 .
Determine as coordenadas de z = (0, 1, 0) na base ordenada B.

1 0 1 0 1 0 1 0
1 1 0 2 `2 `2 `1 0 1 1 2
1 1 1 3 `3 `3 `1 0 1 0 3 Teo 4.64


1 0 1 0
Sejam V um espaco vetorial e o conjunto {x1 , . . . , xr } uma base de V .
0 1 1 2 , Entao, todas as bases de V tem r vetores.
`3 `3 `2 0 0 1 1
Exe 4.65
tendo-se Sejam z = (0, 1, 0) e B = ((1, 1, 1), (0, 1, 1), (1, 0, 1)) uma base ordenada
de R3 . Entao:
= 1,
= 3, A [z]B = (1, 1, 0).
= 1, B [z]B = (1, 0, 1).

C [z]B = (1, 1, 0).


pelo que (0, 2, 3) = (1, 1, 1) + 3(0, 1, 1) + (1, 0, 1), ou seja,
[x]B3 = (1, 3, 1). D [z]B = (1, 1, 1).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 289 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 290
4 Espacos Vetoriais Base e base ordenada 4 Espacos Vetoriais Dimensao de um espaco vetorial

Exe 4.66 Def 4.67


Sejam z = (1, 1, 0) e B = ((1, 0, 1), (0, 1, 1), (1, 0, 0)) uma base ordenada Jdimensao de um espaco vetorial de dimensao finita, dim(V )K Seja V um
de R3 . Entao: espaco vetorial tal que V = {0V } ou {x1 , . . . , xr } e uma base de V .
A [z]B = (1, 1, 2). (a) Se V = {0V }, diz-se que a dimensao de V e zero, escrevendo-se
B [z]B = (1, 1, 2). dim(V ) = 0.
(b) Se {x1 , . . . , xr } e uma base de V , diz-se que a dimensao de V e r ,
C [z]B = (1, 1, 2).
escrevendo-se dim(V ) = r .
D [z]B = (1, 1, 2).
(c) Diz-se ainda que V e um espaco vetorial de dimensao finita.

Obs 4.68
Note-se que a alnea (b) da definicao anterior faz sentido pois o teorema
que a precede garante que se {x1 , . . . , xr } e uma base de V , todas as
bases de V tem r elementos.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 291 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 292

4 Espacos Vetoriais Dimensao de um espaco vetorial 4 Espacos Vetoriais Dimensao de um espaco vetorial

Teo 4.69 Teo 4.70


Sejam V um espaco vetorial tal que dim(V ) = n e B um subconjunto de
(a) dim(R3 ) = 3 e {e1 , e2 , e3 } e {f1 , f2 , f3 } em que
V com n elementos.
e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1), (a) Se B e um conjunto linearmente independente, entao B e uma base
f1 = (1, 1, 0), f2 = (0, 1, 1), f3 = (1, 1, 1), de V .
(b) Se B e um conjunto gerador de V , entao B e uma base de V .
sao dois exemplos de bases de R3 (a primeira chama-se base
canonica de R3 ).
Teo 4.71
(b) dim(Rn ) = n.
Sejam V um espaco vetorial com dimensao finita e X um subespaco de
V . Entao:
(a) dim(X ) 6 dim(V ).
(b) dim(X ) = dim(V ) se e so se X = V .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 293 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 294
4 Espacos Vetoriais Dimensao de um espaco vetorial 4 Espacos Vetoriais Dimensao de um espaco vetorial

Def 4.72 Obs 4.74


Jespaco nulo de uma matrizK Seja A Mmn (R). Chama-se espaco nulo Seja A Mnn (R). Entao:
da matriz A, que se representa por N(A), ao conjunto solucao do sistema (a) {c1,A , . . . , cn,A } e um conjunto linearmente dependente se e so se
homogeneo cuja matriz dos coeficientes e a matriz A, ou seja, det(A) = 0.
def (b) {c1,A , . . . , cn,A } e um conjunto linearmente independente se e so se
N(A) = CS(Ax=0) . det(A) 6= 0.
(c) {`1,A , . . . , `n,A } e um conjunto linearmente dependente se e so se
Teo 4.73 det(A) = 0.
Seja A Mmn (R). Entao: (d) {`1,A , . . . , `n,A } e um conjunto linearmente independente se e so se
det(A) 6= 0.
(a) dim(h`1,A ; . . . ; `m,A i) = car(A).
(b) dim(hc1,A ; . . . ; cn,A i) = car(A). Exe 4.75
(c) dim(N(A)) e igual ao numero de variaveis livres do sistema Ax = 0. Determine o espaco nulo e a sua dimensao das seguintes matrizes:
(a) A = [ 12 02 ].
(b) B = [ 12 12 10 12 ].

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 295 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 296

4 Espacos Vetoriais Dimensao de um espaco vetorial 4 Espacos Vetoriais Dimensao de um espaco vetorial

Res Res (cont.)

(a) Seja (S) o sistema Ax = 0, x = [ xx12 ]. Entao:


x 
1
x2
(b) Seja (S) o sistema Bx = 0, x = x3 . Entao:
    x4
1 0 0 1 0 0
,    
2 2 0 `2 `2 2`1 0 2 0 1 1 1 1 0 1 1 1 1 0
,
2 2 0 2 0 `2 `2 2`1 0 0 2 0 0
tendo-se
 tendo-se
x1 = 0

x2 = 0, x1
= ,
x2 = R,

ou seja, x =0
3


x4 = R,
N(A) = {(0, 0)}.

Como o sistema (S) nao tem variaveis livres, tem-se que


dim(N(A)) = 0.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 297 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 298
4 Espacos Vetoriais Dimensao de um espaco vetorial 4 Espacos Vetoriais Dimensao de um espaco vetorial

Res (cont.) Obs 4.76


Seja V um espaco vetorial tal que dim(V ) = n. Entao:
ou seja,
(a) quaisquer m > n vetores de V sao linearmente dependentes.
N(B) = {( , , 0, ) : , R} (b) se C e um conjunto gerador de V , entao #C > n.
= {(1, 1, 0, 0) + (1, 0, 0, 1) : , R} (c) se C e um conjunto linearmente independente de V com n vetores,
= h(1, 1, 0, 0), (1, 0, 0, 1)i. entao C e um conjunto gerador de V .
(d) se C e um conjunto gerador de V com n vetores, entao C e um
Como o sistema (S) tem 2 variaveis livres, tem-se que conjunto linearmente independente.
dim(N(B)) = 2. (e) se C e um conjunto gerador de V e linearmente independente, entao
#C = n.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 299 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 300

4 Espacos Vetoriais Dimensao de um espaco vetorial 4 Espacos Vetoriais Dimensao de um espaco vetorial

Exe 4.77 Exe 4.79


Seja X = {(a, 0, a) : a R}. Entao, X e um subespaco de R3 em que: Seja F = {(x, y , z, w ) R4 : x = y 3z z = 2w }.
A dim(X ) = 0. (a) Mostre que F e um subespaco de R4 .
B dim(X ) = 1. (b) Determine uma base e a dimensao de F .
C dim(X ) = 2.
Exe 4.80
D dim(X ) = 3.
Seja F = {(a + b, a b + 2c, b, c) : a, b, c R}.
(a) Mostre que F e um subespaco de R4 .
Exe 4.78
(b) Determine uma base e a dimensao de F .
Indique qual das seguintes proposicoes e verdadeira:
A dim(R2 ) + dim(R5 ) = 2.
B dim(R2 ) + dim(R5 ) = 5.
C dim(R2 ) + dim(R5 ) = 7.
D dim(R2 ) + dim(R5 ) = 14.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 301 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 302
4 Espacos Vetoriais Dimensao de um espaco vetorial 4 Espacos Vetoriais Dimensao de um espaco vetorial

Exe 4.81 Exe 4.82


Sejam F = {(x, y , z) R3 : z = 0}, u1 = (0, 2, 0), u2 = (1, 0, 0) e Sejam V um espaco vetorial, v1 , v2 , v3 , v4 V , A = {v1 , v2 , v3 , v4 },
u3 = (1, 6, 0). B = {v1 } e {v1 , v2 } uma base de V .
(a) Mostre que F e um subespaco de R3 . (a) A e um conjunto gerador de V ?
(b) Verifique que F = hu1 , u2 , u3 i. (b) A e constitudo por vetores linearmente independentes?
(c) O conjunto {u1 , u2 , u3 } e uma base de F ? (c) B e um conjunto gerador de V ?
(d) Indique a dimensao de F . (d) B e constitudo por vetores linearmente independentes?
(e) Seja C um subconjunto de V que gera V . Que pode dizer sobre o
numero de vetores de C ?
(f) Seja D um subconjunto de V constitudo por vetores linearmente
independentes. Que pode dizer sobre o numero de vetores de D?
(g) Em que condicoes e que E = {v1 , v4 } e um conjunto gerador de V ?

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 303 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 304

4 Espacos Vetoriais Dimensao de um espaco vetorial 4 Espacos Vetoriais Dimensao de um espaco vetorial

Exe 4.83 Exe 4.84


Sejam V um espaco vetorial e u1 , u2 , u3 , u4 V tais que Sejam {v1 , v2 } uma base do espaco vetorial V e F um subespaco de V .
V = hu1 , u2 , u3 i, {u1 , u2 } e um conjunto linearmente independente, Entao:
u3 = 2u1 e u4 = u1 + u2 . Considere, ainda, as seguintes proposicoes: A {v1 , v2 } e uma base de F .
P1 : {u1 , u2 , u3 } e um conjunto linearmente independente. B dim(V ) = dim(F ).
P2 : {u3 } e um conjunto linearmente independente. C se v V , entao v F .
P3 : V = hu2 , u3 , u4 i.
D se v F , entao v V .
P4 : {u2 , u4 } e uma base de V .
P5 : dim(V ) = 3. Exe 4.85
Indique, justificando, as proposicoes verdadeiras. Seja X um espaco vetorial tal que X = hx1 , x2 i. Entao:
A dim(X ) = 2.
B X = R2 .
C x X , 1 , 2 R : x = 1 x1 + 2 x2 .
D {x1 , x2 } e uma base de X .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 305 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 306
4 Espacos Vetoriais Dimensao de um espaco vetorial 4 Espacos Vetoriais Dimensao de um espaco vetorial

Exe 4.86 Obs 4.88


Considere os seguintes vetores de R3 :
u = (1, 2, 0), v = (2, 0, 1), Some english vocabulary regarding Vector Spaces
w = (1, 1, 1), x = (0, 0, 0) e y = (2, 4, 0). Entao: espaco vetorial/vector space
A v , w e x sao vetores linearmente independentes. subespaco/subspace
B R3 = hw , x, y i. combinacao linear/linear combination
C {u, w , y } e uma base de R3 . espaco gerado/span
D u e uma combinacao linear de x e y . conjunto linearmente independente/linearly independent set
conjunto linearmente dependente/linearly dependent set
Exe 4.87 base/basis
Seja V um espaco vetorial tal que V = hv1 , v2 i. Entao: base ordenada/ordered basis
A dim(V ) 6 2. dimensao de um espaco vetorial/dimension of a vector space
B dim(V ) < 2.
C dim(V ) > 2.
D dim(V ) > 2.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 307 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 308

4 Espacos Vetoriais Solucoes 4 Espacos Vetoriais Solucoes

Sol 4.18 Sol 4.24


C.
(a) w = 7u 3v .
Sol 4.19 (b) = 8.
B.
Sol 4.25
Sol 4.23
B.
(a) v = 3v1 .
Sol 4.33
(b) v nao e uma combinacao linear de v1 .
A, B e C .
(c) v = v1 + 21 v2 .
(d) v = (3 2)v1 + v2 , R. Sol 4.34
(e) v nao e uma combinacao linear de v1 e v2 . R, R \ {0}.
(f) v = (3 2)v1 + (6 2)v2 + v3 , R.
Sol 4.38
2.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 309 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 310
4 Espacos Vetoriais Solucoes 4 Espacos Vetoriais Solucoes

Sol 4.46 Sol 4.57


A e C. D.

Sol 4.47 Sol 4.63


R\ { 12 }. [z]B = (1, 0, 1).

Sol 4.48 Sol 4.65


1 R 1 R (2 R \ {0} 2 R \ {0}). B.

Sol 4.54 Sol 4.66


A e C. D.

Sol 4.55 Sol 4.77



R \ { 6, 6}. B.

Sol 4.56 Sol 4.78


A. C.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 311 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 312

4 Espacos Vetoriais Solucoes 4 Espacos Vetoriais Solucoes

Sol 4.79 Sol 4.82

(b) Por exemplo, o conjunto {(1, 1, 0, 0), (6, 0, 2, 1)} e uma base de F (a) Sim.
e dim(F ) = 2. (b) Nao.
(c) Nao.
Sol 4.80 (d) Sim.
(b) Por exemplo, o conjunto {(1, 1, 0, 0), (1, 1, 1, 0), (0, 2, 0, 1)} e uma (e) #C > 2.
base de F e dim(F ) = 3. (f) #D 6 2.
(g) E e um conjunto gerador de V se e so se v1 e v4 forem vetores
Sol 4.81 linearmente independentes.

(c) Nao. Sol 4.83


(d) dim(F ) = 2. P2 , P3 e P4 .

Sol 4.84
D.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 313 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 314
4 Espacos Vetoriais Solucoes 5 Transformacoes Lineares de Rn em Rm

Sol 4.85
1 Matrizes
C.

Sol 4.86 2 Determinantes


D.

Sol 4.87 3 Sistemas de Equacoes Lineares


A.
4 Espacos Vetoriais

5 Transformacoes Lineares de Rn em Rm

6 Valores e Vetores Proprios

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 315 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 316

5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Obs 5.1 Exe 5.4


Comeca-se este captulo por rever algumas definicoes sobre funcoes, pois
(a) Considere a funcao F : {a, b, c} {a, z}, a 7 a, b 7 z, c 7 z.
o seu objeto de estudo e um caso particular de funcoes as
Indique a imagem de b por F .
transformacoes lineares de Rn em Rm .
(b) Considere a funcao : R R, (x) = x 2 . Indique a imagem de 2
Def 5.2 por .
Jfuncao, imagem de um elemento atraves de uma funcao, domnio de
uma funcao, conjunto de chegada de uma funcaoK Sejam A e B Res
conjuntos e x A. Diz-se que f e uma funcao de A em B se associa a
cada elemento de A um e so um elemento de B, representando-se por (a) F (b) = z.
f (x) a imagem de x por f . Chama-se domnio de f a A e conjunto de (b) (2) = 4.
chegada de f a B.

Obs 5.3
Sejam f uma funcao cujo domnio e Rn e x = (x1 , . . . , xn ) Rn . Entao,
a imagem de x por f , alem de se representar por f (x), tambem e
habitual representar-se por f (x1 , . . . , xn ).
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 317 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 318
5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Def 5.6
Exe 5.5
Jcomposicao de funcoesK Sejam A, B e C conjuntos, f uma funcao de A
Considere a funcao T : R2 R3 , T (x, y ) = (x y , 0, x). Calcule:
em B e g uma funcao de B em C . Chama-se composicao de f com g ,
que se representa por g f e que se le g apos f , a funcao
(a) T (2, 1). (c) T (y , x).
(b) T (y , 1). (d) T (x + 2y , 2y x). g f : A C
x 7 g (f (x)).

Res
Exe 5.7
(a) T (2, 1) = (1, 0, 2). Considere as seguintes funcoes:
(b) T (y , 1) = (y 1, 0, y ).
F1 : {a, b} {, , }, a 7 , b 7 .
(c) T (y , x) = (y x, 0, y ).
F2 : {, , } {1, 2, 3, 4}, 7 3, 7 1, 7 1.
(d) T (x + 2y , 2y x) = (2x, 0, x + 2y ).
Determine F2 F1 .
Res
F2 F1 : {a, b} {1, 2, 3, 4}, a 7 1, b 7 1.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 319 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 320

5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Exe 5.8 Exe 5.9


Considere as seguintes funcoes: Considere as seguintes funcoes:

f1 : R R, f1 (x) = x 2 . f1 : R R, f1 (x) = x 2 .
f2 : R R2 , f2 (x) = (0, 3x). f2 : R R, f2 (x) = 2x.
2
f3 : R R, f3 (x, y ) = x + 2y . f3 : R R, f3 (x) = x + 1.
f4 : R3 R2 , f4 (x, y , z) = (x, 0). Determine:
f5 : R Mnn (R), f5 (x) = xIn . (a) f1 f2 .
(b) f2 f1 .
Mostre que: (c) f3 (f2 f1 ).
(a) f3 (f2 (f1 (2))) = 24. (d) (f3 f2 ) f1 .
(b) f2 (f4 (1, 1, 1)) = (0, 3).
(c) tr(f5 (2)) = 2n.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 321 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 322
5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Res Obs 5.12


A composicao de funcoes e associativa mas nao e comutativa.
(a) f1 f2 : R R, (f1 f2 )(x) = 4x 2 .
(b) f2 f1 : R R, (f2 f1 )(x) = 2x 2 . Obs 5.13
(c) f3 (f2 f1 ) : R R, (f3 (f2 f1 ))(x) = 2x 2 + 1. No caso do domnio e do conjunto de chegada de duas funcoes serem Rn
(d) (f3 f2 ) f1 : R R, ((f3 f2 ) f1 )(x) = 2x 2 + 1. e Rm , respetivamente, pode definir-se a soma dessas duas funcoes
atraves da seguinte definicao (que se podia generalizar a domnios e
conjuntos de chegada mais gerais, mas essa generalizacao nao e relevante
Obs 5.10
para este curso):
No exerccio anterior, tera sido coincidencia f3 (f2 f1 ) = (f3 f2 ) f1 ?
O teorema que se segue diz que nao. Def 5.14
Jsoma de funcoesK Sejam f e g funcoes de Rn em Rm . Chama-se soma
Teo 5.11
de f e g , que se representa por f + g , a funcao
Sejam A, B, C e D conjuntos, f uma funcao de A em B, g uma funcao
de B em C e h uma funcao de C em D. Entao, h (g f ) = (h g ) f . f + g : Rn Rm
x 7 f (x) + g (x).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 323 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 324

5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Exe 5.15 Def 5.17


Considere as seguintes funcoes: Jproduto (ou multiplicacao) de uma funcao por um escalarK Sejam f uma
funcao de Rn em Rm e R. Chama-se produto (ou multiplicacao) de
F : R R, F (x) = x 2 . por f , que se representa por f , a funcao
G : R R, G (x) = 2x.
f : Rn Rm
Determine F + G . x 7 f (x).

Res
Exe 5.18
F + G : R R, (F + G )(x) = x 2 + 2x.
Considere a funcao
Obs 5.16
F : R2 R3 , F (x, y ) = (x 2 , 0, |y |).
No caso do domnio e do conjunto de chegada de uma funcao serem Rn e
Rm , respetivamente, pode definir-se o produto (ou multiplicacao) dessa Determine 3F .
funcao por um escalar atraves da seguinte definicao (que se podia
generalizar a domnios e conjuntos de chegada mais gerais, mas essa Res
generalizacao nao e relevante para este curso): 3F : R2 R3 , (3F )(x, y ) = (3x 2 , 0, 3|y |).
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 325 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 326
5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Def 5.19 Exe 5.21


Seja T : R2 R3 , T (x1 , x2 ) = (x2 , 0, x1 + x2 ). Mostre que T e uma
(a) Jtransformacao linear ou homomorfismoK Seja T uma funcao de Rn
em Rm . Diz-se que T e uma transformacao linear ou um transformacao linear de R2 em R3 .
homomorfismo de Rn em Rm se
Res
(i) x, y Rn [T (x + y ) = T (x) + T (y )] e
(ii) x Rn , R [T (x) = T (x)]. (i) x, y R2 [T (x + y ) = T (x) + T (y )].
(b) JL(Rn , Rm )K Representa-se por L(Rn , Rm ) o conjunto de todas as Sejam x = (x1 , x2 ) e y = (y1 , y2 ). Entao:
transformacoes lineares de Rn em Rm .
T (x + y ) = T ((x1 , x2 ) + (y1 , y2 ))
= T (x1 + y1 , x2 + y2 )
Obs 5.20
= (x2 + y2 , 0, x1 + y1 + x2 + y2 ). (i.1)
A definicao anterior pode generalizar-se ao caso de funcoes em que o
T (x) + T (y ) = T (x1 , x2 ) + T (y1 , y2 )
domnio e o conjunto de chegada sao espacos vetoriais quaisquer. No
entanto, e como indica o nome do captulo, este curso apenas abordara = (x2 , 0, x1 + x2 ) + (y2 , 0, y1 + y2 )
transformacoes lineares de Rn em Rm . = (x2 + y2 , 0, x1 + y1 + x2 + y2 ). (i.2)

Como as expressoes (i.1) e (i.2) sao iguais, conclui-se que a condicao (i)
e valida.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 327 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 328

5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Res (cont.) Obs 5.22


Seja f uma funcao de Rn em Rm . Entao, f nao e uma transformacao
(ii) x R2 , R [T (x) = T (x)]. linear de Rn em Rm se
Seja x = (x1 , x2 ). Entao:
(i) x, y Rn [f (x + y ) 6= f (x) + f (y )] ou
T (x) = T ((x1 , x2 )) (ii) x Rn , R [f (x) 6= f (x)].
= T (x1 , x2 ) Assim, ha tres tipos de funcoes de Rn em Rm que nao sao
= (x2 , 0, x1 + x2 ). (ii.1) transformacoes lineares de Rn em Rm :
T (x) = T (x1 , x2 ) a condicao (i) da definicao Def 5.19 (a) e verdadeira, mas a
condicao (ii) e falsa.
= (x2 , 0, x1 + x2 )
a condicao (ii) da definicao Def 5.19 (a) e verdadeira, mas a
= (x2 , 0, x1 + x2 ). (ii.2)
condicao (i) e falsa.
Como as expressoes (ii.1) e (ii.2) sao iguais, conclui-se que a as condicoes (i) e (ii) da definicao Def 5.19 (a) sao ambas falsas.
condicao (ii) e valida.
Como as condicoes (i) e (ii) sao validas, conclui-se que T e uma
transformacao linear de R2 em R3 .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 329 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 330
5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Exe 5.23 Obs 5.24


Seja f : R2
R3 ,
f (x1 , x2 ) = (x2 , 1, x1 + x2 ). Mostre que f nao e uma A funcao do exemplo anterior e um dos casos em que ambas as condicoes
transformacao linear R2 em R3 . (i) e (ii) da definicao Def 5.19 (a) sao falsas. Assim, outra possvel
resolucao do exerccio anterior e mostrar que a condicao (ii) e falsa
Res atraves de um contraexemplo, ou seja, considerando, por exemplo, = 0
Sejam, por exemplo, x = (0, 0) e y = (1, 0). Entao: e x = (1, 0). Entao:

f (x + y ) = f ((0, 0) + (1, 0)) f (x) = f (0(1, 0))


= f (1, 0) = f (0, 0)
= (0, 1, 1) (i.1) = (0, 1, 0) (ii.1)
f (x) + f (y ) = f (0, 0) + f (1, 0) f (x) = 0f (1, 0)
= (0, 1, 0) + (0, 1, 1) = 0(0, 1, 1)
= (0, 2, 1) (i.2) = (0, 0, 0) (ii.2)

Como as expressoes (i.1) e (i.2) sao diferentes, conclui-se que a condicao Assim, como as expressoes (ii.1) e (i.2) sao diferentes, conclui-se que a
(i) da definicao Def 5.19 (a) nao e valida, pelo que f nao e uma condicao (ii) da definicao Def 5.19 (a) nao e valida, pelo que f nao e
transformacao linear R2 em R3 . uma transformacao linear R em R3 .
2
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 331 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 332

5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Teo 5.25 Exe 5.27


T L(Rn , Rm ) se e so se Indique quais das seguintes funcoes sao transformacoes lineares de R2 em
R3 :
x, y Rn , , R [T (x + y ) = T (x) + T (y )].
T1 : R2 R3 , T1 (x, y ) = (0, x, 0).
T2 : R2 R3 , T2 (x, y ) = (0, 0, |x y |).
Obs 5.26
T3 : R2 R3 , T3 (x1 , x2 ) = (x2 , 0, x1 ).
O teorema anterior indica um processo alternativo a definicao
Def 5.19 de verificar se uma funcao e uma transformacao linear. T4 : R2 R3 , T4 (x1 , x2 ) = (x12 , 0, 0).

Exe 5.28
Sejam , R. Determine a relacao entre e de modo que a funcao
T definida por T : R R2 , T (x) = (x + 2, x), seja uma
transformacao linear de R em R2 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 333 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 334
5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Exe 5.29 Def 5.31


Indique qual das seguintes proposicoes e verdadeira:
(a) JendomorfismoK Chama-se endomorfismo em Rn a uma
A f : R2 R, f (x, y ) = |x| e uma transformacao linear. transformacao linear de Rn em Rn .
B g : R2 R, g (x, y ) = (x + y )2 e uma transformacao linear. (b) JL(Rn )K Representa-se por L(Rn ) o conjunto de todos os
C h : R2 R, h(x, y ) = 1 e uma transformacao linear. endomorfismos em Rn .
D i : R2 R, i(x, y ) = x + y e uma transformacao linear. Exe 5.32
Indique o valor logico das seguintes proposicoes:
Exe 5.30
(a) f : R2 R2 , f (x1 , x2 ) = (|x2 |, 0) e um endomorfismo em R2 .
Indique qual das seguintes proposicoes e verdadeira: (b) g : R2 R3 , g (x1 , x2 ) = (x2 , 0, x1 + x2 ) e um endomorfismo em R3 .
A f : R R2 , f (x) = (x, 0) e uma transformacao linear. (c) h : R2 R2 , h(x1 , x2 ) = (0, 0) e um endomorfismo em R2 .
B g : R R2 , g (x) = (x, 1) e uma transformacao linear.
C h : R R2 , h(x) = (x, 2) e uma transformacao linear. Res
D i : R R2 , i(x) = (x, 3) e uma transformacao linear. As proposicoes (a) e (b) sao falsas e a proposicao (c) e verdadeira.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 335 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 336

5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Definicoes iniciais

Exe 5.33 Teo 5.34


Identifique geometricamente os seguintes endomorfismos em R2 :
Seja T L(Rn , Rm ). Entao:
(a) T1 (x, y ) = (x, y ).
(a) T (0Rn ) = 0Rm .
(b) T2 (x, y ) = (x, y ).
(b) x Rn [T (x) = T (x)].
(c) T3 (x, y ) = (y , x).
(d) T4 (x, y ) = (x, y ).
(c) x, y Rn [T (x y ) = T (x) T (y )].
(e) T5 (x, y ) = (x, 0).
(f) T6 (x, y ) = (0, y ). Obs 5.35
(g) T7 (x, y ) = (x cos y sen , x sen + y cos ), [0, 2[. O teorema anterior permite concluir que se T (0Rn ) 6= 0Rm ou
(h) T8 (x, y ) = (kx, ky ), k ]0, 1[. x Rn [T (x) 6= T (x)] ou x, y Rn [T (x y ) 6= T (x) T (y )],
entao T nao e uma transformacao linear. Note-se, ainda, que ha funcoes
(i) T9 (x, y ) = (kx, ky ), k ]1, +[.
em que T (0Rn ) = 0Rm , x Rn [T (x) = T (x)] e
(j) T10 (x, y ) = (kx, y ), k R+ .
x, y Rn [T (x y ) = T (x) T (y )] e que nao sao transformacoes
(k) T11 (x, y ) = (x, ky ), k R+ .
lineares de Rn em Rm .
(l) T12 (x, y ) = (x + ky , y ), k R+ .
(m) T13 (x, y ) = (x, kx + y ), k R+ .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 337 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 338
5 Transformacoes Lineares de Rn em Rm Definicoes iniciais 5 Transformacoes Lineares de Rn em Rm Matriz de uma transformacao linear de Rn em Rm

Exe 5.36 Obs 5.38


Seja g : R2 R3 ,
g (a, b) = (a, 1, a + 2b). Mostre que g nao e uma Sejam T L(Rn , Rm ), C = (v1 , . . . , vn ) uma base ordenada de Rn ,
transformacao linear. C 0 = (v10 , . . . , vm
0 ) uma base ordenada de Rm e v Rn . Entao,

Res 1 1 , . . . , n R [v = 1 v1 + + n vn ],
Como g (0R2 ) = g (0, 0) = (0, 1, 0) 6= (0, 0, 0) = 0R3 , conclui-se que g nao 1 a11 , . . . , am1 R [T (v1 ) = a11 v10 + + am1 vm
0
],
e uma transformacao linear. ..
.
Exe 5.37 1 a1n , . . . , amn R [T (vn ) = a1n v10 + + amn vm
0
].
Justifique que as funcoes T2 e T4 de do exerccio Exe 5.27 nao sao
n m Tem-se, entao, que:
transformacoes lineares de R em R recorrendo a observacao
Obs 5.35 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 339 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 340

5 Transformacoes Lineares de Rn em Rm Matriz de uma transformacao linear de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Matriz de uma transformacao linear de Rn em Rm

Obs 5.38 (cont.) Def 5.39


Jmatriz de uma transformacao linear de Rn em Rm , AT ,C ,C 0 , AT K
Sejam T L(Rn , Rm ), C = (v1 , . . . , vn ) uma base ordenada de Rn e
T (v ) = T (1 v1 + + n vn ) C 0 = (v10 , . . . , vm
0 ) uma base ordenada de Rm . Chama-se matriz da

= 1 T (v1 ) + + n T (vn ) transformacao linear T relativamente as bases C e C 0 , que se representa


= 1 (a11 v10 + + am1 vm
0
) + + n (a1n v10 + + amn vm
0
) por AT ,C ,C 0 , a matriz [aij ] Mmn (R) introduzida na observacao
anterior.
= (1 a11 + + n a1n )v10 + + (1 am1 + + n amn )vm
0
Se C e C 0 sao as bases canonicas de Rn e Rm , respetivamente,
= 1 v10 + + m vm
0
, representa-se a matriz da transformacao linear T relativamente a C e C 0
por AT .
em que

1
1 a11 a12 a13 a1n
2 a21 a22 a23 a2n 2
.. = .. .. 3 .

.. .. . .
. . . . . . .
..
m am1 am2 am3 amn
n
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 341 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 342
5 Transformacoes Lineares de Rn em Rm Matriz de uma transformacao linear de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Matriz de uma transformacao linear de Rn em Rm

Exe 5.40 Exe 5.41


Determine a matriz da transformacao linear T L(R3 , R2 ), Seja T uma transformacao linear de R3 em R3 definida por
T (x, y , z) = (x + 2z, 3x y ), relativamente as bases canonicas de R3 e
R2 . T (x1 , x2 , x3 ) = (2x1 x2 x3 , 2x2 x1 x3 , 2x3 x1 x2 ).

Res
Como (a) Determine AT .
(b) Use a matriz AT para determinar a imagem dos vetores u = (1, 1, 1),
T (1, 0, 0) = (1, 3) v = (2, 1, 1) e w = (5, 3, 2).
T (0, 1, 0) = (0, 1)
T (0, 0, 1) = (2, 0),

tem-se que
 
1 0 2
AT = .
3 1 0

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 343 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 344

5 Transformacoes Lineares de Rn em Rm Matriz de uma transformacao linear de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Operacoes com transformacoes lineares de Rn em Rm

Exe 5.42
Obs 5.44
Seja T L(R3 , R), T (x1 , x2 , x3 ) = x1 + x3 . Entao:
h1i Nesta seccao apresentam-se os teoremas principais relativos as seguintes
A AT = 0 . operacoes com transformacoes lineares de Rn em Rm : multiplicacao por
1
um escalar, soma e composicao.
B AT = [ 0 00 01 ].
1

C AT = [ 1 0 1 ]. Teo 5.45
D AT = [ 1 0 0 ]. Sejam T , S L(Rn , Rm ) e AT e AS as matrizes de T e S,
respetivamente. Entao:
Exe 5.43 1 0 0 (a) T + S L(Rn , Rm ).
Seja AT = 011 a matriz da transformacao linear T relativamente as
110
001
(b) AT + AS e a matriz de T + S.
bases canonicas de R3 e R4 . Entao:
A T (x, y , z) = (x, x + z, y , z).
B T (x, y , z) = (x + y , y , x + z, z).
C T (x, y , z) = (x, x, z, z).
D T (x, y , z) = (x, y + z, x + y , z).
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 345 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 346
5 Transformacoes Lineares de Rn em Rm Operacoes com transformacoes lineares de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Operacoes com transformacoes lineares de Rn em Rm

Exe 5.46
Res (cont.)
Sejam S e T as transformacoes lineares definidas por

S: R2 R2 T : R2 R2 Processo 2:
(x, y ) 7 (2x + y , y ), (x, y ) 7 (x, 0). Como T (1, 0) = (1, 0) e T (0, 1) = (0, 0), tem-se que AT = [ 10 00 ].
Como S(1, 0) = (2, 0) e S(0, 1) = (1, 1), tem-se que AS = [ 20 11 ].
Determine, por dois processos distintos, a matriz da transformacao linear Assim,
T + S relativamente as bases canonicas do seu domnio e do seu      
1 0 2 1 3 1
conjunto de chegada. AT +S = AT + AS = + = .
0 0 0 1 0 1
Res

Processo 1:
T + S e a transformacao linear definida por T + S : R2 R2 ,

(T +S)(x, y ) = T (x, y )+S(x, y ) = (x, 0)+(2x +y , y ) = (3x +y , y ).

Como (T + S)(1, 0) = (3, 0) e (T + S)(0, 1) = (1, 1), tem-se que


AT +S = [ 30 11 ].
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 347 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 348

5 Transformacoes Lineares de Rn em Rm Operacoes com transformacoes lineares de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Operacoes com transformacoes lineares de Rn em Rm

Teo 5.49
Teo 5.47
Sejam T L(Rn , Rm ), S L(Rm , Rp ) e AT e AS as matrizes de T e S,
Sejam T L(Rn , Rm ), R e AT a matriz de T . Entao:
respetivamente. Entao:
(a) T L(Rn , Rm ).
(a) S T L(Rn , Rp ).
(b) AT e a matriz de T .
(b) AS AT e a matriz de S T .

Exe 5.48 Exe 5.50


Seja T a transformacao linear definida por Sejam S e T as transformacoes lineares definidas por

T : R2 R3 S: R2 R2 T : R2 R2
(x, y ) 7 (2x + y , 0, y ). (x, y ) 7 (2x + y , y ), (x, y ) 7 (x, 0).

Determine, por dois processos distintos, a matriz da transformacao linear (a) Determine, por dois processos distintos, a matriz da transformacao
2T relativamente as bases canonicas do seu domnio e do seu conjunto linear S T relativamente as bases canonicas do seu domnio e do
de chegada. seu conjunto de chegada.
(b) Determine, por dois processos distintos, a matriz da transformacao
linear T S relativamente as bases canonicas do seu domnio e do
seu conjunto de chegada.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 349 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 350
5 Transformacoes Lineares de Rn em Rm Operacoes com transformacoes lineares de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Operacoes com transformacoes lineares de Rn em Rm

Exe 5.51 Exe 5.52


Considere as seguintes transformacoes lineares: Sejam f e g duas transformacoes lineares definidas por

T : R3 R2 , T (x, y , z) = (x + y + z, y 2z), f : R2 R2 g: R2 R2
e
S : R2 R3 , S(x, y ) = (x, x + y , x y ), (x, y ) 7 (2x + y , y ) (x, y ) 7 (x, x + y ).
U : R2 R2 , U(x, y ) = (2x + y , y ). Entao, a matriz da transformacao linear g f e dada por:
A Ag f = 13 11 .
 
(a) Determine as matrizes associadas as transformacoes lineares dadas
relativamente as bases canonicas do seu domnio e do seu conjunto B Ag f = 31 1
 
1 .
de chegada.
C Ag f = 22 10 .
 
(b) Para as seguintes operacoes, indique as que estao bem definidas, e
determine, para esses casos, a respetiva matriz da transformacao D Ag f = [ 22 10 ].
linear:
i. T + S, com R.
ii. U U.
iii. S T.
iv. T S.
v. U U + (T S), com R.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 351 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 352

5 Transformacoes Lineares de Rn em Rm Operacoes com transformacoes lineares de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm

Def 5.54
Exe 5.53
Jimagem de uma transformacao linear de Rn em Rm , Im(T )K Seja
Sejam S, T L(R2 , R2 ), S(x, y ) = (y , x) e T (x, y ) = (y , 0). Entao, a T L(Rn , Rm ). Chama-se imagem de T , que se representa por Im(T ), a
matriz da transformacao linear S T relativamente as bases canonicas e
def
A AST = 00 10 . Im(T ) = {T (x) Rm : x Rn }.
 

B AST = [ 00 01 ].
Exe 5.55
C AST = 00 11 .
 
Determine a imagem de T L(R3 , R2 ), T (x1 , x2 , x3 ) = (x1 + x3 , x1 + 2x2 x3 ).
D AST = 00 10 .
 

Res
Im(T ) = {T (x1 , x2 , x3 ) : x1 , x2 , x3 R}
= {(x1 + x3 , x1 + 2x2 x3 ) : x1 , x2 , x3 R}
= {x1 (1, 1) + x2 (0, 2) + x3 (1, 1) : x1 , x2 , x3 R}
= h(1, 1), (0, 2), (1, 1)i
= R2 ,
1 0 1

pois car 1 2 1 = 2.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 353 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 354
5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm

Def 5.56 Res (cont.)


Jnucleo de uma transformacao linear de em Rn
Nuc(T )K Seja Rm , Tem-se, entao, que resolver o sistema
n m
T L(R , R ). Chama-se nucleo de T , que se representa por Nuc(T ), 
ao conjunto x1 + x3 = 0
x1 + 2x2 x3 = 0,
def
Nuc(T ) = {x Rn : T (x) = 0Rm }. h x1 i
1 0 1

ou seja, Ax = b, com A = 1 2 1 ,x= x2
x3
e b = [ 00 ], vindo

Exe 5.57    
1 0 1 0 1 0 1 0
Determine o nucleo de T L(R3 , R2 ), .
1 2 1 0 `2 `2 `1 0 2 2 0
T (x1 , x2 , x3 ) = (x1 + x3 , x1 + 2x2 x3 ).
Como car(A) = car(A|b) = 2 < n = 3 (n e o numero de incognitas), (S)
Res e um sistema possvel e indeterminado equivalente ao sistema de
equacoes lineares
Nuc(T ) = {(x1 , x2 , x3 ) R3 : T (x1 , x2 , x3 ) = 0R2 }
= {(x1 , x2 , x3 ) R3 : (x1 + x3 , x1 + 2x2 x3 ) = (0, 0)}.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 355 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 356

5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm

Res (cont.) Exe 5.58


Determine o nucleo e a imagem das seguintes transformacoes lineares de
 R3 em R3 :
x1 + x3 = 0
(a) T1 : R3 R3 , T1 (x1 , x2 , x3 ) = (x3 , x2 , x1 ).
2x2 2x3 = 0
(b) T2 : R3 R3 , T2 (x1 , x2 , x3 ) = (x1 , x2 , 0).
Sendo x3 uma variavel livre, tem-se (c) T3 : R3 R3 , T3 (x1 , x2 , x3 ) = (x1 , x1 , x1 ).

x1 = a
x2 = a
x3 = a R.

Assim,

Nuc(T ) = {(a, a, a) : a R}
= {a(1, 1, 1) : a R}
= h(1, 1, 1)i.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 357 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 358
5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm

Teo 5.59 Exe 5.61


Seja T L(Rn , Rm ). Entao: Resolva de novo o exerccio Exe 5.55 atendendo ao teorema anterior.
(a) Im(T ) e um subespaco de Rm .
(b) Nuc(T ) e um subespaco de Rn . Res
Seja {e1 , e2 , e3 } a base canonica de R3 , i.e., e1 = (1, 0, 0), e2 = (0, 1, 0)
Teo 5.60 e e3 = (0, 0, 1). Entao,

Sejam T L(Rn , Rm ) e {u1 , . . . , uk } um conjunto gerador de Rn (em Im(T ) = hT (e1 ), T (e2 ), T (e3 )i
particular, uma base). Entao:
= hT (1, 0, 0), T (0, 1, 0), T (0, 0, 1)i
(a) T fica definida desde que se conhecam os vetores T (u1 ), . . . , T (uk ).
= h(1, 1), (0, 2), (1, 1)i
(b) Im(T ) = hT (u1 ), . . . , T (uk )i.
= R2 ,
1 0 1

pois c 1 2 1 = 2, como ja se disse no exerccio Exe 5.55 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 359 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 360

5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm

Exe 5.62 Res (cont.)


Seja T L(R2 , R3 ), tal que T (2, 2) = (0, 1, 1) e Nuc(T ) = h(1, 3)i. ou seja, A = b, com A = [ 22 13 ], = [ ] e b = [ yx ], vindo
Determine T .
   
2 1 x 2 1 x
Res .
2 3 y `2 `2 `1 0 2 y x
Como S = {(2, 2), (1, 3)} e um conjunto linearmente independente
(verifique!), S e uma base de R2 (pois #S = dim(R2 )), pelo que Como car(A) = car(A|b) = n = 2 (n e o numero de incognitas), A = b
qualquer elemento de R2 e uma combinacao linear unica dos elementos e um sistema possvel e indeterminado equivalente ao sistema de
de S, vindo equacoes lineares
  3xy
(x, y ) = (2, 2) + (1, 3). 2 + = x = 4
y x
2 = y x = 2 .
Tem-se, entao, que resolver o sistema

2 + = x
2 + 3 = y ,

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 361 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 362
5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm 5 Transformacoes Lineares de Rn em Rm Imagem e nucleo de uma transformacao linear de Rn em Rm

Res (cont.) Exe 5.63


Assim, Para cada uma das alneas seguintes, determine a funcao T sabendo que
e uma transformacao linear definida por:
3x y y x
(x, y ) = (2, 2) + (1, 3), (a) T (1, 0) = (1, 1, 2) e T (0, 1) = (3, 0, 1).
4 2
(b) T (1, 2) = (3, 1, 5) e T (0, 1) = (2, 1, 1).
pelo que (c) T (1, 1, 1) = 3, T (0, 1, 2) = 1 e T (0, 0, 1) = 2.
 
3x y y x
T (x, y ) = T (2, 2) + (1, 3)
4 2 Exe 5.64
3x y y x Seja T L(R3 , R3 ) tal que T (0, 0, 1) = (0, 0, 1) e
= T (2, 2) + T (1, 3) por T ser uma transformacao linear
4 2 Nuc(T ) = h(1, 1, 1), (0, 1, 1)i. Determine T .
3x y y x
= (0, 1, 1) + (0, 0, 0) por Nuc(T ) = h(1, 3)i
 4 2

3x y 3x y
= 0, , .
4 4

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 363 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 364

5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear 5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear

Def 5.65
Exe 5.67
Seja T L(Rn , Rm ).
Seja T L(R3 , R2 ), T (x1 , x2 , x3 ) = (x1 + x3 , x1 + 2x2 x3 ). Determine:
(a) Jcaracterstica de uma transformacao linear de Rn em Rm , cT K
Chama-se caracterstica de T , que se denota por cT , a dimensao do
(a) cT .
subespaco Im(T ), ou seja,
(b) uma base de Im(T ).
def
cT = dim(Im(T )). (c) nT .
(d) uma base de Nuc(T ).
(b) Jnulidade de uma transformacao linear de Rn em Rm , nT K Chama-se
nulidade de T , que se denota por nT , a dimensao do subespaco
Res
Nuc(T ), ou seja,
def
(a) Como
nT = dim(Nuc(T )).
Teo 5.66 T (1, 0, 0) = (1, 1)
Seja T L(Rn , Rm ). Entao: T (0, 1, 0) = (0, 2)
(a) cT = car(AT ). T (0, 0, 1) = (1, 1),
(b) n = cT + nT .
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 365 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 366
5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear 5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear

Res (cont.) Res (cont.)

tem-se que (c) Aplicando o teorema Teo 5.66 (b), tem-se que
3
dim(R ) = cT + nT , i.e., 3 = 2 + nT , pelo que nT = 1 (este valor e
 
1 0 1 confirmado pelo numero de variaveis livres em Nuc(T )).
AT = .
1 2 1
(d) Como Nuc(T ) = h(1, 1, 1)i e nT = 1, tem-se que, por exemplo,
Entao, como {(1, 1, 1)} e uma base de Nuc(T ).
   
1 0 1 1 0 1
AT = , Exe 5.68
1 2 1 `2 `2 `1 0 2 2
Determine a imagem, a caracterstica, o nucleo, a nulidade e a matriz
tem-se que car(AT ) = 2, pelo que, aplicando o teorema Teo 5.66 relativamente as bases canonicas das seguintes transformacoes lineares:
(a), vem cT dim(Im(T )) = 2. (a) T1 : R2 R, T1 (x, y ) = x + y .
(b) Como cT = dim(Im(T )) = 2, conclui-se que Im(T ) = R2 , pelo que, (b) T2 : R3 R2 , T2 (x, y , z) = (x + y + z, 2x + 2y + 2z).
por exemplo, {(1, 0), (0, 1)} e uma base de Im(T ). (c) T3 : R3 R3 , T3 (x, y , z) = (x z, 0, y 2z).
(d) T4 : R4 R3 , T4 (x, y , z, w ) = (x y , z w , x 3w ).

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 367 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 368

5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear 5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear

Exe 5.69 Exe 5.72


Determine uma base e a dimensao do nucleo da transformacao linear T Seja T L(R3 , R3 ), T (x, y , z) = (x 2y 2z, x 2z, 2x + 4z).
de R3 em R3 definida por Entao:
T (x1 , x2 , x3 ) = (x1 x2 , 2x2 x1 x3 , x3 x2 ).
A Nuc(T ) = h(1, 1, 2), (2, 0, 0), (2, 2, 4)i.
Exe 5.70 B Nuc(T ) = {(0, 0, 0)}.
Sejam T L(Rn ) e S = {u1 , . . . , uk } Rn um conjunto linearmente
C Nuc(T ) = h(2, 0, 1)i.
dependente. Mostre que {T (u1 ), . . . , T (uk )} tambem e um conjunto
linearmente dependente. D Nuc(T ) = R3 .
Exe 5.71
Exe 5.73
Seja T L(R3 , R3 ), T (x, y , z) = (x 2y 2z, x 2z, 2x + 4z).
Seja T L(R2 , R3 ), T (a, b) = (a + b, 0, a + b). Entao:
Entao:
A Nuc(T ) R3 e cT = 1.
A Im(T ) = R3 .
B Im(T ) = h(1, 0, 1)i e nT = 1.
B Im(T ) = h(2, 0, 0)i.
C Nuc(T ) = h(1, 0)i e cT = 1.
C Im(T ) = h(1, 1, 2), (2, 2, 4)i.
D cT + nT = 3.
D Im(T ) = h(1, 1, 2), (2, 0, 0)i.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 369 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 370
5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear 5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear

Exe 5.74 Exe 5.76


Seja T L(R2 , R3 ), T (x, y ) = (x y , 2x 2y , 3x 3y ). Entao: Seja T L(R3 , R2 ). Entao:
A Im(T ) = h(1, 2, 3)i. A dim(Nuc(T )) + dim(Im(T )) = 2.
B Im(T ) = h(1, 1, 1), (2, 2, 2), (3, 3, 3)i. B dim(Nuc(T )) + dim(Im(T )) = 3.
C Im(T ) = h1, 2, 3i. C dim(Nuc(T )) + dim(Im(T )) = 5.
D Im(T ) = R3 . D dim(Nuc(T )) + dim(Im(T )) = 6.

Exe 5.75 Exe 5.77


Seja T L(R3 , R2 ), T (x, y , z) = (x + z, 0). Entao: Seja T L(R3 , R2 ), T (x, y , z) = (0, x z). Entao:
A Nuc(T ) = h(1, 0, 1), (0, 1, 0)i. A Nuc(T ) = h(1, 0, 0), (0, 0, 1)i.
B Nuc(T ) = h(1, 0, 1)i. B Nuc(T ) = h(1, 0, 1), (0, 1, 0)i.
C Nuc(T ) = h(0, 1, 0)i. C Nuc(T ) = h(1, 0, 1)i.
D Nuc(T ) = R3 . D Nuc(T ) = R3 .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 371 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 372

5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear 5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear

Exe 5.78 Exe 5.80


Seja AT = [ 12 20 24 ] a matriz de uma transformacao linear T . Entao: Seja a transformacao linear T : R2 R3 , T (x, y ) = (x + y , y x, 2x).
Entao:
A T (x, y , z) = (x + 2y + 2z, 2x + 4z).
A dim(Im(T )) = 0.
B Im(T ) = h(1, 2), (2, 4)i.
B dim(Im(T )) = 1.
C cT = 1
C dim(Im(T )) = 2.
D T L(R2 , R3 ).
D dim(Im(T )) = 3.
Exe 5.79
Exe 5.81
Seja T : R3 R3 , T (x, y , z) = (x, 0, z). Entao:
Seja T L(R2 , R2 ) tal que T (1, 0) = (2, 1) e T (0, 1) = (0, 1). Entao:
A Im(T ) = h(1, 0, 0), (0, 1, 0), (0, 0, 1)i e nT = 1.
A T (x, y ) = (2x, x + y ).
B Im(T ) = h(1, 0, 0), (0, 0, 1)i e nT = 2.
B T (x, y ) = (x + 2, y + 1).
C Nuc(T ) = h(0, 1, 0)i e cT = 2.
C T (x, y ) = (2x, y ).
D Nuc(T ) = h(0, 1, 0), (0, 0, 1)i e cT = 2.
D T (x, y ) = (x, 2y ).
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 373 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 374
5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear 5 Transformacoes Lineares de Rn em Rm Caracterstica e nulidade de uma transformacao linear

Exe 5.82 Obs 5.84


Seja T L(R2 , R3 ) tal que T (1, 0) = (0, 1, 1) e Nuc(T ) = h(0, 1)i. Some english vocabulary regarding Linear Maps from Rn to Rm
Entao: transformacao linear/linear map
A T (x, y ) = (0, x, x). imagem de uma transformacao linear de Rn em Rm /range space of a
B T (x, y ) = (0, y , y ). linear map from Rn to Rm
C T (x, y ) = (x, y , y ). nucleo de uma transformacao linear de Rn em Rm /null space or
kernel of a linear map from Rn to Rm
D T (x, y ) = (y , x, x).
caracterstica de uma transformacao linear de Rn em Rm /rank of a
Exe 5.83 linear map from Rn
Seja T L(R4 , R3 ). Entao: nulidade de uma transformacao linear de Rn em Rm /nullity of a
linear map from Rn
A nT + cT = 3.
B nT + cT = 4.
C nT + cT = 7.
D nT + cT = 1.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 375 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 376

5 Transformacoes Lineares de Rn em Rm Solucoes 5 Transformacoes Lineares de Rn em Rm Solucoes

Sol 5.27 Sol 5.42


T1 e T3 . C.

Sol 5.43
Sol 5.28
D.
= 2.
Sol 5.51
Sol 5.29 1 1 h1 0
i
1
 2 1

D. (a) AT = 0 1 2 , AS = 1 1 , AU = 0 1 .
1 1
(b) i. A operacao nao esta bem definida.
Sol 5.30 ii. AUU = h[ 40 11 ]. i
11 1
A. iii. AST = 1 2 1 .
 1 30 0 3
iv. AT S = 1 3 .
Sol 5.41 v. AUU+(T S) = 4+3
 1

1+3 .
h 2 1 1 i
(a) AT = 1 2 1 .
1 1 2
Sol 5.52
(b) T (u) = (0, 0, 0), T (v ) = (2, 1, 1), T (w ) = (15, 9, 6).
D.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 377 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 378
5 Transformacoes Lineares de Rn em Rm Solucoes 5 Transformacoes Lineares de Rn em Rm Solucoes

Sol 5.53 Sol 5.68


B. (a) Im(T1 ) = R, cT1 = 1,
Sol 5.58 Nuc(T1 ) = {(x, x) : x R} = h(1, 1)i, nT1 = 1,
AT1 = [ 1 1 ].
(a) Nuc(T1 ) = {(0, 0, 0)}, Im(T1 ) = R3 . (b) Im(T2 ) = {(x, 2x) : x R} = h(1, 2)i, cT2 = 1,
(b) Nuc(T2 ) = h(0, 0, 1)i, Im(T2 ) = h(1, 0, 0), (0, 1, 0)i. Nuc(T2 ) = {(y z, y , z) : y , z R} = h(1, 1, 0), (1, 0, 1)i,
(c) Nuc(T3 ) = h(0, 1, 0), (0, 0, 1)i, Im(T3 ) = h(1, 1, 1)i. nT2 = 2,
AT2 = [ 12 12 12 ].
Sol 5.63 (c) Im(T3 ) = {(x, 0, z) : x, z R} = h(1, 0, 0), (0, 0, 1)i, cT3 = 2,
Nuc(T3h) = {(z,
i 2z, z) : z R} = h(1, 2, 1)i, nT3 = 1,
(a) T (x, y ) = (x + 3y , x, 2x + y ). 1 0 1
AT3 = 00 0 .
0 1 2
(b) T (x, y ) = (x + 2y , 3x + y , 7x y ).
(d) Im(T4 ) = R3 , cT4= 3,
(c) T (x, y , z) = 8x 3y 2z.
Nuc(T4h) = {(3w ,i3w , w , w ) : w R} = h(3, 3, 1, 1)i, nT4 = 1,
1 1 0 0
AT4 = 0 0 1 1 .
Sol 5.64 1 0 0 3

T (x, y , z) = (0, 0, z y ).
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 379 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 380

5 Transformacoes Lineares de Rn em Rm Solucoes 5 Transformacoes Lineares de Rn em Rm Solucoes

Sol 5.69 Sol 5.76


{(1, 1, 1)} e uma base de Nuc(T ), nT = 1. B.

Sol 5.71 Sol 5.77


D. B.

Sol 5.72 Sol 5.78


C. A.

Sol 5.73 Sol 5.79


B. C.

Sol 5.74 Sol 5.80


A. C.

Sol 5.75 Sol 5.81


A. A.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 381 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 382
5 Transformacoes Lineares de Rn em Rm Solucoes 6 Valores e Vetores Proprios

Sol 5.82
1 Matrizes
A.

Sol 5.83 2 Determinantes


B.
3 Sistemas de Equacoes Lineares

4 Espacos Vetoriais

5 Transformacoes Lineares de Rn em Rm

6 Valores e Vetores Proprios

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 383 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 384

6 Valores e Vetores Proprios Definicoes iniciais 6 Valores e Vetores Proprios Definicoes iniciais

Def 6.1 Def 6.3


Jvetor proprio de uma matriz associado a um valor proprioK Seja Jsubespaco proprio de um valor proprioK Sejam A Mnn (R) e
A Mnn (R). Diz-se que x Cn \ {0Cn } e um vetor proprio da matriz (A). Chama-se subespaco proprio do valor proprio , que se
A associado ao valor proprio C se Ax = x. representa por E,A (ou por E se nao houver ambiguidade relativamente
a matriz), ao conjunto
Def 6.2
def
Jespetro de uma matrizK Seja A Mnn (R). Chama-se espetro de A, E,A = {x Cn : Ax = x}.
que se representa por (A), ao conjunto de todos os valores proprios de
A, ou seja,
Teo 6.4
def
(A) = { C : e um valor proprio de A}. Sejam A Mnn (R) e (A). Entao, E e um subespaco de Cn .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 385 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 386
6 Valores e Vetores Proprios Definicoes iniciais 6 Valores e Vetores Proprios Definicoes iniciais

Obs 6.5
Def 6.7
(a) Note-se que existem matrizes reais cujos valores proprios sao Seja A Mnn (R).
numeros complexos. (a) Jpolinomio caracterstico de uma matrizK Chama-se polinomio
(b) Cada vetor proprio esta associado apenas a um valor proprio. caracterstico da matriz A, que se representa por A (), ao polinomio
(c) Se x e um vetor proprio associado ao valor proprio , entao, x,
def
6= 0, tambem e um vetor proprio associado ao valor proprio . A () = det(A In ).
(d) Sejam A Mnn (R) e (A). Entao,
(b) Jequacao caracterstica de uma matrizK Chama-se equacao
caracterstica da matriz A a equacao A () = 0 .
E = {x Cn : x e um vetor proprio associado
(c) Jmultiplicidade algebrica de um valor proprioK Seja um valor
ao valor proprio } {0Cn }.
proprio de A. Chama-se multiplicidade algebrica de a
(e) Chama-se subespaco proprio ao conjunto E devido ao teorema multiplicidade do escalar enquanto raiz da equacao caracterstica.
anterior. (d) Jvalor proprio simplesK Seja um valor proprio de A. Diz-se que e
(f) O seguinte teorema indica-nos um processo de calcular (A). um valor proprio simples se tem multiplicidade algebrica um.

Teo 6.6
Seja A Mnn (R). Entao, (A) se e so se det(A In ) = 0.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 387 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 388

6 Valores e Vetores Proprios Definicoes iniciais 6 Valores e Vetores Proprios Definicoes iniciais

Teo 6.8 Obs 6.10


Seja A Mnn (R). Entao, o coeficiente do termo de grau n do Seja A Mnn (R). Entao,
polinomio caracterstico da matriz A e (1)n e o seu termo independente (a) os valores proprios da matriz A sao as razes do seu polinomio
de e det(A). caracterstico.
(b) Se e um valor proprio da matriz A, entao os vetores proprios
Obs 6.9 associados a sao as solucoes nao-nulas do sistema homogeneo
Seja A Mnn (R). Entao, A () = (1)n n + + det(A). (A In )x = 0.
(c) Do Teorema Fundamental da Algebra resulta que A () tem
exatamente n razes, podendo alguns deles ser iguais. Assim, sejam
n1 , n2 , . . . , nm as multiplicidades das m(6 n) razes distintos
1 , 2 , . . . , m de A (). Entao,

A () = (1)n ( 1 )n1 ( 2 )n2 ( m )nm ,

em que n1 + n2 + + nm = n. Aos numeros n1 , n2 , . . . , nm


chama-se multiplicidade algebrica dos valores proprios
1 , 2 , . . . , m , respetivamente.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 389 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 390
6 Valores e Vetores Proprios Definicoes iniciais 6 Valores e Vetores Proprios Definicoes iniciais

Exe 6.11 h2 1 Res (cont.)


0
i
Considere a matriz A = 0 1 1 .
02 4
Entao, aplicando o Teorema de Laplace e fazendo o desenvolvimento
(a) Determine o espetro da matriz A.
a partir da primeira coluna, obtem-se
(b) Determine o espaco proprio associado ao valor proprio de menor
modulo da matriz A. det(A I3 ) = (2 )((1 )(4 ) + 2)
= (2 )(2 5 + 6)
Res
= (2 )( 2)( 3)
(a) Seja = ( 2)2 ( 3),

2 1 0 pelo que
A I3 = 0 1 1 .
0 2 4 (A) = {2, 3},

sendo que 1 = 2 e um valor proprio de multiplicidade algebrica dois


e 2 = 3 e um valor proprio simples.
5 25 24
C.A.: 2 5 + 6 = 0 = = 2 = 3.
2
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 391 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 392

6 Valores e Vetores Proprios Definicoes iniciais 6 Valores e Vetores Proprios Definicoes iniciais

Res (cont.) Res (cont.)

(b) Para determinar o espaco proprio associado ao valor proprio 1 = 2, Como car(A1 ) = car(A1 |b1 ) = 2 < n = 3 (n e o numero de
tem que se resolver o sistema incognitas), A1 x1 = b1 e um sistema possvel e indeterminado
equivalente ao sistema de equacoes lineares
(A 2I3 )x1 = 0,
 x11 = a C
h0 1 0
i h x11 i h0i x12 = 0
ou seja, A1 x1 = b1 , com A1 = 0 1 1 , x1 = x12 e b1 = 0 , x12 = 0
0 2 2 x13 0 x13 = 0
x13 = 0.

vindo
Assim, tem-se:

0 1 0 0 0 1 0 0
0 1 1 0 `2 `2 + `1 0 0 1 0
0 2 2 0 `3 `3 2`1 0 0 2 0 E2 = {(a, 0, 0) : a C}.

0 1 0 0
0 0 1 0 .
`3 `3 + 2`2 0 0 0 0

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 393 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 394
6 Valores e Vetores Proprios Definicoes iniciais 6 Valores e Vetores Proprios Definicoes iniciais

Exe 6.12 Exe 6.14


Determine o espetro das seguintes matrizes, bem como os espacos Considere a matriz A = [ 03 30 ]. Entao:
proprios associados aos seus valores proprios: A 0 e um valor proprio de multiplicidade dois da matriz A.
h 3 0 1 i
(a) A = [ 12 43 ]. (d) D = 02 0 .
B 0 e um valor proprio simples da matriz A.
1 0 3
 1 1 
(b) B = 2 1 . h 1 2 1i C 3 e um valor proprio de multiplicidade dois da matriz A.
(e) E = 2 0 2 .
h 1 3 3 i 1 2 3 D 3 e um valor proprio simples da matriz A.
(c) C = 3 5 3 . h 4 0 1i
6 6 4 (f) F = 2 1 0 .
2 0 1
Exe 6.15 h3 0 1i
Considere a matriz A = 050 . Entao:
100
Exe 6.13
A 1 e um valor proprio multiplo da matriz A.
h
0 0
i
Considere a matriz A = 1 0 , R. Calcule os valores proprios de A
1 1
e os respetivos subespacos proprios. B (A) = {1, 3, 5}.

3 11
C 2 e um valor proprio simples da matriz A.

3+ 13
D 2 e um valor proprio simples da matriz A.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 395 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 396

6 Valores e Vetores Proprios Definicoes iniciais 6 Valores e Vetores Proprios Definicoes iniciais

Exe 6.16 Exe 6.18


1 3 h 1 5 1 i
Considere a matriz A = a b , a, b R. A condicao que a e b devem Considere a matriz A = 0 2 1 . Entao, o conjunto dos vetores
4 0 3
verificar para que (3, 1) seja um vetor proprio de A e: proprios associados ao valor proprio = 3 e:
A a + b = 1. A {(3/2, , ) : C \ {0}}.
B 3a + b = 6. B {(/2, , ) : C \ {0}}.
C a + b = 6. C {(, 0, ) : C \ {0}}.
D 3a + b = 2. D {(2, , ) : C \ {0}}.

Exe 6.17
02
 
Considere a matriz A = 1 3 . Entao:
A (A) = {0, 3}.
B (A) = {1, 2}.
C (A) = {1}.
D (A) = {0}.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 397 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 398
6 Valores e Vetores Proprios Propriedades 6 Valores e Vetores Proprios Propriedades

Exe 6.19 Teo 6.21


2 1
 
Considere a matriz A = 1 2 . Determine: Seja A = [aij ] Mnn (R). Entao:
(a) os valores proprios de A e os respetivos subespacos proprios. (a) A e uma matriz invertvel se e so se 0
/ (A).
(b) os valores proprios de A2 e os respetivos subespacos proprios. (b) se A e uma matriz invertvel e (A), entao, 1
(A1 ) e
(c) os valores proprios de A1 e os respetivos subespacos proprios. E,A = E 1 ,A1 .

(c) se k N e (A), entao, k (Ak ) e E,A = Ek ,Ak .


Obs 6.20 (d) (A) = (AT ).
No exerccio anterior tera sido coincidencia que os valores proprios de A2 (e) se a matriz A e diagonal ou triangular, entao,
tenham sido os quadrados dos valores proprios de A e que os valores (A) = {aii : i = 1, . . . , n}.
proprios de A1 tenham sido os inversos dos valores proprios de A? O
(f) os vetores proprios associados a valores proprios distintos sao
teorema que se segue diz que nao.
linearmente independentes.
(g) se A e uma matriz (real e) simetrica, os seus valores proprios sao
numeros reais.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 399 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 400

6 Valores e Vetores Proprios Propriedades 6 Valores e Vetores Proprios Propriedades

Exe 6.22 Exe 6.24


j2

Seja A uma matriz de ordem tres tal que (A) = {1, 0, 1}. Entao: se i > j
Seja A = [aij ] M33 (R), aij = i se i = j Entao:
A A e invertvel e (A1 ) = {0, 1}. 0 se i < j.

B A nao e invertvel e (A2 ) = {1, 0}. A 0 (A).

C A e invertvel e (A1 ) = {1, 0}. B (A1 ) = {1, 12 }.

D A nao e invertvel e (A2 ) = {0, 1}. C (A2 ) = {1, 1, 4}.


D (A) = {1, 2, 3}.
Exe 6.23 h2 03
i
Considere a matriz A = 0 1 0 . Entao:
0 02
A (A) = {1, 2, 3}.
B 0 (A).
C 2 e um valor proprio simples da matriz A.
D (A) = {1, 2}.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 401 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 402
6 Valores e Vetores Proprios Propriedades 6 Valores e Vetores Proprios Diagonalizacao

Exe 6.25 Def 6.26


Considere as seguintes proposicoes: Seja A Mnn (R). Diz-se que A e uma matriz diagonalizavel se existir
Os valores proprios de uma matriz quadrada sao iguais aos valores uma matriz invertvel P tal que P 1 AP e uma matriz diagonal.
proprios da sua transposta.
Teo 6.27
Uma matriz quadrada e invertvel se e so se nao admite o valor
proprio zero. Seja A Mnn (R). Entao, A e diagonalizavel se e so se A tem n vetores
proprios linearmente independentes.
A Sao ambas verdadeiras.
B Sao ambas falsas. Teo 6.28
C Apenas a primeira e verdadeira. Sejam A Mnn (R) diagonalizavel e {p1 , . . . , pn } um conjunto de
vetores proprios de A linearmente independentes. Entao, P 1 AP = D em
D Apenas a segunda e verdadeira.
que P e a matriz cuja i-esima coluna e pi , i = 1, . . . , n, e D e a matriz
diagonal tal que (D)ii = i , i = 1, . . . , n, sendo i o valor proprio de A
associado ao vetor proprio pi .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 403 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 404

6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Exe 6.29 Res


Seja A = 22 3
 
5 . 3
 2 
(a) Seja A I2 = 2 5 . Entao (verifique!),
(a) Mostre que A e diagonalizavel.
(b) Determine uma matriz P que diagonaliza A. det(A I2 ) = ( + 4)( 1),
h i
(c) Verifique que P 1 AP = 01 02 , em que 1 e o valor proprio de A pelo que (A) = {4, 1}. Assim, como os valores proprios de A sao
associado ao vetor proprio de A que forma a primeira coluna de P e distintos, os vetores proprios de A sao linearmente independentes,
2 e o valor proprio de A associado ao vetor proprio de A que forma pelo que A e diagonalizavel.
a segunda coluna de P.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 405 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 406
6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Res (cont.) Res (cont.)

(c) Sendo P 1 = 1
1 3

(b) O espaco proprio associado ao valor proprio 1 = 4 e o conjunto 5 2 1 (verifique!), tem-se:
solucao do sistema linear (A + 4I2 )p1 = 0. Tem-se, entao,    
1 1 3 2 3 1 3
n a  o P 1 AP =
E4 = ,a : a C , 5 2 1 2 5 2 1
2   
1 1 3 4 3
pelo que, por exemplo, p1 = (1, 2) e um vetor proprio associado ao =
5 2 1 8 1
valor proprio 1 = 4. 
1 20 0

O espaco proprio associado ao valor proprio 2 = 1 e o conjunto =
5 0 5
solucao do sistema linear (A I2 )p2 = 0. Tem-se, entao,  
4 0
=
E1 = {(3a, a) : a C}, 0 1
 
1 0
pelo que, por exemplo, p2 = (3, 1) e um vetor proprio associado o = .
0 2
valor proprio 2 = 1.
Assim, uma matriz P que diagonaliza A e P = [ 12 31 ].

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 407 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 408

6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Exe 6.30 h Res


0 0 2
i
Seja A = 1 2 1 .
 
0 2
10 3 (a) Seja A I3 = 1 2 1 . Entao (verifique!),
(a) Mostre que A e diagonalizavel. 1 0 3

(b) Determine uma matriz P que diagonaliza A.


  det(A I3 ) = ( 2)2 ( 1),
1 0 0
1
(c) Verifique que P AP = 0 2 0 , em que 1 e o valor proprio de A
0 0 3 pelo que (A) = {1, 2}, onde 1 = 1 e um valor proprio simples e
associado ao vetor proprio de A que forma a primeira coluna de P, 2 = 2 e um valor proprio de multiplicidade algebrica 2.
2 e o valor proprio de A associado ao vetor proprio de A que forma O espaco proprio associado ao valor proprio 1 = 1 e o conjunto
a segunda coluna de P e 3 e o valor proprio de A associado ao vetor solucao do sistema linear (A I3 )p1 = 0. Tem-se, entao,
proprio de A que forma a terceira coluna de P.
E1 = {(2a, a, a) : a C},

pelo que, por exemplo, 1 = (2, 1, 1) e um vetor proprio associado


ao valor proprio 1 = 1.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 409 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 410
6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Res (cont.) Res (cont.)


h 1 0 1 i
O espaco proprio associado ao valor proprio 2 = 2 e o conjunto (c) Sendo P 1 = 10 2 (verifique!), tem-se (verifique!):
11 1
solucao do sistema linear (A 2I3 )p2 = 0. Tem-se, entao,

1 0 1 0 0 2 2 1 0
E2 = {(a, b, a) : a, b C}, P 1 AP = 1 0 2 1 2 1 1 0 1
1 1 1 1 0 3 1 1 0
pelo que, por exemplo, 2 = (1, 0, 1) e 3 = (0, 1, 0) sao vetores
proprios associados ao valor 1 0 0
h 2 1 0
i proprio 2 = 2 (verifique!).
= 0 2 0
Seja, entao, P = 1 0 1 . Como car(P) = 3 (verifique!),
1 10 0 0 2
{1 , 2 , 3 } e um conjunto linearmente independente pelo que A e
diagonalizavel. 1 0 0
h 2 1 0 i = 0 2 0 .
(b) P = 1 01 . 0 0 3
1 10

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 411 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 412

6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Exe 6.31 Exe 6.32 h i


 14 12  100
Seja A = 20 17 . Seja A = 0 1 1 .
011
(a) Mostre que A e diagonalizavel. (a) Mostre que A e diagonalizavel.
(b) Determine uma matriz P que diagonaliza A. (b) Determine uma matriz P que diagonaliza A.
h i
(c) Verifique que P 1 AP = 01 02 , em que 1 e o valor proprio de A
 
1 0 0
1
(c) Verifique que P AP = 0 2 0 , em que 1 e o valor proprio de A
associado ao vetor proprio de A que forma a primeira coluna de P e 0 0 3
2 e o valor proprio de A associado ao vetor proprio de A que forma associado ao vetor proprio de A que forma a primeira coluna de P,
a segunda coluna de P. 2 e o valor proprio de A associado ao vetor proprio de A que forma
a segunda coluna de P e 3 e o valor proprio de A associado ao vetor
proprio de A que forma a terceira coluna de P.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 413 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 414
6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Exe 6.33 Exe 6.36


Seja A Mnn (R). Mostre que (A) = (AT ). Seja T L(Rn , Rn ). Diga se sao verdadeiras ou falsas as seguintes
afirmacoes:
Exe 6.34 (a) a matriz AT e invertvel se e so se CSAT x=0 = {0}.
Seja A M22 (R). Mostre que (b) a matriz AT e invertvel se e so se b Rn [#CSAT x=b = 1].
(c) a matriz AT e invertvel se e so se det(AT ) 6= 0.
A () = 2 tr(A) + det(A).
(d) a matriz AT e invertvel se e so se Im(T ) = Rn .
(e) a matriz AT e invertvel se e so se as colunas da matriz AT sao
Exe 6.35 linearmente independentes.
Seja A M22 (R) tal que tr(A) = 8 e det(A) = 12. Determine o (f) a matriz AT e invertvel se e so se as linhas da matriz AT sao
espetro de A. linearmente independentes.
(g) a matriz AT e invertvel se e so se as colunas da matriz AT geram
Rn .
(h) a matriz AT e invertvel se e so se as linhas da matriz AT geram Rn .

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 415 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 416

6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Exe 6.36 (cont.) Exe 6.37


Determine
 a e b de modo que (1, 1) e (1, 0) sejam vetores proprios da
(i) a matriz AT e invertvel se e so se as colunas da matriz AT formam matriz 1a b1 .
uma base de Rn .
(j) a matriz AT e invertvel se e so se as linhas da matriz AT formam Exe 6.38
uma base de Rn .
A Mnn (R) diz-se idempotente se A2 = A. Mostre que, se e um
(k) a matriz AT e invertvel se e so se nT = 0. valor proprio de uma matriz idempotente, entao tem que ser igual a 0
(l) a matriz AT e invertvel se e so se cT = n. ou 1.
(m) a matriz AT e invertvel se e so se 0
/ (AT ).
Exe 6.39
Sejam A Mnn (R) e B = A In , R. Explicite a relacao entre os
valores proprios de A e B.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 417 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 418
6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Obs 6.40 Obs 6.40 (cont.)


Nesta observacao vai-se apresentar uma aplicacao a problemas de Se A tem dois valores proprios reais distintos 1 e 2 com vetores
misturas envolvendo os conceitos introduzidos neste captulo. proprios v1 e v2 associados a 1 e 2 respetivamente, entao a solucao
Os valores e vetores proprios podem ser usados para determinar as geral do sistema de equacoes diferenciais considerado e
solucoes de alguns sistemas de equacoes diferenciais.
Considere o seguinte sistema de equacoes diferenciais lineares de primeira y (t) = c1 exp(1 t)v1 + c2 exp(2 t)v2 , c1 , c2 R.
ordem com coeficientes constantes:
Se alem disso impusermos que y (t) assume um determinado valor y0
y10 dy1 = a11 y1 + a12 y2

quando t = 0, entao o problema vai ter uma unica solucao. Um
dt
y 0 dy2 = a y + a y . problema da forma
2 21 1 22 2
dt
h 0i y 0 = Ay , y (0) = y0
y
Sejam y = [ yy12 ], y 0 = y10 e A = [ aa11 a12
21 a22 ]. Entao, o sistema pode ser
2 e designado por problema com condicoes iniciais.
escrito na forma y 0 = Ay :
 0   
y1 a11 a12 y1
= .
y20 a21 a22 y2
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 419 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 420

6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Obs 6.40 (cont.) Obs 6.40 (cont.)


Problema de misturas Sejam y1 (t) e y2 (t) a quantidade de sal em gramas nos tanques A e B,
Dois tanques estao ligados como ilustrado na figura seguinte: respetivamente, no instante de tempo t. Inicialmente, tem-se
agua 15L/min mistura 5L/min
   
y1 (0) 60
y (0) = = .
y2 (0) 0

A quantidade total de lquido em cada tanque e sempre 200 litros, porque


tanque A tanque B a quantidade de lquido bombeada para dentro e igual a quantidade
bombeada para fora em cada tanque. A taxa de variacao da quantidade
de sal em cada tanque e igual a taxa em que esta sendo adicionado sal

mistura 20L/min mistura 15L/min


menos a taxa em que esta sendo bombeado para fora. Para o tanque A,
a taxa em que o sal esta a ser adicionado e dada por
Inicialmente, o tanque A contem 200 litros de agua, onde foram  
dissolvidos 60 gramas de sal. O tanque B contem 200 litros de agua y2 (t) y2 (t)
(5 L/min) g/L = g/min
pura. Bombeia-se lquido para dentro e para fora dos dois tanques a 200 40
taxas indicadas na figura. Pretende-se determinar a quantidade de sal no
instante t.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 421 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 422
6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Obs 6.40 (cont.) Obs 6.40 (cont.)


e a taxa de sal que esta sendo bombeada para fora e

y1 (t)

y1 (t) y 0 = Ay , y (0) = y0 ,
(20 L/min) g/L = g/min.
200 10 
1
10 1

onde A = 1
40
1
e y0 = [ 600 ]. Calculando os valores proprios de A,
Entao, a taxa de variacao para o tanque A e dada por 3
10 10
1
obtem-se 1 = 20 e 2 = 20 com vetores proprios associados
y2 (t) y1 (t) v1 = (1, 2) e v2 = (1, 2). A solucao deste problema e da forma
y10 (t) = .
40 10    
3 t
Analogamente, a taxa de variacao para o tanque B e dada por y = c1 exp t v1 + c2 exp v2 .
20 20
20y1 (t) 20y2 (t) y1 (t) y2 (t) No instante t = 0, y = y0 , logo
y20 (t) = = .
200 200 10 10
c1 v1 + c2 v2 = y0 ,
Para determinar y1 (t) e y2 (t), precisamos de resolver o problema com
condicoes iniciais ou, escrito de outra forma

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 423 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 424

6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Diagonalizacao

Obs 6.40 (cont.) Exe 6.41


Dois tanques contem, cada um, 100 litros de uma mistura. A mistura no
    
1 1 c1 60 tanque A contem 40 gramas de sal e a mistura no tanque B contem 20
= . gramas de sal. Bombeia-se lquido para dentro e para fora dos tanques de
2 2 c2 0
acordo com a seguinte figura:
Podemos calcular o valor das constantes c1 e c2 resolvendo o sistema agua 12L/min mistura 4L/min


associado a ultima equacao. A solucao e c1 = c2 = 30. Conclui-se que a
solucao do problema de valor inicial e
tanque A tanque B
     
3 1 t 1
y = 30 exp t + 30 exp ,
20 2 20 2

mistura 16L/min

mistura 12L/min

que pode ser reescrita da forma Determine a quantidade de sal em t = 1min.

3 t
   
y (t) 30 exp( 20 t) + 30 exp( 20 )
y (t) = 1 = 3 t .
y2 (t) 60 exp( 20 t) + 60 exp( 20 )

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 425 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 426
6 Valores e Vetores Proprios Diagonalizacao 6 Valores e Vetores Proprios Solucoes

Obs 6.42 Sol 6.12


Some english vocabulary regarding Eigenvalues and Eigenvectors
(a) (A) = {1, 5}. E1 = {(2, ) : C}. E5 = {(, ) : C}.
vetor proprio de uma matriz associado a um valor
(b) (B) = {i, i}. Ei = {( 1+i , ) : C}. Ei = {( 1i , ) : C}.
proprio/eigenvector of a matrix associated with a eigenvalue
(c) (C ) = {2, 4}, em que o valor proprio 1 = 2 tem multiplicidade
polinomio caracterstico de uma matriz/characteristic polynomial of
algebrica dois. E2 = {( , , ) : , C}.
a matrix
E4 = {( 2 , 2 , ) : C}.
equacao caracterstica de uma matriz/characteristic equation of a
(d) (D) = {2, 4}, em que o valor proprio 1 = 2 tem multiplicidade
matrix
algebrica dois. E2 = {(, , ) : , C}.
E4 = {(, 0, ) : C}.
(e) (E ) = {0, 2}, em que o valor proprio 2 = 2 tem multiplicidade
algebrica dois. E0 = {(, , ) : C}. E2 = {(, 0, ) : C}.
(f) (F ) = {1, 2, 3}. E1 = {(0, , 0) : C}.
E2 = {( 2 , , ) : C}. E3 = {(, , ) : C}.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 427 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 428

6 Valores e Vetores Proprios Solucoes 6 Valores e Vetores Proprios Solucoes

Sol 6.13 Sol 6.19


(A) = {}, E = {(0, 0, x) : x C}. (a) (A) = {1, 3}, E1 = {(, ) : C}, E3 = {(, ) : C}.
Sol 6.14 (b) (A2 ) = {1, 9}, E1 = {(, ) : C}, E9 = {(, ) : C}.
D. (c) (A1 ) = {1, 31 }, E1 = {(, ) : C}, E 1 = {(, ) : C}.
3

Sol 6.15
Sol 6.22
D.
D.
Sol 6.16 Sol 6.23
D. D.
Sol 6.17 Sol 6.24
B. D.
Sol 6.18 Sol 6.25
A. A.
GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 429 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 430
6 Valores e Vetores Proprios Solucoes 6 Valores e Vetores Proprios Solucoes

Sol 6.31 h4 i Sol 6.39


3
Por exemplo, P = 5 4 . P 1 AP = [ 10 02 ]. Se (A), entao = (B).
1 1

Sol 6.32 Sol 6.42


h 010
i h0 0 0i 2 6
Por exemplo, P = 101 . P 1 AP = 0 1 0 . y1 (1) = 25 exp( 25 ) + 15 exp( 25 ) 34.8773g e
1 0 1 2 6
002 y2 (1) = 50 exp( 25 ) 30 exp( 25 ) 22.5570g.

Sol 6.35
(A) = {2, 6}.

Sol 6.37
a = 0, b = 2.

Sol 6.36
Todas as afirmacoes sao verdadeiras.

GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 431 GJM (DMA, UM) Topicos de Algebra Linear setembro de 2016 (v3.3) 432