You are on page 1of 95

Notas Tericas e Prticas

lgebra Linear e Geometria Analtica

Edite Martins Cordeiro


Departamento de Matemtica
2012/2013

Contedo
1

Nmeros complexos
1.1 Representaes algbrica e cartesiana de nmeros complexos e suas operaes .
1.2 Representaes trigonomtrica e exponencial de nmeros complexos . . . . . .
1.2.1 Operaes com nmeros complexos na forma trigonomtrica . . . . . .
1.3 Representao grfica de condies em C . . . . . . . . . . . . . . . . . . . .
1.4 Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Solues - Exerccios propostos 1.4 . . . . . . . . . . . . . . . . . . . . . . .

2 Matrizes e determinantes
2.1 Clculo matricial . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Definio e tipos de matrizes . . . . . . . . . . . . . .
2.1.2 Operaes com matrizes e suas propriedades . . . . .
2.1.3 Escrita de matrizes em escada de linhas . . . . . . . .
2.1.4 Inversa de uma matriz quadrada . . . . . . . . . . . .
2.2 Determinante - propriedades e aplicaes . . . . . . . . . . .
2.2.1 Definio de determinante e Teorema de Laplace . . .
2.2.2 Propriedades dos determinantes . . . . . . . . . . . .
2.2.3 Clculo de A1 a partir da matriz adjunta da matriz A
2.3 Exerccios propostos . . . . . . . . . . . . . . . . . . . . . .
2.4 Solues - Exerccios propostos 2.3 . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

3 Sistemas de equaes lineares


3.1 Classificao de sistemas de equaes lineares quanto existncia de solues
3.2 Forma matricial de um sistema de equaes lineares . . . . . . . . . . . . . .
3.3 Mtodos para a resoluo de sistemas lineares . . . . . . . . . . . . . . . . .
3.3.1 Resoluo de sistemas atravs da inversa da matriz dos coeficientes .
3.3.2 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.3 Mtodo de eliminao de Gauss . . . . . . . . . . . . . . . . . . . .
3.4 Discusso e classificao de sistemas de equaes lineares . . . . . . . . . .
3.5 Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6 Solues - Exerccios propostos 3.5 . . . . . . . . . . . . . . . . . . . . . .
4 Geometria analtica em R2 e em R3
4.1 Retas e cnicas no plano . . . . . . . . . .
4.2 Retas e planos no espao tridimensional, R3
4.3 Formas quadrticas . . . . . . . . . . . . .
4.4 Exerccios propostos . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.

1
1
4
5
7
8
9

.
.
.
.
.
.
.
.
.
.
.

11
11
11
12
15
15
17
17
18
20
20
23

.
.
.
.
.
.
.
.
.

27
27
28
29
29
30
30
32
33
36

.
.
.
.

39
39
43
48
51

CONTEDO

4
4.5
5

Solues - Exerccios propostos 4.4 . . . . . . . . . . . . . . . . . . . . . . . . . . 52

Espaos vetoriais
5.1 Definio de espao vetorial . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Subespaos vetoriais e sua dimenso . . . . . . . . . . . . . . . . . . . . . .
5.3 Matriz mudana de base e bases ortogonais . . . . . . . . . . . . . . . . . .
5.3.1 Matriz mudana de base . . . . . . . . . . . . . . . . . . . . . . . .
5.3.2 Projees ortogonais e processo de ortogonalizao de Gram-Schmidt
5.4 Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5 Solues - Exerccios propostos 5.4 . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

55
55
56
59
59
63
66
68

Transformaes lineares
6.1 Definio e elementos de uma aplicao linear . . . . . . .
6.2 Matrizes de transformaes lineares relativas a bases dadas
6.3 Aplicaes lineares invertveis . . . . . . . . . . . . . . .
6.4 Exerccios propostos . . . . . . . . . . . . . . . . . . . .
6.5 Solues - Exerccios propostos 6.4 . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

71
71
75
78
79
81

Valores e vetores prprios


7.1 Definies e propriedades . . . . . .
7.2 Matrizes diagonalizveis . . . . . .
7.3 Exerccios propostos . . . . . . . .
7.4 Solues - Exerccios propostos 7.3

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

83
83
86
88
89

Bibliografia

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

90

Captulo 1
Nmeros complexos
Os nmeros complexos surgiram no sculo XV I na procura de procedimentos gerais para resoluo de equaes algbricas.
Para solucionar equaes, como por exemplo
x2 + 1 = 0,
foi considerado um nmeroespecial que denotamos
por i e designamos de unidade imaginria, tal

que i2 = 1. Portanto i = 1 ou i = 1.

Tem-se, por exemplo, 4 = 2 1. Isto , as razes quadradas de 4 so 2i e 2i.


Aos os nmeros do tipo bi , com b R, chamamos imaginrios puros. O nome deve-se ao facto
de ao inicio os matemticos acharem que tais nmeros no tinham aplicaes ao mundo fsico.
Tendo os nmeros complexos surgido como soluo para um problema algbrico, a representao geomtrica destes nmeros aparece no sculo XIX, motivada pela necessidade de considerar o
conceito de vetor no plano nos domnios da Geometria, da Topografia e da Fsica.
Atualmente, os nmeros complexos so aplicados em vrias reas do conhecimento humano,
dentro e fora da Matemtica. Certos procedimentos no plano complexo permitem modelar fenmenos, aparentemente imprevisveis (teoria do caos), do mbito da meteorolgica, da astronmica, da
econmica, entre outras reas.

1.1

Representaes algbrica e cartesiana de nmeros complexos e suas operaes

As solues algbricas de equao que so impossveis em R correspondem a nmeros complexos


que surgem representados na designada forma algbrica.
Exemplo 1.1. A equao x2 4x + 13 = 0 tem solues determinadas pela frmula resolvente,

4+
4+
6i
36
2
x 4x + 13 = 0 x =
x = x = 2 + 3i x = 2 3i.
2
2

1. Nmeros complexos

As solues obtidas neste exemplo surgem como a soma de um nmero real com um nmero
imaginrio puro.
Designamos o conjunto dos nmeros do tipo a + bi, com a, b R, de conjunto dos nmeros
complexos, que denotamos por C,
C = {a + bi : a, b R, i2 = 1}.
Denotamos a parte real a do complexo z por Re(z) e o coeficiente b da parte imaginria por Im(z).
Dado um complexo z = a + bi, se a = 0, ento z um imaginrio puro e se b = 0 ento z um
nmero real. Tem-se por isso, R C.
Quanto igualdade de dois complexos, tem-se que z1 = z2 somente se Re(z1 ) = Re(z2 ) e
Im(z1 ) = Im(z2 ).
Chamamos conjungado de z = a + bi ao nmero complexo z = a bi. Tem-se por isso,
Re(
z ) = Re(z)

e Im(
z ) = Im(z).

O designado plano de Argand-Gauss ou de diagrama de Argand, um plano cartesiano usado


para representar nmeros complexos, onde a parte imaginria de um complexo representada pela
ordenada e a parte real pela abcissa.
Por exemplo, z = 2 + i representado atravs do ponto (afixo ou imagem) P = (2, 1) no
plano de Argand-Gauss.

Figura 1.1: Afixos de um complexo, seu conjugado e simtrico


O conjugado de z = 2+i, z = 2i, tem afixo P = (2, 1) e o simtrico de z, z = 2i,
tem afixo Q = (2, 1) encontram-se representados na Figura 1.1.
O mdulo de um nmero real a distncia desse nmero ao zero (ponto de referncia na reta
real). Analogamente, o mdulo ou valor absoluto de um nmero complexo z = a + bi a distncia

entre os afixos O = (0, 0) e P = (a, b), isto , a norma de OP ,

|z| = a2 + b2 .

1.1. Representaes algbrica e cartesiana de nmeros complexos e suas operaes

Operaes com complexos definidos algebricamente e sua geometria no plano de Argand:


A definio da unidade imaginria i, as propriedades das operaes com nmeros reais e os conceitos sobre nmeros complexos j introduzidos, determinam a adio e multiplicao de nmeros
complexos como se segue:
Dados os nmeros complexos, z1 = a + bi e z2 = c + di,
z1 + z2 = (a + c) + (c + d)i;
z1 z2 = ac + adi + cbi + bidi = (ac bd) + (cb + ad)i.
Exerccio 1.2. Sejam os nmeros complexos z1 = 1 i e z2 = 2 + i. Determine:
1. z1 + z2 ;

2. z1 z2 ;

3. 3z1 2z2 .

O simtrico de um nmero complexo z1 = a + bi z2 = a bi, porque z1 + (z1 ) = 0


(elemento neutro da adio em C).
Exemplo 1.3. O simtrico de z1 = 2 3i z2 = 2 + 3i, porque
z1 + z2 = (2 2) + (3 + 3)i = 0.
Naturalmente, denotamos o simtrico de z = a + bi por z = a bi.

Graficamente, um nmero complexo z = a + bi pode ser considerado como um vetor OP , onde


O = (0, 0) e P = (a, b). Isto permite observar a soma e a subtrao de nmeros complexos atravs
da regra do paralelogramo usada para a adio de vetores.

Figura 1.2: Afixo de z1 + z2


Para as sucessivas potncias da unidade imaginria tem-se
i, i2 = 1, i3 = i, i4 = 1
e em geral
in = ir ,

onde

n = 4q + r N

e 0 r < 4.

1. Nmeros complexos

4
Exemplo 1.4. (2i)11 = 211 i11 = 2048i24+3 = 2048i3 = 2048i.

A potenciao (multiplicao sucessiva) de outros nmeros complexos dados na forma algbrica,


pode ser bastante mais trabalhosa.
Exerccio 1.5. Calcule (1 2i)4 .
Observamos que para qualquer z = a + bi C, se tem

z z = a2 + b2 = |z|2 .

Usamos este facto para efetuarmos a diviso de nmeros complexos.


Com efeito, dados z1 = a + bi e z2 = c + di, determinamos o quociente de z1 por z2 na forma
algbrica, efetuando:
ac + bd cb ad
z1 z2
(ac + bd) + (cb ad)i
z1
=
+ 2
i.
=
=
z2
z2 z2
|z2 |2
c2 + d 2
c + d2

Exerccio 1.6. Dados os nmeros complexos z1 = 1 2i, z2 = 2 + 3i e z3 = 23 i, calcule:


a) 2z1 z2 ;

1.2

b) z1 z3 ;

c) z1 z2 ;

d) z1 /z3 .

Representaes trigonomtrica e exponencial de nmeros complexos

Outra forma de representar nmeros complexos atravs do designado sistema polar que a seguir
apresentamos e relacionamos com o sistema cartesiano.
O sistema polar constitudo pelo polo (ponto que fazemos coincidir com a origem do sistema
cartesiano) e pelo eixo polar, e, que fazemos coincidir com o semi-eixo positivo das abcissas. Neste
sistema, cada ponto A do plano tem coordenadas (r, ), onde
r = |OA|

e = (OA, Oe).

A Figura 1.3 sugere que um nmero complexo pode ser representado na designada forma trigonomtrica, a partir da sua representao em coordenadas polares. Com efeito, o afixo Z = (a, b)
do nmero complexo z = a + bi representado em coordenadas polares (r, ), tais que
a = r cos()

e b = r sen().

Tem-se por isso, a forma trigonomtrica de um complexo:


z = r cos() + ir cos().
Habitualmente denotamos cos() + i cos() por cis() e escrevemos z = rcis().
Relacionando a forma algbrica z = a + bi com
a sua forma trigonomtrica z = r cos() +
ir cos() de um complexo, observamos que r = a2 + b2 = |z| e o argumento , habitualmente
denotado por Arg(z), tal que
cos() = a/r

sen() = b/r.

Dados dois complexos z1 = r1 cis(1 ) e z2 = r2 cis(2 ), tem-se:

1.2. Representaes trigonomtrica e exponencial de nmeros complexos

Figura 1.3: Relao entre coordenadas polares e coordenadas cartesianas


z1 = r1 cis(1 ).
z1 = z2 , quando r1 = r2 e 1 2 = 2k, para algum k Z.
z1 = z2 quando r1 = r2 e 1 + 2 = 2k, para algum k Z.
Exemplo 1.7. O afixo de z
= 1 i tem coordenadas cartesianas Z = (1, 1) e
tem coordenadas
Ento
a
forma
trigonomtrica
de
z

2cis(/4).
polares (r, ), tais que r = 2 e = /4.

Podemos tambm considerar z = 2cis(7/4) e z = 2cis(/4).


A representao de funes por sries e a comparao das sries que representam eix , cos(x) e
sen(x), permitiu a representao dos nmeros complexos atravs da forma exponencial, tambm
designada de frmula de Euler:
eix = cos(x) + i sen(x).
Por aplicao desta frmula, podemos representar z pela sua forma exponencial
z = rei .
Tem-se tambm
ez = ex+iy = ex eiy = ex (cos(y) + isen(y)).
Exemplo 1.8. O complexo z = 1 i tem a forma trigonomtrica z =
5
exponencial z = 2e 4 i .

2cis( 5
) e tem forma
4

1.2.1 Operaes com nmeros complexos na forma trigonomtrica


As operaes multiplicao, diviso e radiciao com nmeros complexos na forma trigonomtrica,
so facilmente efetuadas atravs das designadas frmulas de Moivre (em homenagem ao matemtico francs Moivre).
Dados os complexos z1 = r1 cis(1 ) e z2 = r2 cis(2 ), por considerao de frmulas trigonomtricas, determina-se:

1. Nmeros complexos

6
z1 z2 = r1 r2 cis(1 + 2 ).
z1 /z2 = r1 /r2 cis(1 2 ).

z1 =

r1 cis( 1 +2k
), k {0, 1, , n 1}.
n

A multiplicao sucessiva e as frmulas trigonomtricas, determinam a frmula da potnciao de


nmeros complexos:
z1n = r1n cis(n1 ), n Z.
Exemplo 1.9. Provemos que o complexo 1 + i uma das razes cbicas de z = 2 + 2i e determinemos as restantes duas razes cbicas.
Comeamos por observar que

(1 + i)3 = ( 2cis(/4))3 = 2 2cis(3/4)

= 2 2(cos(3/4) + i sen(3/4)) = 2 2( 2/2 + i 2/2)


= 2 + 2i,
logo 1 + i raiz cbica de z = 2 + 2i.

Determinamos as razes cbicas de z, efetuando

q
3

3/4 + 2k
),
3

11
com k {1, 2, 3}. Tem-se ento para conjunto das 3 z, o conjunto { 2cis( 4 ), 2cis( 12
), 2cis( 19
}).
12
2 + 2i =

8cis(

A frmula da radiciao mostra que um dado nmero complexo z = |z|cis() tem n razes de
ndice n, todas com o mesmo mdulo e argumentos dados por
2k
+
.
n
n
Portanto
os afixos das razes esto todos sobre uma mesma circunferncia de centro na origem e raio
p
n
|z|, dividindo a circunferncia em n partes iguais. A seguir representam-se as razes cbicas do
exemplo anterior.
Foi Euler quem demonstrou que qualquer nmero real a tem exatamente n razes complexas,
provando que no universo C a equao polinomial xn a = 0 de grau n possui exatamente n
solues. Este facto foi provado para qualquer equao polinomial de grau n, atravs do designado
Teorema Fundamental da lgebra:
Teorema 1.10. Teorema Fundamental da lgebra: Toda equao polinomial de grau n com coeficientes reais ou complexos tem no universo dos nmeros complexos n solues.
Exemplo 1.11. A equao x4 1 = 0 tem razes 1, 1, i, i.
Notar que se tem (1)4 = 1, 14 = 1, i4 = 1 e (i)4 = 1.

1.3. Representao grfica de condies em C

1.3

Representao grfica de condies em C

Sejam os complexos z1 = a + bi e z2 = c + di e sejam Z1 = (a, b) e Z2 = (c, d) os seus correspondentes afixos. Comeamos por observar que o mdulo da diferena de dois complexos igual
distncia entre os seus afixos, isto ,
|z1 z2 | = |Z1~Z2 |

Figura 1.4: Mdulo da diferena de dois complexos igual distncia entre os seus afixos
p
Com efeito, tem-se |z1 z2 | = |(a c) + (b d)i| = (a c)2 + (b d)2 = |Z1 Z2 |.
No sentido de interpretar algumas condies em C, sejam os complexos z1 e z2 . Ento, o lugar
geomtrico dos complexos z tais que:
|z z1 | = r, r R+ , a circunferncia centrada no afixo Z1 com raio r.
|z z1 | = |z z2 | a mediatriz do segmento de reta [Z1 Z2 ].
Naturalmente, tem-se:
|z z1 | < r representa o crculo centrada no afixo Z1 com raio r.
|z z1 | < |z z2 | representa o semiplano determinado pela mediatriz de [Z1 Z2 ], que contem
Z1 .

Figura 1.5: Mediatriz de um segmento de reta e circunferncia

1. Nmeros complexos

8
Dado um complexo z1 = a + bi e uma constante k R:

A condio Re(z z1 ) = k x = a + k representa uma reta vertical.


A condio Im(z z1 ) = k y = b + k representa uma reta horizontal.
A condio Arg(z z1 ) = , para uma amplitude fixa , define a semirreta com origem no
afixo de z1 , formando um ngulo de amplitude com a semirreta paralela ao eixo Ox e com origem
no afixo de z1 .
Como um exemplo, consideremos a representao da Figura 1.6.

Figura 1.6: Lugar geomtrico de 0 Arg(z 1) /2

1.4

Exerccios propostos

1. Efetue as operaes seguintes, apresentando o resultado na forma algbrica:


(a) 1 3i (2 i)(1 i).

(c)

3i123 +2
i+1

(b) (1 i)3 + 2i17 .

(d)

(12i)(2+i)
.
i+2

+ 3i.

2. Mostre que 6i6n + 2i = 6 + 2i, para qualquer n N.


3. Prove que para z = a + bi, se tem z + z = 2a, z z = 2bi e z z = a2 + b2 .
4. Represente na forma trigonomtrica cada um dos complexos a seguir:

1+i tan()
(c) 1i
(a) 1 + 3i.
.
tan()
(b) 3 3i.

(d) 1 cos() + i sen().

5. Sendo z1 = 3 2i e z2 = 1 + i, escreva na forma algbrica:


(a) z13 2z1 + z2 .

(b) z12 z22 .

(c)

z1
.
2z2

(d) z1 z2 .

6. Dado o complexo w = z + 3zi 2i3 + z, com z = x + yi, determine x e y ou uma relao


entre x e y de modo que w represente:

1.5. Solues - Exerccios propostos 1.4

(a) Um nmero real.

(b) Um imaginrio puro.

7. Considere os nmeros z1 = 1

3i e z2 = 3i + 3 e determine:
(c) ( z32 )7 .

(d) 3 z1 .

(a) z1 z2 .
(b) z2 /z1 .

8. Determine e represente graficamente as razes ndice n de z = 1 i, para


(a) n = 2.
9. Considere z1 = 1 +

(b) n = 3.

(c) n = 5.

3i.

(a) Prove que z1 z2 = 2z1 z2 = 2cis( 3 ).

(b) Resolva, em C, a equao z 4 + z1 = 2.

(c) Determine e represente no plano de Argand as razes quartas de z1 .


10. Resolva em C as equaes seguintes:

(a) 4z 4 + 8(1 + i 3) = 0.
(b) 4z 2 8|z| = 0.

(c) z 3 6z 2 + 13z 10 = 0, sabendo que uma


das razes 2.
(d) z 4 + 2z 2 + 1 = 0.

11. Represente no plano de Argand, os conjuntos definidos pelas condies de varivel complexa
seguintes:
(a) |z 1 + i| < 2.

(b) |Re(z + z)| 2.

(c) (|z + 1i | 1 |Arg(z i)| < 4 ) (Im(z zi) < 1 |z z| < 2).

(d) Im(iz) = 2 |z 2| > 2.

12. Defina por uma condio em C, as regies sombreadas a seguir:


Regio A

1.5
1. .

Solues - Exerccios propostos 1.4

Regio B

1. Nmeros complexos

10
1
+ 12 i.
2
11
52 i.
5

(a) 0.

(c)

(b) 2.

(d)

(a) 2cis( 3 ).

(c) 2cis( 3 ).

(b) 2cis( 3 ).

(d) cis(2).

2. .
3. .
4. .

5. .
(a) 16 43i.

(b) 5 10i.

(c) 54 14 i.

(d) 5 + i.

6. .
(a) x = 32 ;

(b) x = 23 y.

7. .

(a) (3 3 3) (3 + 3 3)i;
(b)

3+3 3
4

3+3 3
i,
4

(c) 8 + 8i;

3
(d) 3 2cis( 9 ), 3 2cis( 5
),
).
2cis( 11
9
9

8. .

2cis( 8 ), 2cis( 7
).
8

3
3

7
).
(b) 2cis( 12 ), 2cis( 12 ), 3 2cis( 15
12

(c) 5 2cis( 20
), 5 2cis( 7
), 5 2cis( 15
), 5 2cis( 23
), 5 2cis( 31
).
20
20
20
20
(a)

9. .
(a) .

8
8

11
12cis(
12cis( 17
(b) 8 12cis( 24
), 8 12cis( 5
),
),
).
24
24
24

4
4
4
4
2
8
14
20
(c) 2cis( 12 ), 2cis( 12 ), 2cis( 12 ), 2cis( 12 ).
10. .
(a)
(b)
(c)
(d)

4
4
8
C.S. = { 4 2cis( 3 ), 4 2cis( 5
),
),
)}.
2cis(
2cis( 11
6
6
6
C.S. = {0, 2}.
C.S. = {2, 2 i, 2 + i}.
C.S. = {cis( 2 ), cis( 3
}.
2

11. .
12. A = {z : (|z 4| 4 (0 arg(z 4) 2 ) 0 arg(z) 2 ) (|z 4| 4 Im(z)
0 0 Re(z) 2)};
B = {z : (|z 1| 2 (0 arg(z i) 2 ) Im(z) 0 1 Re(z) 0}.

Captulo 2
Matrizes e determinantes
Uma matriz um quadro de valores dispostos em filas, linhas e colunas. Tais valores podem ser
reais ou complexos. O conceito de determinante como um valor real ou complexo associado a certo
tipo de matrizes, ser dado na Seco 2.2. As matrizes e o conceito de determinante so usadas em
diversos contextos da modelao matemtica.
Neste curso, usaremos matrizes e determinantes para resolver problemas traduzidos por sistemas
de equaes lineares.

2.1

Clculo matricial

2.1.1 Definio e tipos de matrizes


Seja K o conjunto dos nmeros reais, R, ou o conjunto dos nmeros complexos, C.
Definio 2.1. Chamamos matriz do tipo m n sobre K a todo o quadro que se obtm dispondo
m n nmeros segundo m linhas e n colunas.

a11 a12 ... a1n


a21 a22 ... a2n

A=
...
... ... ...
am1 am2 ... amn
Abreviadamente escrevemos:

A = [aij ]i=1,...,m,j=1,...,n ,
ou
A = [aij ]mn .
Os valores aij , i = 1, . . . , m, j = 1, . . . , n dizem-se entradas ou componentes da matriz A. A
posio de cada aij dada pelo ndice i (i-sima linha) da matriz e pelo ndice j (j-sima coluna) da
matriz.
Denotaremos por Li a i-sima linha da matriz e por Cj a sua j-sima coluna.

2
1
0
0
Exemplo 2.2.
A matriz A = 1 1 4 1 do tipo 3 4.
1 1 1 0

2. Matrizes e determinantes

12
A matriz B =

1 + 2i

do tipo 1 1.

Uma matriz com uma s coluna diz-se uma matriz coluna e uma matriz que s tenha uma linha
uma matriz linha.
Uma matriz m n com todas as entradas iguais a zero diz-se matriz nula e denota-se 0mn .
Uma matriz do tipo m n diz-se retangular se m 6= n e diz-se quadrada de ordem n se m = n.

1
Exemplo 2.3.
A = 3 tem entradas a11 = 1, a21 = 3, a31 = 2.
2

i 1 1
B = 2 2 3i uma matriz quadrada de ordem 3 e tem como algumas das suas
1 1 1
entradas a11 = i, a22 = 2, a33 = 1.
Os elementos aii , i = 1, ...n de uma matriz quadrada de ordem n, A, dizem-se elementos principais e constituem a designada diagonal principal da matriz.
PnChamamos trao de uma matriz A, tr(A), soma dos elementos principais de A, isto , tr(A) =
1 aii .

Matriz triangular superior aquela que abaixo da diagonal principal s tem 0s. Uma matriz
A=[aij ] triangular superior sse aij = 0 quando i < j. Matriz triangular inferior aquela que
acima da diagonal principal s tem 0s ou seja, uma matriz triangular inferior se aij = 0 quando
i > j.
Matriz diagonal toda a matriz quadrada, cujos elementos no principais so todos nulos. Em
particular, uma matriz escalar uma matriz diagonal, cujos elementos principais so todos iguais.

2 + i 1 0
1 1 dado por tr(A) = 2+i1i =
Exemplo 2.4.
O trao da matriz A = 0
1
0 i
1.

1 i 2
T = 0 1 1 triangular superior e os seus elementos principais so t11 = 1, t22 =
0 0 1
1, t33 = 1.

3 0 0
I3 = 0 3 0 uma matriz escalar.
0 0 3
Duas matrizes A e B so iguais se e s se forem do mesmo tipo e os seus elementos homlogos
forem iguais isto , se aij = bij , para quaisquer i e j.

2.1.2 Operaes com matrizes e suas propriedades


Definio 2.5. A adio de duas matrizes A = [aij ]mn e B = [bij ]mn do mesmo tipo uma matriz
desse tipo, cujas entradas so obtidas por adio das entradas homologas das matrizes A e B, isto
,
[aij ]mn + [bij ]mn = [aij + bij ]mn .
Notar que s podemos adicionar matrizes do mesmo tipo.

2.1. Clculo matricial

Exemplo 2.6.

1 2 0
1 1 2

13


3 1 2
2 1/2 1

4 3 2
3 3/2 3

Propriedades 2.7. Sejam A = [aij ]mn e B = [bij ]mn . Tem-se:


1. A + B = B + A; (comutativa)
2. (A + B) + C = A + (B + C); (associativa)
3. A + 0 = 0 + A = A. (a matriz nula o elemento neutro)
Definio 2.8. O produto de uma matriz A = [aij ]mn por um escalar c K, cA = [caij ]mn ,
diz-se matriz produto escalar

 

1 1/2
2 1
.
=
Exemplo 2.9. 1/2
3/2
2
3 4
Propriedades 2.10. Sejam A = [aij ]mn e B = [bij ]mn e sejem , K. Tem-se:
1. (A + B) = A + B;
2. ( + )A = A + A;
3. (dA) = ()A.
Exerccio 2.11. Provar que, para A = [aij ]mn e K, se tem tr(A) = tr(A).
Definio 2.12. O produto de uma matriz A = [aij ]ml por uma matriz B = [bij ]lm a matriz
AB = [cji ]nm , cujas entradas cij se obtm como o produto interno da i-sima linha de A com a
j-sima coluna de B.



 1 1

1 2
1 1 0

0 1
.
=
Exemplo 2.13.
1 2
1 1 1
0 0
Observar que:

S podemos multiplicar a matriz A pela matriz B se o nmero de colunas de A for igual ao


nmero de linhas de B.
Em geral, a multiplicao de matrizes no comutativa.
Definio 2.14. Matriz identidade de ordem n, In , uma matriz escalar, cujos elementos principais
so iguais a 1.
Em geral, In o elemento neutro da multiplicao de matrizes quadradas de ordem n, isto
M In = In M = M , para qualquer matriz quadrada de ordem n.

1 0 0
Exemplo 2.15. I3 = 0 1 0 o elemento neutro da multiplicao de matrizes de ordem 3.
0 0 1

2. Matrizes e determinantes

14

Propriedades 2.16. Se A, B e C forem matrizes do tipo conveniente e K, ento:


1. (AB)C = A(BC);
2. A(B + C) = AB + AC;
3. (A + B)C = AC + BC;
4. (AB) = (A)B = A(B).

Definio 2.17. Chamamos transposta de uma matriz A = [aij ]mn matriz AT = [aji ]nm , que se
obtm trocando as linhas para colunas de A.
Uma matriz A diz-se simtrica se AT = A e diz-se anti-simtrica se AT = A.



1 1
1
1
0
T
2 6= A =
.
Exemplo 2.18.
A= 1
1 2 1
0 1
A matriz B =

1 2
2 2

simtrica.

Propriedades 2.19. Se A e B forem matrizes do tipo m n, ento:


1. (A + B)T = AT + B T ;
2. AT

T

= A.

3. (A B)T = B T AT .
matriz que se obtm substituindo
Definio 2.20. Chamamos matriz conjugada da matriz A, A,
cada elemento de A pelo respetivo conjugado.
Propriedades 2.21. Por definio de matriz conjugada, tem-se o seguinte:
1. A = A;
2. A + B = A + B.
3. A B = A B.
A matriz A = AT , diz-se matriz transconjugada. Se A = A , ento A diz-se hermiteana.

3
2 1 + i
Exemplo 2.22. A = 2 5 i simtrica, mas no hermiteana.
1 + i i 7

2.1. Clculo matricial

15

2.1.3 Escrita de matrizes em escada de linhas


Uma matriz A = [aij ]mn diz-se em escada de linhas se verificar o seguinte:
1. Cada linha no nula encontra-se antes de todas as linhas nulas que existam;
2. Se aij for a primeira entrada no nula, todos os elementos da coluna j nas linhas seguintes so
nulos;
3. A primeira entrada no nula da i-sima linha (no nula) est numa coluna posterior da
primeira entrada no nula das linhas a seguir. Tal entrada diz-se pivot.

1 1 1 1 1
Exemplo 2.23. 0 1 0 1 0 uma matriz em escada de linhas.
0 0 0 0 0

Qualquer matriz pode ser transformada numa matriz em escada de linhas. Para isso, efetuamos
as designadas operaes elementares sobre as linhas da matriz:
Definio 2.24. As operaes elementares sobre as linhas de uma matriz so:
E1 : Troca de linhas;
E2 : Multiplicao de uma linha por um escalar no nulo;
E3 : Adio a uma linha de um produto de um escalar por outra matriz.

Estas operaes tambm so vlidas quando realizadas sobre as colunas da matriz.


Chamamos condensao ao processo de transformao de uma matriz em uma matriz triangular
ou em escada de linhas.
Designamos de caracterstica de uma matriz A ao nmero de linhas no nulas da matriz depois
de transformada em escada de linhas e, denotamos por car(A).
A seguir observamos que um dos algoritmos para determinar a matriz inversa de uma dada matriz
quadrada, recorre s operaes elementares sobre as linhas ou colunas da mesma.

1 3 2
1 3 2
Exemplo 2.25. A matriz A = 3 3/2 3 0 15/2 9 tem caraterstica 2.
0
0
0
6 3 6

2.1.4 Inversa de uma matriz quadrada


Definio 2.26. Uma matriz A = [aij ]nn diz-se invertvel se existir outra matriz B = [bij ]nn , tal
que AB = BA = In . A matriz B designada de matriz inversa de A.
Uma matriz que no admite inversa, diz-se matriz singular.




1/2 1/2
1 2
so inversas uma da outra, porque
eB =
Exemplo 2.27.
A=
1/4
1/4
1
2


1 0
= I2 .
AB = BA =
0 1



 

1 4
2 1
1 3
6=
no so inversas uma da outra, porque AB =
e
As matrizes
0
3
1 1
1 2
I2 .

2. Matrizes e determinantes

16

Se A for uma matriz invertvel, denotaremos a sua inversa por A1 . Por definio, tem-se
AA = I e A1 A = I.
1

Propriedade 2.28. A inversa de uma matriz A = [aij ]nn , caso exista, nica.
Com efeito, se B e C forem ambas inversas de uma matriz A, tem-se AB = BA = In = AC =
CA. Mas AB = ABIn = ABAC = AIn C = AC. Considerando agora a existncia de A1 , tem-se
AB = AC A1 AB = A1 AC In B = In C A = C.
Fazendo uso das operaes elementares sobre as linhas (ou colunas) de uma matriz, podemos
determinar a sua inversa (caso exista), procedendo do seguinte modo:
Algoritmo 2.29.

i) Escrever a matriz ampliada [A|In ] ;

ii) Usando as operaes elementares sobre as linhas de [A|In ], transformar [A|In ] em [C|D],
com C em escada de linhas;
iii) Caso C tenha alguma linha nula, ento A no invertvel; caso contrrio, transformar [C|D]
em [In |E] e identificar E com A1 .

1 1 2
Exemplo 2.30. Para calcular a inversa da matriz A = 2 3 1 , efetuamos
1 1 1

1 1 2 | 1 0 0
1 1 2 | 1 0 0
3
1 +L2
2 3 1 | 0 1 0 2L
0 1 5 | 2 1 0 LL12 +2L
5L3
L1 +L3
0 0 1 | 1 0 1
1 1 1 | 0 0 1

1 0 0 | 4 1 7
1 1 0 | 1 0 2
0 1 0 | 3 1 5 L1 L2 0 1 0 | 3
1 5
0 0 1 | 1 0
1
0 0 1 | 1 0 1

4 1 7
1

3
1 5 .
Logo, A =
1 0
1


1 2
.
Exerccio 2.31. Determinar, caso exista, a inversa da matriz D =
3 4
Propriedades 2.32. Sejam A e B matrizes de ordem n invertveis. Ento:
1. AB invertvel e (AB)1 = B 1 A1 ;
2. A1 invertvel e (A1 )1 = A;
3. se 6= 0, A invertvel e (A)1 = 1 A1 ;
4. AT invertvel e (AT )1 = (A1 )T ;
5. In1 = In .
Definio 2.33. Uma matriz invertvel A tal que A1 = AT diz-se matriz ortogonal.

2.2. Determinante - propriedades e aplicaes

17


cos() sen()
ortogonal, porque
Exemplo 2.34. A matriz A =
sen() cos()

 


1 0
cos() sen()
cos() sen()
T
T
.
=
A A = AA =
0 1
sen() cos()
sen() cos()


Propriedade 2.35.

1. O produto de duas matrizes ortogonais uma matriz ortogonal;

2. A inversa de uma matriz ortogonal tambm ela ortogonal.

2.2

Determinante - propriedades e aplicaes

Nesta seco introduzimos o conceito de determinante de uma matriz quadrada A, apresentamos


um mtodo para o clculo do determinante de matrizes quadradas de qualquer ordem e damos um
algoritmo para o clculo da inversa de uma matriz regular. Trata-se de um algoritmo com importantes
implicaes na resoluo de sistemas de equaes lineares.

2.2.1 Definio de determinante e Teorema de Laplace


A definio de determinante de uma matriz quadrada recorre ao conceito de permutao de um
conjunto de n elementos, dado pelo nmero de n! rearranjos desses elementos. Por exemplo, h seis
permutaes do conjunto {1, 2, 3} :
(1, 2, 3), (1, 3, 2), (3, 2, 1), (3, 1, 2), (2, 1, 3), (2, 3, 1).
A primeira permutao, cujos elementos aparecem pela ordem natural, diz-se permutao principal. Numa dada permutao existe uma inverso sempre que um nmero precede outro mais
pequeno. Uma permutao diz-se par se o nmero de inverses que nela ocorrem para a transformar
na permutao principal for par e diz-se mpar, caso contrrio.
Definio 2.36. O determinante de uma matriz quadrada A = [aij ]nn , a soma de n! termos,
onde cada termo o produto de n elementos de A, cada um dos quais pertencendo a uma linha e a
uma coluna diferente. O sinal de cada termo + se a permutao que o origina par e se a
permutao que o origina mpar.
Denotamos por det(A) ou |A|, o determinante de uma dada matriz quadrada A.
Determinante de ordem 1:
Se A = [a11 ],, |A| = a11 .
Determinante
de ordem
2:


a11 a12
, ento |A| = a11 a22 a21 a12 .
Se A =
a21 a22
O sinal deve-se permutao mpar (2, 1).
Determinante de ordem 3:

a11 a12 a12


Os seis termos do determinante de A = a21 a22 a23 so
a31 a32 a33

(a11 a22 a33 ), (a12 a23 a31 ), (a13 a21 a32 ), (a13 a22 a31 ), (a11 a23 a32 ), (a12 a21 a33 ),

2. Matrizes e determinantes

18
os trs primeiros positivos e os trs ltimos negativos. Assim,

|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a11 a23 a32 a12 a21 a33 .
Notar que o determinante de uma matriz de ordem 4 , por definio, a soma algbrica de 4! = 24
parcelas.
Definio 2.37. Seja A uma matriz quadrada de ordem n.
Chamamos menor associado entrada aij , Mij , ao determinante da submatriz que se obtm
de A, por eliminao da i-sima linha e da j-sima coluna.
Ao nmero (1)i+j Mij diz-se complemento algbrico ou cofator associado a aij , que denotamos por Cij .

1 2 1
1 2 , tem-se:
Exemplo 2.38. dada a matriz A = 3
2 1 0




1 1
3 1
3
= 2 e C12 = (1)

M22 =
2 1 = 5.
2 0

O designado Teorema de Laplace fornece um algoritmo para o clculo de determinantes de


matrizes de qualquer ordem.
Teorema 2.39. O determinante de uma matriz A de ordem n igual soma dos produtos das
entradas de qualquer linha ou coluna pelos respectivos cofactores.





1 2 1
2 1 1 1








1 2 =2
Exemplo 2.40. 3
+ 3 2 + 0 = 6 5 = 1.
1
2
2 1 0

Observamos que o teorema de Laplace fornece um procedimento que permite calcular determinantes de matrizes de ordem n a partir de determinantes de matrizes de ordem n 1. O processo
facilitado quando as matrizes so esparsas (muitas das suas entradas so nulas). Em geral, um maior
valor de n torna o processo mais trabalhoso.
O clculo de determinantes de matrizes pode ser facilitado atravs da aplicao de propriedades
dos mesmos.

2.2.2 Propriedades dos determinantes


Dadas duas matrizes A e B de ordem conveniente e um escalar , verifica-se o seguinte:
1. A multiplicao de uma linha (ou uma coluna) de A por , determina uma matriz com determinante |A|;
2. Se A tiver uma linha (ou uma coluna) de zeros, ento |A| = 0;
3. A troca de duas linhas (ou colunas) consecutivas de A, determina uma matriz cujo determinante igual a |A|;
4. Se uma linha (ou coluna) de A for mltipla de outra, ento |A| = 0;

2.2. Determinante - propriedades e aplicaes

19

5. A matriz que resulta da matriz A por substituio de uma linha (coluna) pela soma da mesma
com um mltiplo escalar de outra tem o mesmo determinante que a matriz A.
6. |AB| = |A||B|;
7. Se A tem ordem n, ento |A| = n |A|;
8. |AT | = |A|;
9. Se uma linha (ou uma coluna) de A for observada como uma soma de parcelas, o determinante
de A pode considerar-se como uma soma de determinantes das matrizes que resultam de A por
decomposio dessa fila.
O exemplo a seguir uma aplicao desta ltima propriedade.




1
1 7 5 1 7 5
7
5




0
3 = 2 0 3 + 2 0 3
Exemplo 2.41. 2
1 + 0 4 + 1 7 1 1 4 7 0 1 1


1 7 2


Exemplo 2.42. |A| = 2 0 4 = 0, porque a 3a coluna mltipla da 1a . Use a definio de
1 4 2
determinante para confirmar que |A| = 0.
Proposio 2.43. Se A uma matriz invertvel, ento:
1. |A| 6= 0.
2. |A1 | =

1
.
|A|

Demonstrao.

1. Se A1 existe, ento |A||A1 | = |AA1 | = |In | = 1 6= 0;

2. Se |A| 6= 0, ento |A1 A| = |I| |A1 ||A| = 1 |A1 | =

1
.
|A|

Proposio 2.44. Se A uma matriz ortogonal, ento |A| = 1.

Demonstrao. Se A ortogonal, ento A1 = AT . Logo |AA1 | = |In | |A||AT | = 1


|A||A| = 1. Mas se |A|2 = 1, ento |A| = 1.
Proposio 2.45. O determinante de uma matriz triangular o produto dos elementos da diagonal
principal.
Utilizando as propriedades dos determinantes j referidas, podemos transformar uma matriz
numa matriz triangular e calcular o seu determinante.
Exemplo 2.46.


1 0 1


1
|A| = 2 2 2 =LL23 +2L
+L1
1 1 0


1 0 1

0 2 0

0 1 1



L 1/2L
2
= 3


1 0 1

0 2 0

0 0 1

Exerccio 2.47. Prove, recorrendo s propriedades dos determinantes, que




1 1 1


a b c = (b a)(c a)(c b).
2 2 2
a b c




= 2.

2. Matrizes e determinantes

20

2.2.3 Clculo de A1 a partir da matriz adjunta da matriz A


Podemos tambm calcular a inversa de uma matriz com recurso ao conceito de determinante. O
procedimento considera o clculo da matriz adjunta, que a seguir definimos.
Definio 2.48. Chamamos matriz adjunta de uma matriz quadrada A matriz transposta da matriz
dos cofatores e denotamos Adj(A) = Cof (A)T .

3 2 1
3 3
6
3 2 1
3 ) = 2 4 7 = 3 4 2 .
Exemplo 2.49. Adj( 1 6
6 7 5
1 2
5
2 4 0
O teorema a seguir d-nos esse outro mtodo para o clculo da inversa de uma matriz invertvel.

Teorema 2.50. Seja A uma matriz invertvel. Ento,


A1 =

1
Adj(A).
|A|

3 2 1
3 do exemplo anterior, tem inversa
Exemplo 2.51. A matriz A = 1 6
2 4 0

1 2/3 1/3
3 2 1
3 2 1
1
1
3 4 2 = 3 4 2 = 1 4/3 2/3 .
A1 =
|A|
3
2 7/3 5/3
6 7 5
6 7 5

2.3

Exerccios propostos

1. Considere as matrizes

1 3 0
1 3 2
A = 0 1 2 , B = 2 1 1 ,
3 0 2
2 0 3
Calcule, se for possvel:
(a)

1
C
2

(b) A 2B;

(c) C + D;
(d) B C T ;

2. Determine x e y, tais que A =

3. Verifique se as matrizes A =

3
1

1 2
3 0

2 4
C= 1 0
3 1

(e) AB e BA;

D=

1 0
1 1

(g) CD2 ;

(f) BCD;
(h) DC T .




0 1
3
2
1 x
.
, B = 2 1 e AB =
1 3
2 y
3 0



6 2
comutam.
eB =
3 5

4. Prove que, dadas matrizes A, B e C de ordem conveniente, se tem AT (BC)T = (CA)T B T .


5. Sejam A = [aij ]mk e B = [bij ]kn duas matrizes tais que AB = C = [cij ]mn . Indique como
calculamos:

2.3. Exerccios propostos

21

(a) A terceira coluna de C.

(c) c35

(b) A primeira linha de C.

(d) c53

6. Calcule a expresso geral de An (n N), sendo A a matriz real seguinte:





a 0
1 1/n 1/n
, com a 6= b.
(b) A =
0 b
0 .
(a) A = 0 1
0 0
1
7. Transforme as seguintes matrizes escrevendo-as em escada de linhas e indique a sua caracterstica:

1
2 1
1 2 4
0
1
0
(a) A = 4 1 2

(c) C =

1 1 3
7 3 6
3
2
3

3 1 0


2 3 1
(d) D = 2 0 1
(b) B =
1 2 0
1 1 0
8. Considere a matriz, em funo dos parmetros reais , R, a seguir:

1 0
1
0
1 2 +

.
B=

0 1

2
1 + +
(a) Determine a caraterstica de B em funo dos parmetros.

(b) Diga para que valores dos parmetros, a matriz B invertvel.


9. Determine a inversa de cada uma das seguintes matrizes, atravs do algoritmo da matriz ampliada:



2 3 4
1 2
(a) A =
3 4
(b) B = 0 4 2 .
1 1 5
10. No clculo do determinante de uma matriz A = [aij ]6 6, diga qual o sinal que afeta cada
uma das seguintes parcelas:
(a) a23 a31 a42 a56 a14 a65 ;

(b) a21 a42 a13 a54 a35 a66 ;

(c) a14 a23 a35 a41 a52 a66 .

11. Calcule o determinante das matrizes a seguir e diga quais delas so invertveis:



2
3 5
2
3
;
(a) A =
6 9
(b) B = 6 1 7 ;
1 0 1

2. Matrizes e determinantes

22

2
1 1
(c) C = 6 1 2 ;
4 2 2

0
1 1 1
1 1 0 1

(d) D =
1 2 0 1 .
3 2 2 0

12. Considere a matriz real

x
0
A4 =
0
1

0
x
1
0

0
1
x
0

0
0
.
0
x

(a) Determine os valores de x para os quais A4 invertvel.


(b) Considere x = 2 e determine o elemento da segunda linha e terceira coluna de A1
4 .
13. Considere a matriz A =


2 0
, determine a matriz B tal que
1 1
1 T

((A + B) ) =

3
1
5 2

14. Sejam A = [aij ]nn uma matriz real, B a matriz que resulta de multiplicar a primeira coluna
de A por R e C a matriz que resulta de multiplicar a segunda coluna de A por R.
Diga, justificando, se so verdadeiras ou falsas as seguintes afirmaes:
(a) |B| = |A|;
(b) |B + C| = ( + )|A|;
(c) |BC| = |A|2 ;

(d) Se A invertvel e 6= 0, ento |B 1 A| = 1 .



x 1
15. Resolva a equao
3 1x


1 0 3

= 2 x 6

1 3 x5



2 4 18


16. Verifique, sem calcular o determinante que 1 3 12 mltiplo de 6.
1 0 6

17. Determine as matrizes adjunta e inversa das matrizes seguintes:

1 0 2
1
2 1
2 ; (b) B = 3 1 4 ;
(a) A = 1 1
5 2 3
2 1 1

1
0
(c) C =
0
0

1
1
0
0

1
1
1
0

1
1
.
1
1

2.4. Solues - Exerccios propostos 2.3


18. Sejam as matrizes

1 0 0
A = 0 1 0 ,
1 0 1

Resolva as seguintes equaes:

23

1 1 1
B= 3 1 0
0 2 2

2 0 0
e C = 2 1 0 .
1 1 1

(a) 2A X = B 1

(b) CX + B = BX + C
(c) AT A1 = (A + B + C)T + X
19. Sejam A e B matrizes do tipo 4 5, C uma matriz do tipo 5 4 e D uma matriz do tipo
4 2. Determine quais das seguintes expresses matriciais esto bem definidas, e nesses
casos, indique o tipo da matriz resultante.
(a) (AT + C)D.

(b) C T (A + B)2

1 k k
20. Considere a matriz A = 1 k 4
1 4 k

(c) (AT + C)(AT + C)T .

(a) Sem efetuar qualquer clculo, diga o que se pode concluir quanto ao valor da caracterstica de A quando k = 4.

(b) Determine k de modo que a matriz seja regular.




a b c


21. Sabendo que 2 1 0 = 1, calcule:
1 2 1



a

3a + 1 3b + 2 3c + 1
b
c





3
0
1
2
1
(a) 6
(b)
1/2 1 1/2

2
1
0
22. Considere a matriz

0
0
a
A = 2 3 a + 1 ,
1 a 1

a R.

(a) Determine os valores de a para os quais a matriz A tem inversa;


(b) Determine a caraterstica de A em funo dos valores de a.

2.4
1.

Solues - Exerccios propostos 2.3

1
2
0 ;
(a) 21 C = 1/2
3/2 1/2

2. Matrizes e determinantes

24

1 9 2
(b) A 2B = 4 1 4 ;
4 0 7

(c) C + D no existe, porque C e D no so do mesmo tipo;

(d) B C T no existe;

1 0 4
13 0 7
(e) AB = 8 1 5 e BA = 0 7 3 ;
1 9 0
11 6 6

5 4
(f) BCD = 7 9 ;
14 14

6 4
0 ;
(g) CD2 = 1
5 1


2 1 4
T
.
(h) DC =
2 1
4
2. x =

1
3

ey=

5
.
3

3. Sim, AB = BA.
4. Porque (BC)T = AT C T e pela propriedade associativa da multiplicao de matrizes.
5. .
(a) Multiplicando cada linha da matriz A pela terceira coluna da matriz B.
(b) Multiplicando a primeira linha da matriz A pela todas as colunas da matriz B.
(c) Multiplicando a 3a linha da matriz A pela 5a coluna da matriz B.
(d) Multiplicando a 5a linha da matriz A pela 3a coluna da matriz B.

 n

a
0
1 1 1
n
.
(b) A =
0 bn
6. (a) An = 0 1 0 .
0 0 1
7. As matrizes escrevem-se em escadas de linhas, usando as operaes sobre as suas filas.
(a) Car(A) = 2;
8.

(b) Car(B) = 2;

(d) Car(D) = 3.

(a) Se = 0 6= 0, ento Car(B) = 3; Se 6= 0 = 0, ento Car(B) = 3; Se


6= 0 6= 0, ento Car(B) = 4; Se = 0 = 0, ento Car(B) = 2.

(b) B invertvel quando 6= 0 6= 0.


9. .

(c) Car(C) = 3;

2.4. Solues - Exerccios propostos 2.3

(a) A

10.


2
1
.
3/2 1/2

(a) +;

25

(b) +;

(b) B 1 =

9
23
1
23
2
23

11
46
7
23
5
46

5
23
2
23
4
23

(c) .

11. .
(a) |A| = 0, logo A no admite inversa;

(b) |B| = 10, logo B admite inversa;


12.

(c) |C| = 0, logo C no admite inversa;

(d) |D| = 1, logo A admite inversa.

(a) x4 x2 6= 0, isto , x R | {1, 0, 1};

(b) 4.


0 5
.
13. B =
0 2
14. .

(a) Falsa, porque |B| = |A| e |A| = n |A|;

(b) Falsa, porque |A + B| 6= |A| + |B|;


(c) Verdadeira;

(d) Verdadeira, porque |B 1 A| = |B 1 ||A| =

1
|A|
|A|

15. x { 32 21 , 3+2 21 }.



2 4 18
1 2 3





16. 1 3 12 = 2 3 1 3 4
1 0 6
1 0 2
17. .

3 1 5

3 1 5
14
14
14
5
3
1
3 1 e A1 = 14
.
(a) Adj(A) = 5
14
14
5
3
1
1 5
3
14
14
14

11 4 2
1

29
7 10 e B 1 = 13
(b) Adj(B) =
Adj(B).
1 2 1

1 1 0
0
0 1 1 0

(c) Adj(C) = C 1 =
0 0
1 1
0 0
0
1

18. .

1
|A|
|B|

(a) X =

11
5
3
5
7
5

2
5
11
5
1
5

1
10
3
10
9
5

= 1 .

2. Matrizes e determinantes

26
(b) X = I3

19. .

0 5 1
(c) X = 1 3 1
0 0 4

(a) (AT + C)D do tipo 5 2.

(b) C T (A + B)2 no est bem definida.


(c) (AT + C)(AT + C)T do tipo 5 5.
20. .
(a) Se k = 4, ento Car(A) = 1;
(b) k 6= 4.
21. .
(a) 32 ;

(b) 3

22. .
(a) a R | {0, 3/2};

(b) Se a R | {0, 3/2}, ento Car(A) = 3; caso contrrio Car(A) = 2.

Captulo 3
Sistemas de equaes lineares
Comeamos por introduzir alguma terminologia, para a seguir apresentarmos trs processos de resoluo de sistemas de equaes lineares. Mais tarde, resolveremos problemas que traduzimos por
este tipo de sistemas.

3.1

Classificao de sistemas de equaes lineares quanto existncia de solues

Uma equao do tipo


a1 x1 + a2 x2 + ... + an xn = b,
onde a1 , a2 , ..., an so valores fixos e x1 , x2 , ..., xn so incgnitas diz-se uma equao linear. Se
b = 0, a equao diz-se homognea.
Caso contrrio, a equao diz-se no homognea.
Um sistema de equaes lineares uma conjuno de equaes lineares. Em particular, um
sistema homogneo de equaes lineares uma conjuno de equaes lineares homogneas.

x + y 2z = 0
Exemplo 3.1.
1. Todas as equaes do sistema
so lineares, por isso este
2x y + z = 1
um sistema de equaes lineares.
 2
x + 2y z = 1
2. O sistema
no linear, porque o termo x2 faz com que a ltima equao
x y + 3z = 1
no seja linear.
Exemplo 3.2. Como um exemplo de um sistema homogneo, tem-se:

x y + z = 0
x 3y + 2z = 0 .

x+yz =0

Definio 3.3. (Classificao de sistemas)

1) Um sistema linear que no tem solues diz-se impossvel.


2) Um sistema com pelo menos uma soluo, diz-se possvel.

3. Sistemas de equaes lineares

28

i) O sistema diz-se possvel e determinado, caso tenha soluo nica;


ii) O sistema diz-se possvel e indeterminado, caso tenha vrias solues.
Notar que, todo o sistema de equaes lineares com mais de uma soluo, tem uma infinidade de
solues.
Definio 3.4. Dois sistemas de equaes lineares dizem-se equivalentes se tiverem o mesmo conjunto soluo.

x+yz =7
Exemplo 3.5.
1. O sistema
impossvel, porque as duas equaes so inx+yz =0
compatveis.

x y + z = 1
x + y z = 1 possvel e indeterminado, porque as duas primeiras equa2. O sistema

x + y = 0
es so equivalentes, isto , tm o mesmo conjunto soluo. Logo


x y + z = 1
x + y z = 1
x + y z = 1
.
x + y = 0

x + y = 0

Na prtica, temos trs incgnitas e apenas duas equaes, pelo que o valor de duas das
incgnitas depende do valor de uma terceira.

x y + z = 0
x + y z = 0 indeterminado e indique o seu
Exerccio 3.6. Prove que sistema homogneo

x+y =0
conjunto soluo.
Um sistema homogneo sempre possvel. Porqu?

3.2

Forma matricial de um sistema de equaes lineares

As matrizes so particularmente teis na simplificao da escrita e na resoluo de sistemas de


equaes e as propriedades do clculo matricial podem ser usadas nessa resoluo.
Consideremos um sistema de equaes lineares genrico com m equaes e n incgnitas:

a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2


.
...

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


Sejam as matrizes

a11 a12
a21 a22
A=
...
...
am1 am2

... a1n
x1

... a2n
x2
,X =

...
...
... amn
xn

b1

, B = b2 .

...
bm

3.3. Mtodos para a resoluo de sistemas lineares

29

Por definio de multiplicao de matrizes, podemos reescrever o sistema de equaes na forma


AX = B,
designada de forma matricial do sistema.
matriz A chama-se matriz dos coeficientes ou matriz simples do sistema, X a matriz das
incgnitas e B a matriz coluna dos termos independentes.
Quando B 6= 0, temos um sistema homogneo.
Chamamos matriz ampliada do sistema, matriz [A|B], especificamente

a11 a12
a21 a22
[A|B] =
...
...
am1 am2

b1
b2
.
...
bm

|
|
|
|

Em geral, se um sistema de equaes lineares tiver m equaes e n incgnitas, ento a sua matriz
simples ser do tipo m n e a sua matriz ampliada ser do tipo m (n + 1).

3.3

Mtodos para a resoluo de sistemas lineares

3.3.1 Resoluo de sistemas atravs da inversa da matriz dos coeficientes


O sistema AX = B pode ser resolvido, efetuando
AX = B X = A1 B,
desde que A seja uma matriz invertvel. Com este mtodo, determinar a soluo do sistema corresponde a multiplicar duas matrizes.
Observar que este mtodo apenas se aplica quando a matriz dos coeficientes quadrada e invertvel, isto , s resolve sistemas de soluo nica.
Exemplo 3.7. Consideremos o sistema


x+y =1

xy =0

1 1
1 1



x
y

1
0

x
y

1/2 1/2
1/2 1/2

1 1
1 1

Como


1 1
1 1

1

tem-se


x
y

1/2 1/2
1/2 1/2



1
0

1/2
1/2

Trata-se de um sistema com soluo (x, y) nica e igual a (1/2, 1/2).

1 

1
0

3. Sistemas de equaes lineares

30

3.3.2 Regra de Cramer


A designada regra de Cramer usa o conceito de determinante e suas propriedades, para resolver
sistemas de equaes lineares. Este mtodo especialmente til para a resoluo de sistemas de
soluo nica, no se justificando o seu uso em outros casos.
Teorema 3.8 (Regra de Cramer). Seja AX = B um sistema de n equaes lineares com n incgnitas
tal que |A| 6= 0. Ento, o sistema tem soluo nica e pode ser obtida como:
x1 =

|A2 |
|An |
|A1 |
, x2 =
, ..., xn =
.
|A|
|A|
|A|

sendo Ai a matriz que se obtm de A substituindo a i-sima coluna por B.


Exemplo 3.9. Seja o sistema de equaes lineares

x + y + 2z = 1
x+yz =2

x+z =0

A matriz dos coeficientes tem determinante




1 1 2


|A| = 1 1 1 = 3.
1 0 1

Pela Regra de Cramer, tem-se




1 1 2


x = 1/3 2 1 1 = 1/3,
0 0 1



1 1 2


y = 1/3 1 2 1 = 4/3
1 0 1

3.3.3 Mtodo de eliminao de Gauss


1 1 1

e z = 1/3 1 1 2
1 0 0




= 1/3.

O designado mtodo de eliminao de Gauss, considera a matriz ampliada do sistema


[A|B]
qual se aplicam as operaes elementares sobre as filas de uma matriz (ver Definio 2.24), o que
corresponde troca de equaes, multiplicao de equaes por um nmero diferente de zero e
substituio de uma equao pela soma de outras duas. Todas estas operaes transformam o sistema
em outros sistemas equivalentes.
Este mtodo transforma a matriz ampliada numa matriz em escada de linhas e esta representa
um sistema equivalente ao primeiro, embora de solues mais obvias.
Exemplo 3.10.

x 2y + z = 2
x 2y + z = 2
x 2y + 2z = 6
z=4
,

xy+z =1
xy+z =1

porque a segunda equao deste ltimo sistema resultou de subtrair ordenadamente a primeira
equao segunda equao do sistema inicial.

3.3. Mtodos para a resoluo de sistemas lineares

31

Agora, subtraindo a primeira equao segunda, tem-se o seguinte sistema equivalente aos
anteriores:

x 2y + z = 2
z=4
.

y = 1

Considerando z = 4 e y = 1 em x 2y + z = 2, determinamos x = 0, logo o sistema tem soluo


(x, y, z) = (0, 1, 4).
Matricialmente, o exemplo anterior corresponde ao seguinte:

1 2 1 | 2
Considerar a matriz ampliada 1 2 2 | 6 .
1 1 1 | 1

Escrever a matriz ampliada em escada de linhas

1 2 1 | 2
1 2 1 | 2
0 0 1 | 4 . 0 1 0 | 1 .
0 0 1 | 4
0 1 0 | 1

x 2y + z = 2
y = 1
Regressar ao sistema
e resolver por substituio.

z=4

Este mtodo designado de mtodo de eliminao de Gauss cujo cujo procedimento descrevemos:
Algoritmo 3.11.

1. Escrever a matriz ampliada do sistema;

2. Transformar a matriz ampliada numa matriz em escada de linhas, recorrendo a operaes


elementares;
3. Escrever o novo sistema correspondente a essa matriz;
4. Resolver o sistema.
Exerccio 3.12. Usando o mtodo de eliminao de Gauss, resolver o seguinte sistema de equaes
lineares:

2x + y + 2z = 1
x+yz =2

x+z =3

Referimos ainda, o designado mtodo de eliminao de Gauss-Jordan para a resoluo de


sistemas de equaes lineares, que acrescenta um passo ao Algoritmo 3.11.
Algoritmo 3.13.

1. Seguir os passos do Algoritmo 3.11.

2. Comear na ltima linha no nula e regressivamente usar cada pivot para anular todos os
restantes elementos da coluna a que pertence.

3. Sistemas de equaes lineares

32

3.4

Discusso e classificao de sistemas de equaes lineares

Dado um sistema de equaes lineares, a observao do nmero de incgnitas, da caractersticas da


matriz dos coeficientes e da caracterstica da matriz ampliada, permite a sua classificao quanto
existncia de solues.
Teorema 3.14. Seja um sistema de equaes lineares com n incgnitas, caracterstica da matriz dos
coeficientes r e caracterstica da matriz ampliada s. Ento,
O sistema possvel somente se r = s.
i) Possvel e determinado, quando r = s = n
ii) Possvel e indeterminado, quando r = s < n
O sistema impossvel quando r 6= s.
Lembrar que a caracterstica de uma matriz A, car(A), corresponde ao nmero de linhas no
nulas da matriz, depois de escrita em escada de linhas. De acordo com o teorema anterior, os
sistemas de equaes lineares AX = B com n incgnitas, so classificados como:
1. Impossveis, quando car(A) < car(A|B);
2. Possveis indeterminados, quando car(A) = car(A|B) < n;
3. Possveis de soluo nica, quando car(A) = car(A|B) = n.
Exemplo 3.15. O sistema de equaes lineares

xy = 1
.
3x + 3y = 3
possvel de solues indeterminadas, porque car(A) = car(A|B) = 1 < n = 2. Com efeito,
tem-se




1 1 | 1
1 1 | 1
.

0 0 | 0
3 3 | 3
Na resoluo de problemas traduzidos por sistemas de equaes, por vezes conveniente considerar algumas das suas incgnitas como parmetros em funo dos quais classificamos e resolvemos
o sistema. Por exemplo, o sistema a seguir no linear se for considerado como um sistema nas incgnitas x, y, z, e :

x+y = 1
x + y = .

3x 3y = 0

Podemos no entanto, considerar como um parmetro e classificar o agora sistema de equaes


lineares em funo das incgnitas x, y, z e . Tratando-se de um sistema com trs equaes e quatro
incgnitas ele no ser possvel de soluo nica para nenhum valor do parmetro .
Este sistema pode ainda ser observado como um sistema de equaes lineares em funo das
incgnitas x, y e z, a classificar em funo dos parmetros e :

3.5. Exerccios propostos

33

Exemplo 3.16. Para classificar o sistema linear,

x+y = 1
x + y = ,

3x 3y = 0

em funo dos parmetros e , condensamos a sua matriz ampliada:

1
1
|
1
1
1
|
1
1 1 | 1
1 | 0 1 | 1 0 6 | 3 .
0 1 | 1
0 6 | 3
3 3 | 0

A avaliao do sistema em funo dos parmetros e a seguinte:


Se = 1 e = 1, o sistema possvel determinado (car(A) = car(A|B) = n = 2).
Se = 1 e 6= 1, o sistema impossvel, porque car(A) < car(A|B).
Se 6= 1, ento

1 1 |
1
1
1
|
1
=0
0 6 | 3 16
.
3
0 6 |
1
0 0 | 2 ( 1) + 1
0 1 | 1

Neste caso, se 1
( 1) + 1 = 0, isto , se = 21 ( + 1), o sistema possvel determinado.
2
Caso contrrio, o sistema impossvel.
Notamos que nos sistemas homogneos AX = 0 tem-se sempre car(A) = car(A|B), logo
so sempre possveis. De facto tais sistemas tm pelo menos a soluo nula. tais sistemas so
indeterminados quando car(A) < n.
Exerccio 3.17. Classifique o sistema homogneo a seguir, em funo do parmetro :

x + y = 0
.
x + y = 0
Muitos dos problemas de interesse prtico que aparecem, por exemplo, no clculo de estruturas,
nas redes de transporte, na comunicao ou nas reas de economia e engenharia, so traduzidos por
sistemas lineares. A este propsito, sugere-se a traduo do problema a seguir por um sistema de
equaes lineares e posterior resoluo.
Problema 3.18. Um fabricante de objetos de cermica produz vasos e pratos decorativos. Cada
vaso exige 16 minutos de moldagem, 8 minutos de polimento e 30 minutos de pintura. Cada prato
decorativo necessita de 12 minutos de moldagem, 6 de polimento e 15 de pintura. Sabendo que,
por semana, so reservadas 8 horas para a moldagem, 4 horas para o polimento e 13 horas para a
pintura, determine quantos objetos de cada tipo podero ser fabricados por semana.

3.5

Exerccios propostos

1. Identifique se as equaes a seguir so lineares:

3. Sistemas de equaes lineares

34
(a) x +

(c) x = 3y + 32 z;

2y 25/3 z = 1;

(d) x2/3 2y 5z =

(b) x + xy 2z = 0;
2. Considere o sistema de equaes lineares

6.

x 2y = 1
.
6y 3x = 3

(a) Prove que (3, 1) soluo do sistema;


(b) Determine as restantes solues do sistema e classifique-o.
3. Entre notas de 50 euros e de 10 euros, o Joo possui um total de 50 notas. Sabendo que essas
notas somam um montante de 900 euros, quantas notas de 50 euros e quantas notas de 10 euros
o Joo possui?
4. Escreva os sistemas a seguir na forma matricial:

3x 2y = 1
y = 0
(b)
(a)

5x = 1

2x + 3y = 1
(c)
x 2y + z = 5
(d)
5. Sejam os sistemas de equaes lineares:

xy = 4
(I)
2x + y = 1

(III)

x + y + z = 1
x + 2y + 3z = 3

y + 2z = 4

2x + z =
yx =

x + 5z =

x + 2y z
yz

2x + z

1
0
1
= 1
= 5
= 3

2x y z = 3
x + 3y + z = 2
(II)

x + 3y = 1

2x y + 2z = 1

2x 8y z = 8
(IV)
x + 3z = 8

x + 4y + z = 4

(a) Resolva pelo mtodo da inversa da matriz dos coeficientes, o sistema de equaes I;
(b) Resolva pela regra de Cramer, o sistema de equaes II;
(c) Resolva pelo mtodo de eliminao de Gauss, os sistemas III e IV .
6. Um comerciante de caf vende trs tipos de misturas de gros. Um pacote com a "mistura da
casa" contm 300 gramas de caf colombiano e 200 gramas de caf torrado. Um pacote com
a "mistura especial" contm 200 gramas de caf colombiano, 200 gramas de caf queniano
e 100 gramas de caf torrado. Um pacote com a "mistura gourmet" contm 100 gramas de
caf colombiano, 200 gramas de caf queniano e 200 gramas de caf torrado. Com 30 quilos
de caf colombiano, 15 de caf queniano e 25 de caf torrado, quantos pacotes de cada mistura
pode o comerciante preparar?

x + z = 1

x y + z = 0
, R.
7. Considere o sistema
x y + w = 1

y+z =

3.5. Exerccios propostos

35

(a) Calcule em funo de :


i. O determinante da matriz dos coeficientes do sistema;
ii. A caracterstica da matriz dos coeficientes e da matriz ampliada.
(b) Classifique o sistema em funo dos valores do parmetro ;
(c) Calcule a inversa da matriz dos coeficientes, para = 1.
8. Classifique os seguintes sistemas em funo dos parmetros e :

x
+
2y
+
z
=
5
x+y+z = +1

x + y + z =
1
x y + 3z = 6
(b)
(a)

x y + w = 1
x y + z =
1

2x + y z =

2x + 4y + z = 2
x+z =0

x + ( + 2)y = 1
2x + y z = 1
(d)
(c)
x + 2y =
3x

y
=

x + 2y + z = 1
3z y =

9. Determine o valor de para o qual o sistema de equaes

2x 5y + 2z = 0
x+y+z = 0

2x + z = 0
tem solues distintas do soluo nula e calcule-as.

10. Considere as matrizes

2
A=
0
0

0
1
1

2
1 1
,
1 1
1

1
0

e B=
1 .

(a) Calcule a caracterstica da matriz A em funo do parmetro R;

(b) Classifique o sistema AX = B, em funo dos parmetros , R;

(c) Para = 2, determine R, tal que (1/4, 1/4, 3/4, 0) seja soluo do sistema
AX = B.

11. Considere o sistema de equaes, em funo dos parmetros , R:

x+y+z = 1

x + y + z = 2

3x + 3y + z =
Classifique-o em funo dos parmetros e .

12. Certo dia, o Paulo trocou 40 dlares e 20 libras por 78 euros. Nesse dia, na mesma instituio
o Pedro trocou 50 dlares e 40 libras por 120 euros. Qual foi a cotao do dlar nesse dia? E
da libra?

3. Sistemas de equaes lineares

36

3.6

Solues - Exerccios propostos 3.5

1. .

2.

(a) Equao linear;

(c) Equao linear;

(b) Equao no linear;

(d) Equao no linear;

(a) .
(b) {(1 + 2y, y) : y R}.

3. O Joo possui 10 notas de 50 euros e 40 notas de 50 euros.


4. .

x
2 0 1

1 1 0 y =
(b)
z
1 0 5

x
1 2 1

0 1 1 y =
(d)
z
2 0 1

 
1
3 2
x

0 1
= 0 ;

(a)
y
1
5 0

 


x
1
2 3 0

;
y =
(c)
5
1 2 1
z

1
0 ;
1

1
5 .
3

5. .
(a)

xy = 4

2x + y = 1

(b) x =

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

x
y

3
,
11

y=

1 1
2 1


















  
1  
5/3
x
4
;
=

7/3
y
1

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

2
,
11

z=

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

9
;
11

(c) O sistema III tem conjunto soluo {(x, 2x 6, x + 5) : x R}; O sistema IV tem
conjunto soluo {(x, 2x + 2z + 1, z) : x, z R}.
6. O comerciante pode preparar 65 pacotes com a "mistura da casa", 30 pacotes com a "mistura
especial" e 45 pacotes com a "mistura gourmet".
7. .
(a) .
i. 3 ;
ii. Se =
6 0, a caracterstica da matriz dos coeficientes e da matriz ampliada 4; Se
= 0, a caracterstica da matriz dos coeficientes 3, mas a caracterstica da matriz
ampliada 4.
(b) Se 6= 0, o sistema possvel e determinado. Se = 0, o sistema impossvel.

3.6. Solues - Exerccios propostos 3.5

37

2 1 0 1
1 1 0 0

(c)
1 1 0 1 .
1 0 1 1

8. .

(a) Se 6= 4, ento o sistema possvel determinado; Se = 4 e = 8/7, ento o


sistema possvel indeterminado; Se = 4 e 6= 8/7, ento o sistema impossvel;

(b) Se 6= 1, ento o sistema possvel determinado; Se = 1, ento o sistema impossvel;


(c) Se = 1, ento o sistema possvel determinado; Caso contrrio, o sistema impossvel;

(d) Se 6= 0 = 1 ou 6= 0 = 2, ento o sistema possvel determinado; Se


= 0 = 1, o sistema possvel indeterminado; Para outros valores de e , o
sistema impossvel.
9. = 2. C.S. = {(x, 0, x) : x R}.
10. .
(a) Se = 0, ento Car(A) = 2; Se = 1, ento Car(A) = 3; Caso R | {0, 1}, ento
Car(A) = 4.
(b) Se = 0, ento o sistema impossvel; Se = 1 6= , ento o sistema impossvel; Se
= 1 = , o sistema possvel indeterminado; Se Se R | {0, 1}, ento o sistema
possvel de soluo nica.
(c) = 2, porque a soluo de AX = B ( 14 , 2a

15 11
,
4 4

a, 2 a).

11. Se 6= 1 e 6= 3, o sistema possvel determinado; Se = = 3, ento o sistema


indeterminado; O sistema impossvel se = 1 ou 6= 3 = 3.
12. A cotao do dlar foi de 1,2 e a cotao da libra foi de 1,5.

38

3. Sistemas de equaes lineares

Captulo 4
Geometria analtica em R2 e em R3
A geometria analtica estuda a representao de objetos geomtricos num sistema de referncia
(sistema de eixos coordenados), com recurso a princpios da lgebra e da anlise matemtica.
Comeamos por relembrar alguns conceitos da geometria no plano.

4.1

Retas e cnicas no plano

Uma reta no plano cartesiano pode ser definida por:


Dois pontos da reta;
Um ponto da reta e o seu declive;
Um ponto e um vetor diretor da reta.
Dados dois pontos fixos no plano, A = (a1 , a2 ) e B = (b1 , b2 ), a reta AB tem a direo do vetor
~ = B A = (b1 a1 , b2 a2 ) = (v1 , v2 ).
AB
Uma equao vetorial da reta AB
(x, y) = (a1 , a2 ) + k(b1 a1 , b2 a2 ),

k R,

isto , AB o lugar geomtrico dos pontos (x, y), que com A definem vetores com a mesma direo
~
de AB.
Da equao vetorial deduzimos uma equao cartesiana
y a2 =

b 2 a2
(x a1 ).
b 1 a1

Esta equao pode ainda ser escrita na forma reduzida y = mx + b, onde


m=
o seu declive.

b 2 a2
v2
=
b 1 a1
v1

4. Geometria analtica em R2 e em R3

40

Por exemplo, dados os pontos A = (1, 1) e B = (2, 2),


a equao vetorial da reta AB dada por
(x, y) = (1, 1) + k(3, 3),

k R.

Por eliminao do parmetro k, obtemos a equao reduzida


y = x
Esta reta interseta o eixo Oy na origem e tem declive 1.
O declive de uma reta a tangente trigonomtrica do ngulo da reta com o eixo Ox, designado
de inclinao da reta ou coeficiente angular.
A reta AB do exemplo anterior tem inclinao 43 , porque
3
tan( ) = 1 = mAB .
4

A posio relativa de duas retas no plano (concorrentes ou paralelas) determinada pelos seus
coeficientes angulares: coeficientes angulares iguais geram retas paralelas coeficientes angulares
diferentes geram retas concorrentes.
Exerccio 4.1. Por observao do declive e da ordenada na origem das retas de equao
r : 3x y = 1,

s : 3x 2y + 2 = 0

e t : 4y 6x = 1,

indique a posio relativa das retas:


a) r e s;

b) r e t;

c) s e t.

Dados dois pontos A = (a1 , a2 ), B = (b1 , b2 ) R2 , a distn~ A figura ao


cia de A a B corresponde norma do vetor AB.
lado sugere que por aplicao do teorema de Pitgoras, se tem
p
~ = (b1 a1 )2 + (b2 a2 )2 .
|AB|
O ponto mdio do segmento de reta [AB] tem coordenadas
(

b 1 + a1 b 2 + a2
,
).
2
2

Definio 4.2. Uma circunferncia o lugar geomtrico dos pontos do plano a igual distncia de
um ponto fixo (chamado centro). A essa distncia chamamos raio da circunferncia.

4.1. Retas e cnicas no plano

41

Exemplo 4.3. Seja a circunferncia, cujos extremos de um dimetro so os pontos


A = (3, 4)
Ento o seu centro o ponto,
C=(

B = (5, 2).

3+5 42
,
) = (4, 1)
2
2

e o seu raio,

d(A.C)
= 1 + 9 = 10.
2

~ | = 10, determina a equao cartesiana da


O conjunto de pontos P = (x, y), tais que |CP
circunferncia:
(x 4)2 + (y 1)2 = 10.
r=

Em geometria, cnicas so as curvas geradas (ou encontradas), na interseo de um plano que


atravessa um cone reto.

Figura 4.1: Seces de um cone


De acordo com a Figura 4.1, a interseo de uma superfcie cnica com um plano pode determinar uma elipse, uma parbola ou uma hiprbole.
No caso do plano de corte intersetar o vrtice da superfcie cnica, obtemos uma das designadas
cnicas degeneradas, que correspondem a um ponto, uma reta ou duas retas.
Para uma melhor identificao das cnicas no degeneradas (elipse hiprbole e parbola), lembremos as suas representaes atravs das designadas equaes reduzidas:
Elipse centrada em P0 = (x0 , y0 ), cuja distncia distncia aos vrtices sobre o eixo de simetria x = x0
2a e cuja distncia distncia aos vrtices sobre o eixo
de simetria y = y0 2b:
(x x0 )2 (y y0 )2
+
=1
a2
b2
Se a = b ento a elipse a circunferncia
(x x0 )2 + (y y0 )2 = a2 .
A geometria da elipse foi aplicada desde cedo, pelos antigos romanos, na construo de pontes
cujos arcos so semi-elipses.

4. Geometria analtica em R2 e em R3

42

Hiprbole com centro de simetria em P0 = (x0 , y0 ) e


vrtices em V1 = P0 + (a, 0) e V2 = P0 + (a, 0):
(x x0 )2 (y y0 )2

=1
a2
b2

Em Mecnica Aplicada, so consideradas hiprboles com os mesmos focos para a resoluo de


problemas relativos ao fluxo estacionrio de eletricidade.
Parbola com vrtice em P0 = (x0 , y0 ) e eixo
de simetria horizontal:
(y y0 )2 = k(x x0 )

Parbola com vrtice em P0 = (x0 , y0 ) e eixo de simetria vertical:


(x x0 )2 = k(y y0 )
Como uma aplicao destas curvas, destacamos que quando um espelho parablico apontado
para o sol, os raios de sol so refletidos para um mesmo ponto (foco da parbola). Este princpio
tambm usado na construo de telescpios, antenas de radar e antenas parablicas.
Definio 4.4. Em geral, as cnicas so representadas por equaes de segundo grau nas variveis
x e y,
Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0, A, B, , F R,
(4.1)

sendo a, b e c no simultaneamente nulos.

Relativamente classificao de uma curva dada por uma Equao 4.1, prova-se o seguinte:
Se B 2 4AC < 0, a equao define uma elipse;
Se B 2 4AC > 0, a equao define uma hiprbole;
Se B 2 4AC = 0, a equao define uma parbola.
Por exemplo, a equao 4x2 y 2 +2y = 0 representa uma hiprbole, porque b2 4AC = 16 > 0.
A equao dada pode ser escrita pela sua equao reduzida, efetuando
4x2 y 2 + 2y = 0 4x2 (y 2 2y + 1) = 1

x2
(y 1)2 = 1,
1/4

Exerccio 4.5. Identifique e represente graficamente as cnicas de equao:

4.2. Retas e planos no espao tridimensional, R3

43

a) x2 = 6y;

c) 4x2 + 9y 2 = 4.

b) (y 2)2 = 6x;

d) 3x2 4y 2 = 9.

4.2

Retas e planos no espao tridimensional, R3

Tal como para a representao de elementos no plano recorremos ao sistema de eixos cartesiano
Oxy, tambm para a representao de elementos do espao recorremos ao referencial cartesiano
tridimensional Oxyz. Por exemplo, dizer que um ponto P tem coordenadas cartesianas (2, 3, 2),
significa dizer que P se escreve como a combinao linear P = 2i + 3j + 2k dos vetores unitrios
i, j, k, que do a orientao dos eixos do referencial, tal como a imagem a seguir sugere:

Figura 4.2: Representao de um ponto de R3


~ = u.
A soma de um ponto A = (a1 , a2 , a3 ) com um vetor u o ponto B = (b1 , b2 , b3 ), tal que AB
Alm disso, ~u tem comprimento (ou norma) igual distncia de A a B,
p
|u| = d(A, B) = (a1 b1 )2 + (a2 b2 )2 + (a3 b3 )2 .

O ponto mdio do segmento de reta [AB] tem coordenadas


(

b 1 + a1 b 2 + a2 b 3 + a3
,
,
).
2
2
2

Exemplo 4.6. Para determinar a equao cartesiana da superfcie esfrica que tem como extremos
de um dimetro A = (1, 0, 2) e B = (0, 2, 4), calculamos o seu centro,
C=(

1 + 0 2 + 0 2 + 4
1
,
,
) = ( , 1, 3)
2
2
2
2

e o seu raio,
r=

d(A.C) p
= 1/4 + 1 + 1 = 3/2.
2

A equao da superfcie esfrica ento


(x + 1/2)2 + (y + 1)2 + (z 3)2 = 9/4,
isto , o lugar geomtrico dos pontos P = (x, y, z) tais que d(P, C) = 3/2.

4. Geometria analtica em R2 e em R3

44

Definio 4.7. O produto interno usual ou produto escalar de dois vetores u e v, definido como
u v = |u||v| cos(uv).

O produto interno de vetores de Rn verifica as propriedades a seguir:


Propriedades 4.8. Sejam u, v e w vetores de Rn e seja k R. Ento,
1. u v = v u;
2. u v = 0 somente se u = 0 ou v = 0 ou uv;
3. k(u v) = ku v = u kv;
4. u (v + w) = u v + u w;
Se u = (u1 , u2 , . . . , un ) e v = (v1 , v2 , . . . , vn ) so vetores de Rn , ento tem-se

v1



v2
u v = (u1 v1 + u2 v2 + + un vn ) = u1 u2 un

vn

Identificamos a norma de um vetor u = (u1 , u2 , . . . , un ) como,


q

|u| = u u = u21 + u22 + + u2n .


Exemplo 4.9.

|(2, 3)| =
e
|(1, 2, 1)| =

(2, 3) (2, 3) = 4 + 9 = 13

(1, 2, 1) (1, 2, 1) = 1 + 4 + 1 = 6.

O ngulo de dois vetores uv


[0o , 180o ], determinado como
uv
= arccos(

uv
).
|u| |v|

Propriedades 4.10. Sejam u, v Rn e k R. Ento,


1. |u| 0;
2. |ku| = |k| |u|;
3. |u + v| |u| + |v|
4. |u v| |u| |v|

(desigualdade triangular);
(desigualdade de Cauchy Schwarz).

4.2. Retas e planos no espao tridimensional, R3

45

Definio 4.11. A projeo ortogonal de um vetor u sobre um vetor v, P rojv (u), um vetor v1 ,
cuja origem a origem comum a v e u e cuja extremidade o p da perpendicular de u sobre a reta
com a direo do vetor v

Figura 4.3: P rojv u = v1


A Figura 4.3 e a definio de produto interno facilitam a compreenso da equivalncia
P rojv (u) = |u| cos(uv)

uv
v
P rojv (u) =
v.
|v|
|v|2

Trata-se de um vetor colinear com v, cuja norma dada por


|u v|
.
|v|
Exemplo 4.12. A projeo ortogonal do vetor u = (1, 2, 3) sobre o vetor v = (2, 0, 1) o vetor
P rojv u =

1
(1, 2, 3) (2, 0, 1)
(2, 0, 1) = (2, 0, 1) = (2/5, 0, 1/5).
5
5

Vamos agora definir um produto de vetores, cujo resultado um vetor:


Definio 4.13. O produto vetorial de dois vetores u, v 6= 0 no colineares um vetor denotado por
u v, tal que:
1. u v perpendicular aos vetores u e v;
2. Se o angulo formado pelos vetores u, v, ento |u v| = |u||v|sen();
3. u v tem sentido determinado pela mo direita: considerando o polegar na direo e sentido
de u e os restantes dedos da mo direita no sentido de v, ento o sentido de u v o da palma
da mo.

Figura 4.4: Sentido de u v

4. Geometria analtica em R2 e em R3

46

Na figura acima, n um vetor unitrio perpendicular tanto a u como a v e tem-se


u v = |u||v|sen()n.

Definio 4.14. No sistema cartesiano tridimensional, o produto externo ou produto vetorial de


dois vetores u = (u1 , u2 , u3 ) e v = (v1 , v2 , v3 ) definido como o vetor
u v = (u2 v3 v2 u3 , v1 u3 u1 v3 , u1 v2 v1 u2 ).
Trata-se de um vetor perpendicular aos vetores u e v e pode mais facilmente ser representado
matricialmente como


i j k


u v = u1 u2 u3 = (u2 v3 v2 u3 )i (u1 v3 v1 u3 )j + (u1 v2 v1 u2 )k.
v1 v2 v3
Propriedades 4.15. O produto vetorial de vetores verifica as propriedades a seguir:
u v w = u (v w) (associativa);
u v = v u (anti-comutativa);
u v = |u| |v| sen(uv)n,

sendo n um vetor unitrio perpendicular a u e v;


u v = 0 somente se u = 0 v = 0 uv
= 0o uv
= 180o .
Das propriedades acima determinamos ainda que |uv| = |u||v| sen(uv).
Este valor representa
a rea do paralelogramo definido pelos vetores u e v.

Figura 4.5: Paralelogramo definido pelos vetores u e v


Com efeito, de acordo com a figura acima, a rea do paralelogramo dada por A = |v| h. Alm
disso, |u| sen(uv)
= h.
No caso de u e v serem vetores colineares, o produto vetorial u v o vetor nulo. Esta uma
situao limite em que o paralelogramo no existe.
Definio 4.16. O produto misto de trs vetores u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) e w = (w1 , w2 , w3 ),
o escalar determinado como


u 1 u2 u 3


u (v w) = v1 v2 v3 .
w1 w2 w3

4.2. Retas e planos no espao tridimensional, R3

47

O seu valor absoluto, |u (v w)|, representa o volume do paralelippedo definido por trs
vectores u, v e w.

Figura 4.6: Paraleleppedo de dimenses |u|, |v| e |w|


Exerccio 4.17. Sejam os vetores u = (1, 2, 3), v = (0, 1, 1) e w = (1, 0, 1).
a) Determine a rea do paralelogramo definido por u e v.
b) Determine volume do paralelippedo definido por trs vectores u, v e w.
Reta no espao tridimensional, R3 :
semelhana da equao vetorial da reta no plano, tambm dados dois pontos A = (a1 , a2 , a3 ), B =
(b1 , b2 , b3 ) R3 , a reta AB o lugar geomtrico dos pontos P = (x, y, z) do espao, tais que
~ para qualquer k R. Assim, a equao vetorial da reta AB, a seguinte:
P = A + k AB,
AB : (x, y, z) = (a1 , a2 , a3 ) + k(b1 a1 , b2 a2 , b3 a3 ),

k R.

Eliminando o parmetro k, obtemos a equao cartesiana:


AB :

x a1
y a2
z a3
=
=
.
b 1 a1
b 2 a2
b 3 a3

Exerccio 4.18. Sejam os pontos A = (1, 0, 2) e B = (1, 3, 2) e seja a reta r : x =

y2
3

= z4 .

a) Determine uma equao cartesiana de AB.


b) Determine o ngulo das retas AB e r.
Plano no espao tridimensional, R3 :
Existem vrias formas de definir um plano no espao, especificamente atravs de:
Trs pontos no colineares;
Duas retas concorrentes;
Um ponto e um vetor perpendicular ao plano.
Em particular, o plano que contm o ponto A e perpendicular ao vetor v o lugar geomtrico
dos pontos P = (x, y, z) tais que
~ v = 0.
AP

4. Geometria analtica em R2 e em R3

48

Exemplo 4.19. Determinemos a equao do plano que contm A = (1, 0, 2) e perpendicular a


v = (1, 3, 2):
(x 1, y, z 2) (1, 3, 2) = 0 x + 1 + 3x 3 + 2z 4 = 0 x + 3x + 2z 6 = 0.
No exemplo anterior, obtivemos a equao geral do plano, isto , uma equao linear nas variveis x, y, z do tipo
Ax + By + Cz + D = 0.
Quanto posio relativa de dois planos, eles podem ser paralelos (estritamente paralelos ou
coincidentes) ou secantes (perpendiculares ou obliquos).
E quanto posio relativa de trs planos, o que poder acontecer?
Exerccio 4.20. Determine a posio relativa dos planos definidos pelas equaes x 2y + z = 1,
x + y = 3 e 2x + 4y 2z = 2.

4.3

Formas quadrticas

Definio 4.21. Uma superfcie qudrica uma superfcie, que em R3 , definida por uma equao
polinomial de 2o grau em trs variveis,
Ax2 + By 2 + Cz 2 + Dxy + Eyz + F xz + Gx + Hy + Iz + J = 0,
onde A, B, . . . , J so constantes reais.
Como exemplos de algumas superfcies de R3 , so as geradas pela rotao de cnicas em torno
de um eixo que as bissete;
Uma esfera gerada por uma circunferncia;
Um elipsoide de revoluo gerado por uma elipse;
Um paraboloide de revoluo gerado por uma parbola;
Um hiperboloide de revoluo gerado por uma hiprbole.
A identificao de curvas de interseo de uma superfcie qudrica com planos paralelos aos
planos coordenados, xOy, xOz e yOz, facilitam a sua classificao.
Tais intersees so mais facilmente identificadas se as qudricas forem descritas por equaes
na forma reduzida, como se segue:
Equao reduzida do elipside de
centro na origem e semi-eixos
a, b, c > 0:
E:

x2 y 2 z 2
+ 2 + 2 = 1.
a2
b
c

4.3. Formas quadrticas

49

Um elipsoide de centro num ponto (x0 , y0 , z0 ), tem equao


E:

(x x0 )2 (y y0 )2 (z z0 )2
+
+
= 1.
a2
b2
c2

Exerccio 4.22. Qual a relao entre a esfera e o elipsoide?

Equao reduzida do hiperboloide


de uma folha de centro na origem e
semi-eixos a, b, c > 0, com eixo ao
longo de Oz:
H1 :

x2 y 2 z 2
+ 2 2 = 1.
a2
b
c

As intersees H com planos z = k, so elipses;


As intersees H com planos x = k, so hiprboles ou o vazio;
As intersees H com planos y = k, so hiprboles ou o vazio.
2

A equao xa2 yb2 + zb2 = 1 representa o hiperboloide de uma folha com eixo Oy.
2
2
2
A equao xa2 + yb2 + zb2 = 1 representa o hiperboloide de uma folha com eixo Ox.

Equao reduzida do hiperboloide de duas folhas de centro na origem e semi-eixos a, b, c >


0, com eixo ao longo de Oz:
H2 :

x2 y 2 z 2
2 + 2 = 1.
a2
b
c

A interseo de H2 com os planos z = k, vazia ou uma elipse;


A interseo de H2 com os planos x = k, vazia ou uma hiprbole;
A interseo de H2 com os planos y = k, vazia ou uma hiprbole.
Equao reduzida do paraboloide elptico,
centrado na origem e ao longo de Oz:
PE :

z
x2 y 2
,
+
=
a2
b2
c

c>0

Notar que se c < 0, o paraboloide fica voltado


para baixo.

4. Geometria analtica em R2 e em R3

50

Equao reduzida do O paraboloide hiperblico, centrado na origem,ao longo de Oz:


PH :

z
x2 y 2
2 =
2
a
b
c

Equao reduzida do cone elptico, centrado na origem,ao longo de Oz:


x2 y 2
z2
+
=
.
a2
b2
c2

As intersees do cone elptico com planos z = k, a origem ou so elipses;


As intersees do cone elptico com planos x = k, so retas ou so hiprboles;
As intersees do cone elptico com planos y = k so retas ou so hiprboles.
Exerccio 4.23. Quais sero as equaes dos cones elpticos com eixo ao longo de Ox e com eixo
ao longo de Oy, respetivamente?

Equao reduzida do cilindro elptico,


centrado na origem e ao longo de Oz:
x2 y 2
+ 2 = 1.
a2
b

Equao reduzida do cilindro hiperblico,


centrado na origem e ao longo de Oz:
x2 y 2
2 =1
a2
b

4.4. Exerccios propostos

4.4

51

Exerccios propostos

1. Considere os pontos A = (2, 3) e B = (1, 2) e determine:


(a) Uma equao cartesiana da reta AB;
(b) Uma equao da reta s que passa na origem do referencial e perpendicular a AB;
2. Identifique e represente graficamente as cnicas de equao:
(a) x2 + 4x + y + 2 = 0;

(d) y 2 4x2 = 4.

(b) 21y 2 4 x = 0;

(e) 4x2 8x + y 2 + 2y + 1 = 0.

(c) 4x2 + 9y 2 = 36;

(f) y 2 4y + 2x + 6 = 0.

3. Escreva uma equao cartesiana dos elementos geomtricos de R3 seguintes:


(a) Reta que passa nos pontos (1, 3, 5) e (4, 2, 3);
(b) Plano que contm o ponto (0, 1, 2) e paralelo ao plano x y 3z 1 = 0;
(c) Plano que contm o ponto (0, 1, 2) e perpendicular ao plano x y = 0;

(d) Plano que contm os pontos (1, 0, 2), (0, 1, 2) e (2, 0, 1).
4. Mostre que a reta de equao
3z 4 = 0.

x1
3

y2
9

= 3 z paralela ao plano de equao 2x + y

5. Determine a posio relativa dos seguintes pares de retas:


(a)

x1
2

(b)

2x1
3

y+1
, z = 1;
4
y1
= z+3
;
4
2

=y =z3ex2=
=

y1
2

= z e

x
3

6. Mostre que a reta de equao

x1
3

y2
9

= 3 z paralela ao plano 2x + y 3z 4 = 0.

7. Resolva cada um dos seguintes sistemas interprete geometricamente:


x 2y + 4z = 2
x + 2y + 2z = 1
(b)
4x 5z = 17
3x + 2y + 10z = 5
(a)

2x y + 9z = 8
8. Considere a superfcie S :

x2
4

+ y2 +

z2
9

= 1.

(a) Determine as curvas de interseo da superfcie com os planos 1 : z = 2 e 2 : y = 1;

(b) Identifique a superfcie.


9. Considere a superfcies S1 :

(x+1)2
4

y2
9

z
3

e S2 :

x2
4

z2
9

= y2.

(a) Determine as curvas de interseo das superfcies com os planos 1 : x = 2 e 2 : y = 3;


(b) Identifique as superfcies.
10. Indique a equao reduzida da superfcie S : 9x2 4y 2 6z 2 = 36 e determine as suas curvas
de interseo com os planos coordenados.

4. Geometria analtica em R2 e em R3

52

11. Obtenha a equao da superfcie esfrica que passa pelos pontos A = (1, 0, 2) e B = (3, 1, 5)
e cujo centro se encontra sobre o eixo Oy.
12. Dada a superfcie qudrica x2 + y 2 + z 2 2x 4y 2z + 4 = 0, prove que representa uma
superfcie esfrica e determine o seu centro.
13. Considere os pontos P1 = (1, 0, 1), P2 = (0, 1, 3) e P3 = (2, 1, a).
a) Determine os valores do parmetro a para os quais os trs pontos dados so colineares;
b) Considere a = 2 e determine o plano definido pelos trs pontos.
14. Considere as equaes x + ay + 2 = 0, 2x + (a + 1)y + (a 1)z = 1 e x + ay + (b + 2)z = 2
de trs planos de R3 . Determine, caso existam, os valores de a e b para os quais os trs planos
so paralelos.

4.5

Solues - Exerccios propostos 4.4

1. .
(a) AB : x + 3y 7 = 0;

(b) s : y = 3x.

2. Identificao de cnicas:
(a) Parbola voltada para baixo com vrtice em (2, 2);
(b) Parbola voltada para a direita com vrtice em (4, 0);
(c) Elipse centrada na origem e eixos 2a = 6 e 2b = 4;
(d) Hiprbole centrada na origem e eixos 2a = 2 e 2b = 4;
(e) Elipse centrada em (1, 1) e eixos 2a = 2 e 2b = 4;.

(f) Parbola voltada para a esquerda com vrtice em (1, 2).

3. Uma equao cartesiana de elementos geomtricos de R3 :


(a)

x1
3

y3
1

z5
;
2

(b) x y 3z + 7 = 0;
(c) x + y + 1 = 0;

(d) x + y z + 3 = 0.
4. Sugesto: Verificar que o vetor diretor (3, 9, 1) da reta perpendicular ao vetor (2, 1, 3),
que ortogonal ao plano.
5. Posio relativa de retas.
(a) Retas no coplanares;

4.5. Solues - Exerccios propostos 4.4

53

(b) Retas paralelas;


6. .
7. Resoluo de sistemas e interpretao grfica.
(a) Sistema impossvel, o que significa que os trs planos no se intersetam.
(b) Sistema possvel indeterminado. O conjunto soluo {(x, y, z) :
representa a reta de interseo dos 3 planos.

10y50
21

=x=

5z17
},
4

8. .
(a) S 1 : x2 /4 + y 2 = 5/9 uma elipse do plano z = 2 e S 2 = {(0, 0)} do plano
y = 1.

(b) Elipsoide centrado na origem com semieixos a = 2, b = 1 e c = 3.


9. .

(a) S1 1 : z = 1/3y 2 +27/4 uma parbola do plano x = 2 e S1 2 : z = 3/4(x+1)2 +3


uma parbola do plano y = 3. S2 1 : y 2 z 2 /9 = 1 uma hiprbole do plano x = 2
e S2 2 : x2 /36 + z 2 /81 = 1 uma elipse do plano y = 3.

(b) S1 um paraboloide eltico e S2 um hiperboloide de duas folhas com eixo ao longo de


Oz.
10. S : x2 /4 y 2 /9 z 2 /6 = 1 um hiperboloide de duas folhas com centro na origem e eixo
ao longo de Oz. S {(x, y, z) : x = 0} = {}, S {(x, y, z) : y = 0} = {(x, y, z) :
x2 /4 z 2 /6 = 1} e S {(x, y, z) : z = 0} = {(x, y, z) : x2 /4 y 2 /9 = 1}.
11. x2 + (y 5)2 + z 2 = 30
12. C = (1, 2, 2).
13. .
a) a = 2;
b) x + y + 1 = 0.
14. a = 1 e b = 2.

54

4. Geometria analtica em R2 e em R3

Captulo 5
Espaos vetoriais
No final do sculo XIX, no mbito do estudo da teoria de matrizes, foi observado que entidades matemticas diferentes possuem propriedades semelhantes. Por exemplo, as operaes adio
e multiplicao escalar de vetores de R2 , de R3 , de funes polinomiais ou de funes diferenciveis, apresentam as mesmas propriedades da adio e da multiplicao escalar de matrizes. Tal
constatao deu origem definio de espao vetorial.

5.1

Definio de espao vetorial

Definio 5.1. Um espao vetorial real um conjunto V 6= munido das operaes adio V
V V e multiplicao escalar R V V , tais que para quaisquer u, v, w V e a, b R, as
propriedades a seguir se verificam:
1. (u + v) + w = u + (v + w)
2. u + v = v + u

(associativa);

(comutativa)

3. Existe 0 V , tal que u + 0 = u

(elemento neutro);

4. Existe u V , tal que u + u = 0

(simtrico);

5. (a + b)v = av + bv;
6. (ab)v = a(bv);
7. 1v = v.
Se na definio anterior considerarmos escalares complexos em vez de escalares reais, ento V
diz-se um espao vetorial complexo. Seguem-se alguns exemplos de espaos vetoriais:
1. Para cada n N, Rn um espao vetorial sobre R;
2. O conjunto Mn (R) das matrizes quadradas de ordem n com elementos reais um espao
vetorial sobre R;
3. O conjunto Mn (C) das matrizes quadradas de ordem n com elementos complexos um espao
vetorial sobre C;

5. Espaos vetoriais

56

4. O conjunto Mm1 (R) dos vetores-linhas com elementos reais um espao vetorial sobre R;
5. O conjunto M1n (R) dos vetores-colunas com elementos reais um espao vetorial sobre R;
6. O conjunto F (R) = {f : R R} das funes reais cujo domnio o conjunto dos nmeros
reais um espao vetorial sobre R;
7. O conjunto Pn [R] de todas as funes polinomiais de grau inferior ou igual a n um espao
vetorial sobre R.

5.2

Subespaos vetoriais e sua dimenso

Definio 5.2. Dado um espao vetorial V , dizemos que um subconjunto W V diferente do vazio
um subespao vetorial de V , se verificar as seguintes propriedades:
i) Para quaisquer u, v W , tem-se u + v W
ii) Para quaisquer a R e v W , tem-se av W

(fecho da adio);
(fecho da multiplicao escalar).

Um subespao vetorial S V tambm um espao vetorial, j que corresponde a um subconjunto no vazio de um espao vetorial tal que o resultado das operaes adio e multiplicao
escalar sobre os seus elementos ainda um elemento de S.
Exemplo 5.3. O conjunto
W = {(x, 2x) : x R}

um subespao de R2 .

Com efeito, para quaisquer vetores u = (u1 , 2u1 ) e v = (v1 , 2v1 ) de W e para qualquer escalar
a R, tem-se:
i) u + v = (u1 + v1 , 2(u1 + v1 )) W
ii) au = (au1 , 2au1 ) W

(fecho da adio);

(fecho da multiplicao escalar).

Notar ainda que O = (0, 0) W .


Todo o espao vetorial V admite pelo menos dois subespaos, o conjunto formado somente pelo
vetor nulo e o prprio V . A estes subespaos chamamos subespaos triviais. O espao V poder
ter outros subespaos, que designamos de subespaos prprios.
Exemplo 5.4.
nal R2 ;

1. O conjunto {(x, 2x) : x R} um subespao vetorial do espao bidimensio-

2. O conjunto R dos nmeros reais um subespao prprio do conjunto C dos nmeros complexos, munido das operaes adio e multiplicao usuais;
3. O conjunto Sn (R) das matrizes simtricas um subespao prprio do espao Mn (R) das
matrizes quadradas.

5.2. Subespaos vetoriais e sua dimenso

57

Exerccio 5.5. Provar que o conjunto S = {X M22 (R) : det(X) = 0} das matrizes singulares,
no um subespao de M22 (R).

Definio 5.6. Seja V um espao vetorial sobre um conjunto R e seja C = {v1 , v2 , . . . , vn } um


conjunto de vetores em V . Dizemos que um vetor v combinao linear dos elementos de C, se
existem escalares k1 , k2 , . . . , kn R tais que
v = k1 v1 + k2 v2 + + kn vn .
Exemplo 5.7. O vetor v = (3, 2, 1) R3 escreve-se como uma combinao linear dos vetores de
C = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}.
Com efeito, existem escalares k1 = 5, k2 = 3 e k3 = 1 tais que (3, 2, 1) = 5(1, 0, 0) +
(3)(1, 1, 0) + 1(1, 1, 1).
Exerccio 5.8. Prove que o vetor v = (1, 1, 2) R3 no combinao linear dos vetores (1, 0, 2) e
(0, 1, 1).
Definio 5.9. Definimos espao gerado por um subconjunto S de um espao vetorial V , que denotamos por hSi, como o conjunto de todas as combinaes lineares de elementos de S. Se S um
conjunto finito ento o espao hSi diz-se finitamente gerado.
Exemplo 5.10. O espao gerado pelo vetor v = (1, 2, 3) R3 representado pela reta que passa
pela origem de R3 e possui a direo do vetor v = (1, 2, 3). Tem-se:
h(1, 2, 3)i =
=
=
=

{k(1, 2, 3) : k R}
{(1k, 2k, 3k) : k R}
{(x, y, z) : x = 1k, y = 2k, z = 3k, k R}
{(x, y, z) R3 : x = y/2 = z/3}

O espao vetorial do exemplo anterior finitamente gerado, mas o conjunto de geradores no


nico. Com efeito, tem-se por exemplo
h(1, 2, 3)i = h(1, 2, 3), (2, 4, 6)i.

(5.1)

Isto , o conjunto A = {(1, 2, 3), (2, 4, 6)} tambm gera o espao vetorial do exemplo anterior. Notar
que o vetor (2, 4, 6) combinao linear de (1, 2, 3).
Nesse sentido, relevante considerar o conceito de dependncia linear de um conjunto de vetores, relacionado com a existncia de pelo menos um vetor que combinao linear dos restantes.
Definio 5.11. Um conjunto A = {v1 , v2 , . . . , vn } de vetores de um espao vetorial V , diz-se
linearmente dependente,(LD), se existirem escalares k1 , k2 , . . . , kn , no todos nulos tais que
k1 v1 + k1 v2 + k1 v3 + + kn vn = 0.

(5.2)

Caso a Igualdade 5.2 se verifique apenas quando k1 = k2 = = kn = 0, ento A diz-se um


conjunto linearmente independente, (LI).

5. Espaos vetoriais

58

Exemplo 5.12. O conjunto A = {(1, 2, 3), (2, 0, 1), (0, 4, 5)} de vetores de R3 linearmente
dependente, porque o sistema homogneo k1 (1, 2, 3) + k2 (2, 0, 1) + k3 (0, 4, 5) = (0, 0, 0) tem
outras solues para alm da soluo nula.
O conjunto B = {(1, 2, 3), (2, 0, 1), (0, 0, 1)} de vetores de R3 linearmente independente,
porque o sistema homogneo k1 (1, 2, 3)+k2 (2, 0, 1)+k3 (0, 0, 1) = (0, 0, 0) tem soluo nica.
Definio 5.13. Um conjunto B = {v1 , v2 , . . . , vn } de vetores de um espao vetorial V , diz-se uma
base desse espao quando verifica as seguintes condies:
B linearmente independente;
hv1 , v2 , . . . , vn i = V , isto , o subespao gerado por B igual a V .
Teorema 5.14. Quaisquer duas bases de um espao vetorial finitamente gerado, tm sempre o
mesmo nmero de vetores.
Definio 5.15. O nmero de vetores de qualquer base de um espao vetorial finitamente gerado V ,
diz-se dimenso de V , que denotamos por dim(V ).
Exemplo 5.16. O conjunto A = {(1, 2), (0, 1)} representa uma base de R2 , porque o conjunto A
linearmente independente e para qualquer (x, y) R2 , existem escalares k1 , k2 tais que
(x, y) = k1 (1, 2) + k2 (0, 1).
Com efeito,


k1 = x

2k1 k2 = y

k1 =
x
.
k2 = 2x y

O espao vetorial R2 tem dimenso 2, o que significa que todas as bases deste espao so conjuntos de dois dos seus vetores linearmente independentes.
Definio 5.17. Um Espao euclidiano qualquer espao vetorial real de dimenso finita munido
de um produto interno.
A operao produtointerno induz uma mtrica, isto , determina o comprimento de cada vetor v
do espao como |v| = v v.
Exemplo 5.18. O espao vetorial R2 um espao euclidiano, por se tratar de um vetorial real de
dimenso 2 (finita) e estar munido do produto interno usual definido por
(x1 , y1 ) (x2 , y2 ) = x1 x2 + y1 y2 ,
que determina o comprimento de cada vetor v = (v1 , v2 ) como
q
|v| = v12 + v22 .

5.3. Matriz mudana de base e bases ortogonais

59

A designada base cannica de R2 definida pelo conjunto dos vetores unitrios C = {(1, 0), (0, 1)}.
As coordenadas cartesianas de pontos ou vetores de R2 so os escalares que escrevem esses pontos
ou vetores como combinao linear desta base. Por exemplo, (3, 5) = 3(1, 0) + 5(0, 1).
Naturalmente, a base cannica de R3 definida pelo conjunto dos vetores unitrios
C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
e qualquer ponto de coordenadas cartesianas (x, y, z) se escreve como combinao linear
x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
Em geral, as coordenadas de um vetor v de um espao vetorial E, relativamente a uma base B,
so os escalares que escrevem v como combinao linear dos vetores de B.
Exemplo 5.19. Seja o vetor v = (2, 5) R2 , isto , seja v = 2(1, 0) + 5(0, 1). As coordenadas de
v segundo a base A = {(1, 2), (0, 1)} so vA = (2, 1), porque 2(1, 2) (0, 1) = (2, 5).
Operaes com subespaos vetoriais
Interseo de subespaos: A interseo W1 W2 dos subespaos vetoriais W1 e W2 do espao
vetorial V , ainda um subespao de V .
Soma de subespaos: A soma W1 + W2 = {v : v = w1 + w2 , w1 W1 , w2 W2 } dos
subespaos vetoriais W1 e W2 do espao V , ainda um subespao de V .
Quanto dimenso de subespaos vetoriais finitamente gerados, dados dois subespaos U, W V ,
tem-se:
dimU + dimW = dim(U + W ) + dim(U W ).
Exemplo 5.20. Seja V = M22 (R) o conjunto das matrizes quadradas de ordem 2 e sejam os subespaos






0 b
a b
: b, c R .
: a, b R , e S2 =
S1 =
c 0
0 0

Ento,

S1 S2 =



0 b
0 0


:bR

e S1 + S2 =



a b
c 0


: a, b, c R .

Alm disso, dim(S1 ) = dim(S2 ) = 2, dim(S1 S2 ) = 1 e dim(S1 + S2 ) = 3


Observamos que, dimS1 + dimS2 = dim(S1 + S2 ) + dim(S1 S2 ).

5.3

Matriz mudana de base e bases ortogonais

5.3.1 Matriz mudana de base


Sejam A = {v1 , v2 , . . . , vn } e B = {w1 , w2 , . . . , wn } duas bases de um mesmo espao vetorial E de
dimenso n. Para qualquer v E, existem escalares k1 , k2 , . . . , kn e r1 , r2 , . . . , rn , tais que
v = k1 v1 + k2 v2 + . . . + kn vn

e v = r1 w 1 + r2 w 2 + . . . + r n w n .

5. Espaos vetoriais

60

A matriz mudana de base relaciona as coordenadas de uma dada base A de um espao vetorial
com as coordenadas de outra base B desse espao. Por exemplo, podemos escrever os vetores wi da
base B como combinao linear dos vetores da base A:

w1 = a11 v1 + a12 v2 + + a1n vn

w2 = a21 v1 + a22 v2 + + a2n vn

wn = an1 v1 + an2 v2 + + ann vn


Tem-se


w1
a11
w2 a21


=
wn
an1

a12
a22

an2


a1n
v1
v2
a2n
.

ann
vn

Definio 5.21. Dadas duas bases A e B de um espao vetorial, chamamos matriz mudana de
base da base A para a base B, PBA matriz cujas colunas representam as coordenadas dos vetores
da base B em relao aos vetores da base A.
De acordo com esta definio, a matriz mudana de base de A para B a transposta da matriz
que multiplicada pela matriz cujos vetores linha so os elementos da base A determina a matriz cujos
vetores linha so os vetores da base B, isto ,

a11 a21 an1


a12 a22 an2

PBA =
.
a1n a2n ann

Tem-se

PBA = ((w1 )A (w2 )A (wn )A ),

isto , as colunas desta matriz representam as coordenadas de cada vetor da base B em relao
base A.
Exemplo 5.22. Sejam A = {(1, 1), (1, 0)} e B = {(1, 2), (4, 3)} duas bases de R2 . A matriz
mudana de base de A para B a matriz transposta de



a11 a12
(1, 2) = a11 (1, 1) + a12 (1, 0)
M=
, tal que
(4, 3) = a21 (1, 1) + a22 (1, 0)
a21 a22




2 3
2 1
A
.
, logo PB =
Resolvendo o sistema, tem-se M =
1 1
3 1
Notar que

1
2
4 3

2 1
3 1


 
1 1
,

1 0

isto , a matriz cujas linhas correspondem aos vetores de B igual ao produto da matriz M pela
matriz cujas linhas correspondem aos vetores de A, ou equivalentemente,
[B] = [A] PBA ,
onde [A] e [B] representam matrizes cujas colunas so os vetores das bases A e B, respetivamente.

5.3. Matriz mudana de base e bases ortogonais

61

Proposio 5.23. Sejam A e B duas bases de um espao vetorial V . Ento,


PBA = [A]1 [B],
onde [A] e [B] representam matrizes cujas colunas so os vetores das bases A e B, respetivamente.
Uma matriz mudana de base sempre invertvel e verificam-se as seguintes propriedades:
Propriedades 5.24. Sejam A e B duas bases de um espao vetorial E de dimenso n e seja PBA a
matriz de mudana da base A para a base B. Ento, tem-se:
(PBA )1 = PAB ;
Dado v E, tem-se [v]A = PBA [v]B ;
Dado v E, tem-se [v]B = (PBA )1 [v]A .
B = P T A;
PCA = PBA PCB .
Exemplo 5.25. A matriz mudana de base, da base cannica B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de
R3 para a base C = {(1, 1, 0), (1, 0, 1), (1, 1, 1)}
PCB

1 1 1
= 1 0 1 ,
0 1 1

porque PCB = [B]1 [C] = C (pela Proposio 5.23 e porque [B]1 a matriz identidade). Notar
tambm que as suas colunas representam as coordenadas de cada vetor da base C em relao
base B e as coordenadas dos vetores de C so relativas base cannica.
Determinamos as coordenadas de v
onde

1
B 1

(PC ) = 1
0

Tem-se ento,

= (1, 2, 3), em relao base C, fazendo (PCB )1 v = vB ,

1
1
0 1
1 1
0 1 = 1 1 0 .
1 1
1
1 1


2
1
1
0 1
vC = 1 1 0 2 = 1 .
4
3
1 1
1

Definio 5.26. Duas matrizes quadradas M e N dizem-se semelhantes se existir uma matriz invertvel P tal que
N = P 1 M P.

5. Espaos vetoriais

62

Naturalmente, qualquer matriz quadrada semelhante a ela prpria, porque A = I 1 AI.


Tambm, dada uma matriz M = [mij ]nn e dadas duas bases A e B de Rn , como a matriz
mudana de base P = PBA invertvel, podemos determinar uma matriz N = P 1 M P semelhante
a M.
No Exemplo 5.22, determinmos que
P =

2 3
1 1

a matriz mudana de base da base A = {(1, 1), (1, 0)} para a base B = {(1, 2), (4, 3)} de R2 .
Ento, dada por exemplo a matriz


1 5
,
M=
2 7
podemos determinar uma outra matriz N semelhante a M , efetuando:
N =P

MP =

2 3
1 1


 
 
1 
6/5 31/5
2 3
1 5
.
=

9/5 34/5
1 1
2 7

Notar ainda que,



6/5 31/5
|N | =
9/5 34/5





= |M | = 1 5
2 7



= 3.

Propriedade 5.27. Matrizes semelhantes tm o mesmo determinante.

Na Seco 2, definimos matriz ortogonal como uma matriz invertvel, cuja inversa a sua transposta. Alm disso, o determinante de uma matriz ortogonal 1 ou 1. Podemos agora considerar
um conceito alternativo de matriz ortogonal:
Propriedade 5.28. Uma matriz ortogonal somente se os seus vetores coluna formam uma base
ortonormal.
Uma matriz ortogonal por isso uma matriz cujas colunas (ou linhas) formam uma base ortonormal. Este conceito implica que as designadas matrizes de rotao so matrizes ortogonais.
A rotao em torno da origem de um dado ngulo de um espao vetorial uma aplicao que
permite rodar os elementos do espao desse ngulo, preservando a ortonormalidade e mantendo a
origem inalterada.
Por exemplo, a matriz de ordem 2,
R=

cos() sen()
sen() cos()

roda o sistema cartesiano bidimensional de um ngulo , em torno da origem.


Com efeito, de acordo com a figura a seguir, consideremos o ponto P = (x, y). As coordenadas
polares (r, ) de P determinam x = r cos e y = r sin().

5.3. Matriz mudana de base e bases ortogonais

63

Figura 5.1: Rotao de P em torno de O de um ngulo


A rotao de P de um ngulo de amplitude determina o ponto P = (x , y ), tal que



x = r cos( + )
x = r cos() cos() r sin() sin()
x = x cos() y sin()

y = r sin( + )
y = r cos() sin() + r sin() cos()
y = x sin() + y cos()
Assim, temos


x
y

cos() sen()
sen() cos()

  
x
.

A matriz de rotao do plano bidimensional em torno da origem,




cos() sen()
,
R=
sen() cos()
uma matriz ortogonal e as suas linhas (ou colunas) representam os vetores de bases ortonormais
do espao vetorial R2 .
Tambm a matriz de rotao do sistema tridimensional, em torno do eixo Ox,

1
0
0
A = 0 cos() sen() ,
0 sen() cos()

determina uma base ortonormal de R3 . Observe que o conjunto dos vetores linha so ortonormais, o
mesmo acontecendo aos vetores coluna.

5.3.2 Projees ortogonais e processo de ortogonalizao de Gram-Schmidt


No Captulo 4, observmos que a projeo ortogonal de um vetor u sobre um vetor v, dada por
P rojv (u) =

uv
v.
|v|2

Consideremos o espao vetorial R2 (ou R3 ) e o subespao W que representa uma reta (ou um
plano) contendo a origem do referencial. As imagens a seguir evidenciam que cada vetor u R2 (ou
u R3 ) se pode escrever como a soma v1 + v2 , com v1 W e v2 perpendicular a W , v2 W .

5. Espaos vetoriais

64

Figura 5.2: P rojW u

Figura 5.3: P rojW u

Observamos que v1 representa a projeo ortogonal de u sobre o espao vetorial W , que denotamos por P rojW u. O vetor v2 diz-se componente de u ortogonal a W . Assim, escrevemos:
u = P rojW u + P rojW u.

Esta propriedade generalizada pelo teorema da decomposio ortogonal, a seguir:


Teorema 5.29. Se W um subespao de um espao vetorial V munido de produto interno, ento
cada v V pode escrever-se como v = v1 + v2 tal que v1 W e v2 W (subespao vetorial
perpendicular a W ).
A projeo ortogonal de um vetor de um espao vetorial V sobre um subespao W de V ,
determinada como se segue:
Teorema 5.30. Seja W um subespao de um espao vetorial V munido de produto interno e seja
v V.
Se A = {a1 , a2 , . . . , an } uma base ortonormal de W , ento
P rojW v = (v a1 )a1 + (v a2 )a2 + + (v an )an ;
Se A = {a1 , a2 , . . . , an } uma base ortogonal de W , ento
P rojW v =

(v a2 )
(v an )
(v a1 )
a1 +
a2 + +
an .
2
2
|a1 |
|a2 |
|an |2

Exemplo 5.31. Sejam V = R3 , W = h(1, 2, 0), (2, 1, 0)i e u = (1, 2, 3) R3 .


Como {(1, 2, 0), (2, 1, 0)} um conjunto ortogonal, tem-se:
(1, 2, 3) (2, 1, 0)
(1, 2, 3) (1, 2, 0)
(1, 2, 0) +
(2, 1, 0)
2
|(1, 2, 0)|
|(2, 1, 0)|2
4
=
(1, 2, 0)
5
4 8
= ( , , 0)
5 5

P rojW u =

Calculamos P rojW u, considerando a identidade u = P rojW u + P rojW u e efetuando


1 2
4 8
P rojW u = (1, 2, 3) ( , , 0) = ( , , 3).
5 5
5 5

5.3. Matriz mudana de base e bases ortogonais

65

Figura 5.4: P rojW2 u e P rojW u


Graficamente, tem-se:
Dado um espao vetorial E de dimenso n munido de produto interno, seja B = {v1 , v2 , . . . , vn }
uma qualquer base desse espao. Podemos obter uma outra base ortogonal C = {e1 , e2 , . . . , en } de
E, a partir da base B, efetuando:
Algoritmo 5.32.

1) Considerar e1 = v1 ;

2) Determinar e2 a ser ortogonal a e1 , considerando a componente de v2 que ortogonal ao


subespao W1 = he1 i,
e2 = v2 P rojW1 v2 = v2

v2 e 1
e1 ;
|e1 |2

3) Determinar e3 a ser ortogonal aos vetores e1 e e2 , considerando a componente de v3 que


ortogonal ao subespao W2 = he1 , e2 i,
e3 = v3 P rojW2 v3 = v3

v3 e 1
v3 e 2
e2
e1 ;
2
|e2 |
|e1 |2

i) Para i {4, , n}, efetuar


e i = vi (

vi ei1
vi ei2
vi e 1
)ei1 (
)ei2 (
)e1 .
ei1 ei1
ei2 ei2
w1 e1

A este processo chamamos de processo de ortogonalizao de Gram-Schmidt.


Exemplo 5.33. Seja o subespao S = h(1, 1, 1, 1), (3, 3, 1, 1), (2, 0, 6, 8)i R4 . Determinamos
uma base ortogonal C = {w1 , w2 , w3 } de S, fazendo:
w1 = (1, 1, 1, 1);
w2 = (3, 3, 1, 1)

(3,3,1,1)(1,1,1,1)
(1, 1, 1, 1)
|(1,1,1,1)|2

= (3/2, 3/2, 5/2, 1/2);

5. Espaos vetoriais

66

w3 = (2, 0, 6, 8) (2,0,6,8)(1,1,1,1)
(1, 1, 1, 1) (2,0,6,8)(3/2,3/2,5/2,1/2)
(3/2, 3/2, 5/2, 1/2).
|(1,1,1,1)|2
|(3/2,3/2,5/2,1/2)|2
Assim, determina-se C = {(1, 1, 1, 1), (3/2, 3/2, 5/2, 1/2), (2, 0, 2, 4)}.
A partir de um conjunto ortogonal de vetores, podemos sempre obter um conjunto ortonormal,
multiplicando cada vetor pelo inverso da sua norma.
O processo de ortogonalizao de Gram-Schmidt determina a seguinte propriedade:
Propriedade 5.34. Todo o espao vetorial munido de produto interno possui uma base ortonormal.

5.4

Exerccios propostos

1. Verifique se os seguintes subconjuntos do espao vetorial R3 so subespaos vetoriais:


(a) A = {(x, y, z) : y = 3x z = x};

(b) B = {(x, y, z) : 2x y + 3z + 1 = 0};


(c) C = {(x, y, z) : x + 3y + 2z = 0}.

2. Determine se os vetores dados geram R3 :


(a) u = (1, 1, 2), v = (1, 0, 1) e w = (2, 1, 3);
(b) u = (2, 2, 2), v = (0, 0, 3) e w = (0, 1, 1);
(c) u = (3, 1, 4), v = (2, 3, 1), w = (1, 4, 1) e t = (5, 2, 9).
3. Quais as condies para que dois vetores de R3 gerem uma reta? E um plano?
4. Verifique se o conjunto de vetores {(1, 1, 1), (0, 1, 2), (0, 0, 1)} linearmente independente.
5. Determine os valores de k para os quais os vetores u = (1, 0, 0, 2), v = (1, 0, 1, 0) e w =
(2, 0, 1, k) so linearmente dependentes.
6. Quais dos seguintes conjuntos do espao vetorial P 3 dos polinmios de grau no superior a 3,
so linearmente independentes?
(a) {1, x, x2 , x3 };

(b) {1 + x + x3 , 1 x x3 , x2 , 3 + 2x2 }.
7. Determine se os seguintes conjuntos do espao vetorial M22 das matrizes de ordem 2, formam
um base. Caso responda negativamente, indique o espao gerado por esses vetores.

 

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

 
 
 

0 0
0 1
0 0
2 0
.
,
,
,
(b)
0 1
0 0
1 0
0 0
8. Sejam V = h(1, 1, 1), (1, 2, 2)i e E = h(0, 1, 1), (1, 1, 2)i dois subespaos de R3 . Determine:
(a) A dimenso do espao V + F ;

5.4. Exerccios propostos

67

(b) A dimenso do espao V E.


9. Diga quais das seguintes afirmaes so verdadeiras:
(a) R2 = h(1, 2), (2, 1)i;

(b) R2 = h(1, 1), (1, 3), (2, 5)i;

(c) R3 = h(1, 1, 1), (1, 1, 0), (1, 0, 0)i;

(d) R3 = h(1, 1, 1), (1, 1, 2), (2, 2, 1)i;

(e) P3 (x) = h1 + x, 1 x, 1 + x2 , x + x2 x3 i, onde P3 (x) o espao dos polinmios de


grau no superior a 3.

10. Determine as componentes de:


(a) (1, 1, 1) em relao base {(1, 1, 0), (1, 0, 1), (1, 0, 0)} de R3 ;

(b) 2 3i em relao a {1 + i, 1 i)} de C;

(c) (1, 2, 3, 4) em relao base {(1, 1, 0, 1), (0, 1, 1, 1), (1, 0, 1, 1), (0, 1, 0, 1)} de R4 ;

11. Sejam A = {(1, 1, 0), (1, 0, 1), (0, 1, 0)} e B = {(1, 0, 1), (1, 2, 1), (0, 0, 1)} bases de R3 .
(a) Determine a matriz mudana de base [P ]A
B;
(b) A partir de A, determine uma base ortonormal de R3 .
12. A partir da base B = {(1, 2, 3), (3, 0, 1), (1, 5, 3)} de R3 , determine uma base ortonormal.
13. Determine as componentes de:
(a) (5, 4) em relao base A = {(1, 2), (0, 3)} de R2 ;

(b) 2 x em relao base A = {1 + x, 1 x} do espao de polinmios de grau inferior ou


igual a 1;
(c) (1, 2, 3, 4) em relao base A = {(1, 1, 0, 1), (0, 1, 1, 1), (1, 0, 1, 1), (1, 1, 1, 0)} de R4 .
14. Considere no espao R4 os subespaos vetoriais S = h(1, 0, 1, 0), (2, 3, 2, 0), (1, 1, 1, 0)i e
G = {(x, y, z, w) : x = w, z = 0}. Determine:
(a) Uma base e a dimenso de cada um dos subespaos;
(b) A interseo dos dois subespaos e a dimenso de S + G;
(c) Uma base de R4 que inclua dois vetores de G.
15. Sejam as bases A = {(1, 2, 1), (3, 4, 2), (1, 1, 1)} e B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} de R3 .
Prove que PBA = [A]1 [B], onde [A] e [B] representam matrizes cujas colunas so os vetores
de A e B, respetivamente.
16. Sejam A = {(1, 0), (1, 1)} e B = {(2, 1), (3, 2)} e C trs bases de R2 e seja a matriz
mudana de base


2 0
B
.
[P ]C =
1 3
Determine [P ]A
C e indique C.

5. Espaos vetoriais

68

5.5

Solues - Exerccios propostos 5.4

1. Subespaos vetoriais:
(a) A subespao vetorial;
(b) B no subespao vetorial;
(c) C subespao vetorial.
2. Vetores que geram R3 :
(a) {u, v, w} no gera R3 , gera o subespao {x + y, x, 2x + y) : x, y R} de dimenso 2;

(b) {u, v, w} gera R3 ;

(c) {u, v, w, t} gera R3 .

3. Dois vetores de R3 geram uma reta se um for combinao linear do outro. Dois vetores geram
um plano se formarem um conjunto linearmente independente.
4. O conjunto {(1, 1, 1), (0, 1, 2), (0, 0, 1)} linearmente independente.
5. k = 0.
6. Conjuntos do espao vetorial P 3 dos polinmios de grau no superior a 3.
(a) {1, x, x2 , x3 } linearmente independente;

(b) {1 + x + x3 , 1 x x3 , x2 , 3 + 2x2 } linearmente dependente.


7. O espao vetorial M22 tem dimenso 4.



x y
: x, y R .
(a) O conjunto no base de M22 , apenas gera o subespao
2y 0

(b) O conjunto base de M22 .


8. Dimenso dos espaos:
(a) dim(V + F ) = 3;

(b) dim(V F ) = dim(v) + dim(E) dim(V + E) = 1.


9. Valor lgico das afirmaes:
(a) Verdadeira;
(b) Falsa;
(c) Verdadeira;
(d) Falsa;
(e) Verdadeira
10. Componentes de elementos em relao a bases dadas:
(a) (1, 1, 1);

5.5. Solues - Exerccios propostos 5.4

69

(b) 1/2 + 5/2i;

(c) (2/3, 1/3, 7/3, 2/3);

11. .

0 0 1
1 1 1 ;
(a) [P ]A
B =
0 2 1

(b) {(0, 1, 0), (1, 0, 0), (0, 0, 1)}.

12. {(1/ 14, 2/ 14, 3/ 14), (1/ 35, 5/ 35, 3/ 35), (2/ 10, 0, 1/ 10)}.
13. .
(a) (5, 4) = (5, 14/3)A ;

(b) 2 x = (1/2 3/2x)A ;

(c) (1, 2, 3, 4) = (2/3, 1/3, 7/3, 4/3)A .

14. .
(a) B = {(1, 0, 1, 0), (2, 3, 2, 0)} base de S e a sua dimenso 2; C = {(1, 0, 0, 1), (0, 1, 0, 0)}
base de G e a sua dimenso 2.
(b) S G = {(0, y, 0, 0) : y R} e dim(S + G) = 3;

(c) A = {(1, 0, 0, 1), (0, 1, 0, 0), (1, 0, 0, 0), (0, 0, 1, 0)}.

15. .
16.

[P ]A
C

B
[P ]A
B [P ]C

= [A]

[B][P ]B
C

5 3
4 6

C=


1 9
.
4 6

70

5. Espaos vetoriais

Captulo 6
Transformaes lineares

6.1

Definio e elementos de uma aplicao linear

Uma aplicao T : E V de um espao vetorial E em outro espao vetorial V uma transformao


linear que verifica as propriedades da linearidade a seguir:
Definio 6.1. Dados dois espaos vetoriais E e V , sobre o universo R, dizemos que uma aplicao
T : E V linear (ou transformao linear)de E em V , quando:
i) T (x + y) = T (x) + T (y), para quaisquer x, y E;
ii) T (kx) = kT (x), para quaisquer x E e k R.
A noo de transformao linear pressupe que os dois espaos vetoriais tm o mesmo universo
de escalares, que ns em regra consideramos a ser R.
Uma transformao linear tambm se diz um homomorfismo. Em particular, diz-se um monomorfismo se for injetiva, um epimorfismo se for sobrejetiva e um isomorfismo se for bijetiva.
Exemplo 6.2.
a) A aplicao f : R R, definida por f (x) = ax, onde a R uma das
transformaes lineares mais simples. De facto, f (x+y) = a(x+y) = ax+ay = f (x)+f (y)
e f (kx) = a(kx) = kf (x).
b) A funo quadrtica g : R R, definida por g(x) = ax2 , com a R no uma da
transformao linear. Com efeito, g(x + y) = a(x + y)2 = ax2 + ay 2 + 2axy 6= g(x) + g(y).
Como uma consequncia da definio de aplicao linear, temos as propriedades seguintes:
Propriedades 6.3. Sejam E e V espaos vetoriais sobre o universo R e seja uma aplicao linear
T : E V . Tem-se:
1. T (0E ) = 0V ;
2. T (x) = T (x), para qualquer x E;
3. T (x y) = T (x) T (y), para quaisquer x, y E;

6. Transformaes lineares

72

4. Se x = k1 v1 + k2 v2 + + kn vn , com vi E, ki R e i = 1, 2, . . . , n, ento
T (x) = T (k1 v1 + k2 v2 + + kn vn ) = k1 T (v1 ) + k2 T (v2 ) + + kn T (vn ).
Exemplo 6.4. A aplicao f : R3 R2 , definida por f (x, y, z) = (x, z y) uma aplicao linear.
Com efeito, dados os vetores u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) R3 e o escalar k R, tem-se
f (u + v) = f (u1 + v1 , u2 + v2 , u3 + v3 ) = (u1 + v1 , u3 + v3 u2 v2 )
= (u1 + v1 , u3 + v3 u2 v2 ) = (u1 , u3 u2 ) + (v1 , v3 v2 )
= f (u) + f (v),
e
f (ku) = (ku1 , ku3 ku2 ) = kf (u).
As operaes adio, multiplicao escalar e composio, de aplicaes lineares so ainda
aplicaes lineares, caso estejam bem definidas.
A adio de duas aplicaes est bem definida quando adicionamos aplicaes cujos espaos de
partida e de chegada so os mesmos. A composio de duas aplicaes est bem definida quando o
espao de chegada da primeira aplicao coincidir com o espao de partida da segunda. Tem-se por
isso:
A adio f + g das aplicaes lineares f : V E e g : V E, definida por
(f + g)(v) = f (v) + g(v);
A transformao kf , com f : V E e k R, definida por
(kf )(v) = kf (v);
A composta f g das aplicaes lineares f : V E e g : E W , a transformao linear definida
por
(f g)(v) = f (g(v)).

Exemplo 6.5. Seja a aplicao linear f : R3 R2 definida por


f (x, y, z) = (y, x z).
A aplicao 3f , definida por (3f )(x, y, z) = 3f (x, y, z) = (3y, 3x 3z) tambm linear.
Seja agora a aplicao linear g : R2 R2 , definida por

g(x, y) = (x + y, x 2y).
A aplicao composta g f : R3 R2 definida para cada v = (x, y, z) R3 por (g f )(v) =
g(f (v)) = g(f (x, y, z)) = g(y, x z) = (y + x z, y 2(x z)) = (x + y z, 2x + y + 2z) e
linear.
Notar que f g no existe.

6.1. Definio e elementos de uma aplicao linear

73

Definio 6.6. Definimos ncleo de uma aplicao linear f : E V (do espao vetorial E sobre
o espao vetorial V ) como o conjunto dos vetores de E cuja imagem atravs de f o vetor nulo do
espao V , isto ,
N uc(f ) = {x E : f (x) = 0V }.
Definio 6.7. Definimos imagem (ou contradomnio) de uma aplicao linear f : E V (do
espao vetorial E sobre o espao vetorial V ) como o conjunto dos elementos de V que so imagem
de algum vetor de E, isto ,
Im(f ) = {f (x) V : x E}.
Exemplo 6.8. Seja f : R3 R2 a transformao linear definida por f (x, y, z) = (xy, z). Tem-se
a) N uc(f ) = {(x1 , x2 , x3 ) R3 : f (x1 , x2 , x3 ) = (0, 0)}. Efetuando f (x1 , x2 , x3 ) = (0, 0)
(x1 x2 , x3 ) = (0, 0) x1 x2 = 0 x3 = 0 x = y z = 0, obtemos N uc(f ) =
{(x, x, 0) R3 : x R}.
b) Im(f ) = {f (v) R2 : v R3 } = R2 . Com efeito, considerando v = (x, y, z) R3 , tem-se
f (v) = (x y, z) = (u1 , u2 ). Como a diferena de nmeros reais um nmero real, tem-se
(u1 , u2 ) = (x y, z) R2 .
Propriedades 6.9. Sejam E e V espaos vetoriais e seja a aplicao linear f : E V . Ento:
O ncleo de f um subespao do espao vetorial E.
A imagem de f um subespao do espao vetorial V .
Se o espao vetorial E tem dimenso finita, ento dim(N uc(f )) + dim(f (E)) = dim(E).
Se N uc(f ) = {0E }, ento f uma aplicao injetiva.
Se Im(f ) = V , ento f uma aplicao sobrejetiva.
Exemplo 6.10. Seja a aplicao linear f : R3 R2 , definida por
f (x, y, z) = (x + y z, 2x + 3y + z).
O ncleo de f o espao vetorial
N uc(f ) = {(x, y, z) R3 : f (x, y, z) = (0, 0)} = {(x, y, z) : (x + y z, 2x + 3y + z) = (0, 0)}.
Resolvendo o sistema



x+yz =0
x = y + z
x = 4z

,
2x + 3y + z = 0
2y + 2z + 3y + z = 0
y = 3z
obtemos N uc(f ) = {(4z, 3z, z) : z R}. Trata-se de um subespao de R3 de dimenso 1.
Como a dimenso do espao de partida 3, por uma das propriedades acima, tem-se
1 + dim(f (R3 )) = 3,
isto , o subespao imagem tem dimenso 2.

6. Transformaes lineares

74

Definio 6.11. Um operador linear f bijetivo (injetivo e sobrejetivo) tambm se diz um isomorfismo.
Observar que, dada por exemplo uma aplicao linear f : R3 R2 , a imagem f (x, y, z) =
(u, v) R2 do objeto (x, y, z) R3 dada por
(u, v) = (a11 x + a12 y + a13 z, a21 x + a22 y + a33 z).
Tal corresponde seguinte representao matricial da aplicao linear f :



x
a11 a12 a13
f (x, y, z) =
y
a11 a12 a13
z
Alm disso, as transformaes lineares podem ser definidas atravs das imagens dos vectores
de qualquer base do espao vetorial de partida. Com efeito, associada a uma matriz A = [aij ]mn ,
definimos uma transformao linear fA : Rn Rm , tal que
fA (v) = A v.

Exemplo 6.12. Seja A = {(1, 2), (0, 1)} uma base de R2 e seja f : R2 R3 uma aplicao
linear tal que f (1, 2) = (2, 3, 1) e f (0, 1) = (1, 0, 3).
o vetor (x, y) R2 tem coordenadas (a, b) na base A, tais que (x, y) = a(1, 2) + b(0, 1), isto
, a = x e b = 2x y.
Ento tem-se f (x, y) = f (x(1, 2) + (2x y)(0, 1) e pelas propriedades da linearidade de f ,
f (x, y) = xf (1, 2) + (2x y)f (0, 1) = x(2, 3, 1) + (2x y)(1, 0, 3) = (4x y, 3x, 7x 3y).
Exemplo 6.13. A matriz

1 0
2 3
A = 0 1 1 0
1 0 1 2

tem ordem 3 4, por isso induz uma transformao linear fA de R4 em R3 , definida por

x
x
x + 2z + 3w
1 0
2 3
y
y

y + z
fA (
z ) = 0 1 1 0 z =
x z + 2w
1 0 1 2
w
w
Isto , fA (x, y, z, w) = (x + 2z + 3w, y + z, x z + 2w).

6.2. Matrizes de transformaes lineares relativas a bases dadas

6.2

75

Matrizes de transformaes lineares relativas a bases dadas

Consideremos um espao vetorial V de dimenso n, um espao vetorial E de dimenso m e uma


transformao linear T : V E. Sejam as bases {v1 , v2 , . . . , vn } de V , {e1 , e2 , . . . , em } de E e um
vetor v = k1 v1 + k2 v2 + + kn vn V , com k1 , k2 , . . . kn R. Tem-se
T (v) = T (k1 v1 + k2 v2 + + kn vn )
= k1 T (v1 ) + k2 T (v2 ) + + kn T (vn ).

(6.1)

Alm disso, T (v) E, portanto


T (v) = r1 e1 + r2 e2 + + rm em ,

(6.2)

com r1 , r2 , . . . rm R.
Como T (vi ) E, para qualquer i = 1, 2, . . . m, ento
T (v1 )
T (v2 )

T (vn )

=
=
=
=

a11 e1 + a21 e2 + + an1 en


a12 e1 + a22 e2 + + an2 en

a1m e1 + a2m e2 + + anm en

(6.3)

Substituindo 6.1 em 6.3, tem-se:


T (v) = k1 (a11 e1 + a21 e2 + + an1 en ) + + kn (a1m e1 + a2m e2 + + anm en )
= (k1 a11 + k2 a12 + + kn a1n )e1 + + (k1 am1 + k2 am2 + + kn amn )em . (6.4)
Comparando 6.4 com 6.2, tem-se
r1
r2

rm

=
=
=
=

k1 a11 + k2 a12 + + kn a1n


k1 a21 + k2 a22 + + kn a2n

k1 am1 + k2 am2 + + kn amn

(6.5)

Podemos agora escrever na forma matricial,


r1
a11 a12
r2 a21 a22


= ...
...
rm
am1 am2


... a1n
k1

... a2n k2

... ...
... amn
kn

ou seja
[T (v)]B = [T ]A
B [v]A .
A matriz [T ]A
B diz-se matriz associada transformao linear T , relativamente s bases A e
B.

6. Transformaes lineares

76

Exemplo 6.14. Consideremos a transformao linear T : R2 R3 tal que T (x, y) = (x, y, x y).
Seja A a base cannica do R2 e B a base cannica de R3 . Tem-se
T (1, 0) = (1, 0, 1) = 1 (1, 0, 0) + 0 (0, 1, 0) + 1 (0, 0, 1)
e
T (0, 1) = (0, 1, 1) = 0 (1, 0, 0) + 1 (0, 1, 0) 1 (0, 0, 1),
logo

1 0
0 1 .
[T ]A
B =
1 1

Por exemplo,

 
2
1 0
2
= 3 .
[T (2, 3)]B = 0 1
3
1
1 1

No exemplo anterior, A e B so as bases cannicas dos espaos R2 e R3 , respetivamente. Neste


caso a matriz mudana de base matriz [T ]A
B denotada simplesmente por matriz [T ]. Alm disso,

 
 
1 0
x
x
.
= [T ]
T (x, y) = (x, y, x y) = 0 1
y
y
1 1
Exemplo 6.15. Sejam as bases no cannicas C = {(1, 2), (3, 5)} de R2 e D = {(1, 2, 0), (2, 3, 1), (0, 1, 1)}
de R3 . Seja a transformao linear T : R2 R3 definida por T (x, y) = (x, y, x y).
Ento, tem-se
T (1, 2) = (1, 2, 1) = 2/3 (1, 2, 0) + 1/6 (2, 3, 1) 7/6 (0, 1, 1)
e
T (3, 5) = (3, 5, 2) = 2 (1, 2, 0) + 1/2 (2, 3, 1) 5/2 (0, 1, 1).
Assim,

2/3
2
1/6
1/2 .
[T ]C
D =
7/6 5/2

Exemplo 6.16. Seja a aplicao linear T : R2 R2 definida na base B = {(1, 1), (0, 3)} por


2 1
B
.
[T ]B =
1 1
Determinemos a expresso analtica que define T .
Os valores das colunas desta matriz representam os escalares que correspondem escrita de
cada um dos vetores de B como combinao linear dos vetores dessa mesma base. Ento:

T (1, 1) = 2(1, 1) + (0, 3) = (2, 1)
T (0, 3) = (1, 1) (0, 3) = (1, 4)

6.2. Matrizes de transformaes lineares relativas a bases dadas

77

Alm disso,
(x, y) = k1 (1, 1) + k2 (0, 3) k1 = x k1 + 3k2 = y k1 = x k2 =

y+x
.
3

Ento, qualquer vetor (x, y) de R2 se escreve como (x, y) = x(1, 1) + y+x


(0, 3). Pela linearidade
3
de T , temos:
T (x, y) = xT (1, 1) +

y+x
y + 7x 4y x
y+x
T (0, 3) = x(2, 1) +
(1, 4) = (
,
).
3
3
3
3

Definio 6.17. Uma transformao linear T : Rn Rn , cujos espaos de partida e de chegada


so iguais, diz-se operador linear.
O operador linear T : R2 R2 , definido por T (v) = prou v, representa a projeo no plano
sobre a reta r que passa na origem e tem a direo do vetor u.
Exemplo 6.18. O operador linear T que define a projeo sobre a reta r : y = 4x definido por
T (v) = prou v =

uv
u,
|u|2

onde u = (1, 4) a direo de r.


Assim, por exemplo
T (1, 3) = prou (1, 3) =

11 44
(1, 4) (1, 3)
(1, 4) = ( , ).
1 + 16
17 17

Seguem-se outros exemplos de operadores lineares do espao R2 , relativamente base cannica:


[T ]A
B [v]A = T [v]B
Reflexo em torno do eixo Ox
Ampliao/reduo de um fator k

Rotao


   
x
x
1 0
=

y
y
0 1

   

kx
x
k 0
=

ky
y
0 k
"
#   

cos() sin()
x cos() y sin()
x
=

x sin() + y cos()
y
sin() cos()


Exemplo 6.19. A imagem do vetor (3, 2) R2 , atravs da rotao em torno da origem de um


ngulo de /3rad

3+2 3 3 32
,
).
(3 cos(/3) + 2 sin(/3), 3 sin(/3) 2 cos(/3)) = (
2
2

6. Transformaes lineares

78
Alguns exemplos de operadores lineares sobre R3 :
[T ]A
B [v]A = T [v]B
Ampliao/reduo de um fator k

Rotao em torno de Ox


  
0 0
kx
x
k 0
=
ky
y
0 k

0
0
x
x
cos() sin()
y = y cos() z sin()
y sin() + z cos()
z
0 sin() cos()
k
0
0
1
0

Definio 6.20. Um operador linear f diz-se simtrico se a matriz que o representa numa base
ortonormal simtrica, isto , quando [f ] = [f ]T .
Exemplo 6.21. O operador linear f : R3 R3 definido por
f (x, y, z) = (2x y + 2z, x 3y + 5z, 2x + 5y + 3z)
simtrico, porque a matriz que o representa simtrica.

6.3

Aplicaes lineares invertveis

Sejam E um espao vetorial sobre o conjunto R, a aplicao linear T : E E e a funo identidade


IE : E E. Se existir uma aplicao linear R : E E , tal que T R = R T = IE , dizemos
que T invertvel e T 1 = R.
Propriedades 6.22.
Se a transformao linear T : E E um isomorfismo, ento T
1
invertvel e T tambm uma aplicao linear isomorfa.
Uma aplicao linear T : V E, tal que dim(V ) = dim(E) invertvel somente se
det([T ]A
B ) 6= 0, sendo A e B bases quaisquer de V e E, respetivamente.
Lembrar que, em geral, uma funo admite inversa quando injetiva. Uma aplicao linear cujo
ncleo seja diferente do vetor nulo uma aplicao no injetiva, logo no invertvel.
Exemplo 6.23. Dada a transformao linear T : R3 R3 , definida por
T (x, y, z) = (x 2y, y + 3z, x + y + z),
determinamos que T invertvel, se a matriz que lhe est associada,

1 2 0
[T ] = 0 1 3
1 1 1
tem determinante diferente de zero, det[T ] 6= 0.
Observar que N uc(T ) = {(0, 0, 0)}.

6.4. Exerccios propostos

79

Definio 6.24. Um operador linear f diz-se ortogonal quando a matriz que o representa numa
base ortonormal ortogonal, isto , quando [f ]1 = [f ]T .
Exemplo 6.25. A matriz de rotao no plano


cos() sin()
[f ] =
sin() cos()
define o operador linear ortogonal
f (x, y) = (cos()x sin()y, sin()x + cos()y).
Propriedade 6.26. Uma matriz ortogonal somente se os seus vetores linha formam uma base
ortonormal, ou equivalentemente se os seus vetores coluna formam uma base ortonormal.

6.4

Exerccios propostos

1. Verifique se as aplicaes a seguir so lineares:


(a) T : R3 R2 , definida por T (x, y, z) = (y 2 , x + z);

(b) T : R3 R, definida por T (x, y, z) = x 2y + z;


(c) T : R2 R2 , definida por T (x, y) = (y x, 2x);

(d) T : R3 R3 , definida por T (x, y, z) = (x + 2y, z + 1, 2y).


2. Calcule o ncleo e a imagem das aplicaes lineares a seguir:
(a) T : R3 R2 , definida por T (x, y, z) = (x y + 3z, 3x z);

(b) T : R2 R3 , definida por T (x, y) = (x + y, 2x, 3y);


(c) T : R2 R2 , definida por T (x, y) = (y + 2x, y/3).

3. Determine uma transformao linear T : R3 R2 , cujo ncleo gerado pelo vetor v =


(1, 1, 0).
4. Considere a aplicao linear T : R3 R2 , definida por T (x, y, z) = (x + y + 2z, 2y + z).
Determine.
(a) A matriz [T ] (da aplicao linear considerando as bases cannicas de R3 e R2 );
(b) A matriz [T ]A
B , sendo A = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} e B = {(1, 0), (1, 1)}.
5. Determine o operador inverso, T 1 , para os seguintes operadores lineares:
(a) T : R2 R2 , definida por T (x, y) = (x 2y, x);


x y
4
) = (t, z, y, x).
(b) T : M22 R , definida por T (
z t

6. Transformaes lineares

80

6. Considere o operador linear de R3 definido por T (1, 0, 0) = (1, 1, 1), T (0, 0, 1) = (1, 0, 1)
e T (0, 1, 2) = (0, 0, 3). Verifique de T um isomorfismo e, caso afirmativo, determine o
isomorfismo inverso.
7. Considere a aplicao linear T : R2 R3 , definida por T (x, y) = (x + y, x y, 2y x) e
determine:
(a) A matriz [T ];
(b) A matriz [T ]A
B , sendo A = {(1, 2), (3, 1)} e B = {(1, 0, 0), (0, 1, 0), (0, 0, 2)};
(c) [T (v)]B , para v = (1, 1).

8. Determine o operador linear T : R2 R2 que representa a projeo sobre a reta y = x/2.


9. Determine dimenso do ncleo da transformao linear T , dim(N (T )), sabendo que:
(a) T : R6 R8 tal que dim(Im(T )) = 3;

(b) T : R5 R3 sobrejetiva;
(c) T : R4 R4 invertvel.

10. Seja a transformao linear f definida pela matriz

3 0
[f ] = 1 0 .
0 5
(a) Indique a expresso analtica que define f ;

(b) Calcule f (2, 1);

(c) Determine o N uc(f ).

11. Seja A = {(1, 0, 1), (0, 1, 1), (0, 0, 1)} uma base de R3 e seja

3 0 0
TA = 0 1 0
0 0 3

a matriz associada a um operador T : R3 R3 , relativamente base A. Determine a expresso analtica que define T .

12. Verifique se os operadores lineares a seguir so operadores invertveis e/ ou ortogonais:


(a) T : R2 R2 definido por T (x, y) = (3x + 2y, 2x + 3y);

(b) T : R3 R3 definido por T (x, y, z) = (2x + y, x + y + z, y 3z);

(c) T : R3 R3 definido por T (x, y, z) = (2x + y, x + 2z, x + y 2z).

(d) T : R3 R3 definido por T (x, y, z) = (z, 3/2x 1/2y, 1/2x + 3/2y).


13. Indique um exemplo de um operador linear simtrico, justificando a sua escolha.
14. Considere a transformao linear f : R2 R3 definida por f (x, y) = (3x, y, y) e as bases
A = {(1, 2), (2, 3)} e B = {(1, 0, 1), (0, 1, 1), (0, 1, 0)} de R2 e de R3 , respetivamente.

6.5. Solues - Exerccios propostos 6.4


(a) Indique, justificando, uma base de R2 que contenha o vetor (2, 1);

(b) Determine as componentes de f (1, 2) em relao base B e indique a matriz [f ]A


B;
(c) Calcule N uc(f ) e conclua se f injetiva.

6.5

Solues - Exerccios propostos 6.4

1. Verifique se as aplicaes a seguir so lineares:


(a) A aplicao T no linear;
(b) A aplicao T linear;
(c) A aplicao T linear;
(d) A aplicao T no linear;
2. Ncleo e imagem de T :
(a) N uc(T ) = {(x, 10x, 3x) : x R}, Im(T ) = R2 ;

(b) N uc(T ) = {(0, 0)} ; Im(T ) = {(x, y, z) R3 : 6x 3y 2z = 0}


(c) N uc(T ) = {(0, 0)}, Im(T ) = R2 .

3. T : R3 R2 definida por T (x, y, z) = (z, y x).


4. Matrizes da transformao


1 1 2
(a) [T ] =
0 2 1


1 0 1
A
.
(b) [T ]B =
3 3 1
5. T 1 :
(a) T 1 (x, y) = (y, 1/2x 1/2y);

(b) T 1 (x, y, z, t) = (t, z, y, x).

6. T um isomorfismo e T 1 (x, y, z) = (y, 1/3x + 1/3z, 1/3x y + 2/3z).


7. T (x, y) = (x + y, x y, 2y x):

1
1
(a) [T ] = 1 1 ;
1 2

2
2
0
4 ;
(b) A matriz [T ]A
B =
1/2 7/2

(c) [T (v)]B = [T ]B
A [v]A = (10/7, 4/7, 4/7).

81

6. Transformaes lineares

82
8. T (x, y) = (4/5x + 2/5y, 2/5x + 1/5y).
9. dim(N (T )):
(a) dim(N (T )) = 3;
(b) dim(N (T )) = 2;
(c) dim(N (T )) = 0, isto , N (T ) = {(0, 0, 0, 0)};
10. f : R2 R3 .
(a) f (x, y) = (3x, x, 5y);

(b) f (2, 1) = (6, 2, 5);


(c) N uc(f ) = {(0, 0)}.

11. T (x, y, z) = (3x, y, 6x 4y 3z).


12. Operadores lineares invertveis e/ou ortogonais?
(a) T invertvel, mas no ortogonal;
(b) T invertvel, mas no ortogonal;
(c) T no invertvel, logo no ortogonal.
(d) T invertvel e ortogonal.
13. T : R3 R3 definido por T (x, y, z) = (2x + y, x + y + z, y 3z).
14. .
(a) .
(b) (f (1, 2))B = (3, 5, 7)

3 6
5 9 ;
[f ]A
B =
7 6

(c) N uc(f ) = {(0, 0)}, logo f injetiva.

Captulo 7
Valores e vetores prprios
Frequentemente a matriz de um operador linear f no diagonal, mas em muitos dos casos podemos determinar uma base diferente da base cannica onde a matriz [f ] diagonal. Neste captulo
ser tratado o processo de determinar matrizes mudana de base a fim de obter uma representao
diagonal de um operador, chamado processo de diagonalizao.

7.1

Definies e propriedades

Dado um operador linear f : E E, vamos determinar que vetores se transformam num mltiplo
deles prprios, isto , queremos determinar os vetores v E para os quais existe R tal que
f (v) = v.
Definies 7.1. Seja E um espao vetorial sobre R e seja f : E E um operador linear.
Dizemos que R um valor prprio ou autovalor de f se existir um vetor v E | {0}, tal
que f (v) = v.
Se R um autovalor de f e v qualquer vetor tal que f (v) = v, ento dizemos que v
um autovetor ou vetor prprio de f associado a .
Exemplo 7.2. Seja o operador linear f : R2 R2 , definido por f (x, y) = (x, y).
Tem-se f (x, 0) = (x, 0), pelo que os vetores (x, 0), com x R | {0} so vetores prprios
associados ao valor prprio = 1.
Tambm f (0, y) = (0, y) = (0, y), pelo que os vetores (0, y), com y R | {0} so vetores
prprios associados ao valor prprio = 1.
O conjunto E = {v E : f (v) = v} de autovetores de um operador linear f associados ao
autovalor um subespao de E.
Com efeito, considerando a matriz identidade I, tem-se E = {v E : (f I)v = 0}, isto ,
E o ncleo do operador f I.
Definio 7.3. Seja um valor prprio do operador linear f : E E. Chamamos subespao
prprio ou auto-espao de f associado ao espao nulo de f (v) v, isto , ao conjunto
E = {v E : f (v) v = 0}.

7. Valores e vetores prprios

84

Notar que um autovalor de f somente se o operador f I no injetivo. Como uma


consequncia, tem-se:
Teorema 7.4. Seja o operador linear f : Rn Rn , definido na base cannica de Rn pela matriz
[f ]nn . Ento autovalor de f somente se
det([f ] In ) = 0.
Ao polinmio
det(f I)

na varivel , chamamos polinmio caraterstico de f e as solues da equao caraterstica


det(f I) = 0
representam os valores prprios de f .
Exemplo 7.5. Seja o operador linear f : R2 R2 do exemplo anterior, que podemos definir pela
matriz


1 0
[f ] =
0 1

A equao caraterstica

1 0
det(f I) = 0 det(
0 1




1
0
1 0
) = 0,
) = 0 det(
0
1
0 1

determina os valores prprios = 1 e = 1, j observados.

O conjunto dos vetores prprios associados ao valor prprio = 1 dado por


E1 = {v R2 : f (v) = v} = {(x, y) R2 : (x, y) = (x, y)} = {(x, 0) : x R}.

O conjunto dos vetores prprios associados ao valor prprio = 1 dado por


E1 = {v R2 : f (v) = v} = {(x, y) R2 : (x, y) = (x, y)} = {(0, y) : y R}.
Os conjuntos E1 e E1 do Exemplo 7.5 so subespaos prprios de R2 associados aos valores
prprios 1 e 1 do operador f .
Neste exemplo, observamos que o determinante da matriz [f ] igual ao produto dos seus valores
prprios.
Teorema 7.6. O produto dos valores prprios de uma matriz igual ao seu determinante.


0 2
possui polinmio caraterstico
Exemplo 7.7. O operador linear f definido por
2 0



 

2
0
0 2
) = 2 4.
) = det(

det(A I) = det(
2
0
2 0
Os autovalores de T so determinados por resoluo da equao caraterstica
det(A I) = 0,

7.1. Definies e propriedades

85

isto , 2 4 = 0 1 = 2 2 = 2.
Observar que 1 2 = 4 = det([T ]).
O conjunto dos vetores prprios associados ao valor prprio = 2 dado por
  

x
2 2
2
= 0} = {(x, x) : x R}.

E2 = {(x, y) R :
y
2 2
Calcule espao prprio E2 .
Para determinar os valores e vectores prprios de uma matriz A = [aij ]nn , que define um
operador linear sobre um espao vetorial de dimenso n, consideramos o seguinte procedimento:
Algoritmo 7.8.

Resolver a equao caracterstica


|A I| = 0,

sendo as suas solues 1 , 2 , . . . , r (r n) os valores prprios de A;


Para cada i com i = 1, , r, determinar o ncleo do operador linear associado matriz
A i I, isto , o espao dos vetores prprios associados a i ,
Ei = {v Rn : |(A i )v| = 0}.
Definio 7.9. A multiplicidade de cada raiz do polinmio caraterstico (cada valor prprio) diz-se
multiplicidade algbrica desse valor prprio.
Definio 7.10. A dimenso do subespao dos vetores prprios associados a um valor prprio,
diz-se multiplicidade geomtrica desse valor prprio.

Exemplo 7.11. Determinemos a multiplicidade algbrica e a multiplicidade geomtrica dos valores


prprios da matriz

1 1 0
A = 0 2 1 .
0 0 1

O polinmio caraterstico |A I| = (1 )2 (2 ) tem a raiz = 1 de multiplicidade 2 e a raiz


simples = 2, logo = 1 tem multiplicidade algbrica 2 e = 2 tem multiplicidade algbrica 1.
Os subespaos prprios E1 = {(x, 0, 0) : x R} e E2 = {(x, x, 0) : x R} tm ambos
dimenso 1, logo = 1 e = 2 tm ambos multiplicidade geomtrica igual a 1.

Propriedades 7.12. Dado um operador linear T : E E, tem-se o seguinte:


Cada vector prprio est associado a um nico valor prprio, isto , valores prprios distintos
esto associados a vetores prprios distintos.
A matriz A do operador linear T singular somente se zero valor prprio de A.

7. Valores e vetores prprios

86
Exemplo 7.13. Seja o operador linear T : R3
pela matriz

1 2
2 0
0 4

R3 definido em relao base cannica de R3

0
1 .
1

Os valores prprios de T so dados por

1 2
0

1 ) = 0 = 0 = 1.
det( 2
0
4 1
Observar que T no invertvel, porque [T ] singular.

7.2

Matrizes diagonalizveis

A diagonalizao corresponde ao processo para transformar uma matriz ou operador diagonalizvel


numa matriz diagonal.
Exemplo 7.14. Seja o operador linear f : R2 R2 definido f (x, y) = (x + y, 2y), cuja matriz
relativamente base cannica


1 1
.
[f ] =
0 2
Os valores prprios de f so 1 = 1 e 2 = 2. Os subespaos dos vetores prprios so
E1 = {v R2 : f (v) = v} = {(x, 0) : x R}
e
E2 = {v R2 : f (v) = 2v} = {(x, x) : x R}.
Os vetores prprios v1 = (1, 0) e v2 = (1, 1) associados a cada um dos valores prprios, formam
uma base de R2 .
Justificaremos a seguir que, a matriz [f ]B do operador linear f em relao base B = {v1 , v2 }
diagonal e que os seus elementos principais so os valores prprios de f , isto ,


1 0
.
[f ]B =
0 2
Como uma base de um espao vetorial um conjunto de vetores linearmente independentes, a
propriedade a seguir garante a existncia de bases constitudas por auto-vetores.
Teorema 7.15. Um conjunto de auto-vetores no nulos de um operador linear correspondentes a
auto-valores distintos, linearmente independente.
A propriedade a seguir relaciona o problema da diagonalizao de uma matriz quadrada com os
seus vetores prprios.
Teorema 7.16. Um operador linear f sobe um espao vetorial de dimenso n diagonalizvel
somente se tem n vetores prprios linearmente independentes.

7.2. Matrizes diagonalizveis

87

Assim, se a matriz [f ] do operador linear f : Rn Rn tiver n vetores prprios linearmente


independentes, ento o conjunto desses vetores corresponde a uma base ortogonal de Rn .
Corolrio 7.17. Uma matriz quadrada [f ] de ordem n diagonalizvel se tiver n valores prprios
distintos.
Definio 7.18. Dizemos que um operador linear f : E E diagonalizvel, se existir uma base
de E formada por autovetores de f .
Em geral, se B = {v1 , v2 , . . . , vn } uma base do espao E constituda por autovetores de f , isto
, se
f vi = i vi , i = 1, , n,
ento a matriz do operador T : E E, com relao a esta base, definido pela matriz diagonal

1 0 0
0 2 0

[f ]B =
.
0
0 n

Lembrar que, duas matrizes quadradas M e N se dizem matrizes semelhantes se existir uma
matriz invertvel P , tal que
N = P 1 M P.
Alm disso, prova-se o seguinte:
Teorema 7.19. Duas matrizes quadradas so semelhantes se e s se representam a mesma transformao linear.
Mtodo para a diagonalizao de uma matriz A = [aij ]nn
1. Determinar n vetores prprios linearmente independentes v1 , v2 , . . . , vn de A;
2. Considerar a matriz P , cujas colunas so os vetores v1 , v2 , . . . , vn ;
3. Calcular a matriz B = P 1 AP semelhante a A, que diagonal e cujos elementos principais
so os valores prprios de A.
Exemplo 7.20. Seja o operador linear f : R3 R3 , definido pela matriz

1 0 0
[f ] = 0 2 1 .
2 0 3

A equao caraterstica det([f ] I) = 0, tem solues 1 = 2, 2 = 1, 3 = 3, logo, f


diagonalizvel.
Os vetores prprios v1 = (0, 1, 0) associado a 1 , v2 = (3, 1, 3), associado a 2 e v3 = (0, 1, 5)
associado a 3 , formam a base B = {(0, 1, 0), (3, 1, 3), (0, 1, 5)} de R3 . A matriz

2 0 0
D = 0 1 0 .
0 0 3

uma matriz diagonal semelhante a [f ].

7. Valores e vetores prprios

88
No Exemplo 7.20, o operador linear f definido pela matriz

1 0 0
[f ] = 0 2 1 ,
2 0 3

sobre o espao vetorial R3 . O conjunto B = {(0, 1, 0), (3, 1, 3), (0, 1, 5)} dos vetores prprios
associados aos valores prprios 1 = 2, 2 = 1 e 3 = 3 de [f ], corresponde a uma base de R3 .

Notamos agora que a matriz [f ] e a matriz diagonal D (cujos elementos principais so os valores
prprios de [f ]) so semelhantes. Com efeito, verifica-se a igualdade:


1

0 3 0
1 0 0
0 3 0
2 0 0
0 1 0 = 1 1 1 0 2 1 1 1 1 .
0 3 5
2 0 3
0 3 5
0 0 3

Matrizes semelhantes, alm de terem o mesmo determinante, tambm verificam as propriedades


a seguir:
Propriedades 7.21. Sejam A e B matrizes semelhantes. tem-se:
A invertvel somente se B invertvel.
A e B tem os mesmos valores prprios e com a mesma multiplicidade.

7.3

Exerccios propostos

1. Determine os vetores e valores prprios do operador linear T : R2 R2 , definido por


T (x, y) = (x 2y, 2x + 4y).
2. Prove que o operador T : R2 R2 , definido em relao base cannica de R2 por


2 3
,
[T ] =
0 2
no diagonalizvel.
3. Prove que = 3 valor prprio da matriz

1 2 3
A = 0 3 4 .
1 1 5

Determine o subespao prprio de R3 associado a = 3.

4. Determine quais das seguintes matrizes so diagonalizveis. Em caso afirmativo, determine a


respetiva matriz diagonal.

7.4. Solues - Exerccios propostos 7.3

(a) A =

2 2
1 1

89

(c) C =

1 3
2 0

1 0 1
(d) D = 0 3 1 .
0 0 2

2 0 2
(b) B = 0 3 0 .
0 0 3

5. Verifique se v = (5, 5) um vetor prprio da matriz de reflexo em relao reta y = x,




0 1
,
R=
1 0
associado ao valor prprio = 1.
6. Calcule os valores prprios, os subespaos dos vetores prprios e indique um conjunto de trs
vetores prprios linearmente independentes da matriz A + 2I, sendo

1 0 0
A = 0 0 1 .
0 1 0
7. Considere a matriz

5 0 1
B = 1 1 0 .
7 1 0

(a) Prove que B no diagonalizvel.

(b) Determine os subespaos vetoriais associados aos valores prprios de B e indique a sua
dimenso.
8. Considere a matriz

1 2 0
C = 0 4 4 .
0 0 7

(a) Verifique que C diagonalizvel.

(b) Determine uma matriz invertvel S e uma matriz diagonal D, tais que D = S 1 CS.

7.4

Solues - Exerccios propostos 7.3

1. 1 = 0, 2 = 5, E0 = {(2y, y) : y R} e E5 = {(x, 2x) : x R}.


2. T no diagonalizvel porque no tem dois valores prprios distintos e consequentemente
no existe nenhuma base de R2 definida por vetores prprios de T .
3. Provar que |A 3I| = 0 e determinar E3 = {(x, x, 0) : x R}.
4. Matrizes diagonalizveis e respetiva matriz diagonal.
(a) A diagonalizvel, porque tem dois valores prprios distintos. .

7. Valores e vetores prprios

90

(b) B diagonalizvel, porque tem valores prprios 2 e 3, sendo 3 raz dupla.


(c) C diagonalizvel por
P =
porque tem valores prprios 3, 2.

3 0
0 2

(d) D diagonalizvel por

2 0 0
P = 0 1 0 ,
0
0 3

porque tem valores prprios 2, 1, 3.


5. Provar que existe R, tal que R v = v.

6. 1 = 2 = 3, 3 = 1, E1 = {(x, y, y) : y R} e E3 = {(0, y, y) : y R}.


7. .
(a) B no diagonalizvel porque = 2 raiz tripla da equao caraterstica.
(b) E2 = {(x, x, 3x) : x R} tem dimenso 1.
8. .
(a) .

1 0 0
1 2 4
(b) S = 0 3 12 e D = 0 4 0 .
0 0 7
0 0 9

Bibliografia
[1] R., Harshbarger e J., Reynolds, Matemtica Aplicada,Administrao, Economia e Cincias sociais e Biolgicas, McGraw-Hill (2006).
[2] G, Strang, Linear Algebra and its Applications, Harcourt Brace Jovanovich College Publishers
(1986).
[3] E., Giraldes, M Smith e V., Fernandes, lgebra linear e Geometria Analtica, McGraw- Hill
(1995).
[4] L., Magalhes, lgebra Linear como Introduo Matemtica Aplicada, Texto Editora (1989).