Instituto Superior Tecnico

Departamento de Matem atica

Sec c ao de

Algebra e An alise
Resumo das Aulas Te oricas de

Algebra Linear
1
o
Semestre 2005/2006
(LEIC, LEC, LEN, LET)
Paulo Pinto
Conte udo
Sistemas de Equa c oes Lineares e Calculo Matricial 2
Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Sistemas de Equa c oes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Matrizes Elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
A matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Espa cos Lineares (Vectoriais) 19
Subespa cos lineares exemplos: n ucleo, espa co colunas e linhas de uma matriz . . 21
Independencia linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Bases e dimens ao de Espa cos Lineares . . . . . . . . . . . . . . . . . . . . . . . . 28
Matriz mudan ca de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Transforma c oes Lineares 35
Representa c ao matricial de uma transforma c ao linear . . . . . . . . . . . . . . . . 37
Transforma c oes injectivas, sobrejectiva e bijectivas equa c oes lineares . . . . . . . 41
Determinante 45
Valores Pr oprios e Vectores Pr oprios 49
Sistemas de equa c oes diferenciais . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Produtos Internos 58
Formas Quadraticas 68
Agradecimento 70
1
Sistemas de Equa c oes Lineares e Calculo Matricial
Matrizes
Deni cao 1. Uma matriz A, do tipo m n (m por n), e uma tabela de mn n umeros
dispostos em m linhas e n colunas:
A =
_

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

_
.
A linha i de A e:
_
a
i1
a
i2
a
in

,
para cada i = 1, ..., m. A coluna j de A e:
_

_
a
1j
a
2j
.
.
.
a
mj
_

_
para cada j = 1, ..., n. Usa-se tambem a nota c ao A = (a
ij
)
mn
na qual a
ij
e a entrada (i, j)
da matriz A.
Se m = n, diz-se que A e uma matriz quadrada do tipo nn e as entradas a
11
, a
22
, ...,
a
nn
formam a chamada diagonal principal de A.
Exemplo 1. As matrizes
A =
_
1 1
2 2
_
, B =
_
1 2 3 4
2 0 2 0
_
, C =
_
0 0 7

e D =
_

_
4
3
2
1
_

_
s ao dos seguintes tipos: A e 2 2, B e 2 4, C e 1 3, A e 4 1. Tem-se, por exemplo,
a
21
= 2, b
13
= 3, c
12
= 0 e d
41
= 1.
Observa cao 1. Uma matriz (real) A do tipo mn e uma aplica c ao:
A : 1, ..., m 1, ..., n R
(i, j) a
ij
Nota cao 1. O conjunto de todas as matrizes reais do tipo m n e denotado por
Mat
mn
(R).
Deni cao 2. Duas matrizes s ao iguais se forem do mesmo tipo e se as entradas corres-
pondentes forem iguais, isto e, A = (a
ij
)
mn
e B = (b
ij
)
pq
s ao iguais se m = p, n = q e
a
ij
= b
ij
, para i = 1, ..., m e j = 1, ..., n.
2
Deni cao 3. A soma de duas matrizes do mesmo tipo A = (a
ij
)
mn
e B = (b
ij
)
mn
e
a matriz
A+B = (a
ij
+b
ij
)
mn
.
Exemplo 2. Sejam
A =
_
1 4 1
3 2 6
_
, B =
_
0 3 2
4 1 5
_
, C =
_
_
1
1/2
2
_
_
e D =
_
2

.
Tem-se A+B =
_
1 1 1
1 1 1
_
e n ao e possvel somar C com D.
Deni cao 4. O produto de um escalar (n umero) por uma matriz A = (a
ij
)
mn
e a matriz:
A = (a
ij
)
mn
.
Nota cao 2. A matriz (1)A ser a denotada por A.
Exemplo 3. Seja A =
_
1 4 1
3 2 6
_
. Tem-se, por exemplo,
2A =
_
2 8 2
6 4 12
_
.
Deni cao 5. O produto AB de duas matrizes A e B s o pode ser efectuado se o n umero
de colunas da 1
a
matriz, A, f or igual ao n umero de linhas da 2
a
matriz, B. Nesse caso, o
produto AB de A = (a
ij
)
mp
por B = (b
ij
)
pn
e denido por:
AB =
_
p

k=1
a
ik
b
kj
_
mn
,
isto e,
_

_
a
11
a
12
a
1p
.
.
.
.
.
.
a
i1
a
i2
a
ip
.
.
.
.
.
.
a
m1
a
m2
a
mp
_

_
_

_
b
11
b
1j
b
1n
b
21
b
2j
b
2n
.
.
.
.
.
.
.
.
.
b
p1
b
pj
b
pn
_

_
=
_

_
p

k=1
a
1k
b
k1

p

k=1
a
1k
b
kn

p

k=1
a
ik
b
kj

p

k=1
a
mk
b
k1

p

k=1
a
mk
b
kn
_

_
Exemplo 4. Sejam A, B, C e D as matrizes do exemplo 2. N ao e possvel efectuar, por
exemplo, AB. No entanto, tem-se:
AC =
_
5
14
_
e CD =
_
_
2

3
1

3/2
4 2

3
_
_
.
3
Observa cao 2. O produto de matrizes n ao e comutativo. Por exemplo, para
A =
_
0 1
1 0
_
e B =
_
0 1
1 0
_
tem-se AB =
_
1 0
0 1
_
e BA =
_
1 0
0 1
_
.
Logo AB ,= BA.
Deni cao 6. A transposta de uma matriz A = (a
ij
)
mn
e a matriz
A
T
= (a
ji
)
nm
que se obtem trocando as linhas com as colunas de A.
Exemplo 5. Sejam A e C as matrizes do exemplo 2. Tem-se
A
T
=
_
_
1 3
4 2
1 6
_
_
e C
T
=
_
1
1
2
2
_
.
Teorema 1. Sejam A, B, C e D matrizes de tipos apropriados, e escalares. S ao
v alidas as seguintes propriedades para as opera c oes matriciais.
(a) (Comutatividade da soma) A+B = B +A.
(b) (Associatividade da soma) A+ (B +C) = (A +B) +C.
(c) (Elemento neutro da soma) Existe uma unica matriz 0 do tipo mn tal que A+0 = A,
para toda a matriz A do tipo m n.
`
A matriz 0, cujas entradas s ao todas iguais a zero,
chama-se matriz nula.
(d) (Simetrico) Para cada matriz A existe uma unica matriz B tal que A+B = 0. Esta
matriz B denota-se por A.
(e) (Associatividade do produto por escalares) (A) = () A.
(f) (Distributividade) ( +) A = A +A.
(g) (Distributividade) (A+ B) = A +B.
(h) (Associatividade do produto de matrizes) A(BC) = (AB) C.
(i) (Distributividade) A(B +C) = AB +AC e (B +C) D = BD +CD.
(j) (AB) = (A) B = A(B).
(k)
_
A
T
_
T
= A.
(l) (A+B)
T
= A
T
+B
T
.
(m) (A)
T
= A
T
.
4
(n) (AB)
T
= B
T
A
T
.
(o) (A
1
A
2
...A
n
)
T
= A
T
n
...A
T
2
A
T
1
, com A
1
, A
2
, ..., A
n
matrizes de tipos apropriados.
(p)
`
A matriz, do tipo n n,
I =
_

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

_
chama-se matriz identidade (de ordem n) e e tal que
AI = A e IB = B,
para todas as matrizes A = (a
ij
)
mn
e B = (b
ij
)
nm
.
Deni cao 7. (i) A diferen ca entre duas matrizes A e B do mesmo tipo e denida por
AB = A+ (B),
ou seja, e a soma de A com o simetrico de B.
(ii) Sejam A uma matriz do tipo n n e p N. A potencia p de A e denida por
A
p
= A...A
. .
p vezes
e para p = 0 dene-se A
0
= I.
(iii)
`
A matriz do tipo n n
_

_
a
11
0 0
0 a
22
0
.
.
.
.
.
.
.
.
.
0 0 a
nn
_

_
,
cujas entradas fora da diagonal principal s ao nulas, chama-se matriz diagonal.
Observa cao 3. Tem-se: 1A = A, 0A = 0, A+A = 2A, A+. . . +A
. .
n vezes
= nA.
Deni cao 8. (i) Seja A = (a
ij
)
nn
uma matriz do tipo nn. Diz-se que A e simetrica
se A = A
T
, isto e, se a
ij
= a
ji
, para i, j = 1, ..., n. Diz-se que A e anti-simetrica se
A = A
T
, isto e, se a
ij
= a
ji
, para i, j = 1, ..., n.
(ii) Para matrizes quadradas A = (a
ij
)
nn
dene-se o tra co de A, tr(A), como sendo a
soma de todas as entradas da diagonal principal de A, isto e,
tr(A) =
n

i=1
a
ii
.
5
Observa cao 4. Sejam A = (a
ij
)
nn
e B = (b
ij
)
nn
duas matrizes do tipo n n e um
escalar. Tem-se:
(i) tr(A+B) = tr(A) +tr(B),
(ii) tr(A) = tr(A),
(iii) tr(A
T
) = tr(A)
(iv) tr(AB) = tr(BA).
Sistemas de Equa c oes Lineares
Deni cao 9. Uma equa cao linear com n inc ognitas x
1
, x
2
, ..., x
n
e uma equa c ao da forma
a
1
x
1
+a
2
x
2
+... +a
n
x
n
= b,
em que a
1
, a
2
, ..., a
n
e b s ao constantes (reais).
Deni cao 10. Um sistema de m equa c oes lineares com n inc ognitas e um conjunto
de equa c oes da forma
()
_

_
a
11
x
1
+a
12
x
2
+... +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+... +a
2n
x
n
= b
2
. . .
a
m1
x
1
+a
m2
x
2
+... +a
mn
x
n
= b
m
em que a
ij
e b
k
s ao constantes (reais), para i, k = 1, ..., m e j = 1, ..., n.
Observa cao 5. Usando o produto de matrizes denido na sec c ao anterior, o sistema
linear acima pode ser escrito como uma equa c ao matricial
AX = B,
em que
A =
_

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

_
, X =
_

_
x
1
x
2
.
.
.
x
n
_

_
e B =
_

_
b
1
b
2
.
.
.
b
m
_

_
.
A matriz A e a matriz dos coecientes do sistema, X e a matriz coluna das inc ognitas
e B e a matriz coluna dos termos independentes. Uma solu c ao do sistema linear () e uma
matriz
S =
_

_
s
1
s
2
.
.
.
s
n
_

_
tal que as equa c oes do sistema s ao satisfeitas quando substitumos
x
1
= s
1
, x
2
= s
2
, ..., x
n
= s
n
.
6
Ao conjunto de todas as solu c oes do sistema chama-se conjunto solu c ao ou solu c ao geral do
sistema.
Exemplo 6. O sistema linear de duas equa c oes e duas inc ognitas
_
x + 2y = 1
2x +y = 0
pode ser escrito do seguinte modo:
_
1 2
2 1
_ _
x
y
_
=
_
1
0
_
.
A solu c ao (geral) do sistema acima e x = 1/3 e y = 2/3 (verique!), isto e, X =
_
1/3
2/3
_
.
Observa cao 6. De modo a facilitar a resolu c ao de um sistema linear, este pode ser
sempre substitudo por outro que tenha o mesmo conjunto solu c ao. Esse outro e obtido
depois de aplicar sucessivamente opera c oes sobre as equa c oes do sistema inicial que n ao
alterem a solu c ao do mesmo. As opera c oes s ao:
- Trocar a posi c ao de duas equa c oes do sistema;
- Multiplicar uma equa c ao por um escalar diferente de zero;
- Somar a uma equa c ao um m ultiplo escalar de outra equa c ao.
Estas s ao as chamadas opera c oes elementares. Quando aplicamos opera c oes elementares
` as equa c oes de um sistema linear, s o os coecientes e os termos independentes do sistema
s ao alterados. Assim, podemos aplicar as opera c oes ` a matriz
[A [ B] =
_

_
a
11
a
12
a
1n
[ b
1
a
21
a
22
a
2n
[ b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
[ b
m
_

_
,
` a qual se d a o nome de matriz aumentada do sistema.
Deni cao 11. As opera c oes elementares que podem ser aplicadas ` as linhas de uma
matriz s ao as seguintes:
(i) Trocar a posi c ao de duas linhas da matriz;
(ii) Multiplicar uma linha da matriz por um escalar diferente de zero;
(iii) Somar a uma linha da matriz um m ultiplo escalar de outra linha.
Teorema 2. Se dois sistemas lineares AX = B e CX = D s ao tais que a matriz
aumentada [C [ D] e obtida de [A [ B] atraves de uma opera c ao elementar, ent ao os dois
sistemas tem o mesmo conjunto solu c ao, isto e, s ao equivalentes.
7
Observa cao 7. O metodo que iremos usar para resolver sistemas lineares consiste na
aplica c ao de opera c oes elementares ` as linhas da matriz aumentada do sistema de modo a
obter uma matriz em escada de linhas em rela c ao ` a qual o sistema associado seja de f acil
resolu c ao.
Deni cao 12. Uma matriz A = (a
ij
)
mn
diz-se em escada de linhas se:
(i) Todas as linhas nulas (formadas inteiramente por zeros) est ao por baixo das linhas
n ao nulas;
(ii) Por baixo (e na mesma coluna) do primeiro elemento n ao nulo de cada linha e por
baixo dos elementos nulos anteriores da mesma linha, todas as entradas s ao nulas. Esse
primeiro elemento n ao nulo de cada linha tem o nome de pivot.
Deni cao 13. Seja A uma matriz em escada de linhas. Ao n
o
de pivots de A matriz,
isto e, ao n
o
de linhas n ao nulas de A, d a-se o nome de caracterstica de A, car A. Se A
f or a matriz em escada de linhas obtida de C atraves de opera c oes elementares ent ao diz-se
que a caracterstica de C e car A, tendo-se car C = car A. Temos que carA =carA
T
.
Exemplo 7. As seguintes matrizes est ao em escada de linhas:
A =
_
4 1
0 0
_
, B =
_
0 1 3 0
0 0 5 1
_
, C =
_

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

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

_
.
Pivot de A: 4. Pivots de B: 1, 5. Pivots de C: 2, 3, 5.
car A = 1, car B = 2 e car C = 3,
Deni cao 14. O metodo de resolver sistemas lineares que consiste em aplicar opera c oes
elementares ` as linhas da matriz aumentada do respectivo sistema de modo a que essa matriz
que em escada de linhas, chama-se metodo de elimina cao de Gauss
1
.
Exemplo 8. O sistema linear
_

_
x +z = 3
x + 2y + 2z = 6
3y + 3z = 6
na forma matricial e
_
_
1 0 1
1 2 2
0 3 3
_
_
_
_
x
y
z
_
_
=
_
_
3
6
6
_
_
.
1
Johann Carl Friedrich Gauss 1777-1855
8
Consideremos ent ao a matriz aumentada e o consequente metodo de elimina c ao de Gauss:
_
_
1 0 1 [ 3
1 2 2 [ 6
0 3 3 [ 6
_
_

L
1
+L
2
L
2
_
_
1 0 1 [ 3
0 2 1 [ 3
0 3 3 [ 6
_
_

3
2
L
2
+L
3
L
3
_
_
1 0 1 [ 3
0 2 1 [ 3
0 0
3
2
[
3
2
_
_
.
Logo,
_

_
x +z = 3
2y +z = 3
3
2
z =
3
2

_
x = 2
y = 1
z = 1.
Neste exemplo o sistema tem solu cao unica e diz-se possvel e determinado.
Exemplo 9. O sistema linear
_

_
3z 9w = 6
5x + 15y 10z + 40w = 45
x + 3y z + 5w = 7
e equivalente a
_
_
0 0 3 9
5 15 10 40
1 3 1 5
_
_
_

_
x
y
z
w
_

_
=
_
_
6
45
7
_
_
.
Consideremos ent ao a matriz aumentada e o consequente metodo de elimina c ao de Gauss:
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_

L
1
L
3
1
5
L
2
L
2
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_

L
1
+L
2
L
2

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

3L
2
+L
3
L
3
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 0 0 [ 0
_
_
.
Logo,
_
_
_
x + 3y z + 5w = 7
z + 3w = 2

_
_
_
x = 3y 2w 5
z = 3w + 2.
As inc ognitas y e w s ao livres e as inc ognitas x e z s ao n ao livres. A solu c ao geral do sistema
e:
X =
_

_
x
y
z
w
_

_
=
_

_
3y 2w 5
y
3w + 2
w
_

_
,
9
para quaisquer y, w R, isto e, o conjunto solu c ao e dado por:
S = (3y 2w 5, y, 3w + 2, w) : y, w R .
Neste exemplo o sistema tem innitas solu c oes e diz-se possvel e indeterminado.
Exemplo 10. Seja a R. O sistema linear
_

_
x + 2y +z = 3
x +y z = 2
x +y + (a
2
5) z = a
e equivalente a
_
_
1 2 1
1 1 1
1 1 a
2
5
_
_
_
_
x
y
z
_
_
=
_
_
3
2
a
_
_
.
Consideremos ent ao a matriz aumentada e o consequente metodo de elimina c ao de Gauss:
_
_
1 2 1 3
1 1 1 2
1 1 a
2
5 a
_
_

L
1
+L
2
L
2
L
1
+L
3
L
3
_
_
1 2 1 3
0 1 2 1
0 1 a
2
6 a 3
_
_

L
2
+L
3
L
3
_
_
1 2 1 3
0 1 2 1
0 0 a
2
4 a 2
_
_
.
Se a = 2, ent ao o sistema e possvel e indeterminado:
_
_
_
x + 2y +z = 3
y 2z = 1

_
_
_
x = 3z + 1
y = 2z + 1,
a inc ognita z e livre, as inc ognitas x e y s ao n ao livres e a solu c ao geral do sistema e
X =
_
_
x
y
z
_
_
=
_
_
3z + 1
2z + 1
z
_
_
,
para qualquer z R, isto e, o conjunto solu c ao e dado por:
S = (3z + 1, 2z + 1, z) : z R .
Assim, se a = 2, o sistema tem innitas solu c oes e diz-se possvel e indeterminado.
Se a = 2, o sistema nao tem solu cao e diz-se impossvel.
Se a ,= 2 e a ,= 2, o sistema tem a solu cao unica:
X =
_
_
x
y
z
_
_
=
_
_
(a + 5)/(a + 2)
a/(a + 2)
1/(a + 2)
_
_
e diz-se possvel e determinado.
10
Observa cao 8. Seja [A [ B] a matriz aumentada associada a um sistema linear com n
inc ognitas.
(i) Se car A = car [A [ B] = n ent ao o sistema e possvel e determinado (tem uma
unica solu c ao).
(ii) Se car A = car [A [ B] < n ent ao o sistema e possvel e indeterminado (tem um
n
o
innito de solu c oes).
(iii) Se car A < car [A [ B] ent ao o sistema e impossvel (n ao tem solu c ao).
(iv) Podemos escolher como inc ognitas livres (podem tomar valores arbitr arios) do
sistema aquelas que correspondem ` as colunas, que n ao contenham pivots, da matriz em
escada de linhas obtida de A atraves de opera c oes elementares.
(v) As inc ognitas nao livres do sistema s ao aquelas que correspondem ` as colunas,
que contenham pivots, da matriz em escada de linhas obtida de A atraves de opera c oes
elementares.
(vi) car A = n
o
de linhas n ao nulas da matriz em escada de linhas obtida de A = n
o
de
pivots = n
o
de inc ognitas n ao livres.
Teorema 3. Sejam A uma matriz do tipo mn e B uma matriz do tipo m1. Se o
sistema linear AX = B tem duas solu c oes distintas X
0
e X
1
(X
0
,= X
1
), ent ao ter a innitas
solu c oes.
Dem. Basta vericar que X

= (1 ) X
0
+ X
1
e solu c ao do sistema AX = B, para
qualquer R.
Deni cao 15. Um sistema linear da forma
_

_
a
11
x
1
+a
12
x
2
+... +a
1n
x
n
= 0
a
21
x
1
+a
22
x
2
+... +a
2n
x
n
= 0
. . .
a
m1
x
1
+a
m2
x
2
+... +a
mn
x
n
= 0
tem o nome de sistema linear homogeneo. Este sistema poder ser escrito na forma
AX = 0. Todo o sistema linear homogeneo admite pelo menos a solu cao trivial:
X =
_

_
x
1
x
2
.
.
.
x
n
_

_
=
_

_
0
0
.
.
.
0
_

_
.
Assim, todo o sistema linear homogeneo tem solu c ao. Alem disso, ou tem apenas a solu c ao
trivial ou tem innitas solu c oes.
Teorema 4. Se A = (a
ij
)
mn
e tal que m < n, ent ao o sistema linear homogeneo
AX = 0 tem innitas solu c oes.
11
Dem. Como o sistema tem menos equa c oes do que inc ognitas (m < n), o n
o
de linhas
n ao nulas r da matriz em escada de linhas obtida da matriz aumentada do sistema tambem
e tal que r < n. Assim, r pivots e n r inc ognitas livres as quais podem assumir qualquer
valor real. Logo, o sistema linear homogeneo AX = 0 tem innitas solu c oes.
Teorema 5. Sejam A = (a
ij
)
mn
e , R.
(i) Se X e Y s ao solu c oes do sistema AX = 0, ent ao X +Y tambem o e.
(ii) Se X e solu c ao do sistema AX = 0, ent ao X tambem o e.
(iii) Se X e Y s ao solu c oes do sistema AX = 0, ent ao X +Y tambem o e.
Teorema 6. Seja A uma matriz do tipo m n e B ,= 0 uma matriz do tipo m 1.
Qualquer solu c ao X do sistema AX = B escreve-se na forma X = X
0
+ Y onde X
0
e uma
solu c ao particular do sistema AX = B e Y e uma solu c ao do sistema homogeneo AX = 0.
Assim:
_
solu c ao geral de
AX = B
_
=
_
solu c ao particular de
AX = B
_
+
_
solu c ao geral de
AX = 0
_
.
Dem. Sendo X
0
uma solu c ao particular do sistema AX = B, basta escrever
X = X
0
+ (X X
0
)
e mostrar que X X
0
e solu c ao do sistema homogeneo AX = 0.
Matrizes Elementares
Deni cao 16. Uma matriz elementar do tipo n n e uma matriz obtida da matriz
identidade I atraves de uma unica opera c ao elementar.
(i) A matriz P
ij
, chamada matriz de permuta cao, e a matriz elementar obtida por
troca da linha i com a linha j da matriz I. Tem-se:
P
ij
=
_

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

_
i
j
.
12
(ii) A matriz E
i
() e a matriz elementar obtida da matriz I atraves do produto do escalar
,= 0 pela linha i da matriz I. Tem-se:
E
i
() =
_

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

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

_
i .
(iii) A matriz E
ij
() e a matriz elementar obtida da matriz I por soma da linha j com
um m ultiplo da linha i. Tem-se:
E
ij
() =
_

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

_
i
j
.
Observa cao 9. As matrizes elementares E
ij
() s ao sempre matrizes triangulares.
Exemplo 11. As matrizes elementares do tipo 2 2 s ao:
P
12
= P
21
=
_
0 1
1 0
_
, E
1
() =
_
0
0 1
_
, E
2
() =
_
1 0
0
_
,
com ,= 0,
E
12
() =
_
1 0
1
_
e E
21
() =
_
1
0 1
_
.
Teorema 7. Sejam E uma matriz elementar do tipo m m e A uma matriz qualquer
do tipo mn. Ent ao, EA e a matriz obtida de A atraves da mesma opera c ao elementar que
originou E. Isto e, aplicar uma opera c ao elementar a uma matriz corresponde a multiplicar
essa matriz ` a esquerda por uma matriz elementar.
Exemplo 12. Consideremos a matriz aumentada do exemplo 9:
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_
.
13
A opera c ao elementar:
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_

L
1
L
3
_
_
1 3 1 5 [ 7
5 15 10 40 [ 45
0 0 3 9 [ 6
_
_
,
corresponde ` a seguinte multiplica c ao (` a esquerda):
_
_
0 0 1
0 1 0
1 0 0
_
_
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_
=
_
_
1 3 1 5 [ 7
5 15 10 40 [ 45
0 0 3 9 [ 6
_
_
.
A opera c ao elementar:
_
_
1 3 1 5 [ 7
5 15 10 40 [ 45
0 0 3 9 [ 6
_
_

1
5
L
2
L
2
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_
,
corresponde ` a seguinte multiplica c ao (` a esquerda):
_
_
1 0 0
0 1/5 0
0 0 1
_
_
_
_
1 3 1 5 [ 7
5 15 10 40 [ 45
0 0 3 9 [ 6
_
_
=
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_
.
A opera c ao elementar:
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_

L
1
+L
2
L
2
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_
,
corresponde ` a seguinte multiplica c ao (` a esquerda):
_
_
1 0 0
1 1 0
0 0 1
_
_
_
_
1 3 1 5 [ 7
1 3 2 8 [ 9
0 0 3 9 [ 6
_
_
=
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_
.
Finalmente, a opera c ao elementar:
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_

3L
2
+L
3
L
3
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 0 0 [ 0
_
_
,
corresponde ` a seguinte multiplica c ao (` a esquerda):
_
_
1 0 0
0 1 0
0 3 1
_
_
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 3 9 [ 6
_
_
=
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 0 0 [ 0
_
_
.
Tem-se ent ao:
E
23
(3) E
12
(1) E
2
_
1
5
_
P
13
_
_
0 0 3 9 [ 6
5 15 10 40 [ 45
1 3 1 5 [ 7
_
_
=
_
_
1 3 1 5 [ 7
0 0 1 3 [ 2
0 0 0 0 [ 0
_
_
.
14
A matriz inversa
Deni cao 17. Uma matriz A (do tipo n n) diz-se invertvel se existir uma matriz B (do
tipo n n) tal que
AB = BA = I.
`
A matriz B chama-se matriz inversa de A e denota-se por A
1
.
Observa cao 10. Obviamente que resulta da deni c ao de matriz inversa o seguinte facto:
sendo A
1
a matriz inversa de A, ent ao A
1
e invertvel e a sua inversa e a pr opria matriz
A, isto e, (A
1
)
1
= A.
Exemplo 13. As seguintes matrizes s ao a inversa uma da outra:
A =
_
2 1
0 3
_
e B =
_
1/2 1/6
0 1/3
_
.
Teorema 8. A inversa de uma matriz e unica.
Dem. Sejam B e C as inversas de A. Ent ao,
B = BI = B(AC) = (BA) C = IC = C.
Teorema 9. (i) Se A = (a
ij
)
nn
e B = (b
ij
)
nn
s ao duas matrizes invertveis, ent ao AB
e invertvel e
(AB)
1
= B
1
A
1
.
(ii) Se A = (a
ij
)
nn
e invertvel, ent ao A
T
e invertvel e
_
A
T
_
1
=
_
A
1
_
T
.
Deni cao 18. Uma matriz A = (a
ij
)
nn
diz-se nao singular se ap os o metodo de
elimina c ao de Gauss esta f or transformada numa matriz triangular superior (matriz
cujas entradas por baixo da diagonal principal s ao todas nulas) cujas entradas da diagonal
principal sejam todas n ao nulas. Uma matriz A = (a
ij
)
nn
diz-se singular se ap os o metodo
de elimina c ao de Gauss existir (pelo menos) uma linha nula na matriz obtida de A.
Teorema 10. Uma matriz A = (a
ij
)
nn
e invertvel se e s o se e n ao singular.
Teorema 11. Toda a matriz elementar e invertvel e a respectiva inversa e tambem uma
matriz elementar. Tem-se:
(i) (P
ij
)
1
= P
ij
.
(ii) (E
i
())
1
= E
i
(1/), para ,= 0.
(iii) (E
ij
())
1
= E
ij
().
15
Teorema 12. (Factoriza cao triangular). Seja A uma matriz n ao singular do tipo
nn. Ent ao ou A admite a factoriza c ao unica A = LDU ou existe uma matriz de permuta c ao
P tal que PA admite a factoriza c ao unica PA = LDU, onde L e U s ao respectivamente uma
matriz triangular inferior e uma matriz triangular superior com as entradas das diagonais
principais todas iguais a 1, e D e uma matriz diagonal com as entradas da diagonal principal
todas n ao nulas.
Observa cao 11. As entradas da diagonal principal da matriz D do teorema 12 s ao os
pivots que resultam da aplica c ao do metodo de elimina c ao de Gauss ` a matriz A.
Exemplo 14. Seja A =
_
_
1 1 1
2 1 4
2 3 5
_
_
. Tem-se:
E
23
(1)E
13
(2)E
12
(2)A =
_
_
1 1 1
0 1 2
0 0 5
_
_
=
_
_
1 0 0
0 1 0
0 0 5
_
_
_
_
1 1 1
0 1 2
0 0 1
_
_
.
Logo,
A = (E
12
(2))
1
(E
13
(2))
1
(E
23
(1))
1
_
_
1 0 0
0 1 0
0 0 5
_
_
_
_
1 1 1
0 1 2
0 0 1
_
_
.
Isto e,
A = E
12
(2)E
13
(2)E
23
(1)
_
_
1 0 0
0 1 0
0 0 5
_
_
_
_
1 1 1
0 1 2
0 0 1
_
_
,
ou ainda,
A = LDU,
com
L = E
12
(2)E
13
(2)E
23
(1) =
_
_
1 0 0
2 1 0
2 1 1
_
_
,
D =
_
_
1 0 0
0 1 0
0 0 5
_
_
e U =
_
_
1 1 1
0 1 2
0 0 1
_
_
.
Exemplo 15. Seja A =
_

_
1 2 3 4
0 0 5 6
0 0 10 6
0 1 7 8
_

_
. Tem-se:
P
24
A =
_

_
1 2 3 4
0 1 7 8
0 0 10 6
0 0 5 6
_

_
e E
34
(1/2) P
24
A =
_

_
1 2 3 4
0 1 7 8
0 0 10 6
0 0 0 3
_

_
.
16
Logo,
P
24
A = (E
34
(1/2))
1
_

_
1 2 3 4
0 1 7 8
0 0 10 6
0 0 0 3
_

_
.
Isto e,
P
24
A = E
34
(1/2)
_

_
1 0 0 0
0 1 0 0
0 0 10 0
0 0 0 3
_

_
_

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

_
,
ou ainda,
PA = LDU,
com
P = P
24
, L = E
34
(1/2) =
_

_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 1/2 1
_

_
,
D =
_

_
1 0 0 0
0 1 0 0
0 0 10 0
0 0 0 3
_

_
e U =
_

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

_
.
Observa cao 12. Uma matriz A e invertvel se e s o se f or igual ao produto de matrizes
elementares.
Teorema 13. Seja A uma matriz do tipo n n.
(i) O sistema associado a AX = B tem solu c ao unica se e s o se A f or invertvel. Neste
caso a solu c ao e X = A
1
B.
(ii) O sistema homogeneo AX = 0 tem solu c ao n ao trivial se e s o se A f or singular (n ao
invertvel).
Teorema 14. Sejam A e B duas matrizes do tipo n n. Se AB e invertvel, ent ao A e
B s ao invertveis.
Dem. Considere o sistema (AB) X = 0. Se B n ao fosse invertvel, ent ao pelo teorema
13 existiria X ,= 0 tal que BX = 0. Logo, X ,= 0 seria solu c ao n ao trivial de ABX = 0, o
que contraria o teorema 13 uma vez que por hip otese AB e invertvel. Assim, B e invertvel.
Finalmente, A e invertvel por ser o produto de duas matrizes invertveis: A = (AB) B
1
.
Observa cao 13. (Como inverter matrizes do tipo n n). Seja A uma matriz do
tipo n n e consideremos a equa c ao AX = B. Se A f or invertvel temos
AX = B X = A
1
B,
17
isto e,
AX = IB IX = A
1
B.
Assim, para determinar a inversa de A, iremos transformar a matriz aumentada [A [ I] na
matriz [I [ A
1
], por meio de opera c oes elementares aplicadas ` as linhas de [A [ I]. Este
metodo tem o nome de metodo de elimina cao de Gauss-Jordan
2
e consistir a na conti-
nua c ao do metodo de elimina c ao de Gauss agora aplicado a [matriz triangular superior [ ],
efectuando-se as elimina c oes de baixo para cima de modo a obter-se [I [ A
1
].
Exemplo 16. (i) Seja A =
_
_
1 1 1
2 1 4
2 3 5
_
_
. Tem-se
[A [ I] =
_
_
1 1 1 [ 1 0 0
2 1 4 [ 0 1 0
2 3 5 [ 0 0 1
_
_

2L
1
+L
2
L
2
2L
1
+L
3
L
3
_
_
1 1 1 [ 1 0 0
0 1 2 [ 2 1 0
0 1 3 [ 2 0 1
_
_

L
2
+L
3
L
3

_
_
1 1 1 [ 1 0 0
0 1 2 [ 2 1 0
0 0 5 [ 4 1 1
_
_

1
5
L
3
L
3
_
_
1 1 1 [ 1 0 0
0 1 2 [ 2 1 0
0 0 1 [ 4/5 1/5 1/5
_
_

2L
3
+L
2
L
2
L
3
+L
1
L
1

_
_
1 1 0 [ 9/5 1/5 1/5
0 1 0 [ 2/5 3/5 2/5
0 0 1 [ 4/5 1/5 1/5
_
_

L
2
+L
1
L
1

_
_
1 0 0 [ 7/5 2/5 3/5
0 1 0 [ 2/5 3/5 2/5
0 0 1 [ 4/5 1/5 1/5
_
_

L
2
L
2

_
_
1 0 0 [ 7/5 2/5 3/5
0 1 0 [ 2/5 3/5 2/5
0 0 1 [ 4/5 1/5 1/5
_
_
.
(ii) Seja A =
_
_
1 2 3
1 1 2
0 1 1
_
_
. Tem-se
[A [ I] =
_
_
1 2 3 [ 1 0 0
1 1 2 [ 0 1 0
0 1 1 [ 0 0 1
_
_

L
1
+L
2
L
2
_
_
1 2 3 [ 1 0 0
0 1 1 [ 1 1 0
0 1 1 [ 0 0 1
_
_

L
2
+L
3
L
3

_
_
1 2 3 [ 1 0 0
0 1 1 [ 1 1 0
0 0 0 [ 1 1 1
_
_
.
Logo, A e singular e como tal n ao e invertvel.
2
Wilhelm Jordan 1842 1899
18
Espa cos Lineares (Vectoriais)
No nal do seculo XIX e no come co do seculo XX tornou-se claro gra cas a Grassmann
3
,
Peano
4
e a Weyl
5
que desenvolvimento axiom atico da geometria Euclideana podia ser feita
apelando a estruturas matem aticas Espa cos Vectoriais e Euclideanos que desempanham
um papel determinante noutras areas da matem atica e de outras ciencias. O estudo das
estruturas matem aticas independente quer dos contextos que lhes deram origem quer dos
contextos em que aplicam constitui uma das ideias mais ricas da matem atica do seculo XX
e e indissoci avel da matem atica Emmy Noether
6
. A

Algebra linear e basicamente o estuda
dessas estruturas.
Deni cao 19. Um conjunto n ao vazio V e um espa co linear (real) se existirem duas
opera c oes associadas a V , uma soma de elementos de V e um produto de escalares (n umeros
reais) por elementos de V , com as seguintes propriedades:
(a) (Fecho da soma). Para quaisquer u, v V tem-se u +v V .
(b) (Fecho do produto por escalares). Para quaisquer R e u V tem-se u V .
(c) (Comutatividade da soma). Para quaisquer u, v V , u +v = v +u.
(d) (Associatividade da soma). Para quaisquer u, v, w V , u + (v +w) = (u +v) +w.
(e) (Elemento neutro da soma). Existe um elemento de V designado por 0 tal que, para
qualquer u V , u +0 = u.
(f) (Simetrico). Para cada (qualquer) u V existe v V tal que u + v = 0. A v
chama-se o simetrico de u e denota-se por u.
(g) (Associatividade do produto por escalares). Para quaisquer , R e u V ,
(u) = () u.
(h) (Distributividade em rela c ao ` a soma de vectores). Para quaisquer R e u, v V ,
(u +v) = u +v.
(i) (Distributividade em rela c ao ` a soma de escalares). Para quaisquer , R e u V ,
( +) u = u +u.
(j) Para qualquer u V , 1u = u.
Observa cao 14. Aos elementos de V chamaremos vectores.
Exemplo 17. Exemplos de espa cos lineares:
3
Hermann Grassmann 18091877
4
Giuseppe Peano 18581932
5
Hermanm Weyl 18851955
6
Emmy Noether 18821935
19
(i) R
n
, com as opera c oes usuais:
(u
1
, u
2
, ..., u
n
) + (v
1
, v
2
, ..., v
n
) = (u
1
+v
1
, u
2
+v
2
, ..., u
n
+v
n
),
(u
1
, u
2
, ..., u
n
) = (u
1
, u
2
, ..., u
n
).
(ii) Mat
mn
(R) (conjunto de todas as matrizes reais do tipo m n), com as opera c oes
(usuais): A+B e A.
(iii) O conjunto de todas as fun c oes reais de vari avel real denidas num conjunto n ao
vazio S R, com as opera c oes usuais:
(f +g)(x) = f(x) +g(x),
(f)(x) = f(x).
(iv) O conjunto P de todos os polin omios reais, com as opera c oes usuais.
(v) O conjunto P
n
de todos os polin omios reais de grau menor ou igual a n, com as
opera c oes usuais.
Observa cao 15. Um mesmo conjunto pode servir para formar espa cos lineares dife-
rentes:
(i) O conjunto dos n umeros reais R, com a soma denida por
u v = u +v + 1,
e o produto por escalares denido por
u = u + 1,
e um espa co linear. (Neste caso o elemento neutro e 1.)
(ii) O conjunto dos n umeros reais maiores do que zero, com a soma denida por
u v = uv,
e o produto por escalares denido por
u = u

,
e um espa co linear. (Neste caso o elemento neutro e 1.)
Observa cao 16. Altera c oes nos conjuntos considerados anteriormente podem resultar
em conjuntos que n ao s ao espa cos lineares.
(i) O conjunto (x, y) R
2
: x 0 e y 0, com as opera c oes usuais, n ao e um espa co
linear. Por exemplo, os simetricos n ao est ao no conjunto.
20
(ii) O conjunto V = a
0
+a
1
t +... +a
n
t
n
: a
0
, a
1
, ..., a
n
R e a
n
,= 0, com as opera c oes
usuais, n ao e um espa co linear. Por exemplo:
t
n
, t
n
+t V , mas t
n
+ (t
n
+t) = t / V .
(iii) O conjunto U = f : R R tais que f(1) = 2, com as opera c oes usuais, n ao e
um espa co linear. Por exemplo, se f
1
, f
2
U,
(f
1
+f
2
) (1) = f
1
(1) +f
2
(1) = 2 + 2 = 4 ,= 2.
Logo, f
1
+f
2
/ U.
Subespa cos lineares exemplos: n ucleo, espa co colunas e linhas de
uma matriz
Deni cao 20. Seja V um espa co linear. Diz-se que S e um subespa co de V se S e um
subconjunto de V e se S, com as opera c oes de V , f or um espa co linear.
Observa cao 17. No entanto, para mostrar que um certo conjunto S V e um subespa co
do espa co linear V , n ao ser a necess ario vericar as 10 propriedades da deni c ao 19, como se
pode ver no seguinte teorema.
Teorema 15. Um subconjunto n ao vazio S de um espa co linear V e um subespa co de
V se e s o se:
(i) Para quaisquer u, v S tem-se u +v S.
(ii) Para quaisquer R e u S tem-se u S.
Exemplo 18. Exemplos de subespa cos:
(i) Os unicos subespa cos do espa co linear R, com as opera c oes usuais, s ao 0 e R.
(ii) Os subespa cos do espa co linear R
3
, com as opera c oes usuais, s ao: (0, 0, 0), R
3
,
todas as rectas que passam pela origem e todos os planos que passam pela origem.
(iii) O conjunto de todas as matrizes (reais) triangulares superiores (do tipo nn) e um
subespa co do espa co linear Mat
nn
(R), com as opera c oes usuais.
(iv) O conjunto de todas as fun c oes reais denidas e contnuas em I R (I e um
intervalo) e um subespa co do espa co linear de todas as fun c oes f : I R, com as opera c oes
usuais.
(v) Seja A uma matriz (real) do tipo mn. O conjunto
((A) = b R
m
: Au = b tem pelo menos uma solu c ao u
21
e um subespa co do espa co linear R
m
, com as opera c oes usuais, ao qual se d a o nome de
espa co das colunas de A.
(vi) Seja A uma matriz (real) do tipo mn. O conjunto
Nuc(A) = u R
n
: Au = 0
e um subespa co do espa co linear R
n
, com as opera c oes usuais, ao qual se d a o nome de
espa co nulo ou n ucleo de A.
Observa cao 18. (i) Se A e invertvel ent ao Nuc(A) = 0.
(ii) Se Nuc(A) = 0 ent ao A e invertvel.
(iii) Poderemos obter subespa cos de um espa co linear atraves de combina c oes lineares
de vectores desse espa co.
Deni cao 21. Seja S um subconjunto n ao vazio de um espa co linear V . Diz-se que um
vector u e combina cao linear nita dos elementos de S, se existir um n
o
nito de elementos
de S, u
1
, ..., u
k
, e de escalares
1
, ...,
k
tais que
u =
1
u
1
+... +
k
u
k
=
k

i=1

i
u
i
.
Ao cojunto de todas as combina c oes lineares nitas de elementos de S chama-se expansao
linear de S e designa-se por L(S). Se S e o conjunto vazio , escreve-se L() = 0.
Teorema 16. Seja S um subconjunto n ao vazio de um espa co linear V . A expans ao
linear L(S) de S e o menor subespa co de V que contem S. Deste modo, a L(S) tambem se
chama o subespa co gerado por S, e diz-se que S gera L(S).
Observa cao 19. Seja S e T dois subconjuntos n ao vazios de um espa co linear V , com
S T. Se L(S) = V ent ao L(T) = V .
Exemplo 19. (i) O espa co linear R
2
e gerado por qualquer dos seguintes conjuntos de
vectores:
(1, 0), (0, 1), (1, 2), (1, 11) e (23, 8), (6, 14).
(ii) O subespa co (x, y) R
2
: y = 2x do espa co linear R
2
e gerado por qualquer dos
seguintes conjuntos de vectores:
(1, 2), (2, 4) e (77, 154).
(iii) O espa co linear P
n
de todos os polin omios de grau menor ou igual a n, e gerado
por qualquer dos seguintes conjuntos de vectores:
1, t, t
2
, ..., t
n
, 1, 1 +t, (1 +t)
2
, ..., (1 +t)
n
e 1,
t
1!
,
t
2
2!
, ...,
t
n
n!
.
22
(iv) O espa co linear P de todos os polin omios, e gerado pelo conjunto innito de vectores:
1, t, t
2
, ....
(v) O espa co linear V de todas as fun c oes f : R R diferenci aveis tais que f

(x) = af(x)
e gerado pela fun c ao f
1
(x) = e
ax
, i.e. V = L(f
1
).
(vi) Seja A uma matriz (real) do tipo mn. O espa co das colunas de A,
((A) = b R
m
: Au = b tem pelo menos uma solu c ao u ,
e o subespa co (do espa co linear R
m
) gerado pelas colunas de A, uma vez que:
_

_
b
1
b
2
.
.
.
b
m
_

_
=
_

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

_
_

_
u
1
u
2
.
.
.
u
n
_

_
= u
1
_

_
a
11
a
21
.
.
.
a
m1
_

_
+u
2
_

_
a
12
a
22
.
.
.
a
m2
_

_
+... +u
n
_

_
a
1n
a
2n
.
.
.
a
mn
_

_
.
(vii) Seja A uma matriz (real) do tipo m n. Ao subespa co linear de R
n
gerado pelas
linhas de A d a-se o nome de espa co das linhas de A e designa-se por L(A).
(viii) Sejam
A =
_
0 0 0
0 0 0
_
, B =
_
_
1 3 1
0 0 7
0 0 0
_
_
, C =
_
_
1 2
2 4
2 4
_
_
e D =
_
2 0
0 1
_
.
Tem-se
((A) = (0, 0), Nuc(A) = R
3
e L(A) = (0, 0, 0).
((B) = L((1, 0, 0) , (1, 7, 0)) , Nuc(B) = L((3, 1, 0)) e L(B) = L((1, 3, 1) , (0, 0, 7)) .
((C) = L((1, 2, 2)) , Nuc(C) = L((2, 1)) e L(C) = L((1, 2)) .
((D) = L((2, 0) , (0, 1)) , Nuc(D) = (0, 0) e L(D) = L((2, 0) , (0, 1)) .
(ix) Seja U = A Mat
32
(R) : a
12
= a
21
= a
32
= 0 e a
11
+ 2a
31
= 0. Tem-se, para
A U,
A =
_
_
a
11
a
12
a
21
a
22
a
31
a
32
_
_
=
_
_
2a
31
0
0 a
22
a
31
0
_
_
= a
31
_
_
2 0
0 0
1 0
_
_
+a
22
_
_
0 0
0 1
0 0
_
_
,
com a
31
, a
22
R. Logo,
U = L
_
_
_
_
_
_
_
2 0
0 0
1 0
_
_
,
_
_
0 0
0 1
0 0
_
_
_
_
_
_
_
.
(x) Seja U = p(t) = a
0
+a
1
t +a
2
t
2
P
2
: p(1) = p(0). Tem-se, para p(t) U,
p(1) = p(0) a
0
+a
1
+a
2
= a
0
a
1
+a
2
= 0 a
1
= a
2
.
23
Logo,
p(t) = a
0
a
2
t +a
2
t
2
= a
0
1 +a
2
_
t +t
2
_
,
com a
0
, a
2
R. Assim,
U = L
__
1, t +t
2
__
.
Teorema 17. Se U e V s ao subespa cos do espa co linear W, ent ao:
(i) O conjunto U V e um subespa co linear de W.
(ii) O conjunto U + V = u + v : u U e v V e um subespa co de W.

E o menor
subespa co de W que contem U V . O conjunto U V em geral n ao e um subespa co. Tem-se
U +V = L(U V ).
Exemplo 20. (i) Em R
3
, considere os subespa cos:
U = (x, y, z) R
3
: x +y 2z = 0 e V = L((1, 1, 1), (1, 2, 1)) .
Seja v V , ent ao
v = (1, 1, 1) +(1, 2, 1) = ( +, + 2, +),
com , R. Para que v esteja tambem em U e preciso que:
( +) + ( + 2) 2 ( +) = 0.
A ultima equa c ao e equivalente a 4 + = 0 = 4. Logo,
U V = (3, 7, 5) : R = (3, 7, 5) : R = L((3, 7, 5)) .
(ii) Em R
3
, considere os subespa cos:
U = L((1, 1, 1), (1, 2, 2)) e V = L((2, 1, 1), (1, 1, 3)) .
Seja v U, ent ao
v = (1, 1, 1) +(1, 2, 2) = ( +, + 2, + 2),
com , R. Para que v esteja tambem em V e preciso que:
( +, + 2, + 2) = (2, 1, 1) +(1, 1, 3) =
= (2 , +, + 3) ,
com , R. Deste modo,
_

_
+ = 2
+ 2 = +
+ 2 = + 3.
24
Considerando a matriz aumentada tem-se
_
_
1 1 [ 2
1 2 [ +
1 2 [ + 3
_
_

L
1
+L
2
L
2
L
1
+L
3
L
3
_
_
1 1 [ 2
0 3 [ 3
0 1 [ + 4
_
_

1
3
L
2
+L
3
L
3
_
_
1 1 [ 2
0 3 [ 3
0 0 [ 2 + 4
_
_
Logo,
_

_
+ = 2
=
0 = 2 + 4.

_
=
= 2
= 2.
Assim,
(1, 1, 1) +(1, 2, 2) = (1, 1, 1) + 2(1, 2, 2) = (3, 3, 5) = (3, 3, 5).
Logo,
U V = (3, 3, 5) : R =(3, 3, 5) : R = L((3, 3, 5)) .
Observa cao 20. Neste exemplo (ii), os subespa cos U e V poderiam ter sido apresentados
inicialmente na forma:
U = (x, y, z) R
3
: 4x +y 3z = 0 e V = (x, y, z) R
3
: 2x 7y + 3z = 0,
uma vez que
U = (x, y, z) R
3
: 4x +y 3z = 0 = L((1, 4, 0), (0, 3, 1)) = L((1, 1, 1), (1, 2, 2))
e
V = (x, y, z) R
3
: 2x7y+3z = 0 = L((7, 2, 0), (3, 0, 2)) = L((2, 1, 1), (1, 1, 3)) .
(iii) Sejam W = Mat
nn
(R), U o subespa co (de W) das matrizes triangulares superiores,
V o subespa co (de W) das matrizes triangulares inferiores. Ent ao
U +V = W e U V = subespa co das matrizes diagonais.
(iv) Sejam W = R
2
, U = L((1, 0)) e V = L((0, 1)). O conjunto
U V = (x, y) R
2
: x = 0 y = 0
n ao e um espa co linear:
(1, 0)
. .
U
+ (0, 1)
. .
V
= (1, 1) / U V
Teorema 18. Se U e V subespa cos do espa co linear W, ent ao U V e subespa co de W
se e s o se U V ou V U.
Teorema 19. Sejam W
1
e W
2
subespa cos de um espa co linear V tais que
W
1
W
2
= 0.
25
Se V = W
1
+W
2
ent ao todo o vector v V pode ser escrito de modo unico na forma
v = w
1
+w
2
com w
1
W
1
e w
2
W
2
. Neste caso escreve-se V = W
1
W
2
e diz-se que V e a soma
directa dos espa cos W
1
e W
2
.
Teorema 20. O espa co das linhas L(A) e o n ucleo Nuc(A) de uma matriz A
Mat
mn
(R) mantem-se invariantes por aplica c ao do metodo de elimina c ao de Gauss. Isto e,
sendo A

a matriz em escada que se obtem de A por aplica c ao desse metodo, tem-se

L(A) = L(A

) e Nuc(A) = Nuc(A

).
Observa cao 21. Seja A Mat
mn
(R). Se A

f or a matriz em escada que se obtem de A

por aplica c ao do metodo de elimina c ao de Gauss, tem-se
((A) ,= ((A

).
Teorema 21. Seja A Mat
mn
(R). Tem-se
((A) = L(A
T
) e L(A) Nuc(A) = 0.
Independencia linear
Deni cao 22. Seja V um espa co linear. Seja S = v
1
, v
2
, ..., v
k
V . Diz-se que o
conjunto S e linearmente dependente se e s o se algum dos vectores de S se escrever como
combina c ao linear dos restantes, isto e, se e s o se existir algum i 1, 2, ..., k e escalares

1
,
2
, ...,
i1
,
i+1
, ...,
k
R tais que
v
i
=
1
v
1
+
2
v
2
+... +
i1
v
i1
+
i+1
v
i+1
+... +
k
v
k
.
Deni cao 23. Seja V um espa co linear. Seja S = v
1
, v
2
, ..., v
k
V . Diz-se que o
conjunto S e linearmente independente se e s o se nenhum dos vectores de S se puder
escrever como combina c ao linear dos restantes, isto e, se e s o a unica solu c ao do sistema
homogeneo

1
v
1
+
2
v
2
+... +
k
v
k
= 0
f or a solu c ao trivial, ou seja,
1
=
2
= ... =
k
= 0.
Se V = R
n
, sendo A a matriz cujas colunas s a os vectores de S, enta ao S e linearmente
independente se e s o se Nuc(A) = 0 se e s o se car(A) = k.
Teorema 22. Seja A

uma matriz em escada de linhas.

(i) As colunas de A

que contem pivots s ao linearmente independentes.

(ii) As linhas n ao nulas de A

s ao linearmente independentes.
(iii) O n
o
de linhas independentes e o n
o
de colunas independentes (de A

) s ao ambos
iguais ` a caracterstica de A

.
26
Observa cao 22. (i) Assim, atendendo ao teorema anterior, a independencia linear de
S = v
1
, v
2
, ..., v
k
V (espa co linear) pode ser decidida aplicando o metodo de elimina c ao
` a matriz A cujas colunas s ao os vectores de S, de modo a coloc a-la em escada de linhas.
Sendo A

essa matriz em escada, tem-se pelo teorema 20

Nuc(A) = Nuc(A

) (*).
Uma vez que as colunas de A

que contem pivots s ao linearmente independentes ent ao, devido

a (*), as colunas de A nas posi c oes correspondentes tambem ser ao linearmente independentes.
(ii) Em R, quaisquer dois vectores s ao linearmente dependentes.
(iii) Em R
2
, dois vectores s ao linearmente independentes se n ao forem colineares.
(iv) Em R
3
, tres vectores s ao linearmente independentes se n ao forem coplanares.
(v) Qualquer conjunto que contenha o vector nulo (elemento neutro) e linearmente de-
pendente. Em particular, o conjunto 0, formado apenas pelo vector nulo, e linearmente
dependente.
(vi) O conjunto vazio e linearmente independente.
Teorema 23. Sejam S
1
e S
2
dois subconjuntos nitos de um espa co linear, tais que
S
1
S
2
.
(i) Se S
1
e linearmente dependente ent ao S
2
tambem e linearmente dependente.
(ii) Se S
2
e linearmente independente ent ao S
1
tambem e linearmente independente.
Observa cao 23. Sejam S
1
e S
2
dois subconjuntos nitos de um espa co linear, tais que
S
1
S
2
.
(i) Se S
2
f or linearmente dependente ent ao S
1
tanto pode ser linearmente dependente
como linearmente independente.
(ii) Se S
1
f or linearmente independente ent ao S
2
tanto pode ser linearmente dependente
como linearmente independente.
Exemplo 21. Seja S = (1, 0, 2), (2, 0, 4), (0, 1, 2). Tem-se
A =
_
_
1 2 0
0 0 1
2 4 2
_
_

2L
1
+L
3
L
3
_
_
1 2 0
0 0 1
0 0 2
_
_

2L
2
+L
3
L
3
_
_
1 2 0
0 0 1
0 0 0
_
_
= A

.
Logo, como apenas existem dois pivots e portanto uma vari avel livre, as tres colunas de A
s ao linearmente dependentes, isto e, o conjunto S e linearmente dependente. O subconjunto
de S:
(1, 0, 2), (2, 0, 4)
tambem e linearmente dependente. No entanto, uma vez que a 1
a
e 3
a
colunas de A s ao
independentes pois correspondem ` as colunas da matriz em escada A

que contem os pivots,

o subconjunto de S:
(1, 0, 2), (0, 1, 2)
e linearmente independente.
27
Bases e dimensao de Espa cos Lineares
Deni cao 24. Chama-se base de um espa co linear V a qualquer subconjunto o de V que
verique as duas condi c oes:
(i) o gera V , isto e, L(o) = V .
(ii) o e linearmente independente.
Teorema 24. Qualquer espa co linear V ,= 0 tem pelo menos uma base.
Dem.: Demonstra c ao n ao trivial!!
Observa cao 24. Qualquer espa co linear V ,= 0 tem um n
o
innito de bases. Por exem-
plo, se o = u
1
, ..., u
k
f or uma base de V ent ao para cada ,= 0 o conjunto u
1
, ..., u
k

e tambem uma base de V .

Teorema 25. Todas as bases de um espa co linear V ,= 0 tem o mesmo n
o
de vectores.
Deni cao 25. Chama-se dimensao de um espa co linear V ,= 0 ao n
o
de vectores de
uma base qualquer de V , e escreve-se dimV . Se V = 0 ent ao dimV = 0 uma vez que
o conjunto vazio e base de 0. Um espa co linear ter a dimens ao nita se uma sua base
tiver um n
o
nito de vectores.
Exemplo 22. (i) O conjunto 1 e uma base de R, chamada base can onica ou natural
de R. Logo,
dimR = 1.
(ii) O conjunto (1, 0), (0, 1) e uma base de R
2
, chamada base can onica ou natural de
R
2
. Logo,
dimR
2
= 2.
(iii) O conjunto (1, 0, 0), (0, 1, 0), (0, 0, 1) e uma base de R
3
, chamada base can onica
ou natural de R
3
. Logo,
dimR
3
= 3.
(iv) O conjunto
__
1 0 0
0 0 0
_
,
_
0 1 0
0 0 0
_
,
_
0 0 1
0 0 0
_
,
_
0 0 0
1 0 0
_
,
_
0 0 0
0 1 0
_
,
_
0 0 0
0 0 1
__
e uma base de Mat
23
(R), chamada base can onica ou natural de Mat
23
(R). Logo,
dimMat
23
(R) = 6.
(v) Tem-se
dimR
n
= n e dimMat
mn
(R) = mn.
(vi) O conjunto 1, t, t
2
, ..., t
n
e uma base de P
n
(espa co linear de todos os polin omios
reais de grau menor ou igual a n), chamada base can onica ou natural de P
n
. Logo,
dimP
n
= n + 1.
28
(vii) O conjunto 1, t, t
2
, ... e uma base de P (espa co linear de todos os polin omios
reais), chamada base can onica ou natural de P. Logo,
dimP = .
Deni cao 26. Chama-se nulidade ` a dimens ao do n ucleo ou espa co nulo de uma matriz
A e escreve-se nul A.
Teorema 26. Seja A Mat
mn
(R).
(i) Tem-se
dim((A) = dimL(A) = car A.
(ii) Tem-se
car A+ nul A = n.
Teorema 27. Sejam W
1
e W
2
dois subespa cos de dimens ao nita de um espa co linear
V . Ent ao,
dim(W
1
+W
2
) = dimW
1
+ dimW
2
dim(W
1
W
2
) .
Teorema 28. Sejam V um espa co linear de dimens ao nita e W um subespa co de V .
(i) Seja S = u
1
, ..., u
k
V . Se S e linearmente independente ent ao S ser a um subcon-
junto de uma base de V e ter-se- a dimV k.
(ii) Se dimV = n, ent ao quaisquer m vectores de V , com m > n, s ao linearmente
dependentes.
(iii) Se dimV = n, ent ao nenhum conjunto com m vectores de V , em que m < n, pode
gerar V .
(iv) O subespa co W tem dimens ao nita e dimW dimV .
(v) Se dimW = dimV , ent ao W = V .
(vi) Se dimV = n, ent ao quaisquer n vectores de V linearmente independentes cons-
tituem uma base de V .
(vii) Se dimV = n, ent ao quaisquer n vectores geradores de V constituem uma base de
V .
Observa cao 25. O n
o
de elementos de uma base de um espa co linear e igual ao n
o
mnimo de vectores possam constituir um conjunto gerador desse espa co e e tambem igual
ao n
o
m aximo de vectores que possam constituir um conjunto linearmente independente
nesse espa co.
Exemplo 23. Seja A Mat
mn
(R). Como L(A) e Nuc(A) s ao subespa cos de R
n
ent ao
L(A) + Nuc(A) = L(L(A) Nuc(A))
29
e tambem um subepa co de R
n
. Por outro lado, atendendo a que
L(A) Nuc(A) = 0
(teorema 21), tem-se
dim(L(A) Nuc(A)) = 0.
Assim,
dim(L(A) + Nuc(A)) = dimL(A) + dimNuc(A) dim(L(A) Nuc(A)) =
= car A+ nul A0 =
= n.
Logo, pelo teorema 28 (v), tem-se
R
n
= L(A) Nuc(A).
Exemplo 24. (i) Os seguintes conjuntos s ao todos os subespa cos de R:
0 e R.
(ii) Os seguintes conjuntos s ao todos os subespa cos de R
2
:
(0, 0) , todas as rectas que contem a origem e R
2
.
(iii) Os seguintes conjuntos s ao todos os subespa cos de R
3
:
(0, 0, 0) , todas as rectas que contem a origem, todos os planos que contem a origem e R
3
.
Observa cao 26. O metodo de elimina c ao de Gauss permite determinar a dimens ao
e uma base quer para o espa co das linhas L(A) quer para o espa co das colunas ((A) de
uma matriz A. Seja A

a matriz em escada que se obtem de A por aplica c ao do metodo de

elimina c ao de Gauss. Ent ao,
(i) Uma base para L(A) ser a formada pelas linhas n ao nulas de A

.
(ii) Uma base para ((A) ser a formada pelas colunas de A que correspondem ` as posi c oes
das colunas de A

que contem os pivots.

Exemplo 25. Seja
A =
_
_
2 1 1 1
4 2 3 3
6 3 1 1
_
_
.
Tem-se
A =
_
_
2 1 1 1
4 2 3 3
6 3 1 1
_
_

2L
1
+L
2
L
2
3L
1
+L
3
L
3
_
_
2 1 1 1
0 0 1 1
0 0 4 4
_
_

4L
2
+L
3
L
3
_
_
2 1 1 1
0 0 1 1
0 0 0 0
_
_
= A

.
30
Logo, (2, 1, 1, 1), (0, 0, 1, 1) e uma base de L(A) e (2, 4, 6), (1, 3, 1) e uma base de ((A).
Assim,
dimL(A) = 2 = dim((A)
e
L(A) = L((2, 1, 1, 1), (0, 0, 1, 1)) , ((A) = L((2, 4, 6), (1, 3, 1)) .
Por outro lado,
Nuc(A

) =
_

_
(x, y, z, w) R
4
: A

_
x
y
z
w
_

_
=
_

_
0
0
0
0
_

_
_

_
=
= (x, 2x, w, w) : x, w R =
= L(1, 2, 0, 0), (0, 0, 1, 1).
Como o conjunto (1, 2, 0, 0), (0, 0, 1, 1) e linearmente independente e gera Nuc(A

) ent ao
e uma base de Nuc(A

). Finalmente, uma vez que Nuc(A) = Nuc(A

), o conjunto
(1, 2, 0, 0), (0, 0, 1, 1)
e uma base de Nuc(A) e portanto dimNuc(A) = 2, com
Nuc(A) = L(1, 2, 0, 0), (0, 0, 1, 1).
Exemplo 26. Seja S = 1, 2, 1), (2, 1, 1), (1, 2, 1), (0, 1, 0) R
3
. Determinemos
uma base para L(S).
Considere a seguinte matriz cujas colunas s ao os vectores de S:
_
_
1 2 1 0
2 1 2 1
1 1 1 0
_
_
.
Tem-se
_
_
1 2 1 0
2 1 2 1
1 1 1 0
_
_

2L
1
+L
2
L
2
L
1
+L
3
L
3
_
_
1 2 1 0
0 3 0 1
0 3 0 0
_
_

L
2
+L
3
L
3
_
_
1 2 1 0
0 3 0 1
0 0 0 1
_
_
.
Logo, S

= 1, 2, 1), (2, 1, 1), (0, 1, 0) e uma base de L(S). Como dimR

3
= 3, ent ao tem-se
mesmo: L(S) = R
3
e S

e uma base de R
3
.
Resolu cao alternativa: Considere a seguinte matriz cujas linhas s ao os vectores de S:
_

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

_
.
31
Tem-se
_

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

_

2L
1
+L
2
L
2
L
1
+L
3
L
3
_

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

_

L
3
L
4
_

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

_

1
3
L
2
+L
3
L
3
_

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

_
.
Logo, S

= 1, 2, 1), (0, 3, 3), (0, 0, 1) e uma base de L(S). Como dimR

3
= 3, ent ao
tem-se mesmo: L(S) = R
3
e S

e uma base de R
3
.
Exemplo 27. Seja S
a,b
= 1, 0, 1), (0, 1, a), (1, 1, b), (1, 1, 1) R
3
. Determinemos os
valores dos par ametros a e b para os quais S
a,b
n ao gere R
3
.
Considere a seguinte matriz cujas colunas s ao os vectores de S:
_
_
1 0 1 1
0 1 1 1
1 a b 1
_
_
.
Tem-se
_
_
1 0 1 1
0 1 1 1
1 a b 1
_
_

L
1
+L
3
L
3
_
_
1 0 1 1
0 1 1 1
0 a b 1 0
_
_

aL
2
+L
3
L
3
_
_
1 0 1 1
0 1 1 1
0 0 b a 1 a
_
_
.
Logo, S
a,b
n ao gera R
3
se e s o se b a 1 = 0 e a = 0, isto e, se e s o se a = 0 e b = 1.
Teorema 29. (i) Seja A Mat
mn
(R). As colunas de A geram R
m
se e s o se car A = m.
(ii) Seja A Mat
mn
(R). As colunas de A s ao linearmente independentes se e s o se
car A = n.
(iii) Seja A Mat
nn
(R). A matriz A e invertvel se e s o se as colunas de A (ou as
linhas de A) formarem uma base de R
n
. No caso de A ser invertvel tem-se
((A) = L(A) = R
n
.
Observa cao 27. Seja A Mat
mn
(R) e considere o sistema de equa c oes lineares Au = b.
(i) O sistema Au = b e impossvel (n ao tem solu c ao) se e s o se b / ((A), isto e, se e s o
se car A < car [A [ b].
(ii) O sistema Au = b e possvel e indeterminado (tem um n
o
innito de solu c oes) se
e s o se b ((A) e as colunas de A forem linearmente dependentes, isto e, se e s o se car A =
car [A [ b] < n, isto e, se e s o se car A = car [A [ b] e nul A ,= 0.
(iii) O sistema Au = b e possvel e determinado (tem uma unica solu c ao) se e s o
se b ((A) e as colunas de A forem linearmente independentes, isto e, se e s o se car A =
car [A [ b] = n, isto e, se e s o se car A = car [A [ b] e nul A = 0.
Observa cao 28. Seja A Mat
mn
(R) e considere o sistema de equa c oes lineares Au = b.
32
(i) Existencia de solu cao: Se m n ent ao o sistema Au = b tem pelo menos uma
solu c ao u para cada b R
m
se e s o se car A = m.
(ii) Unicidade de solu cao: Se m n ent ao o sistema Au = b tem no m aximo uma
solu c ao u para cada b R
m
se e s o se car A = n, isto e, se e s o se nul A = 0.
(iii) Existencia e unicidade de solu cao: Se m = n ent ao o sistema Au = b tem
solu c ao unica u para cada b R
m
se e s o se A f or invertvel.
Teorema 30. Seja A Mat
nn
(R). As seguintes arma c oes s ao equivalentes.
(i) A e n ao singular.
(ii) A e invertvel.
(iii) Nuc(A) = 0.
(iv) nul A = 0.
(v) Au = 0 tem apenas a solu c ao trivial u = 0.
(vi) Au = b tem solu c ao unica u para cada b R
n
.
(vii) A caracterstica de A e m axima, isto e, car A = n.
(viii) As colunas de A geram R
n
.
(ix) As colunas de A s ao independentes.
(x) As linhas de A geram R
n
.
(xi) As linhas de A s ao independentes.
(xii) A menos de permuta c oes de linhas, a matriz A admite uma unica factoriza c ao
triangular LDU.
Matriz mudan ca de base
Deni cao 27. Seja o = v
1
, v
2
, ..., v
k
uma base ordenada de um espa co linear V e seja u
um vector de V . Chamam-se coordenadas do vector u na base ordenada o aos escalares

1
,
2
, ...,
k
da combina c ao linear:
u =
1
v
1
+
2
v
2
+... +
k
v
k
.
Teorema 31. Seja V um espa co linear.
(i) Um conjunto o de vectores n ao nulos de V e uma base de V se e s o se todo o vector
de V puder ser escrito de modo unico como combina c ao linear dos vectores de o.
33
(ii) Se dimV = n, ent ao dados u, w V e o = v
1
, v
2
, . . . , v
n
uma base ordenada de
V , tem-se u = w se e s o se as coordenadas de u e de w na base o forem iguais.
Teorema 32. Seja V um espa co linear de dimens ao n. Sejam o
1
= v
1
, v
2
, . . . , v
n
e
o
2
= w
1
, w
2
, . . . , w
n
duas bases ordenadas de V . Seja S
S
1
S
2
a matriz cujas colunas s ao
as coordenadas dos vectores de o
1
em rela c ao ` a base o
2
. Isto e,
S
S
1
S
2
= (s
ij
)
nn
com v
j
=
n

i=1
s
ij
w
i
para todo o j = 1, ..., n.
A matriz S
S
1
S
2
e n ao singular e chama-se matriz de mudan ca de base (da base o
1
para
o
2
). Assim, se tivermos
u =
n

i=1

i
v
i
,
isto e, se (
1
, ...,
n
) forem as coordenadas do vector u na base o
1
ent ao as coordenadas
(
1
, ...,
n
) de u na base o
2
s ao dadas por
_

1
.
.
.

n
_

_
= S
S
1
S
2
_

1
.
.
.

n
_

_
.
Dem. Tem-se
u =
n

i=1

i
w
i
=
n

j=1

j
v
j
=
n

j=1

j
n

i=1
s
ij
w
i
=
n

i=1
_
n

j=1
s
ij

j
_
w
i
.
Atendendo ao teorema 31 (i), as coordenadas de um vector u numa base s ao unicas. Logo,

i
=
_
n

j=1
s
ij

j
_
,
para todo o i = 1, ..., n. Isto e,
_

1
.
.
.

n
_

_
= S
S
1
S
2
_

1
.
.
.

n
_

_
.
Observa cao 29. Tem-se
S
S
2
S
1
= (S
S
1
S
2
)
1
.
Exemplo 28. Seja B
c
= (1, 0), (0, 1) a base can onica de R
2
. Seja B = (1, 2), (2, 1)
uma outra base ordenada de R
2
. Sejam (2, 3) as coordenadas de um vector u na base
can onica B
c
e determinemos as coordenadas de u na base B usando a matriz de mudan ca de
base S
BcB
. Tem-se
S
BcB
=
_
1/3 2/3
2/3 1/3
_
,
34
uma vez que
(1, 0) =
1
3
(1, 2) +
2
3
(2, 1) e (0, 1) =
2
3
(1, 2)
1
3
(2, 1).
Logo, as coordenadas de u na base B s ao dadas por
S
BcB
_
2
3
_
=
_
1/3 2/3
2/3 1/3
_ _
2
3
_
=
_
4/3
1/3
_
.
Logo, 4/3 e 1/3 s ao as coordenadas de (2, 3) na base ordenada B, isto e
(2, 3) =
4
3
(1, 2) +
1
3
(2, 1).
Transforma c oes Lineares
Deni cao 28. Sejam U e V espa cos lineares. Diz-se que
T : U V
e uma transforma cao linear se e s o se vericar as duas condi c oes:
(i) T(u +v) = T(u) +T(v), para todos os u, v U.
(ii) T(u) = T(u), para todos os u U e R.
Observa cao 30. Sejam U e V espa cos lineares. Sejam 0 o vector nulo de U e 0

o vector
nulo de V .
(i) Se T : U V f or uma transforma c ao linear ent ao T(U) e um subespa co de V e
alem disso tem-se T(0) = 0

. Logo, se T n ao vericar T(0) = 0

ent ao T n ao ser a uma

transforma c ao linear.
(ii) T : U V e uma transforma c ao linear se e s o se
T(u +v) = T(u) +T(v),
para todos os , R e u, v U.
(iii) Seja T : U V uma transforma c ao linear e seja v
1
, v
2
, . . . , v
n
uma base de U.
Seja u U. Logo, existem
1
,
2
, ...,
n
R tais que
u =
1
v
1
+
2
v
2
+... +
n
v
n
.
Tem-se ent ao
T(u) =
1
T(v
1
) +
2
T(v
2
) +... +
n
T(v
n
).
Exemplo 29. Consideremos a base can onica (1, 0) , (0, 1) de R
2
. Seja T : R
2
R
uma transforma c ao linear tal que T (1, 0) = 1 e T (0, 1) = 1.
35
Para qualquer (x, y) R
2
tem-se
(x, y) = x(1, 0) +y(0, 1).
Ent ao,
T(x, y) = T (x(1, 0) +y(0, 1)) = xT(1, 0) +yT(0, 1) = x +y.
Logo, T : R
2
R e a transforma c ao linear denida explicitamente por
T(x, y) = x +y.
Teorema 33. Sejam U e V espa cos lineares e seja v
1
, v
2
, . . . , v
n
uma base de U. Sejam
T
1
, T
2
: U V duas transforma c oes lineares.
Se T
1
(v
i
) = T
2
(v
i
) para todo o i = 1, . . . , n, ent ao T
1
(u) = T
2
(u),
para todo o u U, isto e, T
1
= T
2
.
Exemplo 30. Sejam U e V espa cos lineares e seja 0 o vector nulo de V .
(i) Seja O : U V denida por
O(u) = 0,
para todo o u U. O e uma transforma c ao linear e chama-se transforma cao nula.
(ii) Seja R. Seja T

: U U denida por
T

(u) = u,
para todo o u U. T

e uma transforma c ao linear. Se = 1 ent ao chama-se a T

1
a
transforma cao identidade e denota-se por I. Tem-se I(u) = u, para todo o u U.
(iii) Seja
tr : Mat
nn
(R) R
denida por
tr(A) = a
11
+a
22
+... +a
nn
=
n

i=1
a
ii
,
para todo o A = (a
ij
)
nn
Mat
nn
(R). tr (tra co) e uma transforma c ao linear.
(iv) Seja A Mat
mn
(R). Seja
T : R
n
R
m
denida por
T(u) = Au,
para todo o u R
n
. T e uma transforma c ao linear.
(v) Seja E o espa co das fun c oes diferenci aveis. Ent ao T : E E denida por
T(f) = f

e uma transforma c ao linear.

36
Representa cao matricial de uma transforma cao linear
Teorema 34. Sejam U e V espa cos lineares de dimens oes nitas tais que dimU = n e
dimV = m. Sejam o
1
= u
1
, u
2
, . . . , u
n
e o
2
= v
1
, v
2
, . . . , v
m
duas bases ordenadas
de U e V respectivamente. Seja T : U V uma transforma c ao linear. Considere-se a
matriz A = (a
ij
)
mn
Mat
mn
(R) cuja coluna j, para cada j = 1, ..., n, e formada pelas
coordenadas de T(u
j
) na base o
2
. Isto e,
T(u
j
) =
m

i=1
a
ij
v
i
.
Chama-se a esta matriz A a representa cao matricial de T em rela c ao ` as bases o
1
e o
2
e
escreve-se
A = M(T; o
1
; o
2
).
Alem disso, sendo
1
,
2
, ...,
n
as coordenadas de um vector v U na base ordenada o
1
ent ao as coordenadas
1
,
2
, ...,
m
de T(v) V na base ordenada o
2
s ao dadas por
_

2
.
.
.

m
_

_
= M(T; o
1
; o
2
)
_

2
.
.
.

n
_

_
.
Observa cao 31. (a) Seja V um espa co linear de dimens ao nita, com dimV = n. Sejam
o
1
= u
1
, u
2
, . . . , u
n
e o
2
= v
1
, v
2
, . . . , v
n
duas bases ordenadas de V . A representa c ao
matricial da transforma c ao identidade I : V V em rela c ao ` as bases o
1
e o
2
e igual ` a
matriz de mudan ca da base o
1
para o
2
. Isto e,
M(I; o
1
; o
2
) = S
S
1
S
2
.
(b) Quando a base de partida e chegada coincidem o
2
= o
1
, denota-se M(T; o
1
; o
2
) som-
plesmente por M(T; o
1
).
Teorema 35. Sejam B
n
c
= e
1
, e
2
, . . . , e
n
e B
m
c
= e

1
, e

2
, . . . , e

m
as bases can onicas
(ordenadas) de R
n
e R
m
respectivamente. Seja T : R
n
R
m
uma transforma c ao linear.
Considere-se a matriz A = (a
ij
)
mn
= M(T; B
n
c
; B
m
c
) Mat
mn
(R) cuja coluna j, para cada
j = 1, ..., n, e formada pelas coordenadas de T(e
j
) na base B
m
c
. Isto e,
T(e
j
) =
m

i=1
a
ij
e

i
= a
1j
_

_
1
0
.
.
.
0
_

_
+... +a
mj
_

_
0
.
.
.
0
1
_

_
=
_

_
a
1j
.
.
.
a
mj
_

_
.
Ent ao, tem-se, para todo o u R
n
,
T(u) = Au.
Dem. Seja u R
n
. Ent ao, existem
1
,
2
, ...,
n
R tais que
u =
1
e
1
+
2
e
2
+... +
n
e
n
=
n

j=1

j
e
j
.
37
Uma vez que, para todo o j = 1, ..., n,
T(e
j
) =
m

i=1
a
ij
e

i
,
tem-se
T(u) = T
_
n

j=1

j
e
j
_
=
T e linear
n

j=1

j
T(e
j
) =
n

j=1

j
m

i=1
a
ij
e

i
=
m

i=1
_
n

j=1
a
ij

j
_
e

i
=
=
_
n

j=1
a
1j

j
, ...,
n

j=1
a
mj

j
_
=
_
_
a
11
a
1n

a
m1
a
mn
_
_
_

1
.
.
.

n
_

_
= Au.
Exemplo 31. (i) Seja T : R
4
R
3
denida por T(x, y, z, w) = (3x +y 2z, 0, x + 4z).
T e uma transforma c ao linear e a matriz M(T; B
4
c
; B
3
c
) que representa T em rela c ao ` as bases
can onicas (ordenadas) B
4
c
e B
3
c
de R
4
e R
3
respectivamente, e dada por
M(T; B
4
c
; B
3
c
) =
_
_
3 1 2 0
0 0 0 0
1 0 4 0
_
_
,
uma vez que T(1, 0, 0, 0) = (3, 0, 1), T(0, 1, 0, 0) = (1, 0, 0), T(0, 0, 1, 0) = (2, 0, 4) e
T(0, 0, 0, 1) = (0, 0, 0). Tem-se ent ao:
T(x, y, z, w) = M(T; B
4
c
; B
3
c
)
_

_
x
y
z
w
_

_
.
(ii) Sejam o
1
= 1, t, t
2
e o
2
= 1, t, t
2
, t
3
as bases can onicas (ordenadas) de P
2
e P
3
respectivamente. Seja D : P
2
P
3
tal que D(1) = 0, D(t) = 1 e D(t
2
) = 2t. D e uma
transforma c ao linear e a matriz M(D; o
1
; o
2
) que representa D em rela c ao ` as bases can onicas
o
1
e o
2
, e dada por
M(D; o
1
; o
2
) =
_

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

_
.
(iii) T : R
2
R
2
denida por T(x, y) = (1 y, 2x) nao e uma transforma c ao linear.
(iv) T : R
2
R denida por T(x, y) = xy nao e uma transforma c ao linear.
Teorema 36. Seja V um espa co linear de dimens ao nita. Seja T : V V uma
transforma c ao linear. Sejam o
1
e o
2
duas bases ordenadas de V . Seja M(T; o
1
; o
1
) a matriz
que representa T em rela c ao ` a base o
1
.
Ent ao, a matriz M(T; o
2
; o
2
) que representa T em rela c ao ` a base o
2
, e dada por
M(T; o
2
; o
2
) = S
S
1
S
2
M(T; o
1
; o
1
) (S
S
1
S
2
)
1
,
38
onde S
S
1
S
2
e a matriz de mudan ca da base o
1
para o
2
.
Alem disso,
S
S
1
S
2
M(T; o
1
; o
1
) = M(T; o
1
; o
2
)
e
M(T; o
2
; o
2
)S
S
1
S
2
= M(T; o
1
; o
2
).
Isto e, o diagrama seguinte e comutativo.
(V, o
1
)
M(T;S
1
;S
1
)

T
(V, o
1
)
S
S
1
S
2
I I S
S
1
S
2
(V, o
2
)
T

M(T;S
2
;S
2
)
(V, o
2
)
Teorema 37. Caso geral. Sejam U e V dois espa cos lineares de dimens oes nitas. Seja
T : U V uma transforma c ao linear. Sejam o
1
e o

1
duas bases ordenadas de U. Sejam o
2
e o

2
duas bases ordenadas de V . Seja M(T; o
1
; o
2
) a matriz que representa T em rela c ao ` as
bases o
1
e o
2
.
Ent ao, a matriz M(T; o

1
; o

2
) que representa T em rela c ao ` as bases o

1
e o

2
, e dada por
M(T; o

1
; o

2
) = S
S
2
S

2
M(T; o
1
; o
2
)
_
S
S
1
S

1
_
1
,
onde S
S
2
S

2
e S
S
1
S

1
s ao as matrizes de mudan ca das bases o
2
para o

2
e de o
1
para o

1
respectivamente.
Alem disso,
S
S
2
S

2
M(T; o
1
; o
2
) = M(T; o
1
; o

2
)
e
M(T; o

1
; o

2
)S
S
1
S

1
= M(T; o
1
; o

2
).
Isto e, o diagrama seguinte e comutativo.
(U, o
1
)
M(T;S
1
;S
2
)

T
(V, o
2
)
S
S
1
S

1
I I S
S
2
S

2
(U, o

1
)
T

M(T;S

1
;S

2
)
(V, o

2
)
Exemplo 32. Seja T : R
2
R
2
denida por T(x, y) = (y, x). T e uma transforma c ao
linear. A matriz M(T; B
2
c
; B
2
c
) que representa T em rela c ao ` a base can onica (ordenada) B
2
c
de R
2
, e dada por
M(T; B
2
c
; B
2
c
) =
_
0 1
1 0
_
.
Seja o = (1, 1), (1, 1) uma base ordenada de R
2
.
A matriz M(T; o; o) que representa T em rela c ao ` a base ordenada o de R
2
, e dada por
M(T; o; o) =
_
1 0
0 1
_
,
uma vez que T(1, 1) = (1, 1) = 1(1, 1)+0(1, 1) e T(1, 1) = (1, 1) = 0(1, 1)+(1)(1, 1).
39
Vamos agora vericar que se tem
M(T; o; o) = S
B
2
c
S
M(T; B
2
c
; B
2
c
)
_
S
B
2
c
S
_
1
.
Uma vez que (0, 1) =
1
2
(1, 1) +
1
2
(1, 1) e (1, 0) =
1
2
(1, 1)
1
2
(1, 1), tem-se ent ao
S
B
2
c
S
=
_
1/2 1/2
1/2 1/2
_
.
Logo,
S
B
2
c
S
M(T; B
2
c
; B
2
c
)
_
S
B
2
c
S
_
1
=
_
1/2 1/2
1/2 1/2
_ _
0 1
1 0
_ _
1/2 1/2
1/2 1/2
_
1
=
=
_
1/2 1/2
1/2 1/2
_ _
1 1
1 1
_
=
=
_
1 0
0 1
_
=
= M(T; o; o).
Isto e,
M(T; o; o) = S
B
2
c
S
M(T; B
2
c
; B
2
c
)
_
S
B
2
c
S
_
1
.
Alem disso,
S
B
2
c
S
M(T; B
2
c
; B
2
c
) = M(T; B
2
c
; o)
e
M(T; o; o)S
B
2
c
S
= M(T; B
2
c
; o).
Deni cao 29. Sejam U e V espa cos lineares e S, T : U V transforma c oes lineares.
Seja R. Sejam S +T, T : U V denidas por
(S +T) (u) = S(u) +T(u) e (T)(u) = T(u),
para todo o u U. S +T e T s ao transforma c oes lineares.
Deni cao 30. Sejam U e V espa cos lineares. Chama-se a L(U, V ) o conjunto de todas
as transforma c oes lineares de U em V .
Teorema 38. Sejam U e V espa cos lineares. O conjunto L(U, V ), com as opera c oes da
deni c ao 29, e um espa co linear.
Exemplo 33. Seja o = T
1
, T
2
, T
3
, T
4
com T
1
, T
2
, T
3
, T
4
L(R
2
, R
2
) denidas por
T
1
(x, y) = (x, 0), T
2
(x, y) = (y, 0), T
3
(x, y) = (0, x) e T
4
(x, y) = (0, y),
para todo o (x, y) R
2
. O conjunto o e uma base de L(R
2
, R
2
). Logo, dimL(R
2
, R
2
) = 4.
40
Transforma c oes injectivas, sobrejectiva e bijectivas equa c oes line-
ares
Deni cao 31. Sejam U, V e W espa cos lineares e, T : U V e S : V W transforma c oes
lineares. Seja S T (ou ST): U W denida por
(S T) (u) = S (T(u)) ,
para todo o u U. S T e uma transforma c ao linear. Chama-se a S T (ou ST) a
composi cao de S com T.
Observa cao 32. Em geral, tem-se S T ,= T S.
Teorema 39. Sejam U, V e W espa cos lineares de dimens oes nitas. Sejam o
1
, o
2
e o
3
bases de U, V e W respectivamente. Sejam T L(U, V ) e S L(V, W). Ent ao, tem-se
M(S T; o
1
; o
3
) = M(S; o
2
; o
3
)M(T; o
1
; o
2
).
Teorema 40. (i) Sejam T : U V, S : V W e R : W X. Ent ao, tem-se
R (S T) = (R S) T.
(ii) Sejam R, S : U V e T : V W. Seja R. Ent ao, tem-se
T (R +S) = T R +T S e T (R) = (T R) .
Se o contradomnio de Q estiver contido em U ent ao
(R +S) Q = R Q+S Q e (R) Q = (R Q) .
Deni cao 32. Dene-se
T
0
= I e T
k
= T T
k1
, para todo o k = 1, 2, ....
Observa cao 33. Tem-se T
m+n
= T
m
T
n
para todos os m, n N.
Deni cao 33. (i) T : U V diz-se injectiva se e s o se
T(u) = T(w) u = w,
para todos os u, w U, isto e, se e s o se
u ,= w T(u) ,= T(w),
para todos os u, w U.
(ii) T : U V diz-se sobrejectiva se e s o se
T(U) = V .
(iii) T : U V diz-se bijectiva se e s o se f or injectiva e sobrejectiva.
41
Deni cao 34. Sejam U e V espa cos lineares. Diz-se que U e V s ao isomorfos se e s o
se existir um isomorsmo entre U e V , isto e, se e s o se existir uma transforma c ao linear
bijectiva T : U V .
Teorema 41. Sejam U e V espa cos lineares de dimens oes nitas tais que dimU = n e
dimV = m. Ent ao, os espa cos lineares L(U, V ) e Mat
mn
(R) s ao isomorfos e escreve-se
L(U, V )

= Mat
mn
(R).
Dem. Fixando bases o
1
e o
2
para U e V respectivamente,
L(U, V ) Mat
mn
(R)
T M(T; o
1
; o
2
)
e uma transforma c ao linear bijectiva.
Teorema 42. Sejam U e V dois espa cos lineares de dimens oes nitas. U e V s ao
isomorfos se e s o se dimU = dimV .
Observa cao 34. No teorema 41 tem-se dimL(U, V ) = mn.
Teorema 43. Sejam U e V espa cos lineares de dimens oes nitas tais que dimU = dimV .
Seja T : U V uma transforma c ao linear. Ent ao, T e injectiva se e s o se T e sobrejectiva.
Deni cao 35. Sejam U e V espa cos lineares e T : U V uma transforma c ao linear.
Seja 0 o vector nulo de V .
(i) Chama-se contradomnio ou imagem de T ao conjunto
T(U) = T(u) : u U ,
que tambem se denota por 1(T).
(ii) Chama-se n ucleo ou espa co nulo de T ao conjunto
Nuc(T) = u U : T(u) = 0 .
Teorema 44. Sejam U e V espa cos lineares e T : U V uma transforma c ao linear.
Ent ao, os conjuntos Nuc(T) e 1(T) s ao subespa cos de U e V respectivamente.
Exemplo 34. Sejam U e V espa cos lineares. Sejam 0 e 0

os vectores nulos de U e V
respectivamente.
(i) Considere a transforma c ao nula O : U V denida por
O(u) = 0

,
para todo o u U. Tem-se
Nuc(O) = U e 1(O) = 0

.
42
(ii) Considere a transforma c ao identidade I : U U denida por
I(u) = u,
para todo o u U. Tem-se
Nuc(I) = 0 e 1(I) = U.
Exemplo 35. Seja A Mat
mn
(R). Seja
T : R
n
R
m
denida por
T(u) = Au,
para todo o u R
n
. Tem-se
Nuc(T) = Nuc(A) e 1(T) = ((A).
Deni cao 36. Sejam U e V espa cos lineares e T : U V uma transforma c ao linear.
(i) Chama-se caracterstica de T ` a dimens ao de 1(T), isto e,
car T = dim1(T).
(ii) Chama-se nulidade de T ` a dimens ao de Nuc(T), isto e,
nul T = dimNuc(T).
Teorema 45. Sejam U um espa co linear de dimens ao nita e T uma transforma c ao
linear denida em U. Ent ao, o subespa co 1(T) tem dimens ao nita e
dimNuc(T) + dim1(T) = dimU.
Teorema 46. Sejam T : R
n
R
m
uma transforma c ao linear. Sejam B
n
c
e B
m
c
as bases
can onicas (ordenadas) de R
n
e R
m
respectivamente. Seja A = M(T; B
n
c
; B
m
c
) Mat
mn
(R)
a matriz que representa T em rela c ao ` as bases B
n
c
e B
m
c
. Tem-se ent ao:
(i) dimNuc(T) = nul A;
(ii) dim1(T) = car A;
(iii) T e injectiva se e s o se nul A = 0, isto e, se e s o se car A = n;
(iv) T e sobrejectiva se e s o se car A = m.
Deni cao 37. Diz-se que T : U V e invertvel se existir S : T(U) U tal que
S T = I
U
e T S = I
T(U)
,
onde I
U
e I
T(U)
s ao as fun c oes identidade em U e T(U) respectivamente. Chama-se a S a
inversa de T e escreve-se
S = T
1
.
43
Teorema 47. Sejam U e V espa cos lineares de dimens oes nitas. Seja T : U V uma
transforma c ao linear. Seja 0 o vector nulo de U. As seguintes arma c oes s ao equivalentes.
(i) T e injectiva.
(ii) T e invertvel e a inversa T
1
: T(U) U e linear.
(iii) Nuc(T) = 0.
(iv) dimU = dimT(U).
(v) T transforma vectores linearmente independentes de U em vectores linearmente in-
dependentes de V .
(vi) T transforma bases de U em bases de T(U).
Teorema 48. Sejam U e V dois espa cos lineares de dimens oes nitas. Seja T : U V
uma transforma c ao linear. Sejam o
1
e o
2
duas bases ordenadas de U e V respectivamente.
Seja A = M(T; o
1
; o
2
) a matriz que representa T em rela c ao ` as bases o
1
e o
2
.
Se V = T(U) ent ao T e invertvel se e s o se A f or uma matriz quadrada n ao singular.
Tem-se ent ao
A
1
= M(T
1
; o
2
; o
1
),
isto e, A
1
ser a a matriz que representa T
1
em rela c ao ` as bases o
2
e o
1
.
Teorema 49. Sejam U e V espa cos lineares. Seja T : U V uma transforma c ao linear.
Seja b V . Ent ao:
(i) Existencia de solu cao: o sistema T(u) = b tem pelo menos uma solu c ao u se e s o
se b T(U);
(ii) Unicidade de solu cao: o sistema T(u) = b tem no m aximo uma solu c ao u se e s o
se T f or injectiva;
(iii) Existencia e unicidade de solu cao: o sistema T(u) = b tem solu c ao unica u se
e s o se b T(U) e T f or injectiva.
Teorema 50. Sejam U e V espa cos lineares. Seja T : U V uma transforma c ao
linear. Seja b V . A solu c ao geral do sistema de equa c oes lineares T(u) = b obtem-se
somando a uma solu c ao particular desse sistema a solu c ao geral do sistema de equa c oes
lineares homogeneo T(u) = 0.
44
Determinante
Deni cao 38. Dados os n umeros naturais 1, 2, ..., n chama-se permuta cao desses n
n umeros a qualquer lista em em que os mesmos sejam apresentados por ordem arbitr aria.
Deni cao 39. Seja (i
1
i
2
...i
n
) uma permuta c ao dos n umeros naturais 1, 2, ..., n. Diz-
-se que um par (i
j
i
k
) e uma inversao quando (j k) (i
j
i
k
) < 0 (isto e, quando i
j
e i
k
aparecerem na permuta c ao por ordem decrescente).
Deni cao 40. Uma permuta c ao (i
1
i
2
...i
n
) diz-se par (mpar) quando o n
o
m aximo de
invers oes includas f or par (mpar).
Exemplo 36. A permuta c ao (21453) e mpar pois contem as invers oes (21), (43) e (53).
Deni cao 41. Seja A Mat
nn
(R). Chama-se determinante
7
de A, e escreve-se [A[
ou det A, o n umero que se obtem do seguinte modo:
(i) Formam-se todos os produtos possveis de n factores em que intervenha um elemento
de cada linha e, simultaneamente, um elemento de cada coluna de A.
(ii) Afecta-se cada produto do sinal + ou do sinal conforme as permuta c oes (dos
n umeros naturais 1, 2, ..., n) que guram nos ndices de linha e de coluna tenham a mesma
paridade ou n ao.
(iii) Somam-se as parcelas obtidas.
Em resumo:
[A[ =
1
n!

(i
1
i
2
...in) e (j
1
j
2
...jn)
permuta c oes de 1,2,...,n
(1)

a
i
1
j
1
a
i
2
j
2
...a
injn
,
em que
=
_
_
_
0 se (i
1
i
2
...i
n
) e (j
1
j
2
...j
n
) tem a mesma paridade
1 se (i
1
i
2
...i
n
) e (j
1
j
2
...j
n
) tem paridade diferente.
Observa cao 35. Podemos ainda escrever de modo equivalente:
(i)
[A[ =

(j
1
j
2
...jn)
permuta c ao de 1,2,...,n
(1)

a
1j
1
a
2j
2
...a
njn
,
em que
=
_
_
_
0 se (j
1
j
2
...j
n
) e par
1 se (j
1
j
2
...j
n
) e mpar.
7
O Determinante de uma matriz foi pela primeira vez considerado por Talakazu Seki 16421708
45
(ii)
[A[ =

(i
1
i
2
...in)
permuta c ao de 1,2,...,n
(1)

a
i
1
1
a
i
2
2
...a
inn
,
em que
=
_
_
_
0 se (i
1
i
2
...i
n
) e par
1 se (i
1
i
2
...i
n
) e mpar.
Teorema 51. (i) Seja A Mat
22
(R). Ent ao
[A[ =

a
11
a
12
a
21
a
22

= a
11
a
22
a
12
a
21
.
(ii) Seja A Mat
33
(R). Ent ao
[A[ =

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

= a
11
a
22
a
33
+a
12
a
23
a
31
+a
21
a
32
a
13
a
13
a
22
a
31
a
12
a
21
a
33
a
11
a
23
a
32
.
Observa cao 36. Se A Mat
nn
(R) ent ao [A[ tem n! parcelas.
Exemplo 37. (i)

1 1
2 2

= 1(2) (1)2 = 0.
(ii)

1 2 1
3 1 2
2 1 3

= 1(1)(3) + 3 + 8 1(1)2 6(3) 2 = 32.

Teorema 52. Sejam A, B Mat
nn
(R). Seja R.
(i) det (AB) = det Adet B.
(ii) Se A f or uma matriz triangular superior ou triangular inferior ent ao det A = produto
dos elementos da diagonal principal de A.
(iii) Se A tiver uma linha nula ent ao det A = 0.
(iv) Se B f or obtida de A multiplicando uma linha de A por um n umero real ent ao
det B = det A.
(v) Se B f or obtida de A somando a uma linha de A um m ultiplo real de uma outra
linha de A ent ao det B = det A.
46
(vi) Se duas linhas de A forem iguais ent ao det A = 0.
(vii) Se B f or obtida de A trocando duas linhas de A ent ao det B = det A.
(viii) det
_
A
T
_
= det A.
(ix) Se A f or invertvel det (A
1
) =
1
det A
.
(x) det (A) =
n
det A.
(xi) det (AB) = 0 det A = 0 ou det B = 0.
(xii) det (AB) = det (BA).
Deni cao 42. Seja A = (a
ij
) Mat
nn
(R), com n > 1. Seja A
ij
a matriz do tipo
(n1) (n1) que se obtem de A suprimindo a linha i e a coluna j de A. Chama-se a A
ij
o menor-ij da matriz A.
Teorema 53. (F ormula de Laplace
8
.) Seja A Mat
nn
(R), com n > 1. Tem-se
det A =
n

j=1
a
ij
(1)
i+j
det A
ij
.
Observa cao 37. Seja A Mat
nn
(R), com n > 1. Tem-se
det A =
n

i=1
a
ij
(1)
i+j
det A
ij
.
Exemplo 38.

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

= (1)(1)
3+2

1 2 3
2 1 4
1 2 3

+ (2)(1)
3+4

1 0 2
2 1 1
1 0 2

=
= (1)(3) + (2)4 + 2(2)3 (1)3 (2)2(3) 4(2) + 2 [(2) (2)] = 18
Deni cao 43. Seja A = (a
ij
) Mat
nn
(R), com n > 1. Seja a

ij
= (1)
i+j
det A
ij
onde A
ij
e o menor-ij da matriz A. Chama-se a a

ij
o cofactor-ij da matriz A e ` a matriz
cof A = (a

ij
) Mat
nn
(R), com n > 1, a matriz dos cofactores de A.
Teorema 54. Para qualquer matriz A Mat
nn
(R), com n > 1, tem-se
A(cof A)
T
= (det A) I.
Se det A ,= 0 ent ao A e invertvel e
A
1
=
1
det A
(cof A)
T
.
8
Pierre-Simon Laplace 17491827
47
Exemplo 39. (i) Seja A =
_
a b
c d
_
Mat
22
(R) tal que det A ,= 0. Ent ao A e
invertvel e
A
1
=
1
ad bc
_
d b
c a
_
.
(Veja por exemplo o ex
o
10 da cha 2.) Note que ad bc = det A.
(ii) Podemos usar o teorema 54 para calcular n ao s o a inversa de uma matriz (n ao
singular) mas tambem entradas concretas dessa inversa. Seja
A =
_
_
1 0 0
4 5 6
7 8 9
_
_
.
A entrada (2, 3) da matriz A
1
e dada por
(A
1
)
23
=
1
det A
_
(cof A)
T
_
23
=
1
det A
_
(1)
3+2
det A
32
_
=
1
3
_
det
__
1 0
4 6
___
= 2.
Teorema 55. (Regra de Cramer
9
.) Seja A Mat
nn
(R) tal que A e n ao singular.
Ent ao a unica solu c ao do sistema de equa c oes lineares AX = B e dada por
X = A
1
B =
1
det A
(cof A)
T
B.
Isto e, sendo X =
_
x
1
. . . x
n

T
e B =
_
b
1
. . . b
n

T
tem-se
x
j
=
1
det A
n

k=1
a

kj
b
k
=
det B
j
det A
,
onde B
j
e a matriz obtida de A substituindo a coluna j de A pela matriz coluna B dos
termos independentes.
Exemplo 40. O sistema de equa c oes lineares
_

_
2x +y = 8
x + 2y + 4z = 7
x +z = 1
pode ser resolvido usando a regra de Cramer:
x =

8 1 0
7 2 4
1 0 1

2 1 0
1 2 4
1 0 1

= 13, y =

2 8 0
1 7 4
1 1 1

2 1 0
1 2 4
1 0 1

= 18 e z =

2 1 8
1 2 7
1 0 1

2 1 0
1 2 4
1 0 1

= 14.
Observa cao 38. Seja A Mat
nn
(R). A matriz A e invertvel se e s o se det A ,= 0.
9
Gabriel Cramer 17041752
48
Valores Pr oprios e Vectores Pr oprios
Deni cao 44. Seja U espa co lineare e T : U V uma transforma c ao linear. Diz-se que
um escalar e um valor pr oprio de T se existir um vector n ao nulo u U tal que
T(u) = u.
Aos vectores n ao nulos u que satisfazem a equa c ao anterior chamam-se vectores pr oprios
associados ao valor pr oprio . Dado um valor pr oprio de T, o conjunto
E

= u U : T(u) = u
e um subespa co linear de U. Chama-se a E

o subespa co pr oprio de T associado ao valor

pr oprio .
Teorema 56. Sejam V um espa co linear e 0 o vector nulo de V . Seja T : V V uma
transforma c ao linear.
(i) Um escalar e um valor pr oprio de T se e s o se Nuc(T I) ,= 0. Sendo um
valor pr oprio de T, o subespa co pr oprio de T, associado ao valor pr oprio , e dado por
E

= Nuc(T I).
(ii) Se o espa co linear V tiver dimensa o nita e se A f or a matriz que representa T em
rela c ao a uma base de V , ent ao um escalar e um valor pr oprio de T se e s o se esse escalar
f or solu c ao da equa c ao
det(AI) = 0.
Deni cao 45. Seja A Mat
nn
(R). Chama-se a
det(AI),
o polin omio caracterstico da matriz A. O polin omio p() = det(A I) tem grau n, o
coeciente do termo de grau n e (1)
n
e o termo constante e p(0) = det A.
Deni cao 46. Seja A Mat
nn
(R). Chama-se valor pr oprio de A a qualquer escalar
tal que A I seja singular, isto e, tal que det(A I) = 0. Chama-se vector pr oprio
de A, associado ao valor pr oprio de A, a qualquer vector n ao nulo v que verique
(AI)v = 0.
Observa cao 39. Seja A Mat
nn
(R). O escalar 0 e valor pr oprio de A se e s o se A f or
singular. Isto e, a matriz A e invertvel se e s o se 0 n ao f or valor pr oprio de A.
Deni cao 47. Sejam A, B Mat
nn
(R). As matrizes A e B dizem-se semelhantes se
existir uma matriz S invertvel tal que
B = SAS
1
49
Teorema 57. Sejam A, B Mat
nn
(R). Se A e B forem semelhantes ent ao A e B tem
o mesmo polin omio caracterstico. Em particular, se A e B forem semelhantes ent ao A e B
tem os mesmos valores pr oprios.
Dem. Tem-se
det(B I) = det(SAS
1
I) =
= det(SAS
1
SS
1
) =
= det(S(AI)S
1
) =
= det S det(AI) det
_
S
1
_
=
= det S det(AI)
1
det S
=
= det(AI).
Teorema 58. Seja V um espa co linear. Seja T : V V uma transforma c ao linear. Se T
tiver valores pr oprios distintos
1
, ...,
k
e se u
1
, ..., u
k
forem os vectores pr oprios associados a
cada um destes valores pr oprios, ent ao os vectores u
1
, ..., u
k
s ao linearmente independentes.
Deni cao 48. Seja A Mat
nn
(R). Se existir uma matriz S invertvel tal que
D = SAS
1
,
com D matriz diagonal, ent ao diz-se que A e uma matriz diagonalizavel e que S (matriz
de mudan ca de base) e a matriz diagonalizante.
Teorema 59. Seja V um espa co linear de dimens ao nita. Uma transforma c ao linear
T : V V ser a representada em rela c ao a uma base de V por uma matriz diagonal se e s o
se essa base de V f or apenas constituda por vectores pr oprios de T. Neste caso, as entradas
da diagonal principal dessa matriz diagonal ser ao os valores pr oprios associados aos vectores
pr oprios da base de V pela ordem da mesma.
Em particular, se dimV = n e se T tiver n valores pr oprios distintos
1
, ...,
n
ent ao a
matriz que representa em rela c ao a qualquer base u
1
, ..., u
n
onde u
1
, ..., u
n
s ao os vectores
pr oprios associados aos valores pr oprios
1
, ...,
n
, e a matriz diagonal
_

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

_
.
Dem. Uma transforma c ao linear T : V V ser a representada em rela c ao a uma base
o = u
1
, ..., u
n
de V por uma matriz diagonal se e s o se
T(u
k
) =
k
u
k
, k = 1, ..., n,
tendo-se
M(T; o; o) =
_

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

_
.
50
Mas isso e equivalente a dizer que
k
e um valor pr oprio de T e que u
k
e o respectivo vector
pr oprio.
Observa cao 40. Seja V um espa co linear tal que dimV = n e T : V V uma
transforma c ao linear. Seja A a matriz que representa T numa base.
(1) Seja p() o polin omio caracterstico de A. Para cada raiz
1
de p(), a sua multipli-
cidade enquanto raiz do polin omio chama-se mutliplicidade algebrica de
1
e denota-se por
m
a
(
1
). Mais precisamente,
0
tem tem multiplicidade algebrica m quando
p() = (
1
)
m
q()
e q(
1
) ,= 0.
(2)
`
A dimens ao de Nuc(A
1
I) chama-se multiplicidade geometrica e designa-se por
m
g
(
1
).
(3) A matriz A Mat
nn
e diagonaliz avel se e s o se

valores proprios
dimNuc(AI) = dim(V ).
Ou seja, existe uma base de V na qual a representa c ao matricial de T e uma matriz diagonal
sse
dimE

1
+ + dimE

k
= n,
onde
1
, ,
k
(k n) s ao os valores pr oprios de T.
Teorema 60. Seja A Mat
nn
(R) tal que A e simetrica, isto e, tal que A = A
T
. Ent ao
A e diagonaliz avel.
Exemplo 41. Nos exemplos que se seguem as matrizes A consideradas poder ao ser vistas
como matrizes que representam transforma c oes lineares T relativamente ` a base can onica (ou
outras) de R
3
, tendo-se nesse casos, para todo o u R
3
,
T(u) = Au.
Deste modo, os valores pr oprios e vectores pr oprios de T ser ao respectivamente os valores
pr oprios e vectores pr oprios de A.
(i) Uma matriz com valores pr oprios distintos.
A =
_
_
1 5 1
0 2 1
4 0 3
_
_
O polin omio caracterstico e dado por
det(A I) =

1 5 1
0 2 1
4 0 3

=
= (1 ) (2 ) (3 ) 20 + 4 (2 +) =
= (1 ) (2 ) (3 ) + 4 12 =
= (3 ) [( 1) ( + 2) 4] =
= (3 )
_

2
+ 6
_
=
= (3 ) ( 2) ( + 3) .
51
Os valores pr oprios de A s ao os valores de para os quais det(AI) = 0. Logo, os valores
pr oprios de A s ao

1
= 3,
2
= 2 e
3
= 3.
Os vectores pr oprios de A associados ao valor pr oprio s ao os vectores n ao nulos u R
3
para os quais
(AI) u = 0,
isto e, s ao os vectores n ao nulos de Nuc (AI).
Determinemos os vectores pr oprios de A associados ao valor pr oprio
1
= 3. Tem-se
Nuc (A
1
I) = Nuc
_
_
_
_
2 5 1
0 5 1
4 0 0
_
_
_
_
= L((0, 1, 5)) .
Logo, o subespa co pr oprio E

1
e dado por
E

1
= Nuc (A
1
I) = L((0, 1, 5)) .
Os vectores pr oprios de A associados ao valor pr oprio
1
= 3 s ao
u = (0, s, 5s) , com s R 0 .
Determinemos os vectores pr oprios de A associados ao valor pr oprio
2
= 2. Tem-se
Nuc (A
2
I) = Nuc
_
_
_
_
1 5 1
0 4 1
4 0 1
_
_
_
_
= L((1, 1, 4)) .
Logo, o subespa co pr oprio E

2
e dado por
E

2
= Nuc (A
2
I) = L((1, 1, 4)) .
Os vectores pr oprios de A associados ao valor pr oprio
2
= 2 s ao
u = (s, s, 4s) , com s R 0 .
Determinemos os vectores pr oprios de A associados ao valor pr oprio
3
= 3. Tem-se
Nuc (A
3
I) = Nuc
_
_
_
_
4 5 1
0 1 1
4 0 6
_
_
_
_
= L((3, 2, 2)) .
Logo, o subespa co pr oprio E

3
e dado por
E

3
= Nuc (A
3
I) = L((3, 2, 2)) .
Os vectores pr oprios de A associados ao valor pr oprio
3
= 3 s ao
u = (3s, 2s, 2s) , com s R 0 .
52
Atendendo a que os valores pr oprios de A s ao distintos, pelo teorema 58, os vectores
pr oprios de A associados a esses valores pr oprios s ao linearmente independentes. Como
dimR
3
= 3, ent ao 3 vectores em R
3
linearmente independentes formar ao desde logo uma
base de R
3
. Logo, o conjunto
o = (0, 1, 5) , (1, 1, 4) , (3, 2, 2)
e uma base de R
3
. Deste modo, temos uma base de R
3
formada s o por vectores pr oprios de
A. Logo, a matriz A e diagonaliz avel, isto e, existe uma matriz invertvel S diagonalizante
tal que a matriz SAS
1
e diagonal, tendo-se
D = SAS
1
=
_
_

1
0 0
0
2
0
0 0
3
_
_
=
_
_
3 0 0
0 2 0
0 0 3
_
_
,
com
S
1
=
_
_
0 1 3
1 1 2
5 4 2
_
_
.
Note que cada coluna de S
1
e formada pelo vector pr oprio associado ao valor pr oprio
respectivo e na posi c ao respectiva. Alem disso, tem-se
(R
3
, B
3
c
)
M(T;B
3
c
;B
3
c
)

T
(R
3
, B
3
c
)
S
B
3
c
S
I I S
B
3
c
S
(R
3
, o)
T

M(T;S;S)
(R
3
, o)
com
S
B
3
c
S
= S, M(T; o; o) = D e M(T; B
3
c
; B
3
c
) = A.
(ii) Uma matriz com valores pr oprios repetidos mas diagonalizavel.
A =
_
_
2 1 1
2 3 2
3 3 4
_
_
O polin omio caracterstico e dado por
det(AI) =

2 1 1
2 3 2
3 3 4

=
= (2 ) (3 ) (4 ) + 6 + 6 3 (3 ) 6 (2 ) 2 (4 ) =
=
3
+ 9
2
15 + 7 =
= ( 1) ( 1) ( 7) .
Os valores pr oprios de A s ao os valores de para os quais det(AI) = 0. Logo, os valores
pr oprios de A s ao

1
= 1 e
2
= 7.
53
Os vectores pr oprios de A associados ao valor pr oprio s ao os vectores n ao nulos u R
3
para os quais
(AI) u = 0,
isto e, s ao os vectores n ao nulos de Nuc (AI).
Determinemos os vectores pr oprios de A associados ao valor pr oprio
1
= 1. Tem-se
Nuc (A
1
I) = Nuc
_
_
_
_
1 1 1
2 2 2
3 3 3
_
_
_
_
= L((1, 1, 0) , (1, 0, 1)) .
Logo, o subespa co pr oprio E

1
e dado por
E

1
= Nuc (A
1
I) = L((1, 1, 0) , (1, 0, 1)) .
Os vectores pr oprios de A associados ao valor pr oprio
1
= 1 s ao
u = (s t, s, t) , com s, t R, n ao simult aneamente nulos.
Determinemos os vectores pr oprios de A associados ao valor pr oprio
2
= 7. Tem-se
Nuc (A
2
I) = Nuc
_
_
_
_
5 1 1
2 4 2
3 3 3
_
_
_
_
= L((1, 2, 3)) .
Logo, o subespa co pr oprio E

2
e dado por
E

2
= Nuc (A
2
I) = L((1, 2, 3)) .
Os vectores pr oprios de A associados ao valor pr oprio
2
= 7 s ao
u = (s, 2s, 3s) , com s R 0 .
Atendendo a que
dimE

1
+ dimE

2
= 3,
podemos ter a seguinte base de R
3
formada s o por vectores pr oprios de A
o = (1, 1, 0) , (1, 0, 1) , (1, 2, 3) .
Logo, a matriz A e diagonaliz avel, isto e, existe uma matriz invertvel S diagonalizante tal
que a matriz SAS
1
e diagonal, tendo-se
D = SAS
1
=
_
_

1
0 0
0
1
0
0 0
2
_
_
=
_
_
1 0 0
0 1 0
0 0 7
_
_
,
com
S
1
=
_
_
1 1 1
1 0 2
0 1 3
_
_
.
54
Note que cada coluna de S
1
e formada pelo vector pr oprio associado ao valor pr oprio
respectivo e na posi c ao respectiva. Alem disso, tem-se
(R
3
, B
3
c
)
M(T;B
3
c
;B
3
c
)

T
(R
3
, B
3
c
)
S
B
3
c
S
I I S
B
3
c
S
(R
3
, o)
T

M(T;S;S)
(R
3
, o)
com
S
B
3
c
S
= S, M(T; o; o) = D e M(T; B
3
c
; B
3
c
) = A.
(iii) Uma matriz com valores pr oprios repetidos e nao diagonalizavel.
A =
_
_
7 5 1
0 2 1
20 0 3
_
_
O polin omio caracterstico e dado por
det(AI) =

7 5 1
0 2 1
20 0 3

=
= (7 ) (2 ) (3 ) + 100 20 (2 +) =
= (3 ) [(7 ) (2 ) + 20] =
= (3 )
_

2
5 + 6
_
=
= (3 ) ( 3) ( 2) .
Os valores pr oprios de A s ao os valores de para os quais det(AI) = 0. Logo, os valores
pr oprios de A s ao

1
= 3 e
2
= 2.
Os vectores pr oprios de A associados ao valor pr oprio s ao os vectores n ao nulos u R
3
para os quais
(AI) u = 0,
isto e, s ao os vectores n ao nulos de Nuc (AI).
Determinemos os vectores pr oprios de A associados ao valor pr oprio
1
= 3. Tem-se
Nuc (A
1
I) = Nuc
_
_
_
_
4 5 1
0 5 1
20 0 0
_
_
_
_
= L((0, 1, 5)) .
Logo, o subespa co pr oprio E

1
e dado por
E

1
= Nuc (A
1
I) = L((0, 1, 5)) .
Os vectores pr oprios de A associados ao valor pr oprio
1
= 3 s ao
u = (0, s, 5s) , com s R 0 .
55
Determinemos os vectores pr oprios de A associados ao valor pr oprio
2
= 2. Tem-se
Nuc (A
2
I) = Nuc
_
_
_
_
5 5 1
0 4 1
20 0 1
_
_
_
_
= L((1, 5, 20)) .
Logo, o subespa co pr oprio E

2
e dado por
E

2
= Nuc (A
2
I) = L((1, 5, 20)) .
Os vectores pr oprios de A associados ao valor pr oprio
2
= 2 s ao
u = (s, 5s, 20s) , com s R 0 .
Atendendo a que
dimE

1
+ dimE

2
= 2 < 3,
n ao e possvel ter uma base de R
3
formada s o por vectores pr oprios de A. Logo, a matriz
A n ao e diagonaliz avel, isto e, n ao existe uma matriz invertvel S diagonalizante tal que a
matriz SAS
1
seja diagonal.
(iv) Uma matriz com apenas um valor pr oprio real.
A =
_
_
1 0 0
0 0 1
0 1 0
_
_
O polin omio caracterstico e dado por
det(AI) =

1 0 0
0 1
0 1

=
=
2
(1 ) + (1 ) =
= (1 )
_

2
+ 1
_
.
Os valores pr oprios de A s ao os valores de para os quais det(AI) = 0. Logo, os valores
pr oprios de A s ao

1
= 1,
2
= i e
3
= i.
Logo, a matriz A n ao e diagonaliz avel numa matriz de entradas reais, isto e, n ao existe
uma matriz invertvel S diagonalizante tal que a matriz SAS
1
seja diagonal com entradas
reais. No entanto e atendendo a que os tres valores pr oprios s ao distintos, a matriz A e
diagonaliz avel numa matriz de entradas complexas:
_
_
1 0 0
0 i 0
0 0 i
_
_
56
Sistemas de equa c oes diferenciais
Como aplica c ao imediata dos resultados obtidos acima, vamos resolver uma certa classe de
sistemas de equa c oes diferencias. Considere fun c oes x
1
(t), x
(
t), , x
n
(t) diferenci aveis na
vari avel real t. O sistema da forma
()
_

_
a
11
x
1
(t) +a
12
x
2
(t) +... +a
1n
x
n
(t) = x

1
(t)
a
21
x
1
(t) +a
22
x
2
(t) +... +a
2n
x
n
(t) = x

2
(t)
. . .
a
m1
x
1
(t) + a
m2
x
2
(t) +... +a
mn
x
n
(t) = x

m
(t)
chama-se sistema linear de equa c oes diferenciais de primeira ordem, em que a
ij
e uma cons-
tante, para cada i = 1, ..., m e j = 1, ..., n e x

i
(t) denota a derivada de x
i
(t) (para cada
i = 1, , m).
O sistema de equa c oes diferenciais (*) pode escrever-se na forma matricial:
x

(t) = Ax(t)
onde A = [a
ij
] Mat
nn
, x(t) =
_

_
x
1
(t)
x
2
(t)
.
.
.
x
n
(t)
_

_
e x

(t) =
_

_
x

1
(t)
x

2
(t)
.
.
.
x

n
(t)
_

_
.
Se n = 1, ent ao temos que, para cada constante c, a fun c ao x
1
(t) = ce
t
e solu c ao da equa c ao
diferencial x

1
(t) = x
1
(t).
Se a matriz A = [a
ij
] Mat
nn
(R) e diagonaliz avel, para resolver o sistema de equa c oes
diferenciais
x

(t) = Ax(t)
em primeiro lugar encontra-se uma martiz mudan ca de base
S = M(I; B
vp
, Bc)
onde B
vp
= v
1
, v
2
, , v
n
e uma base de R
n
formada por vectores pr oprios de A tal que
o valor pr oprio associado a v
i
e
i
, i = 1, 2, , n, Bc e a base can onica de R
n
e matriz
diagonal
D = diag(
1
,
2
, ,
n
)
(formada pelos valores pr oprios de A) tais que D = S
1
AS. De uma forma equivalente,
encontra-se a matriz mudan ca de base P = M(I, Bc, B
vp
) tal que D = PAP
1
, uma vez
que P = S
1
. Depois, usa-se a mudan ca de vari avel y = S
1
x e resolve-se a o sistema de
equa c oes diferenciais y

(t) = Dy(t), cuja solu c ao geral e (usando o caso n = 1 sucessivamente)

y(t) =
_

_
c
1
e

1
t
c
2
e

2
t
.
.
.
c
n
e
nt
_

_
onde
1
, ,
n
s ao os valores pr oprios de A e c
1
, , c
n
s ao constantes.
Finalmente, a solu c ao geral do sistema inicial
x

(t) = Ax(t) e x(t) = Sy(t)

57
porque
x

(t) = Ax(t) x

(t) = SDS
1
x(t) S
1
x

(t) = DS
1
x(t) y

(t) = Dy(t).
Ver exerccios resolvidos na lista das aulas pr aticas!
Produtos Internos
Deni cao 49. Sejam V um espa co linear real e 0 o vector nulo de V . Chama-se produto
interno em V ` a aplica c ao
, ) : V V R
(u, v) u, v)
que verique as tres condi c oes seguintes.
(i) Simetria: para todos os u, v V
u, v) = v, u) .
(ii) Linearidade: para todo o v V (xo) a aplica c ao
V R
u u, v)
e linear.
(iii) Positividade: para todo o u V tal que u ,= 0,
u, u) > 0.
Observa cao 41. Um produto interno e uma aplica c ao bilinear, simetrica e denida
positiva.
Deni cao 50. Chama-se espa co euclidiano a um espa co linear com um produto
interno.
Observa cao 42. Seja V um espa co euclidiano real. Seja o = w
1
, w
2
, ..., w
n
uma base
de V . Sejam u, v V . Sejam

1
,
2
, ...,
n
e
1
,
2
, ...,
n
as coordenadas de u e de v na base o respectivamente, isto e,
u =
1
w
1
+
2
w
2
+... +
n
w
n
=
n

i=1

i
w
i
e v =
1
w
1
+
2
w
2
+... +
n
w
n
=
n

i=1

i
w
i
.
58
Logo,
u, v) =
_
n

i=1

i
w
i
,
n

i=1

i
w
i
_
=
n

i=1
n

j=1

j
w
i
, w
j
) =
=
_

1

2
. . .
n

_
w
1
, w
1
) w
1
, w
2
) . . . w
1
, w
n
)
w
2
, w
1
) w
2
, w
2
) . . . w
2
, w
n
)
.
.
.
.
.
.
.
.
.
w
n
, w
1
) w
n
, w
2
) . . . w
n
, w
n
)
_

_
_

2
.
.
.

n
_

_
.
Isto e, existe uma matriz simetrica e denida positiva (todos os seus valores pr oprios s ao
positivos):
A =
_

_
w
1
, w
1
) w
1
, w
2
) . . . w
1
, w
n
)
w
2
, w
1
) w
2
, w
2
) . . . w
2
, w
n
)
.
.
.
.
.
.
.
.
.
w
n
, w
1
) w
n
, w
2
) . . . w
n
, w
n
)
_

_
tal que u, v) =
_

1

2
. . .
n

A
_

2
.
.
.

n
_

_
.
Teorema 61. Seja V um espa co linear real com dimV = n. Seja w
1
, w
2
, ..., w
n
uma
base de V . Ent ao, uma aplica c ao
, ) : V V R
e um produto interno (em V ) se e s o se
u, v) =
_

1

2
. . .
n

A
_

2
.
.
.

n
_

_
,
com
u =
1
w
1
+
2
w
2
+... +
n
w
n
, v =
1
w
1
+
2
w
2
+... +
n
w
n
e A e uma matriz simetrica cujos valores pr oprios s ao todos positivos. Se a aplica c ao , ) f or
um produto interno tem-se
A =
_

_
w
1
, w
1
) w
1
, w
2
) . . . w
1
, w
n
)
w
2
, w
1
) w
2
, w
2
) . . . w
2
, w
n
)
.
.
.
.
.
.
.
.
.
w
n
, w
1
) w
n
, w
2
) . . . w
n
, w
n
)
_

_
.
Exemplo 42. (i) Seja , ) : R
2
R
2
R a aplica c ao denida por:
(
1
,
2
) , (
1
,
2
)) =
1

1
+
2

2
,
com (
1
,
2
) , (
1
,
2
) R
2
. Esta aplica c ao e um produto interno em R
2
a que se d a o nome
de produto interno usual em R
2
, uma vez que
(
1
,
2
) , (
1
,
2
)) =
1

1
+
2

2
=
_

1

2

A
_

1

2
_
59
com
A =
_
1 0
0 1
_
.
A matriz A e simetrica e o unico valor pr oprio de A e 1 > 0.
(ii) Seja , ) : R
2
R
2
R a aplica c ao denida por:
(
1
,
2
) , (
1
,
2
)) = 2
1

1
+ 3
2

2
,
com (
1
,
2
) , (
1
,
2
) R
2
. Esta aplica c ao n ao e um produto interno em R
2
, uma vez que
(
1
,
2
) , (
1
,
2
)) = 2
1

1
+ 3
2

2
=
_

1

2

A
_

1

2
_
com
A =
_
2 0
0 3
_
.
A matriz A e simetrica, no entanto, os valores pr oprios de A: 2 e 3 n ao s ao ambos positivos.
Exemplo 43. R
2
com um produto interno nao usual. Seja , ) : R
2
R
2
R a
aplica c ao denida por:
(
1
,
2
) , (
1
,
2
)) = 2
1

1
+
1

2
+
2

1
+
2

2
,
com (
1
,
2
) , (
1
,
2
) R
2
.

E f acil ver que esta aplica c ao e simetrica e linear em rela c ao a (

1
,
2
) (xando (
1
,
2
)).
Vejamos por exemplo que a condi c ao
(
1
,
2
) , (
1
,
2
)) > 0, para todo o (
1
,
2
) ,= (0, 0),
e satisfeita.
Atendendo a que
(
1
,
2
) , (
1
,
2
)) = 2
2
1
+ 2
1

2
+
2
2
=
2
1
+ (
1
+
2
)
2
,
tem-se
(
1
,
2
) , (
1
,
2
)) = 0 (
1
= 0 e
1
+
2
= 0) (
1
= 0 e
2
= 0) (
1
,
2
) = (0, 0).
Em alternativa, podemos escrever
(
1
,
2
) , (
1
,
2
)) = 2
1

1
+
1

2
+
2

1
+
2

2
=
_

1

2

A
_

1

2
_
com
A =
_
2 1
1 1
_
.
A matriz A e simetrica e os valores pr oprios de A:
3+

5
2
e
3

5
2
s ao ambos positivos.
Deni cao 51. Sejam V um espa co euclidiano e 0 o vector nulo de V . Sejam u, v V .
60
(i) Chama-se norma de u a:
|u| =
_
u, u).
(ii) Chama-se projec cao ortogonal de v sobre u ,= 0 a:
proj
u
v =
v, u)
|u|
2
u.
(iii) Diz-se que u e v s ao ortogonais se u, v) = 0.
(iv) Chama-se angulo entre dois vectores n ao nulos u e v a:
= arccos
u, v)
|u| |v|
.
Observa cao 43. O angulo entre dois vectores n ao nulos u e v e

2
se e s o se u e v s ao
ortogonais.
Teorema 62. Desigualdade de Cauchy-Schwarz. Seja V um espa co euclidiano.
Ent ao, para todos os u, v V ,
[u, v)[ |u| |v|
Observa cao 44. (i) Teorema de Pitagoras. Sejam u, v R
2
. Tem-se u e v ortogonais
se e s o se
|u v|
2
= |u|
2
+|v|
2
.
Dem.
|u v|
2
= u v, u v) = u, u) v, u) u, v) +v, v) =
= |u|
2
2 u, v) +|v|
2
= |u|
2
+|v|
2
se e s o se
u, v) = 0,
isto e, se e s o se u e v forem ortogonais.
(ii) Em R
2
com o produto interno usual, a desigualdade de Cauchy-Schwarz e dada por
[
1

1
+
2

2
[
_

2
1
+
2
2
_

2
1
+
2
2
,
uma vez que
(
1
,
2
) , (
1
,
2
)) =
1

1
+
2

2
,
com (
1
,
2
) , (
1
,
2
) R
2
.
(iii) Em R
n
com o produto interno usual, a desigualdade de Cauchy-Schwarz e dada por
61

i=1

_
n

i=1

2
i

_
n

i=1

2
i
,
uma vez que
(
1
, ...,
n
) , (
1
, ...,
n
)) =
1

1
+... +
n

n
,
com (
1
, ...,
n
) , (
1
, ...,
n
) R
n
.
Teorema 63. Sejam V um espa co euclidiano e 0 o vector nulo de V . Sejam u.v V e
R. A norma satisfaz as seguintes propriedades.
(i) Positividade: |u| > 0 se u ,= 0.
(ii) Homogeneidade: |u| = [[ |u|
(iii) Desigualdade triangular: |u +v| |u| +|v|
Observa cao 45. Pode denir-se norma num espa co linear V , sem estar associada a
qualquer produto interno, como sendo uma aplica c ao de V em R que satisfaz as propriedades
do teorema anterior. A um espa co linear com uma norma chama-se espa co normado.
Observa cao 46. Seja V um espa co euclidiano. Sejam u, v V . Tem-se
u, v) =
1
2
_
|u +v|
2
|u|
2
|v|
2
_
.
Observa cao 47. Seja V um espa co linear real normado. Sejam u, v V . Ent ao, a
norma pode ser obtida de um produto interno na forma
|u| =
_
u, u)
se e s o se
|u v|
2
+|u +v|
2
= 2 |u|
2
+ 2 |v|
2
.
Esta ultima equa c ao e conhecida por lei do paralelogramo.
Exemplo 44. Uma norma que nao e obtida a partir de um produto interno.
Seja || : R
2
R a aplica c ao denida por
|(
1
,
2
)| = [
1
[ +[
2
[ ,
com (
1
,
2
) R
2
.

E f acil vericar que esta aplica c ao satisfaz as tres condi c oes do teorema
63. Logo, e uma norma. No entanto, e tambem f acil vericar que esta norma n ao satisfaz
a lei do paralelogramo. Logo, esta norma n ao poder a ser obtida a partir de um produto
interno.
Deni cao 52. Sejam V um espa co euclidiano e S V . Diz-se que S e ortogonal se
para todos os u, v S com u ,= v,
u, v) = 0.
62
Diz-se que S e ortonormado se f or ortogonal e para todo o u S,
|u| = 1.
Teorema 64. Sejam V um espa co euclidiano e S V . Seja 0 o vector nulo de V . Se S
e ortogonal e 0 / S ent ao S e linearmente independente. Em particular, se n = dimV ent ao
qualquer conjunto S ortogonal de n vectores n ao nulos e uma base de V .
Teorema 65. Seja V um espa co euclidiano com dimV = n. Seja o = u
1
, ..., u
n
uma
base ortogonal de V . Ent ao, as coordenadas de um vector v V em rela c ao ` a base S s ao
dadas por:

j
=
v, u
j
)
u
j
, u
j
)
,
com j = 1, ..., n. Se o f or ortonormada ent ao as coordenadas de um vector v V em rela c ao
` a base S s ao dadas por:

j
= v, u
j
) ,
com j = 1, ..., n.
Teorema 66. Seja V um espa co euclidiano real com dimV = n. Seja o = w
1
, ..., w
n

uma base ortonormada de V . Ent ao, para todos os u, v V ,

u, v) =
n

i=1
u, w
i
) v, w
i
) (f ormula de Parseval) e tem-se |u| =

_
n

i=1
u, w
i
)
2
.
Observa cao 48. Seja V um espa co euclidiano real com dimV = n. Seja o = w
1
, ..., w
n

uma base ortonormada de V . Sejam u, v V , com

u =
1
w
1
+
2
w
2
+... +
n
w
n
, v =
1
w
1
+
2
w
2
+... +
n
w
n
.
Ent ao, atendendo ao teorema 65, a f ormula de Parseval e dada por:
u, v) =
n

i=1

i
=
1

1
+
2

2
+... +
n

n
e tem-se |u| =

_
n

i=1

2
i
.
Nota cao 3. Sejam V um espa co euclidiano e 0 o vector nulo de V . Para qualquer v V ,
com v ,= 0, o vector
1
v
v ser a denotado por
v
v
.
Teorema 67. Metodo de ortogonaliza cao de Gram-Schmidt
10
. Seja V um espa co
euclidiano. Considere o conjunto linearmente independente:
v
1
, v
2
, ..., v
k
V .
10
Jorgen Pedersen Gram 18501916. Erhard Schmidt 18761959
63
Sejam
u
1
= v
1
,
u
2
= v
2
proj
u
1
v
2
,
...
u
k
= v
k
proj
u
1
v
k
... proj
u
k1
v
k
.
Ent ao:
(i) L(u
1
, u
2
, ..., u
k
) = L(v
1
, v
2
, ..., v
k
)
(ii) O conjunto u
1
, u
2
, ..., u
k
e uma base ortogonal de L(v
1
, v
2
, ..., v
k
).
(iii) O conjunto
_
u
1
|u
1
|
,
u
2
|u
2
|
, ...,
u
k
|u
k
|
_
e uma base ortonormada de L(v
1
, v
2
, ..., v
k
).
Exemplo 45. Considere-se R
4
com o produto interno usual. Seja
U = L((1, 1, 1, 1), (1, 2, 3, 4), (2, 1, 6, 7), (1, 3, 7, 9)).
Determinemos a dimens ao de U e uma base ortonormada para U. Tem-se
_

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

_
1 1 2 1
0 1 1 2
0 4 4 8
0 5 5 10
_

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

_
.
Logo, o conjunto v
1
, v
2
, com v
1
= (1, 1, 1, 1) e v
2
= (1, 2, 3, 4), e uma base de U e como
tal dimU = 2.
Sejam
u
1
= v
1
e u
2
= v
2
proj
u
1
v
2
.
Logo, o conjunto u
1
, u
2
, com u
1
= (1, 1, 1, 1) e
u
2
= (1, 2, 3, 4)
1 + 2 3 4
4
(1, 1, 1, 1) = (2, 3, 2, 3),
e uma base ortogonal de U. Uma base ortonormada para U:
_
u
1
|u
1
|
,
u
2
|u
2
|
_
=
_
_
1
2
,
1
2
,
1
2
,
1
2
_
,
_

26
13
,
3

26
26
,

26
13
,
3

26
26
__
Teorema 68. Qualquer espa co euclidiano de dimens ao nita tem uma base ortonormada.
Teorema 69. Seja v
1
, v
2
, ..., v
n
uma base de R
n
. Ent ao, existe um unico produto
interno em R
n
para o qual esta base e ortonormada.
Exemplo 46. Considere em R
2
a base o = v
1
, v
2
, com v
1
= (1, 0) e v
2
= (1, 1).
Vejamos que existe um e um s o produto interno para o qual a base o e ortonormada.
Seja B
2
c
= (1, 0), (0, 1) a base can onica de R
2
. Tem-se
64
S
B
2
c
S
=
_
S
SB
2
c
_
1
=
_
1 1
0 1
_
1
=
_
1 1
0 1
_
.
Sejam u, v R
2
. Tem-se
u = (
1
,
2
) e v = (
1
,
2
) ,
onde
1
,
2
e
1
,
2
s ao as coordenadas na base B
2
c
de u e v respectivamente. Seja S = S
B
2
c
S
.
Logo, a aplica c ao , ) : R
2
R
2
denida por
u, v) = (Su)
T
A(Sv) , com A =
_
v
1
, v
1
) v
1
, v
2
)
v
2
, v
1
) v
2
, v
2
)
_
=
_
1 0
0 1
_
,
e um produto interno e e o unico para o qual a base o e ortonormada. Tem-se ent ao
(
1
,
2
) , (
1
,
2
)) =
1

1
+ 2
2

2
.

E f acil vericar que para este produto interno a base o e ortonormada:

(1, 0) , (1, 1)) = 0 e (1, 0) , (1, 0)) = (1, 1) , (1, 1)) = 1.
Teorema 70. Seja A Mat
nn
(R) tal que A e simetrica, isto e, tal que A = A
T
.
Ent ao A e diagonaliz avel relativamente a uma base ortonormada vp formada s o por vectores
pr oprios de A. Seja S a matriz cujas colunas s ao os vectores da base vp e D a matriz diagonal
onde se coloca na entrada i da diagonal o valor pr oprio
i
que corresponde ` a coluna i de S.
Ent ao temos
D = S
T
AS,
e portanto S e ortogonal S
1
= S
T
Deni cao 53. Sejam V um espa co euclidiano e S um subespa co de V . Diz-se que um
elemento de V e ortogonal a S se f or ortogonal a todos os elementos de S. Ao conjunto
de todos os elementos ortogonais a S chama-se complemento ortogonal de S e designa-se
por S

.
Teorema 71. Qualquer que seja o subespa co S de um espa co euclidiano V , tambem S

e um subespa co de V .
Exemplo 47. (i) Se S R
3
e um plano que passa pela origem, ent ao S

e uma recta
que passa pela origem e e perpendicular ao plano.
(ii) Se S R
3
e uma recta que passa pela origem, ent ao S

e um plano que passa pela

origem e e perpendicular ` a recta.
(iii) Seja A Mat
mn
(R). Ent ao,
Nuc(A) = (L(A))

.
65
Teorema 72. Se S e um subespa co de dimens ao nita de um espa co euclidiano V , ent ao
V e a soma directa de S e S

, isto e, V = S S

. Logo, cada elemento v V pode ser

escrito de modo unico como soma de um elemento de S com um elemento de S

:
v = v
S
+v
S
, com v
S
S e v
S
S

.
`
A aplica c ao P
S
: V S denida por P
S
(v) = v
S
chama-se projec cao ortogonal de V
sobre S e ` a aplica c ao P
S
: V S

denida por P
S
(v) = v
S
chama-se projec cao
ortogonal de V sobre S

. Tem-se
I = P
S
+ P
S
.
Se v
1
, v
2
, ..., v
n
e uma base ortonormada de S, ent ao
P
S
(v) =
n

i=1
v, v
i
) v
i
,
para todo o v V .
Se u
1
, u
2
, ..., u
k
e uma base ortonormada de S

, ent ao
P
S
(v) =
k

j=1
v, u
j
) u
j
,
para todo o v V .
As aplica c oes P
S
e P
S
s ao transforma c oes lineares de V em V que satisfazem as propri-
edades:
(i) P
S
(V ) = S, P
S
(V ) = S

;
(ii) (P
S
)
2
= P
S
, (P
S
)
2
= P
S
;
(iii) P
S
(u) , v) = u, P
S
(v)), P
S
(u) , v) = u, P
S
(v)), para todos os u, v V ;
(iv) |u|
2
= |P
S
(u)|
2
+|P
S
(u)|
2
, para todo o u V (Teorema de Pit agoras);
Observa cao 49. Seja S e um subespa co de dimens ao nita de um espa co euclidiano V .
Seja v V .
(i) dimS + dimS

= dimV
(ii)
_
S

= S
(iii) Se v
1
, v
2
, ..., v
n
e uma base de S ent ao v S

se e s o se
v, v
1
) = v, v
2
) = ... = v, v
n
) = 0.
Teorema 73. Seja S e um subespa co de dimens ao nita de um espa co euclidiano V .
Seja v V . Ent ao, existe um elemento de S mais pr oximo de v do que qualquer dos
66
outros pontos de S. Este elemento e a projec cao ortogonal P
S
(v) de v sobre S e
tem-se
|v P
S
(v)| |v u| ,
para todo o u S, e a igualdade verica-se se e s o se u = P
S
(v).
Deni cao 54. Seja V um espa co euclidiano. Seja S e um subespa co de V com dimS = k.
Seja q V . Chama-se ao conjunto
q +S
um k-plano. A distancia d de um ponto p V a um k-plano T = q +S e dada por:
d (p, T) = |P
S
(p q)| .
Observa cao 50. A dist ancia entre dois k-planos paralelos T
1
= a +S e T
2
= b +S
e dada por:
d (T
1
, T
2
) = |P
S
(a b)| .
Exemplo 48. Considere-se R
3
com o produto interno usual.
(i) Seja T o plano (em R
3
) que passa pelos pontos: (1, 2, 1), (1, 0, 1) e (1, 1, 1). Tem-se
T = (1, 2, 1) +L((0, 2, 2), (0, 1, 0))
Equa cao vectorial de T:
(x, y, z) = (1, 2, 1) +(0, 2, 2) +(0, 1, 0),
com , R.
Equa c oes parametricas de T:
_

_
x = 1
y = 2 + 2 2
z = 1 2
com , R.
Equa cao cartesiana de T:
x = 1.
Em alternativa, podemos determinar uma equa cao cartesiana de T do seguinte modo.
Atendendo a que
T = (1, 2, 1) +L((0, 2, 2), (0, 1, 0)) ,
seja
S = L((0, 2, 2), ((0, 1, 0)) .
67
Logo,
S

=
_
(x, y, z) R
3
: (x, y, z), (0, 2, 2)) = 0 e (x, y, z), (0, 1, 0)) = 0
_
=
= Nuc
__
0 2 2
0 1 0
__
= L((1, 0, 0))
e assim, a equa c ao cartesiana do plano T que passa pelo ponto (1, 2, 1) e dada por:
((x 1, y 2, z 1), (1, 0, 0)) = 0)
ou seja por
x = 1.
(ii) Determinemos a equa cao cartesiana da recta que passa pelos pontos (1, 1, 0) e
(1, 2, 1). Tem-se
r = (1, 1, 0) +L((0, 1, 1)) ,
uma vez que (0, 1, 1) = (1, 2, 1) (1, 1, 0). Seja
S = L((0, 1, 1)) .
Logo,
S

=
_
(x, y, z) R
3
: (x, y, z), (0, 1, 1)) = 0
_
= Nuc
__
0 1 1
_
= L((1, 0, 0), (0, 1, 1))
e assim, a equa c ao cartesiana da recta r e dada por:
((x 1, y 1, z), (1, 0, 0)) = 0 e (x 1, y 1, z), (0, 1, 1)) = 0)
(1 (x 1) = 0 e 1 (y 1) 1z = 0) ,
ou seja por
_
_
_
x = 1
y z = 1.
Formas Quadraticas
Deni cao 55. Sejam V um espa co euclidiano real e o = u
1
, ..., u
n
uma base ortonormada
de V . Seja A Mat
nn
(R). Chama-se forma quadratica associada a A ` a aplica c ao
Q : V R denida por
Q(v) =
n

i=1
n

j=1
a
ij

j
,
isto e,
Q(v) =
_

1
...
n

A
_

1
.
.
.

n
_

_
68
onde
1
, ...,
n
s ao as coordenadas de v na base o. Se A f or uma matriz diagonal ent ao
tem-se
Q(v) =
n

i=1
a
ii

2
i
e diz-se que Q e uma forma quadratica diagonal.
Observa cao 51. No exemplo que se segue pode ver-se que duas matrizes diferentes
podem estar associadas ` a mesma forma quadr atica.
Exemplo 49. Sejam A =
_
1 1
1 2
_
e A =
_
1 3
1 2
_
. As formas quadr aticas associadas
a A e a B s ao dadas por
Q
A
(x, y) =
_
x y

A
_
x
y
_
=
_
x +y x + 2y

_
x
y
_
= x
2
+ 2xy + 2y
2
e
Q
B
(x, y) =
_
x y

B
_
x
y
_
=
_
x y 3x + 2y

_
x
y
_
= x
2
+ 2xy + 2y
2
.
Logo, tem-se Q
A
= Q
B
.
Teorema 74. Seja A Mat
nn
(R). Seja Q
A
a forma quadr atica associada ` a matriz A.
Ent ao, existe uma matriz simetrica B =
1
2
_
A+A
T
_
Mat
nn
(R) tal que Q
A
= Q
B
.
Teorema 75. Toda a forma quadr atica e diagonaliz avel.
Exemplo 50. Considere-se a forma quadr atica Q : R
2
R denida por
Q(x, y) = 3x
2
+ 4xy + 3y
2
.
Tem-se
Q(x, y) =
_
x y

A
_
x
y
_
,
com A =
_
3 2
2 3
_
. Os valores pr oprios de A s ao
1
= 1 e
2
= 5. A forma quadr atica
diagonal correspondente e
_
x

D
_
x

_
=
_
x

_
1 0
0 5
_ _
x

_
com
D = SAS
T
e
_
x

_
= S
_
x
y
_
em que S
T
e a matriz diagonalizante obtida colocando na 1
a
coluna um vector pr oprio de
norma 1 associado ao valor pr oprio
1
e na 2
a
coluna um vector pr oprio de norma 1 associado
ao valor pr oprio
2
. Observe-se que a matriz S e ortogonal, isto e, tem-se S
T
= S
1
.
69
Tem-se ent ao
Q(x, y) =
_
x y

A
_
x
y
_
=
_
x y

S
T
DS
_
x
y
_
=
_
S
_
x
y
__
T
DS
_
x
y
_
=
=
_
x

D
_
x

_
.
Deni cao 56. Diz-se que uma forma quadr atica Q ou uma matriz simetrica que lhe
esteja associada, e:
(i) denida positiva se Q(v) > 0, para todo o v ,= 0;
(ii) denida negativa se Q(v) < 0, para todo o v ,= 0;
(iii) semidenida positiva se Q(v) 0, para todo o v;
(iv) semidenida negativa se Q(v) 0, para todo o v;
(v) indenida se existirem pontos onde Q seja positiva e pontos onde Q seja negativa.
Teorema 76. Seja A Mat
nn
(R) tal que A e simetrica. Ent ao,
(i) A e denida positiva se e s o se todos os valores pr oprios de A forem positivos;
(ii) A e denida negativa se e s o se todos os valores pr oprios de A forem negativos;
(iii) A e semidenida positiva se e s o se todos os valores pr oprios de A forem n ao
negativos;
(iv) A e semidenida negativa se e s o se todos os valores pr oprios de A forem n ao
positivos;
(v) A e indenida se e s o se A tiver pelo menos um valor pr oprio positivo e outro
negativo.
Agradecimento.
Agradecimentos ao Prof. Nuno Martins por ter cedido os seus apontamentos te oricos em tex. Ver cheiro
original em: http://www.math.ist.utl.pt/~ nmartins/ALT0405.pdf
70