Algebra Linear UFRN Módulo 1 PDF

Projeto Institucional
Edital n 015/2010/CAPES/DED
Fomento ao uso de tecnologias de comunio e informao nos cursos de graduao
lgebra Linear
Mdulo 1
Matrizes e Sistemas de Equaes Lineares
Espaos Vetoriais
Jossana Ferreira
Jossana Ferreira
Mdulo 1
Espaos Vetoriais
Todos os direitos reservados. Nenhuma parte deste material pode ser utilizada ou reproduzida
sem a autorizao expressa da Universidade Federal do Rio Grande do Norte (UFRN).
Catalogao da publicao na fonte. Bibliotecria Vernica Pinheiro da Silva.
Governo Federal
Presidenta da Repblica
Dilma Vana Rousseff
Vice-Presidente da Repblica
Michel Miguel Elias Temer Lulia
Ministro da Educao
Fernando Haddad
Reitora
ngela Maria Paiva Cruz
Vice-Reitora
Maria de Ftima Freire Melo Ximenes
Secretria de Educao a Distncia
Maria Carmem Freire Digenes Rgo
Secretria Adjunta de Educao a Distncia
Eugnia Maria Dantas
Pr-Reitoria de Graduao
Alexandre Augusto de Lara Menezes
Comit Gestor
Presidente
Alexandre Augusto de Lara Menezes
Coordenao geral
Apuena Vieira Gomes
Coordenadores
Apuena Vieira Gomes/CE
Adir Luiz Ferreira/CE
Gleydson de Azevedo Ferreira Lima/SINFO
Marcos Aurlio Felipe/CE
Maria Carmozi de Souza Gomes/PROGRAD
Rex Antonio da Costa de Medeiros/ECT
Coordenador de Produo de Materiais Didticos
Marcos Aurlio Felipe
Projeto Grco
Ivana Lima
Revisores de Estrutura e Linguagem
Eugenio Tavares Borges
Janio Gustavo Barbosa
Jeremias Alves de Arajo
Kaline Sampaio de Arajo
Luciane Almeida Mascarenhas de Andrade
Thalyta Mabel Nobre Barbosa
Revisoras de Lngua Portuguesa
Cristinara Ferreira dos Santos
Emanuelle Pereira de Lima Diniz
Janaina Tomaz Capistrano
Revisora das Normas da ABNT
Vernica Pinheiro da Silva
Revisora Tcnica
Rosilene Alves de Paiva
Ilustradores
Adauto Harley
Anderson Gomes do Nascimento
Carolina Costa de Oliveira
Dickson de Oliveira Tavares
Leonardo dos Santos Feitoza
Roberto Luiz Batista de Lima
Rommel Figueiredo
Diagramadores
Ana Paula Resende
Carolina Aires Mayer
Davi Jose di Giacomo Koshiyama
Elizabeth da Silva Ferreira
Ivana Lima
Jos Antonio Bezerra Junior
Luciana Melo de Lacerda
Rafael Marques Garcia
Secretaria de Educao a Distncia (SEDIS)
FICHA TCNICA
Ferreira, Jossana.
lgebra Linear: mdulo I / Jossana Ferreira. Natal: EDUFRN, 2011.
204 p.: il.
ISBN 978-85-7273-888-0
Contedo: Aula Reviso: Matemtica Bsica. Aula 1 Matrizes: tipos, operaes e propriedades. Aula
2 Matrizes: operaes e matrizes elementares. Aula 3 Determinantes: denio, clculo, propriedades e
cofatores. Aula 4 Inverso de matrizes: denio, propriedades e mtodos. Aula 5 Sistema de equaes
lineares: denio e mtodos de resoluo. Aula 6 Denio de espaos vetoriais. Aula 7 Subespaos
vetoriais e dependncia linear. Aula 8 Base e dimenso. Aula 9 Produto interno. Aula 10 Processo de
ortogonalizao de Gram-Schmidt.
1. Matemtica. 2. lgebra Linear. 3. Matrizes. 4. Equaes. I. Ttulo.
CDU 51
F383a
Natal RN
Dezembro/2011
Mdulo 1
Espaos Vetoriais
Jossana Ferreira
lgebra Linear
Sumrio
Apresentao Institucional 5
Aula 0 Aula Reviso: Matemtica Bsica 7
Aula 1 Matrizes: tipos, operaes e propriedades 29
Aula 2 Matrizes: operaes e matrizes elementares 47
Aula 3 Determinantes: denio, clculo, propriedades e cofatores 57
Aula 4 Inverso de matrizes: denio, propriedades e mtodos 77
Aula 5 Sistema de equaes lineares: denio e mtodos de resoluo 93
Aula 6 Denio de espaos vetoriais 115
Aula 7 Subespaos vetoriais e dependncia linear 131
Aula 8 Base e dimenso 145
Aula 9 Produto Interno 159
Aula 10 Processo de ortogonalizao de Gram-Schmidt 175
Aula 11 Matrizes ortogonais e mudana de base 189
5
Apresentao Institucional
A
Secretaria de Educao a Distncia SEDIS da Universidade Federal do Rio Grande
do Norte UFRN, desde 2005, vem atuando como fomentadora, no mbito local, das
Polticas Nacionais de Educao a Distncia em parceira com a Secretaria de Educao
a Distncia SEED, o Ministrio da Educao MEC e a Universidade Aberta do Brasil
UAB/CAPES. Duas linhas de atuao tm caracterizado o esforo em EaD desta instituio: a
primeira est voltada para a Formao Continuada de Professores do Ensino Bsico, sendo
implementados cursos de licenciatura e ps-graduao lato e stricto sensu; a segunda volta-se
para a Formao de Gestores Pblicos, atravs da oferta de bacharelados e especializaes
em Administrao Pblica e Administrao Pblica Municipal.
Para dar suporte oferta dos cursos de EaD, a Sedis tem disponibilizado um conjunto de
meios didticos e pedaggicos, dentre os quais se destacam os materiais impressos que so
elaborados por disciplinas, utilizando linguagem e projeto grco para atender s necessidades
de um aluno que aprende a distncia. O contedo elaborado por prossionais qualicados e
que tm experincia relevante na rea, com o apoio de uma equipe multidisciplinar. O material
impresso a referncia primria para o aluno, sendo indicadas outras mdias, como videoaulas,
livros, textos, lmes, videoconferncias, materiais digitais e interativos e webconferncias, que
possibilitam ampliar os contedos e a interao entre os sujeitos do processo de aprendizagem.
Assim, a UFRN atravs da SEDIS se integra o grupo de instituies que assumiram o
desao de contribuir com a formao desse capital humano e incorporou a EaD como moda-
lidade capaz de superar as barreiras espaciais e polticas que tornaram cada vez mais seleto o
acesso graduao e ps-graduao no Brasil. No Rio Grande do Norte, a UFRN est presente
em polos presenciais de apoio localizados nas mais diferentes regies, ofertando cursos de
graduao, aperfeioamento, especializao e mestrado, interiorizando e tornando o Ensino
Superior uma realidade que contribui para diminuir as diferenas regionais e o conhecimento
uma possibilidade concreta para o desenvolvimento local.
Nesse sentido, este material que voc recebe resultado de um investimento intelectual
e econmico assumido por diversas instituies que se comprometeram com a Educao e
com a reverso da seletividade do espao quanto ao acesso e ao consumo do saber E REFLE-
TE O COMPROMISSO DA SEDIS/UFRN COM A EDUCAO A DISTNCIA como modalidade
estratgica para a melhoria dos indicadores educacionais no RN e no Brasil.
SECRETARIA DE EDUCAO A DISTNCIA
SEDIS/UFRN
Aula Reviso:
Matemtica Bsica
0
Aula
1
2
Aula 00 lgebra Linear 9
Apresentao
Antes de iniciar o estudo da lgebra Linear veremos alguns pontos importantes para a sua
compreenso. Esses pontos so assuntos que, em sua maioria, so vistos no Ensino Mdio e
so esquecidos ou no foram praticados sucientemente.
cada vez mais comum a decincia dos alunos na Matemtica Bsica, fato que atrapalha
o bom andamento do curso, ento esse material inicial visa antecipar dvidas que surgiro
ao longo do componente lgebra Linear e que certamente atrapalhariam o entendimento do
novo contedo.
Objetivos
Revisar os assuntos bsicos da Matemtica: nmeros re-
ais, conjuntos, operaes com fraes, polinmios, vetores
no plano e somatrio.
Esclarecer possveis dvidas relativas ao assunto bsico
da Matemtica utilizado no componente lgebra Linear.
1
Nmeros reais
Os nmeros reais so os nmeros mais utilizados no nosso estudo, eles so a base
para trabalharmos futuramente com o espao das matrizes, dos polinmios, etc. Os
nmeros reais so obtidos da unio dos nmeros racionais com os nmeros irracionais,
conforme ilustrado na Figura 1 e descrito na Tabela 1.
Figura 1 Diagrama que relaciona os conjuntos numricos
Tabela 1 Exemplos dos conjuntos numricos
Conjunto Descrio Exemplo
R Nmeros Reais -
N Nmeros Naturais N={0,1,2,3,4,5,6,7,8,9,10...}
Z Nmeros Inteiros Z={... ,5,4,3,2,1,0,1,2,3,4,5...}
Q Nmeros Racionais
I Nmeros Irracionais Nmeros decimais que no admitem representao fracionria.
Conclui-se ento que o conjunto dos nmeros reais so todos os possveis nmeros com
exceo dos nmeros complexos (raiz de nmeros negativos).
Indique a que grupo os nmeros a seguir pertencem.
a) 2,5 d) g) d) 5
b) 3,75 e) h) d) -5
c) f) i) d) 3,816572
Q =
_
. . . , 2,
3
2
, 1,
1
2
,
1
4
, 0,
1
2
,
3
4
, 1,
5
3
, 2, . . .
_
3, 75
_
3, 75
_
2, 5
_
3, 75
2
3, 9
1
2
3, 7
9
Conjuntos
Um conjunto uma coleo qualquer de elementos.
Exemplo 1
O conjunto dos pases do Mercosul = {Brasil, Argentina, Uruguai, Paraguai}.
O conjunto dos nmeros primos = {2,3,5,7,11,13, ...}.
Simbologia
Pertence Vazio
No pertence Unio
Est contido Interseco
No est contido
Exemplo 2
Analisando a Figura 1 podemos armar que:
2 Q N Q
2 N Z I
2 Z Q I = R
2 R Z N = Z
2 I Z I =
3 I Z N = N
2
Monte uma tabela com exemplos de nmeros que pertenam, no perten-
am, estejam contidos e no estejam contidos nos conjuntos abaixo:

a) Reais
b) Inteiros negativos
c) Cidades do RN
d) Unio de pases que falam a lngua portuguesa
e) Praias brasileiras
Operaes com fraes
Quando desejamos dividir uma quantia em partes iguais, recorremos s fraes.
Exemplo 3
Quando dividimos uma pizza por quatro pessoas, sabemos que cada pessoa ca com
da pizza. Se temos 5 pizzas para dividir pelas mesmas 4 pessoas, ento cada um ca
com das pizzas.
Equivalncia de fraes
So fraes que representam a mesma parte do todo.
Exemplo 4
Considerando os conjuntos de fraes: ou
Para obter fraes equivalentes divide-se o numerador e o denominador pelo mesmo nmero:
ou
Operaes bsicas
Adio e subtrao
Para somar duas ou mais fraes, devemos encontrar o MMC (mnimo mltiplo comum)
dos denominadores.
Exemplo 5
Considerando a soma das fraes:
Tem-se que o mnimo mltiplo comum de 5, 4 e 2 20, portanto o denominador do
resultado da soma ser 20:
Para encontrar o numerador, dividimos o MMC pelo denominador de cada frao, mul-
tiplicamos pelo respectivo numerador e efetuamos a soma das parcelas:
1
4
5
4
1
2
,
2
4
,
4
8
,
8
16
3
4
,
12
16
,
24
32
,
9
12
12
16
=
12
4
16
4
=
3
4
9
12
=
9
3
12
3
=
3
4
1
5
+
3
4
+
7
2
1
5
+
3
4
+
7
2
=
?
20
O mesmo vale para a subtrao.
Multiplicao
Para multiplicar fraes, basta multiplicar os respectivos numeradores e os respectivos de-
nominadores.
Exemplo 6
Multiplicao de fraes:
Diviso
A diviso de fraes feita mantendo a primeira frao e multiplicando pelo inverso da segunda.
Exemplo 7
Diviso de frao
ou ou
3
Resolva:
1
5
+
3
4
+
7
2
=
20
5
1 +
20
4
3 +
20
2
7
20
=
4 + 15 + 70
20
=
89
20
1
5

3
4
=
1.3
5.4
=
3
20
1
5
3
4
=
1
5

4
3
=
1.4
5.3
=
4
15
1
5
3
=
1
5
3
1
=
1
5

1
3
=
1
15
5
3
4
=
5
1
3
4
=
5
1

4
3
=
20
3
2
3
5 +
1
3
Operaes com polinmios
Adio e subtrao
A soma e a subtrao de polinmio so feitas agrupando-se os termos de mesmo grau.
Polinmios
Um polinmio uma expresso que pode ser expressa na forma:
Onde x a incgnita e os a
i
so constantes (valores reais). O grau do polinmio denido
pelo maior expoente de x.
Valor numrico do polinmio
Todo polinmio pode ser associado a uma funo polinomial, e como funo tem seu
valor numrico associado.
Exemplo 8
Valor numrico
polinmio de grau 3
2
Sendo p(x)= x
4

2x
3
+3x

10 encontre:
a) P(3) b) P(0) c) P(

2)
a
n
x
n
+ a
n1
x
n1
+ . . . + a
2
x
2
+ a
1
x + a
0
polinmio de
p(x) 4x + 2x + x + 5
p(2) = 4.2
3
+ 2.2
2
+ 2 + 5 = 47 (x = 2)
p(0) = 4.0 + 2.0 + 0 + 5 = 5 (x = 0)
Multiplicao
Para a multiplicao, os polinmios devem ser colocados entre parnteses e multiplicados
termo a termo.
Exemplo 10
Multiplicao de polinmios
Diviso
A diviso de polinmios apenas pode ser realizada quando o dividendo maior ou igual
ao grau do divisor.
Exemplo 11
Considerando
p(x) = x
3
+ 3x
2
+ 2x
q(x) = 5x
4
3x
3
+ 5x
2
12x + 3
p(x) + q(x) = x
4
(0 + 5) + x
3
(1 3) + x
2
(3 + 5) + x(2 12) + (0 + 3)
p(x) + q(x) = 5x
4
2x
3
+ 8x
2
10x + 3
Exemplo 9
Soma de polinmios
p(x) = x
3
+ 3x
2
+ 2x
q(x) = 5x
4
3x
3
+ 5x
2
12x + 3
p(x).q(x) = (x
3
+ 3x
2
+ 2x).(5x
4
3x
3
+ 5x
2
12x + 3)
p(x).q(x) = x
3
(5x
4
3x
3
+ 5x
2
12x + 3) + 3x
2
(5x
4
3x
3
+ 5x
2
12x + 3) +
+ 2x(5x
4
3x
3
+ 5x
2
12x + 3)
p(x).q(x) = 5x
7
3x
6
+ 5x
5
12x
4
+ 3x
3
+
+ 15x
6
9x
5
+ 15x
4
36x
3
+ 9x
2
+
+ 10x
5
6x
4
+ 10x
3
24x
2
+ 6x
p(x).q(x) = 5x
7
+ 12x
6
+ 6x
5
3x
4
23x
3
15x
2
+ 6x
p(x) = x
3
+ 3x
2
+ 2x
q(x) = 5x
4
3x
3
+ 5x
2
12x + 3
A diviso no pode ser feita porque o grau de p(x) = 3 menor
que o grau de q(x) = 4.
J a diviso pode ser feita porque o grau do dividendo maior que o grau do divisor.
Exemplo 12
Encontrando
1
0
passo: Encontrar uma parcela que multiplicando pelo divisor seja possvel eliminar o
termo de maior grau do dividendo. Nesse caso, se multiplicarmos o dividendo por 4x
2
apa-
recer 4x
2
(3x3)= 12x
3
+ 12x
2
. Devemos inverter o sinal e somar com o dividendo:
2
0
passo: Encontrar uma nova parcela que multiplicando pelo divisor seja possvel eliminar
o termo de maior grau remanescente:
3
0
passo: Repetir o processo at que o resto seja nulo ou que no seja mais possvel
obter o grau do dividendo.
p(x) dividendo
q(x) divisor
q(x)
p(x)
q(x)
p(x)
=
5x
4
3x
3
+ 5x
2
12x + 3
x
3
+ 3x
2
+ 2x
12x
3
6x
2
6
3x 3
12x
3
12x
3
+12x
2
6x
2
+6x
2
4x
2
3x 6
6 0
3
12x
3
12x
3
+12x
2
6x
2
+6x
2
6x
2
+6x
+6x
4x
2
3x
+2x
6
6
6
0
0
3
12x
3
12x
3
+12x
2
6x
2
+6x
2
6x
2
+6x
+6x
6x
4x
2
3x
+2x
6
+2
6
6
+6
0
0
0
3
5
Portanto:
Exemplo 13
Encontrando
Nesse caso no possvel encontrar um termo que, quando multiplicado pelo divisor,
anule o termo de grau 2, portanto o resto da diviso 49x
2
+24x

+ 3. Assim:
Sabendo que , e
encontre:
a) f(x)+g(x) h(x) b) f(x).h(x) c) g(x)/h(x)
12x
3
6x
2
6
3x 3
= 4x
2
+ 2x + 2
3x
3
15x
3
18x
3
x
3
5x
4
5x
4
+5x
2
10x
2
5x
2
+3x
2
12x
12x
5x
+2x
+3
+3 0
3x
3
15x
3
18x
3
18x
3
x
3
5x
4
5x
4
+5x
2
10x
2
5x
2
+54x
2
+49x
2
+3x
2
12x
12x
+36x
+24x
5x
+2x
+3
+3
+3
18
0
0
q(x)
p(x)
=
5x
4
3x
3
+ 5x
2
12x + 3
x
3
+ 3x
2
+ 2x
5x
4
3x
3
+ 5x
2
12x + 3 = (x
3
+ 3x
2
+ 2x)(5x 18) + (49x
2
+ 24x + 3)
f(x) = 2x
2
x g(x) = x
3
2x + 1 h(x) = x
2
+ 3x 1
Vetores no plano
Um vetor um elemento que dene uma grandeza no apenas com um valor, mas
tambm com uma direo e um sentido. Ele representado por um segmento de reta cujo
comprimento proporcional a intensidade da grandeza representada, indicando sua direo
e sentido. Exemplos de vetores so mostrados na Figura 2.
2
V
2
V
1
V
3
V
4
y
x
2
1
1
1
1
2
2
V
1
= (2,1)
V
2
= (1,1)
V
3
= (1,2)
V
4
= (0,2)
[ ]
V
1
=
2
1
[ ]
V
2
=
1
1
[ ]
V
3
=
1
2
[ ]
V
4
=
0
2
V
1
= 2i + j

= i + j

= i 2j

= 2j
V
2
V
3
V
4
Figura 2 Representaes diversas de vetores no plano

(i= vetor unitrio na direo x, j = vetor unitrio na direo y)
Operaes com vetores
Existem duas operaes bsicas envolvendo vetores, a adio e a multiplicao por esca-
lar. Relembraremos aqui tambm como calcular sua norma e como manipular seus ngulos.
Adio
A adio pode ser feita de duas maneiras, ou algebricamente ou gracamente. Algebri-
camente basta somar as componentes x dos dois vetores e depois as componentes y. Gra-
camente, necessrio fazer uma projeo da rea formada pelos dois vetores obtendo um
paralelogramo, o segmento que une a origem e a ponta desenhada do paralelogramo o vetor
resultante da soma. Ou ainda, pode-se desenhar o primeiro vetor (partindo da origem) e, em
seguida, desenha-se o segundo comeando onde o primeiro termina, mantendo sua direo e
sentido, o segmento que une a origem e o m do segundo vetor o vetor resultante da soma.
Exemplo 14
Encontrando Somando dois vetores V
1
= (1,2) e V
2
=(3,1),
o vetor V resultante : V = V
1
+V
2
= (1,2) + (3,1) =(1+3 , 2+(1))
V=(4,1)
2
V
2
V
1
y
x
2 3
1
1
1
2
2
V
2
V
1
V
1
V
y
x
2 3
1
1
1
2
Analisando gracamente na Figura 3:
Figura 3 Resultado grco da soma de dois vetores no plano
Multiplicao por escalar
A multiplicao de um vetor por um nmero real feita multiplicando-se cada componente
do vetor pela constante.
Exemplo 15
Multiplicando V
1
= (1,2) por 3 e V
2
=(3,1) por -2:
O vetor U
1
resultante : U
1
= 3. V
1
= 3. (1,2) = (3.1,3.2) = (3,6)
O vetor U
2
resultante : U
2
= 2. V
2
= 2. (3,1) = (2.3,2.(1)) = (6,2)
Analisando gracamente na Figura 4:
2
6
V
2
V
1
U
1
U
2
y
x
2 3
1
1
1
6
Figura 4 Representao grca de multiplicao de vetores por escalar real
6
Norma de um vetor
A norma de um vetor tambm conhecida como mdulo ou comprimento, na realidade
ela mede a dimenso da grandeza representada pelo vetor e corresponde ao comprimento do
vetor. O clculo da norma feito baseando-se no teorema de Pitgoras. Analisemos a Figura
5 em duas dimenses:
Sendo u=(2,3,0), v=(0,2,-2) e w=(1,-1,3), calcule:
a) 2u+3vw
V
y
y
x
x
Figura 5 Norma de um vetor
Da Figura 5 tiramos o tringulo retngulo onde a hipotenusa a norma de V e os catetos
so as coordenadas x e y do vetor, do teorema de Pitgoras vem:
De uma maneira genrica:
Onde os x
i
so as coordenadas de um vetor de dimenso n.
V
2
= x
2
+ y
2
V =
_
x
2
+ y
2
V
2
= x
2
1
+ x
2
2
+ . . . + x
2
n
V =
_
x
2
1
+ x
2
2
+ . . . + x
2
n
v
u
y
x
v
x
u
x
u
y
v
y
Relao de ngulos entre vetores
Considere a Figura 6 no plano:
Figura 6 Relao de ngulos entre vetores
Note que:
ngulo formado pelo vetor u e o eixo x.
ngulo formado pelo vetor v e o eixo x.
ngulo entre os vetores u e v.
=
u
x
e u
y
coordenadas x e y do vetor u.
v
x
e v
y
coordenadas x e y do vetor v.
tg() =
u
y
u
x
cos() =
u
x
u
sen() =
u
y
u
tg() =
v
y
v
x
cos() =
v
x
v
sen() =
v
y
v
tg() = tg( ) =
tg() tg()
1 + tg()tg()
=
u
x
v
y
v
x
u
y
u
x
v
x
+ u
y
v
y
cos() = cos( ) = cos()cos() + sen()sen() =
v
x
u
x
+ v
y
u
y
u v
sen() = ( ) = sen()cos() cos()sen() =
v
y
u
x
v
x
u
y
u v
v
u
y
x
71,56
116,56
45
1 2
2
3
a) o vetor soma u + v
u + v = (2,2) + = (2+1,2+3) = (3,1) ou = 3i + j
b) o mdulo do vetor u + v
u + v = (3,1)
c) o vetor diferena u v
u v = (2,2) (1,3) = (21,23) = (1,5) ou = i 5j
d) o vetor 3 u 2v
3.(2,2) 2.(1,3) = (6,6) (2,6) = (8, 0) ou = 8i
e) o ngulo formado pelos vetores u e v
o ngulo formado pelo vetor u = (2,2) e o eixo x :
o ngulo formado pelo vetor v = (1,3) e o eixo x :
Exemplo 16
Dados os vetores no plano
2
, u = 2 i 2 j e v =i +2 j , determine: Matrizes na forma
escalonada reduzida por linhas:
Portanto, o ngulo entre os dois vetores : ,
mostrado na Figura 7.
Figura 7 ngulos entre vetores
u + v =
_
x
2
+ y
2
=
_
3
2
+ 1
2
=
10
tg() =
u
y
u
x
=
2
2
= 1
= 45
o
tg() =
u
y
u
x
=
2
2
= 1
, ,
o
(
o
) ,
o
7
Sendo u=(2,3,0), v=(0,2,-2) e w=(1,-1,3), calcule:
a) ||2wv|| b) ||w||+|| 3u||
Somatrio
O operador somatrio um recurso da Matemtica para conseguirmos representar somas
grandes ou at mesmo innitas.
A notao de somatrio dada pela letra grega maiscula sigma:
Onde
x
i
o termo que deve variar conforme a soma dos termos;
i o ndice do somatrio;
m o valor inicial do ndice;
n o valor nal do ndice;
Notem que m n sempre.
Exemplo 17
Encontre uma representao para a soma dos 20 primeiros nmeros naturais.
O que queremos encontrar uma frmula para 1+2+3+...+19+20, logo devemos
recorrer ao somatrio:
Exemplo 18
Calcule o somatrio:
n
i=m
x
i
= x
m
+ x
m+1
+ x
m+2
+ . . . + x
n
20
i=1
i
2
i=3
(2i + 1)
i1
Para calcularmos o somatrio devemos expandir os termos:
1) A Maria e o Manuel disputaram um jogo no qual so atribudos 2 pontos por vitria e
retirado um ponto por derrota. Inicialmente, cada um tinha 5 pontos. Se o Manuel ganhou exa-
tamente 5 partidas, e a Maria no nal cou com 10 pontos, quantas partidas eles disputaram?
2) Qual o quociente de 50
50
por 25
25
?
3) Em uma sala onde esto 100 pessoas, sabe-se que 99% so homens. Quantos homens
devem sair para que a porcentagem de homens na sala passe a ser 98%?
4) Calcule
8
Como calcular o somatrio das idades de um pai e uma lha, ano a ano, desde que o
pai tinha 46 at completar 50? Considere que o pai 31 anos mais velho que sua lha.
Desao
2
i=3
(2i + 1)
i1
= (2.(3) + 1)
31
+ (2.(2) + 1)
21
+ (2.(1) + 1)
11
+
+ (2.0 + 1)
01
+ (2.1 + 1)
11
+ (2.2 + 1)
21
2
i=3
(2i + 1)
i1
= (5)
4
+ (3)
3
+ (1)
2
+ (1)
1
+ (3)
0
+ (5)
1
2
i=3
(2i + 1)
i1
=
_
1
5
_
4
+
_
1
3
_
3
+
_
1
1
_
2
+ 1 + 1 + 5
2
i=3
(2i + 1)
i1
=
1
5
4

1
3
3
+ 1 + 7 =
1
625

1
27
+ 8 = 0, 0016 0, 3070 + 8 = 7, 9646
2
j=1
4
i=0
j(j + i)
1
2
3
4
5
6
7
8
9
Resumo
Esta breve reviso de Matemtica Bsica vem relembrar assuntos que j
foram estudados e que sero de grande importncia no estudo da lgebra Linear.
Voc acabou de rever operaes bsicas com nmeros reais, fraes, conjuntos
e polinmios que estaro sempre presente em qualquer rea da Matemtica, e
tambm a manipulao de vetores, essencial para a lgebra Linear. E, por m,
foi reapresentado uma descrio do operador somatrio e como desenvolv-lo.
Autoavaliao
Quais dentre os nmeros abaixo so racionais?
a) b) c) d) e)
Quanto vale ?
Sendo A = (5,2], B=[6,6] e B = (,2], calcule A ( B C ).
Sabendo que A B = {1,2,3,4,5,6,7,8} , A B = {4,5} e A B = {1,2,3}. Quem
B?
Escreva uma equao para representar a afirmao "h seis vezes mais alunos
do que professores nesta universidade", usando as variveis A para o nmero de
alunos e P para o de professores.
Se X operrios sobem um muro em Y horas, quantas horas sero necessrias
para que o triplo do nmero de operrios suba o mesmo muro?
Distribu certo nmero de selos entre os alunos de uma das salas, cabendo 5 para
cada um. Se eu fosse distribuir para outra turma, que tem 31 alunos a mais, eu
teria de dar 2 selos a cada aluno e sobraria 1. Quantos selos eu distribuiria?
Dei 3/5 do meu dinheiro para meu irmo e metade do resto para a minha irm,
quei ainda com R$2,00. Quanto eu tinha?
Determine os trs nmeros consecutivos pares cuja soma 72.?
4
3
_
0, 1
3
_
0, 27
3
_
0, 064
4
_
0, 016
2
0, 666 . . .
10
11
12
13
u
1
u
2
u
3
u
4
u
5
u
6
u
7
u
8
X
Y
Z
5
2
3
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre: Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. Ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. Ed. Rio de Janeiro: LTC, 2007.
Em uma chcara existem galinhas e coelhos totalizando 35 animais, os quais so-
mam juntos 100 ps. Determine o nmero de galinhas e coelhos existentes nessa
chcara.
Um relgio tem os dois ponteiros medindo 0,25 metros para hora e 0,5 metros
para os minutos. Indique a representao vetorial para os dois ponteiros quando
o relgio marcar:
a) 12h b) 3h30min c) 4h05min d) 8h50min
Determine as coordenadas dos vetores que coincidem com cada aresta do cubo
mostrado na gura. (Considere o vetor partindo da origem e terminando na extre-
midade do cubo u
1
,u
2
,...,u
8
):
Encontre uma frmula e calcule a mdia aritmtica dos nmeros: 5,7,9,11,13,15.
Anotaes
Matrizes: tipos,
operaes e propriedades
1
Aula
1
2
3
4
Apresentao
O
estudo das matrizes possibilita o tratamento de dados de forma simplicada, permitindo,
dentre outras coisas, a fcil visualizao da informao. A manipulao de matrizes
est presente em todas as reas de conhecimento, seja nas reas que lidam com a
Matemtica diretamente como tambm em reas de Humanas e Sade, por exemplo.
Nesta aula, abordaremos temas que dizem respeito denio de matrizes, os tipos mais
comuns e tambm suas operaes bsicas.
Objetivos
Saber identicar e montar uma matriz.
Reconhecer e manipular os diversos tipos de matrizes.
Aplicar as operaes entre matrizes e entre escalares e
matrizes adequadamente.
Reconhecer e saber recorrer s propriedades a m de re-
duzir clculos.
Denio
U
ma matriz um conjunto de dados dispostos em uma tabela onde cada dado referen-
ciado por linhas e colunas. A arrumao dos dados dessa forma permite no apenas
sua organizao, mas tambm possibilita novas maneiras de manipular esses dados.
As matrizes podem ser compostas de qualquer tipo de nmeros (reais ou complexos),
de funes e at de submatrizes.
Para identicar uma matriz, ns precisamos conhecer algumas informaes: represen-
tao, ordem e termo geral. Vamos a elas!
a) Representao
A forma para representarmos uma matriz ser utilizando parnteses ou colchetes:
b) Ordem
A ordem da matriz informa sobre o seu tamanho e faz meno quantidade de linhas e
colunas que ela contm.
m x n m linhas e n colunas
Quando uma matriz apresenta o mesmo nmero de linhas e colunas diz que a matriz tem
ordem n (n = nmero de linhas = nmero de colunas).
c) Termo geral
Algumas matrizes possuem certa relao entre seus elementos. Quando for possvel
escrever todos os elementos de uma matriz atravs de uma regra, ento a matriz possui um
termo geral ( a
ij
), onde i indica a linha e j, a coluna.
Exemplo 1
Sabendo que a matriz B tem ordem 2x3 e que seu termo geral dado por b
ij
=i+2j,
encontre B.
Como o nmero de linhas igual a 2, e o nmero de colunas igual a 3, ento sabemos
que o ndice i varia de 1 at 2 e o ndice j de 1 at 3. Logo, a matriz ter a forma:
ou Matriz Matriz
B =
_
b
11
b
12
b
13
b
21
b
22
b
23
_
Uma forma geral para escrever qualquer matriz representar com linhas (m) e colunas
(n) genricas:
Encontrando os elementos ( b
ij
= i+2j ):
b
11
=1+21=3
b
12
=1+22=5
b
13
=1+23=7
b
21
=2+21=4
b
22
=2+22=6
b
23
=2+23=8
Portanto,
1
Encontre a matriz M
2x3
, sabendo que m
ij
= 5i - ij.
B
23
=
_
3 5 7
4 6 8
_
A
mn
=
_
_
a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mj
a
mn
_
_
Tipos de matrizes
Existem algumas matrizes que possuem caractersticas especiais e estas podem facilitar
alguns clculos ou anlises em determinadas situaes. Vamos conhec-las.
a) Matriz coluna
Matriz formada por apenas uma coluna.
b) Matriz linha
Matriz formada por apenas uma linha.
C
1xn
=C
1
C
2

C
j

C
n
B
m1
=
_
_
b
1
b
2
.
.
.
b
i
.
.
.
b
m
_
_
a
ij
= 0 i, j
d) Matriz quadrada
Matriz onde a quantidade de linhas igual quantidade de colunas.
m = n A
n
A
n
=
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
Considerando as matrizes quadradas, denominam-se como elementos da diagonal prin-
cipal os elementos que apresentam i = j (a
11
, a
22
, a
33
, ... a
nn
).
e) Matriz diagonal
Matriz onde os elementos da diagonal principal so no nulos e os fora da diagonal
principal so nulos.
c) Matriz nula 0
Matriz onde todos os seus elementos so zero, ou seja, seu termo geral sempre zero
qualquer que seja i e j.
a
ij
= 0 Se i = j
A
n
=
_
_
_
_
_
_
a
11
0 0
0 a
22
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
nn
_
_
_
_
_
_
=
_
_
_
_
_
_
0 0 0
0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
_
_
_
_
_
_
0
f) Matriz identidade - I
Matriz onde os elementos da diagonal principal so iguais a 1 e os fora da diagonal
principal so nulos.
I =
_
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
_
_
a
ij
= 1 Se i = j
a
ij
= 0 Se i = j
g) Matriz transposta - A
t
, A'
A matriz transposta obtida a partir de qualquer matriz trocando-se as linhas pelas colunas.
Fazse a
ij
=a
ji
h) Matriz simtrica
Uma matriz simtrica se ela for igual a sua transposta.
Se A=A
t
(se a
ij
=a
ji
)
i) Matriz antissimtrica
Uma matriz antissimtrica se ela for igual a menos sua transposta.
Se A =A
t
(se a
ij
=a
ji
)
j) Matriz triangular
Superior: Uma matriz triangular superior quando todos os elementos abaixo da diagonal
principal so nulos.
A =
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
_
A
t
= A
=
_
_
_
_
_
_
a
11
a
21
a
m1
a
12
a
22
a
m2
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
mn
_
_
_
_
_
_
a
ij
= 0 i > j
A =
_
_
_
_
_
_
a
11
a
12
a
1n
0 a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
mn
_
_
_
_
_
_
Inferior: Uma matriz triangular inferior quando todos os elementos acima da diagonal
principal so nulos.
k) Submatrizes
Uma matriz tambm pode ser composta por matrizes, quando isso ocorre chamamos de
submatrizes. Como exemplo, mostro uma matriz A composta por submatrizes B, C, D e E.
Note que as submatrizes no podem ter qualquer dimenso, pois isso implicaria em uma
desordem. Se A tem dimenso mxn, ento o nmero de linhas de B mais o nmero de linhas
de D deve ser igual a m e o nmero de colunas de B mais o nmero de colunas de C deve
ser igual a n. Alm disso, o nmero de linhas de B deve ser igual ao nmero de linhas de C,
assim como as linhas de D e E, o mesmo para as colunas de B, C, D e E. Um exemplo para
as matrizes B, C, D e E poderia ser:
B
33
, C
32
, D
23
e E
22
, resultando em A
55
.
a
ij
= 0 i < j
A =
_
_
_
_
_
_
a
11
0 0
a
21
a
22
0
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
mn
_
_
_
_
_
_
A
mxn
=
B C
D E
2
D exemplos de matrizes simtrica, triangular, transposta e diagonal.
Operaes com matrizes
Soma
Para que seja possvel somar duas ou mais matrizes, necessrio que todas as matrizes
envolvidas tenham a mesma ordem, ordem esta que tambm ser compartilhada com a matriz
resultante.
Supondo a soma de matrizes:C
mn
= A
mn
+ B
mn
O termo geral da matriz resultante C :
c
ij
= a
ij
+ b
ij
Onde a
ij
e b
ij
so os termos das matrizes A e B.
3
Sendo
G =
_
2 2 3
0 1 1
_
, H =
_
_
_
3 2
0 1
1 2
_
_
_
, calcule G-2H
t
.
Exemplo 2
Conhecendo as matrizes W e Z, encontre 2W Z.
Propriedades da soma
Considerando as matrizes A, B C e 0:
A + B = B + A (Comutativa)
A + ( B + C) = ( A + B ) + C (Associativa)
A + 0 = A (Elemento nulo)
Obs.: essa propriedade tambm vlida para a subtrao.
Encontrando as parcelas:
W =
_
1 2 0
0 3 1
_
e Z =
_
_
_
3 1
2 0
4 1
_
_
_
2W = 2
_
1 2 0
0 3 1
_
=
_
2 4 0
0 6 2
_
Z
=
_
3 2 4
1 0 1
_
Ento,
2W Z
=
_
2 4 0
0 6 2
_
_
3 2 4
1 0 1
_
=
_
2 3 4 2 0 4
0 (1) 6 0 2 1
_
2W Z
=
_
1 6 4
1 6 3
_
Para multiplicar um escalar K por uma matriz, basta multiplicar cada elemento da matriz
por esse escalar.
Onde p o nmero de colunas de A que deve ser o mesmo nmero de linhas de B.
Exemplo 3
Conhecendo as matrizes H e G, possvel a multiplicao H.G? E G:H?
Propriedades da multiplicao por escalar
Considerando as matrizes A
mxn
, B
mxn
matrizes e K
1
e K
2
escalares:
K
1
( A + B ) = K
1
A + K
1
B
( K
1
+ K
2
) A = K
1
A + K
2
A
0.A = 0 (0 escalar e 0 matriz nula)
K
1
( K
2
A ) = ( K
1
K
2
) A
Multiplicao entre matrizes
Para que seja possvel multiplicar duas matrizes, necessrio observar a ordem das
matrizes envolvidas. Sejam A
mxn
e B
pxq
, a multiplicao A.B apenas ser possvel se n=p, j
a multiplicao B.A apenas ser possvel se q=m.
Sendo C = A:B e os termos gerais de A e B, respectivamente, a
ij
e b
ij
, o termo geral
de C dado por:
k.A
mn
=
_
_
ka
11
ka
12
ka
1j
ka
1n
ka
21
ka
22
ka
2j
ka
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ka
i1
ka
i2
ka
ij
ka
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ka
m1
ka
m2
ka
mj
ka
mn
_
_
c
ij
=
p
k=1
(a
ik
b
kj
)
H =
_
1 2
0 3
_
e G =
_
_
_
3 1
2 0
4 1
_
_
_
IMPORTANTE: Note que A.B B.A.
Em algumas raras excees a igualdade pode ser verdadeira.
Para multiplicarmos H.G necessrio que o nmero de colunas da primeira matriz(H)
seja igual ao nmero de linhas da segunda matriz(G). Nesse caso, H
2x2
e G
3x2
, a multiplicao
no pode ser feita, j que H tem 2 colunas e G tem 3 linhas.
Para analisar a multiplicao G.H procederemos da mesma forma, o nmero de colu-
nas da primeira matriz(G) igual a 2 e o nmero de linhas da segunda matriz(H) igual a 2,
portanto a multiplicao G.H pode ser feita:
G.H =
_
_
_
3 1
2 0
4 1
_
_
_
_
1 2
0 3
_
=
_
_
_
3.1 + (1).0 3.(2) + (1).3
2.1 + 0.0 2.(2) + 0.3
4.1 + 1.0 4.(2) + 1.3
_
_
_
G.H =
_
_
_
3 9
2 4
4 5
_
_
_
Propriedades gerais
Considerando as matrizes A, B, C, a matriz nula 0, o escalar K, a matriz identidade I e
que as operaes sejam possveis.
A I = I A =A
A ( B + C ) = A B + A C
( A + B ) . C = A C + B C
A ( B C) = ( A B ) C
A 0 = 0 A = 0
A simtrica se A = A
t
( A + B )
t
= A
t
+ B
t
( A
t
)
t
= A
( k A )
t
= k A
t
( A B )
t
= B
t
A
t
4
Sendo ,G =
_
2 2 3
0 1 1
_
, H =
_
_
_
3 2
0 1
1 2
_
_
_
, F =
_
2 3
3 1
_
calcule:
a) G.H b) H(3F)G c) F(4G+H
t
)
2) Encontre a matriz [a
ij
] de tamanho 4x4 cujas entradas satisfazem a condio:
Desao
1) Quantas matrizes A
3x3
voc consegue encontrar, tais que:
A
_
_
a
b
c
_
_
=
_
_
a + b
a b
0
_
_
a
ij
=
_
1, se |i j| > 1
1, se |i j| 1
3) Passe para linguagem matricial o diagrama abaixo, onde o nmero em que a seta origi-
nada domina o nmero onde a seta nda (suponha que cada ponto domine ele mesmo).
1
2 4
3
Resumo
1
Nesta aula, voc viu como identicar e obter uma matriz a partir do seu termo
geral. Observou tambm como e quando possvel somar, subtrair e multipli-
car matrizes, assim como obter sua transposta. Outro ponto muito importante
que voc aprendeu foi a utilizao das propriedades a m de facilitar clculos e
tornar as operaes mais simples.
Autoavaliao
Considerando as matrizes a seguir, encontre se possvel:
a) A + B
b) AD
c) CD
d) DC
e) CB
f) C
t
D
t
g) DC
t
h) CB - B
i) A
t
+ 3C
t
D
t
A =
_
_
_
0 1 0
1 0 1
1 0 2
_
_
_
B =
_
_
_
1 1
7 0
0 2
_
_
_
C =
_
1 0 2
_
D =
_
_
3
1
3
_
_
2
3
4
Suponha que A, B, C, D e E sejam matrizes com os seguintes tamanhos:
Determine quais das seguintes expresses matriciais esto denidas. Para as que esto,
d o tamanho da matriz resultante.
a) BA
b) E( A + B )
c) AC + D
d) E( AC )
e) AE + B
f) E
t
A
g) AB + B
h) (A
t
+ E) D
i) AB
t
Sabendo que A a matriz abaixo, encontre o valor de x para que A seja uma
matriz:
a) Simtrica
b) Diagonal
c) Triangular superior
d) Nula
Com C, D e E, calcule (CD)E e C(DE). Qual das duas formas requer
menos multiplicaes?
A B C D E
(4 5) (4 5) (5 2) (4 2) (5 4)
A =
_
3 x
2
2x + 1 1
_
C =
_
1 2
4 0
_
D =
_
1 0
3 1
_
E =
_
4
3
_
5
6
Considerando as matrizes abaixo, responda:
A =
_
1 2
2 5
_
e AB =
_
1 2 1
6 9 3
_
a) Qual a dimenso de B? Justique.
b) Encontre B.
Uma fbrica de brinquedo inaugurada em 2008 produziu nos ltimos anos os
seguintes brinquedos, nas seguintes cores:
ANO: 2008
Carrinho Boneca Apito Bola
Azul 1025 250 567 2081
Amarelo 1230 765 1034 276
Verde 981 458 576 1622
Vermelho 570 345 978 1921
ANO: 2009
Azul 1201 341 771 2298
Amarelo 1381 789 1298 320
Verde 1002 751 766 1710
Vermelho 751 641 989 2010
ANO: 2010
Azul 1322 450 822 2311
Amarelo 1400 924 1400 404
Verde 1100 812 850 1820
Vermelho 814 720 1010 2211
Responda:
a) Quantos carrinhos, bonecas, apitos e bolas a fbrica produziu por cor desde sua
inaugurao?
b) Sabe-se que a previso da produo para 2011 o triplo do ano inicial. Encontre a pro-
duo prevista em 2011.
7
Um construtor vende 3 tipos de casa: A, B e C. A quantidade de material empre-
gada em cada tipo de casa dada pela matriz*:
Ferro Madeira Vidro Tinta Tijolo
A 5 20 16 7 17
B 7 18 12 9 21
C 6 25 8 5 13
* Valores ctcios.
a) Se ele vai construir 5, 7 e 12 casas dos tipos A, B e C, respectivamente, quantas unidades
de cada material sero empregadas?
b) Suponha que os preos por unidade de ferro, madeira, vidro, tinta e tijolo sejam, respec-
tivamente, R$12, 6, 4, 1 e 8. Qual o preo unitrio de cada tipo de casa?
c) Qual o custo total do material empregado?
Referncias
Anotaes
Matrizes: operaes
e matrizes elementares
2
Aula
1
2
3
4
Apresentao
Nesta aula, vamos estudar as operaes elementares em matrizes, ferramentas impor-
tantes, pois, a partir delas, veremos como possvel encontrar matrizes inversas, soluo de
sistemas lineares, por exemplo. Veremos ainda a denio de matriz elementar que permite
uma relao da matriz identidade com as operaes elementares.
Objetivos
Reconhecer matrizes equivalentes.
Reconhecer as operaes elementares e identicar opera-
es que no se enquadram.
Aplicar as operaes elementares com objetivo denido.
Aplicar cada operao na situao oportuna.
Operaes elementares
Operaes elementares so operaes simples e especcas sobre matrizes que resultam
em novas matrizes onde todas so equivalentes entre si.
Matrizes equivalentes
Mais adiante veremos que todo sistema de equaes lineares pode ser representado na
forma matricial. Sabemos que existem sistemas diferentes que apresentam a mesma soluo,
esses sistemas so chamados de equivalentes e, consequentemente, as matrizes que repre-
sentam esses sistemas so considerados matrizes equivalentes.
Se A e B so matrizes equivalentes, escrevemos A B ou B A.
Operaes sobre matrizes
As operaes que resultam em matrizes equivalentes original so apenas trs, que
sero apresentadas a seguir.
a) Troca de duas linhas.
b) Multiplicao de todos os elementos de uma linha por um escalar diferente de zero.
c) Substituio de uma linha pela soma dela prpria com um mltiplo de outra linha.
Exemplo 1
Aplique as seguintes operaes elementares matriz A.
A =
_
1 1 2
1 2 3
_
a) Trocar a primeira linha pela segunda.
L1 L2 A
1
=
_
1 2 3
1 1 2
_
b) Multiplicar a segunda linha por 3.
L2 = 3 L2 A
2
=
_
1 1 2
3 6 9
_
Matrizes elementares
Uma matriz considerada elementar (E) quando obtida a partir da matriz identidade
depois de aplicada apenas uma operao elementar.
Exemplo 2
Encontre matrizes elementares a partir das operaes:
c) Substituir a segunda linha pela soma dela com 5 vezes a primeira.
L2 = L2+ 5 L1
Neste caso, A A1 A2 A2.
1
Considere a matriz G =
_
_
_
2 1 0
0 3 0
1 2 1
_
_
_
e efetue as seguintes operaes
elementares em sequncia:
L2=3L2
L1=L13L3
L3=L3-L2
A
3
=
_
1 1 2
4 7 13
_
I =
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
a) Trocar a primeira linha pela segunda.
L1 L2 E
1
=
_
_
_
0 1 0
1 0 0
0 0 1
_
_
_
b) Multiplicar a segunda linha por 3.
L2 = 3 L2 E
2
=
_
_
_
1 0 0
0 3 0
0 0 1
_
_
_
c) Substituir a segunda linha pela soma dela com 5 vezes a primeira.
L2 = L2+ 5 L1 E
2
=
_
_
_
1 0 0
5 1 0
0 0 1
_
_
_
Uma informao interessante que, quando possvel a multiplicao, uma matriz equi-
valente pode ser obtida a partir da multiplicao da matriz elementar resultante da mesma
operao elementar.
Consideremos a matriz B e a operao elementar que troca a primeira linha pela terceira,
resultando em B1.
B =
_
_
_
1 2 3
4 5 6
7 8 9
_
_
_
L1 L3 B
1
=
_
_
_
7 8 9
4 5 6
1 2 3
_
_
_
Outra forma de obtermos esse resultado utilizando a matriz elementar que gerada
com a mesma operao elementar.
I =
_
_
_
1 0 0
0 1 0
0 0 0
_
_
_
L1 L3 E
1
=
_
_
_
0 0 1
0 1 0
1 0 0
_
_
_
Podemos dizer que B1=E1B: Comprovando:
E
1
.B =
_
_
_
0 0 1
0 1 0
1 0 0
_
_
_
_
_
_
1 2 3
4 5 6
7 8 9
_
_
_
=
_
_
_
0 + 0 + 7 0 + 0 + 8 0 + 0 + 9
0 + 4 + 0 0 + 5 + 0 0 + 6 + 0
1 + 0 + 0 2 + 0 + 0 3 + 0 + 0
_
_
_
E
1
.B =
_
_
_
7 8 9
4 5 6
1 2 3
_
_
_
= B
1
Resumo
Desao
2
1) Podemos dizer que uma matriz elementar sempre inversvel? Justique.
2) Sabendo que se multiplicamos matrizes elementares E1, depois E2, E3 e E4 nessa
ordem e sempre pela esquerda, pela matriz A2, obtemos a matriz identidade. Qual o proce-
dimento para obtermos a inversa de A?
Nesta aula, voc teve a oportunidade de identicar quando duas matrizes so
equivalentes e aprender quais operaes sobre linhas so operaes elemen-
tares. Sabendo aplicar as operaes elementares, voc est apto a modi-
car uma matriz com o objetivo de transform-la em uma forma pr-denida,
como a identidade, por exemplo, caso seja possvel. Essa manipulao levar
voc a aplicar essas operaes, mais adiante, para solucionar diversos pro-
blemas relacionados s matrizes, como o caso da inversa e da soluo de
sistemas lineares.
Obtenha 3 matrizes elementares de ordem 2x2 diferentes onde aparea
o nmero 3.
1
2
Autoavaliao
Quais dessas matrizes so elementares?
a) b) c) d)
Considere as matrizes A, B e C e encontre matrizes elementares, tais que:
Referncias
_
1 0
5 1
_ _
5 1
1 0
_
_
_
1 1 0
0 0 1
0 0 0
_
_
_
_
1 0 0
0 1 9
0 0 1
_
_
A =
_
_
3 4 1
2 7 1
8 1 5
_
_
B =
_
_
8 1 5
2 7 1
3 4 1
_
_
C =
_
_
3 4 1
2 7 1
2 7 3
_
_
a) E
1
A = B
b) E
2
B = A
c) E
3
A = C
d) E
3
C = A
Anotaes
Determinantes: denio,
clculo, propriedades e cofatores
3
Aula
1
2
3
Apresentao
O
determinante um recurso bastante aplicado com matrizes. Atravs dele pode-se ob-
ter informaes sobre a matriz, como por exemplo, saber se ela singular, associar
o determinante com a soluo de um sistema de equaes lineares, obter clculo de
reas e muitas outras aplicaes.
Nesta aula, veremos como calcular o determinante e conheceremos suas principais
propriedades.
Objetivos
Encontrar o determinante de uma matriz de qualquer ordem.
Saber identicar quando deve ser utilizada determinada
propriedade.
Montar a matriz de cofatores.
Denio
O determinante de uma matriz uma funo que leva uma matriz quadrada a um nmero
real, ou seja, o determinante um nmero real que associado a uma matriz.
A notao utilizada para o determinante de uma matriz qualquer uma das formas abaixo,
onde A uma matriz quadrada e a
ij
seu termo geral.
detA det(A) |A| det (a
ij
)
Considere o sistema de equaes lineares:
A soluo desse sistema dada por:
Onde, a
11
a
22
a
12
a
21
o determinante da matriz formada pelos
coecientes do sistema. Portanto, a soluo pode ser reescrita da seguinte forma:
Esse raciocnio se repete para matrizes quadradas de qualquer ordem, desde que as
operaes sejam possveis.
Clculo do determinante
As regras que foram aprendidas no Ensino Mdio para o clculo de determinantes de
ordem 2 e 3 so vlidas, porm, como voc vai proceder se necessitar calcular o determinante
de uma matriz de ordem 4 ou 5? As regras que foram aprendidas so casos particulares de
uma regra mais geral que iremos ver agora.
Para calcular o determinante de uma matriz quadrada basta utilizar o desenvolvimento
de Laplace:
_
a
11
x + a
12
y = b
1
a
21
x + a
22
y = b
2
x =
b
1
a
22
b
2
a
12
a
11
a
22
a
12
a
21
y =
b
2
a
11
b
1
a
21
a
11
a
22
a
12
a
21
A =
_
a
11
a
12
a
21
a
22
_
x =
b
1
a
22
b
2
a
12
det A
y =
b
2
a
11
b
1
a
21
det A
det A =
n
j=1
(1)
i+j
a
ij
det(
A
ij
)
Exemplo 1
Calcule o determinante das matrizes A, B e C.
Onde
ij
o determinante da matriz A, excluindo-se a linha i e a coluna j. i pode ser
qualquer linha (a escolher).
Importante: NUNCA podemos calcular o determinante de uma matriz que no
seja quadrada.
Determinante da matriz A:
Para usar o desenvolvimento de Laplace, devemos escolher uma linha (ou coluna) xa.
Vamos escolher a linha 1, portanto i=1, e como a matriz tem ordem 2, logo n=2:
Desenvolvendo a soma temos:
Sabemos que a
11
=2 e a
12
=3, para calcular
11
vamos excluir a linha 1 e a coluna 1 da
matriz A e calcular seu determinante:
A =
_
2 3
1 1
_
B =
_
_
0 2 3
1 1 2
1 1 1
_
_
C =
_
_
1 0 1 1
0 2 1 1
1 0 0 1
0 2 3 1
_
_
det A =
2 3
1 1
det A =
n
j=1
(1)
i+j
a
ij
det(
A
ij
)
det A =
2
j=1
(1)
1+j
a
1j
det(
A
1j
)
det A =
2
j=1
(1)
1+j
a
1j
det(
A
1j
) = (1)
1+1
a
11
det(
A
11
) + (1)
1+2
a
12
det(
A
12
)
A
11
=
2 3
1 1

A
11
= [1], logo det

A
11
= 1
2
1
3 2 3 22 3 22
O mesmo para
12
:
Logo,
Determinante da matriz B:
Vamos escolher a linha 1, nesse caso, por conter a maior quantidade de zeros, o que facilita
os clculos. Portanto i=1, e como a matriz tem ordem 3, logo n=3:
Desenvolvendo a soma, temos:
Sabemos que b
11
=0, b
12
=2 e b
13
=3, dessa forma, a primeira parcela da soma ser zero
de qualquer forma, portanto, no precisamos calcular
det A = (1)
1+1
a
11
det(

A
11
) + (1)
1+2
a
12
det(

A
12
)
= 1.2.(1) + (1).3.1 = 5
det B =
0 2 3
1 1 2
1 1 1
det B =
n
j=1
(1)
i+j
b
ij
det(
B
ij
)
det B =
3
j=1
(1)
1+j
b
1j
det(
B
1j
)
det B =
3
j=1
(1)
1+j
b
1j
det(
B
1j
)
= (1)
1+1
b
11
det(
B
11
) + (1)
1+2
b
12
det(
B
12
) + (1)
1+3
b
13
det(
B
13
)
B
11
B
12
=
0 2 3
1 1 2
1 1 1

B
12
=
1 2
1 1
, logo det

B
12
= 3
B
13
=
0 2 3
1 1 2
1 1 1

B
13
=
1 1
1 1
, logo det

B
13
= 2
3 0
1
1
2
0 2
2
1
3
A
12
=
2 3
1 1

A
12
= [1], logo det

A
12
= 1
2
1
3
Logo,
Determinante da matriz C:
Vamos escolher a linha 3 por conter a maior quantidade de zeros, o que facilita os clculos.
Portanto, i=3, e como a matriz tem ordem 4, logo n=4:
Sabemos que C
31
=1, C
32
=0, C
33
=0 e C
34
=1, dessa forma, a segunda e a terceira
parcelas da soma sero zero de qualquer forma, portanto, no precisamos calcular
det B = (1)
1+1
b
11
det(
B
11
) + (1)
1+2
b
12
det(
B
12
) + (1)
1+3
b
13
det(
B
13
)
= 0 + (1).2.3 + 1.3.2 = 0
det C =
1 0 1 1
0 2 1 1
1 0 0 1
0 2 3 1
Desenvolvendo a soma, temos:

det C =
n
j=1
(1)
i+j
c
ij
det(
C
ij
)
det C =
4
j=1
(1)
3+j
c
3j
det(
C
3j
)
det C =
4
j=1
(1)
3+j
c
3j
det(
C
3j
) = (1)
3+1
c
31
det(
C
31
) + (1)
3+2
c
32
det(
C
32
) +
+ (1)
3+3
c
33
det(
C
33
) + (1)
3+4
c
34
det(
C
34
)
C
32
e

C
33
C
31
=
1 0 1 1
0 2 1 1
1 0 0 1
0 2 3 1
C
31
=
0 1 1
2 1 1
2 3 1
, logo det

C
31
= 8
C
34
=
1 0 1 1
0 2 1 1
1 0 0 1
0 2 3 1
C
34
=
1 0 1
0 2 1
0 2 3
, logo det

C
34
= 8
0
1
0
0 0 1 1
1
1
1
1 0 0 1
Logo,
1
Calcule os determinantes:
a) b) c)
Propriedades
O clculo do determinante de uma matriz pode ser sensivelmente reduzido quando ob-
servadas as propriedades a seguir.
1) O determinante de uma matriz no se altera quando trocamos as linhas pelas colunas.
3) Se a matriz A possui uma linha (ou coluna) constituda de elementos todos nulos, o de-
terminante nulo.
3) Se a matriz A possui duas linhas (ou colunas) iguais, o determinante nulo.
det C = (1)
3+1
c
31
det(
C
31
) + (1)
3+2
c
32
det(
C
32
) +
+ (1)
3+3
c
33
det(
C
33
) + (1)
3+4
c
34
det(
C
34
)
= 1.1.(8) + 0 + 0 + (1).1.8 = 16
G =
_
2 2
3 1
_
H =
_
_
_
0 1 1
2 0 1
1 1 0
_
_
_ J =
_
_
_
_
_
_
2 1 0 1
0 2 0 1
1 0 2 3
0 0 2 0
_
_
_
_
_
_
det(A) = det(A
t
) det A =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
1
a
2
a
3
b
1
b
2
b
3
c
1
c
2
c
3
det A =
a
1
b
1
0
a
2
b
2
0
a
3
b
3
0
= 0
det A =
a
1
b
1
a
1
a
2
b
2
a
2
a
3
b
3
a
3
= 0
4) Se na matriz A, duas linhas (ou colunas) tm seus elementos correspondentes proporcio-
nais, o determinante nulo.
5) Se na matriz A, cada elemento de uma linha (ou coluna) uma soma de duas parcelas, o
determinante de A pode ser expresso sob a forma de uma soma dos determinantes de
suas matrizes.
6) O determinante de uma matriz triangular igual ao produto dos elementos da diagonal
principal.
7) Trocando duas linhas (ou colunas) da matriz A, o determinante muda de sinal.
8) Quando multiplicamos um nmero real por todos os elementos de uma linha (ou coluna)
da matriz A, o determinante multiplicado por esse nmero real.
det A =
a
1
b
1
ka
1
a
2
b
2
ka
2
a
3
b
3
ka
3
= 0
det A =
a
1
b
1
c
1
+ d
1
a
2
b
2
c
2
+ d
2
a
3
b
3
c
3
+ d
3
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
1
b
1
d
1
a
2
b
2
d
2
a
3
b
3
d
3
det A =
a
11
a
12
a
13
0 a
22
a
23
0 0 a
33
= a
11
a
22
a
33
det A =
a
11
0 0
a
21
a
22
0
a
31
a
32
a
33
det A =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
1
b
1
c
1
a
3
b
3
c
3
a
2
b
2
c
2
a
1
b
1
c
1
ka
2
kb
2
kc
2
a
3
b
3
c
3
= k
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
ka
1
kb
1
kc
1
ka
2
kb
2
kc
2
a
3
b
3
c
3
= k
2
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
ka
1
kb
1
kc
1
ka
2
kb
2
kc
2
ka
3
kb
3
kc
3
= k
3
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3

det(kA)=K
n
det(A), onde n ordem de A.
9) Um determinante no se altera quando somamos duas linhas (ou colunas) de uma matriz
A previamente multiplicada por uma constante.
10) Sejam A e B matrizes, o determinante do produto igual ao produto dos determinantes.
det(AB)=det(A) det(B).
11) Sejam A e B matrizes, o determinante da soma diferente da soma dos determinantes.
det(A+B)det(A)+det(B).
Exemplo 2
Sabendo que o determinante de A 11, encontre:
a) det(3A) d)
b)
c) e)
det A =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
1
b
1
c
1
a
2
+ ka
1
b
2
+ kb
1
c
2
+ kc
1
a
3
b
3
c
3
A =
_
_
1 2 3 1
2 0 3 1
1 1 1 2
1 0 1 0
_
2 0 3 1
1 2 3 1
1 1 1 2
1 0 1 0
1 2 3 1
4 0 6 2
1 0 1 0
1 1 1 2
3 2 6 0
2 0 3 1
1 1 1 2
1 0 1 0
1 2 3 1
2 0 3 1
3 3 3 6
2 0 2 0

Respostas:
a) Como det(A)=11, ento det(3A)=3
4
det(A)=8111=891, onde 4 a ordem de A.
b) Observando a matriz, nota-se que ela difere apenas na troca da primeira com a segunda
linha em relao matriz A. Portanto, o determinante aparece multiplicado por 1.
c) Nota-se que ela difere na troca da terceira com a quarta linha em relao matriz A e,
alm disso, a segunda linha aparece multiplicada por 2. Portanto, o determinante aparece
multiplicado por 1 e por 2.
d) Nota-se que a diferena da matriz em relao matriz A est na primeira linha, que igual
soma da primeira com a segunda linha de A. Nesse caso, o determinante no se altera.
e) Percebe-se que a matriz modicada em relao matriz A, j que a terceira linha aparece
multiplicada por 3 e a quarta por 4, logo, esses dois fatores aparecem multiplicando o
determinante original.
f)
2 0 3 1
1 2 3 1
1 1 1 2
1 0 1 0
= det(A) = 11
1 2 3 1
4 0 6 2
1 0 1 0
1 1 1 2
= (1).2.det(A) = 2.11 = 22
3 2 6 0
2 0 3 1
1 1 1 2
1 0 1 0
= det(A) = 11
1 2 3 1
2 0 3 1
3 3 3 6
2 0 2 0
= 3.2.det(A) = 6.11 = 66
2
a) b) c)
Expanso em cofatores
No estudo do determinante de uma matriz, vimos que o determinante de uma matriz de
ordem n dado por:
Porm, essa expresso pode ser reescrita como:
Onde C
ij
=(1)
i+j
det(
ij
) e denominado como Cofator de a
ij
. A entrada
ij
chamada de
Menor de a
ij
. Portanto, o determinante pode ser expresso em funo dos cofatores da
matriz A:
Fixando uma linha:
Fixando uma coluna:
Como cada elemento da matriz A corresponde a um cofator, ento, possvel montar
uma matriz apenas com os cofatores.
G =
_
2 2
3 3
_
H =
_
_
_
0 1 1
2 0 2
1 1 2
_
_
_ J =
_
_
_
_
_
_
2 1 0 1
0 2 0 1
0 0 2 3
0 0 0 0
_
_
_
_
_
_
det A =
n
j=1
(1)
i+j
a
ij
det(
A
ij
)
det A =
n
j=1
a
ij
C
ij
det A =
n
j=1
a
ij
C
ij
= a
i1
C
i1
+ a
i2
C
i2
+ . . . + a
in
C
in
det A =
n
i=1
a
ij
C
ij
= a
1j
C
1j
+ a
2j
C
2j
+ . . . + a
nj
C
nj
C =
_
_
C
11
C
12
C
1n
C
21
C
22
C
2n
.
.
.
.
.
.
.
.
.
.
.
.
C
n1
C
n2
C
nn
_
_
Exemplo 3
Calcule a matriz de cofatores de A e encontre o determinante de A:
Encontrando os cofatores C
ij
=(1)
i+j
det(
ij
):
Para encontrar o determinante de A, precisamos escolher uma linha ou uma coluna,
preferencialmente a que tenha mais zeros. Vamos escolher a linha 3:
Se escolhermos a coluna 1, por exemplo, devemos encontrar o mesmo resultado:
A =
_
_
2 2 0
1 2 1
0 1 1
_
_
C
11
=(1)
1+1
det
_
2 1
1 1
_
C
12
=(1)
1+2
det
_
1 1
0 1
_
C
13
=(1)
1+3
det
_
1 2
0 1
_
C
21
=(1)
2+1
det
_
2 0
1 1
_
C
22
=(1)
2+2
det
_
2 0
0 1
_
C
23
=(1)
2+3
det
_
2 2
0 1
_
C
31
=(1)
3+1
det
_
2 0
2 1
_
C
32
=(1)
3+2
det
_
2 0
1 1
_
C
33
=(1)
3+3
det
_
2 2
1 2
_
C
11
= 1.(3) = 3 C
12
= (1).(1) = 1 C
13
= 1.1 = 1
C
21
= (1).2 = 2 C
22
= 1.(2) = 2 C
23
= (1).2 = 2
C
31
= 1.(2) = 2 C
32
= (1).2 = 2 C
33
= 1.6 = 6
C =
_
_
3 1 1
2 2 2
2 2 6
_
_
det A =
3
j=1
a
3j
C
3j
= a
31
C
31
+ a
32
C
32
+ a
33
C
33
= 0.(2) + 1.(2) + (1).6 = 8
det A =
3
i=1
a
i1
C
i1
= a
11
C
11
+ a
21
C
21
+ a
31
C
31
= 2.(3) + 1.(2) + 0.(2) = 8
3
Encontre a matriz dos cofatores:
a) b) c)
Desao
1) Por inspeo, encontre duas solues da equao . possvel haver
outras solues? Justique.
2) Por que o determinante com uma linha (ou coluna) toda nula deve ser zero?
3) Mostre que a equao da reta no R
2
pode ser escrita como .
4) Encontre uma equao, semelhante presente no Desao 3, que descreva a equao da
reta que passa por (x
0
,y
0
) e tem inclinao m.
Resumo
Com esta aula, voc se tornou capaz de encontrar o determinante de uma matriz
de qualquer ordem, diferentemente do que se aprende no Ensino Mdio, quando
se aprende apenas a calcular determinantes de matrizes de ordem 2 e 3 atravs
de regras que so casos particulares da regra geral vista aqui. Voc aprendeu
tambm a utilizar as propriedades dos determinantes para evitar fazer contas
desnecessrias quando se tem algumas caractersticas que facilitam o seu clcu-
lo. Nesta aula, voc ainda teve a oportunidade de aprender a montar a matriz de
cofatores, matriz que ser muito til quando formos estudar matrizes inversas.
G =
_
2 2
3 1
_
H =
_
_
_
0 1 1
2 0 1
1 1 0
_
_
_
J =
_
_
_
_
_
_
2 1 0 1
0 2 0 1
1 0 2 3
0 0 2 0
_
_
_
_
_
_
1 x x
2
1 1 1
1 3 9
= 0
_
_
1 x y
1 x
1
y
1
1 x
2
y
2
_
_
= 0
1
2
Autoavaliao
a) e)
b) f)
c) g)
1 0 2
2 1 1
1 0 0
d) h)
Sabendo que
a b c
d e f
g h i
= 3
, calcule:
a) d)
b) e)
c) f)
3 1
4 5
2

6
1

3
2 1 1
1 2 4
3 4 2
3 1 1 1
0 1 0 1
0 1 1 0
0 0 1 1
1 0 0 0 0
2 3 0 0 0
7 2

2 0 0
10 3 6 0 0
5 1 2 5 3
0 0 0 0 3
0 0 0 2 0
0 0 1 0 0
0 2 0 0 0
4 0 0 0 0
3 0 0 0 0
0 0 0 0 2
0 0 2 0 0
0 0 0 1 0
0 2 0 0 0
a b c
d e f
5g 5h 5i
a b c
2d + a 2e + b 2f + c
g h i
a b 2c
3d 3e 6f
g h 2i
ak + a bk + b ck + c
d e f
g h i
a b c
g h i
d e f
g h i
a b c
d e f
3
4
5
6
7
Sem calcular diretamente, encontre valores de a que satisfazem
Sem calcular diretamente, mostre que
Indique se as armaes so verdadeiras ou falsas. Considere A e B matrizes de
ordem n.
a) Uma operao de substituio de linha no altera o determinante de uma matriz.
b) Se dois intercmbios de linhas forem realizados em uma matriz, o novo determinante ser
igual ao antigo.
c) O determinante de A igual ao determinante da diagonal principal.
d) Se det(A)=0, ento duas linhas ou duas colunas so iguais ou tm todos os elementos zero.
e) det(A
t
)=(1)det(A)
f) det(AB)=det(BA)
g) det(2A)=2det(A)
h) det(A
2
)=(det(A))
2
i) det(A
t
A)0
j) Se det(A
3
)=0 , ento det(A)=0.
Prove que
Prove que
a
2
a 2
2 1 1
0 0 5
= 0
y + z z + x y + x
x y z
1 1 1
= 0
x
1
y
1
x
1
+ y
1
+ z
1
x
2
y
2
x
2
+ y
2
+ z
2
x
3
y
3
x
3
+ y
3
+ z
3
x
1
y
1
z
1
x
2
y
2
z
2
x
3
y
3
z
3
x
1
+ y
1
x
1
y
1
c
1
x
2
+ y
2
x
2
y
2
c
2
x
3
+ y
3
x
3
y
3
c
3
= 2
x
1
y
1
z
1
x
2
y
2
z
2
x
3
y
3
z
3
Anotaes
Referncias
Anotaes
Anotaes
Inverso de matrizes:
denio, propriedades e mtodos
4
Aula
1
2
3
Apresentao
N
o estudo de matrizes, inevitvel nos depararmos com as matrizes inversas, elas so
essenciais na manipulao de sistemas matriciais e nos ajudam a entender melhor
determinados sistemas e operaes.
Objetivos
Calcular a matriz adjunta.
Encontrar a matriz inversa utilizando dois mtodos estu-
dados.
Reconhecer qual mtodo mais adequado em determinada
situao.
Denio
Vamos considerar duas matrizes A e B de dimenso n, onde o produto das duas igual
identidade:
A.B=B.A=I
Quando isso acontece, dizemos que A inversa de B e B inversa de A, ou ainda:
A=B
1
Notao:
B=A
1
Quando uma matriz no admite inversa dizemos que ela singular (no tem o seu par, a
inversa) ou no inversvel. Analogamente, quando a matriz admite inversa ela no singular
ou inversvel.
Propriedades
Considerando A, B, C e D matrizes inversveis:
1) A:A
1
= A
1
:A=I
2) (A
1
)
1
= A
3) (A
1
)
t
= (A
t
)
1
4) (A:B)
1
= B
1
:A
1
5) (A:B:C:D)
1
= D
1
:(A:B:C)
1
= D
1
:C
1
(A:B)
1
= D
1
:C
1
:B
1
:A
1
Importante: Apenas existe sentido em falar de matrizes inversas quando fala-
mos de matrizes quadradas.
Exemplo 1
Prove que as matrizes A e B so inversas uma da outra.
Como satisfez a igualdade, ento A e B so inversas uma da outra.
Mtodos de inverso
de matrizes
Vericar se duas matrizes so inversas ou no relativamente simples, basta operar uma
multiplicao de matrizes, porm, se desejamos encontrar a inversa de uma matriz, ento o
trabalho um pouco maior.
O primeiro passo para a obteno da inversa de uma matriz descobrir se a matriz admite
ou no inversa, e quem nos fornecer essa informao o determinante da matriz. Uma matriz
somente admite inversa se seu determinante for diferente de zero.
Determinante Situao da matriz
= 0 (zero) Singular
0 (zero) No Singular
Aqui vamos mostrar duas formas de encontrar a inversa de uma matriz, usando a matriz
adjunta e escalonando a matriz identidade.
Uso da matriz adjunta
Primeiro, vamos denir a matriz adjunta. Vimos que a matriz dos cofatores dada por:
A =
_
3 5
1 2
_
B =
_
2 5
1 3
_
Para provar que elas so inversas, basta mostrar que A:B= B:A=I
A.B =
_
3 5
1 2
_
_
2 5
1 3
_
=
_
3.2 + 5.(1) 3.(5) + 5.3
1.2 + 2.(1) 1.(5) + 2.3
_
=
_
1 0
0 1
_
B.A =
_
2 5
1 3
_
_
3 5
1 2
_
=
_
2.3 + (5).1 2.5 + (5).2
1.3 + 3.1 1.5 + 3.2
_
=
_
1 0
0 1
_
C
ij
= (1)
i+j
det(
A
ij
) C =
_
_
C
11
C
12
C
1n
C
21
C
22
C
2n
.
.
.
.
.
.
.
.
.
.
.
.
C
n1
C
n2
C
nn
_
_
A matriz adjunta da matriz A nada mais que a matriz dos cofatores de A transposta.
A
dj
(A)=C
t
(A)
Para encontrar a matriz inversa usando a matriz adjunta, devemos usar a equao:
Por essa equao, ca claro perceber por que uma matriz com determinante igual a zero
no admite inversa. Com o determinante zero surge uma inconsistncia.
Exemplo 2
Encontre a inversa de H usando a adjunta.
A
1
=
1
det A
A
dj
(A)
Primeiro devemos encontrar a matriz dos cofatores: .
H =
_
_
2 2 0
1 2 1
0 1 1
_
_
C
ij
= (1)
i+j
det(
H
ij
)
C
11
=(1)
1+1
det
_
2 1
1 1
_
C
12
=(1)
1+2
det
_
1 1
0 1
_
C
13
=(1)
1+3
det
_
1 2
0 1
_
C
21
=(1)
2+1
det
_
2 0
1 1
_
C
22
=(1)
2+2
det
_
2 0
0 1
_
C
23
=(1)
2+3
det
_
2 2
0 1
_
C
31
=(1)
3+1
det
_
2 0
2 1
_
C
32
=(1)
3+2
det
_
2 0
1 1
_
C
33
=(1)
3+3
det
_
2 2
1 2
_
Logo, a matriz adjunta ser:
A
dj
(H) = C
t
=
_
_
3 1 1
2 2 2
2 2 6
_
_
t
=
_
_
3 2 2
1 2 2
1 2 6
_
_
C
11
= 1.(3) = 3 C
12
= (1).(1) = 1 C
13
= 1.1 = 1
C
21
= (1).2 = 2 C
22
= 1.(2) = 2 C
23
= (1).2 = 2
C
31
= 1.(2) = 2 C
32
= (1).2 = 2 C
33
= 1.6 = 6
C =
_
_
3 1 1
2 2 2
2 2 6
_
_
Para encontrar o determinante de H, precisamos escolher uma linha ou uma coluna,
vamos escolher a linha 1.
Uso da matriz identidade
Por denio, toda matriz inversvel equivalente matriz identidade. Ento, imagine
que podemos realizar operaes elementares sobre uma matriz A, at que consigamos obter
a matriz identidade como resultado. Caso isso no seja possvel, implica dizer que se trata de
uma matriz no inversvel.
Partindo dessa caracterstica, vamos supor que uma determinada matriz A possua in-
versa. Se partirmos de A e aplicarmos operaes elementares podemos chegar matriz
identidade.
AI
Para encontrarmos a inversa de A (ordem n) utilizando essa caracterstica, devemos
partir no somente de A, mas da composio da matriz A com a matriz identidade.
1
Use a matriz adjunta para encontrar a inversa de:
a) b) c)
det H =
3
j=1
h
1j
C
1j
= h
11
C
11
+ h
12
C
12
+ h
13
C
13
= 2.(3) + (2).1 + 0.1 = 8
Calculando a inversa:
H
1
=
1
det H
A
dj
(H)
H
1
=
1
(8)
_
_
3 2 2
1 2 2
1 2 6
_
_
=
_
_
3
8
1
4
1
4
1
8
1
4
1
4
1
8
1
4
3
4
_
_
G =
_
2 2
3 1
_
H =
_
_
_
0 1 1
2 0 1
1 1 0
_
_
_
J =
_
_
_
_
_
_
2 1 0 1
0 2 0 1
1 0 2 3
0 0 2 0
_
_
_
_
_
_
Ao manipularmos essa matriz composta com as operaes elementares, tomamos como
objetivo transformar o lado esquerdo na matriz identidade, dessa forma, obteremos, do lado
direito, a matriz inversa de A.
Exemplo 3
Encontre a inversa de H usando as operaes e a matriz identidade.
O objetivo agora utilizar as operaes elementares para colocar a matriz identidade no
lugar da matriz H.
Primeira operao, vamos deixar o nmero 1 na posio inicial:
[A I]
_
_
a
11
a
12
a
1n
1 0 0
a
21
a
22
a
2n
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
0 0 1
_
_
H =
_
_
2 2 0
1 2 1
0 1 1
_
_
Primeiro passo montar a matriz estendida:
Agora vamos zerar o elemento abaixo desse 1:
[H I] =
_
_
2 2 0 1 0 0
1 2 1 0 1 0
0 1 1 0 0 1
_
_
L2 = L2 L1 [H I] =
_
_
1 1 0
1
2
0 0
0 3 1
1
2
1 0
0 1 1 0 0 1
_
_
L1 = L1/2 [H I] =
_
_
1 1 0
1
2
0 0
1 2 1 0 1 0
0 1 1 0 0 1
_
_
A I A
-1
I
~
Importante: Os passos no seguem uma ordem especca, pode ser seguida
qualquer sequncia, porm o resultado sempre deve ser o mesmo, indepen-
dente do caminho. Outro ponto importante que a operao escolhida deve ser
aplicada linha toda e no somente na primeira parte.
Como obtemos do lado esquerdo a matriz identidade, ento, do lado direito, temos a
inversa de A.
L1 = L1 + L3 [H I]
_
_
1 0 1
1
2
0 1
0 3 1
1
2
1 0
0 1 1 0 0 1
_
_
L2 = L2 2L3 [H I]
_
_
1 0 1
1
2
0 1
0 1 3
1
2
1 2
0 1 1 0 0 1
_
_
L3 = L3 L2 [H I]
_
_
1 0 1
1
2
0 1
0 1 3
1
2
1 2
0 0 4
1
2
1 3
_
_
L3 = L3/4 [H I]
_
_
1 0 1
1
2
0 1
0 1 3
1
2
1 2
0 0 1
1
8
1
4
3
4
_
_
L1 = L1 + L3 [H I]
_
_
1 0 0
3
8
1
4
1
4
0 1 3
1
2
1 2
0 0 1
1
8
1
4
3
4
_
_
L2 = L2 3L3 [H I]
_
_
1 0 0
3
8
1
4
1
4
0 1 0
1
8
1
4
1
4
0 0 1
1
8
1
4
3
4
_
_
Exemplo 4
Encontre a inversa de G usando as operaes elementares e a matriz identidade.
Primeiro passo montar a matriz estendida:
O objetivo agora utilizar as operaes elementares para colocar a matriz identidade no
lugar da matriz G.
Como na primeira posio temos um zero, vamos fazer uma troca de linhas:
[H I] [I H
1
] =
_
_
1 0 0
3
8
1
4
1
4
0 1 0
1
8
1
4
1
4
0 0 1
1
8
1
4
3
4
_
_
H
1
=
_
_
3
8
1
4
1
4
1
8
1
4
1
4
1
8
1
4
3
4
_
_
G =
_
_
0 1 0 0
1 0 1 0
1 0 1 1
0 0 0 1
_
_
[G I] =
_
_
0 1 0 0 1 0 0 0
1 0 1 0 0 1 0 0
1 0 1 1 0 0 1 0
0 0 0 1 0 0 0 1
_
_
L1 L2 [G I]
_
_
1 0 1 0 0 1 0 0
0 1 0 0 1 0 0 0
1 0 1 1 0 0 1 0
0 0 0 1 0 0 0 1
_
_
L3 = L3 + L1 [G I]
_
_
1 0 1 0 0 1 0 0
0 1 0 0 1 0 0 0
0 0 0 1 0 1 1 0
0 0 0 1 0 0 0 1
_
_
A partir desse momento, d para perceber que, independente da operao elementar
que apliquemos, jamais ser possvel obter a matriz identidade do lado esquerdo. Isso ocorre
porque a matriz G no possui inversa, o que pode ser facilmente constatado calculando-se o
seu determinante, que zero. Se usarmos as propriedades, percebemos que a quarta linha
resultado da soma da segunda com a terceira linha, logo,
det(G)=0
Por isso, sempre que tivermos que calcular uma inversa de uma matriz, o ideal que
calculemos antes seu determinante para saber se a tal inversa existe ou no, assim poupamos
trabalho em alguns casos.
1) Em que situao possvel dizer que o produto AB = AC resulta na concluso que B
= C? Justique.
2) Se A uma matriz inversvel, a adjunta de A ser tambm sempre inversvel? Justique.
3) Existe uma codicao utilizando a multiplicao matricial, onde nmeros so associados
ao alfabeto:
A B C D E F G H I J K L M
1 2 3 4 5 6 7 8 9 10 11 12 13
N O P Q R S T U V W X Y Z
14 15 16 17 18 19 20 21 22 23 24 25 26
2
Use a matriz identidade e as operaes elementares para encontrar a inversa de:
a) b) c)
Desao
G =
_
2 2
3 3
_
H =
_
_
_
0 1 1
2 0 1
1 1 0
_
_
_
J =
_
_
_
_
_
_
2 1 0 1
0 2 0 1
0 0 2 3
0 0 0 0
_
_
_
_
_
_
1
Suponhamos que a nossa mensagem seja BELA LUA. Podemos formar uma matriz
Agora considere C uma matriz qualquer 3x3 inversvel, .
C chamada de matriz chave para o cdigo.
Transmitimos essa nova matriz M C. Responda:
a) Quem recebe a mensagem (M C), como deve decodic-la?
Autoavaliao
Encontre a inversa de B:
a) c)
b) d)
3x3 assim: , que usando a correspondncia numrica ca:
_
_
B E L
A L
U A
_
_
Multiplicando a mensagem M por C, obtemos .
b) Supondo que voc recebeu a matriz traduza a mensagem.
Resumo
Nesta aula, voc aprendeu o conceito de matriz inversa e viu dois mtodos para
o seu clculo: um utilizando a matriz identidade e outro a matriz adjunta, que
oriunda da matriz de cofatores.
M =
_
_
2 5 12
1 0 12
21 1 0
_
_
C =
_
_
0 1 0
2 1 1
1 0 1
_
_
M C =
_
_
2 7 7
12 1 12
2 22 1
_
_
M C =
_
_
9 5 14
38 41 17
26 18 13
_
_
B =
_
5
_
B =
_
4 5
5 6
_
B =
_
_
_
1 2 1
2 0 1
0 1 0
_
_
_
B =
_
cos() sen()
sen() cos()
_
2
3
4
5
Encontre A em cada caso.
Sejam A e B matrizes de ordem 4, sendo det(A)=1 e det(B)=3. Calcule:.
a) det(AB)
b) det(AA)
1
c) det(A
1
)
d) det(5A)
e) det(A
3
)
f) det(B
t
)
1
)
g) det(AB
1
)
h) det((3AB)
1
A)
a) c)
b) d)
a) b)
a) Calcule M
1
usando a adjunta.
b) Calcule M
1
usando operaes elementares e a matriz identidade.
c) Qual mtodo utiliza menos contas?
Encontre os valores de K que tornam as matrizes singulares.
Seja M=
_
_
1 3 1 1
2 5 2 2
1 3 8 9
1 3 2 2
_
_
A
1
=
_
2 1
3 5
_
(7A)
1
=
_
3 7
1 2
_
(5A
t
)
1
=
_
3 1
5 2
_
(I + 2A)
1
=
_
1 2
4 5
_
_
k 3 2
2 k 2
_
_
_
1 2 4
3 1 6
k 3 2
_
_
Anotaes
Referncias
Anotaes
Sistema de equaes lineares:
denio e mtodos de resoluo
5
Aula
1
2
3
Apresentao
O
s sistemas de equaes lineares esto presentes nas mais diversas reas, como na
modelagem dos sistemas fsicos, por exemplo, nos circuitos eltricos, em problemas de
otimizao, em que podemos citar a otimizao de uma linha de produo, na economia
etc. Vrios problemas corriqueiros resultam, na sua forma nal, em um sistema de equaes
lineares, o que permite uma simplicao e uma fcil resoluo de problemas considerados
inicialmente mais complexos.
Nesta aula, aprenderemos sobre como manipular os sistemas lineares e veremos tambm
os mtodos para sua resoluo.
Objetivos
Identicar sistemas lineares.
Representar os sistemas lineares na forma matricial e re-
alizar as devidas manipulaes.
Conhecer e aplicar corretamente os mtodos de resoluo
de sistemas lineares.
Denio
Antes de comearmos a estudar sistemas lineares, vamos entender o que uma
equao linear.
Toda equao onde podemos escrever o conjunto de varveis x
i
multiplicadas por pesos
sempre constantes reais a
i
chamamos de equao linear.
a
a
x
1
+a
2
x
2
+a
3
x
3
+...+a
n
x
n
= b
Exemplo 1
Quais das equaes abaixo so lineares?
a) 5x 8y 10,3z = 2
b)
c) 2 + x y = 3z
d)
e) 2x yz +4 = 0
f)
Tomando por base que a denio de equao linear sempre uma equao onde as
incgnitas tm grau mximo 1 e aparecem multiplicadas por constantes, no aparecendo outra
forma de multiplicao, e podendo apresentar ainda constante sem multiplicao de varivel,
temos que apenas as letras a, b, c e f so lineares.
Na letra d aparece a raiz de uma varivel, ou seja, , no satisfazendo as condies;
e na letra e aparecem duas variveis sendo multiplicadas, o que caracteriza a no linearidade.
Um sistema de equaes lineares ou sistema linear consiste em um conjunto de m
equaes lineares com n incgnitas:
a
i
e b .
2, 5x
2y = 0
x 3y
z = 2
x +
y
2
+ 3 = 0
z
1
2
_
_
a
11
x
1
+a
12
x
2
+. . . +a
1j
x
j
+. . . +a
1n
x
n
= b
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
x
1
+a
i2
x
2
+. . . +a
ii
x
j
+. . . +a
in
x
n
= b
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+a
m1
x
1
+. . . +a
mi
x
j
+. . . +a
mn
x
n
= b
m
i=1,2,...,m e j=1,2,...,n
Existem algumas classicaes para sistemas de equaes lineares, a mais simples
delas a que diferencia os sistemas homogneos dos no homogneos. Os sistemas lineares
homogneos so aqueles onde os termos independentes b
i
so todos nulos, mas, caso haja
ao menos um desses coecientes diferentes de zero, ento, o sistema passa a ser classicado
como no homogneo.
Exemplo 2
Sistemas lineares homogneos:
Soluo de sistemas lineares
A soluo de um sistema de equaes lineares a sequncia de nmeros tais que a
equao satisfeita. chamada de conjunto soluo.
Por exemplo, no sistema linear
_
x + y = 3
x y = 1
, se tomarmos a soluo x=2 e
y=1, teremos sempre uma equao vlida ao substituirmos nas duas equaes, portanto, o
conjunto soluo desse sistema {x, y / x = 2, y = 1} .
A soluo de um sistema de equaes lineares pode ser bem determinada como mostra o
exemplo acima, ou pode ser mais complexa. Por exemplo, se nos deparamos com um sistema
linear formado por apenas uma equao e duas incgnitas {x+y= 5, de imediato podemos
dizer que existe mais de uma soluo possvel (x,y) = (2,3) ou (1,4) ou (6,1) e assim suces-
sivamente. Percebemos ento que esse sistema possui innitas solues.
A quantidade de solues de um sistema de equaes lineares implica em uma nova
classicao dos sistemas lineares, mostrada na Figura 1.
Sistemas lineares no homogneos:
Figura 1 Classicao de sistemas lineares quanto ao nmero de solues
_
_
2x + y 3x = 0
x z = 0
x + y + x = 0
,
_
_
x
1
x
2
+ x
3
x
4
= 0
x
2
x
3
+ x
4
= 0
x
1
+ 3x
3
5x
4
= 0
,
_
_
2x + y 3x = 0
x z = 0
x + y + x = 1
_
_
x
1
x
2
+ x
3
x
4
= 3
x
2
x
3
+ x
4
= 2
x
1
+ 3x
3
5x
4
= 1
Um sistema linear pode ter ou no soluo, sendo denominado de sistema possvel ou
impossvel, respectivamente. Dentre os sistemas que admitem soluo, existem os que tm
apenas uma nica soluo (determinado) e outros que podem apresentar um conjunto innito
de solues (indeterminado). Os sistemas possveis tambm podem ser chamados de consis-
tente e os impossveis, de inconsistente.
Sistemas equivalentes
So sistemas de equaes lineares que apresentam o mesmo conjunto soluo, apesar
de se apresentarem distintamente. Por exemplo, vimos anteriormente que o conjunto soluo
do sistema , j o sistema
apesar de ser diferente, tambm apresenta o mesmo conjunto soluo: .
Portanto, os dois sistemas so equivalentes.
Exemplo 3
Sistemas lineares homogneos:
a) b) c)
a)
_
2a b = 2
a b = 1
fazendo a primeira equao menos a segunda, temos:
Sistema possvel determinado Apresenta nica soluo.
b) vamos isolar b na primeira equao e substituir na segunda:
Dessa forma no chegamos a concluso nenhuma.
Isso ocorre porque as duas equaes apresentam a mesma informao, note que se pe-
garmos a primeira equao e multiplicarmos por 2, obteremos exatamente a segunda equao.
Na realidade, esse sistema de equaes se resume a uma nica equao: {2a b= 1, resolvendo
temos que b=2a 1 , ento qualquer soluo que satisfaa essa equao soluo desse sistema.
Por exemplo, (a,b) = (1,1) ou (0,1) ou (2,3) e assim sucessivamente.
_
x + y = 3
x y = 1
{x, y / x = 2, y = 1}
_
3x + y = 7
2x 2y = 2
_
3.2 + 1 = 7
2.2 2.1 = 2
_
2a b = 2
a b = 1
_
2a b = 1
4a + 2b = 2
_
2a b = 1
4a + 2b = 1
2a a = 2 1
a = 1 Se a = 1, ento, b = 0
S = {a, b / a = 1, b = 0}
_
2a b = 1
4a + 2b = 2
_
_
b = 2a 1
4a + 2(2a 1) = 2
2 = 2
Sistema possvel indeterminado Apresenta innitas solues.
c) Vamos isolar b na primeira equao e substituir na segunda:
Dessa forma, chegamos a uma inconsistncia!
Isso acontece porque o sistema impossvel, no existe nenhuma combinao sequer
para a e b que satisfaam simultaneamente as duas equaes.
S={}
Sistema Impossvel No apresenta solues.
Representao matricial
Vamos considerar um sistema de equaes lineares genrico, com m equaes e n
incgnitas:
1
Identique o sistema quanto ao nmero de solues.
Se considerarmos as incgnitas em um vetor, teremos:
S = {a, b / b = 2a 1}
_
2a b = 1
4a + 2b = 1
_
_
b = 2a 1
4a + 2(2a 1) = 1
2 = 1 ERRO
_
_
x + z = 1
2x y + z = 0
x y = 1
_
_
a
11
x
1
+a
12
x
2
+. . . +a
1j
x
j
+. . . +a
1n
x
n
= b
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
x
1
+a
i2
x
2
+. . . +a
ii
x
j
+. . . +a
in
x
n
= b
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+a
m1
x
1
+. . . +a
mi
x
j
+. . . +a
mn
x
n
= b
m
X =
_
_
x
1
x
2
.
.
.
x
n
_
_
Da mesma forma, um vetor com os termos independentes: .
Vejamos um exemplo de manipulao de sistemas lineares na forma matricial que pode
levar soluo.
Consideremos um sistema linear com n equaes e n incgnitas, onde sabemos que a
matriz dos coecientes admite inversa.
AX=B
Como A
1
existe, podemos multiplicar ambos os lados da equao, pela esquerda, por A
1
:
A
1
AX= A
1
B
IX= A
1
B
X= A
1
B
Como sabemos, uma matriz multiplicada pela sua inversa igual matriz identidade e
tambm, qualquer matriz multiplicada pela identidade igual a ela mesma. Chegamos ento
concluso que podemos encontrar a soluo de um determinado sistema linear encontrando a
inversa da matriz dos coecientes vezes a matriz dos termos independentes.
Por m, montamos uma matriz com os termos coecientes: .
Ento, poderemos escrever o sistema de equaes na forma matricial: AX = B.
A matriz dos coecientes
B matriz dos termos independentes
X matriz das incgnitas
Note que A tem dimenso mxn e X nx1, a multiplicao AX resulta na dimenso mx1,
exatamente a dimenso de B.
Mas, qual a vantagem de utilizar essa representao matricial?
As vantagens so muitas. A primeira a visualizao, com essa representao
possvel ter uma noo mais clara do sistema e de seu tamanho. Imagine
tambm que voc esteja trabalhando com um sistema enorme, com dezenas
de variveis, a organizao na forma matricial facilita o controle das variveis e
viabiliza a utilizao de diversos mtodos de resoluo de sistemas lineares, os
quais veremos em seguida.
B =
_
_
b
1
b
2
.
.
.
b
m
_
_
A =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
Exemplo 4
Encontre a soluo de
Passando para a forma matricial AX=B, temos:
Onde
Sabendo que X= A
1
B precisamos encontrar A
1
. Usando o mtodo da identidade:
[A| I] [I| A
1
]
2
Use a matriz inversa para encontrar a soluo do sistema.
Regra de Cramer
A regra de Cramer uma ferramenta til na obteno da soluo de sistemas lineares
que apresentam n equaes e n incgnitas. Ela diz que a soluo x
i
dada por:
_
2a b = 2
a b = 1
_
2 1
1 1
__
a
b
_
=
_
2
1
_
A =
_
2 1
1 1
_
X =
_
a
b
_
B =
_
2
1
_
_
2 1 1 0
1 1 0 1
_
L1 = (L1)/2
_
1
1
2
1
2
0
1 1 0 1
_
L2 = L2 L1
_
1
1
2
1
2
0
0
1
2
1
2
1
_
L2 = 2L2
_
1
1
2
1
2
0
0 1 1 2
_
L1 = L1 + L2(1/2)
_
1 0 1 1
0 1 1 2
_
Portanto, A
1
=
_
1 1
1 2
_
Como, , logo, a=1 e b=0 X = A
1
B =
_
1 1
1 2
_
_
2
1
_
=
_
1
0
_
S = {a, b / a = 1, b = 0}
_
x + 2y = 1
3x y = 1
x
i
=
det A
det A
i
i = 1, 2, 3 . . . , n
Onde:
A matriz dos coecientes
A
i
matriz obtida da substituio dos elementos da i-sima
coluna de A pelos termos independentes
Note que essa regra apenas pode ser utilizada para encontrar a soluo quando a matriz
A for quadrada, permitindo o clculo do determinante.
Exemplo 5
Encontre a soluo de usando a regra de Cramer.
Passando para a forma matricial AX=B, temos:
Onde:
Clculo dos determinantes:
Para calcular det(A
1
), substitumos a primeira coluna de A por B e para calular det(A
2
)
substitumos a segunda coluna de A por B.
Ento, s aplicar na equao:
X =
_
_
x
1
x
2
.
.
.
x
i
.
.
.
x
n
_
_
_
2x
1
x
2
= 1
x
1
x
2
= 2
_
2 1
1 1
__
x
1
x
2
_
=
_
1
2
_
A =
_
2 1
1 1
_
X =
_
x
1
x
2
_
B =
_
1
2
_
det A =
2 1
1 1
= 1
det A
1
=
1 1
2 1
= 1
det A
2
=
2 1
1 2
= 3
x
1
=
det A
1
det A
=
1
1
= 1
x
2
=
det A
2
det A
=
3
1
= 3
S = {x
1
, x
2
/ x
1
= 1, x
2
= 3}
3
O objetivo da utilizao dessa matriz que seja obtida uma matriz aumentada equivalente,
manipulando com operaes elementares at que se aproxime o mximo possvel da matriz
identidade.
Use a regra de Cramer para encontrar a soluo do sistema.
Eliminao gaussiana
Esse mtodo de resoluo de sistemas de equaes lineares um dos mtodos mais
utilizados, principalmente por poder ser aplicado a qualquer tipo de sistema.
Ele consiste em um conjunto de procedimentos que visam reduzir a matriz aumentada a
ponto de visualizar o resultado. Vejamos o que a matriz aumentada.
Matriz aumentada
a matriz dos coecientes agrupada aos termos independentes. Considere um sistema
de m equaes e n incgnitas, ento, a matriz aumentada Aa dada por:
Depois de obter a matriz equivalente, espera-se ler diretamente da matriz os valores das
incgnitas, onde em um sistema AX = B teramos a matriz A igual matriz identidade e a
matriz B conteria os valores das incgnitas. Porm, nem sempre possvel obter a matriz
identidade, ento, como saber quando parar? Isso veremos mais adiante no tpico Forma
escalonada.
_
x + 2y = 1
3x y = 1
Aa =
_
_
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
b
m
_
_
Aa
_
_
1 0 0 s
1
0 1 0 s
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1 s
m
_
_
Exemplo 6
Quando multiplicarmos as matrizes, teremos:
Encontre a soluo de usando eliminao Gaussiana.
Primeiro, vamos obter a matriz aumentada:
Aplicando operaes elementares matriz aumentada, obtemos uma matriz equivalente
(os passos para obteno dessa matriz sero discutidos em seguida):
Dessa forma, podemos ler de imediato a soluo do sistema, x
1
=1 e x
2
=3.
Outra maneira de enxergar a soluo voltar para o sistema de equaes com as novas
matrizes A e B:
AX = B
Onde,
4
Use a eliminao Gaussiana para encontrar a soluo do sistema.
_
2x
1
x
2
= 1
x
1
x
2
= 2
Aa =
_
2 1 1
1 1 2
_
Aa
_
1 0 1
0 1 3
_
_
1 0
0 1
__
x
1
x
2
_
=
_
1
3
_
A =
_
1 0
0 1
_
, B =
_
1
3
_
_
x
1
= 1
x
2
= 3
_
x + 2y = 1
3x y = 1
Matrizes na forma escalonada reduzida por linhas:
Identicao da
forma escalonada
Quando atingimos nosso objetivo com a eliminao Gaussiana, dizemos que obtivemos
a forma escalonada, porm, nem todo sistema linear permite que seja obtida na forma nal a
matriz identidade, sistemas com o nmero de equaes diferente do nmero de incgnitas, por
exemplo. Para identicarmos se uma determinada matriz encontra-se na forma escalonada
por linhas, devemos identicar as seguintes caractersticas:
o primeiro algarismo no nulo de uma linha no nula 1, o qual chamamos de lder ou piv;
todas as linhas nulas esto na parte inferior;
considerando duas linhas no nulas, o lder da linha inferior est sempre mais direita do
que o lder da linha superior.
Porm, existe outra nomenclatura que oferece tambm a soluo do sistema, que a
forma escalonada reduzida por linhas, ela apresenta como caractersticas todas as citadas
para a forma escalonada por linhas mais uma, a saber:
cada coluna que contm um lder tem zeros nas demais entradas
Exemplo 7
Matrizes na forma escalonada por linhas:
Procedimento para obteno da forma escalonada
A forma escalonada nica para cada matriz, porm, os passos intermedirios so livres,
o que gera matrizes intermedirias diferentes. Para nortear o escalonamento, vamos estabelecer
um procedimento para a obteno da forma escalonada por linhas.
_
_
_
1 2 0
0 1 1
0 0 1
_
_
_
,
_
_
_
1 0 0
0 0 1
0 0 0
_
_
_
,
_
0 1 1
0 0 1
_
,
_
0 1
0 0
_
,
_
_
_
1 1 0 3
0 1 2 5
0 0 1 1
_
_
_
,
_
_
_
0 1 3 3
0 0 0 1
0 0 0 0
_
_
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
,
_
_
_
1 0 0
0 0 1
0 0 0
_
_
_
,
_
0 1 0
0 0 1
_
,
_
0 1
0 0
_
,
_
_
_
1 0 0 3
0 1 0 5
0 0 1 1
_
_
_
,
_
_
_
0 1 3 0
0 0 0 1
0 0 0 0
_
_
_
Passos
1) Identique a coluna no-nula mais esquerda.
2) Se necessrio, troque linhas para obter um elemento no nulo no topo da coluna a m
de completar o passo 1.
3) Faa divises ou multiplicaes para obter o nmero 1 no topo da coluna.
4) Some mltiplos da primeira linha s demais para obter zeros nos elementos abaixo do piv.
5) Ignore a primeira linha e repita os passos anteriores.
Para obter a forma escalonada reduzida por linha, devemos acrescentar: o passo 6:
6) Faa divises ou multiplicaes para reduzir a zero os elementos acima de cada lder na
mesma coluna.
IMPORTANTE: O mtodo de eliminao Gaussiana compreende os cinco pri-
meiros passos, porm, o mtodo completo, incluindo o sexto passo, chama-
do de mtodo de eliminao de Gauss-Jordan.
Exemplo 8
Obtenha a soluo do sistema por meio da forma escalo
nada reduzida por linhas da matriz associada.
Passando para a forma matricial:
Veja abaixo os passos do mtodo que devem ser seguidos.
1) Identique a coluna no-nula mais esquerda primeira coluna.
2) Se necessrio, troque linhas para obter um elemento no nulo no topo da coluna a m
de completar o passo um no necessrio.
3) Faa divises ou multiplicaes para obter o nmero 1 no topo da coluna:
_
2x
1
x
2
+ x
3
= 1
x
1
x
2
+ x
3
= 2
Aa =
_
2 1 1 1
1 1 1 2
_
L1 = L1/2 Aa
_
1
1
2
1
2
1
2
1 1 1 2
_
4) Some mltiplos da primeira linha s demais para obter zeros nos elementos abaixo do piv:
5) Ignore a primeira linha e repita os passos anteriores:
1 - Identique a coluna no-nula mais esquerda segunda coluna.
2 - Se necessrio, troque linhas para obter um elemento no nulo no topo da
coluna a m de completar o passo um no necessrio.
3 - Faa divises ou multiplicaes para obter o nmero 1 no topo da coluna:
Encontramos a forma escalonada por linhas. Para encontrarmos a forma escalonada
reduzida por linhas, devemos aplicar o passo 6.
6) Faa divises ou multiplicaes para reduzir a zero os elementos acima de cada lder na
mesma coluna.
Matriz escalonada reduzida por linhas.
Para encontrarmos a soluo do sistema, voltaremos para a forma de equaes:
L2 = L2 L1 Aa
_
1
1
2
1
2
1
2
0
1
2
1
2
3
2
_
L1 = L1/2 Aa
_
1
1
2
1
2
1
2
1 1 1 2
_
L2 = L2(2) Aa
_
1
1
2
1
2
1
2
0 1 1 3
_
L1 = L1 + L2(1/2) Aa
_
1 0 0 1
0 1 1 3
_
AX = B onde A =
_
1 0 0
0 1 1
_
, B =
_
1
3
_
S
_
_
_
x
1
x
2
x
3
_
_
_
=
_
_
_
1
3 + x
3
x
3
_
_
_
= x
3
_
_
_
0
1
1
_
_
_
+
_
_
_
1
3
0
_
_
_
_
1 0 0
0 1 1
_
_
_
_
x
1
x
2
x
3
_
_
_
=
_
1
3
_
_
x
1
= 1
x
2
x
3
= 3 x
2
= 3 + x
3
S = {x
1
, x
2
, x
3
/ x
1
= 1, x
2
= 3 + x
3
}
ou
5
Encontre a forma escalonada da matriz resultante do sistema linear:
Posto de uma matriz
O conceito de posto de matrizes est intimamente relacionado com o tipo de soluo de
sistemas de equaes lineares e se aplica a matrizes quadradas ou no.
Posto ou caracterstica de uma matriz o nmero de linhas no nulas da matriz quando na
forma escalonada por linhas. Outra denio, levando-se em conta os determinantes, diz que
o posto de uma matriz A a ordem da maior submatriz possvel com determinante diferente
de zero que se consegue obter de A.
Exemplo 9
Encontre o posto de
Escalonando tem-se:
Logo, P(F)=2, nmero de linhas no nulas da matriz escalonada.
_
x + 2y + z = 1
3x z = 2
F =
_
_
_
1 0 1 1
0 2 0 0
0 2 0 0
_
_
_
L3 = L3 2L2 F
_
_
_
1 0 1 1
0 1 0 0
0 0 0 0
_
_
_
L2 =
1
2
L2 F
_
_
_
1 0 1 1
0 1 0 0
0 2 0 0
_
_
_
Teorema de Rouch-Capelli
Considerando um sistema de equaes lineares com m equaes e n incgnitas, o posto
da matriz dos coecientes (Pc) e o posto da matriz ampliada (Pa), tem-se a relao mostrada
na Figura 2:
i)O sistema apresenta soluo se, e somente se, Pc=Pa.
ii) O sistema tem soluo nica se Pc=Pa=n.
iii) O sistema tem innitas solues se Pc=Pan.
Figura 2 Classicao de sistemas lineares quanto ao nmero de solues baseando-se no posto.
Exemplo 10
Encontre o tipo de soluo do sistema linear a) b)
a) Passando para a forma matricial:
Onde, e
Para encontrar Pc vamos usar a denio do determinante. No mximo, o posto de A
ser 3 se det(A)0. Calculando, temos que det(A)=0, logo o posto de A no 3. Para que
o posto seja 2, basta que encontremos uma submatriz 2x2 com determinante diferente de
zero, o que facilmente vericado, se pegarmos os elementos a11, a12, a21 e a22 teremos
o determinante diferente de zero, logo o posto de A dois, Pc=2.
Encontrando agora o posto da matriz ampliada, temos:
_
_
2x y + z = 0
x y z = 1
x + 2z = 0
_
_
a b + c = 1
b + c = 0
a 2b = 1
_
_
_
2 1 1
1 1 1
1 0 2
_
_
_
_
_
_
x
y
z
_
_
_
=
_
_
_
0
1
0
_
_
_
A =
_
_
_
2 1 1
1 1 1
1 0 2
_
_
_
Aa =
_
_
_
2 1 1 0
1 1 1 1
1 0 2 0
_
_
_
Como PcPa, ento, o sistema impossvel, no admite soluo.
b) Passando para a forma matricial:
Para encontrar Pc vamos usar a denio do determinante. No mximo, o posto de A
ser 3 se det(A)0. Calculando, temos que det(A)=0, logo o posto de A no 3. Para que
o posto seja 2, basta que encontremos uma submatriz 2x2 com determinante diferente de
zero, o que facilmente vericado, se pegarmos os elementos a11, a12, a21 e a22 teremos
o determinante diferente de zero, logo o posto de A dois, Pc=2.
Encontrando agora o posto da matriz ampliada, temos:
Como Pc=2 e Pa=2, temos que o sistema possvel, e como o sistema apresenta n=3
incgnitas, logo Pc=Pan, o que caracteriza um sistema possvel indeterminado, ou seja,
innitas solues.
L1 L3 Aa
_
_
_
1 0 2 0
1 1 1 1
2 1 1 0
_
_
_
L2 = L2 L1 Aa
_
_
_
1 0 2 0
0 1 3 1
2 1 1 0
_
_
_
L3 = L3 2L1 Aa
_
_
_
1 0 2 0
0 1 3 1
0 1 3 0
_
_
_
L2 = L2 Aa
_
_
_
1 0 2 0
0 1 3 1
0 1 3 0
_
_
_
L3 = L3 + L2 Aa
_
_
_
1 0 2 0
0 1 3 1
0 0 0 1
_
_
_
Pa=3 3 linhas no nulas.
_
_
a b + c = 1
b + c = 0
a 2b = 1
_
_
_
1 1 1
0 1 1
1 2 0
_
_
_
_
_
_
a
b
c
_
_
_
=
_
_
_
1
0
1
_
_
_
onde e
A =
_
_
_
1 1 1
0 1 1
1 2 0
_
_
_
Aa =
_
_
_
1 1 1 1
0 1 1 0
1 2 0 1
_
_
_
L3 = L3 L1 Aa
_
_
_
1 1 1 1
0 1 1 0
0 1 1 0
_
_
_
L1 = L1 + L2 Aa
_
_
_
1 0 2 1
0 1 1 0
0 1 1 0
_
_
_
L3 = L3 + L2 Aa
_
_
_
1 0 2 1
0 1 1 0
0 0 0 0
_
_
_
Pa=2 2 linhas no nulas.
1
1) Em que situao possvel dizer que o produto AB=AC resulta na concluso que
B=C? Justique.
2) Uma loja vende 3 pacotes diferentes de roupas com os preos descritos abaixo:
1 cala, 2 shorts, 3 blusas por R$ 26,00;
2 calas, 5 shorts, 6 blusas por R$ 60,00;
2 calas, 3 shorts, 4 blusas por R$ 40,00.
Qual o valor de cada pea?
3) Um cliente interessado em comprar salgados para uma festa pesquisou em trs lojas dife-
rentes e descobriu que se comprasse x quilos de coxinha, y quilos de empada e z quilos
de pastel na loja Kidelcia ou na loja Gosto Gostoso gastaria R$ 260,00. Se comprasse na
loja Esbaldar, economizaria R$ 10,00. Encontre x, y e z sabendo que:
Desao
Kidelcia Gosto gostoso Esbaldar
Coxinha 40,00 50,00 50,00
Empada 50,00 40,00 40,00
Pastel 30,00 40,00 30,00
Preo do quilo em reais.
Resumo
Nesta aula, voc aprendeu a identicar e resolver sistemas de equaes linea-
res. Viu tambm como transformar esses sistemas de equaes em um sistema
matricial, o que facilita a manipulao da informao. Voc teve a oportunidade
ainda de aprender como resolver esses sistemas utilizando a regra de Cramer e
a Eliminao Gaussiana.
Autoavaliao
Resolva os seguintes sistemas lineares:
a) b) c)
_
_
2a b + c 2d =
a b c = 0
2b + 3c + d = 1
a + b + c + d = 3
_
2a b + c 2d = 1
a b c = 0
_
_
2a b + c 2d = 1
a b c = 0
a + 2c 2d = 2
2
3
5
6
4
Encontre as matrizes escalonadas reduzidas por linha de:
a) b) c)
Encontre os valores de t que levam o sistema a ter nica soluo, infinitas solues
e nenhuma soluo.
Um casal levou seu cachorro para um passeio e todos os trs se pesaram, porm,
a balana tinha um problema que s pesava corretamente pesos acima de 70kg,
ento, eles resolveram se pesar dois a dois e obtiveram as seguintes medidas:
Joo e Tot = 90kg
Joo e Maria = 130kg
Maria e tot = 75kg
Quanto pesava cada um?
Uma determinada loja de sorvete teve de lucro R$ 2.500 em um fim de sema-
na. Sabendo que ele vende trs tipos de sorvete (sundae R$5,00; casquinha
R$2,00; e banana split R$6,00), que ele vendeu 3 vezes mais casquinhas que
banana split e que a quantidade de casquinhas igual soma de bananas split
mais sundaes vendidos, indique as quantidades especificas vendidas.
Um operrio ganha R$6,00 por pea produzida corretamente e perde R$2,00 por
pea com defeito. Ao fim do dia, ele havia produzido 250 peas e R$500,00. Quan-
tas peas ele produziu corretamente?
Referncias
_
_
2a b + c 2d = 1
a b c = 0
2b + 3c + d = 1
a + b + c + d = 3
_
2a b + c 2d = 1
a b c = 0
_
_
2a b + c 2d = 1
a b c = 0
a + 2c 2d = 2
_
_
x + ty z = 2
2x y + z = 0
x + 2y = 1
Anotaes
Denio de espaos vetoriais
6
Aula
1
2
3
Apresentao
E
spaos vetoriais um contedo que requer uma viso abstrata da matemtica e exige
ateno e dedicao para o seu entendimento. H uma mudana na noo que se tem de
vetores, pois mostra que diversos objetos, como algumas matrizes, podem ser conside-
rados vetores. Esse contedo serve de ferramenta importante em diversas reas, como, por
exemplo, na computao grca e na medicina, como o caso da concepo de tomograas.
Objetivos
Identicar quando um objeto um vetor.
Reconhecer um espao vetorial.
Saber utilizar e entender os axiomas.
Denio
Espao vetorial uma estrutura formada por um conjunto de elementos denomi-
nados vetores, nele so definidas duas operaes sobre esses elementos, a adio e
multiplicao por nmeros reais.
Adio
A adio de cada par de vetores dentro do espao vetorial gera um novo elemento tambm
pertencente ao espao vetorial.
Se u , v E, ento, z=u + v E
Onde u , v e v so vetores e E um conjunto de vetores.
Multiplicao
A multiplicao de cada vetor por um escalar dentro do espao vetorial gera um novo
elemento tambm pertencente ao espao vetorial.
Se u E e k , ento, w = k .u E
Onde u, w so vetores, k um nmero real e E um conjunto de vetores.
Exemplo 1
Seja E o espao vetorial que compreende todo o
2
, verique se as operaes de adio
e multiplicao por escalar so satisfeitas.
Se pegarmos dois vetores genricos dentro desse espao u=(x
1
,y
1
) e v=(x
2
,y
2
) e uma
constante k qualquer pertencente aos reais e aplicarmos as operaes:
Adio: w = u+v = (x
1
,y
1
) + (x
2
,y
2
) w = (x
1
+ x
2
,y
1
+

y
2
)
Quaisquer que sejam os valores de x
1
, x
2
, y
1
e y
2
, sempre teremos um vetor resultante
da soma (w) dentro do espao E.
Multiplicao: z = k.u = k(x
1
,y
1
) z = (kx
1
,ky
1
)
1
, y
1
e k, sempre teremos um vetor resultante da
soma (z) dentro do espao E.
Logo, as operaes so satisfeitas.
Elementos: vetores (tamanho, direo e sentido)
Operaes: adio e multiplicao por nmero real
Exemplo 2
Seja E o espao vetorial que compreende o primeiro quadrante do
2
, ou seja, conjunto
dos vetores onde temos as coordenadas x 0 e y 0, verique se as operaes de adio
e multiplicao por escalar so satisfeitas.
Se pegarmos dois vetores genricos dentro desse espao u=(x
1
,y
1
) e v=(x
2
,y
2
), lem-
brando que x
1
, x
2
, y
1
e y
2
, so sempre positivos, e uma constante k qualquer pertencente aos
reais, e ento aplicarmos as operaes:
Adio: u+v = (x
1
,y
1
) + (x
2
,y
2
) w = (x
1
+ x
2
,y
1
+

y
2
)
1
, x
2
, y
1
e y
2
, sendo sempre positivos, sempre tere-
mos um vetor resultante da soma tambm positivo, dentro do espao E.
Multiplicao: k.u = k(x
1
,y
1
) = (kx
1
,ky
1
)
Sendo os valores de x
1
, y
1
sempre positivos, basta que k assuma um valor negativo (j
que pode ser qualquer nmero real) para que o vetor resultante saia do primeiro quadrante,
no pertencendo, portanto, ao espao E.
Logo, a adio satisfeita, porm a multiplicao no.
Podemos armar que os espaos vetoriais so um conjunto de vetores munido de ope-
raes de adio e multiplicao por escalar. Cada espao vetorial pode ter sua prpria regra
para essas operaes, basta que satisfaa as regras da adio, multiplicao por escalar e os
axiomas. Os espaos vetoriais aos quais voc deve estar mais familiarizado so os espaos
vetoriais euclidianos, que correspondem aos espaos dos reais , do plano
2
, do espao
3
, ... , do
n
, munidos das operaes usuais de adio e multiplicao por escalar. Porm,
veremos espaos vetoriais onde os vetores so matrizes e polinmios, por exemplo.
1
Seja E o espao vetorial que compreende os vetores do
2
que esto sobre
a reta x=y, verique se as operaes de adio e multiplicao por escalar so
satisfeitas.
Axiomas
Para vericar se um determinado espao de fato um espao vetorial, no basta satisfazer
as operaes de adio e multiplicao, h outras condies que devero ser vericadas: os
axiomas.
Na Tabela 1 a seguir, so descritas as operaes referentes aos axiomas. Considere u, v,
w vetores que pertencem ao espao E e a,b constantes que pertencem aos reais.
Axioma
uma premissa que no
precisa ser provada como
um teorema, pois j con-
siderada evidente, bvia.
Tabela 1 Axiomas
Axioma Operao
Comutatividade u + v = v + u
Associatividade (u + v)+w = u+(u + w)
(a.b).u = a.(b.u)
Distributividade (a+b).v = a.v+b.v
a.(u+v) = a.u+a.v
Vetor nulo v+0 = 0+v = v
Inverso aditivo (simtrico) Se v E, ento, -v E, onde v + v = v + (v) = 0
Multiplicao por 1 1.v = v
No teste dos axiomas para a comutatividade, associatividade, distributividade e multiplica-
o por 1, voc deve utilizar as regras de adio e multiplicao prprias do espao e vericar
se a igualdade se verica. No caso do vetor nulo e do inverso aditivo, voc deve procurar um
elemento nulo e um inverso aditivo que satisfaam a igualdade. No necessariamente o elemen-
to nulo ser composto de zeros, nem o inverso aditivo ser (menos) o elemento genrico.
Exemplo 3
Verique que o espao das matrizes de ordem 2x2 um espao vetorial. Considere as
operaes usuais de adio e multiplicao por escalar.
Inicialmente, devemos considerar trs elementos genricos do espao e duas constantes:
a,b constantes.
Aplicando os testes:
Adio
Somando dois elementos genricos do espao, u e v:
Quaisquer que sejam os elementos de u e v, o resultado da soma dos dois sempre per-
tencer ao espao das matrizes 2x2. CONDIO SATISFEITA
u =
_
u
11
u
12
u
21
u
22
_
v =
_
v
11
v
12
v
21
v
22
_
w =
_
w
11
w
12
w
21
w
22
_
u + v =
_
u
11
+ v
11
u
12
+ v
12
u
21
+ v
21
u
22
+ v
22
_
Multiplicando um elemento genrico por uma constante:
Quaisquer que sejam os elementos de u e constante a, o resultado da multiplicao
sempre pertencer ao espao das matrizes 2x2. CONDIO SATISFEITA
Comutatividade
Devemos vericar se a igualdade satisfeita: u+v=v+u
Considerando dois elementos genricos:
Como u+v resulta na mesma matriz que v+u, ento, a igualdade satisfeita.CONDIO
SATISFEITA.
Associatividade
Devemos vericar se as igualdades so satisfeitas:
(u + v)+w = u+(u + w)
(a.b).u = a.(b.u)
Considerando trs elementos genricos:
Como as igualdades so satisfeitas, o axioma se verifica.CONDIO SATISFEITA
a.u =
_
a.u
11
a.u
12
a.u
21
a.u
22
_
u + v =
_
u
11
+ v
11
u
12
+ v
12
u
21
+ v
21
u
22
+ v
22
_
e
v + u =
_
v
11
+ u
11
v
12
+ u
12
v
21
+ u
21
v
22
+ u
22
_
(u+v) +w =
_
u
11
+v
11
u
12
+v
12
u
21
+v
21
u
22
+v
22
_
+
_
w
11
w
12
w
21
w
22
_
=
_
u
11
+v
11
+w
11
u
12
+v
12
+w
12
u
21
+v
21
+w
21
u
22
+v
22
+w
22
_
u+(v +w) =
_
u
11
u
12
u
21
u
22
_
+
_
v
11
+w
11
v
12
+w
12
v
21
+w
21
v
22
+w
22
_
=
_
u
11
+v
11
+w
11
u
12
+v
12
+w
12
u
21
+v
21
+w
21
u
22
+v
22
+w
22
_
e
(a.b).u = a.b.
_
u
11
u
12
u
21
u
22
_
=
_
a.b.u
11
a.b.u
12
a.b.u
21
a.b.u
22
_
a.(b.u) = a.
_
b.u
11
b.u
12
b.u
21
b.u
22
_
=
_
a.b.u
11
a.b.u
12
a.b.u
21
a.b.u
22
_
Distributividade
Devemos vericar se as igualdades so satisfeitas:
a.(u+v) = a.u+a.v
(a+b).u = a.u+b.u
Como as igualdades so satisfeitas, o axioma se verica. CONDIO SATISFEITA
Vetor nulo
Devemos encontrar um elemento que somado a um elemento genrico resulte no prprio
elemento genrico:
v+0 = 0+v = v
Consideremos que o vetor nulo seja
a.(u + v)=a.
_
u
11
+v
11
u
12
+v
12
u
21
+v
21
u
22
+v
22
_
=
_
a(u
11
+v
11
) a(u
12
+v
12
)
a(u
21
+v
21
) a(u
22
+v
22
)
_
=
_
au
11
+av
11
au
12
+av
12
au
21
+av
21
au
22
+av
22
_
a.u + a.v = a.
_
u
11
u
12
u
21
u
22
_
+ a.
_
v
11
v
12
v
21
v
22
_
=
_
au
11
+av
11
au
12
+av
12
au
21
+av
21
au
22
+av
22
_
e
(a+b).u = (a+b).
_
u
11
u
12
u
21
u
22
_
=
_
(a + b).u
11
(a + b).u
12
(a + b).u
21
(a + b).u
22
_
=
_
a.u
11
+b.u
11
a.u
12
+b.u
12
a.u
21
+b.u
21
a.u
22
+b.u
22
_
a.u + b.u = a.
_
u
11
u
12
u
21
u
22
_
+ b.
_
u
11
u
12
u
21
u
22
_
=
_
a.u
11
+b.u
11
a.u
12
+b.u
12
a.u
21
+b.u
21
a.u
22
+b.u
22
_
n =
_
n
1
n
2
n
3
n
4
_
v + n = v
_
v
11
v
12
v
21
v
22
_
+
_
n
1
n
2
n
3
n
4
_
=
_
v
11
v
12
v
21
v
22
_
v
11
+ n
1
= v
11
n
1
= 0
v
12
+ n
2
= v
12
n
2
= 0
v
21
+ n
3
= v
21
n
3
= 0
v
22
+ n
4
= v
22
n
4
= 0
n + v = v
_
n
1
n
2
n
3
n
4
_
+
_
v
11
v
12
v
21
v
22
_
=
_
v
11
v
12
v
21
v
22
_
n
1
+ v
11
= v
11
n
1
= 0
n
2
+ v
12
= v
12
n
2
= 0
n
3
+ v
21
= v
21
n
3
= 0
n
4
+ v
22
= v
22
n
4
= 0
Logo, 0=
Portanto, o vetor nulo
CONDIO SATISFEITA, POIS O VETOR NULO EXISTE.
Inverso aditivo (elemento simtrico)
Devemos encontrar um elemento que somado a um elemento genrico resulte no vetor nulo.
v + v = v + (v) = 0, onde 0 o vetor nulo do espao encontrado no item anterior.
Consideremos que inverso aditivo seja
Logo,
Portanto o inverso aditivo
CONDIO SATISFEITA, POIS O INVERSO ADITIVO EXISTE.
Multiplicao por 1
Devemos verificar se um elemento genrico multiplicado por 1 resulta nele mesmo.
1.v = v
CONDIO SATISFEITA
_
n
1
n
2
n
3
n
4
_
=
_
0 0
0 0
_
s =
_
s
1
s
2
s
3
s
4
_
s + v = 0
_
s
1
s
2
s
3
s
4
_
+
_
v
11
v
12
v
21
v
22
_
=
_
0 0
0 0
_
s
1
+ v
11
= 0 s
1
= v
11
s
2
+ v
12
= 0 s
2
= v
11
s
3
+ v
21
= 0 s
3
= v
11
s
4
+ v
22
= 0 s
4
= v
11
v + s = 0
_
v
11
v
12
v
21
v
22
_
+
_
s
1
s
2
s
3
s
4
_
=
_
0 0
0 0
_
v
11
+ s
1
= 0 s
1
= v
11
v
12
+ s
2
= 0 s
2
= v
11
v
21
+ s
3
= 0 s
3
= v
11
v
22
+ s
4
= 0 s
4
= v
11
s =
_
s
1
s
2
s
3
s
4
_
=
_
v
11
v
12
v
21
v
22
_
1.v = 1.
_
v
11
v
12
v
21
v
22
_
=
_
1.v
11
1.v
12
1.v
21
1.v
22
_
=
_
v
11
v
12
v
21
v
22
_
= v
Como todos os axiomas foram satisfeitos, ento, fica comprovado que o espao das
matrizes de ordem 2x2 com as operaes usuais de adio e multiplicao por escalar um
espao vetorial.
Exemplo 4
Verifique se o espao formado pelos elementos do
2
, u=(x
1
,y
1
) e v=(x
2
,y
2
) com as
seguintes operaes:
Adio: u+v = (3y
1
+3y
1
x
1
x
2
)
Multiplicao por escalar: a.u=(3.a.y
1
,a.x
1
)
Como foi mencionado anteriormente, as operaes de adio e multiplicao por escalar
podem ser diferentes das que estamos acostumados, como se cada espao tivesse liberdade
para definir como dois elementos so somados e como deve ser multiplicado por um escalar.
Vamos testar os axiomas.
Adio
Somando dois elementos genricos do espao, u e v:
u+v = (x
1
,y
1
) + (x
2
,y
2
) = (3y
1
+3y
2
x
1
x
2
)
Quaisquer que sejam os elementos de u e v, o resultado da soma dos dois sempre per-
tencer ao
2
. CONDIO SATISFEITA
Multiplicando um elemento genrico por uma constante: a.u= a.(x
1
,y
1
)=(3.a.y
1
,a.x
1
)
Quaisquer que sejam os elementos de u e constante a o resultado da multiplicao sempre
pertencer ao
2
.
CONDIO SATISFEITA
Comutatividade
Devemos verificar se a igualdade satisfeita: u+v = v+u.
u+v = (x
1
,y
1
) + (x
2
,y
2
) = (3y
1
+3y
2
x
1
x
2
)
v+u = (x
2
,y
2
) + (x
1
,y
1
) = (3y
2
+3y
1
x
2
x
1
)
Como u+v resulta no mesmo vetor que v+u, ento, a igualdade satisfeita.
CONDIO SATISFEITA
Associatividade
Devemos verificar se as igualdades so satisfeitas:
(u + v)+w = u+(u + w)
(a.b).u = a.(b.u)
Considerando trs elementos genricos, onde w = (x
3
,y
3
):
Exemplo 5
Encontre o vetor nulo e o inverso aditivo do espao vetorial denido pelos elementos dos
reais positivos, com as seguintes operaes de adio e multiplicao por escalar:
Adio: x+y=x.y
Multiplicao por escalar: k.x=x
k
Vetor nulo
Devemos encontrar um elemento que somado a um elemento genrico resulte no prprio
elemento genrico
x+0 = 0+x = x
Consideremos que o vetor nulo seja n.
Logo,
x+n = x
De acordo com a regra de soma do espao:
x+n = x
x.n = x, portanto, o elemento nulo (0) desse espao
2
(u + v)+w = ((x
1
,y
1
) + (x
2
,y
2
)) + (x
3
,y
3
) = (3y
1
+3y
2
,x
1
x
2
)+ (x
3
,y
3
)
= (3(x
1
,y
1
) + 3y
3
, (3y
1
+3y
2
) x
3
)
u+(v + w) = (x
1
,y
1
) + ((x
2
,y
2
) + (x
3
,y
3
)) = (x
1
,y
1
) +(3y
2
+3y
3
, x
2
x
3
)
= 3y
3
+3(x
2
x
3
), (3y
2
+3y
3
))
CONDIO NO SATISFEITA
Como as igualdades no so satisfeitas, o axioma no se verica. Ocorrendo a falha em
ao menos um axioma, pode-se dizer que o espao analisado no um espao vetorial.
Seja E o espao vetorial que compreende os vetores do
3
que esto sobre o plano
x=3, ou seja, vetores do tipo (3,y,z), verique se o espao um espao vetorial.
Inverso aditivo (elemento simtrico)
Devemos encontrar um elemento que somado a um elemento genrico resulte no vetor
nulo.
x + x = x + (x) = 0, onde 0 o vetor nulo do espao encontrado no item anterior, 1.
Consideremos que inverso aditivo seja s.
Logo,
s+x= 0 =1
De acordo com a regra de soma do espao:
s.x =1, portanto, o elemento simtrico desse espao
n =
x
x
= 1
s =
1
x
3
Sendo C o espao dos nmeros complexos, onde o elemento genrico deste espao
z tal que z = a+bi; z C, a,b . a a parte real de z, e b a parte imaginria de z. i
a chamada unidade imaginria de z e satisfaz a seguinte relao i
2
=1. Considerando
as seguintes operaes de adio e multiplicao por escalar, verique se o espao
dos nmeros complexos um espao vetorial.
Adio: z
1
+z
2
= (a
1
+a
2
)+ (b
1
+b
2
)i
Multiplicao por escalar: k.z=k.a+k.b.i
Propriedades
Sejam E um espao vetorial, u um vetor de E e k um nmero real.
1 O escalar zero multiplicado por qualquer elemento do espao resulta sem-
pre no vetor nulo.
0.u = 0
2 Qualquer escalar multiplicado pelo vetor nulo resulta sempre no vetor nulo.
k.0 = 0
3 O escalar 1 multiplicado por qualquer elemento do espao resulta sempre
no inverso aditivo.
(1).u = u
4 Se o produto de um escalar qualquer por um vetor do espao resultar no
vetor nulo, ento, ou o escalar zero ou o vetor o vetor nulo.
Se k.u=0, ento k=0 ou u=0
5 Cada espao vetorial tem apenas um nico vetor nulo.
6 Todo espao vetorial tem apenas um inverso aditivo para cada elemento.
1) O espao formado pelos pontos dentro do crculo unitrio no plano XY, ou seja,
{ x,y /x
2
+y
2
1}, com operaes usuais de adio e multiplicao por escalar, um
espao vetorial? Justique.
2) A expresso h(t) = a.cos(t)+b.sen(t), onde constante e a, b podem assumir
qualquer valor real, dene o movimento oscilatrio de um sistema massa-mola preso em
uma extremidade no teto e puxada para baixo, onde h dene seu deslocamento em relao
ao repouso. Mostre que o conjunto de todas as funes possveis (variantes com a e b
dependendo das caractersticas fsicas) um espao vetorial.
Desao
Resumo
3) O conjunto que contm um nico elemento Q, com as operaes denidas abaixo, um
espao vetorial? Justique.
Adio: Q+Q=Q
Multiplicao por escalar: k.Q = Q
Autoavaliao
Verique se o espao denido, com as operaes de adio e multiplicao por escalar
especicadas, um espao vetorial.
1) Espao:
2
(x,y)
Adio: (x
1
,y
1
) + (x
2
,y
2
) = (x
1
+x
2
, y
1
+y
2
)
Multiplicao por escalar: k.(x
1
,y
1
) = (k.x
1
,y
1
)
2) Espao:
2
(x,y)
Adio: (x
1
,y
1
) + (x
2
,y
2
) = (x
1
,y
2
)
1
,y
1
) = (k.x
1
, k.y
1
)
3) Espao:
2
(x,y)
Adio: (x
1
,y
1
) + (x
2
,y
2
) = (x
1
+x
2
, y
1
+y
2
)
1
,y
1
) = (k
2
.x
1
, k
2
.y
1
)
4) Espao: Matrizes 2x2 na forma
Adio e Multiplicao por escalar: usuais.
5) Espao:
2
(x)
Adio: x
1
+x
2
= mximo (x
1
,x
2
)
Multiplicao por escalar: k.x
1
= k.x
1
Nesta aula introdutria sobre espaos vetoriais, voc percebeu que nem sem-
pre o que temos como regra vlida em todas as situaes. Voc aprendeu a
reconhecer um espao vetorial, onde cada espao composto de vetores e de
operaes prprias e aprendeu tambm a vericar se um determinado conjunto
de vetores, munido de operaes peculiares de adio e multiplicao por es-
calar, ou no um espao vetorial.
_
1 b
a 1
_
Anotaes
6) Espao: polinmios na forma p(x) = b.x
2
, b
7) polinmios de grau mximo 3 com coecientes inteiros
8) Espao: matrizes 2x2
Adio: A+B = A.B
Multiplicao por escalar: k.A = k.tr(A) *tr= trao da matriz.
Referncias
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Anotaes
Subespaos vetoriais
e dependncia linear
7
Aula
1
2
3
4
Apresentao
N
o estudo dos espaos vetoriais, comum termos que analisar se um determinado
subconjunto de um espao vetorial tambm classicado como um espao vetorial,
nesse caso o subconjunto chamado de subespao vetorial e preserva as mesmas
caractersticas do espao vetorial no qual est inserido. Nesta aula, alm do estudo sobre os
subespaos vetoriais, veremos ainda a relao de dependncia linear entre vetores, que servir
de base para o estudo da gerao dos espaos vetoriais.
Objetivos
Reconhecer quando um subconjunto um subespao
vetorial.
Saber quais axiomas utilizar para reconhecer um subes-
pao vetorial.
Ser capaz de escrever vetores como combinao linear
de outros.
Identicar quando um grupo de vetores dependente ou
independente linearmente.
Denio
Subespao vetorial um espao vetorial que est contido em outro espao vetorial. Imagi-
ne que conheamos um conjunto de vetores, munidos das operaes de adio e multiplicao
por escalar, onde aplicamos os axiomas para vericar se um espao vetorial e chegamos
concluso que esse , de fato, um espao vetorial. Imagine que agora tenhamos a tarefa
de vericar se um determinado subconjunto desse espao vetorial, analisado previamente,
tambm um espao vetorial. Ser que temos que refazer o teste com todos os axiomas?
A resposta no. Se esse subconjunto est inserido em um espao vetorial, ele preserva
as caractersticas principais. Porm, existem trs exigncias que podem no ser satisfeitas
quando consideramos uma parte apenas do espao vetorial. A primeira o vetor nulo, todo
espao vetorial deve ter o vetor nulo e quando selecionamos um subconjunto de um espao
vetorial corremos o risco de no incluir o vetor nulo; outra exigncia que a adio de dois
vetores pode resultar em um vetor fora desse subconjunto, assim como a multiplicao por escalar.
Exemplo 1
Seja E o espao vetorial que compreende todo o
2
, vejamos na Figura 1 alguns exemplos
de subespaos e no subespaos desse espao vetorial.
Para ser subespao, o subconjunto deve satisfazer as propriedades citadas a seguir.
Conter o vetor nulo do espao vetorial no qual est inserido.
Adio: dois vetores do subconjunto somados devem pertencer ao subconjunto.
Multiplicao por escalar: Um vetor do subconjunto quando multiplicado por
uma constante qualquer pertencente aos nmeros reais deve resultar em um
vetor tambm pertencente ao subconjunto.
y
No subespaos do
Subespaos do
X
(a)
y
x
y
y
x
y y
x
y
y
x
x a
-1
-1
1
1
(b) (c) (d) (e) (f)
2
2 2
Figura 1 Espao vetorial
2
e subconjuntos.
Analisemos no Quadro 1 as regies do espao vetorial
2
, a, b, c, d, e e f, mostradas na
Figura 1, sempre tendo em mente que para ser um subespao necessrio satisfazer as trs
propriedades: conter o vetor nulo do espao - nesse caso, o vetor (0,0), adio e multiplicao
por escalar.
Regio Vetor nulo Adio Multiplicao por escalar Concluso
(a)
OK
O segundo quadrante
contm o vetor nulo.
OK
Quaisquer dois vetores que tomarmos no
segundo quadrante, a soma sempre estar
dentro do segundo quadrante.
u=(x
1
,y
1
) e v=(x
2
,y
2
) como x
1
,x
2
,so
sempre negativos e y
1
,y
2
so positivos,
ento a soma u+u=(x
1
,+x
2
,y
1
,+y
2
)
sempre resulta no segundo quadrante.
FALHA
Quando multiplicamos um vetor no segundo
quadrante por qualquer constante, podemos
obter um vetor fora desse quadrante.
u=(x,y) onde x sempre negativo e y
positivo, se k for uma constante negativa,
logo k.u=(kx,ky) ser um vetor no quarto
quadrante.
No
subespao
vetorial
(b)
FALHA
A reta no passa pela
origem, logo no contm
o vetor nulo do espao.
FALHA
Os vetores sobre essa reta tem a forma
(a,y) onde a o ponto que corta o eixo
k. Ao somarmos dois vetores sobre essa
reta u=(a,y
1
) e v=(a,y
2
) resultamos em
um vetor fora dessa reta.
FALHA
Os vetores sobre essa reta tem a forma (a,y)
onde a o ponto que corta o eixo x. Ao
multiplicarmos um vetor u=(a,y) por uma
constante k resultamos em um vetor fora
dessa reta. ku=(ka,ky)
No
subespao
vetorial
(c)
OK
crculo contm o vetor
nulo.
FALHA
Os vetores dentro do crculo unitrio
u=(x
1
,y
1
) e v=(x
2
,y
2
) tem suas
coordenadas limitadas x
1
,x
2
,y
1
,y
2
1,
logo, ao somarmos dois vetores com
coordenadas maiores que 0,5, facilmente
sairamos do crculo.
FALHA
Os vetores dentro do crculo unitrio tem
suas coordenadas limitadas em no mximo
1, logo, ao multiplicarmos um vetor por uma
constante maior que 1, facilmente sairamos
do crculo.
No
subespao
vetorial
(d)
OK
A reta passa pela origem,
logo, contm o vetor nulo
do espao.
OK
Os vetores sobre a reta tm a forma (x,x).
Ao tomarmos dois vetores u=(x
1
,x
1
) e
v=(x
2
,x
2
), o resultado sempre ser um
vetor com coordenadas x e y iguais.
OK
Os vetores sobre a reta tm a forma (x,x).
Ao multiplicarmos o vetor por uma constante
qualquer, sempre obteremos um vetor com
coordenadas x e y iguais.
subespao
vetorial
(e)
OK
do espao.
OK
Os vetores sobre a reta tm a forma (x,0).
Ao tomarmos dois vetores u=(x
1
,0) e
v=(x
2
,0), o resultado sempre ser um
vetor sobre a reta y=0.
OK
Os vetores sobre a reta tm a forma u=(x,0).
k, o resultado sempre ser um vetor sobre
a reta y=0.
k.u=(kx,0)
subespao
vetorial
(f)
OK
do espao.
OK
Os vetores sobre a reta tm a forma (0,y).
Ao tomarmos dois vetores u=(0,y
1
) e
u=(0,y
2
), o resultado sempre ser um
vetor sobre a reta x=0.
OK
Os vetores sobre a reta tm a forma u=(0,y).
k, o resultado sempre ser um vetor sobre
a reta x=0.
k.u=(0,ky)
subespao
vetorial
Quadro 1 propriedades das regies a,b, c, d, e e f da Figura 1.
1
1
2
Todo espao vetorial possui ao menos dois subespaos:
subespao formado apenas pelo vetor nulo;
subespao formado pelo prprio espao vetorial.
Indique todos os possveis subespaos do:
a)
2
b)
3
Descubra se o espao das matrizes na forma
D =
_
_
d
1
d
2
0
_
_
subes-
pao do espao das matrizes coluna de ordem D
3x1
.
Combinao linear
Quando analisamos um conjunto de vetores, em algumas situaes, possvel escrever
um deles como combinao dos outros, por exemplo, o vetor (2,1) pode ser escrito como:
(2,1) = (1,1) + (1,0) ou ainda
(2,1) = 2(1,1) + (0,1) ou ainda
(2,1) = 3(2,3) - 2(2,4) . . .
Percebemos que h uma innidade de formas de escrevermos um vetor como combi-
nao linear de outros.
Consideremos ento um conjunto de vetores V={v
1
, v
2
, v
3
,..., v
n
,} e um conjunto de
constantes pertencentes aos reais a
1
, a
2
, a
3
...,a
n
. Se conseguirmos escrever um vetor v como
combinao dos vetores v
i
com os pesos a
i
:
v= a
1
v
1
+a
2
v
2
+a
3
v
3
+...+a
n
v
n
dizemos que v combinao linear do conjunto de vetores V.
Pedir para escrever um vetor como combinao linear de um conjunto de
vetores o mesmo que pedir para encontrar os pesos que devemos multiplicar
esses vetores a m de obter o outro.
Exemplo 2
Escreva o vetor u=(2,1, 1), se possvel, combinao linear do conjunto vetores onde
v
1
=(2,1, 1), v
2
=(0, 0, 1) e v
3
=(1, 0,1).
Escrever u como combinao linear de consiste em encontrar os pesos que devemos
multiplicar pelos vetores vi.
u=k
1
v
1
+k
2
v
2
+k
3
v
3
(2,1, 1) = k
1
(1,1,0) + k
2
(0, 0, 2) + k
3
(1, 0,1)
Resolvendo:
(2,1, 1) = (k
1
, k
1
, 0) + (0, 0, 2k
2
) + (k
3
,0, k
3
)
(2,1, 1) = (k
1
k
3
, k
1
, 2k
2
+ k
3
)
Dependncia linear
Dizemos que um conjunto de vetores dependente linearmente se conseguimos escre-
ver um deles como combinao linear dos outros e independente linearmente quando no
possvel.
Consideremos um conjunto de vetores v
1
, v
2
, v
3
,..., v
n

e um conjunto de constantes
a
1
, a
2
, a
3
...,a
n

, quando fazemos a operao a
1
v
1
+a
2
v
2
+a
3
v
3
+...+a
n
v
n
e encontramos:
a
1
= a
2
= a
3
= ... = a
n
= 0
Todos os a
i
iguais a zero.
(LI)
Conjunto de vetores Linearmente Independente
a
1
ou a
2
ou a
3
ou ... ou a
n
0
Ao menos um a
i
diferente de zero.
(LD) Conjunto de vetores Linearmente Dependente
Quadro 2 Conjunto de vetores LI / LD
Exemplo 3
Verifique se o conjunto de vetores Linearmente Dependente ou Independente.
a) v
1
=(1, 1), v
2
=(2, 3) e v
3
=( 0,2)
b) v
1
=(1, 1), v
2
=(1, 2, 3)
_
_
2 = k
1
k
3
1 = k
1
1 = 2k
2
+ k
3
_
_
k
3
= k
1
2
k
1
= 1
k
2
=
1
2

k
3
2
_
_
k
3
= 3
k
1
= 1
k
2
= 2
Logo,
u
[]
= (1, 2, 3)
a) Aplicando a regra:
Resolvendo o sistema linear:
Como existe soluo para os ai diferente de zero, ento, o conjunto de vetores Linear-
mente Dependente (LD).
b) Aplicando a regra:
Resolvendo o sistema linear:
Todo conjunto de vetores em que a quantidade for superior dimenso dos
vetores, o conjunto Linearmente Dependente.
Podemos citar o Exemplo 3 a onde o conjunto de 3 vetores de dimenso 2 LD.
Como todas as constantes encontradas foram zero, ento, o conjunto de vetores Line-
armente Independente (LI).
a
1
v
1
+ a
2
v
2
+ a
3
v
3
= 0
a
1
(1, 1) + a
2
(2, 3) + a
3
(0, 2) = (0, 0)
(a
1
, a
1
) + (2a
2
, 3a
2
) + (0, 2a
3
) = (0, 0)
(a
1
+ 2a
2
, a
1
+ 3a
2
2a
3
) = (0, 0)
_
a
1
+ 2a
2
= 0
a
1
+ 3a
2
2a
3
= 0
_
_
_
a
1
= 2a
2
a
3
=
1
2
a
1
+
3
2
a
2
=
1
2
(2a
2
) +
3
2
a
2
_
_
_
a
1
= 2a
2
a
3
=
5
2
a
2
_
_
_
_
a
1
a
2
a
3
_
_
= a
2
_
_
2
1
5
2
_
_
, a
2

_
_
Soluo:
a
1
v
1
+ a
2
v
2
= 0 v
1
= (1, 1, 0), v
2
= (1, 2, 3)
a
1
(1, 1, 0) + a
2
(1, 2, 3) = (0, 0, 0)
(a
1
, a
1
, 0) + (a
2
, 2a
2
, 3a
2
) = (0, 0, 0)
(a
1
+ a
2
, a
1
+ 2a
2
, 3a
2
) = (0, 0, 0)
_
_
a
1
+ a
2
= 0
a
1
+ 2a
2
= 0
3a
2
= 0
_
a
2
= 0
a
1
= 0
__
a
1
a
2
_
=
_
0
0
__
Soluo:
3
Desao
Verifique se o conjunto de vetores LD ou LI.
a)
b)
c)
d)
e)
1) Sendo G o conjunto de todos os vetores na forma
_
_
3t
t
0
_
_ , G um subespao do
3
?
Justique.
2) Verique se o conjunto de todas as matrizes simtricas de ordem 2x2 um subespao
do espao das matrizes.
3) Seja E =
4
, verique se F={(x; y; z )} um subespao do E.
4) Seja E =
3
, verique se F={ax+by+cz =0; x; y; z ; a; b; c; so constantes}
um subespao do E.
4) Seja E =
3
, verique se F={ax+by+cz =0; x; y; z ; a; b; c; so constantes}
um subespao do E.
5) Prove que os vetores e
1
=(1, 0), e
2
=(0, 1) e w=(r, s) so sempre LD e w um vetor no nulo.
6) Prove que os monmios {1, x, x
1
, x
2
, x
3

...,x
n
)} P
n
so LI.
u
1
= (1, 2, 0), u
2
= (1, 1, 1), u
3
= (0, 2, 3)
u
1
= (1, 2, 0), u
2
= (1, 0, 3), u
3
= (0, 2, 3)
u
1
= (1, 2, 0), u
2
= (1, 1, 1)
u
1
= (1, 2, 0), u
2
= (1, 0, 1), u
3
= (0, 2, 3), u
4
(1, 3, 2)
u
1
=
_
1 1
0 1
_
, u
2
=
_
3 0
2 0
_
, u
3
=
_
0 0
0 1
_
Resumo
1
2
3
Esta aula uma continuao de espaos vetoriais, a partir deste estudo voc des-
cobriu que um espao vetorial pode conter outro espao vetorial, que chamado
subespao. Para vericar se esse subconjunto um subespao no necessrio
testar todos os axiomas, mas apenas trs, o que facilita a vericao. Nesta aula,
voc aprendeu ainda como escrever um vetor como combinao de outros e
como vericar se existe dependncia linear entre vetores de um mesmo conjunto.
Autoavaliao
Verique se o conjunto subespao do espao vetorial dado.
a) Se os vetores na forma (x; y +1) subespao do
2
.
b) Se os vetores na forma (x, x, 0) subespao do
3
c) Se as matrizes na forma subespao das matrizes de ordem 2x2.
d) Se os polinmios na forma a
2
x
2
+ a
0
subespao dos polinmios de grau 2.
e) Se os polinmios na forma a
2
x
2
+ a
0
subespao dos polinmios de grau 3.
f) Se os polinmios na forma a
2
x
2
+ a
1
x + a
0
com a
2
, a
1
e a
0
Z subespao dos poli-
nmios de grau 2.
Quais dos vetores abaixo so combinao linear dos vetores u
1
=(1,3,-1) e u
2
=(0,-
2,2)?
a) (1,-1, 3)
b) (0, 4, 5)
c) (3, 1, 5)
d) (0, 0, 0)
e) (2, 2, 2)
Expresse os seguintes vetores como combinao linear de u
1
=(1,2,-1) e u
2
=(0,1,2)
e u
3
=(1,-1,0).
a) (1, 3, 2)
b) (0, 0, 0)
_
1 p
1
p
2
1
_
4
5
6
c) (1, 1, 1)
d) (1, 2, 1)
Expresse os seguintes vetores como combinao linear de P
1
= x
2
+2x 1, P
2
=
2x
2
+2, P
3
= x
2
x 3
a) x
2
b) 2x
2
+3x 3
c) 2x
2
+3x 3
d) 5x
2
2x
Indique se o conjunto LD ou LI. Justique.
a) v
1
=(1,1,0), v
2
=(1, 2, 3), v
3
=(1,0,0)
b) v
1
=(0,3,0), v
2
=(10, 0, 1)
c) v
1
=(4,3,7), v
2
=(2, 2, 5), v
3
=(1,9,0), v
3
=(1, 3, 0,2)
d) p
1
=x
2
+2x 1, p
2
=2x
2
+2, p
3
=x
2
x 3
e) p
1
=x
2
+2x 1, p
2
=2x
2
+2, p
3
=x
2
x 3, p
4
=x
2
2x +2
f)
Sabe-se que o conjunto de vetores u
1
,u
2
e u
3
LI. Indique um vetor que ao ser adi-
cionado ao conjunto transforme-o em LD. u
1
=(1,-1,0,0) e u
2
=(1,2,-3,1) e u
3
=(1,
0, 0, 1).
m
1
=
_
1 0 1
2 1 4
_
, m
2
=
_
5 1 2
0 0 1
_
, m
3
=
_
4 1 3
2 1 3
_
Anotaes
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre: Bookman,
2001.
Anotaes
Base e dimenso
8
Aula
1
2
3
4
Apresentao
O estudo de espaos vetoriais no estaria completo se no falssemos como eles so
formados. Nesta aula, veremos como um conjunto de vetores utilizado como base para a
gerao de um espao vetorial. Veremos ainda a maneira correta de determinar a dimenso
de um espao vetorial.
Objetivos
Reconhecer se um conjunto de vetores base de um de-
terminado espao.
Saber que espao formado a partir de um conjunto de
vetores.
Identicar bases de um espao vetorial.
Saber ler a dimenso de um espao.
Denio
Um conjunto de vetores identicado como base de um espao vetorial quando qualquer
vetor dentro desse espao pode ser escrito como combinao linear dos vetores desse conjunto.
Exemplo 1
Sabendo que os vetores u
1
=(0,1) e u
2
=(1,1) so base do
2
, ento sabemos que
possvel escrever qualquer vetor dentro do
2
como combinao linear de u
1
e u
2
.
Tomemos, por exemplo, o vetor v
1
=(2,3)
v
1
= 1.u
1
+2.u
2

(2,3) = 1.(0,1) + 2.(1,1)
(2,3) = (0,1) + (2,2)
Se tomarmos o vetor v
2
=(1,0)
v
2
= 1.u
1
+(1).u
2

(1,0) = -1.(0,1) - 1.(1,1)
(1,0) = (0,1) + (1,1)
Se tomarmos o vetor v
3
=(5,11)
v
3
= 16.u
1
+5.u
2

(5,11) = 16.(0,1) + 5.(1,1)
(5,11) = (0,16) + (5,5)
Qualquer que seja o vetor do
2
sempre ser possvel escrev-lo como combinao linear
de u
1
e u
2
porque os dois vetores formam uma base para o
2
.
Porm, como saber se um conjunto de vetores base de um determinado espao vetorial?
Seja o conjunto de vetores ={v
1
, v
2
,..., v
n
} que pertence ao espao vetorial V,
dizemos que o conjunto base do espao vetorial V se:
for linearmente independente (LI) e
gerar o espao V.
Exemplo 2
Verique se os vetores u
1
=(0,1) e u
2
=(1,1) so base do
2
.
Primeiro vericaremos se o conjunto LI:
k
1
u
1
+ k
2
u
1
= 0
k
1
(0,-1) + k
2
(1,1) = (0,0)
(k
2
, - k
1
+ k
2
) = (0,0)
_
k
2
= 0
k
1
+ k
2
= 0 k
1
= 0
Como k
1
e k
2
so ambos iguais a zero, ento os vetores so LI.
Agora veremos se o conjunto capaz de gerar o espao.
Se os vetores so capazes de gerar o espao, isso quer dizer que qualquer vetor desse
espao pode ser expresso como combinao linear dos vetores da base.
Vamos escrever um vetor genrico (x,y) como combinao linear de u
1
e u
2
.
(x,y) = k
1
u
1
+ k
2
u
2

(x,y) = k
1
(0,-1) + k
2
(1,1)
(x,y) = (0,- k
1
) + (k
2
, k
2
)
Note que possvel escolher quaisquer valores para x e y independentemente, ou seja,
podemos escolher qualquer par (x,y) do
2
que sempre haver um par de constantes k
1
, k
2

que escrever o vetor como combinao linear dessa base, implicando na gerao de todo o
2
. Com isso, conclumos que os vetores so base do
2
.
Exemplo 3
Verique se os vetores v
1
=(1,1, 1) e v
3
=(1, 0,1) so base do
3
.
Primeiro vericaremos se o conjunto LI:
k
1
v
1
+ k
2
v
2
= 0
k
1
(1,1, 1) + k
2
(1, 0,1) = (0, 0, 0)
(k
1
+ k
2
, k
1
, k
1
+ k
2
) = (0, 0, 0)
Como k
1
e k
2
so iguais a zero, ento os vetores so LI.
Agora veremos se o conjunto capaz de gerar o espao.
Se os vetores so capazes de gerar o espao, isso quer dizer que qualquer vetor desse
espao pode ser expresso como combinao linear dos vetores da base.
Vamos escrever um vetor genrico (x,y,z) como combinao linear de v
1
e v
2
.
(x,y,z) =k
1
v
1
+ k
2
v
2

(x,y,z) =k
1
(1,1, 1) + k
2
(1, 0,1)
(x,y,z) =(k
1
, k
1
, k
1
) + (k
2
, 0, k
2
)
_
x = k
2
y = k
1
+ k
2
_
k
2
= x
k
1
= x y
logo,
_
_
k
1
+ k
2
= 0
k
1
= 0
k
1
+ k
2
= 0
logo,
_
k
1
= 0
k
2
= 0
_
_
x = k
1
+ k
2
y = k
1
z = k
1
+ k
2
logo,
_
x = z
y = k
1
1
Verique se o conjunto de vetores base do espao indicado. Justique.
a) v
1
=(1,1, 1, 0), v
2
=(1, 0,1, 1), v
3
=(0, 0, 1, 0) Espao
4
b) v
1
=(1,1, 1), v
2
=(1, 0, 1), v
3
=(0, 0, 1) Espao
3
c) v
1
=(1,1), v
2
=(1, 1), v
3
=(0, 1), Espao
2
d) Espao M
2x2
Note que nessa situao no podemos obter qualquer valor para (x,y,z) , existe uma
restrio, x=z. Dessa forma, jamais poderamos escrever, por exemplo, o vetor (1,2,3) como
combinao linear dos vetores v
1
e v
2
, pois esses vetores apenas conseguem se combinar para
gerar vetores dentro do
3
, cuja coordenada x seja igual coordenada z.
Portanto, esses vetores no so capazes de gerar todo o
3
, logo no so base do
3
.
Seja o conjunto de n vetores ={v
1
, v
2
,..., v
n
} uma base do espao vetorial
V, ento podemos armar que:
Um conjunto com mais de n vetores ser Linearmente Depen-
dente (LD).
Um conjunto com menos de n vetores no ser capaz de gerar
o espao.
Qualquer outra base de V ter o mesmo n (nmero de) vetores.
Espao nulo
O espao nulo de uma matriz A o espao soluo da equao AX= 0, ou seja, so
todos os possveis vetores X que ao serem multiplicados por A, levam o resultado para um
vetor nulo.
Exemplo 4
Encontre uma base para o espao nulo da matriz
v
1
=
_
1 1
0 1
_
, v
2
=
_
0 1
0 1
_
, v
3
=
_
2 0
0 0
_
, v
4
=
_
1 2
0 2
_
B =
_
1 0 1
2 1 0
_
Primeiramente, devemos identificar a dimenso do vetor X e do vetor nulo resultante.
Como BX= 0, e a dimenso de B 2x3, ento para que seja possvel a multiplicao
BX, X s pode ser 3x1, e o vetor resultante ento ser 2x1.
B X = 0
(2x3) (3x1) (2x1)
Se tomarmos o vetor (1, 2, 1) como base, ao multiplic-lo por qualquer constante real obtemos
um vetor sobre a reta que coincide com esse vetor, ou seja, o resultado est sobre o espao
gerado por esse vetor. O que a nossa soluo diz que qualquer que seja o valor de x
1
, o
resultado da multiplicao de x
1
pelo vetor (1, 2, 1) continua sendo soluo do espao nulo
de B. Portanto, podemos afirmar que o vetor (1, 2, 1) uma base para o espao nulo de B.
S={(1, 2, 1)}
O clculo do espao nulo de uma matriz recai sempre sobre um sistema homog-
neo, AX = 0, o que implica que a soluo trivial sempre faz parte do espao nulo
de qualquer matriz, ou seja, a soluo x
1
=

x
2
=...=x
n
=0 faz parte da soluo
de qualquer espao nulo. Porm, tenha cuidado, porque apesar da soluo trivial
sempre fazer parte do espao nulo, nem sempre a nica soluo possvel.
No Exemplo 4, onde o espao nulo o espao gerado pelo vetor (1, 2, 1), se
escolhermos a constante x
1
=0, obteremos o vetor (0,0,0), porm, esse no o
nico vetor que ao multiplicar por B resulta no vetor nulo.
2
Verique se o conjunto subespao do espao vetorial dado.
a) b) c)
_
1 0 1
2 1 0
_
_
_
x
1
x
2
x
3
_
_
=
_
0
0
_
logo,
_
x
1
x
3
= 0
2x
1
+ x
2
= 0
_
x
3
= x
1
x
2
= 2x
1
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
2x
1
x
1
_
_
= x
1
_
_
1
2
1
_
_
, onde X
1

A =
_
_
1 0 1
0 2 1
1 1 1
_
_
A =
_
1
2
1
2 4
_
A =
_
1 0 2
_
Espao Exemplo de base Dimenso
2
(1, 0), (2, 1) dim(
2
) = 2
2
(3, 2),(1,2) dim(
2
) = 2
3
(1, 2, 1),(0, 1, 1),(0, 0, 3) dim(
3
) = 3
n
dim(
n
) = n
M
22
dim(M
22
) = 4
M
pq
dim(M
pq
) =pq
P
2
(2x
2
x +1),(x
2
+3x

+3),(x
2
2x +4) dim(P
2
) = 3
P
n
dim(P
n
) =n+ 1
Tabela 1 Exemplos de espaos e suas dimenses.
Dimenso de um espao vetorial
A dimenso de um espao vetorial denida pela quantidade de vetores na sua base.
A Tabela 1 mostra alguns exemplos de bases e dimenso.
Bases cannicas
O espao que tem como base um vetor nulo tem dimenso zero.
Seja V um espao vetorial de dimenso n e seja um conjunto com n ve-
tores, ento ser base de V se for Linearmente Independente.
Tabela 2 Bases cannicas.
Espao Base cannica
2
(1, 0), (0, 1)
3
(1, 0, 0),(0, 1, 0),(0, 0, 1)
n (1, 0, ... , 0),(0, 1, 0, ... , 0), ... ,(0, 0, ... , 0, 1, 0),(0, 0, ... , 1)
M
22
M
23
P
3
(1), (x)

, (x
2
), (x
3
)
P
n
(1), (x)

, (x
2
), (x
3
), ... , (x
n
)
As bases cannicas so as bases mais simples de cada espao. Um vetor representado
na base cannica tem seus componentes coincidentes com suas coordenadas. A Tabela 2
mostra bases cannicas de alguns espaos vetoriais.
_
0 1
2 4
_
,
_
1 0
1 0
_
,
_
2 0
0 2
_
,
_
1 3
1 2
_
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
_
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
_
3
Encontre a dimenso dos seguintes espaos.
a) O espao soluo do sistema linear
b) O espao nulo da matriz
1) Encontre a base e a dimenso do espao soluo do sistema linear
Desao
2) Para quais valores de k os vetores u
1
=(k ,1,0), u
2
=(1, 0, k) e u
3
=(1+ k, 1, 1) constituem
uma base do
3
?
3) Encontre uma base para o espao W, onde W=E V, sendo E={(x,y,z)
3
/ x +y
z = 0} e E={(x,y,z)
3
/ x=y}
4) Encontre uma base para o espao W, onde W=E V, sendo E={(x,y,z)
3
/ x +y
z = 0} e E={(x,y,z)
3
/ x=y}
5) Considere E um espao vetorial de dimenso n, dim(E)=n. E seja B um conjunto de
m vetores, B={v
1
, v
2
,..., v
m
} . Analise, em cada caso, se B base do espao E, e sob que
condies isso pode acontecer.
a) m < n
b) m = n
c) m > n
_
_
a + b c = 0
a + 2c + d = 1
3c b + d = 1
_
_
2 1 0
0 0 1
0 1 1
_
_
_
_
x
1
x
2
x
4
= 0
x
3
+ x
1
= 1
x
2
+ x
4
= 2
Resumo
1
2
Nesta aula, voc compreendeu como os espaos vetoriais so formados
a partir de vetores que constituem a base do espao. Viu como identicar se
um conjunto de vetores base ou no de um determinado espao e descobriu
tambm como encontrar a dimenso de cada espao em funo do nmero de
vetores que compem a sua base.
Autoavaliao
Explique por que o conjunto de vetores no base do espao indicado.
a) u
1
=(1,-1,0,0), u
2
=(1,2,-3,1)
3

b) u
1
=(1,-1,0,0), u
2
=(1,2,-3,1) , u
3
=(0,1,-3,0), u
4
=(1,2, 0,-2)
3

c)
d) u
1
=(1,-1), u
2
=(0,0)
2

e) u
1
=(2,2), u
2
=(1,0) {(x,y)
3
/ y=x}
f) u
1
= x
2
x +2, u
2
=(1,0) P
2
Mostre se o conjunto de vetores base do espao indicado.
a) u
1
=(1,-1,0,0), u
2
=(1,2,-3,1), u
3
=(0,1, 0,1)
3

b) u
1
=(1,0), u
2
=(2,-2)
2

c) u
1
=(8,-2), u
2
=(-4,1)
2

d) u
1
=(2,1,-1), u
2
=(1,0,1) {(x,y)
3
/ x=3y+z}
e)
u
1
=
_
2 0
1 3
_
, u
2
=
_
1 2
0 1
_
M
22
u
1
=
_
1 0
0 1
_
, u
2
=
_
1 1
1 1
_

__
a b
c d
_
M
22
/ a = d, b = c
_
3
4
f) u
1
= x
2
x +2, u
2
= 2x
2
+ 2x 1, u
3
= x
2
+ x +3 {(a
2
x
2
+ a
1
x + a
0
) P
2
/
a
0
=a
1
}
Identique que espao gerado a partir da base dada e qual sua dimenso.
a) u
1
=(1,3), u
2
=(-3,3)
b) u
1
=(0,0)
c) u
1
=(-2,1)
d) u
1
=(0, 1,3), u
2
=(1,0,2)
e) u
1
=(-2, 1, 3)
f)
g)
h) u
1
= x 2, u
2
= 2x
2
i) u
1
= x
4
+ 2x
3
x
2
, u
2
= 2x
2
Identique e encontre bases para os espaos indicados.
a) {(x,y)
2
/ x=2y}
c) {(x,y)
2
/ y=0}
d) {(x,y,z)
3
/ x=y+z}
e) {(x,y,z)
3
/ x=0}
f)
g)
h) {(a
2
x
2
+ a
1
x + a
0
) P
2
/ a
0
=a
1
}
u
1
=
_
1 0 1
2 0 0
_
, u
2
=
_
0 1 3
1 0 2
_
u
1
=
_
0 1
0 0
_
, u
2
=
_
0 1
1 0
_
, u
3
=
_
1 0
2 1
_
__
a b
c d
_
M
22
/ d = 0
_
__
a b c
d e f
_
M
23
/ a = b = c, d = e = f = 0
_
5
Anotaes
Encontre uma base para o espao nulo da matriz A
a) c)
b) d)
A =
_
_
1 0 1
0 0 2
1 2 0
_
_
A =
_
_
2 0 3
1 0 0
1 0 0
_
_
A =
_
_
1 1 0 0 1
1 1 1 0 1
1 1 0 1 0
_
_
A =
_
0 1 0
_
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre:
Bookman, 2001.
Anotaes
Produto Interno
9
Aula
1
2
Apresentao
O
s espaos vetoriais so analisados de diversas formas. Os axiomas, apesar de explora-
rem a interao entre vetores e escalares, no so sucientes para abordar uma anlise
completa desses vetores. Questes como ngulos, ortogonalidade, distncia precisam
de outra ferramenta para sua anlise. Nesta aula, ser fornecido um operador que capaz de
prover essa anlise complementar, servindo de base para a soluo de muitos problemas
aplicados: o produto interno.
Objetivos
Saber utilizar e identicar os axiomas para produto interno.
Aprender a calcular norma, ngulo e distncia de vetores
utilizando o produto interno.
Denio
O produto interno uma funo que leva um par de vetores de um determinado espao vetorial
a um nmero real.
Notao
Produto interno entre os vetores u e v: u, v ou u v
Vimos na aula sobre espaos vetoriais que cada espao pode apresentar sua prpria regra
para adio de vetores e multiplicao de um vetor por um escalar, e algumas vezes essas
regras podem ser estranhas para ns. Com o produto interno ocorre a mesma coisa: cada
espao vetorial pode apresentar uma regra diferente para o produto interno. Ento como saber
se uma determinada regra ou no uma regra vlida para um produto interno?
Axiomas
Para vericarmos se uma funo ou no uma regra vlida para o produto interno, de-
vemos testar 4 axiomas, de modo que se um deles falhar, j podemos dizer que a regra no
uma regra para produto interno. Os axiomas so mostrados na Tabela 1 a seguir.
Tabela 1 Axiomas para o produto interno.
Axioma Regra Comentrio
Simetria u, v = v, u
A ordem de aplicao dos vetores no produto
interno no pode fazer diferena
Aditividade
u+w, v = v, u + w, v
A adio (e subtrao) dentro do produto interno
pode ser desmembrada em quantas somas forem
necessrias
Homogeneidade ku, v = k v, u
Sempre que uma constante aparecer
multiplicando um vetor, essa constante pode ser
retirada do produto interno
Positividade
v, v 0 e v, v = 0 ,
somente se v=0
O produto interno de um vetor com ele mesmo
sempre resulta em um valor positivo, e s pode
ser zero se o vetor for o vetor nulo
Exemplo 1
Sendo u e v vetores pertencentes ao
3
, verique se o produto
um produto interno vlido. u=(x
1
,y
1
,z
1
) e v=(x
2
,y
2
,z
2
).
Testando os axiomas:
Simetria: u, v = v, u
Como u, v = v, u , ento o axioma se verica.
Aditividade: u+w, v = u, v + w, v
Considerando w=(x
3
,y
3
,z
3
), ento:
u+w=(x
1
+ x
3
, y
1
+ y
3
, z
1
+ z
3
)
Nesse caso, u+w, v u, v + w, v , logo, o axioma falha e a regra no um pro-
duto interno.
Exemplo 2
Sendo u e v vetores pertencentes ao
3
, verique se o produto
um produto interno vlido. u=(x
1
,y
1
,z
1
) e v=(x
2
,y
2
,z
2
).
Testando os axiomas:
Simetria: u, v = v, u
u, v =2x
1
x
2
- y
1
y
2
+ z
1
z
2
v, u =2x
2
x
1
- y
2
y
1
+ z
2
z
1

Como u, v = v, u , ento o axioma se verica.
Aditividade: u+w, v = u, v + w, v
Considerando w=(x
3
,y
3
,z
3
), ento:
u+w=(x
1
+ x
3
, y
1
+ y
3
, z
1
+ z
3
)
(u+w), v =2(2x
1
+x
3
)x
2
- (y
1
+y
3
)y
2
+ (z
1
+z
3
)z
2
e
u, v + w, v=(2x
1
x
2
- y
1
y
2
+ z
1
z
2
) + (2x
3
x
2
- y
3
y
2
+ z
3
z
2
)
Como u+w, v = u, v + w, v , ento o axioma se verica.
u, v = x
2
1
x
2
2
+ y
2
1
y
2
2
+ z
2
1
z
2
2
u, v = x
2
1
x
2
2
+ y
2
1
y
2
2
+ z
2
1
z
2
2
v, u = x
2
2
x
2
1
+ y
2
2
y
2
1
+ z
2
2
z
2
1
(u + w), v = (x
1
+ x
3
)
2
x
2
2
+ (y
1
+ y
3
)
2
y
2
2
+ (z
1
+ z
3
)
2
z
2
2
u, v +w, v =
_
x
2
1
x
2
2
+ y
2
1
y
2
2
+ z
2
1
z
2
2
_
+
_
x
2
3
x
2
2
+ y
2
3
y
2
2
+ z
2
3
z
2
2
_
e
u, v = 2x
1
x
2
y
1
y
2
+ z
1
1
Verique se a regra um produto interno, u, v =3x
1
x
2
- 2y
1
y
2
+ z
1
z
2
,
sendo u e v vetores pertencentes ao
3
, onde u=(x
1
,y
1
,z
1
) e v=(x
2
,y
2
,z
2
).
Homogeneidade: ku, v = k v, u
k.u = (k.x
1
,k.y
1
,k.z
1
)
ku, v = 2(k.x
1
)x
2
- (k.y
1
)y
2
+ (k.z
1
)z
2
= 2kx
1
x
2
- ky
1
y
2
+ kz
1
z
2
k v, u = k.(2x
1
x
2
- y
1
y
2
+ z
1
z
2
) = 2kx
1
x
2
- ky
1
y
2
+ kz
1
z
2
Como ku, v = k v, u , ento o axioma se verica.
Positividade: v, v 0
Produto interno euclidiano
Existe uma regra clssica para produto interno que chamada de produto interno eucli-
diano e denida como: u, v =u
1
v
1
+ u
2
v
2
+...+ u
n
v
n
Onde u =(u
1
, u
2
, ... , u
n
) e v =(v
1
, v
2
, ... , v
n
)
Existem variaes do produto interno euclidiano, como o caso do produto interno
euclidiano ponderado, denido por: u, v =k
1
u
1
v
1
+ k
2
u
2
v
2
+...+ k
n
u
n
v
n
Onde k
1
, k
2
, ... , k
n
so pesos, constantes reais.
Exemplo 3
Calcule o produto interno entre os vetores u =(2,-2,1,3,0) e v =(1,1,-1,0,2).
Quando no h meno de qual o produto interno em questo, ento se assume que o
produto interno o euclidiano, logo:
v, v = 2x
2
x
2
y
2
y
2
+ z
2
z
2
= 2x
2
2
y
2
2
+ z
2
2
Com essa regra, a positividade falha porque nem sempre na aplicao de um vetor com
ele mesmo o resultado ser maior ou igual a zero. Se tomarmos um vetor cujo mdulo da
coordenada y seja maior que o mdulo da coordenada z somado a duas vezes o mdulo da
coordenada x, teremos um resultado negativo, invalidando o axioma. Portanto, a regra no
um produto interno.
*Nesse axioma, se enxergarmos uma nica possibilidade de o resultado ser negativo,
ento podemos consider-lo como falho. Nesse exemplo, se a regra fosse diferente e o resul-
tado fosse , poderamos dizer que o axioma se vericava, pois no
existiria a possibilidade desse resultado ser negativo.
v, v = 2x
2
2
+ y
2
2
+ z
2
2
u, v =u
1
v
1
+ u
2
v
2
+...+ u
n
v
n
u, v =u
1
v
1
+ u
2
v
2
+u
3
v
3
+ u
4
v
4
+ u
4
v
5
u, v =2.1+(-2).1+1.(-1)+3.0+0.2
u, v = -1
O produto interno uma operao que sempre aplicada entre dois vetores,
tendo como resultado um nmero real. Em hiptese alguma o produto interno
pode ser aplicado entre trs ou maios vetores.
Aplicando o produto interno
No estudo de vetores, temos a necessidade de analisar seu tamanho, os ngulos forma-
dos, as distncias, enm, propriedades geomtricas para compreender melhor suas aplicaes.
Usaremos ento o produto interno para abordar algumas dessas propriedades.
Norma de um vetor
A norma, ou comprimento, ou mdulo, de um vetor expressa em funo do produto
interno :
u =
_
u, u
A notao normalmente utilizada para a norma : .
Distncia entre dois vetores
A distncia entre dois vetores nada mais do que o comprimento (norma) do vetor
diferena entre os dois vetores, logo:
ngulo entre dois vetores
O ngulo entre dois vetores tambm pode ser obtido em funo do produto interno:
u ou |u|
d(u, v) = u v =
_
u v, u v
cos() =
u, v
uv
Onde o ngulo entre u e v.
Exemplo 4
Conhecendo-se os vetores u =(2,-2,1,3,0) e v =(1,1,-1,0,2). Calcule:
a) A norma de u
b) A norma de v
c) A distncia entre u e v
d) O ngulo entre u e v
a) A norma de u
u =
_
u, u
u =
_
(2, 2, 1, 3, 0), (2, 2, 1, 3, 0)
u =
_
2
2
+ (2)
2
+ 1
2
+ 3
2
+ 0
2
u =
18
b) A norma de v
v =
_
v, v
v =
_
(1, 1, 1, 0, 2), (1, 1, 1, 0, 2)
v =
_
1
2
+ 1
2
+ (1)
2
+ 0
2
+ 2
2
v =
7
c) A distncia entre u e v
(u v) = (2, 2, 1, 3, 0) (1, 1, 1, 0, 2) = (1, 3, 2, 3, 2)
d(u, v) = u v =
_
u v, u v
d(u, v) =
_
(1, 3, 2, 3, 2), (1, 3, 2, 3, 2)
d(u, v) =
_
1
2
+ (3)
2
+ 2
2
+ 3
2
+ (2)
2
d(u, v) =
27
d) O ngulo entre u e v
cos() =
u, v
uv
2
Calcule o ngulo entre os vetores w
1
e w
2
, w
1
e w
3
, w
2
e w
3
.
w
1
=(-1,1,2), w
2
=(1,-1,0) e w
3
=(-2,2,0)
cos() =
u, v
uv
cos() =
(2, 2, 1, 3, 0), (1, 1, 1, 0, 2)
uv
cos() =
21 + (2)1 + 1(1) + 30 + 02
18
7
cos() =
1
126
=
1
11, 22
= 0, 089
= cos
1
(0, 089)
= 95, 11
Propriedades (u, v e w so vetores do espao vetorial V e k, k

1
e k
2
so escalares)

Somente de u=0 (vetor nlo)

0, u = u, 0 =0
v+w, u = v, u + w, u
v -w, u = v, u + w, u
v, w - u = v, w + v, u
kv, u = kv, u
k
1
v, k
2
u = k
1
k
2
v, u
Desigualdade de Cauchy-Schwarz
Desigualdade triangular
u 0 u V
u = 0
ku = |k|u
|u, v| uv
u + v u +v
2
Exemplo 5
Simplique a expresso: 3u -4v, 2u +v.
Usando a propriedade u+w, v = u, v + w, v , temos:
3u -4v, 2u +v = 3u -4v, 2u + 3u -4v, v
Novamente aplicando a propriedade:
3u -4v, 2u +v = (3u , 2u - 4v, 2u) + (3u, v - v, v)
Utilizando agora a propriedade k
1
v, k
2
u = k
1
k
2
v, u , temos:
3u -4v, 2u +v = (3.2 u, u - 4.2 v, u) + (3 u, v - 4 v, v )
E sabendo que u, v = v, u
3u -4v, 2u +v = 6 u, u - 8v, u + 3 u, v - 4v, v
3u -4v, 2u +v = 6 u, u - 5 u, v - 4v, v
Como , ento podemos escrever: u =
_
u, u, logo u
2
= u, u
3u 4v, 2u + v = 6u
2
5u, v 4v
2
Desao
Simplique a expresso: 8w +2v -3u,u -2v, em que u, v e w so vetores.
1) Dados u e v, vetores que pertencem a um espao vetorial W, e sabendo que
, calcule: u -v, u +v.
2) Sejam U e V dois vetores arbitrrios do
2
, mostre que o produto interno entre eles
pode ser escrito como: U, V = ||U||. ||V||. cos(). Onde o ngulo entre os vetores.
* Relaes trigonomtricas sen (ab)=sen(a)cos(b) sen(b)cos(a)
(caso seja necessrio): sen (ab)=sen(b)cos(a) sen(a)cos(b)
3) Supondo que P
2
tem produto interno , encontre ||u|| para:
a) u=(x
2
)
b) u=(x)
c) u=(1)
d) u=(2x
2
+x-2)
u = |u| = 8
e v = |v| = 1
u, v =
_
1
1
u(x)v(x)dx
Resumo
1
4) Para que valores de x e z os vetores
so ortonormais?
5) Encontre uma base ortonormal para o subespao de
3
formado pelos vetores na
forma (r,r+s,s).
6) Observe a gura a seguir e, considerando que u e v so ortogonais, encontre uma
relao entre as normas de u+v, de u e de v. O que representa esse resultado?
u =
_
1
2
, 0,
1
2
_
, v =
_
x,
1
2
, z
_
v
u
u + v
Nesta aula, voc aprendeu que existe uma ferramenta a qual permite uma
anlise mais precisa de vetores dentro de um espao vetorial, o produto interno.
Viu tambm que cada espao vetorial pode ter sua prpria regra para produto in-
terno. Devemos ento vericar se a regra uma regra vlida para produto interno
atravs dos axiomas. Ele possibilita o clculo de normas, ngulos, distncias e
ainda outras aplicaes que sero vistas em aulas posteriores.
Autoavaliao
Verique se as operaes a seguir so produtos internos dos espaos dados.
a) u, v
2
, u=(u
1
,u
2
), v=(v
1
, v
2
), u, v = -2u
1
v
1
+ 2u
2
v
2
b) u, v
2
, u=(u
1
,u
2
), v=(v
1
, v
2
), u, v = u
1
v
1
+ u
1
v
2
+

u
2
v
1
+ u
2
v
2

c) u, v
2
, u=(u
1
,u
2
), v=(v
1
, v
2
),
d) u, v
3
, u=(u
1
,u
2
, u
3
), v=(v
1
, v
2
,v
3
), u, v = - u
1
v
1
- u
3
v
3
u, v = u
2
1
v
2
1
+ u
2
2
v
2
2
5
2
3
4
e) u, v M
2x2
, , u, v = tr(u).tr(v)
* tr(A) = trao da matriz A
f) u, v P
2
, u=(a
2
x
2
a
1
x +a
0
) , v=(b
2
x
2
b
1
x +b
0
), u, v = 2(a
2
b
2

a
0
b
0
)
g) u, v P
2
, u=(a
2
x
2
a
1
x +a
0
) , v=(b
2
x
2
b
1
x +b
0
),
Sabendo que u=(3, 2, -1, 0, 0), v=(0, 1, 3, 4, -2), encontre:
a) d) g)
b) e)
c) f)
Considerando os vetores u, v, w e z
n
, encontre uma expresso equivalente:
a) u+3v -2z, 5v + u
b) u+3w -2u, 5w
c)
Seja P
1
o espao dos polinmios de grau 1 com produto interno denido por:
, onde u=(a +bx) e v=(c +dx).
Encontre a norma de P, a norma de Q e a distncia entre os vetores P e Q, onde
P=5x-2 e Q=-3x-4.
Sendo u=(2,1,0,-2), qual deve ser o valor de K para que ||ku||=2 ? k uma
constante real.
u =
_
a
1
b
1
c
1
d
1
_
, v =
_
a
2
b
2
c
2
d
2
_
u, v = a
2
2
b
2
2
+ a
1
b
1
u 3u + 2v
u + v
u v
u
u, v
u, v
v, u
v
1
u, u
u
u 3v w + 2z
u, v = ac +
ad
2
+
bc
2
+
bd
2
Anotaes
Referncias
Anotaes
Anotaes
Processo de ortogonalizao
de Gram-Schmidt
10
Aula
1
2
3
4
5
Apresentao
V
imos anteriormente que um espao vetorial pode ter diversas bases possveis, desde
que os vetores sejam linearmente independentes e que gerem o espao. Dessa forma,
podemos escolher com que base trabalhar, porm, existem algumas situaes em que
h a necessidade de se trabalhar com uma base cujos vetores sejam todos ortogonais entre si.
Ento, como obter uma base que seja ortogonal de um espao vetorial? Para isso, lanaremos
mo do processo de ortogonalizao Gram-Schmidt.
Objetivos
Reconhecer um conjunto de vetores ortogonais e ortonormais.
Identicar as projees de um vetor.
Utilizar o algoritmo que resulta em um conjunto ortogonal.
Aprender a normalizar vetores.
Identicar a diferena entre um conjunto de vetores orto-
gonal e ortonormal.
Denio
O processo de ortogonalizao de Gram-Schmidt um algoritmo que permite entrarmos com
um conjunto de vetores LI e ele nos retorna um conjunto de vetores, que alm de linearmente inde-
pendentes, so ortogonais.
Antes de conhecermos melhor esse algoritmo, veremos alguns conceitos pertinentes.
Ortogonalidade
Dois vetores u e v so ortogonais (perpendiculares) quando formam um ngulo de
radianos entre si e a notao : u v
Outra forma de vericar a ortogonalidade atravs do produto interno, pois quando dois
vetores so ortogonais, seu produto interno zero.
u, v = 0 se u v
Um conjunto de vetores dito ortogonal quando todos os vetores so ortogonais entre si.
Exemplo 1
Verique se os vetores a seguir so ortogonais:
a) u=(2,-2,1,0) e v=(3,1,-4,5).
b)
Quando no explicitado qual o produto interno, ento utilizado o euclidiano:
a) Se u e v forem ortogonais, ento o produto interno entre eles ser zero:
u, v = 2.3 + (-2).1 + 1.(-4) + 0.5
u, v =0
Logo, u e v so ortogonais.
b) Se u e v forem ortogonais, ento o produto interno entre eles ser zero:
u, v = 2.0 + 1.3 + (-1).2 + (-1).1
u, v = 0
Logo, u e v so ortogonais.
2
u =
_
2 1
1 1
_
e v =
_
0 0
2 1
_
1
Bases ortonormais
Como j vimos, um conjunto de vetores ortogonal quando todos so ortogonais entre
si, sempre analisados par a par. Um conjunto de vetores ortogonais dito ortonormal quando
todos apresentam norma igual a 1. Ou seja, para que um conjunto de vetores seja ortonormal,
tem que apresentar produto interno igual a zero (tem que ser ortogonal) e tem que ter norma 1.
Exemplo 2
Verique se os vetores a seguir so ortonormais:
a) u
1
=(2,1,1,1) , u
2
=(1,0,-1,-1) e u
3
=(3,-1,1,0)
b) u
1
=(0,1,1,1) , u
2
=(1,0,-1,1) e u
3
=(-1,1,-1,0)
a) Para que o conjunto seja ortonormal, preciso que os vetores sejam ortogonais e que
tenham norma igual a 1.
Vericando se so ortogonais:
u
1
, u
2
= 2.1 + 1.0 + 1.(-1) + 1.(-1) = 0
u
1
, u
3
= 2.3 + 1.(-1) + 1.1 + 1.0 = 6
u
2
, u
3
= 1.3 + 0.(-1) + (-1).1 + (-1).0 = 2
Como os produtos internos apresentaram valores diferentes de zero, no so ortogonais,
portanto, no so ortonormais.
b) Vericando se so ortogonais:
u
1
, u
2
= 0.1 + 1.0 + 1.(-1) + 1.1 = 0
u
1
, u
3
= 0.(-1) + 1.1 + 1.(-1) + 1.0 = 0
u
2
, u
3
= 1.(-1) + 0.1 + (-1).(-1) + 1.0 = 0
Como os produtos internos apresentaram valores iguais a zero, os vetores so ortogonais.
Agora, vamos vericar se tm norma 1:
Verique se os vetores a seguir so ortogonais.
a) u=(5,-3,0,-1,4) e v=(2,2,-6,-4,0)
b) u=(3,-3,2) e v=(3,-2,1)
c) u=-x
3
+3x
2
-5x +2 e v=3x
3
+2x
2
+x +1
u
1
=
_
u
1
, u
1
=
_
0
2
+ 1
2
+ 1
2
+ 1
2
=
3
u
2
=
_
u
2
, u
2
=
_
1
2
+ 0
2
+ (1)
2
+ 1
2
=
3
u
3
=
_
u
3
, u
3
=
_
(1)
2
+ 1
2
+ (1)
2
+ 0
2
=
3
2
Verique se os vetores a seguir so ortonormais.
a) u=(1,-1,0) e v=(0,0,1)
b)
Como os vetores no tm norma 1, ento o conjunto no ortonormal.
Projees
Consideremos um plano W e um vetor u. Analisando a Figura 1, dizemos que w
1
a
projeo ortogonal de u em W e que w
2
a componente de u ortogonal a W.
u = x
2
5
2
e v = 2x
2
1
2
x
Figura 1 Projees no vetor u no plano W
Denimos ento: u=w
1
+

w
2
onde,

A Figura 1 mostra as projees de um vetor em um plano, porm, trabalharemos com
projees em diversas dimenses.
Para o processo de ortogonalizao de Gram-Schmidt, precisaremos conhecer a projeo
ortogonal de u em W. Consideremos que o espao W tenha uma base ortogonal {v
1
, v
2
, v
3
,
..., v
n
}, ento a projeo ortogonal de u em W dada por:
w
1
= proj
w
u
w
2
= proj
w
u
w1 = proj
w
u =
u, v
1
v
1
2
v
1
+
u, v
2
v
2
2
v
2
+
u, v
3
v
3
2
v
3
+ . . . +
u, v
n
v
n
2
v
n
Processo (algoritmo)
O processo consiste em transformar um conjunto nito de vetores LI U={u
1
, u
2
, ..., u
n
},
de um determinado espao com produto interno, em um conjunto ortogonal V={v
1
, v
2
,..., v
n
},
como mostrado na Figura 2.
Figura 2 Processo de ortogonalizao de Gram-Schmidt
Etapas
1) Partindo do conjunto de vetores U, tomemos um dos vetores como referncia, por exemplo, u
1
.
v
1
= u
1
2) O prximo passo obter um segundo vetor ortogonal ao primeiro. Ento, calculemos v
2
:
v
2
= u
2
proj
w1
u
2
= u
2

u
2
, v
1
v
1
2
v
1
Como temos at agora apenas o vetor v
1
no nosso conjunto ortogonal, a projeo de u
2
calculada em relao ao vetor v
1
apenas, pois v
2
precisa ser ortogonal somente em relao
a v
1
at agora. Portanto, w
1
na equao refere-se ao vetor v
1
.
3) A etapa seguinte consiste em obter um terceiro vetor que seja tanto ortogonal a v
1
quanto
a v
2
. Isso implica dizer que v
3
deve ser ortogonal ao plano formado pelos vetores v
1
e v
2
.
v
3
= u
3
proj
w2
u
3
= u
3

u
3
, v
1
v
1
2
v
1

u
3
, v
2
v
2
2
v
2
Agora temos os vetores v
1
e v
2
no nosso conjunto ortogonal. A projeo de u
3
calculada
em relao aos vetores v
1
e v
2
. Portanto, w
2
na equao refere-se ao plano formado pelos
vetores v
1
e v
2
.
4) Para obter o quarto vetor, devemos escrev-lo ortogonal aos trs que encontramos ante-
riormente:
v
4
= u
4
proj
w3
u
4
= u
4

u
4
, v
1
v
1
2
v
1

u
4
, v
2
v
2
2
v
2

u
4
, v
3
v
3
2
v
3
Temos os vetores v
1
, v
2
e v
3
no nosso conjunto ortogonal. A projeo de u
4
calculada
em relao aos vetores v
1
, v
2
e v
3
. Portanto, w
3
na equao refere-se ao espao formado pelos
vetores v
1
, v
2
e v
3
.
5) Encontrando o vetor n:
v
n
= u
n

n1
j=1
proj
wj
u
n
6) Para obtermos um conjunto ortonormal, basta que dividamos cada vetor pela sua norma,
conforme mostrado na Tabela 1.
Tabela 1 Vetores
Conjunto LI
ortonormal
Conjunto ortogonal Conjunto
u
1
, u
2
, u
3
,..., u
n
v
1
, v
2
, v
3
,..., v
n
Exemplo 3
Sabendo que o conjunto U={(1,0,1),(1,2,0),(1,0,0)} base do espao V, encontre uma
base ortonormal para o espao V.
Tomemos u
1
=(1, 0, 1), u
2
=(1, 2, 0), u
3
=(1, 0, 0).
1) Escolhendo um vetor como referncia: v
1
=u
1
=(1, 0, 1)
2) Calculando v
2
:
q
1
=
v
1
v
1
, q
2
=
v
2
v
2
, q
3
=
v
3
v
3
, . . . , q
n
=
v
n
v
n
v
2
= u
2
proj
w1
u
2
= u
2

u
2
, v
1
v
1
2
v
1
= (1, 2, 1)
1
2
(1, 0, 1)
v
2
=
_
1
2
, 2,
1
2
_
3) Calculando v
3
: v
3
= u
3
proj
w2
u
3
= u
3

u
3
, v
1
v
1
2
v
1

u
3
, v
2
v
2
2
v
2
v
3
= (1, 0, 0)
1
2
(1, 0, 1)
1
2
9
2
_
1
2
, 2,
1
2
_
= (1, 0, 0)
_
1
2
, 0,
1
2
_
_
1
18
,
2
9
,
1
18
_
v
3
=
_
4
9
,
2
9
,
4
9
_
3
Resumo
Desao
Sabendo que o conjunto U={(0,0,-2),(0,1,1),(1,0,1)} base do espao
V, encontre uma base ortonormal para o espao V.
1) Para que valores de x e z os vetores
so ortonormais?
2) Encontre uma base ortonormal para o subespao de
3
formado pelos vetores na forma
(r, r + s, s).
3) Determine uma base ortonormal do subespao W do
3
denido por :
W= {(x, y, z)
3
: x

y=0}
4) Base ortogonal : v
1
= (1, 0, 1), v
2
=
_
1
2
, 2,
1
2
_
, v
3
=
_
4
9
,
2
9
,
4
9
_
5) Base ortononormal: q
1
, q
2
, q
3
q
1
=
v
1
v
1
=
(1, 0, 1)
2
=
_
1
2
, 0,
1
2
_
q
2
=
v
2
v
2
=
_
1
2
, 2,
1
2
_
3
2
=
_
2
6
,
2
2
3
,
2
6
_
q
3
=
v
3
v
3
=
_
4
9
,
2
9
,
4
9
_
2
3
=
_
2
3
,
1
3
,
2
3
_
u =
_
1
2
, 0,
1
2
_
, v =
_
x,
1
2
, z
_
O processo de ortogonalizao de Gram-Schmidt permite que transforme-
mos uma base qualquer em uma base ortogonal. Esse procedimento importante
em algumas aplicaes em que necessrio trabalhar com uma base dessa
natureza. Nesta aula, voc aprendeu a identicar quando um conjunto de vetores
ortogonal ou ortonormal e aprendeu tambm a aplicar o algoritmo que resulta
na ortogonalizao de vetores.
1
2
3
4
5
Autoavaliao
Verique se os vetores a seguir so ortogonais utilizando o produto interno indica-
do e, em seguida, encontre o ngulo entre eles.
a) u=(0, 2, -1, 2), v=(2, -2, 1, 0)
b)
c) u=(-2x
2
+x) , v=(x
2
+3x +1)
Verique se os vetores a seguir so ortogonais utilizando o produto interno indica-
do e, em seguida, encontre o ngulo entre eles.
a) u=(0, 2 ,-1, 2) , v=(2, -2, 0, -2), u, v = - u
1
v
1
- 2u
2
v
2
+ 3u
3
v
3
- 5u
4
v
4
b)
c) u=(0, 2, -1, 2), v=(2, -2, 1, 0), u, v = u
2
v
0
+ 2u
1
v
1
,
onde u=u
2
x
2
+ u
1
x

+

u
0

, v=v
2
x
2
+ v
1
x

+

v
0
Considerando o vetor v
1
=(1, 0, 2), encontre dois vetores que sejam ortogonais
a v
1
.
Encontre uma base para o espao formado pelo conjunto de vetores ortogonais a u=(u
1
,

u
2
).
Verique se o conjunto de vetores ortonormal. Justique.
a)
b)
c)
d)
u =
_
1 2 3
0 1 1
_
, v =
_
1 0 1
3 2 2
_
u =
_
1 2 3
0 1 1
_
, v =
_
1 0 1
3 2 2
_
; u, v = 2u
11
v
11
+ u
12
v
12
+ 3u
21
v
22
u = (2,
1
2
), v = (0, 1)
u = (0,
2
3
, 1), v = (3,
3
2
, 1)
u =
_
6
6
,
3
,
6
_
, v =
_
2
2
, 0,
2
_
, u =
_
3
3
,
3
,
3
_
u =
_
1
2
0
1
2
0
_
, v =
_
0 1
0 0
_
, w =
_
_
3
0
3
_
_
6
7
Considere a base B do espao W, encontre uma base ortonormal para o espao
W, sendo:
a)
b)
c)
Encontre uma base para a soluo do sistema linear que seja ortonormal.
a)
b)
c)
Referncias
B = {u
1
, u
2
, u
3
} , u
1
=
_
_
2
1
0
_
_
, u
2
=
_
_
1
2
3
_
_
, u
3
=
_
_
2
2
2
_
_
B = {u
1
, u
2
, u
3
} , u
1
=
_
_
0
1
1
0
_
_
, u
2
=
_
2
1
1
0
_
_
, u
3
=
_
_
1
1
1
1
_
_
_
x + y 2w = 0
y + z + w = 0
_
_
2a + c = 0
b c d = 0
2a + b d = 0
_
a + b c = 0
2a + b + 2c = 0
B = {u
1
, u
2
} , u
1
=
_
_
3
0
1
_
_
, u
2
=
_
_
8
5
6
_
_
Anotaes
Anotaes
Matrizes ortogonais
e mudana de base
11
Aula
1
2
3
Apresentao
A
s matrizes ortogonais apresentam caractersticas especiais e so utilizadas em solues
de diversas aplicaes, como o caso de mnimos quadrados e obteno de cnicas.
Outra matriz importante a matriz que associa bases diferentes de um mesmo espao
vetorial, proporcionando a migrao de uma base para outra atravs de uma simples multi-
plicao de matrizes.
Objetivos
Identicar quando uma matriz ortogonal.
Reconhecer as caractersticas das matrizes ortogonais.
Saber encontrar as matrizes que modicam vetores de uma
base para outra.
Denio
Matrizes ortogonais so matrizes cujos vetores (sejam por linha ou por coluna) so ortonor-
mais. O nome pode gerar alguma confuso, mas isso mesmo matrizes ortogonais tm vetores
ortonormais. Uma caracterstica das matrizes ortogonais que sua inversa igual sua transposta.
A
-1
=A
t
Se multiplicarmos ambos os lados da equao, teremos:
A
-1
.A =A
t
.A
I =A
t
.A
Exemplo 1
Verique se a matriz A ortogonal.
Se a matriz A for ortogonal, ento A
-1
= A
t
e A
t
. A = I:
Portanto, A ortogonal.
Outra forma de saber se uma matriz ortogonal vericar se os vetores que a compem,
por linha ou coluna, so ortonormais. Devemos separar os vetores em A=[v
1
| v
2
]:
Aplicando o produto interno, vericamos que <v
1
,v
1
> = 0, portanto, ortogonal, e se
calcularmos as normas de v
1
e v
2
, veremos que ambas so iguais a 1.
A =
_
1
5
2
5
2
5
1
5
_
A
t
A =
_
1
5
2
5
2
5
1
5
_
_
1
5
2
5
2
5
1
5
_
=
_
1
5
+
4
5

2
5
+
2
5
2
5
+
2
5
4
5
+
1
5
_
=
_
1 0
0 1
_
v
1
=
_
1
5
2
5
_
v
2
=
_
2
5
1
5
_
1
B =
_
cos() sen()
sen() cos()
_
Para quais valores de , a matriz B ortogonal?
Propriedades da matriz ortogonal
Se A uma matriz ortogonal, tanto os vetores-linha de A quanto os ve-
tores-coluna formam um conjunto ortonormal em relao ao produto interno
euclidiano.
A inversa de uma matriz ortogonal ortogonal.
Um produto de matrizes ortogonais ortogonal.
Se A ortogonal, ento det(A) = 1.
Mudana de base
Sabemos que um mesmo espao vetorial pode ter vrias bases distintas para represent-
-lo. Porm, quando queremos fazer a migrao de uma base para outra, devemos escrever o
vetor com combinao linear dos elementos da nova base. Imagine agora que precisemos fazer
isso com uma grande quantidade de vetores. Ento, podemos pensar em uma maneira menos
trabalhosa de fazer isso, podemos encontrar uma matriz que faa a transformao de uma
base para a outra. Para isso, teramos apenas que multiplicar a matriz pelo vetor na base antiga
e o resultado me daria o vetor na nova base. Essa matriz se chama matriz mudana de base.
Tomemos o vetor do
2
u=(2,3) na base cannica. Consideremos agora as bases tam-
bm do
2
,
1
={(1,2), (0,2)} e
2
={(-1,0), (1,1)}. Para escrevermos o vetor u nas duas
novas bases, devemos escrev-lo como combinao linear:
Conhecendo a matriz que transforma um vetor de uma base para outra, bastaria efetuar
uma multiplicao:
(2, 3) = a(1, 2) + b(0, 2)
a = 2, b =
1
2
[u]
1
=
__
2,
1
2
__
(2, 3) = a(1, 0) + b(1, 1)
a = 1, b = 3
[u]
2
= {(1, 3)}
[u]
1
= P
12
[u]
2
[u]
2
= P
21
[u]
1
Onde,
Nesse exemplo, a matriz P
12
dada por: logo:
Obtendo a matriz mudana de base
Existem duas formas de obter a matriz mudana de base: escrevendo uma base nas
coordenadas da outra ou atravs de operaes elementares.
Escrevendo uma base nas coordenadas da outra
1) Se quisermos encontrar a matriz que transforma um vetor da base S1 para uma base S2,
P
S1S2
, ento devemos escrever os vetores da base S1 como combinao linear dos vetores
da base S2.
2) Montamos a matriz P
S1S2
, entrando por coluna, com os vetores de S1 escritos na
base S2.
Exemplo 2
Encontre a matriz que faz a mudana de coordenadas da base S
1
={(1,0,1), (2,1,0),
(0,2,-2)} para a base S
2
={(-2,0,0), (1,1,1), (1,-2,1)} .
Escrevendo os vetores de S1 como combinao linear de S2.
P
21
= P
1
12
P
12
=
_
1 2
2 2
_
[u]
2
= P
12
[u]
1
[u]
2
=
_
1 2
2 2
_
[u]
1
[u]
2
=
_
1 2
2 2
_
_
1
1
2
_
=
_
1
3
_
u
1
= (1, 0, 1) = a(2, 0, 0) + b(1, 1, 1) + c(1, 2, 1)
a = 0, b =
2
3
, c =
1
3
[u
1
]
S2
=
_
0,
2
3
,
1
3
_
u
2
= (2, 1, 0) = a(2, 0, 0) + b(1, 1, 1) + c(1, 2, 1)
a = 1, b =
1
3
, c =
1
3
[u
2
]
S2
=
_
1,
1
3
,
1
3
_
Montando a matriz com os vetores por coluna, temos:
Aplicando operaes elementares
1) Se quisermos encontrar a matriz que transforma um vetor da base S1 para uma base S2,
ento devemos encontrar uma matriz ampliada composta pelos vetores, por coluna, das
duas bases: Aa=[S1 S2] .
2) Aplicamos ento operaes elementares sobre matrizes com o objetivo de deixar na pri-
meira metade da matriz aumentada a matriz identidade. Quando isso acontecer, na segunda
metade teremos a matriz que faz a mudana da base S1 para a base S2: Aa [I P
S1S2
]
Exemplo 2
1
={(1,0,1), (2,1,0),
(0,2,-2)} para a base S
2
={(-2,0,0), (1,1,1), (1,-2,1)} .
Escrevendo os vetores de S1 como combinao linear de S2.
Primeiro encontramos a matriz aumentada, partindo dos vetores das bases:
Para encontrar a transformao contrria, basta encontrar a inversa:
u
3
= (0, 2, 2) = a(2, 0, 0) + b(1, 1, 1) + c(1, 2, 1)
a = 1, b =
2
3
, c =
4
3
[u
3
]
S2
=
_
1,
2
3
,
4
3
_
P
S1S2
=
_
_
0 1 1
2
3
1
3

2
3
1
3
1
3

4
3
_
_
P
21
= P
1
12
Aa = [S2 S1] =
_
_
2 1 1 1 2 0
0 1 1 0 1 2
0 1 1 1 0 2
_
_
2
Aplicando as operaes elementares:
OBSERVAES
A matriz P sempre inversvel.
Se a mudana de base ocorre entre bases ortonormais, ento P ortonormal.
2
={(-2,0,0),
(1,1,1), (1,-2,1)} para a baseS
1
={(1,0,1), (2,1,0), (0,2,-2)} .
L1 =
1
2
L1 Aa
_
_
1
1
2

1
2

1
2
1 0
0 1 2 0 1 2
0 1 1 1 0 2
_
_
L1 = L1 +
1
2
L2
L3 = L3 L2
Aa
_
_
1 0
3
2

1
2

1
2
1
0 1 2 0 1 2
0 0 3 0 1 4
_
_
L3 =
1
2
L3 Aa
_
_
1 0
3
2

1
2

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

1
3

4
3
_
_
L1 = L1 +
3
2
L3
L2 = L2 + 2L3
Aa
_
_
1 0 0 0 1 1
0 1 0
2
3
1
3

2
3
0 0 1
1
3

1
3

4
3
_
_
Portanto,
P
S1S2
=
_
_
0 1 1
2
3
1
3

2
3
1
3
1
3

4
3
_
_
Resumo
1
Desao
1) A inversa de uma matriz ortogonal sempre ortogonal?
2) Encontre uma matriz ortogonal cuja primeira linha composta pelo vetor unitrio na direo
de (1, 2, -2).
3) Considere a base V={(1,2), (2,3)} e a matriz . Encontre uma base W,
onde M seja a matriz mudana de base de W para V.
Nesta aula, voc aprendeu um pouco mais sobre ortogonalidade e como
identicar as matrizes ortogonais. Aprendeu tambm a relacionar vetores iden-
ticados em bases distintas, assim como a fazer a migrao de coordenadas de
uma base para outra atravs de matrizes transformaes.
Autoavaliao
Verique se as matrizes a seguir so ortogonais.
a)
b)
c)
d)
e)
M =
_
3 5
1 2
_
A =
_
1 0
0 1
_
A =
_
1 1
0 1
_
A =
_
1
2
1
2
1
2
1
2
_
A =
_
_
0 1
1
2
1 0 0
0 0
1
2
_
_
A =
_
__
1
2
1
2
1
2
1
2
1
2

5
6
1
6
1
6
1
2
1
6
1
6

5
6
1
2
1
6

5
6
1
6
_
__
2
3
4
Complete a matriz B para que ela seja ortogonal. Atribua valores s incgnitas, se possvel.
a)
b)
Considere as bases S
1
={u
1
,

u
2
} e S
2
={v
1
,

v
2
}, onde:
. Encontre:
a) A matriz mudana de base de S
1
para S
2
.
b) A matriz mudana de base de S
2
para S
1
.
Considere as bases S
1
={u
1
,

u
2
} e S
2
={v
1
,

v
2
}, onde:
. Encontre:
a) A matriz mudana de base de S
1
para S
2
.
b) A matriz mudana de base de S
2
para S
1
.
c) Sendo w =(2,1,0) na base cannica, encontre [W]
s1
e [W]
s2
, vericando se as matrizes
transformaes dos itens a e b esto corretas.
Referncias
B =
_
2 a
c 1
_
B =
_
_
2 1 a
b c 0
d 0 e
_
_
u
1
=
_
0
1
_
, u
2
=
_
1
0
_
, v
1
=
_
2
2
_
, v
2
=
_
1
0
_
u
1
=
_
2
1
_
, u
2
=
_
1
1
_
, v
1
=
_
2
0
_
, v
2
=
_
2
2
_
Anotaes
Anotaes
Anotaes
Esta edio foi produzida em ms de 2012 no Rio Grande do Norte, pela Secretaria de
Educao a Distncia da Universidade Federal do Rio Grande do Norte (SEDIS/UFRN).
Utilizando-se Helvetica Lt Std Condensed para corpo do texto e Helvetica Lt Std Condensed
Black ttulos e subttulos sobre papel offset 90 g/m
2.
Impresso na nome da grca
Foram impressos 1.000 exemplares desta edio.
SEDIS Secretaria de Educao a Distncia UFRN | Campus Universitrio
Praa Cvica | Natal/RN | CEP 59.078-970 | sedis@sedis.ufrn.br | www.sedis.ufrn.br

Algebra Linear UFRN Módulo 1 PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Algebra Linear UFRN Módulo 1 PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Projeto Institucional

Figura 2 Representaes diversas de vetores no plano

Desenvolvendo a soma, temos:

Aula 3 lgebra Linear 67

Aula 3 lgebra Linear 68

Propriedades (u, v e w so vetores do espao vetorial V e k, k

Das könnte Ihnen auch gefallen