ALA Folhas Apoio

INSTITUTO SUPERIOR DE ENGENHARIA DE LISBOA
Li en iatura em Engenharia Me ni a
lgebra Linear Apli ada
2010/2011
Apontamentos
Ctia Lente
Contedo
1 Matrizes e Sistemas de Equaes Lineares
1.1
Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Sistemas de Equaes Lineares
. . . . . . . . . . . . . . . . .
1.3
Condensao
. . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4
Matrizes Invertveis . . . . . . . . . . . . . . . . . . . . . . . .
13
1.5
Determinantes
15
. . . . . . . . . . . . . . . . . . . . . . . . . .
2 Subespaos Ve toriais de
19
Rn
2.1
Combinao linear
. . . . . . . . . . . . . . . . . . . . . . . .
20
2.2
Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
2.3
Subespao gerado . . . . . . . . . . . . . . . . . . . . . . . . .
21
2.4
Independn ia linear
. . . . . . . . . . . . . . . . . . . . . . .
21
2.5
Base e dimenso
. . . . . . . . . . . . . . . . . . . . . . . . .
24
3 Apli aes Lineares
28
3.1
Imagem e n leo
. . . . . . . . . . . . . . . . . . . . . . . . .
3.2
Matriz de uma apli ao linear
. . . . . . . . . . . . . . . . .
30
3.3
Valores e ve tores prprios . . . . . . . . . . . . . . . . . . . .
32
3.4
Diagonalizao
33
. . . . . . . . . . . . . . . . . . . . . . . . . .
4 Cl ulo Ve torial
29
35
4.1
Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.2
Produto externo
36
. . . . . . . . . . . . . . . . . . . . . . . . .
5 Geometria Analti a
39
5.1
Re tas e planos . . . . . . . . . . . . . . . . . . . . . . . . . .
39
5.2
Distn ia de um ponto a um plano
. . . . . . . . . . . . . . .
41
5.3
Distn ia de um ponto a uma re ta . . . . . . . . . . . . . . .
41
5.4
In idn ia e paralelismo
. . . . . . . . . . . . . . . . . . . . .
42
5.5
Cni as
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
5.6
Qudri as . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
Bibliograa
54
Captulo 1
Matrizes e Sistemas de
Equaes Lineares
1.1
Matrizes
Sejam
m, n N. Uma
mn nmeros
blo o de
m por n (ou uma matriz m n) um

m linhas e n olunas. A ada um dos
matriz do tipo
dispostos em
nmeros que forma a matriz d-se o nome de entrada, e para lo alizar uma
entrada, utilizam-se dois ndi es: ndi e de linha e ndi e de oluna.
Se
Mmn ),
e es reve-se
Exemplo 1.1.
1.
2.
3.
4.
m
uma matriz do tipo
A = aij
mn
por
n,
representa-se por
Amn
(ou
ou
a11 a12
a21 a22
A= .
.
.
..
.
am1 am2
a1n
a2n
. .
.
.
amn

A = 1 2 3 4 uma matriz 1 4, e 1 a entrada (1,1)
1 2
B = 3 4 uma matriz 3 2, e 3 = b21 .
5 6
1 2 3
C = 4 5 6 uma matriz 3 3, e a entrada (1,3) de C
7 8 9

1
2
D=
3 uma matriz 4 1, e d21 = 2.
4
3
de
A.
6.
Matrizes e Sistemas de Equaes Lineares

Seja
se
n=1
uma matriz
diz-se que
m n.
Se
m=1
matriz quadrada e es reve-se
A uma
m = n diz-se
diz-se que
uma matriz oluna, e se
matriz linha,
que
An .
Observe-se que uma matriz a bem denida pelas suas entradas.
Exemplo 1.2.
1. Seja
2. Seja
3. Seja

A = aij 32 ,
A = aij
A = aij
34
45
, onde
, onde
A = aij
5. Seja

A = aij 32 ,
6. Seja
A = aij
aij = i + j . Ento
2 3
A = 3 4 .
4 5
aij =
aij =
4 i se i = j
0 se i 6= j
3 0 0 0
A = 0 2 0 0 .
0 0 1 0
ij se i j
0 se i > j
1 2 3
1 1 1
0 22 23
A=
0 0 33
0 0 0
4. Seja
onde
34
33
, onde
onde
, onde
14
24
34
44
. Ento
15
25
.
35
45
eij se i j
.
0 se i < j
0
e
0 0 0
A = e1 e0 0 0 .
e2 e1 e0 0
aij =
aij = 0.
. Ento
Ento
Ento
0 0
A = 0 0 .
0 0

1
0
i=j
i 6= j
1 0 0
A = 0 1 0 .
0 0 1
aij =
se
se
. Ento
uma

7. Seja
A =
Ento
Se
i = j,

1 2 1
0 2 3

B = bij ,
e onsidere-se
onde
bij = aij .

1 2 1
B=
.
0
2 3
diz-se que
aii
est na diagonal prin ipal da matriz. Uma matriz
diz-se diagonal se todas as entradas que no esto na diagonal prin ipal so

nulas, diz-se triangular superior se todas as entradas abaixo da diagonal
prin ipal so nulas, e diz-se triangular inferior se todas as entradas a ima da
diagonal prin ipal so nulas.
Se todas as entradas de uma matriz
mn
so zero, a matriz hama-se
a matriz zero (ou matriz nula), e denota-se por
nn
matriz quadrada
diagonal ujas entradas da diagonal prin ipal so 1 d-se o nome de
matriz identidade, e denota-se por
por
Omn .
a matriz de tipo
mn
In .
Se
uma matriz
uja entrada
(i, j)
aij .
m n,
denota-se
Duas matrizes dizem-se iguais se so do mesmo tipo e as suas entradas
(i, j)
so iguais.
Matriz transposta
Se
m n,
(i, j) aji .
uma matriz
uja entrada
a matriz transposta de
A, AT ,
a matriz
mn

1 4
Exemplo 1.3. Se A = 14 25 36 , ento AT = 2 5.
3 6
1 4 5
1 4 5
T
Se B = 4 2 6, ento B = 4 2 6.
5 6 3
5 6 3
0
1 2
0 1 2
Se C = 1
0 3, ento C T = 1 0 3.
2 3 0
2 3
0

Uma matriz
diz-se simtri a se
A = AT
e diz-se antisimtri a se
A=
AT .
Propriedades.
(AT )T = A.
Soma
A e B de
aij + bij .
Dadas duas matrizes

uja entrada
(i, j)
tipo
m n,
a soma
A+B
a matriz
mn

Exemplo 1.4.
Se
A=

1 2 3
4 5 6
B=

3 2 0
,
3 1 4
ento

4 0 3
A+B =
.
1 6 10
Propriedades.
1.
A + B = B + A;
2.
A + (B + C) = (A + B) + C ;
3.
O + A = A + O = A;
4.
A + (A) = O;
5.
(A + B)T = AT + B T .
Multipli ao por um es alar

m n e um es alar R, o produto
de A por , A, a matriz m n uja entrada (i, j) aij .

1 2 1
Exemplo 1.5. Se A = 2 1 3 e = 2, ento
Dada uma matriz
do tipo

2 4 2
2A =
4 2 6
Propriedades.
1.
(A + B) = A + B ;
2.
( + )A = A + A;
3.
(A) = ()A;
4.
(1)A = A;
5.
0A = O;
6.
(A)T = AT .
(es alar)

2 pi
A =
.
2 3
Multipli ao
A do tipo mn e uma matriz B do tipo np, o produto de
A por B , AB , a matriz mp uja entrada (i, j) ai1 b1j +ai2 b2j + +ain bnj .
Dada uma matriz

Exemplo 1.6.
Se

0 1 0
A=
2 3 1
2 0
B = 1 2,
1 1
ento

02+11+01 00+12+01
1 2
AB =
=
22+31+11 20+32+11
8 7
e
Note-se que
AB 6= BA.
0 2 0
BA = 4 7 2 .
2 4 1
Propriedades.
1.
A(BC) = (AB)C ;
2.
A(B + C) = AB + AC
3.
(AB) = (A)B = A(B);
4. Se
5.
1.2
(B + C)A = BA + CA;
uma matriz quadrada,
AI = IA = A;
(AB)T = B T AT .
Sistemas de Equaes Lineares
Um sistema de
de
equaes lineares om
in gnitas
a11 x1 + a12 x2 + + a1n xn
a21 x1 + a22 x2 + + a2n xn

onde
x1 , . . . , xn
uma lista
equaes da forma
aij , bi R,
Exemplo 1.7.
=
=
b1
b2
.
.
.
am1 x1 + am2 x2 + + amn xn = bm
para todo o
i, j .
So sistemas de equaes lineares

y + 2z = 1
x 2y 4z = 2
(S1 )
x 2y + z = 0 , (S2 )
2x + 4y + 3z = 1
3y 4z = 23

x + 2y z = 1
e (S3 )
.
x 2y + z = 0
Existem vrios modos de resolver um sistema de equaes lineares.

Exemplo 1.8.
1. Considere-se o sistema
(S1 ).
Podemos resolv-lo por eliminao su es-
siva de in gnitas:
y + 2z = 1
y = 1 2z
x 2y + z = 0
x 2(1 2z) + z = 0
3y 4z = 23
3(1 2z) 4z = 23
y = 1 2z
y = 1 2z
y=5
x 2 + 4z + z = 0
x 2 + 5z = 0
x = 12
3 6z 4z = 23
10z = 20
z = 2
Equivalentemente, podemos multipli ar a
a
lhe a 3 :
donde
z = 2,
e logo
1a
equao por 3 e subtrair-
3y + 6z =
3
3y + 4z = 23
0
+ 10z = 20
y = 5 e x = 12.
De qualquer das formas obtemos omo soluo
(S1 ):
5 + 2 (2) = 1
12 2 5 + (2) = 0
3 5 4 (2) = 23
veri ar estes valores substituindo-os em
2. Consideremos o sistema
(S2 ).
(12, 5, 2).
Podemos multipli ar a
1a
Podemos
equao por 2
a
e somar-lhe a 2 :
2x 4y 8z = 4
2x + 4y + 3z = 1
5z = 5
x = 2 + 2y , ou seja, o
(2 + 2y, y, 1), om y R.
e logo
sistema tem innitas solues, da forma
(S2 ),

(2 + 2y) 2y 4 (1) = 2
2 (2 + 2y) + 4y + 3 (1) = 1
Substituindo em
3. Consideremos o sistema
(S3 ).
Podemos somar a
1a
equao
2a :
x + 2y z = 1
x 2y + z = 0
0 = 1
e logo o sistema no tem soluo.
Note-se que tro ar a ordem das equaes, multipli ar uma equao por
um es alar no nulo e somar uma equao a outra no altera a soluo do
sistema.

Classi ao de sistemas
Os sistemas podem ser lassi ados em:
- sistema possvel determinado (SPD): se tem exa tamente uma soluo;
- sistema possvel indeterminado (SPI): se existem innitas solues;
- sistema impossvel (SI): se no existe soluo.
Exemplo 1.9.
(S3 )
1.3
No exemplo anterior temos que
(S1 )
SPD,
(S2 )
SPI e
SI.
Condensao
Operaes elementares
Chama-se operao elementar entre las de uma matriz a uma das seguintes
operaes:
- tro ar duas linhas/ olunas;
- multipli ar uma linha/ oluna por um es alar no nulo;
- somar uma linha/ oluna a outra.
Exemplo 1.10.
Seja
1 2
3
4
A = 0 1 2 3 .
4 3 2 1
A tro a das linhas 1 e 3, a multipli ao da linha 2 por
2 e a soma da linha
1 linha 3 so operaes elementares, e denotamo-las por:
4 3 2 1
A 0 1 2 3 , A
L1 L3
L2 =2L2
1 2
3
4
e
L3 =L3 +L1
1 2 3 4
0 2 4 6
4 3 2 1
1 2
3
4
0 1 2 3
5 1 1
3
Condensao
Diz-se que uma matriz
est em forma de es ada se
0
0
A=
Exemplo 1.11.
..
As matrizes
0
0
A=
0
0
0
0
0
0
2 0 1 2
3 3 4
5
0 0
1
1
0 0
0
0
1
0
0
0
1 2 3
B = 0 4 5
0 0 6
esto em forma de es ada.

Chama-se pivot primeira entrada no nula (se existir) de ada linha de
uma matriz em forma de es ada.
Teorema 1.12.
Seja
A uma matriz no nula. Ento A pode ser trans-
formada numa matriz em forma de es ada utilizando operaes elementares

sobre as linha ( olunas) de
A.
Ao pro esso de transformao de
numa matriz em forma de es ada
utilizando operaes elementares sobre as linha ou olunas de
d-se o
nome de mtodo de ondensao.
Exemplo 1.13.
1
1
A=
3
0
1
0

0
0
Vamos ondensar as seguintes matrizes:
0
1
1
1
1
0
1
2
0
0
1
1
1
2

1 L2 =L2 L1
2
1
0
3
0
0 1 0 1
1 1 0 1
1 1 1 1 L3 =L3 3L1
1 2 1 2
0 1 0 1
1 0 1
1 1 0 1
0 1 1

1 2 1 2 L3 =L3 L2 0 0 1
1 2 1 2 L4 =L4 L2 0 0 3
1 0 1 0 1
0 1 1 0 1

0 0 1 1 3
0 0 0 4 8
10
0 1
0 1
1 3 L4 =L4 +3L3
1 1
0
0
2
1 1
B = 1 1 1 0
0
L1 L2
1 1 4
1 1
1 1 1
1
0
0 0
2
0 0 3 L3 =L3 + 2 L2 0
Cara tersti a
1
2
L =L +L
4 3 3 1
1 1
0 2
0 0
Observe-se que, apesar de uma matriz poder ser ondensada de vrias formas,
o nmero de linhas no nulas de uma matriz em forma de es ada obtida a
partir de
sempre o mesmo.
D-se o nome de ara tersti a da matriz
ao nmero de linhas no
A.
nulas de uma matriz em forma de es ada obtida a partir de
Es reve-se
r(A).
Exemplo 1.14.
No exemplo anterior,
r(A) = 4
r(B) = 2.
Sistemas de equaes lineares

Dado um sistema
(S)
tem-se que
a11 x1 + a12 x2 + + a1n xn
a21 x1 + a22 x2 + + a2n xn
=
=
b1
b2
.
.
.
am1 x1 + am2 x2 + + amn xn = bm

a11 a12
a11 x1 + a12 x2 + + a1n xn
a21 x1 + a22 x2 + + a2n xn a21 a22

= ..
.
.
.
.
.
.
.
am1 x1 + am2 x2 + + amn xn
am1 am2
AX = B , onde

x1
b1

..
..
A = aij mn , X = . e B = . .
xn
bm
Pode-se ento exprimir
(S)
x1
a1n
a2n
x2
. .
.
.
..
.
amn
xn
na forma
d-se o nome de matriz dos oe ientes, ou matriz simples,
matriz das in gnitas, e
a matriz dos termos independentes. Se
o sistema diz-se homogneo.
11
X a
B = O,

Pode-se a res entar a
A a oluna B , de modo a obter toda a informao
do sistema. Obtemos assim a matriz aumentada
Exemplo 1.15.
a11 a12

a21 a22
A|B = .
.
.
..
.
am1 am2
Consideremos o sistema
a1n
a2n
.
.
.
amn
(S1 )
b1
b2
. .
.
.
bm
do Exemplo 1.7,
y + 2z = 1
x 2y + z = 0 .
3y 4z = 23
Ento

0 1
2
x
1
A = 1 2 1 , X = y , B = 0
0 3 4
z
23
0 1
2
1

1 2 1
e A|B =
0 .
0 3 4 23
Como j foi observado, tro ar a ordem das equaes, multipli ar uma

equao por um es alar no nulo e somar uma equao a outra no altera
a soluo do sistema.
Note-se que estas operaes orrespondem a opera-
es elementares sobre as linhas de uma matriz. Isto signi a que podemos

resolver um sistema na forma matri ial ondensando a matriz ampliada.
Exemplo 1.16.
Consideremos o sistema do exemplo anterior na sua forma
matri ial.
0 1
2
1
0
1 2 1
0 0 1
1
A|B = 1 2 1
2
L1 L2
L3 =L3 3L1
0 3 4 23
0 3 4 23
0
1 2
1
1
2
0 1
0 0 10 20
Classi ao de sistemas
Na forma matri ial, um sistema

- SPD se
- SPI se
r(A);

r(A) = r( A|B ) = n;

r(A) = r( A|B ) < n,
om grau de indeterminao GI=
12

- SI se

r(A) 6= r( A|B ).
Exemplo 1.17.
Consideremos os sistemas do Exemplo 1.7.
1. Conforme o exemplo anterior, para

(S1 ) temos r(A) = r( A|B ) = 3,
portanto o sistema SPD. Ento, da matriz em forma de es ada, vem

que
x 2y + z = 0
x = (2) + 2 5 = 12
y + 2z = 1
y = 1 2(2) = 5
.
10z = 20
z = 2
(S2 ). Ento

1 2 4 2
1 2 4 2
A|B =
.
2 4
3 1 L2 =L2 +2L1 0 0 5 5
2. Consideremos
Como

r(A) = r( A|B ) = 2 < 3, o sistema SPI, e

x 2y 4z = 0
x = 2y 2
.
5z = 5
z = 1
(S3 ). Ento

1 2 1 1
1 2 1 1
A|B =
.
1 2 1 0 L2 =L2 +L1
0 0 0 1
3. Consideremos
Como
1.4

r(A) = 1 6= 2 = r( A|B ),
o sistema SI.
Matrizes Invertveis
A uma matriz n n. Diz-se que A invertvel

n n, X , tal que XA = AX = In . matriz X d-se
A, e es reve-se X = A1 .
Seja
Exemplo 1.18.
Se
1 0 0
A = 0 2 0 ,
0 0 3
f il ver que
Propriedades.
1.
(AB)1 = B 1 A1 ;
2.
(AT )1 = (A1 )T ;
3.
(A1 )1 = A.
0
A1 =
13
0
1
2
0
se existe uma matriz

o nome de inversa de
0 .
1
3

Teorema 1.19.
Seja
r(A) = n.
A uma matriz n n. Ento A invertvel se e s se
Pelo teorema anterior, sabe-se que uma matriz

se e s se a podemos transformar em
sobre as linhas.
utilizando operaes elementares
Isto permite obter uma forma relativamente simples de
al ular a inversa de
Exemplo 1.20.
In
A de tipo nn invertvel
A:
ondensar a matriz
Vejamos que
A|In
1 2 3
A = 1 3 4
1 4 4
invertvel, e al ulemos a sua inversa:
1
0
0
1
2
3

A|I3 = 1 3 4 0 1 0
1 4 4 0 0 1
1
0
1 2 3
0 1 1 1 1
0 0 1 1 2
1 0
0 1
0 0
Assim,
0
0
1
1 2 0 4 6 3
0 1 0 0 1 1
L =L1 +3L3
1
0 0 1 1 2 1
L2 =L2 +L3
0 4 4 1

0 0 1 1 = I3 |A1
1 1 2 1
A1
Equaes matri iais
L =L2 L1
2
L3 =L3 L1
1 2 3 1 0 0
0 1 1 1 1 0
L3 =L3 2L2
0 2 1 1 0 1
L =L1 2L2
1
L3 =L3
4 4 1
= 0 1 1 .
1 2 1
As propriedades das operaes e da matriz inversa permitem resolver equaes matri iais.
Exemplo 1.21.
Vamos determinar
tal que
B(XA B)1 = BA1 .
B(XA B)1 = BA1
B 1 B(XA B)1 = B 1 BA1 (XA B)1 = A1

1
(XA B)1
= (A1 )1 XA B = A
XA = A + B XAA1 = (A + B)A1
X = AA1 + BA1 = I3 + BA1
14

1.5
Seja
Determinantes
uma matriz de tipo
n n.
Chama-se determinante de
- se
A da seguinte

A = a11 , det A = a11 ;
- se
n > 1, det A =
onstante asso iada a
n
X
A, det A,
forma:
(1)1+j a1j det A1j .
j=1
onde
Aij
denota a matriz que se obtm de
eliminando a linha
e a oluna
j.
Observe-se que, de fa to, se pode al ular o determinante da matriz
utilizando uma frmula mais geral, hamada expanso de Lapla e:
det A =
n
X
(1)i+j aij det Aij
(expanso de Lapla e ao longo da linha
n
X
(1)i+j aij det Aij
(expanso de Lapla e ao longo da oluna
j=1
i)
-
det A =
i=1
j)
Exemplo 1.22.
Sejam

1 1 1

1 3
A= 2 ,B=
, C = 2
1
3
2 1
1 5 1
1
4
D=
3
1
2 3 4
2 1
3
.
0 2 0
0 2 5
Ento
-
det A = 2;

det B = (1)1+1 1 det 1 + (1)2+1 2 det 3 = 5
(expanso de
Lapla e ao longo da oluna 1);

1 3
2 3
det C = (1)1+1 1 det
+ (1)1+2 1 det
+ (1)1+3
5 1
1 1

2 1
(1) det
= 28 (expanso de Lapla e ao longo da linha 1);
1 5
4 1
3
1 3 4
det D = (1)1+2 2det 3 2 0 +(1)2+2 2det 3 2 0 +
1
2 5
1 2 5
0 + 0 = 4 (expanso de Lapla e ao longo da oluna 2).
15

Propriedades.
1.
det AT = det A;
2.
det AB = det A det B ;
1
.
det A
Quando a matriz 2 2 ou 3 3, a expanso de Lapla e

seguinte forma: para A = aij
,
22
3. Se
na
para
det A1 =
invertvel,
A = aij
pode ser es rita
det A = a11 a22 a12 a21 ;
33
ento
det A = a11 a22 a33 +a12 a23 a31 +a21 a32 a13 a13 a22 a31 a12 a21 a33 a23 a32 a11 .
Observe-se tambm que, se existirem entradas nulas, o l ulo ser mais
rpido.
Operaes elementares
Uma matriz obtida a partir de outra matriz
atravs de operaes elemen-
tares no tem, em geral o mesmo determinante que
B obtida
det A;
- Se
- Se
de
obtida de
no nulo, ento
- Se
obtida de
det B = det A.
2 2 0 2
1 1 2 3
A=
1 2 3 0 .
5 3 2 1
1
2
1
8
L =2L2 L1
2
L =2L3 L1
3
L =2L4 5L1
4
linha ( oluna) por um es alar
Seja
Ento
det A
det B =
somando a uma linha ( oluna) outra multipli ada
por um es alar, ento
Exemplo 1.23.
Tem-se que:
tro ando duas linhas ( olunas), ento
A multipli ando uma

det B = det A;
A
A.
1 1
0
det
0
2 2
0
4 4
2 det 2 6
4 4
2
4
2
4
0
2
4
4
=
6 2
4 12
4
2 =
12
1
(4) 6 (12) + 4 (2) (4) + 4 2 4 4
4

6 (4) (2) 4 (4) (12) 4 2 = 128.
16
Cl ulo abreviado
Chama-se l ulo abreviado forma de l ulo do determinante que re orre
s operaes elementares para obter uma linha/ oluna om apenas uma entrada no nula, qual se apli a a expanso de Lapla e.
Exemplo 1.24.
Seja
1 1 1 0 2
2 1
0 2 1
A = 1 1 3 0 1
.
3 2 2 0 1
0 0
1 1 1
Ento
det A
1 1 0 2
1
1
1
2
1 2 0 1
2 1 2 1
1 3 0 1
=
det
1 1 3
1
2 2 0 1
3 2 2 1
0
1 1 1
1 1 1 2
1 1 1
1 0 1 1
= det 2 2
3
det
2 0 2
3
5 0
3
5 0 0
3
1
2
det
1
3
0
L2 =L2 2L5
L2 =L2 L1
L =L3 +L1
3
L4 =L4 +2L1
6 + (15) + 0 (10) 0 (6) = 7
Matriz adjunta
Se
uma matriz
uja entrada
(i, j)
Exemplo 1.25.
n n, a matriz
(1)i+j det Aji .
adjunta de
A, adj A,
a matriz
Seja
1 2 3
A = 1 3 4 .
1 4 4
Ento

3
det 4
1
adj A =
det 1
1
det
1

4
2 3
2
det
det
4
4
4

3

1
1 3
4
det
det
1
4
4

1
3
1 2
1
det
det
4
1 4
1
4 4 1
= 0
1 1 .
1 2 1
17

3
4
3
=
4
2
3
nn

Tem-se ento que uma matriz
A1 =
invertvel se e s se
det A 6= 0
1
adj A.
det A
Regra de Cramer
Seja A uma matriz
Ento
nn tal que det A 6= 0, e onsidere-se o sistema AX = B .

xi =
Ci
oluna B .
onde
det Ci
,
det A
a matriz que se obtm de A substituindo a oluna i pela matriz
Exemplo 1.26.
Consideremos o sistema
(S1 )
do Exemplo 1.7,
y + 2z = 1
x 2y + z = 0 .
3y 4z = 23
Ento
0 1
2
1
1
2
det 1 0
1
det 0 2 1
23 3 4
0 23 4
, y=
,
x=
0 1
2
0 1
2
det 1 2 1
det 1 2 1
0 3 4
0 3 4
ou seja,
x = 12, y = 5
z = 2.
18
0 1
1
det 1 2 0
0 3 23
,
z=
0 1
2
det 1 2 1
0 3 4
Captulo 2
Subespaos Ve toriais de Rn
Rn = {(x1 , . . . , xn ) : x1 , . . . , xn R}.
Considere-se
Rn
Em
podem-se denir
as operao adio e multipli ao por um es alar da seguinte forma:

-
(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ),
(x1 , . . . , xn ) = (x1 , . . . , xn ) ( R).

Rn ( om estas operaes) um espao
n
quaisquer u, v, w R e , R tem-se que:
Diz-se que
para
-
u + v = v + u,
u + (v + w) = (u + v) + w,
- existe um elemento
- para todo o
u Rn
0 Rn
existe
(u + v) = u + v ,
( + )u = u + u,
()u = (u),
1u = u.
u, v S ,
2. Se
uS
Exemplo 2.1.
ve torial, visto que
u + 0 = u,
u Rn
tal que
u + (u) = 0,
Um subespao (ve torial) de

1. Se
tal que
ento
R,
Rn
um sub onjunto
u + v S;
ento
u S .
19
S 6=
de
Rn
tal que:
Subespaos Ve toriais de
Rn
1. Seja
S1 = {(x, 0) : x R}.
Vejamos que
S1
um subespao de
(0, 0) S1 , S1 6= .
(x + y, 0) S1 .
Como
Se
(x, 0) S1
R,
Se
ento
2
Logo, S1 subespao de R .
R2 .
(x, 0), (y, 0) S1 ,
ento
(x, 0) + (y, 0) =
(x, 0) = (x, 0) S1 .
2. Seja
S2 = {(x, 1) : x R}.
(0, 1), (1, 1) S2 , e (0, 1) + (1, 1) = (1, 2) 6 S2 ,
S2 no subespao de R2 .
Como
2.1
Combinao linear
Diz-se que o ve tor

existem
on lumos que
1 , . . . , m
v Rn uma
R tais que
v1 , . . . , vm Rn
ombinao linear de
se
v = 1 v1 + + m vm .
Exemplo 2.2.
(0, 1, 1)
O ve tor
se existem
1 , 2
(2, 3, 3) R3
ombinao linear de
(1, 0, 0)
tais que
(2, 3, 3) = 1 (1, 0, 0) + 2 (0, 1, 1),

ou seja, se o sistema
1 = 2
=3
2
2 = 3
tem soluo. Na forma matri ial,
1 0 2
1 0 2
0 1 3 0 1 3
L3 =L3 L2
0 1 3
0 0 0
SP, e portanto
(2, 3, 3)
ombinao linear de
(1, 0, 0)
e de
(0, 1, 1).
Como o sistema
1 0 2
1 0 2
0 1 2 0 1 2
L3 =L3 L2
0 1 1
0 0 1
SI, o ve tor
(2, 2, 1)
no ombinao linear de
20
(1, 0, 0)
e de
(0, 1, 1).
e de
2.2
Rn
Geradores
v1 , . . . , vm Rn . Diz-se que v1 , . . . , vm so geradores de Rn se

n
n
todo o ve tor v R ombinao linear de v1 , . . . , vm . Es reve-se R =
hv1 , . . . , vm i.
Sejam
Exemplo 2.3.
Vejamos que
R3 = h(1, 1, 0), (0, 1, 1), (2, 5, 3), (0, 0, 1)i .

(x, y, z) R3 , o sistema
1 0 2 0 x
1 1 5 0 y
L 2=L2 L1
0 1 3 1 z
1 0 2
0 1 3
0 0 0
Para ada
SP, e logo
x
1 0 2 0
0 1 3 0 y x
L 3=L3 L2
0 1 3 1
z
x
0
yx
0
1 zy+x
(x, y, z) ombinao linear de (1, 1, 0), (0, 1, 1), (2, 5, 3), (0, 0, 1).
Como o sistema
1 0 2 x
x
x
1 0 2
1 0 2
1 1 5 y
0 1 3 yx
0 1 3
yx
L 2=L2 L1
L 3=L3 L2
z
0 1 3 z
0 1 3
0 0 0 zy+x
nem sempre SP (depende de
x, y, z ),
podemos on luir que
Rn 6= h(1, 1, 0), (0, 1, 1), (2, 5, 3)i .

2.3
Seja
Subespao gerado
um subespao do espao ve torial
Rn .
Ento qualquer ombinao
S , isto , se v1 , . . . , vm S ,
n
ento 1 v1 + + m vm S . Por outro lado, se v1 , . . . , vm R , o onjunto
n
{1 v1 + + m vm : 1 , . . . , m R} um subespao de R .
Ao onjunto {1 v1 + + m vm : 1 , . . . , m R} d-se o nome de
subespao gerado por v1 , . . . , vm , e denota-se por hv1 , . . . , vm i.
linear de elementos de
Exemplo 2.4.
2.4
ainda um elemento de
Temos que
h(1, 0)i = {(1, 0) : R} = {(, 0) : R}.
Independn ia linear
O ve tores
v1 , . . . , vm Rn
dizem-se linearmente independentes se
1 v1 + + m vm = 0 1 = = m = 0.
Se
v1 , . . . , vm
no so linearmente independentes, dizem-se linearmente de-
pendentes.
21
Rn
Exemplo 2.5.
1.
(1, 0, 0)
(0, 1, 1)
so linearmente independentes:
1 (1, 0, 0) + 2 (0, 1, 1) = (0, 0, 0) (1 , 2 , 2 ) = (0, 0, 0).

Obtemos ento o sistema
1 0 0
1 0 0
0 1 0 0 1 0 ,
L3 =L3 L2
0 1 0
0 0 0
que SPD. Logo

2.
(1, 1, 0), (2, 5, 3)
1 = 2 = 0.
(0, 1, 1)
so linearmente dependentes: de
1 (1, 1, 0) + 2 (2, 5, 3) + 3 (0, 1, 1) = (0, 0, 0)

obtemos o sistema
1 2 0 0
1 2 0 0
1 2 0 0
1 5 1 0 0 3 1 0 0 3 1 0 ,
L2 =L2 L1
L3 =L3 L2
0 3 1 0
0 3 1 0
0 0 0 0
que SPI.
Propriedades.
Sejam
1. Os ve tores
v1 , . . . , vm Rn .
v1 , . . . , vm (m 2)
Ento:
so linearmente dependentes se e s se
pelo menos um deles ombinao linear dos restantes.

2. Se algum dos ve tores
v1 , . . . , vm
o ve tor nulo, ento
v1 , . . . , vm
so
linearmente dependentes.
3. Se
vi = vj
para algum
mente dependentes.
4. Se
v1 , . . . , vm
i 6= j ,
ento os ve tores
v1 , . . . , vm
de
Rn
tal que
dependentes.
v1 , . . . , vm
v1 , . . . , vm , v so
v ombinao linear de v1 , . . . , vm .
so linearmente dependentes, ento os ve tores de qual-
quer sub onjunto nito
6. Se
so linear-
so linearmente independentes, ento
linearmente dependentes se e s se
5. Se
v1 , . . . , vm
v1 , . . . , vm S
so linearmente
so linearmente independentes, ento os ve tores de qual-
quer seu sub onjunto so linearmente independentes.

7. Os ve tores
v1 , . . . , vm
so linearmente independentes se e s se
1 v1 + m vm = 1 v1 + + m vm 1 = 1 , . . . , m = m .
22
8.
(i) Se
i 6= j ,
Rn
v1 , . . . , vi1 , vi + vj , vi+1 , . . . , vm so linearmente

se e s se v1 , . . . , vm so linearmente independen-
ento
independentes
tes.
(ii)
v1 , . . . , vi1 , vi , vi+1 , . . . , vm so linearmente independentes

s se v1 , . . . , vm so linearmente independentes.
se e
Exemplo 2.6.
(1, 1, 0), (2, 5, 3), (0, 1, 1). Temos que
1 2 0
1 2 0
1 2 0
0 3 1
0 3 1
1 5 1
L 2=L2 L1
L 3=L3 L2
0 3 1
0 3 1
0 0 0
1. Consideremos os ve tores
(0, 1, 1) ombinao linear dos restantes.

(1, 1, 0), (2, 5, 3) e (0, 1, 1) so linearmente dependen-
SP, e portanto o ve tor

Logo, os ve tores
tes.
(1, 0, 0), (0, 1, 1), (0, 0, 0). Como (0, 0, 0)

= 0(1, 0, 0) + 0(0, 1, 1)), po-
ombinao linear dos restantes ((0, 0, 0)
demos on luir que os ve tores onsiderados so linearmente dependentes.
(1, 0, 0), (0, 1, 1), (1, 0, 0). Como (1, 0, 0)

restantes ((1, 0, 0) = 0(0, 1, 1) + 1(1, 0, 0)), po-
ombinao linear dos
demos on luir que os ve tores onsiderados so linearmente dependentes.
(1, 1, 0), (0, 1, 1). Como (2, 5, 3) ombinao

(1, 1, 0), (0, 1, 1), podemos on luir que os ve tores (1, 1, 0),
(0, 1, 1), (2, 5, 3) so linearmente dependentes.
linear de
5. Os ve tores
(2, 0), (0, 1)
(1, 0), (2, 0)
so linearmente dependentes.
Ento
(1, 0),
so linearmente dependentes.
(1, 0, 0), (1, 1, 0), (0, 0, 1) so linearmente

(1, 0, 0), (1, 1, 0) so linearmente independentes.
6. Como
independentes, ento
(1, 2, 1) = 1(1, 1, 0)+1(0, 1, 1)+0(2, 5, 3) = 1(1, 1, 0)2(0, 1, 1)+

(2, 5, 3), os ve tores (1, 1, 0), (0, 1, 1), (2, 5, 3) so linearmente depen-
7. Como
dentes.
8.
(i) Como os ve tores
(1, 0, 0), (0, 1, 0), (0, 0, 1) so linearmente inde(1, 0, 0), (0, 1, 1), (0, 0, 1) so li-
pendentes, podemos on luir que

nearmente independentes.
(ii) Como os ve tores
(1, 0, 0), (0, 1, 0), (0, 0, 1) so linearmente inde(1, 0, 0), (0, 2, 0), (0, 0, 1) so li-
pendentes, podemos on luir que

nearmente independentes.
23
Rn
Tem-se que:
Teorema 2.7.
1. Quaisquer
m ve tores de Rn , om m > n, so linearmente dependentes.
2. Quaisquer
n ve tores linearmente independentes de Rn so geradores
de Rn .
3. Quaisquer
4. Se
n geradores de Rn so linearmente independentes.
v1 , . . . , vk so geradores de Rn , ento k n.
v1 , . . . , vk so geradores linearmente independentes de Rn , ento

k = n.
5. Se
v1 , . . . , vk so ve tores linearmente independentes de Rn , om 1

k < n, possvel es olher vk+1 , . . . , vn Rn tais que v1 , . . . , vn so
geradores linearmente independentes de Rn .
6. Se
2.5
Base e dimenso
Diz-se que
{v1 , . . . , vn }
uma base de
Rn
se
v1 , . . . , vn
so geradores linear-
n
mente independentes de R .
Exemplo 2.8.
1.
{(1, 0), (0, 1)}
2.
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}

R3 .
3. Em geral,
Rn ,
uma base de
e
R2 .
{(1, 1, 0), (0, 1, 1), (0, 0, 1)}
{(1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1)}
so bases de
uma base de
a que se d o nome de base anni a.
Chama-se dimenso de
Rn , dim Rn ,
n
de R .
Exemplo 2.9.
1.
dim R2 = 2.
2.
dim R3 = 3.
3. Em geral,
dim Rn = n.
24
ao nmero de ve tores de uma base
Rn
Base e dimenso de subespaos

Dene-se base de um subespao omo sendo um onjunto de ve tores linearmente independentes que geram o subespao.
Chama-se dimenso do
subespao ao nmero de ve tores de uma sua base.
Exemplo 2.10.
S1 = {(x, 0) : x R} um
S1 = h(1, 0)i.
base de S1 e que dim S1 = 1.
No Exemplo 2.1.(1) vimos que
subespao ve torial de
R2 .
No Exemplo 2.4, veri mos que
Podemos ento on luir que

Todo o subespao
de
{(1, 0)}
Rn
uma
pode ser des rito atravs de um sistema ho-
mogneo. Alm disso, a dimenso de
dada pelo grau de indeterminao
desse sistema.
Exemplo 2.11.
1. Seja
S1 = {(x, 0) : x R} = {(x, y) R2 : y = 0}.

Os ve tores de
S1
y = 0, que um sistema homogneo ( om
satisfazem
apenas uma equao), uja matriz do sistema
Note-se que
GI = 1 = dim S1 .

0 1 .
Para obter um gerador, podemos observar que
(x, 0) = x(1, 0),
e por-
tanto
S1 = h(1, 0)i .
2. Seja
S2 = h(1, 1, 0), (0, 2, 1)i .
Um ve tor
(x, y, z) est em S2 se ombinao linear de (1, 1, 0), (0, 2, 1),
ou seja, se o sistema
possvel. Como
1 0 x
1 2 y
0 1 z
1 0 x
1
1 2 y 0
L2 =L2 L1
0 1 z
0
x
1 0
z
0 1
L3 =L3 2L2
0 2 yx
possvel se
y x 2z = 0,
x
0
2 y x
L2 L3
1
z
x
1 0
0 1
z
0 0 y x 2z
podemos on luir que
S2 = {(x, y, z) R3 : y x 2z = 0}.
25
Rn
Mudana de base
Rn e sejam B1 = {u1 , . . . , un } e B2 = {v1 , . . . , vn }
Chama-se matriz de mudana da base B1 para a base B2
11 1n
.
.
MB1 B2 = ...
.
n1 nn
Considere-se o espao ve torial

duas bases de
Rn .
matriz
onde
u1 = 11 v1 + + n1 vn
.
.
.
un = 1n v1 + + nn vn .
Exemplo 2.12. Sejam B1 a base anni a de R3 e B2 = {(1, 1, 0), (0, 1, 1), (0, 0, 1)}.
Como
(1, 0, 0) = 1(1, 1, 0) 1(0, 1, 1) + 1(0, 0, 1)
(0, 1, 0) = 0(1, 1, 0) + 1(0, 1, 1) 1(0, 0, 1)
(0, 0, 1) = 0(1, 1, 0) + 0(0, 1, 1) + 1(0, 0, 1),

temos que
MB1 B2
Na base anni a,
1
0 0
= 1 1 0 .
1 1 1
(2, 5, 3) = 2(1, 0, 0) + 5(0, 1, 0) + 3(0, 0, 1).

1
0 0
2
2
1 1 0 5 = 3 ,
1 1 1
3
0
on lumos que, na base
B2 ,
(2, 5, 3) = 2(1, 1, 0) + 3(0, 1, 1) + 0(0, 0, 1).

Como
(1, 1, 0) = 1(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1)

(0, 1, 1) = 0(1, 0, 0) + 1(0, 1, 0) + 1(0, 0, 1)
(0, 0, 1) = 0(1, 1, 0) + 0(0, 1, 1) + 1(0, 0, 1),
temos que
MB2 B1
1 0 0
= 1 1 0 .
0 1 1
26
Como
Como
o ve tor
Rn

1 0 0
2
2
1 1 0 5 = 7 ,
0 1 1
3
8
2(1, 1, 0) + 5(0, 1, 1) + 3(0, 0, 1)
representado na base anni a por
2(1, 0, 0) + 7(0, 1, 0) + 8(0, 0, 1) = (2, 7, 8).

Observemos que
MB1 B2 = MB1
.
2 B1
27
Captulo 3
Apli aes Lineares

Diz-se que uma apli ao
f : Rn Rm
1.
f (u + v) = f (u) + f (v),
2.
f (u) = f (u),
para todo o
para todo o
Exemplo 3.1.
1. A apli ao
uma apli ao linear se
f : R3 R3
u, v Rn ;
R, u Rn .
denida por
f (x, y, z) = (y, z, 0)
uma apli ao linear:
(a)
f ((x, y, z) + (u, v, w)) = f (x + u, y + v, z + w) = (y + v, z + w, 0) =

(y, z, 0) + (v, w, 0) = f (x, y, z) + f (u, v, w);
(b)
f ((x, y, z)) = f (x, y, z) = (y, z, 0) = (y, z, 0) = f (x, y, z).
2. A apli ao
f : R3 R3
denida por
f (x, y, z) = (|x|, z, 0)
no uma apli ao linear:
(1, 3, 0) = f (1, 2, 3).
f (1(1, 2, 3)) = f (1, 2, 3) = (1, 3, 0) 6=
f : Rn Rm uma apli ao linear. Se S Rm ,

1 (S) = {u Rn : f (u) S}.
de S ao onjunto f
Seja
inversa
Exemplo 3.2.
Consideremos a apli ao linear
hama-se imagem
f : R2 R3
denida por
f (x, y) = (y, 0, x),

e
S = {(1, 0, 3)}.
Ento
f 1 (S) = {(x, y) R2 : f (x, y) = (1, 0, 3)} = {(3, 1)}.

28
Apli aes Lineares

3.1
Imagem e n leo
f : Rn Rm
m
pao de R
Seja
uma apli ao linear. Chama-se imagem de
ao subes-
Im f = {f (u) : u Rn },
f
e hama-se n leo de
Rn
ao subespao de
Nuc f = {u Rn : f (u) = 0}.
Exemplo 3.3.
Consideremos a apli ao linear denida no Exemplo 3.2.
Um ve tor de
R3
imagem de
(x, y) se pode ser es rito na forma (y, 0, x).
Como
(y, 0, x) = x(0, 0, 1) + y(1, 0, 0),

podemos on luir que
Im f = h(0, 0, 1), (1, 0, 0)i .

Um ve tor (x, y) est no n leo de f se f (x, y) = (0, 0, 0),
(y, 0, x) = (0, 0, 0). Logo (x, y) = (0, 0), e podemos on luir que
ou seja, se
Nuc f = h(0, 0)i = {(0, 0)}.

(y, 0, x) = (0, 0, 0) um sistema homogneo, uja matriz
Observemos que
simples
Nuc f
Ento,
0 1
0 0 .
1 0
Im f
o subespao das solues do sistema, e
o subespao
gerado pelas olunas da matriz.

Se
f : Rn Rm
- inje tiva se
f (u) = f (v) u = v ,
- sobreje tiva se para todo o

Observe-se que se
f
f
Exemplo 3.4.
{(0, 0)}, f
je tiva.
Seja
uma apli ao linear, diz-se que

para quaisquer
v Rm
f : Rn Rm
existe
u, v Rn ;
tal que
f (u) = v .
uma apli ao linear, ento:
inje tiva se e s se
Nuc f = {0}.
sobreje tiva se e s se
u Rn
Im f = Rm .
a apli ao denida no Exemplo 3.2. Como
inje tiva. Como
Im f = h(0, 0, 1), (1, 0, 0)i =

6 R3 , f
29
Nuc f =
no sobre-
Apli aes Lineares

Teorema 3.5 (Teorema das dimenses).
Seja
linear. Ento
f : Rn Rm uma apli ao
n = dim Im f + dim Nuc f.
Exemplo 3.6.
No exemplo anterior,
dim Nuc f = 0
dim Im f = 2.
Ento
dim Im f + dim Nuc f = 2 = dim R2 .

f : Rn Rm uma apli ao linear,
dim Im f e nulidade de f a dim Nuc f .
Se
3.2
hama-se ara tersti a de
Matriz de uma apli ao linear
Observe-se que uma apli ao linear a bem denida atravs das imagens
de uma base.
Exemplo 3.7.
(1, 0, 0).
f denida no Exemplo
f (1, 0) = (0, 0, 1) e f (0, 1) =
Consideremos novamente a apli ao
3.2. As imagens da base anni a de
R2
so
Ento
f (2, 1) = f (2(1, 0) (0, 1))

= 2f (1, 0) f (0, 1)
= 2(0, 0, 1) (1, 0, 0)
= (1, 0, 2).
B1 = {u1 , . . . , un } de Rn e B2 = {v1 , . . . , vm } de Rm , poden

m atravs da matriz M
se representar uma apli ao linear f : R R
f
ujas olunas so dadas pela representao das imagens dos ve tores ui na
base B2 .
Fixadas bases
Exemplo 3.8.
2
Sejam BC 2 a base anni a de R e BC 3 a base anni a
3
de R . A matriz que representa a apli ao f denida no Exemplo 3.2 em
relao a estas bases
0 1
Mf = 0 0 .
1 0
Observemos que

0 1
1
2
f (2, 1) = 0 0
= 0 .
1
1 0
2
Se onsiderarmos as base
B1 = {(2, 1), (1, 1)}
B2 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}

30
Apli aes Lineares

de
R2
R3 ,
respe tivamente, omo
3
1
1
f (2, 1) = (1, 0, 2) = (1, 1, 0) + (1, 0, 1) + (0, 1, 1)
2
2
2
f (1, 1) = (1, 0, 1) = 0(1, 1, 0) + 1(1, 0, 1) + 0(0, 1, 1),

temos que
1
2
Mf = 32
1
2
Como
0
1 .
0
(2, 1) = 3(2, 1) 4(1, 1), vem que
1
3
2 0
2
3
3
f (2, 1) = 2 1
= 12 ,
4
1
3
0
2
2
3
1
3
(1, 1, 0) + (1, 0, 1) + (0, 1, 1) = (1, 0, 2).
2
2
2

1 1 0
1 1
e MB2 BC 3 = 1 0 1,
Observemos ainda que MBC 2 B1 =
1 2
0 1 1

2 0
0 1
1 1 0
1 0 1 3 1 1 1 = 0 0 .
2
1 2
1
1 0
0 1 1
0
2
Composio de apli aes lineares

f : Rn Rm e g : Rm Rp
g f : Rn Rp uma apli ao linear e
Sejam
Exemplo 3.9.
por
ento
Sejam
f : R2 R3
e
g : R3 R3
as apli aes denidas
g(x, y, z) = (x + y, y + z, x + z).
0 1
Mf = 0 0
1 0
Mgf
Ento
Mgf = Mg Mf .
f (x, y) = (y, 0, x)
Como
duas apli aes lineares.
1 1 0
Mg = 0 1 1 ,
1 0 1
0 1
= 1 0 ,
1 1
g f (x, y, z) = (y, x, x + y).

31
Apli aes Lineares

3.3
Valores e ve tores prprios
n n que representa a apli ao linear f : Rn Rn . Um

valor prprio de A (ou de f ) um es alar para o qual existe uma matriz
n 1 no nula X tal que
AX = X.
Seja
a matriz
matriz
d-se o nome de ve tor prprio de
Propriedades.
1. Um es alar
2. Se
Seja
uma matriz
A,
Observe-se que
se e s se
det(A I) = 0.
asso iados a
formado pelas solues do sistema
(A I)X = O.
det(A I)
A.
polinmio ara tersti o de

prprio
f ).
os valores prprios de
so os elementos do subespao
homogneo
(ou de
n n.
valor prprio de
um valor prprio de
um polinmio em
, a que se d o nome de
Chama-se multipli idade algbri a do valor
multipli idade da raz orrespondente no polinmio ara ters-
ti o. Chama-se multipli idade geomtri a de
Exemplo 3.10.
dimenso de
S .
Seja
3 1 1
A = 7 5 1 .
6 6 2
Como
3
1
1
det(A I) = det 7
5
1 = (4 )( + 2)2 ,
6
6
2
de
so 4 e
2.
2.
A multipli idade algbri a de 4 1, e a
Cal ulemos os ve tores prprios asso iados a 4. Para isso, onsideremos
o sistema
(A 4I)X = O:
1 0 0
7 1 1
7 1 1 0 1 1 .
0 0 0
6 6 6
Ento, as solues do sistema so tais que

donde
S4 = h(0, 1, 1)i,
x=0
y + z = 0
x=0
,
y=z
e a multipli idade geomtri a de 4 1.
32
Apli aes Lineares

Para al ular os ve tores prprios asso iados a
(A + 2I)X = O:
2 onsideremos o sistema
1 1 1
1 1 0
7 7 1 0 0 1 .
6 6 0
0 0 0

donde
3.4
S2 = h(1, 1, 0)i,
x + y = 0
z=0
x=y
,
z=0
e a multipli idade geomtri a de
1.
Diagonalizao
Uma apli ao linear diz-se diagonalizvel se existe uma base om respeito

qual a matriz que representa a apli ao diagonal.
Propriedades.
Uma apli ao linear
f : Rn Rn
diagonalizvel se e
n
s se existe uma base R onstituda por ve tores prprios de
soma das multipli idades geomtri as dos valores prprios de
Exemplo 3.11.
f se e
f n.
s se a
Seja
1 3 3
A = 3 5 3 .
6 6 4
Como
1
3
3
det(A I) = det 3
5
3 = (4 )( + 2)2 ,
6
6
4
2.
sistema (A 4I)X = O:
1 1 0
3 3 3
3 9 3 0 2 1 .
0 0
0
6 6 0
Consideremos o
so 4 e

donde
xy =0
2y z = 0
E4 = h(1, 1, 2)i.
33
x=y
,
z = 2y
Apli aes Lineares

(A + 2I)X = O:
3 3 3
1 1 1
3 3 3 0 0 0 .
6 6 6
0 0 0
Consideremos agora o sistema
xy+z =0
x=yz ,
E2 = h(1, 1, 0), (1, 0, 1)i .

B = {(1, 1, 2), (1, 1, 0), (1, 0, 1)} uma base de R3 ,
linear f representada pela matriz A diagonalizvel. Mais, a
representa f relativamente a esta base
4 0
0
M = 0 2 0 .
0 0 2
donde
Como
34
a apli ao
matriz que
Captulo 4
Cl ulo Ve torial
4.1
Produto interno
Sejam
u, v R3 .
Chama-se produto interno de
ao nmero real
u v = kuk kvk cos ,

onde
u e v (isto , o menor dos ngulos

u e v ) e kuk o omprimento de u.
u, v R3 ,
o ngulo formado por
pelas semire tas que ontm

Note-se que, para
1.
2.
u v = 0 u = 0, v = 0
kuk = u u.
Propriedades.
Sejam
ou
u v;
u, v, w R3
1.
u v = v u;
2.
(u v) = (u) v = u (v);
3.
(u + w) v = u v + w v
Se
u = (u1 , u2 , u3 )
R.
Ento
u (v + w) = u v + u w.
v = (v1 , v2 , v3 ),
ento

u v = u1 v1 + u2 v2 + u3 v3 = u1 u2
Exemplo 4.1.
Sejam
u = (1, 1, 0)
u v = 1, kuk =
donde
v = (0, 1, 0).
2, kvk = 1
.
4
35

v1
u3 v2 .
v3
Ento
1
cos = ,
2
denidos
Cl ulo Ve torial
Apli aes do produto interno: Proje es

Sejam
u, v
sendo o nmero
-
kOxk
kOxk
Es reve-se
u 6= 0. Dene-se
real x denido por:
ve tores,
se
proje o ortogonal de
perten e semire ta om origem
sobre
que ontm
omo
u;
aso ontrrio.
x = proju v .
v
Tem-se que
x
proju v = kvk cos =
Exemplo 4.2.
Sejam
u = (0, 1), v = (1, 1)

proju v =
4.2
1
1
uv
.
kuk
w = (1, 2).
Ento
3
projv w = .
2
Produto externo
Sejam
u, v R3 .
Chama-se produto externo de
por
ao ve tor
denido do seguinte modo:

1. Se existe
tal que
2. Se no existe
a
de norma k
Propriedades.
v = u, u v = 0;
v = u, u v o ve tor w
kuk kvk sin e tal que
u1 u2 u3
det v1 v2 v3 > 0.
w1 w2 w3
tal que
Sejam
u, v, w R3
1.
u v = v u;
2.
(u v) = (u) v = u (v);
3.
(u + w) v = u v + w v
R.
perpendi ular a
Ento
u (v + w) = u v + u w.
e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1).

v = (v1 , v2 , v3 ), ento
u1 u2 u3
u v = det v1 v2 v3 .
e1 e2 e3
Considere-se
(u1 , u2 , u3 )
uv
36
Se
u =
Cl ulo Ve torial
Exemplo 4.3.
u = (1, 1, 0) e v = (0, 1, 2). Ento
1 1 0
u v = det 0 1 2 = e3 + 2e1 2e2 = (2, 2, 1).
e1 e2 e3
Sejam
Apli aes do produto externo: Volume de um paralelippedo

Considere-se um paralelippedo
trs arestas de
e sejam
u, v, w
ve tores que representam
que se en ontram num vrti e.
w
v
P dado pelo produto da rea da base, Ab , pela

VP = Ab h.
Sabe-se que o volume de

altura,
h,
ou seja,
Considere-se a base:
u
1
O
Seja
o ponto sobre a aresta
OB
tal que
OC CA.
Ento
Ab = kOBk kCAk = kOBk kOAk sin 1 = kOB OAk = ku vk.

Quanto altura,
37
Cl ulo Ve torial
uw
w
2
v
u
Tem-se que
h = projuw w = kwk cos 2 .

Assim,

u
u
u
1
2
3

VP = ku wk kwk cos 2 = |(u v) w| = det v1 v2 v3 .

w1 w2 w3
Exemplo 4.4.
v = (0, 2, 0)
O volume do paralelippedo que tem arestas
w = (1, 1, 2)

1 1 0

VP = det 0
2 0 = 4.

1 1 2
38
u = (1, 1, 0),
Captulo 5
Geometria Analti a
5.1
Re tas e planos
Re tas
Uma re ta
R3 pode ser denida atravs de um ponto, (x0 , y0 , z0 ),

(u1 , u2 , u3 ). Assim, r pode ser des rita:
em
uma dire o,
e de
- pela sua equao ve torial
r (x0 , y0 , z0 ) + h(u1 , u2 , u3 )i ;
- pelas suas equaes paramtri as
x = x0 + u1
y = y0 + u2 ;
r
z = z0 + u3
- pelas suas equaes normais
x x0
y y0
z z0
=
=
(u1 , u2 , u3 6= 0);
u1
u2
u3
- pelas suas equaes reduzidas
Exemplo 5.1.
ve tor
(1, 0, 2)
A re ta
x = mz + p
y = nz + q
(se u3 6= 0).
que passa pelo ponto
(1, 1, 1)
pode ser des rita pela equao ve torial
r (1, 1, 1) + h(1, 0, 2)i .
39
e tem a dire o do
Geometria Analti a
r so
x=1+
y=1
.
z = 1 + 2
Ento as equaes paramtri as de
Eliminando o parmetro
nestas equaes, obtemos as equaes normais
x1=
z1
2
y = 1.
As equaes reduzidas so
1
1
z+
2
2 .
y=1
x=
Planos
Um plano
R3 pode ser denido atravs de um ponto, (x0 , y0 , z0 ),

(u1 , u2 , u3 ) e (v1 , v2 , v3 ). Assim, pode ser des rito:
em
duas dire es,
e de
- pela sua equao ve torial
(x0 , y0 , z0 ) + h(u1 , u2 , u3 ), (v1 , v2 , v3 )i ;

- pela sua equao geral
Ax + By + Cz + D = 0,
onde o ve tor
(A, B, C)
A equao geral do plano

ser obtida sabendo que
perpendi ular a
(x0 , y0 , z0 ) + h(u1 , u2 , u3 ), (v1 , v2 , v3 )i pode
x x0 y y0 z z0
u2
u3 = 0.
(x, y, z) det u1
v1
v2
v3
Exemplo 5.2.
1. O plano
que ontm os pontos
dire es dos ve tores

ve torial
(1, 0, 1)
(1, 1, 1), (0, 1, 0) e (0, 0, 1) tem as

(1, 1, 0). Assim, tem equao
(1, 1, 1) + h(1, 0, 1), (1, 1, 0)i .

Para determinar a equao geral de
temos que
x1 y1 z1
det 1
0
1 = 0 x + y + z 1 = 0.
1
1
0
40
Geometria Analti a
que passa no ponto (2, 1, 1)
(1, 1, 2) tem equao geral
2. O plano
e perpendi ular ao ve tor
x + y 2z + D = 0.
Como
Logo,
(2, 1, 1) , temos
tem equao
que
2 + 1 + 2 + D = 0,
donde
D = 1.
x + y 2z 1 = 0.
5.2
Seja
Distn ia de um ponto a um plano
um ponto e
um plano. Ento, es olhendo
d(P, ) = | projn P P | =
onde
P ,
|n P P |
,
kn k
n .
n
P
d(P, )
Se
tem equao
Ax + By + Cz + D = 0
d(P, ) =
Exemplo 5.3.
di ular a
Seja
P = (x0 , y0 , z0 ),
|Ax0 + By0 + Cz0 + D|
.
A2 + B 2 + C 2
A distn ia entre o ponto
(1, 1, 1)
P = (1, 1, 0)
(0, 0, 3)
e o plano
perpen-
e que passa pelo ponto
d(P, ) =
5.3
|(1, 1, 1) (1, 1, 3)|

= 3.
k(1, 1, 1)k
Distn ia de um ponto a uma re ta
um ponto e
uma re ta. Ento, sendo
r,
d(P, r) = kP Pr k sin =
41
Pr r
ur
kur P Pr k
.
kur k
uma dire o de
Geometria Analti a
P
d(P, r)
r
ur
Pr
Exemplo 5.4.
pelo ponto
A distn ia entre o ponto
(2, 1, 2)
a re ta
que passa
k(2, 1, 2)k
= 1.
k(1, 2, 2)k
d(P, r) =
5.4
P = (2, 3, 3) e
(1, 2, 2)
e tem a dire o do ve tor
In idn ia e paralelismo
Considerem-se dois planos
R3 .
em
Tem-se que
podem ser
oin identes, paralelos ou on orrentes.
Sejam
a
pontos de
e , respe tivamente, n
. Ento, e so:
um ve tor ortogonal
um ve tor ortogonal a
- oin identes se
- paralelos se
n = n
n = n
- on orrentes se
P 6
n 6= n .
Considerem-se agora uma re ta

pode estar ontida em
ou
(ou
(ou
P );
P 6 );
e um plano
em
R3 .
Tem-se que
podem ser paralelos ou on orrentes.
r
r
42
Geometria Analti a
r
Sejam
Pr
pontos de
um ve tor ortogonal a
-
se
ur n = 0
.
e
so paralelos se
respe tivamente,
ur
uma dire o de
Ento:
Pr ;
ur n = 0
so on orrentes se
Pr 6 ;
ur n 6= 0.
Considerem-se agora duas re tas
em
R3 .
Tem-se que
podem
ser oin identes, paralelas, on orrentes ou enviesadas.
r=s
r
r
r
s
Sejam
us
s
Pr
Ps
pontos de
uma dire o de
s.
- oin identes se
Ento,
ur = us
s, respe tivamente, ur
r e s so:
e
Pr s
ur = us
Pr 6 s
(ou
uma dire o de
Ps s);
Ps 6 r );
Pr Ps
ur = 0;
on orrentes se ur 6= us e det
us
Pr Ps
enviesadas se ur 6= us e det
ur 6= 0.
us
- paralelas se
(ou
Exemplo 5.5.
Consideremos os planos
x + y + z = 1, x + y + z = 1
43
x+yz =1
Geometria Analti a
e as re tas
x+y =0
z=1
xz =0
y = 1
x+y =0
.
z=2
Podemos onsiderar
P = (1, 0, 0),
P = (1, 0, 0),
P = (1, 0, 0),
Pr = (0, 0, 1),
Ps = (0, 1, 0),
Pt = (0, 0, 2),
n = (1, 1, 1),
n = (1, 1, 1),
n = (1, 1, 1),
ur = (1, 1, 0),
us = (1, 0, 1),
ut = (1, 1, 0).
P 6 (1 + 0 + 0 6= 1), e so paralelos; e omo

e so on orrentes.
Como ur n = O e Pr (0 + 0 + 1 = 1), r ; omo ur n = O mas
Pr 6 (0 + 0 + 1 6= 1), r e so paralelos; e omo us n 6= O, s e so
n = n
Como
so linearmente independentes,
on orrentes.
ur = ut
Como
Pr 6 t (1 6= 2), r
so paralelas; omo
ur
us
so
linearmente independentes e
0 1 1
det 1 1 0 = 0,
1 0 1
so on orrentes; e omo
us
ut
so linearmente independentes e
so enviesadas.
0 1 2
1 = 1 6= 0,
det 1 0
1 1 0
As posies relativas podem ainda ser obtidas a partir da representao

matri ial
AX = B
do sistema de equaes lineares obtido a partir das equa-
es artesianas no paramtri as de planos e/ou re tas. Ento, se

representa:

e , ento A|B de tipo 2 4, e:

r A|B = r(A) = 1 , so oin identes;

r A|B > r(A) = 1 , so paralelos;

r A|B = r(A) = 2 , so on orrentes.

re ta r e um plano , ento A|B de tipo 3 4,

r A|B = r(A) = 2 r ;
- dois planos
(a)
(b)
( )
- uma
(a)
44
e:
AX = B
Geometria Analti a

A|B > r(A) = 2 r, so paralelos;

( ) r
A|B = r(A) = 3 r, so on orrentes.

duas re tas r e s, ento A|B de tipo 4 4, e:

(a) r
A|B = r(A) = 2 r, s so oin identes;

(b) r
A|B = 3 > r(A) = 2 r, s so paralelas;

A|B = r(A) = 3 r, s so on orrentes;
( ) r

(d) r
A|B = 4 > r(A) = 3 r, s so enviesadas.
(b)
Exemplo 5.6.
Consideremos os planos
e as re tas
r, s
onside-
radas no exemplo anterior.

O sistema de equaes lineares obtido a partir das equaes de
dado pela matriz

e portanto
matriz
1 1 1 1
1 1 1 1
so paralelos; quanto a
1 1 1 1
1 1 1 1
1 1 1 1
0 0 0 2
e
omo o sistema dado pela
1 1 1 1
0 0 2 0
os planos so on orrentes.
dado pela matriz
e portanto
r ;
1 1 0 0
1 1 0 0
0 0 1 1 0 0 1 1
1 1 1 1
0 0 0 0
2 dado
1 1 0 0
1 1 0 0
0 0 1 1 0 0 1 1 ,
1 1 1 1
0 0 0 2
omo o sistema que ara teriza
r1
pela matriz
r e so paralelos; e omo o sistema que ara teriza s e dado pela matriz
1 0 1 0
1 0 1 0
0 1 0 1 0 1 0 1 ,
1 1 1
0 0 2
1
2
s
so on orrentes.
45
Geometria Analti a
dado pela matriz
e portanto
1
0
1
0
1
0
1
0
0
1
0
1
0
1
0
1

0
0
2
0
1
0
0
0
0
1
1
0
0
1
0
0
so paralelas; omo o sistema que ara teriza
dado
pela matriz
1
0
1
0
5.5
0
1
1
0
0
0
,
1
0
so on orrentes; e omo o sistema que ara teriza
matriz
1 0
1 1
0
0 1
1
0 1

0 0
0 1 0
1 0 1
0 0
1
0
1
0
so enviesadas.
dado pela
1 0 1 0
0 1 0
0 1 0 1
1 0 1

,
0 0 1
0
1
1 0
2
1
0 1
0 0 0
Cni as
Uma ni a uma urva gerada pela interse o de um plano om um one.

Existem trs urvas que podem ser obtidas por esse pro esso: a elipse, a
hiprbole e a parbola. Uma ni a pode ser des rita pela sua equao geral
Ax2 + By 2 + Cxy + Dx + Ey + F = 0,
om
A, B
ou
diferente de 0. Se
C = 0,
esta equao pode ser es rita na
forma reduzida.
- Uma elipse tem equao reduzida
(x x0 )2 (y y0 )2
+
= 1.
a2
b2
b
y0
x0
46
Geometria Analti a
- Uma hiprbole tem equao reduzida
(x x0 )2 (y y0 )2
=1
a2
b2
ou
(x x0 )2 (y y0 )2
+
= 1.
a2
b2
y0
y0
x0
x0
- Uma parbola tem equao reduzida
y y0 = a(x x0 )2
ou
x x0 = a(y y0 )2 .
y0
y0
a>0
a<0
x0
x0
y0
y0
a>0
x0
Exemplo 5.7.
a<0
x0
A ni a des rita pela equao
4x2 + y 2 24x + 8y 24 = 0
uma hiprbole:
4x2 + y 2 24x + 8y 24 = 0 4(x2 + 6x + 9) + (y 2 + 8y + 16) = 4

1
(x + 3)2 + (y + 4)2 = 1.
4
47
Geometria Analti a
7 6 5 4 3 2 1
1
2
3
4
5
6
7
8
9
Se, na equao geral
Ax2 + By 2 + Cxy + Dx + Ey + F = 0, C 6= 0,
podemos obter a equao reduzida da ni a fazendo uma mudana de base.

Neste aso, a equao geral da ni a pode ser es rita na forma matri ial

x
A C/2 x
x y
+ D E
+ F = 0.
C/2 D
y
y

A C/2
Se a1 e a2 so valores prprios da matriz
e B = {ux , uy } uma
C/2 D
base de ve tores prprios om norma 1, ento obtemos uma nova equao

matri ial, da forma
onde

a1 0 x

x
x y
+ D E
+ F = 0,
y
0 a2 y

E = D E MBBC .
Exemplo 5.8.
Vamos es rever a equao reduzida da ni a
5x2 + 5y 2 4xy 8 2x + 20 2y 2 = 0,
lassi -la e esboar o seu gr o. A equao matri ial desta ni a
Temos que
Para
x y
= 3,

x

5 2 x
2 = 0.
+ 8 2 20 2
2 5
y
y

5 2
det
= 0 = 3 = 7.
2 5
vem que

2 2
1 1
,
2 2
0 0
e logo os ve tores prprios asso iados so da forma
x R.
48
(x, x) = x(1, 1),
om
Geometria Analti a
Para
= 7,
vem que

2 2
1 1
,
2 2
0 0
e logo os ve tores prprios asso iados so da forma
y R.
(y, y) = y(1, 1),
1 1
,
2 2
om
k(1, 1)k = k(1, 1)k = 2, onsideremos ux =

1
1
uy = , . Assim, a ni a des rita pela equao
2
2

3 0 x
1/ 2 1/ 2 x

2 = 0,
x y
+ 8 2 20 2
y
0 7 y
1/ 2 1/ 2
Como
ou seja,
3x2 + 7y 2 + 12x + 28y 2 = 0.

Como
3x2 + 7y 2 + 12x + 28y 2 = 0
3(x2 + 4x + 4) + 7(y 2 + 4y + 4) = 8 + 12 + 28
(x + 4)2 (y + 4)2
+
= 1,
14
6
a ni a uma elipse.
5.6
1
1
Qudri as
Uma qudri a uma superf ie des rita pela equao geral
Ax2 + By 2 + Cz 2 + Dxy + Eyz + F xz + Gx + Hy + Iz + J = 0,

om
A, B, C, D, E
ou
diferente de 0. Se
pode ser es rita na forma reduzida.
49
D = E = F = 0,
esta equao
Geometria Analti a
- Elipside
- Parabolide elpti o
x2 y 2 z 2
+ 2 + 2 =1
a2
b
c
z
z = ax2 + by 2
z
y
y
x
- Hiperbolide de 1 folha
- Hiperbolide de 2 folhas
x2 y 2 z 2
+ 2 2 =1
a2
b
c
x2 y 2 z 2
2 + 2 =1
a2
b
c
z
- Parabolide hiperbli o
- Cone
x2 y 2 z 2
+ 2 2 =0
a2
b
c
z = ax2 + by 2
z
50
Geometria Analti a
- Cilindro elpti o
- Cilindro hiperbli o
x2 y 2
+ 2 =1
a2
b
x2 y 2
+ 2 =1
a2
b
z
- Cilindro parabli o
y = ax2
z
Exemplo 5.9.
24 = 0
A qudri a des rita pela equao
um elipside:
4x2 + y 2 + z 2 + 24x + 8y
4x2 + y 2 + z 2 + 24x + 8y 24 = 0 4(x2 + 6x + 9) + (y 2 + 8y + 16) + z 2 = 4

z2
(x + 3)2 + (y + 4)2 +
= 1.
4
51
Geometria Analti a
z
(3, 4, 0)
x
52
53
Bibliograa
[1 S. Blyth e E. F. Robertson,
Basi Linear Algebra, Springer.
[2 E. Giraldes, V. H. Fernandes e M. P. Marques,
lgebra Linear e Geo-
metria Analti a, M Graw Hill.

[3 A. Steinbru h e P. Winterle,
[4 A. Monteiro e G. Pinto,
lgebra Linear, M Graw Hill.
lgebra Linear e Geometria Analti a - Proble-
mas e exer ios, M Graw Hill.
54

ALA Folhas Apoio

Hochgeladen von

Dokumentinformationen

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

ALA Folhas Apoio

Hochgeladen von

Copyright:

Verfügbare Formate

INSTITUTO SUPERIOR DE ENGENHARIA DE LISBOA

Sistemas de Equaes Lineares

3 Apli aes Lineares

Matriz de uma apli ao linear

Valores e ve tores prprios . . . . . . . . . . . . . . . . . . . .

Distn ia de um ponto a um plano

Distn ia de um ponto a uma re ta . . . . . . . . . . . . . . .

m por n (ou uma matriz m n) um

uma matriz do tipo

Matrizes e Sistemas de Equaes Lineares

matriz quadrada e es reve-se

uma matriz oluna, e se

Observe-se que uma matriz  a bem denida pelas suas entradas.

Matrizes e Sistemas de Equaes Lineares

est na diagonal prin ipal da matriz. Uma matriz

diz-se diagonal se todas as entradas que no esto na diagonal prin ipal so

so zero, a matriz hama-se

a matriz zero (ou matriz nula), e denota-se por

diagonal ujas entradas da diagonal prin ipal so 1 d-se o nome de

matriz identidade, e denota-se por

Duas matrizes dizem-se iguais se so do mesmo tipo e as suas entradas

Dadas duas matrizes

Matrizes e Sistemas de Equaes Lineares

Multipli ao por um es alar

Dada uma matriz

Matrizes e Sistemas de Equaes Lineares

(AB) = (A)B = A(B);

uma matriz quadrada,

a11 x1 + a12 x2 + + a1n xn

a21 x1 + a22 x2 + + a2n xn

am1 x1 + am2 x2 + + amn xn = bm

So sistemas de equaes lineares

Matrizes e Sistemas de Equaes Lineares

Podemos resolv-lo por eliminao su es-

Equivalentemente, podemos multipli ar a

equao por 3 e subtrair-

De qualquer das formas obtemos omo soluo

veri ar estes valores substituindo-os em

sistema tem innitas solues, da forma

Matrizes e Sistemas de Equaes Lineares

No exemplo anterior temos que

1 linha 3 so operaes elementares, e denotamo-las por:

Matrizes e Sistemas de Equaes Lineares

est em forma de es ada se

esto em forma de es ada.

A uma matriz no nula. Ento A pode ser trans-

formada numa matriz em forma de es ada utilizando operaes elementares

Ao pro esso de transformao de

numa matriz em forma de es ada

utilizando operaes elementares sobre as linha ou olunas de

nome de mtodo de ondensao.

Vamos ondensar as seguintes matrizes:

Matrizes e Sistemas de Equaes Lineares

D-se o nome de ara tersti a da matriz

nulas de uma matriz em forma de es ada obtida a partir de

Sistemas de equaes lineares

a11 x1 + a12 x2 + + a1n xn

a21 x1 + a22 x2 + + a2n xn

am1 x1 + am2 x2 + + amn xn = bm

Pode-se ento exprimir

d-se o nome de matriz dos oe ientes, ou matriz simples,

matriz das in gnitas, e

a matriz dos termos independentes. Se

o sistema diz-se homogneo.

Observe-se que uma matriz a bem denida pelas suas entradas.

veri ar estes valores substituindo-os em

sistema tem innitas solues, da forma

d-se o nome de matriz dos oe ientes, ou matriz simples,

es elementares sobre as linhas de uma matriz. Isto signi a que podemos

as operao adio e multipli ao por um es alar da seguinte forma: