Apontamentos

Instituto Superior de Engenharia de Coimbra
tica
Departamento de Fsica e Matema
Apontamentos de Apoio às Aulas de
Algebra
Linear
Engenharia Informatica
Curso Europeu de Informatica
2014/2015
Jo
ao Cardoso
Conte
udo
1 Matrizes e Sistemas de Equac
oes Lineares
1.1 Definicoes e Exemplos . . . . . . . . . . . . . . . . . . . . . .
1.2 Operacoes com Matrizes . . . . . . . . . . . . . . . . . . . . .
1.3 Propriedades das operacoes com matrizes . . . . . . . . . . . .
1.4 Transposicao de matrizes . . . . . . . . . . . . . . . . . . . . .
1.5 Eliminacao de Gauss . . . . . . . . . . . . . . . . . . . . . . .
1.6 Caracterstica de uma matriz . . . . . . . . . . . . . . . . . .
1.7 Sistemas de equacoes lineares . . . . . . . . . . . . . . . . . .
1.7.1 Definicao e Classificacao . . . . . . . . . . . . . . . . .
1.7.2 Representacao matricial de sistemas . . . . . . . . . . .
1.7.3 Interpretacao geometrica de um sistema 2 2 . . . . .
1.7.4 Metodo de eliminacao de Gauss para sistemas lineares
1.7.5 Sistemas homogeneos . . . . . . . . . . . . . . . . . . .
1.8 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9 Matrizes em Blocos . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . .
1.11 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Determinantes
2.1 Definicao de Determinante . . . . . . .
2.2 Propriedades do Determinante . . . . .
2.3 Matriz Adjunta . . . . . . . . . . . . .
2.4 Regra de Cramer . . . . . . . . . . . .
2.5 Aplicacao à Codificacao de Mensagens
2.6 Exerccios Resolvidos . . . . . . . . . .
2.7 Exerccios . . . . . . . . . . . . . . . .
3 Vectores em IRn
3.1 Vectores em IR2 e IR3 . .
3.1.1 Generalidades . .
3.1.2 Produto Vectorial
3.1.3 Rectas em IR2 . .
.
.
e
.
. . . . . . .
. . . . . . .
Aplicacoes
. . . . . . .
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
2
3
4
5
7
7
7
9
9
10
11
12
14
16
20
.
.
.
.
.
.
.
27
27
29
31
32
33
36
39
.
.
.
.
43
43
43
45
47
Indice
3.2
3.3
3.4
3.1.4 Rectas e Planos em IR3 . . . . . . . . . . . . . . . . . . . .

3.1.5 Transformacoes Lineares: Aplicacao à Computacao Grafica
O espaco vectorial IRn . . . . . . . . . . . . . . . . . . . . . . . .
3.2.1 Definicoes . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.2 Subespacos Vectoriais de IRn . . . . . . . . . . . . . . . . .
3.2.3 Combinacoes Lineares . . . . . . . . . . . . . . . . . . . .
3.2.4 Dependencia Linear. Bases e Dimensao. . . . . . . . . . .
Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 Valores e Vectores Pr
oprios
4.1 Definicoes e Exemplos . . . . . . . .
4.2 Calculo de valores e vectores proprios
4.3 Propriedades dos valores proprios . .
4.4 Diagonalizacao de matrizes . . . . . .
4.5 Exerccios Resolvidos . . . . . . . . .
4.6 Exerccios . . . . . . . . . . . . . . .
iv
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
47
49
54
54
56
57
58
61
68
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
75
75
76
77
80
81
84
Captulo 1
Matrizes e Sistemas de Equac
oes
Lineares
1.1
Definico
es e Exemplos
Notac
ao: IK = IR ou IK = C; os elementos de IK designam-se por escalares.
Definic
ao. Chama-se matriz do tipo m n ao conjunto de mn elementos de IK
dispostos da seguinte forma rectangular:
A=
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
..
.
.
amn
= [aij ]
i = 1, 2, , m
j = 1, 2, , n
Uma matriz m n tem m linhas e n colunas;

os n
umeros aij da matriz A designam-se por entradas ou elementos da matriz; na
notacao aij , i designa a linha e j a coluna.
Exemplo. Na matriz 3 4
1 0
1 4
A = 2 3 4 5
,
6 5
0 1
temos a22 = 3, a13 = 1, a34 = 1, ...
Mais Exemplos de Matrizes.
4 5/2
(matriz 3 2 com entradas em IR)

(a) A =
0
2

3 2
1
1. Matrizes e Sistemas de Equacoes Lineares
2i
5 0
(b) B = 1 3i
4i 5
(matriz 3 3 com entradas em C)
i 2 3i 1
(c) u =
u1
u2
..
.
un
(vector coluna n 1)
Definic
ao. Duas matrizes A e B dizem-se iguais se sao do mesmo tipo e se aij = bij ,
para cada i e j.
1.2
Operaco
es com Matrizes
Adic
ao
Se A = [aij ] e B = [bij ] sao matrizes m n, define-se A + B como sendo a matriz
m n cuja entrada (i, j) e aij + bij , para cada i e j.
Multiplicac
ao por um escalar
Se A = [aij ] e uma matriz m n e e um escalar, define-se A como sendo a matriz
m n cuja entrada (i, j) e aij , para cada i e j.
Notac
ao: A := (1)A;
Exerccio 1.2.1
Dadas as matrizes A =
(a) A + B
(b) 3A B
"
A B := A + (1)B
3
2 1
4 5 0
eB=
"
2 2 2
, determine
1 3
4
Produto de matrizes
Sejam A = [aij ] uma matriz m n e B = [bij ] uma matriz n p. O produto de A
por B, denotado por AB, e a matriz AB = C = [cij ] do tipo m p, onde
cij =
n
X
aik bkj
k=1
= ai1 b1j + ai2 b2j + + ain bnj ,

para cada i = 1, 2, . . . , m e j = 1, 2, . . . , p.
Uma matriz diz-se quadrada se o n
umero de linhas coincidir com o n
umero de colunas.
1.3. Propriedades das operacoes com matrizes

Notac
ao: Se A for quadrada, denota-se
Ak := AA
. . . A}
| {z
k vezes
Exerccio 1.2.2
Dadas as matrizes
#
"
#
"
2
3 2
3 4
2 1 3
,
, C = 0 , D =
A= 2
4 , B =
1 2
4 1 6
1
1 3
determinar, se possvel:
(a) AB
(b) BA
(c) AC
(d) BC
(e) D 2
Exerccio 1.2.3
(a) Quando e que o produto de duas matrizes A e B esta definido?
(b) Sera que o produto de duas matrizes e comutativo?
Chama-se matriz nula a uma matriz O com todas as entradas iguais a zero;
chama-se matriz identidade a uma matriz quadrada com 1s na diagonal e zeros nas
restantes entradas. Por exemplo, a matriz identidade de ordem 3 (isto e, 3 3) e
1 0 0
I= 0 1 0
.
0 0 1
Diz-se que uma matriz quadrada e triangular superior (respectivamente, triangular
inferior se todos os elementos situados abaixo (resp., acima) da diagonal sao nulos.
1.3
Propriedades das operaco

es com matrizes
Propriedades da adic
ao: Sejam A, B e C matrizes m n. Entao:
(i) A + B = B + A (comutativa)
(ii) (A + B) + C = A + (B + C) (associativa)
(iii) a matriz nula O do tipo m n e a u
nica matriz tal que
A + O = A,
para toda a matriz A.
3

(iv) Para cada matriz A existe uma u
nica matriz B tal que
A + B = O;
denota-se B := A.
Propriedades da multiplicac
ao por um escalar: Sejam A e B matrizes m n
e , IK. Entao:
(i) (A + B) = A + B
(ii) ( + )A = A + A
(iii) ()A = (A)
(iv) (1)A = A
Propriedades do produto de matrizes: Sejam A, B e C matrizes para as quais
estao definidas as operacoes seguintes. Entao:
(i) A(B + C) = AB + AC
(B + C)A = BA + CA (distributiva)
(ii) (AB)C = A(BC) (associativa)
(iii) IA = AI = A
Observac
oes:
1. AB = O 6 A = O B = O
(isto e, a lei do anulamento do produto nao e valida para matrizes)
Por exemplo, se
#
#
"
"
2
1
2
,
, B=
A=
1
2 4
temos AB = O mas A 6= O e B 6= O.
2. AB = AC 6 B = C
(isto e, a lei do corte nao e valida para matrizes)
Por exemplo, se
3 1
A = 6
2
,
3
1
B=
"
3 1
2 2
C=
"
2 1
1 4
temos AB = AC mas B 6= C.
1.4
Transposic
ao de matrizes
Definic
ao. Seja A uma matriz m n. Chama-se transposta de A, e escreve-se
A> , à matriz n m que se obtem escrevendo ordenadamente as linhas de A como
colunas.
4
1.5. Eliminacao de Gauss

Exerccio 1.4.1
Dadas as matrizes
#
"
3 2
h
i
2 1 3
, C = 2 0 1 ,
A= 2
4 , B =
4 1 6
1 3
determinar a sua transposta.

Propriedades da transposic
ao: Sejam A, B e C matrizes para as quais estao
definidas as operacoes seguintes e IK. Entao:
(i) (A> )> = A
(ii) (A + B)> = A> + B >
(iii) (A)> = A>
(iv) (AB)> = B > A>
Definic
ao. Diz-se que uma matriz e simetrica se A> = A;
diz-se que A e antisimetrica se A> = A.
Exerccio 1.4.2
De exemplos de duas matrizes simetricas e de duas matrizes antisimetricas
1.5
Eliminac
ao de Gauss
Definic
ao. Consideremos as seguintes operacoes definidas sobre as linhas de uma
matriz:
OE1 Troca de duas linhas;
OE2 Multiplicacao de uma linha por um escalar nao nulo;
OE3 Adicao a uma linha de um m
ultiplo escalar de outra linha.
A estas tres operacoes da-se o nome de operacoes elementares sobre as linhas de A.
Exerccio 1.5.1
Escolha uma matriz 3 4 e efectue cada uma das tres operacoes elementares.
Definic
ao. Diz-se que uma matriz U esta na forma de escada se se verificarem as
seguintes condicoes:
(i) Abaixo do primeiro elemento nao nulo de cada linha, e na mesma coluna, todas
as entradas sao nulas
(ii) Abaixo de linhas nulas nao ha linhas nao nulas
(iii) O primeiro elemento nao nulo de uma linha esta situado numa coluna a` direita
do primeiro elemento nao nulo da linha anterior.
5

Forma de escada:
?
0
0
0
0
0
0
?
0
0
?
0
onde ? designa uma entrada 6= 0.
Exerccio 1.5.2 Averigue se as seguintes matrizes estao em forma de escada:
0 1 0
A=
0 0 1 ,
1 0 0
D=
0
1
0
0
0
2
1
0
0
3
2
1
B=
"
0 1 2 0
0 0 0 0
1 1 0
C=
0 1 2
1 0 0
1 2 3
E= 0 0 1
0 0 0
Definic
ao. Diz-se que U e equivalente por linhas a A se for possvel obter U a
partir de A usando somente operacoes elementares sobre as linhas de A.
Determinar a forma de escada de uma dada matriz significa obter uma matriz em
forma de escada que seja equivalente por linhas a A.
Exerccio 1.5.3 Obter uma forma de escada das seguintes matrizes:
A=
0 1 2 1
1 0 1 0 , B =
0 1 2 1
0
1 0 2
0 2 1 3
0
1 1 9
0
0 2 4
O metodo usado para obter a forma de escada das matrizes anteriores chama-se
metodo de eliminac
ao de Gauss. Podemos esquematiza-lo na seguinte forma:
1. Se a matriz e a matriz nula, stop ela esta em forma de escada
2. Caso contrario, encontrar a primeira coluna (da esquerda para a direita) que
contem uma entrada nao nula (digamos, a) e mover a linha que contem essa
entrada para o topo da matriz
3. Multiplicar essa linha por 1/a para obter 1 (pivo)
4. Subtraindo m
ultiplos dessa linha às linhas abaixo, tornar todas as entradas
abaixo do pivo iguais a zero.
Estes 4 passos completam a primeira linha.
5. Repetir os passos 1 4 na matriz formada pelas restantes linhas. Quando se
esgotarem as linhas o processo termina.
6
1.6. Caracterstica de uma matriz

Definic
ao. Diz-se que uma matriz U esta na forma de escada reduzida se se verificarem as tres condicoes seguintes:
(i) U esta na forma de escada;
(ii) todos os pivos sao iguais a 1;
(iii) cada pivo e a u
nica entrada nao nula da sua coluna.
Exerccio 1.5.4
anterior.
1.6
Calcular a forma de escada reduzida das matrizes do exerccio
Caracterstica de uma matriz
Teorema. Se U e U 0 sao matrizes em forma de escada e equivalentes por linhas a

A entao o n
umero de linhas nao nulas de U coincide com o n
umero de linhas nao
nulas de U 0 .
Observac
oes
1. Uma matriz A pode admitir varias formas de escada, consoante a sequencia
de operacoes elementares utilizadas. No entanto, pelo teorema anterior, todas
elas tem o mesmo n
umero de linhas nao nulas.
2. A forma de escada reduzida de A e u
nica.
Definic
ao. Seja U uma matriz em forma de escada e equivalente por linhas a A.
Chama-se caracterstica de A ao n
umero de linhas nao nulas de U.
Exerccio 1.6.1
Determinar a caracterstica da matriz
4 1
2
6
A = 1
5 1 3
.
3
4
1
3
1.7
1.7.1
Sistemas de equa
co
es lineares
Defini
c
ao e Classifica
c
ao
Definic
oes.
(i) Chama-se equacao linear nas variaveis x1 , x2 , . . . , xn a uma equacao da forma:
a1 x1 + a2 x2 + + an xn = b,
(?)
onde a1 , . . . , an , b IK.
7

(ii) Diz-se que o n-uplo (s1 , s2 , . . . , sn ) e solucao da equacao (?) se
a1 s1 + a2 s2 + + an sn b
(iii) Chama-se conjunto solucao da equacao ao conjunto de todas as suas solucoes.
(iv) Um conjunto finito de equacoes lineares designa-se por sistema de equacoes
lineares.
(v) Diz-se que o n-uplo (s1 , s2 , . . . , sn ) e solucao de um sistema linear se for solucao
de todas as equacoes do sistema.
Exerccio 1.7.1
Das seguintes equacoes, dizer quais sao lineares:
(a) y = 21 x + 3z + 1 (b) x + 3y 2 = 7
(c) 3x + 2y z = ln 4
(d) 3xy + z = 0
(e) x1 + x2 + x3 = 1
Exerccio 1.7.2
Dada a equacao 4x 2y = 1, determinar
(a) duas solucoes e duas nao solucoes
(b) o conjunto solucao
Exerccio 1.7.3
(a) Dado o sistema linear
(
4x1 x2 + 3x3 = 1
,
3x1 + x2 + 9x3 = 4
mostre que (1, 2, 1) e solucao e que (1, 8, 1) nao e solucao.

(b) Dado o sistema linear
(
x+y = 4
,
2x + 2y = 6
averiguar se ele admite solucoes.

Teorema. Um sistema de equacoes lineares verifica uma e uma so das seguintes
condicoes:
(i) o sistema tem uma so solucao (possvel determinado)
(ii) o sistema tem um conjunto infinito de solucoes (possvel indeterminado)
(iii) o sistema nao tem solucoes (impossvel)
8
1.7. Sistemas de equacoes lineares
1.7.2
Representa
c
ao matricial de sistemas
Dado um sistema com m equacoes lineares e n incognitas
a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2
,
am1 x1 + am2 x2 + + amn xn = bm
a sua representacao matricial e

AX = b,
onde
A=
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
..
.
.
amn
X=
x1
x2
..
.
xn
b=
b1
b2
..
.
bm
Chama-se matriz completa ou ampliada do sistema à matriz
[A|b] =
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n b1
a2n b2
..
..
..
.
.
.
amn bm
Exerccio 1.7.4
Dado o sistema linear
4x1 x2 + 3x3 = 1
,
3x1 + x2 + 9x3 = 4
(a) Representa-lo na forma matricial

(b) Escrever a sua matriz completa
(c) Usando a forma matricial, averiguar se os vectores X0 =
X1 =
1.7.3
1 8 1
i>
sao solucoes do sistema.
1 2 1
i>
Interpreta
c
ao geom
etrica de um sistema 2 2
Num sistema linear 2 2, podemos associar a cada equacao uma recta no plano:
(
ax + by = c recta r1
.
a x + b0 y = c0 recta r2
0

Se o sistema for possvel determinado, isto significa que as rectas r1 e r2 se intersectam num so ponto; se o sistema for impossvel, as rectas sao paralelas; se for
possvel indeterminado, as rectas sao coincidentes.
y
6
\
r1
\
(
(
(
(
(( \
(((
\
\
\
\
6
r1
((
((((
(((((((((
r2 (((
6
r1 r2
((
((((
(((
x
r2
r1 e r2 paralelas
r1 e r2 concorrentes
1.7.4
r1 e r2 coincidentes
M
etodo de eliminac
ao de Gauss para sistemas lineares
Consideremos o seguinte sistema de equacoes lineares:
x + 2y + z =
3
3x y 3z = 1 .
2x + 3y + z =
4
Para resolver este sistema, vamos considerar a sua matriz completa e seguidamente
determinar a sua forma de escada:
3
1
2
1
[A|b] =
3 1 3 1 L2 3L1 + L2
L3 2L1 + L3
4
2
3
1
1
2
1
3
0 1 1
2
L 7L + L
3
2
3
0 7 6 10
1
2
1
3
0 7 6 10
L L
2
3
0 1 1 2
1
2
1
3
0 1 1 2
4
0
0
1
Podemos observar que as operacoes elementares efectuadas sobre as linhas da matriz

completa correspondem a operacoes efectuadas sobre as equacoes do sistema. Por
exemplo, L2 3L1 + L2 corresponde a substituir a segunda equacao pela que
resulta da adicao a essa equacao de um m
ultiplo (3) da primeira equacao; do
mesmo modo, L3 2L1 + L3 corresponde a substituir a terceira equacao pela
que resulta da adicao a essa equacao de um m
ultiplo (2) da primeira equacao;
a troca de linhas L2 L3 corresponde à troca da segunda equacao com a terceira. Podemos dizer entao que as operacoes elementares sobre as linhas da matriz
completa respeitam os princpios de equivalencia dos sistemas de equacoes. Mais
precisamente:
OE 1
OE 2
OE 3
10
troca de duas equacoes

multiplicacao de uma equacao por um n
umero 6= 0
adicao a uma equacao de um m
ultiplo escalar de outra equacao
1.7. Sistemas de equacoes lineares

Continuando a resolver o sistema, vamos passar a matriz em escada para o sistema
correspondente:
x + 2y + z =
y z = 2 .
z =
4
Usando o metodo de substituicao, podemos agora facilmente determinar x, y e z e

completar a resolucao do sistema:
x = 3, y = 2, z = 4.
Teorema 1. Um sistema de equacoes lineares e possvel se e so se

car[A|b] = car A.
Exerccio 1.7.5 Averiguar se o seguinte sistema linear e possvel ou impossvel:
(
x + y + 3z = 1
.
2x + 2y + 6z = 1
Teorema 2. Seja AX = b um sistema linear possvel, com m equacoes e n

incognitas. Entao o conjunto solucao do sistema envolve n car A parametros
(variaveis livres).
Resoluc
ao de um sistema linear:
1. Formar [A|b] e determinar a sua forma de escada;
2. Se car[A|b] = car A, pelo Teorema 1 o sistema tem solucao.
(i) se car A = n, entao nao ha variaveis livres, pois n car A = 0; o sistema e
possvel determinado
(ii) se car A < n, o sistema e indeterminado, havendo ncar A variaveis livres.
3. Caso o sistema tenha solucao, deve passar-se a forma de escada da matriz
completa [A|b] ao sistema correspondente e usar o metodo de substituicao. Se
o sistema for indeterminado, as variaveis correspondentes a colunas sem pivos
podem ser escolhidas como livres.
x1 + 3x2 2x3 = 7
Exerccio 1.7.6 Resolver o sistema linear
4x1 + x2 + 3x3 =
5 .
2x 5x + 7x = 19
1
2
3
1.7.5
Sistemas homog
eneos
Chama-se sistema homogeneo a um sistema da forma AX = O.

Um sistema homogeneo tem sempre solucao. De facto, o vector nulo X = O e
sempre solucao do sistema homogeneo; e usual designar-se esta solucao por soluc
ao
trivial. As solucoes nao nulas sao chamadas solucoes nao triviais.
11

Teorema. Um sistema homogeneo com n incognitas e
(i) possvel determinado se car A = n;
(ii) possvel indeterminado se car A < n.
Exemplo. Para determinar uma solucao nao trivial do sistema indeterminado
x1 x2 + 2x3 + x4 = 0
2x1 + 2x2
x4 = 0 ,
3x + x + 2x + x = 0
1
2
3
4
basta resolver o sistema e atribuir valores particulares às variaveis livres. Vamos
comecar por formar a matriz completa do sistema e determinar a sua forma de
escada.
1 1
2
1 0
1 1 2
1 0
0
[A|0] =
2 0 1 0
4 4 3 0
2
L2 2L1 + L2
L3 3L1 + L3
3
1 2
1 0
0
4 4 2 0
L3 L2 + L3
1 1
2
1 0
0
4 4 3 0
0
0
0
1 0
Como car A = 3 < n = 4, ha n car A = 1 variavel livre. Vamos escolher x3 como

variavel livre porque esta corresponde a uma coluna sem pivo. Passando entao a
matriz completa ao sistema correspondente e fazendo x3 = , obtemos
x1 x2 + 2x3 + x4
4x2 4x3 3x4
x3
x4
=
=
=
=
0
0
x1
x2
x3
x4
=
=
=
0
( IR)
Fazendo, por exemplo, = 1, obtemos
(x1 , x2 , x3 , x4 ) = (1, 1, 1, 0)
que e uma solucao nao trivial do sistema homogeneo.
1.8
Matriz Inversa
Definic
ao. Seja A uma matriz quadrada n n. Diz-se que B e a inversa de A se
AB = BA = I. (?)
Se existir uma matriz B nas condicoes de (?), diz-se que A e invertvel ou nao singular;
caso contrario, A diz-se nao invertvel ou singular.
12
1.8. Matriz Inversa

Exerccio
" 1.8.1# Mostre que
"
#
3 5
2 5
(a) B =
e a inversa de A =
.
1 2
1
3
#
"
0 0
nao tem inversa.
(b) A =
1 3
Teorema 1. Uma matriz invertvel admite uma so inversa, isto e, se B e C sao
inversas de A entao B = C.
Demonstrac
ao. Supondo que B e C sao inversas de A, sabe-se que AB = BA = I
e AC = CA = I. Daqui pode-se concluir, em particular, que
AB = AC.
Multiplicando ambos os membros desta equacao à esquerda por B, obtem-se
B(AB) = B(AC),
ou seja, IB = IC, donde B = C.
Notac
ao. Como existe uma so inversa, ela sera representada por A1 . Podemos
entao escrever
AA1 = A1 A = I.
Teorema 2. Sejam A e B matrizes invertveis. Entao:

(i) AB e invertvel e (AB)1 = B 1 A1 ;
(ii) A1 e invertvel e (A1 )1 = A;
(iii) An e invertvel e (An )1 = (A1 )n ,
(iv) A> e invertvel e (A> )1 = (A1 )> .
n IN;
Exerccio 1.8.2 Demonstrar o teorema 2.

Teorema 3. Se A e uma matriz quadrada n n, entao as seguintes afirmacoes sao
equivalentes:
(i) A e nao singular;
(ii) O sistema homogeneo AX = O admite apenas a solucao trivial;
(iii) car A = n.
13

Para mostrar que B e a inversa de A, pela definicao, e necessario mostrar que
AB = I e BA = I. O teorema seguinte mostra que se uma daquelas condicoes se
verificar (ou AB = I ou BA = I), fica provado que B e a inversa de A.
Teorema 4. Sejam A e B matrizes n n.
(i) Se BA = I entao A e invertvel e B = A1 ;
(ii) Se AB = I entao A e invertvel e B = A1 .
Demonstrac
ao.
(i) Consideremos o sistema homogeneo Ax = 0. Multiplicando ambos os membros
do sistema à esquerda por B e atendendo a que BA = I, obtemos
B(Ax) = B0 (BA)x = 0 x = 0,
donde se conclui que o sistema homogeneo Ax = 0 admite apenas a solucao
trivial x = 0. Pelo teorema 3 isto significa que A e invertvel, existindo portanto
A1 . Multiplicando ambos os membros de BA = I à direita por A1 vem
(BA)A1 = IA1 B = A1 .
(ii) Basta considerar o sistema homegeneo Bx = 0 e proceder de modo analogo a
(i). (Verificacao ao cuidado do aluno.)
C
alculo da inversa Algoritmo de Gauss-Jordan
1. Determinar a forma de escada reduzida de [A|I];
2. Se for possvel obter uma matriz da forma [I|B] entao B = A1 .
1 2 3
Exerccio 1.8.3 Determinar, se existir, a inversa da matriz A = 2 5 3

.
1 0 8
1.9
Matrizes em Blocos
Dada uma matriz A, mn, podemos particiona-la em varias submatrizes ou blocos.

Por exemplo, podemos escrever uma matriz em termos das suas linhas
A=
14
L1
L2
..
.
Lm
1.9. Matrizes em Blocos

onde Li =
ai1 ai2 ain
, ou em termos das suas colunas
A=
onde Cj =
a1j a2j amj
i>
C1 C2 Cn
Quest
ao: Como multiplicar matrizes quando estas estao subdivididas em blocos?
Suponhamos que A IRmn
forma:
A11 A12
A21 A22
A= .
..
..
.
As1 As2
e B IRnp estao particionadas em blocos na seguinte

A1r
A2r
.
..
. ..
Asr
B=
B11 B12
B21 B22
..
..
.
.
Br1 Br2
B1t
B2t
.
..
. ..
Brt
A matriz A tem s r blocos e B tem r t. Se o produto dos blocos Aik Bkj estiver
definido para cada i, j, k, entao o produto AB obtem-se efectuando o produto de
linhas por colunas, como na multiplicacao usual. Isto e, o bloco (i, j) de AB e
Ai1 B1j + Ai2 B2j + + Air Brj .
A multiplicacao de matrizes em blocos tem particular vantagem quando as matrizes
A e B tem uma estrutura especial; por exemplo, quando incluem a identidade I ou
a matriz nula O como submatrizes.
Exerccio 1.9.1 Considere as seguintes matrizes particionadas em blocos:
1
3
1
0
A=
C=
1
1
1
2
4
0
1
0 0
0 0
2 2
1
0
0
0
0
1
0
0
B=
3 3 3
3 3 3
0 0 0
1
0
1
3
D=
Determinar AB e CD.
0
1
2
4
0
0
1
3
1
0
0
1
1
1
0
0
2
4
1
0
0
2
2
2
Exerccio 1.9.2 Sendo A IRrr , B IRss matrizes invertveis, determinar

"
A C
O B
#1
15
1.10
Exerccios Resolvidos
2x + y + z + w =
1
1. Resolva o sistema de equacoes lineares 4x + 2y + 3z + 4w =
3
6x 3y z + w = 1
Resoluc
ao. Vamos comecar por formar a matriz completa do sistema e determinar
a sua forma de escada.
2
1
1 1
[A|b] = 4
3 L2 2L1 + L2
2
3 4
6 3 1 1 1
L3 3L1 + L3
L3 2L2 + L3
2 1 1 1 1
0 0 1 2 1
0 0 2 4 2
2 1 1 1 1
0 0 1 2 1
0 0 0 0 0
Como car(A) = 2 = car([A|b]) o sistema tem pelo menos uma solucao (possvel).
Atendendo a que n car A = 4 2 = 2 > 0, concluimos que o sistema e indeterminado, havendo n car A = 2 variaveis livres. Vamos escolher y e w como variaveis
livres porque estas correspondem a colunas sem pivos. Passando entao a matriz
completa ao sistema correspondente e fazendo y = e w = , obtemos
2x + y + z + w
y
z + 2w
w
=
=
=
=
x
y
z
w
+
=
2
=
= 1 2
=
(, IR)
O conjunto solucao do sistema e

C.S. =
+
, , 1 2, : , IR .
2
x + y z =
1
2. Discuta o sistema linear
x + y + z = 2 em funcao dos parametros reais
x + y = 2
e .
Resoluc
ao. Comeca-se por formar a matriz completa e determina-se a sua forma
de escada.
16
1.10. Exerccios Resolvidos
1 1
[A|b] = 1
2 L2 L1 + L2
1
0 2
L3 L1 + L3
L3 L2 + L3
1
1
0 1 2 3
0 1
3
1
1
1
0 1 2 3
0
0
(?)
Interessa-nos agora saber quais sao os valores de e que influenciam as caractersticas de A e de [A|b]. Normalmente estes valores anulam as entradas da diagonal
da matriz em escada. No caso particular deste sistema, esses valores sao = 1 e
= 0 e tem um papel importante na discussao do sistema.
1o caso: = 1 = 0
Substituindo e por estes valores na matriz (?), obtemos
1
1 1 0
0 0 0 3 ,
0
0 0 0
constatando-se que car(A) = 1 6= car[A|b] = 2. Isto significa que o sistema e impossvel.

2o caso: = 1 6= 0
Substituindo estes valores na matriz (?), verifica-se que esta matriz ainda nao esta
na forma de escada, sendo por isso necessario obte-la.
1 1
1
[A|b] = 0 0 2 3
L 1L + L
3
3
2 2
0 0
0
1 1
1
0 0 2
3
0 0
0 3/2
Como car(A) = 2 6= car[A|b] = 3, verifica-se que o sistema e novamente impossvel.

3o caso: 6= 1 = 0
Substituindo na matriz (?), obtemos
1
1
1
0 1
0 3
.
0
0
0
0
Como car(A) = 2 = car[A|b] e n car(A) = 3 2 = 1 > 0, o sistema e possvel

indeterminado com uma variavel livre.
17

4o caso: 6= 1 6= 0
Neste caso, observa-se que a matriz (?) esta na forma de escada, em que car(A) =
3 = car[A|b] e n car(A) = 3 3 = 0. Isto significa que o sistema e possvel
determinado.
(Nota. Na discussao de sistemas nao e necessario resolver o sistema.)
1 6
4
3. Determine, se existir, a inversa da matriz A = 2 4 1

.
1 2
5
Resoluc
ao.
1 6
4 1 0 0
[A|I] = 2 4 1 0 1 0 L2 2L1 + L2
L3 L1 + L3
1 2
5 0 0 1
L3 L2 + L3
1
6
4
1 0 0
0 8 9 2 1 0
1 0 1
0
8
9
1
6
4
1 0 0
0 8 9 2 1 0 .
0
0
0 1 1 1
Como a u
ltima linha do bloco esquerdo da matriz e nula, e impossvel obter a matriz
identidade. Isto significa que a matriz em causa nao e invertvel. Tambem se pode
observar que car(A) = 2 6= n = 3, o que, de acordo com o teorema 3, se traduz na
nao existencia de inversa.
4. Sejam A e B matrizes quadradas da mesma ordem, invertveis. Determine a matriz
X que verifica a equacao matricial
(AB 1 )> X = I.
Resoluc
ao. Para determinar X, e necessario multiplicar ambos os membros da
equacao à esquerda pela inversa da matriz que esta a multiplicar por X e usar
propriedades da inversao e transposicao de matrizes:
(AB 1 )> X = I
(AB 1 )>

1
X = (AB 1 )>

1
X = (AB 1 )1

>
X = (B 1 )1 A1
18
(AB 1 )> X = (AB 1 )>
>
1

X = BA1

X = A1
>
>
B>
19
1.11
Exerccios
1. Dadas as matrizes
1 2 3
B= 1 3 4
,
1 4 3
1 0 2
A= 0 3 1
,
4 2 0
C=
1 1 2
D= 2
.
3
Calcule, se possvel:
(a) A + B
2. Sejam A =
(b) 3B 2A
"
2 4 2
1 2
1
(c) BC
A=
1 0
eB= 0 1
1 2
3. Considere as matrizes
(d) CB
(e) CD
(g) A2
(f) DC
Calcule AB e comente o resultado.
2 1 1 1
1 4 1 0
1 3 2
2 1 3 , B = 2 1 1 1 , C = 3 2 1 2 , D =
2 5 1 3
1 2 1 2
4 3 1
2
1
0
1
(a) Verifique que AB = AC e BD = CD.

(b) Indique o valor logico da proposicao:
AB = AC B = C,
BD = CD B = C
(por vezes chamada lei do corte).

4. Considere as matrizes
A=
"
1 0 1
1 1 1
, B=
"
1 1
1 1
, C=
"
1
2
1 0
, D= 0 1
.
1 1
Escolha uma maneira de as ordenar por forma a que o produto das quatro matrizes
esteja definido, e calcule esse produto.
5. Em cada uma das alneas seguintes, obtenha uma expressao para Ak (k IN).
(a) A =
"
1 1
0 1
(b) A =
"
2 1
3 2
(c) A =
"
cos sin
sin cos
( IR)
6. (a) Se A e B sao matrizes, as seguintes identidades algebricas

(A B)2 = A2 2AB + B 2 ,
20
(A + B)(A B) = A2 B 2 ,
(AB)2 = A2 B 2 ,
1.11. Exerccios
conhecidas por casos notaveis, nem sempre sao verdadeiras. Verifique esta
afirmacao para as matrizes
A=
"
1 1
0 2
, B=
"
1 0
1 2
(b) Transforme os segundos membros daquelas identidades por forma a obter identidades sempre validas quando A e B sao matrizes quadradas da mesma ordem.
7. Que diferenca se da no produto AB das matrizes A e B se:
(a) trocarmos as linhas i e j de A?
(b) trocarmos as colunas i e j de B?
(c) Considere duas matrizes A e B de ordem 3 à sua escolha, e confirme as respostas
dadas nas duas alneas anteriores.
1 0 0
1 0 0
ao permutaveis, isto e, EF =
8. Mostre que E = 2 1 0 e F = 0 1 0
s
1 0 1
0 0 1
F E.
1 3 4
e nilpotente, isto e, existe k IN tal que Ak = 0.

9. Mostre que A = 1 3
4
1 3 4
1 3
5
2 3 5
ao idempotentes, isto
5 e B = 1 3 5
s
1 3
5
1 3 4
e, A2 = A e B 2 = B.
1 2 6
e periodica, isto e, existe p IN tal que Ap+1 = A.

11. Mostre que A =
9
3 2
2
0 3
12. Prove que se B e uma matriz quadrada entao as matrizes BB T e B + B T sao
simetricas.
13. Uma matriz quadrada A diz-se anti-simetrica se AT = A.

(a) De 2 exemplos de matrizes reais 3 3 anti-simetricas. Qual a propriedade dos
elementos da diagonal das matrizes anti-simetricas?
(b) Mostre que se B e quadrada entao B B T e anti-simetrica.
14. Averigue se a matriz A =
"
cos sin
sin cos
, IR e ortogonal (isto e, AT A = I).
15. Prove as seguintes afirmacoes ou de um contra-exemplo, com A e B matrizes n n.

21

(a) Se A e B sao ortogonais, entao A + B e ortogonal.
(b) Se A e B sao ortogonais, entao AB e ortogonal.
(c) Se A e AB sao ortogonais, entao B e ortogonal.
1
1 + i 2 + 3i
e hermtica, isto e, A = A.
16. Averigue se A = 1 i
2
i
2 3i
i
0
17. Averigue se as seguintes matrizes estao em forma de escada:
(e)
1
0
0
0
2
0
0
0
0
3
0
0
3
1
0
0
0
0
1
0
1 0 0 5
(f) 0 0 1 3
0 1 0 4
1 3 0 2 0
(g) 1 0 2 2 0
0 0 0 0 1
1 3 2 1
18. Determine duas formas em escada da matriz

2 7 0 1 , de modo a obter
3 1 5 1
duas matrizes distintas.
19. Determine uma forma em escada das seguintes matrizes, indicando as operacoes
elementares sobre linhas utilizadas:
1 2 0 4
#
"
1 2 3
2 4 1 2
2 1
(a) 4 5 6
(c)
(b)
8 7
0 1 5 1
5 7 8
3 1 6 1
2
1 1 5
(d) 4 6 0 2
2 7 2 4
20. Determine a forma de escada reduzida das matrizes do exerccio anterior.

21. Determine a caracterstica das seguintes matrizes:
(a)
1 2 3 4
1 3 2 1
4 1 1 3
(b)
1 2
0
0 3
2 5 3 2 6
0
5 15 10 0
2
6 18
8 6
(c)
1
2
0
3
2
1
2
1
1
3
1
3
3
2
1
4
22. Estude, segundo os valores do parametro real , a caracterstica das seguintes matrizes:
22
1 1 0
(d) 0 1 0
0 0 0
0 1 0
(c) 1 0 0
0 0 0
1 2 3
(b) 0 0 0
0 0 0
1 0 0
(a) 0 0 0
0 0 1
1.11. Exerccios
(a)
1 1 1
1 2 1
1 1
(b)
1
1
1 1
1 1 1
(c)
"
1 2
2 3
(d)
0 1
1 0 1
2 0
1 1
1
23. Dos seguintes sistemas, identifique aqueles que sao lineares, sendo k uma constante
real:
(a)
x + 3y = 7
y = 2x + 3z + 1
(d) 3x + y z + t = 4/5
(b)
x1 2x2 3x3 + x4 = 4
x1 + x2 + x3 = 1
2x1 + 3x2 = 3
(e)
3x + 2y + xz = 4
2x + z = 2
(c)
x + 3y 2 = 9
y sin x = 0
(f)
x1 + x2 + x3
kx1 + x2
=
=
cos k
x3
24. Resolva, pelo metodo de eliminacao de Gauss, os seguintes sistemas de equacoes

lineares:
(a)
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
(d)
x1 + 2x2 3x3 + x4 = 1
x1 x2 + 4x3 x4 = 6
2x1 4x2 + 7x3 x4 = 1
(g)
x1 x2 = 2
5x1 + 2x3 + 2x4 = 1
3x1 2x2 + x3 + x4 = 0
(j)
x + 2y + 2z = 2
3x 2y z = 5
2x 5y + 3z = 4
x + 4y + 6z = 0
(b)
x1 + x3 = 1
x1 + 2x2 x3 = 3
(e)
x1 + x2 = 0
2x1 + 3x2 = 0
3x1 2x2 = 0
(h)
x+yz = 2
xyz = 1
x+y+z = 0
(k)
2a + 6b + c 3d = 1
3a 2b c + d = 2
a + 4b + 2c 2d = 3
3a 4b 4c + 2d = 2
(c)
x 2y = 0
3x + 4y = 1
2x y = 3
(f)
x 2y + z 4w = 1
x + 3y + 7z + 2w = 2
x 12y 11z 16w = 5
(i)
x+yz = 1
2x y + 3z = 2
4x + y + z = 4
(l)
x+y+z+w = 0
2x + y z + 3w = 0
x 2y + z + w = 0
25. Discuta, para todos os valores reais dos parametros, os seguintes sistemas de equacoes
lineares:
(a)
x + 3y + 2z = 8
x+z =2
3x + 3y + az = b
(b)
x + ay z = 1
x + (a 2)y + z = 1
2x + 2y + (a 2)z = 1
26. Determine os valores de para os quais o sistema
(c)
x + 2y 3z = 4
3x y + 5z = 2
4x + y + (a2 14)z = a + 2
xy = 3
:
2x 2y =
(i) nao tem solucao;

(ii) tem uma so solucao;
(iii) tem uma infinidade de solucoes.
27. Determine uma condicao envolvendo a, b, c por forma a que cada um dos seguintes
sistemas
(i) tenha solucao (possvel);
(ii) nao tenha solucao (impossvel).
23

(a)
x + 3y + z = a
x 2y + z = b
3x + 7y z = c
(b)
2x + y z = a
2y + 3z = b
xz =c
28. Determine todas as matrizes permutaveis com A, sendo

(a) A =
"
2 0
0 3
(b) A =
"
1
2
1 1
29. Resolva as seguintes equacoes matriciais:

(a)
"
1 2
3 4
X=
"
3 0
7 2
(b) X
1
"
1
2
3
30. Mostre que 2

5
7
2 4 5
3 2
5 4
"
1 2
5 6
3 2 1
= 4 1 1
.
2
0
1
31. Resolvendo a equacao matricial AX = I, encontre, se existir, a inversa das seguintes

matrizes:
(a) A =
"
2 2
1 3
(b) A =
"
2 1
6 3
32. Seja A uma matriz tal que A1 =
"
#
#
3 4
. Determine A.
5 6
33. Determine as inversas das seguintes matrizes, usando o metodo de Gauss-Jordan:
1 2 3
(b) 1 3 3
2 4 3
1 2 4
(a) 3 1 0
2 2 1
1 1 2
(c)
5 7 11
2 3 5
(d)
1 4
5
2
0
0
0 1
1 2 2 0
0 1 1 5
34. Seja A uma matriz tal que A2 3A + I = 0. Mostre que A1 = 3I A.

35. Sejam A e B matrizes quadradas da mesma ordem. Mostre que se A for invertvel
entao
(A + B)A1 (A B) = (A B)A1 (A + B).
36. Dadas as matrizes quadradas da mesma ordem, invertveis, A e B, determine a
matriz X que verifica cada uma das seguintes equacoes matriciais:
24
1.11. Exerccios
(a) A X B = B > ;
(b) AXA1 = (A + B)> .
"
37. Seja A invertvel e suponha que a inversa de 7A e

A3 .
38. (a) Determine a inversa da matriz P =
(b) Seja A =
"
"
1 2
4 7
. Determine A, A3 e
2 3
.
5 7
17 6
. Calcule A5 usando a igualdade
35 12
A=P
39. Determine a inversa da matriz
"
"
2 0
0 3
P 1.
cos sin
, IR.
sin cos
40. Seja A uma matriz qualquer, e suponhamos que existe um n

umero natural k tal que
k
A = 0 (matriz nula). Mostre que, nestas condicoes, a matriz I A e invertvel,
tendo-se
(I A)1 = I + A + A2 + . . . + Ak1 .
1 1 0
41. Usando o exerccio anterior, determine a inversa da matriz 0 1 1

.
0 0
1
42. Seja A uma matriz nao singular de ordem n. Efectue as seguintes multiplicacoes
por blocos:
(a) A1 [A I]
(d) [A I] [A I]
(b)
"
A
I
A1
(e)
"
A
I
[A I]
(c) [A I]T [A I]
43. Sejam
I=
C=
"
"
1 0
0 1
1 0
1 1
E=
"
0 1
1 0
D=
"
2 0
0 2
O=
"
0 0
0 0
25

e
B=
"
B11 B12
B21 B22
1
1
3
3
1
2
1
2
1
1
1
1
1
1
1
2
Efectue cada uma das seguintes multiplicacoes por blocos.

(a)
"
O I
I O
#"
B11 B12
B21 B22
(c)
"
D O
O I
#"
B11 B12
B21 B22
(b)
"
C O
O C
#"
B11 B12
B21 B22
(d)
"
E O
O E
#"
B11 B12
B21 B22
44. Seja
A=
"
A11 A12
O A22
onde todos os blocos sao matrizes n n.

(a) Se A11 e A22 sao nao singulares, mostre que A tambem e nao singular e que
A1 e da forma
#
" 1
A11
C
.
O A1
22
(b) Determine C.
45. Seja
A=
"
O I
B O
onde os quatro blocos sao matrizes k k. Determine A2 e A4 .
26
Captulo 2
Determinantes
2.1
Definic
ao de Determinante
Definic
ao.
(i) Dada uma matriz 1 1, A = [a], define-se det[a] = a;
(i) Dada uma matriz 2 2, A =
"
a b
c d
, define-se

a b
= ad cb.
det A =
c d
Exemplo. Sejam A = [3] e B =
"
3 5
2 4
. Os seus determinantes sao dados por
det A = det[3]
= | #3| = 3
"
3 5
det B = det
= 3 4 (2) 5 = 22.
2 4
O determinante de uma matriz quadrada nn sera definido a partir do determinante
de uma matriz quadrada (n 1) (n 1). Isto e, o determinante de matrizes 2 2
(ja definido) permitira definir o determinante de matrizes 3 3, que por sua vez
permitira definir o determinante de matrizes 4 4 e assim sucessivamente ate ao
determinante de matrizes n n.
Definic
ao. Seja n 2 e suponhamos que o determinante de matrizes (n1)(n1)
esta definido. Seja A uma matriz n n e seja Mij o determinante da submatriz que
se obtem a partir de A pela supressao da linha i e da coluna j. Ao n
umero Mij
umero
chama-se menor do elemento aij e ao n
Cij = (1)i+j Mij
27
2. Determinantes
chama-se complemento algebrico ou cofactor da entrada aij .
Definic
ao. Seja n 2 e suponhamos que o determinante de matrizes (n1)(n1)
esta definido. Se A e uma matriz n n, chama-se determinante de A ao n
umero
det A = |A| = a11 C11 + a21 C21 + + an1 Cn1 .
3 1 4
Exemplo. Seja A = 2 5
6
.
1 4
8
(a) Determinar os menores e respectivos complementos algebricos relativos a` primeira

coluna e à segunda linha de A.
(b) Calcular det A.

Resoluc
ao.
(a) Os menores e complementos algebricos relativos à primeira coluna sao:
M11
M21
M31

=

=

=

5
4
1
4
1
5
6
= 40 24 = 16
8
4
= 8 + 16 = 24
8
4
= 6 + 20 = 26
6
C11 =
(1)1+1 M11
C21 = (1)2+1 M21

C31 = (1)3+1 M31

=

= (1)2+1

= (1)3+1

(1)1+1
5
4
1
4
1
5
6
= 16
8
4
= 24
8
4
= 26
6
Os menores e complementos algebricos relativos à segunda linha sao:

M21
M22
M23

=

=

=

1
4
3
1
3
1
4
= 8 + 16 = 24
8
4
= 24 + 4 = 28
8
1
= 12 1 = 11
4
C21 =
(1)2+1 M21
C22 = (1)2+2 M22

C23 = (1)2+3 M23

=

= (1)2+2

= (1)2+3

(1)2+1
(b) De acordo com a definicao, o determinante de A e dado por:
1
4
3
1
3
1
4
= 24
8
4
= 28
8
1
= 11
4
det A = a11 C11 + a21 C21 + a31 C31

= 3 16 + 2 (24) + 1 26
= 26.
Teorema de Laplace. O determinante de uma matriz quadrada e igual a` soma
dos produtos das entradas de uma qualquer linha ou coluna pelos respectivos complementos algebricos.
28
2.2. Propriedades do Determinante

Exerccio 2.1.1
Sejam A =
3
1
0
2 4
3 eB=
5
4 2
1
1
1
0
2
1
2
1
0
0
3
0
1
5
4
5
(a) Calcular det A usando o desenvolvimento de Laplace segundo a 1a linha e

segundo a 2a coluna.
(b) Calcular det B usando o desenvolvimento de Laplace segundo a linha ou coluna
que achar mais conveniente.
(c) Qual sera entao a linha ou coluna que se deve escolher para efectuar o desenvolvimento por forma a minimizar os calculos?
2.2
Propriedades do Determinante
Exerccio 2.2.1
Suponha que se pretende calcular o determinante de uma matriz quadrada A, com
todas as entradas nao nulas, usando somente o teorema de Laplace. Se A for uma
matriz 4 4, quantos determinantes 2 2 tem de calcular para obter det A? E se
A for 5 5?
O teorema seguinte permite obter um metodo que vai permitir uma reducao significativa do n
umero de operacoes envolvidas no calculo do determinante.
Teorema. Seja A uma matriz n n.
(i) Se A tem uma linha ou coluna de zeros entao det A = 0;
(ii) Se trocarmos duas linhas (ou duas colunas) de A, entao o determinante muda
o sinal;
(iii) Multiplicar o determinante de A por um n
umero corresponde a multiplicar
uma qualquer linha ou coluna de A por ;
(iv) Se A tem duas linhas (ou duas colunas) iguais, entao det A = 0;
(v) Se uma linha (respectivamente, coluna) de A e soma de m
ultiplos escalares de
outras linhas (respectivamente, colunas) entao det A = 0;
(vi) A operacao elementar OE3 nao altera o valor do determinante, isto e, se a uma
linha (respectivamente, coluna) adicionarmos um m
ultiplo escalar de outra
linha (respectivamente, coluna) entao o valor de det A nao se altera;
29
2. Determinantes
(vii) Se A =
L1
..
.
Li + L0i
..
.
Lm
+ det
entao det A = det

Li
.
.
.
Lm
L1
.
.
.
L1
.
.
.
L0i
..
.
Lm
Exemplos ilustrativos das alneas anteriores.

(i)
(ii)
(iii)
(iv)
(v)
(vi)
(vii)
3 1 0

2
5 0 = 0

0
1 0
8 1
2
3 0
9
1 2 1

Se
1
2
3
7 5 4
5
1 2

1 2 9

2 5 2

3 1 1
1
2
3
7 5 4
5
1 2
2
3
1
= 0 (L2 = 2L1 L3 )
L2

1

=
0
2L1 + L2
3

2
2
1

7 5 7 +

5
1 1
2 9

9 20

1 1
1
2
1
7 5
3
5
1 1
a+x b+y c+z

a b c

3x
3y
3z
p q r =6eA=
, calcule det A.

p
q
r
x y z
Exerccio 2.2.3
30
5 1 3 1

2
0 1 8
1
1 5 2

1
2 1 3
2 1 2

4 0 4 = 0 (C1 = C3 )

1 3 1
Exerccio 2.2.2

=

8 1

3 1 0

1 2
3 1
5 1
1
0
2 8
5
1 1 2
1
2 1 3
2.3. Matriz Adjunta

Usando os desenvolvimento de Laplace em conjunto com o teorema anterior e, em
particular, a eliminacao de Gauss, calcule o seguinte determinante:

0
1
2
3
1
1
1
1
2 2
3
3
1
2 2 3
Teorema. Sejam A e B matrizes n n.

(i) det(AB) = det(A) det(B);
(ii) A e invertvel sse det(A) 6= 0;
(iii) Se A e invertvel entao det(A1 ) =
1
;
det(A)
(iv) det(A) = det(A> );

(v) det(A) = n det(A);
(vi) O determinante de uma matriz triangular (superior ou inferior) e igual ao
produto dos elementos da diagonal.
Observac
oes.
1. det(A B) 6= det(A) det(B);
2. det(2A) 6= 2 det(A);
3. Vimos anteriormente que A e invertvel se e so se car(A) = n. Usando a alnea
(ii) do teorema anterior temos o seguinte resultado importante:
A invertvel car A = n det(A) 6= 0.
Exerccio 2.2.4
1. Calcular det(A3 B 1 A> B 2 ), sabendo que det(A) = 2 e det(B) = 5
2. Sabendo que det(A) = 3 e que A tem ordem 4, qual o valor de det(2A) ?
3. Sabendo que B nao tem inversa, averiguar se o produto AB tem ou nao inversa.
2.3
Matriz Adjunta
` matriz
Definic
ao. Seja A uma matriz n n e seja Cij o cofactor do elemento aij . A
31
2. Determinantes
cof(A) =
C11 C12
C21 C22
..
..
.
.
Cn1 Cn2
C1n
C2n
..
..
.
.
Cnn
chama-se matriz dos cofactores de A; à sua transposta chama-se adjunta de A:

adj(A) = (cof(A))> .
Teorema. Se A e uma matriz quadrada entao
A adj(A) = adj(A)A = det(A) I.
Corol
ario. Se det(A) 6= 0, entao
A1 =
1
adj(A).
det(A)
Demonstrac
ao. Do teorema anterior sabe-se que
A adj(A) = det(A) I.
Multiplicando ambos os membros desta equacao matricial pelo n
umero 1/ det(A),
obtem-se
!
1
A
adj(A) = I,
det(A)
donde se conclui que a inversa de A resulta da multiplicacao do inverso do determinante pela adjunta.
Exerccio 2.3.1
1
3 2
es da matriz adjunta.
Sendo A =
1
5
, calcule a sua inversa atrav
0
2 6
7
2.4
Regra de Cramer
Teorema(Regra de Cramer) Seja A uma matriz nao singular n n e b IRn . Seja

Ai a matriz que se obtem a partir de A pela substituicao da i-esima coluna de A por
b. A u
nica solucao do sistema linear Ax = b e dada por x = [x1 x2 xn ]> , onde
xi =
para i = 1, 2, . . . , n.
32
det(Ai )
,
det(A)
2.5. Aplicacao à Codificacao de Mensagens

Observac
ao. A regra de Cramer apenas e valida para sistemas lineares da forma
Ax = b, em que A e uma matriz n n nao singular, isto e, para sistemas possveis
determinados.
Exerccio 2.4.1 Usando a regra de Cramer, resolva o sistema
x1 + 2x2 + x3 = 5
2x1 + 2x2 + x3 = 6
x + 2x + 3x = 9
1
2
3
2.5
Aplica
c
ao `
a Codifica
c
ao de Mensagens
Uma maneira que pode ser usada para enviar uma mensagem codificada e fazendo
corresponder a cada letra do alfabeto um determinado n
umero. Assim, a mensagem
enviada sera uma sequencia de n
umeros. Por exemplo, a mensagem
SEND MONEY
pode ser codificada por
5, 8, 10, 21, 7, 2, 10, 8, 3,
onde S e representado por 5, E por 8 e assim sucessivamente. A chave deste codigo
pode ser facil de quebrar, uma vez que numa mensagem longa podera ser facil descobrir qual e a correspondencia letra-n
umero, bastando para isso analisar a frequencia
com que cada n
umero ocorre. Por exemplo, se 8 for o n
umero que aparece mais
vezes na mensagem codificada e provavel que ele represente a letra E, no caso da
mensagem ser em ingles (letra que ocorre mais vezes na lngua inglesa) ou a letra
A, no caso da mensagem ser em portugues (letra mais usada na lngua portuguesa).
Usando o produto de matrizes e os determinantes e possvel encontrar uma forma
de codificar mensagens por forma a que alguem que nao conheca o codigo nao as
consiga decifrar.
Se A e uma matriz com entradas inteiras e determinante 1, entao, como A1 =
adj(A), as entradas de A1 serao tambem n
umeros inteiros. Podemos usar esta
matriz para contruir a mensagem que chega ao destinatario. O objectivo e que a
mensagem seja difcil de decifrar. Por exemplo, seja
1 2 1
C= 2 5 3
2 3 2
(matriz do codigo o seu determinante e 1). A mensagem SEND MONEY, codificada usando apenas a correspondencia letra-n
umero, vai ser colocada nas colunas
33
2. Determinantes
da matriz MI (mensagem inicial):
5 21 10
MI = 8 7 8
.
10 2 3
O produto seguinte da a mensagem final MF que chega ao receptor:
1 2 1
31 37 29
5 21 10
MF = CMI =
7 8
2 5 3 8
= 80 83 69 ,
10 2 3
2 3 2
54 67 50
que corresponde à sequencia
31, 80, 54, 37, 83, 67, 29, 69, 50
Como e que o receptor vai descodificar a mensagem?

O receptor tem de conhecer a correspondencia letra-n
umero e a matriz do codigo C.
Ele ira descodificar a mensagem multiplicando a matriz com a mensagem recebida
MF por C 1 :
5 21 10
31 37 29
1 1
1
C MF = 2
0 1 80 83 69 = 8 7 8
= MI
10 2 3
54 67 50
4
1
1
Note-se que
C 1 MF = C 1 (CMI ) = MI
Como construir matrizes de codigo (como a matriz C acima) que tem de ter determinante igual a 1?
Basta considerar a matriz identidade (de qualquer ordem) e efectuar varias operacoes
elementares do tipo OE3 (adicionar a uma linha um m
ultiplo escalar de outra linha);
tambem se podem trocar linhas. A matriz resultante C tera entradas inteiras e,
atendendo a que
det C = det(I) = 1,
a sua inversa C 1 tambem tera entradas inteiras.
Resumo.
Codificacao da Mensagem
frase sequencia de n
umeros Matriz MI MF = CMI sequencia de
n
umeros a enviar
34
2.5. Aplicacao à Codificacao de Mensagens

Descodificacao da Mensagem
sequencia de n
umeros recebida matriz MF MI = C 1 MF sequencia
de n
umeros frase
35
2. Determinantes
2.6
1 2 1
1. Considere a matriz A = 1 0 1
.
3 2 3
(a) Calcule o valor do seu determinante usando o teorema de Laplace;
(b) Usando o resultado da alnea anterior e as propriedades dos determinantes,

indique, justificando, o valor de:
(i) car(A);

(ii) det 2(A> )1 .

(c) Calcule a inversa de A usando a matriz adjunta.
Resoluc
ao.
(a) Vamos escolher a linha dois para efectuar o desenvolvimento de Laplace.

1 2
2 1

det(A) = 1 (1)
+ 0 + 1 (1)2+3
3 2
2 3
= (1)(6 2) + (1)(2 + 6)
= 8
2+1
(b) (i) Como det(A) = 8 6= 0, a caracterstica de A e maxima, isto e, car(A) = 3.

(ii) Usando as propriedades do determinante, temos

det 2(A> )1 = 23 det (A> )1 = 8
1
8
1
= 8
=
= 1.
>
det(A )
det(A)
8
(c) Vimos acima que det(A) = 8. De seguida vamos calcular a matriz dos cofactores.

+
cof(A) =
1 0
1 1
0 1

+

3 2
3 3
2 3
2 1
2 3
1 1
3 3
1 1
2 1

1 1
0 1
Assim, a adjunta de A e
1 2
3 2
1 2
1 0
2 4
2
>
adj(A) = (cof(A)) =
0
2
6
2 4 2
36
2 6
2
= 4
0 4
.
2
2 2

e a inversa e
A1
1/4 1/2 1/4
=
adj(A) = 3/4
0 1/4
.
8
1/4 1/2
1/4
1 1 1
2. Considere a matriz C = 1 0
1
.
1 0
0
(a) Justifique que C pode ser considerada uma matriz de codigo.
(b) Sendo C a matriz de codigo (considere o alfabeto ingles1 ) usada no envio de
mensagens, decifre a mensagem recebida, sabendo que ela e dada pela sequencia
de n
umeros
16, 35, 23, 8, 16, 12, 24, 20, 15.
(c) De um exemplo de uma matriz 3 3 com pelo menos seis entradas nao nulas
e com determinante igual a 1.
Resoluc
ao.
(a) Basta mostrar que det(C) = 1, para assim se garantir que a inversa de C
tenha entradas inteiras. Com efeito, escolhendo a segunda coluna para efectuar
o desenvolvimento de Laplace, temos
det(C) =

1 (1)1+2

1 1
+ 0 + 0 = 1.
1 0
(b) A matriz final obtem-se escrevendo os n

umeros da sequencia em coluna, formando uma matriz 3 3:
16 8 24
MF = 35 16 20
.
23 12 15
A matriz inicial obtem-se multiplicando

C e
C = 1
0
(Confirme os calculos!). Assim,
MF à esquerda por C 1 . A inversa de
0
1
1 2
.
1 1
23 12 15
16 8 24
0 0
1
MI = C MF = 1 1 2 35 16 20 = 5 0 14
12 4 5
23 12 15
0 1 1
a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z
37
2. Determinantes
obtendo-se a sequencia inicial (aquela que foi enviada)
23, 5, 12, 12, 0, 4, 15, 14, 5.
Atendendo à correspondencia letra-n
umero usada, conclui-se que a mensagem
enviada e Well done.
(c) A matriz triangular superior
1 2 23
0 1 2
0 0
1
satisfaz os requisitos pretendidos. Recorde-se que o determinante de uma matriz triangular superior e igual ao produto dos elementos da diagonal.
3. Usando um metodo apropriado, calcule o determinante da matriz
A=
1
2 3
4
2 2
5 6
.
1
3 4
6
6
5 3
6
Resoluc
ao. Como A e 4 4 e nao tem entradas nulas, o melhor processo para
calcular o determinante e usar a eliminacao de Gauss em conjunto com o teorema
de Laplace. Assim, efectuando a eliminacao na primeira coluna, temos

1
2 3
4

2 2
5 6
1
3 4
6

6
5 3
6
=
L2 2L1 + L2
L3 L1 + L3
L4 6L1 + L4
1
2 3
4
0 6 11 14
0
5 7
10
0 7 15 18
Efectuando o desenvolvimento de Laplace na mesma coluna, obtemos um determinante 3 3:
det(A) =

6

1+1
1 (1)
5

7

7
6 (1)1+1
15

+(14) (1)1+3

= 0
38
11 14

7
10 + 0 + 0 + 0

15 18
10
18
5
7

+ 11 (1)1+2

7

15
5
10
7 18
2.7. Exerccios
2.7
Exerccios
1. Dada a matriz
(a) M13 e C13
4
0 4
1
0 1
1 3 0
6
3 14
4
1
3
2
determine:
(b) M23 e C23
(c) M22 e C22
2. Sem calcular o valor do determinante, efectue o desenvolvimento de Laplace da

matriz do exerccio anterior, segundo:
(a) a 1a linha
(b) a 1a coluna
(c) a 2a linha
(d) a 2a coluna
(e) a 3a linha
(c) a 3a coluna
3. Calcule os seguintes determinantes, utilizando um metodo à sua escolha:
(a)
(d)
ab
a
a
a+b
5
1
0
0
0
6
5
1
0
0
0
6
5
1
0
0
0
6
5
1
0
0
0
6
5
(b)
(e)
1 1
2
3
4 5
0 2 3
(c)
3
0
7 2

0
1 3
0
4
5
2 3

1 2
0
7
(f)
0
1
2
3
1
2
3
0
2
3

3 1
0 1

2 1
1
1 1
0
0
1
1 1 0
2
2
2
0
0 0 1 1
1
0
0 1
4
1
2
0
1 0
0
1
2
0
1 1 1
0 1
4. Suponha que A, B e C sao matrizes quadradas de ordem 3 tais que det(A) = 2,

det(B) = 5/3 e det(C) = 0. Calcule os seguintes determinantes:
(b) det(2AB T )
(a) det(BA1 B)
5. Sejam A e B matrizes n n.
det(A1 BA).
6. Sabendo que
nantes:
(a)
(c) det(ABC)
(d) det(3AT B 1 )
Mostre que se A e invertvel entao det(B) =
1 2 4

1 3 9 = 12, calcule, sem desenvolver, os seguintes determi
1 1 1

10 20 40

1
3 9

1 1 1
(b)
6
4 8

3
3 9

3 1 1
(c)
1 2 4
1 3 9
2 2 10
39
2. Determinantes
7. Suponha que
(a)
a b c

d e f = 5. Determine:

g h i

a b c

2d 2e 2f

g h i
(b)
a+d b+e c+f

d
e
f
g
h
i
(c)
a
b
c
d 3a e 3b f 3c
2g
2h
2i
8. Determine, usando a adjunta, a inversa das seguintes matrizes:
(a)
3 1 4
2
1 0
0
2 1
(b)
2 4 3
0 1
1
2 2 1
(c)
1 a
0
0
0
1 a
0
0
0
1 a
0
0
0
1
9. Mostre que se A IRnn e invertvel, entao:

(a) adj(AT ) = (adj(A))T
(b) adj(A) = n1 adj(A) (c) adj(AB) = adj(B) adj(A)
10. Use determinantes para determinar os valores de para os quais o seguinte sistema
possui uma u
nica solucao:
3
x
1
0
0 1 1 x = 4 .
2
7
x3
0
1
11. Seja A uma matriz quadrada em que todas as entradas sao n
umeros inteiros. Explique porque e que a adjunta de A tambem tem entradas inteiras.
12. Mostre que se |A| = 1 e as entradas de A sao n
umeros inteiros, entao todas as
1
entradas de A sao tambem n
umeros inteiros.
13. Considere det(A) = 8. Calcule det(B), justificando convenientemente a sua resposta, sendo:
(a) B a matriz obtida de A trocando a 1a e a 4a linhas.
(b) B = 2A e A e de ordem 3.
2 0
1

, sendo k um valor real.
k 1 1
(a) Determine os valores de k para os quais A e invertvel.
(b) Nas alneas seguintes, suponha que k = 4.
(i) Calcule a inversa de A atraves da adjunta.
40
2.7. Exerccios
(ii) Usando a inversa de A, determine a solucao do sistema de equacoes lineares
Ax = 2
.
1
15. Usando a regra de Cramer, resolva os seguintes sistemas lineares:
(a)
x1 + 2x2 = 3
3x1 x2 = 1
2x1 + x2 3x3 = 0
(b)
4x1 + 5x2 + x3 = 8
2x x + 4x = 2
1
2
3
x + 3y + z = 1
(c)
2x + y + z = 5
2x + 2y z = 8
16. Na codificacao de uma mensagem, um espaco em branco foi representado por 0, a

letra A por 1, B por 2, C por 3, etc. Usou-se o alfabeto ingles (26 letras). A matriz
de codigo usada foi
1 1
2
0
1
1 1
0
.
0 1
1
0
1
0
0 1
(a) Sabendo que a sequencia de n
umeros que chegou ao receptor foi
19, 19, 25, 21, 0, 18, 18, 15, 3, 10, 8, 3, 2, 20, 7, 12,
qual e a frase contida na mensagem?
(b) Suponha agora que a sequencia recebida foi
16, 4, 1, 16, 17, 4, 13, 4, 1, 6, 2, 4, 18, 19, 1, 2.
Qual e a frase da mensagem?
17. (a) Encontre duas matrizes 3 3 com entradas inteiras e determinante 1.
(b) Encontre duas matrizes 5 5 com entradas inteiras e determinante 1.
(c) Usando uma das matrizes 5 5 da alnea anterior como matriz de codigo,
escolha uma frase para enviar a alguem que conheca e diga qual e a sequencia
de n
umeros que chegou ao receptor.
41
42
Captulo 3
Vectores em IRn
3.1
3.1.1
Vectores em IR2 e IR3

Generalidades
IR e o conjunto dos n
umeros reais;
os n
umeros reais podem ser representados numa recta, denominada recta real.
IR2 = {(a, b) : a, b IR} e o conjunto dos pares ordenados de n
umeros reais. a e
a abcissa e b e a ordenada. A cada par ordenado podemos fazer corresponder um
ponto do plano ou o respectivo vector posicao. Na figura, esta representado o ponto
P (2, 3) e o seu vector posicao u.
IR3 = {(a, b, c) : a, b, c IR} e o conjunto dos ternos ordenados de n

umeros reais.
a e a abcissa, b e a ordenada e c e a cota. A cada terno ordenado podemos fazer
corresponder um ponto do plano ou o respectivo vector posicao. Na figura, esta
representado o ponto de coordenadas (3, 5, 7).
43
3. Vectores em IRn
Os elementos de IR2 e IR3 serao designados por vectores, embora, como vimos, eles
tambem possam ser usados para representar pontos.
Do ponto de vista geometrico, a adicao de vectores no plano e no espaco, ou seja,
em IR2 e IR3 , respectivamente, faz-se atraves da regra do paralelogramo.
Se c e um escalar, entao cu tem a mesma direccao de u; tem o mesmo sentido de u

se c > 0 e contrario se c < 0. O comprimento de cu e igual a |c| vezes o comprimento
de u.
44
3.1. Vectores em IR2 e IR3

Dado o vector u = (u1 , u2 ) IR2 , chama-se comprimento ou norma ao real nao
negativo
q
u21 + u22 ;
kuk =
do mesmo modo, para u = (u1 , u2 , u3) IR3 ,

kuk =
u21 + u22 + u23 .
Dados os vectores u = (u1, u2 ) e v = (v1 , v2 ) pertencentes a IR2 , chama-se produto

interno (ou produto escalar) ao n
umero real
u v = u1 v1 + u2 v2 ;
se u = (u1 , u2 , u3 ) e v = (v1 , v2 , v3 ) pertencem a IR3 , o produto interno (ou produto
escalar) e definido de modo analogo:
u v = u1 v1 + u2 v2 + u3 v3 .
Usando a notacao matricial, podemos ainda escrever
u v = u> v.
Recorde-se que o produto interno de dois vectores ortogonais (isto e, perpendiculares) e nulo.
3.1.2
Produto Vectorial e Aplica

c
oes
Os vectores de IR3 tambem se podem representar na forma

u = u1 i + u2 j + u3 k
Definic
ao. Sejam u = (u1 , u2 , u3 ) e v = (v1 , v2 , v3 ) dois vectores de IR3 . Chama-se
produto vectorial de u por v ao vector

u u
u u
u2 u3
2
1
3
1
k.
j+
i
uv =

v1 v2
v1 v3
v2 v3
O produto vectorial e um novo vector, que e simultaneamente ortogonal (perpendicular) a u e a v.

45
3. Vectores em IRn
Para efeitos computacionais, podemos escrever u v como um pseudo-determinante
(porque pseudo?):

i j k

u v = u1 u2 u3 .

v1 v2 v3
Aplicac
oes do produto vectorial:
1. C
alculo da
area de um tri
angulo: A area do triangulo de vertices P1 , P2
e P3 e dada por
1
AT = k u v k,
2
onde u = P1 P2 e v = P1 P3 .
2. C
alculo da
area de um paralelogramo: A area do paralelogramo com
lados adjacentes u e v e dada por
AP = k u v k.
3. C
alculo do volume de um paraleleppedo: O volume do paraleleppedo
(nao necessariamente rectangulo) com um vertice na origem e arestas u, v e
w e dado por
V =
46

det

u1 u2 u3

v1 v2 v3
.

w1 w2 w3
3.1.3
Rectas em IR2
Seja r a recta em IR2 que contem o ponto P0 (x0 , y0 ) e e paralela ao vector u = (u1, u2 ).
Supondo que u1 6= 0 e u2 6= 0, a equacao da recta r pode ser escrita na forma
y y0
x x0
=
,
u1
u2
que e chamada de equacao cartesiana. No caso particular em que u1 = 0, a recta e
vertical e a sua equacao sera da forma
x = x0 ;
se u2 = 0, a recta e horizontal e a sua equacao sera da forma
y = y0 .
Se r nao for vertical, a sua equacao pode ser escrita na chamada forma reduzida
y = mx + b,
onde m e o declive e b a ordenada na origem.
Exerccio 3.1.1 Determine as equacoes cartesiana e reduzida da recta que contem
os pontos P0 (3, 4) e P1 (3, 5). Represente geometricamente a recta.
3.1.4
Rectas e Planos em IR3
Seja r a recta que contem o ponto P0 (x0 , y0, z0 ) e e paralela ao vector u = (u1 , u2, u3 ).
Seja P (x, y, z) um ponto qualquer da recta.
47
3. Vectores em IRn
r

1

a
u P

P0

u
1

Recta que cont

em P0 e
e paralela a u
Se u1 6= 0, u2 6= 0, u3 6= 0, as equacoes de r sao
x x0
y y0
z z0
=
=
.
u1
u2
u3
Se alguma das componentes de u for nula, por exemplo, u1 = 0, u2 6= 0, u3 6= 0,
entao as equacoes da recta r sao
x = x0
z z0 .
y y0
u2
u3
Se u tiver duas componentes nulas, por exemplo, u1 = u2 = 0, entao as
equacoes da recta r sao
(
x = x0
y = y0
(subentende-se que z e qualquer).
Exerccio 3.1.2 Determine as equacoes da recta que contem os pontos P0 (3, 1, 4)

e P1 (3, 1, 5).
Seja o plano que contem o ponto P0 (x0 , y0 , z0 ) e e perpendicular (normal) ao
vector w = (w1 , w2 , w3 ). Seja P (x, y, z) um ponto qualquer do plano.
48

Entao
P P0 P w = 0
(x x0 , y y0 , z z0 ) (w1 , w2 , w3 ) = 0
Ax + By + Cz + D = 0
onde A = w1 , B = w2 , C = w3 , D = w1 x0 w2 y0 w3 z0
O vector w designa-se por vector normal ao plano.

Em IR3 , um plano fica caracterizado por uma equacao da forma
Ax + By + Cz = D,
enquanto que para definir uma recta sao necessarias duas equacoes, isto e, uma recta
fica definida pela interseccao de dois planos.
Exerccio 3.1.3 Determinar a equacao do plano que contem os pontos
P0 (2, 1, 3), P1 (1, 2, 4), P2 (4, 2, 1).
3.1.5
Transformac
oes Lineares: Aplica
c
ao `
a Computac
ao Gr
afica
Definic
ao. Uma transformacao T de IRn para IRm ,
T : IRn IRm
u 7 v = T (u)
e uma correspondencia que a cada vector u IRn faz corresponder um u
nico vector
m
v IR .
Definic
ao. Sejam u e v vectores de IRn e um escalar. Uma transformacao
T : IRn IRm diz-se linear se
T (u + v) = T (u) + T (v)
T ( u) = T (u),
IR, u, v IRn .
49
3. Vectores em IRn
Teorema. Seja A uma matriz m n. Entao a transformacao T : IRn IRm

definida por T (u) = Au e linear; esta transformacao designa-se por transformac
ao
matricial.
Demonstrac
ao. Sejam u e v dois vectores de IRn e um escalar real. Atendendo
a que
T (u + v) = A(u + v) = Au + Av = T (u) + T (v)
T ( u) = A( u) = A(u) = T (u)
verifica-se que T e linear.
Exemplos de transformac
oes matriciais no plano.
1. Simetria em relac
ao ao eixo dos xx: T : IR2 IR2 ,
T (u) = Au,
A=
"
1
0
0 1
2. Simetria em relac
ao ao eixo dos yy: T : IR2 IR2 ,
T (u) = Au,
50
A=
"
1 0
0 1

3. Dilatac
ao e contracc
ao: T : IR2 IR2 ,
T (u) =
r>1
0<r<1
"
r 0
0 r
u = ru
T dilatacao
T contraccao
Aplicac
ao `
a Computac
ao Gr
afica
A computacao grafica estuda a criacao e a manipulacao de figuras com a ajuda
do computador. Usam-se tecnicas de computacao grafica na concepcao de jogos de
vdeo, na arquitectura, na ind
ustria automovel, na biologia molecular, etc.. A manipulacao de figuras faz-se atraves do uso de sequencias de transformacoes matriciais,
onde se incluem, por exemplo, as rotacoes, simetrias, dilatacoes e as contraccoes.
De seguida serao apresentados alguns exemplos de manipulacao de figuras no plano.
Exemplo 1.
Simetria de um triangulo relativamente ao eixo xx:
T (u) = Au,
A=
Consideremos o triangulo de vertices

v1 = (1, 4),
"
1
0
0 1
v2 = (3, 1),
v3 = (2, 6).
Vamos formar uma matriz em que cada coluna contem as coordenadas dos vertices:
[v1 v2 v3 ] =
"
1 3 2
4 1 6
Para calcular a imagem dos vertices pela transformacao, fazemos

A [v1 v2 v3 ] =
"
1
3
2
4 1 6
donde se conclui que a imagem do triangulo por T e o triangulo de vertices

(1, 4), (3, 1), (2, 6)
51
3. Vectores em IRn
simetria
10
original
transformado
8
6
4
2
0
2
4
6
8
10
10
10
Exemplo 2.
Rotacao de angulo (sentido contrario ao dos ponteiros do relogio):
T (u) = Au,
A=
"
cos sin
sin
cos
Suponhamos que pretendemos rodar a parabola y = x2 segundo um angulo de 50o ,

no sentido contrario ao dos ponteiros do relogio. Vamos escolher alguns pontos da
parabola:
v1 = (2, 4),
v2 = (1, 1),
v3 = (0, 0),
1 1
,
,
v4 =
2 4
v5 = (3, 9).
Fazendo o produto (mostrando apenas 4 casas decimais):
A [v1 v2 v3 v4 v5 ] =
"
4.3498 1.4088 0 0.1299 4.9660

1.0391 0.1233 0 0.5437
8.0832
Os pontos imagem sao
(4.3498, 1.0391), (1.4088, 0.1233), (0, 0), (0.1299, 0.5437), (4.9660, 8.0832);
Interligando estes pontos obtem-se a curva à direita na figura.
52

2
rotao da parbola y = x
14
original
transformado
12
10
8
6
4
2
0
2
4
6
10
10
Exemplo 3.
Shear (tosquiadela) na direccao do eixo xx:
T (u) = Au,
A=
"
1 k
0 1
Como T (x, y) = (x + ky, y), podemos ver que o ponto (x, y) se move paralelamente
ao eixo dos xx em ky unidades.
Dado um rectangulo R com vertices
(0, 0), (0, 2), (4, 0), (4, 2),
a sua imagem por uma shear com k = 2 e
(0, 0), (4, 2), (4, 0), (8, 2),
e a sua imagem por uma shear com k = 3 e
(0, 0), (6, 2), (4, 0), (2, 2),
53
3. Vectores em IRn
Shear
10
original
k=2
k = 3
8
6
4
2
0
2
4
6
8
10
10
10
O espa
co vectorial IRn
3.2
3.2.1
Defini
c
oes
Em IR2 e IR3 consideramos vectores com duas e tres componentes, respectivamente.

No caso mais geral de IRn vamos considerar vectores com n componentes.
IR4 = {(a, b, c, d) : a, b, c, d IR}
(1, 2, 3, 4) e (1, 43 , 0, 5) sao dois exemplos de vectores de IR4 .
No caso geral,
IRn = {(u1 , u2 , . . . , un ) : u1 , u2, . . . , un IR}.
Os vectores de IRn tambem podem ser interpretados como vectores coluna, isto e,
como matrizes n 1:
n
IR =
u1
u2
..
.
un
: u1, u2 , . . . , un IR}.
Por uma questao de comodidade, esta u

ltima notacao sera usada poucas vezes.
Vimos atras que e possvel representar geometricamente IRn , para n = 1, 2, 3. No
entanto, tal nao e possvel para IRn , com n 4, pelo menos da forma como visualizamos IR2 e IR3 . No entanto, como iremos ver seguidamente, do ponto de vista
algebrico e possvel conferir a IRn uma estrutura semelhante a` de IR2 e IR3 .
54
3.2. O espaco vectorial IRn

Definic
ao. Sejam u = (u1 , u2 , . . . , un ) e v = (v1 , v2 , . . . , vn ) elementos de IRn e
um escalar. Definimos adicao e multiplicacao por um escalar da seguinte forma:
Adicao
u + v = (u1 , u2 , . . . , un ) + (v1 , v2 , . . . , vn )
= (u1 + v1 , u2 + v2 , . . . , un + vn )
Multiplicacao por um escalar
u = (u1 , u2, . . . , un ) = (u1, u2 , . . . , un )
Exemplo: Dados os vectores u = (1, 4, 3, 7) e v = (2, 3, 1, 0) de IR4 , temos:
u + v = (3, 1, 4, 7)
3u = (3, 12, 9, 21)
Propriedades da adic
ao e da multiplicac
ao por um escalar: Sejam u, v e
n
w vectores quaisquer de IR e e escalares. Entao:
(A1) u + v e um vector de IRn (isto e, IRn e fechado para a adicao de vectores)
(A2) u + v = v + u
(A3) (u + v) + w = u + (v + w)
(A4) Existe um vector 0 IRn tal que 0 + u = u,
(existencia de um zero em IRn )
u IRn
(A5) Para cada u IRn , existe v IRn tal que u + v = 0

(todo o elemento de IRn tem um simetrico que pertence a IRn ; notacao v = u)
(M1) u IRn , isto e, IRn e fechado para a multiplicacao por um escalar;

(M2) ( + )u = u + u
(M3) (u + v) = u + v
(M4) ()u = (u)
(M5) 1.u = u
Em virtude de as operacoes de adicao e multiplicacao por um escalar definidas em

IRn verificarem as propriedades numeradas de (A1) a (A5) e (M1) a (M5), diz-se que
IRn e um espaco vectorial. Note-se que embora existam outros espacos vectoriais
(por exemplo, o conjunto de todas as matrizes m n), apenas IRn sera objecto de
estudo nesta disciplina.
55
3. Vectores em IRn
3.2.2
Subespacos Vectoriais de IRn
Definic
ao. Seja S um subconjunto de IRn . Diz-se que S e um subespaco vectorial
de IRn se e so se forem verificadas as tres condicoes seguintes:
(i) S 6= {} ;
(ii) S e fechado para a adicao, isto e,
u, v S u + v S;
(iii) S e fechado para a multiplicacao por um escalar, isto e,
IR, u S u S.
Exemplos. S1 = IRn e S2 = {(0, 0, . . . , 0)} sao exemplos de subespacos de IRn .

Exerccio 3.2.1 Averiguar se cada conjunto S e subespaco de IRn .
(a) S = {(x, y) IR2 : x + y = 0}
(b) S = {(x, y) IR2 : x + y = 1}
(c) S = {u IRn : Au = 0}, onde A IRmn (S e o conjunto das solucoes do

sistema homogeneo Au = 0).
Teorema.
(i) Os subespacos vectoriais de IR2 sao:
rectas que contem a origem
IR2 e {(0, 0)}
(i) Os subespacos vectoriais de IR3 sao:

rectas e planos que contem a origem
IR3 e {(0, 0, 0)}
Exerccio 3.2.2
(a) Dar um exemplo de uma recta no plano IR2 que seja subespaco e uma recta
que nao o seja;
(b) Dar um exemplo de uma recta e um plano no espaco IR3 que sejam subespacos;
56
3.2.3
Combina
c
oes Lineares
Definic
ao. Sejam w, v1 , v2 . . . , vr IRn . Diz-se que w e combinacao linear de
v1 , v2 , . . . , vr se existirem escalares 1 , 2 , . . . , r IR tais que
w = 1 v1 + 2 v2 + + r vr .
Exerccio 3.2.3 Sejam u = (1, 2, 1) e v = (6, 4, 2) vectores de IR3 .

(a) Averiguar se w = (9, 2, 7) e w0 = (4, 1, 8) sao combinacoes lineares de u e
v;
(b) Indicar dois vectores que sejam combinacao linear de u e v.
Definic
ao. Seja S um subconjunto de IRn e sejam v1 , v2 , . . . , vr S. Se todo o
vector de S se puder escrever como combinacao linear de v1 , v2 , . . . , vr , diz-se que
estes vectores geram S e escreve-se
S = hv1 , v2 , . . . , vr i.
Teorema. Sejam v1 , v2 , . . . , vr vectores de IRn . O conjunto de todas as combinacoes lineares de v1 , v2 , . . . , vr , isto e, o conjunto
hv1 , v2 , . . . , vr i = {v IRn : v = 1 v1 + 2 v2 + + r vr , i IR}
e um subespaco de IRn . A este subespaco da-se o nome de subespaco gerado pelos
vectores v1 , v2 , . . . , vr .
Exemplos.
1. Em IR2 , seja v 6= 0. O subespaco gerado por v,
hvi = {w IR2 : w = v, IR}
e a recta que contem (0, 0) e tem a direccao de v.
2. Em IR3 , sejam v1 , v2 vectores nao colineares. O subespaco gerado por v1 , v2 ,
hv1 , v2 i = {w IR3 : w = v1 + v2 , , IR}
e o plano que contem (0, 0, 0) e e paralelo aos vectores v1 , v2 .
57
3. Vectores em IRn
Exerccio 3.2.4 Determinar uma condicao que caracterize os subespacos gerados
por cada uma dos conjuntos indicados:
(a) C = {u = (1, 1, 0, 1), v = (2, 1, 1, 3)} em IR4 ;
(b) C = {v1 = (1, 1, 2), v2 = (1, 0, 1), v3 = (2, 1, 3)} em IR3 ;

(c) C = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} em IR3 .
3.2.4
Depend
encia Linear. Bases e Dimens
ao.
Definic
ao. Se B = {v1 , v2 , . . . , vr } e um subconjunto de vectores do espaco
vectorial IRn , entao a equacao vectorial
1 v1 + 2 v2 + + r vr = 0
tem pelo menos uma solucao que e
1 = 2 = = r = 0.
Se esta for a u
nica solucao, diz-se que B e linearmente independente; se existirem
mais solucoes, diz-se que B e linearmente dependente.
Exerccio 3.2.5 Estudar a dependencia linear dos seguintes subconjuntos de vectores B do espaco vectorial IRn indicado.
(a) B = {(2, 6, 2), (3, 1, 2), (8, 16, 3)}, em IR3 ;
(b) B = {(1, 1), (1, 1)}, em IR2 .

Teorema.
(i) Dois vectores em IR2 (ou em IR3 ) sao linearmente dependentes se e so se sao
paralelos;
(ii) Tres vectores em IR3 sao linearmente dependentes se e so se sao complanares.
Definic
ao. Seja B um conjunto de vectores de um subespaco vectorial S de IRn .
Diz-se que B e uma base de S se:
(i) O subespaco gerado por B coincide com S;
(ii) B e linearmente independente.
58

Exemplos.
1. O conjunto B = {e1 , e2 , . . . , en }, onde
e1
e2
=
=
(1, 0, . . . , 0)
(0, 1, . . . , 0)

en = (0, 0, . . . , 1),
e uma base de IRn , que se designa por base canonica.
2. No caso particular de IR3 , a base canonica e
B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}.
Exerccio 3.2.6 Mostrar que C = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}, tambem e uma
base de IR3 .
Teorema. Se {v1 , v2 , . . . , vn } e uma base do subespaco S, entao:
(i) Qualquer subconjunto de S com mais de n vectores e linearmente dependente.
(ii) Qualquer outra base de S tem exactamente n vectores.
Exemplos.
1. Como B = {e1 = (1, 0), e2 = (0, 1)} e uma base de IR2 , pelo teorema anterior,
quaisquer tres vectores (ou mais) de IR2 sao linearmente dependentes. Por
exemplo,
B 0 = {(1, 2), (1, 3), (0, 5)}
e linearmente dependente. Tambem podemos concluir que qualquer base de
IR2 tem de ter exactamente 2 vectores.
2. Qualquer base de IRn tem exactamente n vectores.
Definic
ao. Se um subespaco vectorial S admitir uma base com n vectores, diz-se
que S tem dimensao n e escreve-se dim S = n; no caso particular S = {0}, diz-se
que dim S = 0.
Exerccio 3.2.7 Indicar uma base e a dimensao do espaco vectorial
V = {(x, y, z) IR3 : x = 0 y + z = 0}.
59
3. Vectores em IRn
Quando a dimensao de um subespaco vectorial e conhecida, podemos utilizar o
teorema seguinte para averiguar se um dado conjunto de vectores desse subespaco
e uma base.
Teorema. Se S e um subespaco vectorial com dimensao n, entao:
(i) Quaisquer n vectores de S que sejam linearmente independentes formam uma
base de S.
(ii) Quaisquer n vectores que geram S constituem uma base de S.
Exemplo. Como dim IR3 = 3, quaisquer 3 vectores de IR3 que sejam linearmente
independentes formam uma base deste espaco.
60
3.3
1. Determinar o volume do paraleleppedo com arestas

u = i 2j + 3k
v = i + 3j + k
w = 2i + j + 2k.
Resoluc
ao. Basta calcular o modulo do determinante cujas linhas sao as componentes dos vectores u, v e w:
V =
det

1 2 3

1 3 1
= | 10| = 10.

2 1 2
2. Considere os pontos do espaco A(0, 1, 2), B(1, 3, 4), C(3, 5, 6).

(i) Determine a area do triangulo [ABC].
(ii) Determine a equacao do plano que contem os tres pontos dados.
Resoluc
ao.
(i) Consideremos os vectores u = AB = (1, 2, 2) e v = AC = (3, 4, 4) e calculemos

o produto vectorial de u por v:

i j k

u v = 1 2 2 = (8 8, (4 6), 4 6) = (0, 2, 2).

3 4 4
A area do triangulo [ABC] e
1
1q 2
A = ku vk =
0 + 22 + (2)2 = 2.
2
2
(ii) Como os vectores u e v considerados na alnea anterior sao paralelos ao plano,
o seu produto vectorial w = u v, ja calculado acima, e normal ao plano.
Sendo assim, a equacao do plano sera da forma
0x + 2y 2z = D,
onde D e uma constante a determinar. Para determinar D basta escolher
um ponto do plano, por exemplo, o ponto A, e substituir x, y e z pelas suas
coordenadas:
0 0 + 2 1 2 2 = D,
61
3. Vectores em IRn
isto e, D = 2. Logo a equacao do plano que contem os pontos A, B e C e
0x + 2y 2z = 2,
ou seja, y z = 1.
3. Escreva a equacao de uma recta que contenha o ponto (1, 1, 1) e seja paralela ao
plano de equacao x 2y + 2z = 1.
Resoluc
ao. O vector w = (1, 2, 2) e perpendicular ao plano. Para a recta ser
paralela ao plano, o seu vector director tera de ser perpendicular a w. Consideremos
por exemplo o vector u = (0, 1, 1). O vector u e ortogonal a w, porque
u w = 1 0 + (2) 1 + 2 1 = 0.
A equacao de uma recta nas condicoes pedidas podera ser
x = 1
y
1
z1 .
1
1
4. Dadas as transformacoes
T1 : IR2 IR2
e T2 : IR3 IR2 ,
definidas por
T1 (x, y) = (x y, 3x) e T2 (x, y, z) = (xy, z),
(a) Determinar T1 (2, 1) e T2 (1, 1, 3).
(b) Averiguar se sao lineares.
Resoluc
ao.
(a)
T1 (2, 1) = (2 1, 3 2) = (1, 6)
T2 (1, 1, 3) = (1 1, 3) = (1, 3).
(b) Sejam u = (u1 , u2) e v = (v1 , v2 ) dois vectores de IR2 e um escalar real.
Como
T1 (u + v) = T1 (u1 + v1 , u2 + v2 )
= ((u1 + v1 ) (u2 + v2 ), 3(u1 + v1 ))
= (u1 u2 + v1 v2 , 3u1 + 3v1 )
62

e
T1 (u) + T1 (v) = T1 (u1 , u2 ) + T1 (v1 , v2 )
= (u1 u2 , 3u1) + (v1 v2 , 3v1 )
= (u1 u2 + v1 v2 , 3u1 + 3v1 )
conclui-se que
T1 (u + v) = T1 (u) + T1 (v).
Atendendo a que
T1 (u) = T1 (u1 , u2)
= (u1 u2 , 3u1)
= (u1 u2 , 3u1 )
= T1 (u),
verifica-se a identidade
T1 ( u) = T1 (u).
Como sao verificadas as duas condicoes da definicao de transformacao linear,
concluimos que T1 e linear.
Analisemos agora a linearidade de T2 . O facto de a definicao de T2 envolver o
produto de duas variaveis, leva-nos a suspeitar que T2 nao e de facto linear. De
qualquer modo temos de apresentar um contra-exemplo que mostre que uma
das condicoes que definem uma transformacao linear nao se verifica. Consideremos, por exemplo, os vectores tridimensionais u = (1, 2, 3) e v = (1, 1, 1).
Atendendo a que
T2 (u + v) = T2 (2, 3, 4) = (2 3, 4) = (6, 4)
e
T2 (u) + T2 (v) = T2 (1, 2, 3) + T2 (1, 1, 1)
= (1 2, 3) + (1 1, 1)
= (2, 3) + (1, 1)
= (3, 4),
podemos afirmar que T2 nao e linear, uma vez que

T2 (u + v) 6= T2 (u) + T2 (v).
5. Determine e represente geometricamente a imagem do triangulo de vertices (1, 0),
(2, 0) e (2,"1) pela transforma
cao matricial f : IR2 IR2 definida por f (u) = Au,
#
0 1
. Qual e a accao de f sobre o triangulo?
onde A =
1
0
63
3. Vectores em IRn
Resoluc
ao. Para determinar a imagem do rectangulo dado, colocamos as coordenadas dos seus vertices como colunas de uma matriz e multiplicamos esta matriz a`
esquerda por A:
"
# "
#
"
#
0 1
1 2 2
0 0 1
=
.
1
0
0 0 1
1 2
2
A imagem do triangulo por f e o triangulo de vertices (0, 1), (0, 2) e (1, 2).
Pode-se observar que a funcao faz rodar o triangulo em 90 graus, em torno da

origem.
6. Considere o subconjunto de IR3
V = {(x, y, z) IR3 : x + 2y + z = 0}.
(a) Mostre que V e um subespaco vectorial de IR3 .
(b) Determine uma base e a dimensao de V .
Resoluc
ao.
(a) (i) V e um conjunto nao vazio (V 6= ), porque (0, 0, 0) V , uma vez que
0 + 2 0 + 0 = 0.
(ii) Sendo u = (u1 , u2, u3 ) e v = (v1 , v2 , v3 ) dois vectores de V , sabemos que
u1 + 2u2 + u3 = 0 e v1 + 2v2 + v3 = 0.
(3.1)
Pretendemos mostrar que
u + v = (u1 + v1 , u2 + v2 , u3 + v3 ) V
isto e, que
u1 + v1 + 2(u2 + v2 ) + u3 + v3 = 0.
(3.2)
Para mostrar que (3.2) e verdadeira, basta usar (3.1) e a atender a que
u1 + v1 + 2(u2 + v2 ) + u3 + v3 = u1 + 2u2 + u3 + v1 + 2v2 + v3
= 0+0
= 0.
64

(iii) Sendo u = (u1 , u2, u3 ) um vector de V e IR, sabemos que
u1 + 2u2 + u3 = 0.
Pretendemos mostrar que
(3.3)
u = ( u1 , u2 , u3 ) V
isto e, que
u1 + 2 u2 + u3 = 0.
(3.4)
Para mostrar que (3.4) e verdadeira, basta usar (3.3) e atender a que
u1 + 2 u2 + u3 = (u1 + 2u2 + u3 )
= 0
= 0.
(b) Na condicao x+2y +z = 0 que caracteriza V , ha duas variaveis livres. Fazendo

x = 2y z, podemos dizer que y e z sao variaveis livres. Isto significa que
V tem dimensao 2. Para determinar uma base de V , basta efectuar a seguinte
decomposicao para os elementos de V :
(x, y, z) = (2y z, y, z)
= (2y, y, 0) + (z, 0, z)
= y(2, 1, 0) + z(1, 0, 1),
y, z IR.
Designando B := {(2, 1, 0), (1, 0, 1)}, fica mostrado que B gera V . A forma
como se efectuou a separacao dos vectores garante a independencia linear dos
vectores de B. Logo, B e uma base de V .
7. Considere os vectores
v1 = (1, 0, 2), v2 = (0, 1, 1), v3 = (1, 1, 1)
e o subespaco S = hv1 , v2 , v3 i.
(a) Averigue se o vector u = (0, 3, 3) e combinacao linear de v1 , v2 e v3 .
(b) Diga, justificando, se o vector u pertence a S.
(c) Averigue se {v1 , v2 , v3 } e uma base de S.
(d) Determine uma condicao que caracterize o subespaco S = hv1 , v2 , v3 i.

Resoluc
ao.
(a) Escrevendo
u = v1 + v2 + v3
(0, 3, 3) = (1, 0, 2) + (0, 1, 1) + (1, 1, 1)
(0, 3, 3) = ( + , , 2 + + )
65
3. Vectores em IRn
obtemos o sistema
Resolvendo o
[A|b] = 0
2
sistema
0
1
1 1
1
1
+ = 0
= 3 .
2 + + = 3
obtemos
3
.
1 0
1 0
0 1 1 3
L3 L2 + L3
0 0
0 0
Passando a matriz completa ao sistema correspondente, obtemos
(
Uma vez que
pelo metodo de eliminacao de
1
0
0
3
L3 2L1 + L3
3
0
+ = 0
= 3
=
= 3+
Gauss,
0
1
1 1
1 1
( IR)
(0, 3, 3) = (1, 0, 2) + (3 + )(0, 1, 1) + (1, 1, 1),

podemos afirmar que o vector u e combinacao linear dos tres vectores dados.
Neste caso, e possvel escrever u como combinacao linear de varias formas
distintas, bastando para isso atribuir valores a . Por exemplo,
= 1 (0, 3, 3) = (1, 0, 2) + 4(0, 1, 1) + (1, 1, 1)
= 0 (0, 3, 3) = 0(1, 0, 2) + 3(0, 1, 1) + 0(1, 1, 1).
(b) Como u e combinacao linear dos tres vectores dados, isto significa que u S.
Note-se que, por definicao, S e formado por todas as possveis combinacoes
lineares de v1 , v2 , v3 .
(c) Em primeiro lugar, vamos estudar a dependencia linear dos vectores. Como
v1 + v2 + v3 = 0
(1, 0, 2) + (0, 1, 1) + (1, 1, 1) = (0, 0, 0)
( + , , 2 + + ) = (0, 0, 0),
obtemos o sistema
+ = 0
= 0 .
2 + + = 0
Resolvendo este sistema pelo metodo de eliminacao de Gauss (ao cuidado do

aluno), constatamos que ele e indeterminado, tendo portanto mais do que uma
solucao. Assim, os tres vectores sao linearmente dependentes, nao podendo
formar uma base de S.
66

(d) Seja (x, y, z) um vector qualquer de S. Entao existem escalares , e tais
que
(x, y, z) = v1 + v2 + v3
(x, y, z) = ( + , , 2 + + ) .
Daqui resulta o seguinte sistema linear, que, por hipotese, e possvel:
+ = x
= y .
2 + + = z
Queremos saber quais os valores reais de x, y e z que tornam este sistema

possvel. Para isso e necessario determinar a forma de escada da matriz completa.
1 0
1 x
1 0
1
x
0 1 1
[A|b] =
y
0 1 1 y L 2L + L
3
1
3
2 1
1 z
0 1 1 2x + z
.
1 0
1
x
0 1 1
y
L3 L2 + L3
0 0
0 2x + y + z
Concluimos entao que o sistema linear e possvel se e so se car[A|b] = car(A)
se e so se 2x + y + z = 0. Logo
S = {(x, y, z) IR3 : 2x + y + z = 0}.
67
3. Vectores em IRn
3.4
Exerccios
1. Determine u + v, u v, 2u e 3u 2v, sendo u = (1, 2, 3) e v = (0, 1, 2).

2. Sejam
u = 2
,
3
v = 1
,
3
Determine a, b e c de modo que

(a) w = 21 u
(b) w + v = u
w = 1
,
b
x= c
.
2
(c) w + x = v
3. Represente geometricamente os seguintes vectores:

(a) u = (2, 3, 1)
(b) v = (0, 1, 4)
(c) w = (0, 0, 1)
4. Represente geometricamente os seguintes vectores, onde e dado o ponto de aplicacao

e a extremidade.
(a) (2, 3, 1), (0, 0, 2)
(b) (1, 1, 0), (0, 1, 1)
(b) (1, 1, 3), (0, 0, 1)
5. Sejam u = (3, 2, 1), v = (0, 2, 3) e v = (2, 6, 7). Calcule

a) u v;
b) u (v 2w) ;
c) (u v) 3w .
6. Determine a area do triangulo de vertices P , Q e R, onde

(a) P = (2, 6, 1), Q = (1, 1, 1), R = (4, 6, 2);
(b) P = (1, 1, 2), Q = (0, 3, 4), R = (6, 1, 8).
7. Determine um vector ortogonal a ambos os vectores u = i + k e v = j + k.

8. Sabendo que u (v w) = 3 determine
a) u (w v) ;
b) (v w) u;
c) (u w) v .
9. Determine o volume do paraleleppedo de arestas u, v e w, sendo

(a) u = (1, 2, 1), v = (3, 0, 2), w = (2, 2, 4);
(b) u = (3, 1, 2), v = (4, 5, 1), w = (1, 2, 4).
10. Simplifique (u + v) (u v).
11. Escreva na forma reduzida e cartesiana a equacao da recta em IR2 que contem os
pontos
(a) P (1, 1) e Q(1, 2)
(b) P (0, 1) e Q(1, 1).
68
3.4. Exerccios
12. Dados os pontos A(1, 1, 1), P (2, 1, 3) e Q(1, 3, 2) e o vector v = (2, 1, 0), escreva
as equacoes da:
(a) recta que contem A e tem a direccao de v;
(b) recta que contem A e P ;
(c) recta OA;
(d) recta que contem A e Q;
(e) recta que contem A e e ortogonal a P Q e a v.

13. Determine as equacoes da recta que contem os pontos (3, 1, 1) e (1, 2, 7). Verifique
se os pontos (7, 0, 5) e (7, 0, 5) pertencem a essa recta.
14. Determine a equacao do plano que:
(a) contem o ponto A(0, 4, 3) e e perpendicular ao vector 2i + 2j + k;
(b) contem os pontos (2, 1, 0), (3, 0, 2) e (0, 4, 3);
(c) contem o ponto (2, 3, 4) e e paralelo ao plano 3x y 3z = 5;
(d) contem os pontos (1, 0, 0), (0, 1, 0) e (0, 0, 1).
15. Condidere os vectores a = 2i + 3j 4k e b = j + k. Determine:

(a) Um vector n ortogonal aos vectores a e b;
(b) A equacao do plano que contem a origem e e gerado pelos vectores a e b;
16. Considere o plano de equacao 5x y + 7z = 21. Determine:
(a) Um ponto do plano que esteja no eixo Ox;
(b) Um vector perpendicular ao plano;
(c) Um vector paralelo ao plano.
17. Determine as equacoes da recta definida pela interseccao dos planos xy+3z+1 = 0
e 3x 2y z 2 = 0 .
18. Averigue se as seguintes transformacoes sao lineares.
(a) T : IR2 IR3 ,
T (x, y) = (x + 1, y, x + y)
(c) T : IR2 IR2 ,
T (x, y) = (x2 + x, y y 2 )
(e) T : IR2 IR3 ,
T (x, y) = (x + y, 0, 2x)
(b) T : IR IR ,
(d) T : IR3 IR3 ,
T (x, y, z) = (x + y, y, x z)
T (x, y, z) = (2x 3y, 3y 2z, 2z)
19. Seja L : IR2 IR2 uma transformacao linear tal que L(i) = (2, 3) e L(j) = (1, 2).
Determine:
69
3. Vectores em IRn
(a) L(4, 3)
(b) L(x, y)
20. Seja L : IR3 IR3 uma transformacao linear tal que L(i) = (1, 2, 1), L(j) =
(1, 0, 2) e L(k) = (1, 1, 3). Determine:
(a) L(2, 1, 3)
(b) L(x, y, z).
21. Nas alneas seguintes, represente geometricamente o vector u e a sua imagem pela
transformacao matricial dada.
2
(a) f : IR IR definida por
"
x
y
#!
"
1
0
0 1
#"
x
y
u=
"
2
3
(b) f : IR2 IR2 e uma rotacao (no sentido

contrario aos ponteiros do relogio) de
"
#
2
um angulo de 2/3 radianos; u =
;
3
(c) f
IR3
f
y
z
IR3 definida por
;
u=
2
x
1 0 1
1 1 0 y ;
z
0 0 1
22. Descreva geometricamente cada uma das seguintes transformacoes matriciais f :

IR2 IR2 definida por f (u) = Au, onde e dada a matriz A.
(a) A =
"
0 1
1 0
(b) A =
"
0 1
1
0
(c) A =
"
0 0
0 1
23. Seja T : IR2 IR2 a transformacao linear definida por T (u) = Au, onde
A=
"
cos sin
sin
cos
isto e, T e uma rotacao.

(a) Se T1 (u) = A2 u, descreva a accao de T1 sobre u.
(b) Se T2 (u) = A1 u, descreva a accao de T2 sobre u.
(c) Se = 3 , qual e o menor inteiro positivo para o qual T (u) = Ak u = u?
24. Determine e represente geometricamente a imagem do rectangulo R de vertices
(1, 1), (2, 1), (1, 3) e (2, 3) pelas seguintes transformacoes lineares:
(a) Simetria em relacao ao eixo dos yy;
70
3.4. Exerccios
(b) Shear com k = 3 na direccao do eixo dos xx;
(c) Shear com k = 2 na direccao do eixo dos yy, isto e, a transformacao
matricial f : IR2 IR2 definida por f (v) = Av, onde
A=
"
1 0
k 1
(d) Dilatacao com k = 4;

(e) Contraccao com k = 1/4.
25. Determine e represente geometricamente a imagem do triangulo T de vertices (5, 0),
(0, 3) e (2, 1) pelas seguintes sequencias de transformacoes lineares:
(a) Transformacao do exerccio 24b) seguida da transformacao do exerccio 24e);
(b) Transformacao do exerccio 24d) seguida da transformacao do exerccio 24c),
seguida da transformacao do exerccio 24a);
(c) Transformacao do exerccio 24b) seguida da transformacao do exerccio 24c).
26. Considere os seguintes subconjuntos de IR3 :
S1
S2
S3
S4
S5
S6
= {(x, y, z) IR3
= {(x, y, z) IR3
= {(x, y, z) IR3
= {(x, y, z) IR3
= {(x, y, z) IR3
= {(x, y, z) IR3
:
:
:
:
:
:
x = y}
2x + y z = 0}
x + 5y = 0 z = 1}
y 2 z 2 = 0}
x + y + z = 0 x y + z = 0}
x 0}.
(a) Escolha dois elementos de cada subconjunto e averigue se a sua soma ainda lhe
pertence. Escolha tambem um escalar e um vector e averigue se a multiplicacao
do vector pelo escalar ainda pertence ao subconjunto.
(b) Descreva geometricamente cada um dos subconjuntos.
(c) Averigue se cada subconjunto e um subespaco de IR3 .
27. Mostre que o subconjunto S, definido por cada uma das condicoes seguintes, e um
subespaco de IR4 (supoe-se que (x, y, z, t) representa um vector generico de IR4 ):
(a) 2x = y + t
(b) x + y = z t
(c) x = 0 z + t = 0
28. Escreva, se possvel, cada um dos seguintes vectores como combinacao linear dos
vectores v1 = (1, 2) e v2 = (1, 1) de IR2 :
(a) (5, 4)
(b) (1, 3)
(c) (0, 1)
(d) (2, 3)
29. Sendo v1 = (1, 0, 2), v2 = (0, 1, 1) e v3 = (1, 1, 1) escreva, se possvel, cada um

dos vectores seguintes como combinacao linear de v1 , v2 e v3 :
(a) (1, 2, 3)
(b) (1, 2, 4)
(c) (1, 1/2, 1)
(d) (5, 2, 0)
71
3. Vectores em IRn
30. Averigue se IR2 e ou nao gerado por cada um dos seguintes pares de vectores:
(a) (1, 1), (2, 2)
(b) (0, 1), (3, 4)
(c) (0, 2), (1, 1)
(d) (2, 3), (2, 3)
31. Determine, se possvel, uma condicao que caracterize o subespaco gerado pelos
seguintes vectores e averigue se esses vectores geram IR3 :
(a) (1, 1, 1), (2, 2, 0), (3, 0, 0)
(b) (2, 1, 3), (4, 1, 2), (8, 1, 8)
(c) (3, 1, 4), (2, 3, 5), (1, 4, 1)
32. Determine:
(a) a equacao do plano gerado pelos vectores u = (1, 1, 1) e v = (2, 3, 5) e que
passa em (0, 0, 0);
(b) a equacao da recta gerada pelo vector u = (2, 7, 1) e que passa em (0, 0, 0).
33. Sem efectuar calculos, explique porque e que os vectores seguintes sao linearmente
dependentes:
(a) u = (1, 2) e v = (3, 6) em IR2
(b) u = (2, 3), v = (5, 8) e w = (6, 1) em IR2
(c) u = (1, 2, 1) e v = (2, 4, 2) em IR3 .
34. Estude a dependencia linear dos seguintes vectores:
(a) (2, 1, 4), (3, 6, 2) e (2, 10, 4) (b) (3, 1, 1), (11, 1, 5) e (4, 0, 3)
(c) (6, 0, 1) e (1, 1, 4)
(d) (1, 3, 3), (0, 1, 4), (5, 6, 3) e (7, 2, 1)
35. Verifique se os seguintes vectores de IR3 sao complanares:
(a) (1, 0, 2), (3, 1, 2) e (1, 1, 0)
(b) (2, 1, 4), (4, 2, 3) e (2, 7, 6)
36. Sem efectuar calculos, explique porque e que os seguintes conjuntos de vectores nao
sao bases dos conjuntos indicados:
(a) (1, 2), (0, 3) e (2, 7) para IR2
(b) (1, 3, 2) e (6, 1, 1) para IR3
37. Quais dos seguintes conjuntos de vectores sao bases para os conjuntos indicados?
(a) (2, 1) e (3, 0) para IR2
(c) (3, 1, 4), (2, 5, 6) e (1, 4, 8) para IR3
(b) (0, 0) e (1, 3) para IR2

(d) (1, 0, 0), (2, 2, 0) e (3, 3, 3) para IR3
38. Quais dos seguintes conjuntos de vectores sao bases de IR4 ?

(a) {(1, 0, 0, 1), (0, 1, 0, 0), (1, 1, 1, 1), (0, 1, 1, 1)};
(b) {(1, 1, 0, 2), (3, 1, 2, 1), (3, 1, 2, 1)};
(c) {(0, 0, 1, 1), (1, 1, 1, 2), (1, 1, 0, 0), (2, 1, 2, 1)}.
39. Determine uma base de IR3 que inclua os vectores

(a) (1, 0, 2);
72
3.4. Exerccios
(b) (1, 0, 2), (0, 1, 3);
40. Determine uma base de IR4 que inclua os vectores (1, 0, 1, 0) e (0, 1, 1, 0).
41. Determine todos os valores de a para os quais {(a2 , 0, 1), (0, a, 2), (1, 0, 1)} e formam
uma base de IR3 .
42. Seja A uma matriz m n. Mostre que o conjunto solucao de um sistema homogeneo
AX = 0 e um subespaco vectorial de IRn .
43. Determine a dimensao e uma base para o conjunto solucao dos seguintes sistemas
homogeneos:
2x + y + 3z = 0
(a) x + 2y = 0
y+z =0
(b)
3x + y + z + t = 0
5x y + z t = 0
44. Determine a dimensao e indique uma base para:
(c)
x+y+z =0
3x + 2y z = 0
2x 4y + z = 0
4x + 8y 3z = 0
2x + y 2z = 0
(a) os seguintes subespacos de IR3 :

(i) o plano 3x 2y + 5z = 0
(ii) o plano x y = 0
(iii) a recta x = 2t y = t z = 4t (t IR) (iv) {(a, b, c) IR3 : b = a + c}
(b) o subespaco de IR5 , {(x1 , x2 , x3 , x4 , x5 ) IR5 : x1 + x2 = 0 x3 = x4 }

(c) o subespaco de IR4 , {(x, y, z, w) IR4 : y + z + w = 0}
73
74
Captulo 4
Valores e Vectores Pr
oprios
4.1
Definico
es e Exemplos
Definic
ao. Seja A IRnn . Um vector nao nulo u IRn diz-se um vector proprio
de A se existir IK tal que
Au = u.
Ao escalar chama-se valor proprio de A; tambem se diz que u e um vector proprio
de A associado ao valor proprio .
Exemplo. Sejam u =
"
Como
Au =
"
1
2
A=
"
3
0
8 1
# "
1
2
3
6
3
0
8 1
"
=3
"
1
2
= 3u ,
entao u e um vector proprio de A associado ao valor proprio = 3.

Geometricamente, u e um vector proprio da matriz A se o vector Au, resultante da
multiplicacao de A por u, for paralelo a u.
Au = u
Au = u
O
>1
Au = u
b
O
0<<1
75
<0
4. Valores e Vectores Proprios
4.2
C
alculo de valores e vectores pr
oprios
Teorema. Sejam A IRnn e IK. Entao e valor proprio de A se e so se

det(A I) = 0.
c() = det(A I) e dito o polinomio caracterstico de A; as razes deste polinomio
de grau n sao os valores proprios de A; o n
umero de valores proprios (nao necessariamente distintos) de A, e menor ou igual a n.
Ao conjunto dos valores proprios de A chama-se espectro de A e representa-se por
(A).
eig(A) e o comando que se usa no Matlab para calcular os valores proprios da
matriz A.
Como os valores proprios sao obtidos atraves das razes de um polinomio de coeficientes reais, pode acontecer que uma matriz com entradas em IR tenha valores
proprios complexos, ocorrendo estes em pares conjugados.
det(A I) = 0 e dita a equacao caracterstica de A.
Teorema. Sejam A uma matriz n n e um valor proprio de A.
(i) Se u e um vector proprio de A associado a entao u ( IR) tambem e um
vector proprio de A associado a .
(ii) Se u e v sao vectores proprios associados a entao u + v tambem e um vector
proprio associado a .
Exerccio 4.2.1 Demonstrar o teorema anterior.
Sejam A uma matriz n n e um valor proprio de A. Pelo teorema anterior, o
conjunto
E() = {u IRn : Au = u}
e um subespaco vectorial de IRnn , que se chama espaco proprio de A associado ao
valor proprio .
O espaco E() \ {0} e formado por todos os vectores associados ao valor proprio .
76
4.3. Propriedades dos valores proprios

O espaco proprio E() pode ainda ser representado na forma
E() = {u IRn : (A I) u = 0}.
Fazendo u = [u1 u2 . . . un ]> , a equacao matricial (A I) u = 0 representa um
sistema homogeneo nas incognitas u1 , u2, . . . , un . Como det(AI) = 0 e, portanto,
car(A I) < n, concluimos que este sistema e sempre indeterminado.
Exerccio 4.2.2 Determine os valores e os vectores proprios da matriz
1 0 3
A= 1 2 1
.
3 0 1
Observac
ao. Suponhamos que o polinomio caracterstico c() tem grau 3. Se
nao conseguirmos decompor c() em factores (nestas condicoes nao podemos aplicar
a lei do anulamento do produto!), podemos ainda tentar o seguinte resultado:
Se um polinomio p(x) tiver razes inteiras, entao elas sao divisores do termo
independente de p(x).
Definic
oes.
(i) Seja c() o polinomio caracterstico de A. Diz-se que e um valor proprio de
A com multiplicidade algebrica k se e uma raz de c() com multiplicidade
k; escreve-se ma() = k.
(ii) diz-se um valor proprio de multiplicidade geometrica l se dim E() = l;
escreve-se mg() = l.
Teorema. 1 mg() ma().
Exerccio 4.2.3 Verificar este teorema para a matriz do exerccio anterior.
4.3
Propriedades dos valores pr

oprios
Propriedade 1. Sejam A e B matrizes n n. Se existir uma matriz P invertvel

tal que A = P BP 1 entao A e B tem o mesmo polinomio caracterstico (e portanto
os mesmo valores proprios).
77

Demonstrac
ao. Sejam cA () o polinomio caracterstico de A e cB () o polinomio
caracterstico de B. O teorema resulta das seguintes identidades:
cA () = det(A I)
= det(P BP 1 I)
= det(P BP 1 P P 1)

= det P (B I)P 1
= det(P ) det(B I) det(P 1)

= det(P )(det(P ))1 det(B I)
= det(B I)
= cB ()
Propriedade 2. Seja A uma matriz n n. Se 1 , 2 , ..., n sao os valores proprios

de A (nao necessariamente distintos) entao
det(A) = 1 2 ...n
tr(A) = 1 + 2 + ... + n ,
onde tr(A) denota o traco de A que e a soma dos elementos da diagonal de A.
1 0 3
Exerccio 4.3.1 Verifique a Propriedade 2 para a matriz A = 1 2 1

.
3 0 1
Propriedade 3. Uma matriz A e invertvel se e so se os seus valores proprios sao
todos nao nulos.
Demonstrac
ao. Como o determinante e o produto dos valores proprios, podemos
dizer que det(A) 6= 0 se e so se todos os valores proprios de A forem nao nulos.
Como A e invertvel se e so se det(A) 6= 0, fica demonstrado o resultado.
Propriedade 4. As matrizes A e AT tem o mesmo polinomio caracterstico.
Sejam cA () o polinomio caracterstico de A e cA> () o polinomio caracterstico de

A> . O teorema resulta das seguintes identidades:
cA () = det(A I)

= det (A I)>
= det(A> I)
= cA> ()
78
4.3. Propriedades dos valores proprios

Propriedade 5 (Teorema de Cayley-Hamilton). Se
c() = (1)n n + an1 n1 + ... + a1 + a0
e polinomio caracterstico de A, entao
c(A) = (1)n An + an1 An1 + ... + a1 A + a0 I = 0 .
Aplicac
oes do teorema de Cayley-Hamilton: c
alculo de Ak e A1
Basicamente, o teorema de Cayley-Hamilton diz que uma matriz quadrada anula o
seu polinomio caracterstico. Uma das implicacoes mais importantes deste teorema
e a possibilidade de escrever uma potencia Ak , onde k e um inteiro positivo, como
uma combinacao linear de potencias de A com expoente inferior a n. Por exemplo,
relativamente à matriz
"
#
1 1
A=
,
1 3
cujo polinomio caracterstico e
c() = 2 4 + 4,
o teorema garante que
A2 4A + 4I = 0,
isto e,
A2 = 4A 4I.
Daqui podemos concluir, apos alguns calculos, que

A3 = 12A 16I
A4 = 32A 48I,
podendo-se obter expressoes analogas para qualquer Ak .
Outra aplicacao, e o calculo da matriz inversa A1 . No caso da matriz A dada
acima, sabe-se que o seu polinomio caracterstico e
A2 4A + 4I = 0,
isto e,
A 4I
A 4A = 4I A(A 4I) = 4I A
4
donde se conclui que
1
A1 = (A 4I).
4
2
= I,
79
4.4
Diagonaliza
c
ao de matrizes
Chama-se matriz diagonal a uma matriz quadrada cujas entradas fora da diagonal
sao todas nulas.
Definic
ao. Diz-se que uma matriz n n e diagonalizavel se existirem matrizes D
diagonal, e P invertvel, tais que
A = P DP 1.
5 0 0
1 0 1
3 2 0
Exemplo. A = 2
3 0 , P = 1 0 1 , D = 0 5 0
.
0 0 1
0 1 0
0
0 5
A e diagonalizavel, porque A = P DP 1 (basta fazer os calculos!)
Como averiguar se A
e diagonaliz
avel?
Teorema 1. Seja A uma matriz n n. Se A tem n valores proprios distintos entao
A e diagonalizavel.
Teorema 2. Seja A uma matriz n n. A matriz A e diagonalizavel se e so se,
para cada valor proprio de A, as multiplicidades algebrica e geometrica coincidem:
ma() = mg().
Se A for diagonaliz
avel, como determinar P e D?
1o ) Determinar uma base para cada espaco proprio de A; denotemos os vectores que
constituem essas bases (num total de n) por p1 , p2 , ..., pn .
2o ) Formar a matriz P de colunas p1 , p2 , ..., pn e D = diag(1 , 2 , ..., n ), onde pi

e um vector proprio associado ao valor proprio i , i = 1, 2, ..., n.
Se P e D forem determinadas conforme indicado nos passos 1o ) e 2o ) entao
A = P DP 1.
3 2 0
e diagonalizavel e, em caso
Exerccio 4.4.1 Averiguar se A =
3 0

2
0
0 5
afirmativo, determinar P e D na decomposicao A = P DP 1.
80
4.5
0 1 1
.
1 1 0
(a) Determine os valores proprios de A e indique as respectivas multiplicidades
algebricas.
(b) Determine os subespacos proprios da matriz A.
(c) Averigue se A e diagonalizavel e, em caso afirmativo, determine uma matriz
invertvel P e uma matriz diagonal D tais que P 1 AP = D.
Resoluc
ao.
(a)
c() = det(A I)
1
1
= det 1
1
1
1
= (2 1) 1( 1) + 1( + 1)
= ( 1)( + 1) + 2( + 1)
= ( + 1) [( 1) + 2]
= ( + 1)(2 + + 2)
Fazendo c() = 0, obtemos

+ 1 = 0 2 + + 2 = 0,
ou seja,
= 1 = 1 = 2,
donde se conclui que os valores proprios de A sao {1, 1, 2}, em que
ma(1) = 2,
ma(2) = 1.
(b) O subespaco proprio associado ao valor proprio 1 e

E(1) = {u IR3 : (A + I)u = 0}.
Para conhecermos os vectores de E(1) de forma explcita, e necessario resolver
o sistema homogeneo, possvel e indeterminado,
(A + I)u = 0.
81
0
u
1 1 1

(A + I)u = 0
1 1 1 u2 = 0
0
u3
1 1 1
u1 + u2 + u3 = 0
u1 + u2 + u3 = 0
u +u +u = 0
1
2
3
Vamos resolver este sistema usando as tecnicas estudadas anteriormente:
1 1 1 0
1 1 1 0
[A|0] = 1 1 1 0 L2 L1 + L2 0 0 0 0
.
1 1 1 0
0 0 0 0
L3 L1 + L3
Podemos observar que ha ncar(A) = 31 = 2 variaveis livres, que sao u2 =

e u3 = . Passando a matriz em forma de escada ao sistema correspondente e
resolvendo, obtemos
Como
u1 =
u2 = (, IR) .
u =
3
(u1 , u2 , u3 ) = ( , , )
= (, , 0) + (, 0, )
= (1, 1, 0) + (1, 0, 1),
, IR,
temos
E(1) = h (1, 1, 0), (1, 0, 1) i.
Para o valor proprio = 2, temos
E(2) = {u IR3 : (A 2 I)u = 0}.
0
u
2
1
1
(A 2 I)u = 0
1
u2 = 0
1 2
0
u3
1
1 2
82
2u1 + u2 + u3 = 0
u1 2u2 + u3 = 0
u + u 2u = 0
1
2
3

Calculando a forma de escada da matriz completa
2 1
1 0
1 2
1 0
,
1 1 2 0
obtemos a matriz
1 2 1 0
0 1 1 0 .
0 0 0 0
Passando ao sistema correspondente, temos

(
u1 2u2 + u3 = 0
u2 + u3 = 0
Como
(u1 , u2 , u3 ) = (, , )
= (1, 1, 1),
u1 =
u2 = ( IR) .
u =
3
IR,
temos
E(2) = h (1, 1, 1) i.
(c) Como
mg(1) = dim E(1) = 2 = ma(1)
e
mg(2) = dim E(2) = 1 = ma(2),
a matriz A e diagonalizavel. As matrizes
P 1 AP = D sao
1 1
P = 1
0
0
1
e
1
0
D=
0 1
0
0
P e D que verificam a relacao
0
.
2
Recorde-se que as colunas de P sao os vectores das bases dos subespacos

proprios e que D e uma matriz diagonal, sendo a sua diagonal constituda
pelos valores proprios de A.
83
4.6
Exerccios
1. Para cada matriz, encontre todos os valores proprios e os respectivos espacos proprios:
(a)
"
2 2
1 3
(b)
"
4 2
3 3
1 2
2
(c) 1 2 1
1 1
4
2 0
1
(d) 1 0 1
0 1 1
Indique a multiplicidade algebrica e a multiplicidade geometrica de cada valor

proprio.
2. Para cada matriz do exerccio anterior, verifique que o traco da matriz e a soma dos
valores proprios e que o determinante e o produto dos valores proprios (tendo em
conta a multiplicidade algebrica de cada um).
3. Determine os valores proprios das seguintes matrizes:
(a)
"
3 8
2
3
(b)
"
1 1
2 3
4. Mostre que:
(a) Os valores proprios de um matriz triangular sao os elementos da diagonal da
matriz.
(b) Se A e nao singular e e um valor proprio de A entao 1/ e um valor proprio
de A1 .
(c) Se B = S 1 AS e u e um vector proprio de B associado ao valor proprio ,
entao Su e um vector proprio de A associado a .
5. Duas matrizes n n, A e B, dizem-se semelhantes se existir uma matriz invertvel
P tal que B = P 1 AP . Supondo que A e B sao semelhantes, mostre que:
(a) AT e B T tambem sao semelhantes;
(b) A3 e B 3 tambem sao semelhantes;
(c) tr(A) = tr(B);
(d) det(A) = det(B).
4 0 2
ao e diagonalizavel.
0
n
5 1
3
7. Averigue se as matrizes do exerccio 1 sao diagonalizaveis e, em caso afirmativo,

determine duas matrizes diagonalizantes.
8. Determine , , , , e de modo que os vectores
1 1
3
IR sejam vectores proprios da matriz A =

84
1 1 0
(e) 0 1 0
0 0 1
(1, 1,
1), (1, 0, 1) e (1, 1, 0) de
1
4.6. Exerccios
9. Uma matriz quadrada com valores proprios distintos e
diagonalizavel.
1
1
1
o recproco nao e verdadeiro, recorrendo à matriz: A =

1
1 1
1
1 1
Mostre
que
10. (a) Mostrar que se e valor proprio de A entao k e valor proprio de Ak .

(b) Seja A uma matriz tal que Ak = 0, para algum k IN. Verifique que A possui
apenas o valor proprio zero.
11. Seja
1 1 1
A=
3
1
.
1
1 1
1
Verifique que 1 e valor proprio de A associado ao vector proprio (1, 1, 1). Alem
do valor proprio 1, a matriz A possui o valor proprio 2 com multiplicidade algebrica
igual a 2. Indique uma matriz invertvel P tal que P 1 AP seja diagonal, caso tal
matriz exista.
12. Para cada uma das seguintes matrizes use a factorizacao SDS 1 para calcular A6 .
1 0
0
(a) 2 1
3
1 1 1
1 2 1
(b) 2 4 2
3 6 3
4
13. Considere o polinomio p() = 3 + + 4 e A =
"
1 1
.
1 3
(a) Verifique que p(A) = 0;

(b) Determine a equacao caracterstica de A;
(c) Mostre que A satisfaz a sua equacao caracterstica.
(d) Usando o teorema de Cayley-Hamilton, calcule A3 e A1 .
4 1 2
14. Considere a matriz A = 0

1
0
.
1 1
1
(a) Escreva o polinomio caracterstico e determine os valores proprios de A;
(b) Determine os espacos proprios de A e determine uma base para cada um deles.
(c) Calcule, aplicando o teorema de Cayley-Hamilton, A4 + 6A3 11A2 + 4I.
(d) Usando o teorema de Cayley-Hamilton, calcule A1 .
85

Apontamentos

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Apontamentos

Încărcat de

Drepturi de autor:

Formate disponibile

Instituto Superior de Engenharia de Coimbra

Apontamentos de Apoio `as Aulas de

3.1.4 Rectas e Planos em IR3 . . . . . . . . . . . . . . . . . . . .

Uma matriz m n tem m linhas e n colunas;

(matriz 3 2 com entradas em IR)

1. Matrizes e Sistemas de Equacoes Lineares

= ai1 b1j + ai2 b2j + + ain bnj ,

1.3. Propriedades das operacoes com matrizes

Propriedades das operaco

1. Matrizes e Sistemas de Equacoes Lineares

1.5. Eliminacao de Gauss

determinar a sua transposta.

De exemplos de duas matrizes simetricas e de duas matrizes antisimetricas

1. Matrizes e Sistemas de Equacoes Lineares

onde ? designa uma entrada 6= 0.

Exerccio 1.5.2 Averigue se as seguintes matrizes estao em forma de escada:

1.6. Caracterstica de uma matriz

Calcular a forma de escada reduzida das matrizes do exerccio

Caracterstica de uma matriz

Teorema. Se U e U 0 sao matrizes em forma de escada e equivalentes por linhas a

Determinar a caracterstica da matriz

1. Matrizes e Sistemas de Equacoes Lineares

mostre que (1, 2, 1) e solucao e que (1, 8, 1) nao e solucao.

averiguar se ele admite solucoes.

1.7. Sistemas de equacoes lineares

Dado um sistema com m equacoes lineares e n incognitas

a11 x1 + a12 x2 + + a1n xn = b1

am1 x1 + am2 x2 + + amn xn = bm

a sua representacao matricial e

Chama-se matriz completa ou ampliada do sistema `a matriz

(a) Representa-lo na forma matricial

sao solucoes do sistema.

1. Matrizes e Sistemas de Equacoes Lineares

Consideremos o seguinte sistema de equacoes lineares:

Podemos observar que as operacoes elementares efectuadas sobre as linhas da matriz

troca de duas equacoes

1.7. Sistemas de equacoes lineares

Usando o metodo de substituicao, podemos agora facilmente determinar x, y e z e

Teorema 1. Um sistema de equacoes lineares e possvel se e so se

Teorema 2. Seja AX = b um sistema linear possvel, com m equacoes e n

Chama-se sistema homogeneo a um sistema da forma AX = O.

1. Matrizes e Sistemas de Equacoes Lineares

Como car A = 3 < n = 4, ha n car A = 1 variavel livre. Vamos escolher x3 como

Fazendo, por exemplo, = 1, obtemos

1.8. Matriz Inversa

Teorema 2. Sejam A e B matrizes invertveis. Entao:

Exerccio 1.8.2 Demonstrar o teorema 2.

1. Matrizes e Sistemas de Equacoes Lineares

Exerccio 1.8.3 Determinar, se existir, a inversa da matriz A = 2 5 3

Dada uma matriz A, mn, podemos particiona-la em varias submatrizes ou blocos.

1.9. Matrizes em Blocos

ai1 ai2 ain

, ou em termos das suas colunas

a1j a2j amj

e B IRnp estao particionadas em blocos na seguinte

Exerccio 1.9.2 Sendo A IRrr , B IRss matrizes invertveis, determinar

1. Matrizes e Sistemas de Equacoes Lineares

O conjunto solucao do sistema e

1.10. Exerccios Resolvidos

constatando-se que car(A) = 1 6= car[A|b] = 2. Isto significa que o sistema e impossvel.

Como car(A) = 2 6= car[A|b] = 3, verifica-se que o sistema e novamente impossvel.

Como car(A) = 2 = car[A|b] e n car(A) = 3 2 = 1 > 0, o sistema e possvel

1. Matrizes e Sistemas de Equacoes Lineares