Álgebra Linear PDF

capa_curvas.
pdf 1 10/07/09 16:16
CM
MY
CY
CMY
K
Universidade do Sul de Santa Catarina
lgebra Linear
Disciplina na modalidade a distncia
Palhoa
UnisulVirtual
2011
Crditos
Universidade do Sul de Santa Catarina | Campus UnisulVirtual | Educao Superior a Distncia
Avenida dos Lagos, 41 Cidade Universitria Pedra Branca | Palhoa SC | 88137-900 | Fone/fax: (48) 3279-1242 e 3279-1271 | E-mail: cursovirtual@unisul.br | Site: www.unisul.br/unisulvirtual
Reitor Coordenadores Graduao Marilene de Ftima Capeleto Patrcia de Souza Amorim Karine Augusta Zanoni
Ailton Nazareno Soares Alosio Jos Rodrigues Patricia A. Pereira de Carvalho Poliana Simao Marcia Luz de Oliveira
Ana Lusa Mlbert Paulo Lisboa Cordeiro Schenon Souza Preto Mayara Pereira Rosa
Vice-Reitor Ana Paula R.Pacheco Paulo Mauricio Silveira Bubalo Luciana Tomado Borguetti
Sebastio Salsio Heerdt Artur Beck Neto Rosngela Mara Siegel Gerncia de Desenho e
Bernardino Jos da Silva Simone Torres de Oliveira Desenvolvimento de Materiais Assuntos Jurdicos
Chefe de Gabinete da Reitoria Charles Odair Cesconetto da Silva Vanessa Pereira Santos Metzker Didticos Bruno Lucion Roso
Willian Corra Mximo Dilsa Mondardo Vanilda Liordina Heerdt Mrcia Loch (Gerente) Sheila Cristina Martins
Diva Marlia Flemming Marketing Estratgico
Pr-Reitor de Ensino e Horcio Dutra Mello Gesto Documental Desenho Educacional
Lamuni Souza (Coord.) Cristina Klipp de Oliveira (Coord. Grad./DAD) Rafael Bavaresco Bongiolo
Pr-Reitor de Pesquisa, Itamar Pedro Bevilaqua
Ps-Graduao e Inovao Jairo Afonso Henkes Clair Maria Cardoso Roseli A. Rocha Moterle (Coord. Ps/Ext.) Portal e Comunicao
Daniel Lucas de Medeiros Aline Cassol Daga Catia Melissa Silveira Rodrigues
Mauri Luiz Heerdt Janana Baeta Neves
Aline Pimentel
Jorge Alexandre Nogared Cardoso Jaliza Thizon de Bona Andreia Drewes
Pr-Reitora de Administrao Jos Carlos da Silva Junior Guilherme Henrique Koerich Carmelita Schulze Luiz Felipe Buchmann Figueiredo
Acadmica Jos Gabriel da Silva Josiane Leal Daniela Siqueira de Menezes Rafael Pessi
Marlia Locks Fernandes Delma Cristiane Morari
Miriam de Ftima Bora Rosa Jos Humberto Dias de Toledo
Eliete de Oliveira Costa
Joseane Borges de Miranda Gerncia de Produo
Pr-Reitor de Desenvolvimento Luiz G. Buchmann Figueiredo Gerncia Administrativa e Elosa Machado Seemann Arthur Emmanuel F. Silveira (Gerente)
e Inovao Institucional Marciel Evangelista Catneo Financeira Flavia Lumi Matuzawa Francini Ferreira Dias
Renato Andr Luz (Gerente) Geovania Japiassu Martins
Valter Alves Schmitz Neto Maria Cristina Schweitzer Veit
Ana Luise Wehrle Isabel Zoldan da Veiga Rambo Design Visual
Maria da Graa Poyer
Diretora do Campus Mauro Faccioni Filho Anderson Zandr Prudncio Joo Marcos de Souza Alves Pedro Paulo Alves Teixeira (Coord.)
Universitrio de Tubaro Moacir Fogaa Daniel Contessa Lisboa Leandro Roman Bamberg Alberto Regis Elias
Milene Pacheco Kindermann Nlio Herzmann Naiara Jeremias da Rocha Lygia Pereira Alex Sandro Xavier
Onei Tadeu Dutra Rafael Bourdot Back Lis Air Fogolari Anne Cristyne Pereira
Diretor do Campus Universitrio Patrcia Fontanella Thais Helena Bonetti Luiz Henrique Milani Queriquelli Cristiano Neri Gonalves Ribeiro
da Grande Florianpolis Roberto Iunskovski Valmir Vencio Incio Marcelo Tavares de Souza Campos Daiana Ferreira Cassanego
Hrcules Nunes de Arajo Rose Clr Estivalete Beche Mariana Aparecida dos Santos Davi Pieper
Gerncia de Ensino, Pesquisa e Marina Melhado Gomes da Silva Diogo Rafael da Silva
Secretria-Geral de Ensino Vice-Coordenadores Graduao Extenso Marina Cabeda Egger Moellwald Edison Rodrigo Valim
Adriana Santos Ramm Janana Baeta Neves (Gerente) Mirian Elizabet Hahmeyer Collares Elpo Fernanda Fernandes
Solange Antunes de Souza Aracelli Araldi Pmella Rocha Flores da Silva
Bernardino Jos da Silva Frederico Trilha
Diretora do Campus Catia Melissa Silveira Rodrigues Rafael da Cunha Lara Jordana Paula Schulka
Elaborao de Projeto Roberta de Ftima Martins Marcelo Neri da Silva
Universitrio UnisulVirtual Horcio Dutra Mello Carolina Hoeller da Silva Boing
Jucimara Roesler Jardel Mendes Vieira Roseli Aparecida Rocha Moterle Nelson Rosa
Vanderlei Brasil Sabrina Bleicher Noemia Souza Mesquita
Joel Irineu Lohn Francielle Arruda Rampelotte
Equipe UnisulVirtual Jos Carlos Noronha de Oliveira Vernica Ribas Crcio Oberdan Porto Leal Piantino
Jos Gabriel da Silva Reconhecimento de Curso
Jos Humberto Dias de Toledo Acessibilidade Multimdia
Diretor Adjunto Maria de Ftima Martins Vanessa de Andrade Manoel (Coord.) Srgio Giron (Coord.)
Moacir Heerdt Luciana Manfroi
Rogrio Santos da Costa Extenso Letcia Regiane Da Silva Tobal Dandara Lemos Reynaldo
Secretaria Executiva e Cerimonial Rosa Beatriz Madruga Pinheiro Maria Cristina Veit (Coord.) Mariella Gloria Rodrigues Cleber Magri
Jackson Schuelter Wiggers (Coord.) Sergio Sell Vanesa Montagna Fernando Gustav Soares Lima
Marcelo Fraiberg Machado Pesquisa Josu Lange
Tatiana Lee Marques Daniela E. M. Will (Coord. PUIP, PUIC, PIBIC) Avaliao da aprendizagem
Tenille Catarina Valnei Carlos Denardin Claudia Gabriela Dreher Conferncia (e-OLA)
Mauro Faccioni Filho (Coord. Nuvem)
Assessoria de Assuntos Smia Mnica Fortunato (Adjunta) Jaqueline Cardozo Polla Carla Fabiana Feltrin Raimundo (Coord.)
Internacionais Ps-Graduao Ngila Cristina Hinckel Bruno Augusto Zunino
Coordenadores Ps-Graduao Anelise Leal Vieira Cubas (Coord.) Sabrina Paula Soares Scaranto
Murilo Matos Mendona Alosio Jos Rodrigues Gabriel Barbosa
Anelise Leal Vieira Cubas Thayanny Aparecida B. da Conceio
Assessoria de Relao com Poder Biblioteca Produo Industrial
Pblico e Foras Armadas Bernardino Jos da Silva Salete Ceclia e Souza (Coord.) Gerncia de Logstica Marcelo Bittencourt (Coord.)
Adenir Siqueira Viana Carmen Maria Cipriani Pandini Paula Sanhudo da Silva Jeferson Cassiano A. da Costa (Gerente)
Walter Flix Cardoso Junior Daniela Ernani Monteiro Will Marlia Ignacio de Espndola Gerncia Servio de Ateno
Giovani de Paula Renan Felipe Cascaes Logsitca de Materiais Integral ao Acadmico
Assessoria DAD - Disciplinas a Karla Leonora Dayse Nunes Carlos Eduardo D. da Silva (Coord.) Maria Isabel Aragon (Gerente)
Distncia Letcia Cristina Bizarro Barbosa Gesto Docente e Discente Abraao do Nascimento Germano Ana Paula Batista Detni
Patrcia da Silva Meneghel (Coord.) Luiz Otvio Botelho Lento Enzo de Oliveira Moreira (Coord.) Bruna Maciel Andr Luiz Portes
Carlos Alberto Areias Roberto Iunskovski Fernando Sardo da Silva Carolina Dias Damasceno
Cludia Berh V. da Silva Rodrigo Nunes Lunardelli Capacitao e Assessoria ao Fylippy Margino dos Santos Cleide Incio Goulart Seeman
Conceio Aparecida Kindermann Rogrio Santos da Costa Docente Guilherme Lentz Denise Fernandes
Luiz Fernando Meneghel Thiago Coelho Soares Alessandra de Oliveira (Assessoria) Marlon Eliseu Pereira Francielle Fernandes
Renata Souza de A. Subtil Vera Rejane Niedersberg Schuhmacher Adriana Silveira Pablo Varela da Silveira Holdrin Milet Brando
Alexandre Wagner da Rocha Rubens Amorim
Assessoria de Inovao e Jenniffer Camargo
Gerncia Administrao Elaine Cristiane Surian (Capacitao) Yslann David Melo Cordeiro Jessica da Silva Bruchado
Qualidade de EAD Acadmica Elizete De Marco
Denia Falco de Bittencourt (Coord.) Jonatas Collao de Souza
Angelita Maral Flores (Gerente) Fabiana Pereira Avaliaes Presenciais
Andrea Ouriques Balbinot Juliana Cardoso da Silva
Fernanda Farias Iris de Souza Barros Graciele M. Lindenmayr (Coord.)
Carmen Maria Cipriani Pandini Juliana Elen Tizian
Juliana Cardoso Esmeraldino Ana Paula de Andrade
Secretaria de Ensino a Distncia Kamilla Rosa
Maria Lina Moratelli Prado Angelica Cristina Gollo
Assessoria de Tecnologia Samara Josten Flores (Secretria de Ensino) Simone Zigunovas
Mariana Souza
Osmar de Oliveira Braz Jnior (Coord.) Cristilaine Medeiros Marilene Ftima Capeleto
Giane dos Passos (Secretria Acadmica) Daiana Cristina Bortolotti
Felipe Fernandes Adenir Soares Jnior Tutoria e Suporte Maurcio dos Santos Augusto
Felipe Jacson de Freitas Delano Pinheiro Gomes Maycon de Sousa Candido
Alessandro Alves da Silva Anderson da Silveira (Ncleo Comunicao) Edson Martins Rosa Junior
Jefferson Amorin Oliveira Andra Luci Mandira Claudia N. Nascimento (Ncleo Norte- Monique Napoli Ribeiro
Phelipe Luiz Winter da Silva Fernando Steimbach Priscilla Geovana Pagani
Cristina Mara Schauffert Nordeste)
Fernando Oliveira Santos
Priscila da Silva Djeime Sammer Bortolotti Maria Eugnia F. Celeghin (Ncleo Plos) Sabrina Mari Kawano Gonalves
Rodrigo Battistotti Pimpo Lisdeise Nunes Felipe Scheila Cristina Martins
Douglas Silveira Andreza Talles Cascais Marcelo Ramos
Tamara Bruna Ferreira da Silva Evilym Melo Livramento Daniela Cassol Peres Taize Muller
Marcio Ventura Tatiane Crestani Trentin
Fabiano Silva Michels Dbora Cristina Silveira Osni Jose Seidler Junior
Coordenao Cursos Fabricio Botelho Espndola Ednia Araujo Alberto (Ncleo Sudeste) Thais Bortolotti
Coordenadores de UNA Felipe Wronski Henrique Francine Cardoso da Silva
Diva Marlia Flemming Gisele Terezinha Cardoso Ferreira Janaina Conceio (Ncleo Sul) Gerncia de Marketing
Marciel Evangelista Catneo Indyanara Ramos Joice de Castro Peres Eliza B. Dallanhol Locks (Gerente)
Roberto Iunskovski Janaina Conceio Karla F. Wisniewski Desengrini
Jorge Luiz Vilhar Malaquias Kelin Buss Relacionamento com o Mercado
Auxiliares de Coordenao Juliana Broering Martins Liana Ferreira Alvaro Jos Souto
Ana Denise Goularte de Souza Luana Borges da Silva Luiz Antnio Pires
Camile Martinelli Silveira Luana Tarsila Hellmann Maria Aparecida Teixeira Relacionamento com Polos
Fabiana Lange Patricio Luza Koing Zumblick Mayara de Oliveira Bastos Presenciais
Tnia Regina Goularte Waltemann Maria Jos Rossetti Michael Mattar Alex Fabiano Wehrle (Coord.)
Jeferson Pandolfo
Kelen Regina Salles Silva
Christian Wagner
lgebra Linear
Livro didtico
Reviso e atualizao de contedo

Kelen Regina Salles Silva
Christian Wagner
Design instrucional
Roseli Rocha Moterle
3a edio
Palhoa
UnisulVirtual
2011
Copyright UnisulVirtual 2011
Nenhuma parte desta publicao pode ser reproduzida por qualquer meio sem a prvia autorizao desta instituio
Edio - Livro didtico

Professor Conteudista
Kelen R. S. Silva
Christian Wagner
Design Instrucional
Karla Leonora Dahse Nunes
Roseli Rocha Moterle (3a edio)
Assistente Acadmico
Michele Antunes Corra (2a edio revista e atualizada)
Aline Cassol Daga (3a edio)
Projeto Grfico e Capa

Equipe UnisulVirtual
Diagramao
Daniel Blass
Reviso
B2B
ISBN
978-85-7817-217-6
512.5
S58 Silva, Kelen, R. S.
lgebra linear : livro didtico / Kelen Regina Salles Silva,
Christian Wagner ; reviso e atualizao de contedo Kelen
Regina Salles Silva, Christian Wagner ; design instrucional [Karla
Leonora Dahse Nunes], Roseli Rocha Moterle. 3. ed. Palhoa :
UnisulVirtual, 2011.
312 p. : il. ; 28 cm.
Inclui bibliografia.
ISBN 978-85-7817-217-6
1. lgebra linear. 2. Geometria analtica. 3. Equaes lineares. I.

Wagner, Christian. II. Nunes, Karla Leonora Dahse. III. Moterle, Roseli
Rocha. IV. Ttulo.
Ficha catalogrfica elaborada pela Biblioteca Universitria da Unisul

Sumrio
Apresentao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Palavras dos professores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Plano de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Unidade 1 Sistemas de equaes lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

Unidade 2 Espao vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Unidade 3 Transformaes lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Unidade 4 Autovalores e autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Para concluir o estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219

Sobre os professores conteudistas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
Respostas e comentrios das atividades de autoavaliao. . . . . . . . . . . . . . 225
Apresentao
Este livro didtico corresponde disciplina lgebra Linear.
O material foi elaborado visando a uma aprendizagem

autnoma e aborda contedos especialmente selecionados e
relacionados sua rea de formao. Ao adotar uma linguagem
didtica e dialgica, objetivamos facilitar seu estudo a distncia,
proporcionando condies favorveis s mltiplas interaes e
a um aprendizado contextualizado e eficaz.
Lembre-se de que sua caminhada, nesta disciplina, ser

acompanhada e monitorada constantemente pelo Sistema
Tutorial da UnisulVirtual, por isso a distncia fica caracteri-
zada somente na modalidade de ensino que voc optou para
sua formao, pois na relao de aprendizagem professores e
instituio estaro sempre conectados com voc.
Ento, sempre que sentir necessidade entre em contato. Voc

tem disposio diversas ferramentas e canais de acesso,
tais como: telefone, e-mail e o Espao UnisulVirtual de
Aprendizagem, que o canal mais recomendado, pois tudo
o que for enviado e recebido fica registrado para seu maior
controle e comodidade. Nossa equipe tcnica e pedaggica ter
o maior prazer em lhe atender, porque sua aprendizagem o
nosso principal objetivo.
Bom estudo e sucesso!
Equipe UnisulVirtual
Palavras da professora
Neste texto apresentamos os contedos da disciplina

de lgebra Linear que esto de acordo com a ementa do
projeto pedaggico do seu curso.
Este livro uma continuao dos conceitos vistos em

geometria analtica. No decorrer de cada unidade voc
ter contato com aspectos histricos da lgebra linear, bem
como o uso de recursos tecnolgicos.
No desenvolvimento dos assuntos estudados, procuramos

em cada tpico e em cada exemplo o detalhamento
completo, passo a passo, mostrando sempre as proprie-
dades e conceitos utilizados, sendo que as tabelas e
ilustraes sem indicao de fonte foram elaboradas pelos
autores. Pensamos que assim o aluno consegue seguir
uma leitura independente, intercalando com a exposio
dos exemplos e realizando os exerccios expostos nas
atividades de autoavaliao. Voc notar que a unidade
inicial trata de um assunto j iniciado na disciplina de
Geometria Analtica, os sistemas lineares, que somente
agora tero seu complemento. As unidades 2, 3 e 4 so
assuntos novos, mas para voc obter xito nelas, depende
da Unidade 1, pois a ferramenta bsica para o estudo so
os sistemas lineares.
Lembre-se: tenha sempre uma caneta e um papel na mo;

no podemos ler um livro de matemtica, principalmente
de lgebra Linear, como se fosse uma revista. necessrio
para um bom entendimento que voc mesmo reescreva as
definies e propriedades com suas palavras e refaa os
exemplos sempre que necessrio s vezes uma represen-
tao grfica ajuda, ou mesmo a tecnologia. No deixe de
realizar todos os exerccios propostos nas atividades de autoa-

valiao, assim temos certeza de que voc concluir a disciplina
com sucesso.
Ns, autores e professores, estamos disposio para atend-lo

da melhor maneira possvel, por isso no deixe de interagir
atravs das ferramentas disponveis no ambiente virtual.
Socialize seu conhecimento com seu professor e com seus
colegas e faamos assim uma grande rede de aprendizagem e
troca de informaes. O sucesso s aparece depois do trabalho.
Ento mos obra e bons estudos.
Prof Christian Wagner, Msc Prof Kelen R.S. Silva, Msc
10
Plano de estudo
O plano de estudos visa a orient-lo(a) no desenvolvi-

mento da disciplina. Possui elementos que o(a) ajudaro
a conhecer o contexto da disciplina e a organizar o seu
tempo de estudos.
O processo de ensino e aprendizagem na UnisulVirtual

leva em conta instrumentos que se articulam e se comple-
mentam, portanto a construo de competncias se
d sobre a articulao de metodologias e por meio das
diversas formas de ao/mediao.
So elementos desse processo:
o livro didtico;
o Espao UnisulVirtual de Aprendizagem (EVA);
as atividades de avaliao (a distncia, presenciais
e de autoavaliao);
o Sistema Tutorial.
Ementa da disciplina:
Sistemas de equaes lineares. Operaes elementares

sobre linhas de uma matriz. Forma escalonada. Processo
de eliminao de Gauss-Jordan. Cofatores e aplicaes.
Espaos vetoriais e subespaos vetoriais. Dependncia
e independncia linear. Base. Transformaes lineares.
Autovalores e autovetores.
Objetivos:
Geral
Proporcionar ao aluno o aprimoramento do conhecimento
bsico de matemtica fundamental, para a compreenso
das disciplinas superiores, visando ao desenvolvimento do
raciocnio matemtico.
Especficos
Apresentar novas metodologias para resoluo de
sistemas de equaes lineares.
Despertar uma viso abstrata atravs dos conceitos de
espaos vetoriais, subespaos e base de dimenso.
Ampliar a noo de funes lineares (ou aplicaes
lineares), onde o domnio e o contradomnio so
espaos vetoriais reais.
Apresentar a definio de valores prprios e vetores
prprios, bem como sua utilizao na diagonalizao
de matrizes.
Apresentar softwares que ajudem na resoluo de
problemas relacionados lgebra linear.
Carga horria:
60 horas 4 crditos
Contedo programtico/objetivos
Veja, a seguir, as unidades que compem o livro didtico desta

disciplina e os seus respectivos objetivos. Estes se referem aos
resultados que voc dever alcanar ao final de uma etapa
de estudo. Os objetivos de cada unidade definem o conjunto
de conhecimentos que voc dever possuir para o desen-
volvimento de habilidades e competncias necessrias sua
formao.
12
lgebra
Unidades de estudo: 4
Unidade 1 Sistemas de equaes lineares

Sistemas de Equaes lineares aparecem em reas como
economia, engenharias, fsica, qumica, bem como em reas
no to ligadas matemtica, como administrao, sociologia,
ecologia etc. Com isso, estudar mtodos para resoluo de
sistemas de equaes lineares, alm de ser fundamental para a
compreenso dos conceitos estudados nas prximas unidades,
auxilia a resoluo de inmeros problemas de aplicao
cientfica.
Unidade 2 Espao vetorial

Nesta unidade ser estudado o conceito de espaos vetoriais:
conjuntos que satisfazem propriedades idnticas s dos vetores.
Dentro destes conjuntos sero apresentados ainda os conceitos
de subespaos vetoriais, bem como as definies de combinao
linear, conjuntos linearmente dependentes e independentes,
base e dimenso. Todos estes aspectos so importantes para o
entendimento das unidades posteriores.
Unidade 3 Transformaes lineares

Transformaes Lineares so aplicaes especiais que envolvem
espaos vetoriais e representam um papel importante na
matemtica, pois relacionam conjuntos que aparentemente so
distintos, mas apresentam estruturas idnticas. So aplicadas
em diversas reas como tica e computao grfica.
Unidade 4 Autovalores e autovetores

Quando uma transformao linear leva um vetor em um
mltiplo deste vetor, isto , T(v) = , ento o vetor v chamado
de autovetor e o nmero chamado de autovalor. Esta unidade,
ento, trata especificamente das transformaes lineares T:VV
que tem esta propriedade e de como encontrar seus autovetores e
autovalores.
13
Agenda de atividades/Cronograma
Verifique com ateno o EVA, organize-se para acessar

periodicamente o espao da disciplina. O sucesso nos
seus estudos depende da priorizao do tempo para a
leitura; da realizao de anlises e snteses do contedo;
e da interao com os seus colegas e professor.
No perca os prazos das atividades. Registre no espao
a seguir as datas, com base no cronograma da disciplina
disponibilizado no EVA.
Use o quadro para agendar e programar as atividades
relativas ao desenvolvimento da disciplina.
Atividades obrigatrias
Demais atividades (registro pessoal)
14
UNIDADE 1
Sistemas de equaes lineares 1

Objetivos de aprendizagem
Definir equaes lineares, soluo de equaes lineares, sistemas de
equaes lineares e soluo de um sistema de equaes lineares.
Associar sistemas a matrizes.
Realizar operaes elementares com linhas de matrizes associadas
a sistemas, a fim de obter sistemas equivalentes.
Transformar uma matriz relacionada a um sistema em uma matriz
na forma escalonada.
Aplicar o mtodo de eliminao de Gauss e o mtodo de Gauss-
-Jordan para resolver sistemas lineares.
Calcular inversa de matriz para resolver sistemas lineares.
Sees de estudo
Seo 1 Equaes lineares
Seo 2 Sistemas de equaes lineares
Seo 3 Sistemas equivalentes
Seo 4 Resoluo de sistemas de equaes lineares
Seo 5 Matriz inversa e sistemas lineares
Para incio de estudo

O estudo de sistemas de equaes lineares de extrema
importncia. Por serem capazes de representar modelos
complexos de sistemas reais, aparecem nas mais variadas
aplicaes. Dentre elas, reas como: administrao, economia,
sociologia, ecologia, demografia, gentica, eletrnica,
engenharias e fsica.
Nesta unidade, iremos estudar os principais mtodos analticos

para resoluo de sistemas de equaes lineares. Mtodos
clssicos, cujos algoritmos so utilizados para determinar a
soluo de sistemas, caso esta exista, alm de permitir a anlise
dos sistemas tanto analiticamente quanto por meio de softwares
que os implementam.
Veremos, tambm, que essa anlise geralmente realizada

utilizando matrizes associadas ao sistema. Com isso, iremos
tambm aprofundar o estudo das matrizes.
Bom estudo!
Seo 1 Equaes lineares

Inicialmente, vamos retomar a definio de equao linear e
soluo de equao linear.
Uma equao linear uma equao que pode ser colocada na

forma padro:
a1x1 + a2x2 + a2x2 + + anxn = b
Em que:
x1, x2, x3, , xn so as incgnitas ou variveis;

a1, a2, a3, , an so nmeros reais chamados coeficientes; e
b um nmero real chamado termo independente.
16
lgebra Linear
Exemplos:
1.1. A equao 2x + y = 2 uma equao linear com duas
variveis (x e y).
1.2. A equao x2 5x + 6 = 0 no uma equao linear, pois no

pode ser escrita na forma padro, j que apresenta o termo x2.
1.3. A equao x + xy 7 = 0 tambm no uma equao linear,

pois apresenta o termo xy, o que impede a colocao na forma
padro.
Uma soluo de uma equao linear, com n incgnitas,

um conjunto de valores das incgnitas que satisfazem
a equao. Estes valores so denominados razes da
equao linear e podem ser representados por uma
n-upla ordenada de nmeros reais (k1, k2, k3, , kn) que
verifica a igualdade de
a1x1 + a2x2 + a3x3 + + anxn = b, ou seja,
a1k1 + a2k2 + a3k3 + + ankn = b
Exemplos:
1.4 A equao 2x + y = 2 tem uma soluo dada pelo par
ordenado (0, 2), pois 2(0) + 2 = 2 , mas o par (1, 3) no soluo
da equao, pois 2(1) + 3 = 5 2.
1.5 A equao x + 2y 4z + t = 3 tem uma soluo (3, 2 ,1, 0), mas

(1, 2, 4, 5) no soluo da equao linear.
Como encontrar solues de uma equao linear?
Unidade 1 17
Uma equao linear ax = b, com uma incgnita x e coefi-

cientes a e b IR, pode apresentar como soluo uma das trs
possibilidades:
b
I. Se a 0, a equao possui soluo nica x = ;
a
II. Se a = 0, mas b 0, a equao no tem soluo;
III. Se a = 0 e b = 0, a equao apresenta infinitas solues.
Uma soluo de uma equao linear na forma
a1x1 + a2x2 + a2x2 + + anxn = b,
com n incgnitas, coeficientes ai, i = 1, , n, no todos nulos

e b um nmero real, pode ser obtida isolando uma das
incgnitas (com coeficiente diferente de zero) e substituindo
quaisquer valores para as demais incgnitas, agora chamadas de
variveislivres.
Uma equao linear, com n incgnitas, na forma
0x1 + 0x2 + 0x2 + + 0xn = b,
chamada de equao degenerada.
Teorema 1.1: uma equao degenerada 0x1 + 0x2 + 0x2 + + 0xn = b,

com n incgnitas e b um nmero real:
I. No tem soluo, se b 0;
II. Tem infinitas solues, se b = 0.
Demonstrao
Dada a equao degenerada 0x1 + 0x2 + 0x2 + + 0xn = b, e
s = (k1, k2, k3, , kn) uma n-upla ordenada qualquer de nmeros
reais.
I. Se b 0, suponha que s soluo da equao, ou seja:

0k1 + 0k2 + 0k2 + + 0kn = b
0+0+0++0=b
0 = b, que um absurdo, j que, por hiptese, b 0.
18
lgebra Linear
Logo, nenhuma n-upla ordenada soluo da equao

anterior.
II. Se b = 0, suponha novamente que s soluo da

equao:
0k1 + 0k2 + 0k2 + + 0kn = 0
0+0+0++0=0
0 = 0, ou seja,
qualquer n-upla ordenada soluo da equao.
Logo, a equao possui infinitas solues.
Exemplos
1.6. A equao 3x + 1 = x + 7 tem uma soluo:
3x x = 7 1
2x = 6
x=3
(Somente esse valor de x satisfaz a equao).
1.7. A equao x + 2 = x + 5 no tem soluo, pois:
xx=52
0x = 3
(Observe que no existe x tal que a igualdade seja verdadeira).
1.8. A equao 2x + 4 = 2x + 4 tem infinitas solues, pois:
2x 2x = 4 4
0x = 0
(Observe que para qualquer valor de x, a igualdade satisfeita).
1.9. A equao 2x 3y + z = 5 tem infinitas solues, pois, se

isolarmos uma das incgnitas, obtemos duas variveis livres
que podem assumir quaisquer valores.
z = 5 2x + 3y
Unidade 1 19
Por exemplo:
Fazendo x = 1 e y = 1, temos como soluo a tripla

ordenada (1, 1, 6).
Fazendo x = 0 e y = 3, temos como soluo a tripla
ordenada (0, 3, 14).
1.10. A equao 2x y + 2z + 4 = 3 + 2x y + 2z + 1 tem infinitas

solues, pois:
2x y + 2z 2x + y 2z = 3 + 1 4
0x + 0y + 0z = 0
Agora a sua vez!

Faa os exerccios 1, 2 e 3 das atividades de autoavaliao.
Seo 2 Sistemas de equaes lineares

Muitas tcnicas para resolver sistemas de equaes lineares
tm sido aplicadas e atualizadas ao longo dos anos. Tais atua-
lizaes se devem ao avano da informtica, que, atravs de
diversos softwares, capaz de realizar um grande nmero de
operaes algbricas com enorme rapidez.
Esses softwares trabalham com a representao matricial do

sistema. Nesta unidade, vamos mostrar a relao entre sistemas
e matrizes.
Um sistema de m equaes lineares e n incgnitas um conjunto

finito de equaes lineares representado na forma padro:
a11 x1 + a12 x2 + + a1n xn =b1

a21 x1 + a22 x2 + + a2 n xn =
b2

am1 x1 + am 2 x2 + + amn xn = bm

20
lgebra Linear
Em que:
x1, x2, x3, ... , xn so incgnitas ou variveis;

aij com i {1, 2, ... , m} e j {1, 2, ..., n} so os coeficientes das
incgnitas; e
b1 , b2 , b3 , ... , bm so os termos independentes.
Se voc observar bem, ver que podemos representar o sistema

acima por meio de matrizes. Ou seja:
a11 a12 a1n x1 b1

a21 a22 a2 n x2 b2
=

am1 am 2 amn xn bn
Essas matrizes recebem nomes especiais:
a11 a12 a1n

1. Matriz de coeficientes: matriz
formada pelos coeficientes das a21 a22 a2 n

incgnitas;
am1 am 2 amn
x1
2. Matriz (vetor) das incgnitas: matriz
coluna formada pelas incgnitas do x2

sistema;
xn
b1
3. Matriz (vetor) dos termos indepen-
dentes: matriz coluna formada pelos b2

termos independentes do sistema;
bn
a11 a12 a1n b1

4. Matriz aumentada: formada pelos
coeficientes das incgnitas e pelos a21 a22 a2 n b2

termos independentes.
am1 am 2 amn bn
Unidade 1 21
Se chamarmos:
A = Matriz dos coeficientes;

X = Vetor das incgnitas;
B = Vetor de termos independentes.
Um sistema de equaes lineares pode ser representado na

notao matricial AX = B.
Quando todos os elementos do vetor de termos indepen-

dentes do sistema linear forem iguais a zero, o sistema
dito homogneo.
Exemplos
1.11. Dado o sistema:
2 x1 + 4 x2 6 x3 =
10

4 x1 + 2 x2 + 2 x3 =
16
2 x + 8 x 4 x = 24
1 2 3
Temos:
2 4 6 x1 10 2 4 6 10

4 2 2 x2 16 4 2 2 16
2 8 4 x3 24 2 8 4 24
Matriz (vetor)
Matriz de Matriz (vetor) Matriz
dos termos
coeficientes das incgnitas aumentada
independentes
Representao matricial:
2 4 6 x1 10

4 2 2 x2 = 16
2 8 4 x3 24
22
lgebra Linear
1.12. Um sistema e sua representao matricial:
x1

x1 + 4 x2 3 x3 + 2 x4 =
5 1 4 3 2 x2 5

x3 4 x4 =
2 =

0 0 1 4 x3 2

x4
1.13. Um sistema homogneo e sua representao matricial:
3 x1 2 x2 =
0 3 2 x1 0

6 x1 4 x2 =
0
6 4
=
x2 0
Soluo de um sistema de equaes lineares so valores das

incgnitas ou variveis que satisfazem simultaneamente todas
as equaes do sistema, ou seja, dado um sistema, com m
equaes lineares e n incgnitas, representado na forma padro,
a n-upla ordenada (k1, k2, , kn) soluo se:
a11 k1 + a12 k2 + ... + a1n kn b1

=

a21 k1 + a22 k2 + ... + a2 n kn b2
=

am1 k1 + am 2 k2 + ... + amn kn = bm

Ou ainda, se chamarmos essa n-upla de vetor soluo e a repre-

sentarmos como uma matriz coluna, ao substituirmos o vetor
de incgnitas pelo vetor soluo, teremos que o produto da
matriz dos coeficientes pelo vetor soluo igual ao vetor de
termos independentes, isto :
a11 a12 a1n k1 b1

a21 a22 a2 n k2 b2
=

am1 am 2 amn kn bn
Os valores da n-upla tambm podem ser chamados de razes do

sistema de equaes lineares.
Unidade 1 23
Todo sistema linear homogneo tem pelo menos uma

soluo denominada soluo trivial. Assim, um sistema
homogneo com m equaes lineares e n incgnitas tem,
no mnimo, como soluo a n-upla (0, 0, ,0).
Exemplos
2 x + y =5
S1 :
x y =2
Observe que a primeira equao do sistema S1 possui, entre

suas solues, os pares ordenados:
(1, 7), (0, 5), (1, 3);
A segunda equao tem, entre as suas solues:
(5, 7), (2, 4), (1, 3).
Note que o par (1, 3) satisfaz as duas equaes do sistema, ento

ele uma soluo do sistema S1.
1.15. A tripla ordenada (2, 1, 4) soluo do sistema:
x1 x2 + 2 x3 = 7

S2 : 3 x1 + x2 + 3 x3 = 5
x + x + x = 1
1 2 3
pois satisfaz as trs equaes.
Na forma matricial:
1 1 2 2 1 ( 2) + ( 1) ( 1) + 2 4 7

3 1 3 1= 3 ( 2) + 1 ( 1) + 3 4 = 5
1 1 1 4 1 ( 2) + 1 ( 1) + 1 4 1
24
lgebra Linear
1.16. Uma soluo do sistema
x1 4 x2 3 x3 = 0

4 x1 x2 + 2 x3 = 0
3x + x x = 0
1 2 3
a soluo trivial
x1 = 0, x2 = 0 e x3 = 0.
Lembre-se de que um sistema de equaes lineares pode

ser:
I. sistema possvel ou compatvel e determinado:
admite-se soluo nica;
II. sistema possvel ou compatvel e indeterminado:
admitem-se infinitas solues;
III. sistema impossvel ou incompatvel: se no tem
soluo.
Observao 1.1: um sistema homogneo sempre possvel, pois

admite pelo menos a soluo trivial.
Mas como encontrar solues de um sistema de equaes

lineares?
Voc j estudou a resoluo de sistemas de equaes lineares

pela Regra de Cramer e tambm a interpretao grfica da
soluo de sistemas lineares. Vamos agora analisar novas
situaes e conhecer outros mtodos de resoluo de sistemas.
Unidade 1 25
Um sistema de equaes lineares est na forma escalonada se

apresenta a seguinte forma:
a1 1 x1 + a1 2 x2 + a1 3 x3 + a1 4 x4 + ... + a 1n xn b1
=

a2 j2 x j2 + a2 j2+1 x j2+1 + ... + a2 n xn b2
=

arjr x jr + arjr+1 x jr+1 + + arn xn = br

Em que:
1 < j2 < < jr

a11 0, a2j 0, , ar 0, com r n
2 j
Teorema 1.2: se um sistema na forma escalonada apresentar a

equao degenerada 0x1 + 0x2 + 0x2 + + 0xn = b, ento:
I. Se b = 0, essa equao pode ser omitida do sistema sem

modificar o conjunto soluo;
II. Se b 0, o sistema no tem soluo.
Se o sistema tiver o nmero de equaes igual ao nmero de

variveis, a forma escalonada tem um nome especial:
Um sistema de equaes lineares est na forma triangular se o

nmero de equaes igual ao nmero de incgnitas e se tem a
seguinte forma:
a11 x1 + a12 x2 + ... + a1n xn b1

=

a22 x2 + ... + a2 n xn b2
=

amn xn = bm

Em que: aij 0, i = j
Voc pode observar que a matriz dos coeficientes uma matriz

triangular superior.
26
lgebra Linear
Teorema 1.3: um sistema na forma escalonada pode apresentar:
I. soluo nica se o nmero de variveis for igual ao

nmero de equaes;
II. infinitas solues se o nmero de equaes for menor
que o nmero de variveis. Nesse caso, teremos
variveis livres.
Para encontrar a soluo de um sistema nessa forma escalonada,

seguimos um processo chamado de retro-substituio, que
consiste em partir da ltima equao para determinar a n-sima
incgnita e substituir na (n1)-sima equao e assim sucessiva-
mente at obter a soluo do sistema.
Exemplos
1.17. Para encontrar a soluo do sistema na forma triangular
2 x + 4 y z = 11

5y + z = 2
3 z = 9

comeamos com 3z = 9 z = 3, substituindo o valor de z na

segunda equao:
5y + (3) = 2 5y = 5 y = 1,
substituindo z e y na primeira equao:
2x + 41 (3) = 11 2x = 4 x = 2,
soluo do sistema (2, 1, 3).
1.18. O sistema na forma escalonada
x1 + 4 x2 3 x3 + 2 x4 =
5

x3 4 x4 =2
admite infinitas solues, pois podemos representar as

variveis como:
x3 = 2 + 4x4ex1 = 5 4x2 + 3x3 2x4
Unidade 1 27
Substituindo x3 em x1:
x1 = 5 4x2 + 3(2 + 4x4) 2x4 = 11 4x2 + 10x4
Nesse caso, temos x3 em funo de x4 e x1 em funo de x2 e

x4, ou seja, as variveis x2 e x4 so variveis livres que podem
assumir valores arbitrrios, obtendo assim infinitas solues
para o sistema.
E quando o sistema no estiver na forma escalonada?
Agora a sua vez!

Resolva os exerccios de autoavaliao de 4 a 6.
Seo 3 Sistemas equivalentes

Apesar de encontrarmos softwares que resolvem sistemas de
equaes lineares, nosso interesse est em estudar esses sistemas
e at conhecer os mtodos utilizados por esses softwares. Para
isso, precisamos de algumas definies importantes.
Dois sistemas de equaes lineares so ditos equi-

valentes quando as equaes envolvem as mesmas
variveis e admitem a mesma soluo, ou seja, toda
soluo do primeiro tambm soluo do segundo e
vice-versa.
28
lgebra Linear
Exemplos
1.19. Os sistemas S1 e S2 abaixo so equivalentes, j que
possuem a mesma soluo (10, 2)
3 x1 + 6 x2 42
= x + 2 x2 14
=
=S1 = e S2 1
2 x1 4 x2 12
= = x1 2 x2 6
Pois:
3 10 + 6 2 = 30 + 12 = 42 10 + 2 2 = 10 + 4 = 14
S1 = e S2
2 10 4 2 = 20 8 = 12 10 2 2 = 10 4 = 6
1.20. Considere os sistemas abaixo:
3 x1 + 2=
x2 x3 0 3 x1 + 2=
x2 x3 0

S3 = x2 =4 e S4 =3 x1 x2 + x3 =4
2 x3 = 4 3x + 2 x + x = 4
1 2 3
Observe que S3 est na forma triangular, se partirmos da ltima

equao teremos o valor da varivel x3 = 2. Da segunda equao
temos x2 = 4, substituindo na primeira equao, obtemos:
3x1 + 24 2 = 0
3x1 = 6 x1 = 2, soluo (2, 4, 2)
Apesar do sistema S4 aparentar ser mais difcil de resolver,

observe que, se somarmos a primeira equao com a segunda,
obtemos:
3x1 + 2x2 x3= 0

3x1 x2 + x3= 4
x2 =4
Analogamente, subtraindo a terceira equao da primeira:
3x1 + 2x2 + x3= 0

3x1 2x2 + x3= 4
x3 = 4
Unidade 1 29
Ento x3 = 2, substituindo o valor de x2 e x3 em qualquer uma

das equaes de S4, obtemos x1= 2.
Ou seja, os sistemas S3 e S4 so equivalentes.
Um sistema de m equaes lineares Ei, i = 1, , m se transforma

em um sistema equivalente quando se efetuam as seguintes
operaes elementares:
I. Permutao de duas equaes: Ei Ej, i = 1, , m e

j = 1, , m;
II. Multiplicao de uma equao por um nmero real k

diferente de zero: Ei = kEi, i = 1, , m;
III. Substituio de uma equao por sua soma com outra

previamente multiplicada por um nmero real k
diferente de zero: Ei = Ei + kEj, i = 1, , m e j = 1, , m.
Exemplos
2 x1 + 4 x2 6 x3 = 10

S = 4 x1 + 2 x2 + 2 x3 = 16
2 x + 8 x 4 x = 24
1 2 3
cuja soluo (2, 3, 1).
Vamos realizar algumas operaes elementares nesse sistema e

observar que os sistemas obtidos a partir dessas operaes so
equivalentes entre si. Para isso, chamaremos as equaes 1, 2 e 3
de E1, E2 e E3 respectivamente.
I. Permutar a segunda equao pela terceira equao do

sistema: (E2 E3)
2 x1 + 4 x2 6 x3 = 10

S1 = 2 x1 + 8 x2 4 x3 = 24
4 x + 2 x + 2 x = 16
1 2 3
30
lgebra Linear
1
II. Multiplicar a primeira equao do sistema por ( ):
2
1
E1 = E1
2
x1 + 2 x2 3 x3 = 5

S2 = 2 x1 + 8 x2 4 x3 = 24

4 x1 + 2 x2 + 2 x3 = 16
III. Substituir a terceira equao pela soma dela com a

primeira equao previamente multiplicada por (4):
E3 = E3 + (4)E1
x1 + 2 x2 3 x3 = 5

S3= 2 x1 + 8 x2 4 x3= 24
0 x 6 x + 14 x = 4
1 2 3
Observe que a soluo (2, 3, 1) soluo dos sistemas S, S1, S2 e

S3, ou seja, os sistemas so equivalentes.
As operaes que transformam um sistema em outro

equivalente a ele so as trs apresentadas.
Agora a sua vez!

Resolva os exerccios 7 e 8 das atividades de
autoavaliao.
Seo 4 Resoluo de sistemas de equaes lineares

Nesta seo, voc vai estudar alguns mtodos clssicos
utilizados para a resoluo de sistemas de equaes lineares.
Todos eles consistem em transformar o sistema inicial em um
sistema equivalente por meio de operaes elementares. Para
tanto, utilizam a forma matricial do sistema e trabalham as
operaes sobre as linhas dessa matriz em vez de trabalhar com
equaes. Assim, podemos reescrever as operaes elementares:
Unidade 1 31
Operaes elementares sobre as linhas de uma matriz
I. Permutao de duas linhas: Li Lj, i = 1, , m e

j = 1, , m;
II. Multiplicao de uma linha por um nmero real k
diferente de zero: Li = kLi, i = 1, , m;
III. Substituio de uma linha por sua soma com outra
previamente multiplicada por um nmero real k
diferente de zero: Li = Li + kLj, i = 1, , m e j = 1, , m.
A matriz dos coeficientes do sistema na forma escalonada

tambm se apresenta na forma escalonada.
Uma matriz A = (aij)mn est na forma escalonada se:

1. Toda linha nula somente aparece abaixo de todas as
linhas no nulas (ou seja, daquelas que possuem pelo
menos um elemento no nulo chamado piv);
2. Cada piv est direita do elemento piv da prxima
linha.
Observao 1.2: se uma matriz satisfaz as condies 1, 2 e alm

disso:
todos os pivs so iguais a 1;

toda coluna que contm o piv em alguma linha tem
todos os seus outros elementos iguais a zero.
Dizemos que ela est na forma reduzida por linha.
Exemplos
1.22. So matrizes na forma escalonada reduzida por linha:
1 0 0 0 1
1 0 0 0 1 3 0 0
0 1 0 0 0
0 1 0 , 0 0 0 1 0 e 0 0 1 0 4
0 0 1 0 0 0 0 1
0 0 0 1 2
32
lgebra Linear
1.23. So matrizes na forma escalonada:
1 0 0 3 1
1 2 0 0 1 3 0 2
1 0 , e 0 4 0 7 0
, 0 1 1 0 0 0 3 3 0 0 1 1 4
0 1 0 0 1 0 0 0 0 0
0 0 0 1 2
Um pouco de histria
Johann Carl Friedrich Gauss (1777-1855) nasceu na Alemanha e
foi considerado por muitos como o maior gnio da histria da
Matemtica. Menino prodgio aos sete anos, surpreendeu um
professor ao calcular correta e rapidamente a soma de todos os
nmeros inteiros de 1 a 100, sem apresentar nenhum clculo por
escrito. (Veja no EVA qual o raciocnio utilizado por Gauss). Durante
sua vida, dedicou se a diversas reas da Matemtica e da Fsica.
Superou toda a matemtica at ento estudada ao propor rigor
nas demonstraes e por conta disso, o estudo da Matemtica e da
Astronomia progrediram e estas se tornaram reas caracterizadas
pela preciso. Aos 24 anos, publicou sua obra-prima Disquisi-tiones
Arithmeticae, na qual sintetizou o estudo da Teoria dos Nmeros e por
isso foi considerada por muitos como uma das maiores realizaes
matemticas.
Fonte: Anton e Rorres (2001).
Mtodo de eliminao de Gauss
O mtodo utiliza operaes elementares com as linhas da matriz

dos coeficientes do sistema, a fim de transform-la numa matriz
escalonada e encontrar a soluo do sistema atravs de retro-
-substituio das variveis.
Dado um sistema linear na forma matricial AX = B, podemos

descrever o mtodo de eliminao de Gauss atravs das
seguintes etapas:
Etapa 1: determinao da matriz aumentada do sistema [A|B];
Unidade 1 33
Etapa 2: transformao da matriz dos coeficientes A numa matriz

escalonada, aplicando as operaes elementares na matriz
aumentada. Para isso, seguiremos as seguintes fases:
Fase 1: localizar a coluna mais esquerda que no seja

toda constituda de zeros, coluna r;
Fase 2: permutar as linhas de maneira a obter um
elemento no zero na primeira linha da coluna r, por
exemplo, de modo que a1r 0. Cham-lo de piv e a
linha 1 de linha piv;
Fase 3: utilizar o piv para zerar todos os elementos
abaixo dele, ou seja, para cada i > 1, determinar
multiplicadores:
a
mir = ir para realizar as operaes Li = Li + (mir)L1
a1r
Fase 4: repetir as fases 2 e 3 na submatriz formada por

todas as linhas, exceto a primeira;
Fase 5: continuar o processo at que a matriz esteja na
forma escalonada.
Etapa 3: resolver o novo sistema obtido na etapa 2 por

retro-substituio.
Sem perda por generalidade, iremos apresentar esse mtodo

resolvendo exemplos.
Exemplos
1.24. Encontre a soluo do sistema abaixo, utilizando
eliminao de Gauss.
2 x1 + x2 + 3 x3 = 8

4 x1 + 2 x2 + 2 x3 = 4
2 x + 5x + 3x = 12
1 2 3
34
lgebra Linear
Etapa 1: Escrever a matriz aumentada do sistema:
2 1 3 8

[A|B] = 4 2 2 4
2 5 3 12
Etapa 2: transformar a matriz dos coeficientes em uma matriz na

forma escalonada, atravs de operaes com linhas na matriz
aumentada:
Fase 1: Identificar o elemento piv (primeiro elemento

diferente de zero da coluna 1); nesse exemplo, o elemento a11 = 2.
Piv
2 1 3 8 Linha Piv

[A|B] = 4 2 2 4
2 5 3 12
Utilizar o piv para zerar todos os elementos da primeira

coluna abaixo dele.
Para isso, definimos os seguintes multiplicadores:
a21 4 a 2
m21 = = = 2em31 = 31 = =1
a11 2 a11 2
E as operaes:
L2 = L2 + (m21)L1eL3 = L3 + (m31)L1
L2 = L2 + (2)L1eL3 = L3 + (1)L1
L2 : 4 2 2 4 L3 : 2 5 3 12
(2)L1 : 4 2 6 16 (1)L1 : 2 1 3 8
L2 : 0 0 4 12 L2 : 0 4 0 20
Que nos leva seguinte matriz:
2 1 3 8

[A|B]
= 0 0 4 12
0 4 0 20
Unidade 1 35
Fase 2: deixar de lado a primeira linha dessa nova matriz e

recomear o processo aplicado na fase 1 submatriz resultante.
Observe que o prximo elemento no nulo da segunda coluna
o elemento a32.
2 1 3 8

[A|B]
= 0 0 4 12
0 4 0 20
Piv
Nesse caso, a operao a ser realizada : L2 L3, para lev-lo

diagonal principal.
2 1 3 8

[A|B] 0 4 0 20
=
0 0 4 12
Como o elemento abaixo do piv a22 = 4 zero, j temos a matriz

dos coeficientes do sistema na forma escalonada.
Etapa 3: reescrevendo o sistema e utilizando a retrossubstituio,

obtemos:
2 x1 + x2 + 3 x3 = 8

4 x2 = 20
4 x3 = 12

cuja soluo (2, 5, 3)
1.25. Resolva o sistema:
1x1 + 2 x2 5 x3 + 3 x4 + 6 x5 =
14

2 x3 + 7 x5 =
12
2 x + 4 x 5x + 6 x 5x = 1
1 2 3 4 5
36
lgebra Linear
Etapa 1:
1 2 5 3 6 14

[A|B] 0 0 2 0 7 12
=
2 4 5 6 5 1
Etapa 2:
Piv
1 2 5 3 6 14 Linha Piv

[A|B] 0 0 2 0 7 12
=
2 4 5 6 5 1
Devemos utilizar a linha 1 para zerar o elemento a31 = 1 atravs

da seguinte operao:
L3 = L3 + (2)L1
L3 : 2 4 5 6 5 1
(2)L1 : 2 4 10 6 12 28
L3 : 0 0 5 0 17 29
1 2 5 3 6 14

[A|B] 0 0 2 0 7
= 12
0 0 5 0 17 29
Observando a submatriz resultante, recomeamos o processo

determinando o prximo piv:
Piv
1 2 5 3 6 14

[A|B] 0 0 2 0 7
= 12 Linha Piv
0 0 5 0 17 29
Unidade 1 37
A linha 2 a linha piv e o elemento a23 = 2, o elemento

piv, utilizado para zerar o elemento a33 com a operao:
5
L3 = L3 + ( )L
2 2
L3 : 0 0 5 0 17 29
35
(5/2)L2 : 0 0 5 0 2
30
1
L3 : 0 0 0 0 2
1

1 2 5 3 6 14

[A|B] 0 0 2 0 7 12
=
1
0 0 0 0 1
2
Como a matriz j est na forma escalonada, podemos reescrever

o sistema:
Etapa 3:

1x1 + 2 x2 5 x3 + 3 x4 + 6 x5 =14

2 x3 + 7 x5 =12
1
x = 1
2 5
1
x5
Utilizando a retrossubstituio: = = 2,
12
2x3 = 12 72 = 2 x3 = 1
x1 = 14 2x2 + 51 3x4 62 x1 = 7 2x2 3x4.
Observe que o sistema apresenta duas variveis livres, logo,

possui infinitas solues.
38
lgebra Linear
x2 x3 + x4 0
=

x1 + x2 + x3 + x4 6
=

2 x1 + 4 x2 + x3 2 x4 1
=
4 x x 3x + 3x 6
=
1 2 3 4
Etapa 1:
0 1 1 1 0

1 1 1 1 6
[A|B] =
2 4 1 2 1

4 1 3 3 6
Etapa 2:
Como o elemento a11, que seria o piv, igual a zero, temos que
procurar outro elemento na primeira coluna e permutar linhas.
De preferncia, escolha o nmero 1 para piv, assim os multipli-
cadores ficam mais simples. Veja que o elemento a21 igual a1,
assim podemos realizar a seguinte permutao:
L1 L2
Piv
1 1 1 1 6 Linha Piv

0 1 1 1 0
[A|B] =
2 4 1 2 1

4 1 3 3 6
Devemos utilizar a linha 1 para zerar os elementos a31 e a41 com

as seguintes operaes:
L3 = L3 + (2)L1eL4 = L4 + (4)L1
1 1 1 1 6

0 1 1 1 0
[A|B] =
0 2 1 4 13

0 5 7 1 18
Unidade 1 39
Sob a submatriz resultante, recomeamos o processo determi-

nando o prximo piv:
Piv
1 1 1 1 6

0 1 1 1 0 Linha Piv
[A|B] =
0 2 1 4 13

0 5 7 1 18
A linha 2 a linha piv e o elemento a22 = 1 o elemento piv,

utilizado para zerar os elementos a32 e a42 atravs das seguintes
operaes:
L3 = L3 + (2)L2eL4 = L4 + (5)L2
1 1 1 1 6

0 1 1 1 0
[A|B] =
0 0 3 2 13

0 0 2 6 18
O piv da prxima submatriz o elemento a33 = 3:
1 1 1 1 6

0 1 1 1 0
[A|B] =
0 0 3 2 13 Linha Piv

0 0 2 6 18
Piv
Para zerar elementos a43, realizamos a operao:

2
L4 = L4 + ( )L
3 3
1 1 1 1 6

0 1 1 1 0
[A|B] = 0 0 3 2 13

0 0 0 14
28
3 3
40
lgebra Linear
Reescrevendo o sistema:
Etapa 3:
x1 + x2 + x3 + x4 =
6

x2 x3 + x4 =
0
3 x3 2 x4 =
13

14 28
x4 =

3 3
Utilizando retrossubstituio: x4 = 2, x3 = 3, x2 = 1 e x1 = 4
1.27. Analise a soluo do sistema abaixo, utilizando eliminao

de Gauss.
x1 + 2 x2 3 x3 =0

2 x1 + 4 x2 2 x3 =
2
3x + 6 x 4 x = 3
1 2 3
A partir desse exemplo, vamos representar o mtodo

juntamente com a sequncia de operaes:
1 2 3 0
L = L 2 + ( 2)L1
[A|B]= 2 4 2 2 2
L 3= L 3 + ( 3)L1
3 6 4 3
1 2 3 0
5
0 0 4 2 L 3= L 3 + ( )L 2
4
0 0 5 3
1 2 3 0

0 0 4 2
1
0 0 0
2
Unidade 1 41
x1 + 2 x2 3 x3 = 0

4 x3 = 2

1
0 x1 + 0 x2 + 0 x3 = 2
Observe que a ltima equao uma equao degenerada com

b 0. Neste caso, o sistema no possui soluo.
2 x1 5 x2 + 3 x3 1
=

x1 + 3 x2 x3 2
=

11x2 5 x3 3
=
4x + x + x 5
=
1 2 3
2 5 3 1
1
1 3 1 2 L 2= L 2 + ( )L1
=[A|B] 2
0 11 5 3
L 4
= L 4
+ ( 2)L 1
4 1 1 5
2 5 3 1

0 11 5 3
L 3= L 3 + ( 2)L 2
2 2 2
0 L 4= L 4 + ( 2)L 2
11 5 3

0 11 5 3
2 5 3 1

0 11 5 3
2 2 2
0 0 0 0

0 0 0 0
Como a matriz na forma escalonada apresenta duas equaes

degeneradas com b = 0, elas podem ser eliminadas do sistema
sem alterar a soluo. A linha 2 pode ser multiplicada por 2,
para simplificar as fraes.
42
lgebra Linear
Portanto, temos o seguinte sistema:
2 x1 5 x2 + 3 x3 =
1

11x2 5 x3 =3
que admite infinitas solues, j que apresenta uma varivel

livre.
1.29. Utilize o mtodo de eliminao de Gauss para determinar

os valores de k, para que o sistema
x1 + x2 x3 =
1

2 x1 + 3 x2 + kx3 =
3
x + kx + 3 x = 2
1 2 3
seja:
a) possvel e determinado;
b) possvel e indeterminado;
c) impossvel.
Escrevendo a matriz aumentada e realizando as operaes

descritas:
1 1 1 1
L = L 2 + ( 2)L1
=[A|B] 2 3 k 3 2
L 3= L 3 + ( 1)L1
1 k 3 2
1 1 1 1

0 1 (2 + k ) 1 L 3= L 3 + ( k + 1)L 2
0 ( k 1) 4 1
1 1 1 1

0 1 (2 + k ) 1 =
k + +k + k + +
1 1 1 1

0 1 (2 + k ) 1
0 0 ( k 2 k + 6) ( k + 2)
Unidade 1 43
x1 + x2 x3 = 1

x2 + (2 + k )x3 = 1
( k 2 k + 6)x = ( k + 2)
3
Da ltima equao: (k + 3)(k 2)x3 = (k + 2) temos:
a) O sistema possvel e determinado se

(k +3)(k 2) 0, ou seja, k 3 e k 2.
b) O sistema possvel e indeterminado se
(k +3)(k 2) = 0, e (k + 2) = 0, ou seja, se (k = 3 ou k = 2)
e k = 2, concluindo: se k=2.
c) O sistema impossvel se (k +3)(k 2) = 0 e (k + 2) 0,
ou seja, (k = 3 ou k = 2) e k 2. Concluindo: se k = 3.
Observao 1.3: quando transformamos uma matriz dos coefi-

cientes de um sistema na forma escalonada reduzida por
linha, estamos aplicando o mtodo chamado eliminao de
Gauss-Jordan.
Um pouco de histria
Wilhem Jordan (1842-1899) nasceu na Alemanha e, em 1888, publicou
o livro Handbuch der Vermessungskunde, sua contribuio resoluo
de sistemas lineares. Foi engenheiro e se especializou em Geodsia.
Fonte: Anton e Rorres (2001)
Exemplos
1.30. Encontre a soluo do sistema, pelo mtodo de
Gauss-Jordan.
2 x1 + x2 + 3 x3 =8

4 x1 + 2 x2 + 2 x3 =
4
2 x + 5x + 3x = 12
1 2 3
44
lgebra Linear
Como j aplicamos o mtodo de eliminao de Gauss nesse

exemplo, veja exemplo 1.24, precisamos apenas continuar o
processo para transformar a matriz escalonada em uma matriz
escalonada reduzida por linha.
2 1 3 8

[A|B] 0 4 0 20
=
0 0 4 12
Para que essa matriz esteja na forma desejada:
1. Todos os pivs devem ser iguais a 1.
Assim, realizamos as seguintes operaes:

1 1 1
L1 = ( )L ,L = ( )L2eL3 = ( )L3
2 1 2 4 4
1 1 3 4
2 2
0 1 0 5

0 0 1 3
2. Toda coluna que contm o piv em alguma linha tem todos

os seus outros elementos iguais a zero. Para isso, aplicamos as
operaes:
1
L1 = L1 + ( )L
2 2
1 0 3 13
2 2
0 1 0 5

0 0 1 3
3
L1 = L1 + ( )L
2 3
1 0 0 2

0 1 0 5
0 0 1 3
Unidade 1 45
Observe que, por esse mtodo, a soluo do sistema est pronta

no vetor de termos independentes. Portanto, ao reescrever
o sistema, no precisamos utilizar retrossubstituio para
encontr-la.
x1 2
=

x2 = 5
x3 = 3

Mtodos de eliminao de Gauss e Gauss-Jordan para resolver

sistemas homogneos
Podemos aplicar os mtodos de eliminao de Gauss e Gauss-

Jordan para resolver sistemas lineares homogneos. Mas, nesse
caso, nenhuma das operaes elementares sobre as linhas altera
a coluna dos termos independentes, j que formada de zeros.
Consequentemente, o sistema de equaes correspondente
forma escalonada da matriz aumentada tambm deve ser um
sistema homogneo.
Com isso, a forma escalonada da matriz dos coeficientes de um

sistema homogneo garante que:
I. se o nmero de linhas no nulas for igual ao nmero de

variveis, o sistema tem apenas a soluo trivial;
II. se o nmero de linhas no nulas for menor que o
nmero de variveis, o sistema tem outras solues
alm da trivial.
Teorema 1.4: um sistema de equaes lineares homogneo com

mais variveis que equaes tem infinitas solues, j que ter
variveis livres.
Quando o sistema homogneo tiver o nmero de equaes

iguais ao nmero de variveis, uma ferramenta que pode ser
utilizada na anlise da sua soluo o determinante da matriz
dos coeficientes.
46
lgebra Linear
Se det A 0, ento o sistema compatvel e

determinado (s admite a soluo trivial);
Se det A = 0, ento o sistema compatvel e indetermi-
nado (admite a soluo trivial e outras prprias).
(Em que: det A o determinante da matriz dos coeficientes do

sistema).
Exemplos:
Analise a soluo dos seguintes sistemas homogneos:
x1 + 2 x2 3 x3 + x4 =
0

1.31. x1 3 x2 + x3 2 x4 =
0
2 x x 2 x + 5x = 0
1 2 3 4
Como o nmero de variveis maior que o nmero de

equaes, conclumos que o sistema apresenta outras solues
alm da soluo trivial (x1 = 0, x2 = 0, x3 = 0).
x1 + x2 x3 = 0

1.32. 2 x1 + 4 x2 x3 = 0
3x + 2 x + 2 x = 0
1 2 3
Como o nmero de equaes igual ao nmero de variveis,

podemos analisar a soluo do sistema de duas formas:
I. Encontrar a matriz dos coeficientes escalonada:
1 1 1
2 4 1 L 2= L 2 + (2)L1
L = L + (3)L
3 3 1
3 2 2
1 1 1
0 2 1 L = L + ( 1 )L
3 3
2
2
0 1 5
1 1 1
0 2 1

0 0 11
2
Unidade 1 47
como o nmero de linhas no nulas igual ao nmero de

variveis, o sistema possui apenas a soluo trivial.
Veja que, se reescrevermos o sistema:
x1 + x2 x3 =
0

2 x2 + x3 = 0

11
x =0
2 3
teremos apenas a soluo trivial (x1 = 0, x2 = 0, x3 = 0).
II. Utilizar o determinante da matriz dos coeficientes:
1 1 1
2 4 1 = 142 + 1(1)3 + (1)22 34(1) 12(1) 212
3 2 2
= 8 3 4 + 12 + 2 4 = 11 0
Segundo o teorema 1.4, o sistema apresenta apenas a soluo

trivial (x1 = 0, x2 = 0, x3 = 0).
x1 + x2 x3 = 0

1.33. 2 x1 3 x2 + x3 =
0
x 4x + 2x = 0
1 2 3
Tambm podemos analisar o sistema utilizando qualquer um

dos dois mtodos:
I. Encontrar a matriz escalonada da matriz dos coeficientes:
1 1 1
L = L 2 + ( 2)L1
2 3 1 2
L 3= L 3 + ( 1)L1
1 4 2
1 1 1 1 1 1

0 5 3 L 3= L 3 + ( 1)L 2 0 5 3
0 5 3 0 0 0
48
lgebra Linear
como a matriz dos coeficientes do sistema de 3 equaes e

3 variveis na forma escalonada apresenta uma linha nula,
conclumos que o sistema homogneo apresenta soluo no
trivial.
x1 + x2 x3 =
0

5 x2 + 3 x3 =
0
obtemos as solues: x2 = 2 x3, x1 = x3 x2 = x3 3 x3 = 2 x3, dessa

5 5 5
forma, x3 varivel livre, fazendo x3 = 0, encontramos a soluo
trivial: (x1 = 0, x2 = 0, x3 = 0). Mas como x3 pode assumir qualquer
valor, o sistema possui infinitas solues.
II. Utilizando o determinante da matriz dos coeficientes:
1 1 1
2 3 1 = 1(3)2 + 111 + (1)2(4)
1 4 2 1(3)(1) (4)11 221
=6+1+83+44=0
Portanto, o sistema homogneo apresenta soluo no trivial.
Matemtica e informtica
As aplicaes de resoluo de sistemas geralmente apresentam
sistemas muito grandes. Para isso, so usados softwares que, na
maioria das vezes, utilizam algoritmos baseados nos mtodos de
eliminao de Gauss ou de Gauss-Jordan.
Agora a sua vez!

Resolva as atividades de autoavaliao de 9 a 12.
Unidade 1 49
Seo 5 Matriz inversa e sistemas lineares

Nesta seo, voc vai estudar mais um mtodo utilizado para
encontrar soluo de sistemas lineares cujo nmero de variveis
igual ao nmero de equaes: o Mtodo da Matriz Inversa.
Antes de falarmos sobre esse mtodo, vamos rever um pouco

a lgebra dos nmeros reais. Dados dois nmeros reais a e b,
vimos que ab = ba, ou seja, o produto de nmeros reais satisfaz
a propriedade comutativa. Mas, para produto de matrizes, essa
propriedade nem sempre satisfeita.
Exemplos:
1.34. Dadas as matrizes:
1 3
1 3 0 1 2 3 3
A = 2 4 B= C= D=
2 1 2 (23) 3 2 (22) 0 1 (22)
5 2
(32)
Voc pode ver que os produtos AB, AC, CB, CD, DC, AD, DA,
DB e BA so possveis, j os produtos BC, BD, DA e CA no so
possveis, por causa das ordens das matrizes.
Veja, tambm, que:
5 6 6 10 4
3 5 4
=AB 6 10 8 AC 14 4
= CB =
1 17 4 11 6 7 7 4 (23)
(33) (32)
5 9 3 1 6 0
BA = CD = DC =
6 6 (22) 9 11 (22) 3 2 (22)
9 6 6
DB =
2 1 2 (23)
50
lgebra Linear
Concluses:
1. O fato do produto AC ser possvel no garante que o

produto CA seja possvel;
2. Apesar de os produtos AB e BA serem possveis, as
ordens das matrizes resultantes so diferentes.
3. Apesar dos produtos CD e DC serem possveis e as
matrizes resultantes apresentarem mesma ordem, isso
no garante que esses produtos sejam iguais.
O exemplo acima ilustra o fato de que a comutatividade, apesar

de ser uma lei vlida para a lgebra dos nmeros reais, no
obrigatoriamente vlida para o conjunto das matrizes. Voc
viu, em Geometria Analtica, as propriedades vlidas para a
adio de matrizes. Vejamos, agora, quais propriedades so
vlidas para o produto de matrizes.
Propriedades da multiplicao de matrizes
Suponha que as ordens das matrizes so tais que as operaes

indicadas podem ser efetuadas.
Associativa: A(BC) = (AB)C

Distributiva esquerda: A(B + C) = AB + AC
Distributiva direita: (A + B)C = AC + BC
Existncia do elemento neutro: AI = IA = A
Apesar de a comutatividade no ser uma lei sempre vlida

na multiplicao de matrizes, existe um caso especial no
qual essa validade se verifica.
Dada uma matriz quadrada A de ordem n, se pudermos

encontrar uma matriz B tambm de ordem n, tal que
AB=BA = In, ento dizemos que A invertvel e que B a
inversa de A. Caso no exista a inversa, dizemos que A
no invertvel. A inversa de matriz A denotada por A1.
Em que: In a matriz identidade de ordem n.
Unidade 1 51
Para determinar se uma matriz quadrada invertvel, ou

seja, se admite inversa, deve-se verificar se seu determi-
nante diferente de zero. A matriz s invertvel se seu
determinante for diferente de zero. Se a matriz no for
quadrada, no admite inversa.
Propriedades da matriz inversa
Se A uma matriz quadrada invertvel, as seguintes proprie-

dades so satisfeitas:
1. Sua matriz inversa nica: se B e C so ambas matrizes

inversas da matriz A, ento B = C.
2. Sua matriz inversa A1 tambm invertvel, e a inversa
dessa inversa (A1)1 igual prpria matriz A:
(A1)1 = A.
3. A inversa de sua transposta tambm invertvel e
igual transporta da inversa: (AT)1 = (A1)T.
4. O produto de sua inversa por sua transposta tambm
invertvel: existe (A1AT)1.
5. A inversa de seu produto por um nmero (diferente de
zero) igual ao produto do inverso desse nmero pela
sua matriz inversa: (nA)1 = n1A1.
6. Seu determinante diferente de zero: det A 0.
7. A matriz inversa do produto de matrizes invertveis
igual ao produto das inversas dessas matrizes com a
ordem trocada. (A1A2A3An)1 = An1A31A21A11.
8. A matriz inversa de uma matriz identidade de ordem n,
(In), a prpria matriz identidade de ordem n: (In)1 = In.
Voc pode estar pensando: mas como determinar a

matriz inversa de uma matriz quadrada?
52
lgebra Linear
Em Geometria Analtica, voc viu como determinar a matriz

inversa de uma matriz quadrada de ordem 2. Veremos, agora,
outro mtodo para determinar a matriz inversa de uma matriz
quadrada de qualquer ordem.
Determinao da matriz inversa atravs de operaes elementares
Uma matriz M chamada de matriz elementar se

pode ser obtida da matriz identidade In atravs de uma
nica operao elementar sobre linhas.
Teorema 1.5: se A uma matriz quadrada, o resultado da

aplicao de uma operao com as linhas de A o mesmo que
o resultado da multiplicao da matriz A pela matriz elementar
M correspondente mesma operao com linhas realizada na
matriz identidade de mesma ordem de A.
Exemplo
1.35. Dada a matriz
2 0 4

=A 3 1 2
1 5 3
1
Aplicando a operao L1 = L , obtemos:
2 1
1 0 2

=A1 3 1 2
1 5 3
Por outro lado, dada a matriz elementar:
1 0 0
2
M1 = 0 1 0

0 0 1
Unidade 1 53
obtida pelo produto da linha 1 da matriz identidade, multipli-

cada pela constante 1 .
2
Ao multiplicar a matriz elementar M1 pela matriz A dada,

obtm-se:
M1 A A1
=
1 0 0
2 2 0 4 1 0 2
0
1 0 3 1 = 2 3 1 2

0 0 1 1 5 3 1 5 3
Se aplicarmos, sobre a matriz A1 obtida, as seguintes operaes:
1 0 2
L 2= L 2 + ( 3)L1
A
= 3 0 1 8
L= L 3 + L1
3
0 5 5
Por outro lado, aplicando cada uma das operaes acima na

matriz identidade, obtemos as seguintes matrizes elementares:
1 0 0 1 0 0

M2 =
3 1 0 e M 3 =
0 1 0
0 0 1 1 0 1
Multiplicando M2 por A1, oobtemos A2:
M2 A1 A2
=
1 0 0 1 0 2 1 0 2

3 1 0 3 1 = 2 0 1 8
0 0 1 1 5 3 1 5 3
Agora, se multiplicarmos A2 por M3:
M3 A2 A3
=
1 0 0 1 0 2 1 0 2

0 1 0 0 1 8= 0 1 8
1 0 1 1 5 3 0 5 5
54
lgebra Linear
Portanto, podemos concluir que realizar operaes elementares

com uma matriz e multiplicar a mesma matriz por matrizes
elementares obtidas da matriz identidade sob a qual foram
efetuadas as mesmas operaes, obtemos a mesma matriz
resultante. Nesse exemplo, a matriz:
1 0 2

0 1 8
0 5 5
Os prximos teoremas so de extrema importncia para o

mtodo que iremos apresentar.
Teorema 1.6: qualquer matriz elementar invertvel e sua inversa

a matriz elementar que corresponde operao inversa da
efetuada pela primeira matriz elementar.
Teorema 1.7: se A uma matriz invertvel de ordem n, ento sua

matriz escalonada reduzida por linhas a matriz identidade In.
Teorema 1.8: se a matriz escalonada reduzida por linhas de uma

matriz A a matriz identidade In. Como, a cada operao com
linhas, corresponde uma multiplicao da matriz por uma
matriz elementar Mi, teremos:
I = MkMk1M2M1A = (MkMk1M2M1I)A
Logo:
A1 = MkMk1M2M1I
Em outras palavras: se uma matriz reduzida matriz

identidade atravs de uma sequncia de operaes elementares
com linhas, ento A invertvel e a matriz inversa de A obtida
aplicando-se, matriz identidade, a mesma sequncia de
operaes com linhas.
Unidade 1 55
Mtodo prtico para determinar a matriz inversa de uma matriz A
Como o objetivo do processo aplicar simultaneamente

operaes elementares na matriz A, a fim de transform-la
na matriz identidade In, e, na matriz identidade In, para trans-
form-la na matriz A1, podemos oper-las simultaneamente.
Para isso, escrevemos uma matriz na forma [A|In](n2n) e, ao
final da aplicao das operaes elementares, at que o lado
esquerdo esteja reduzido a In; o lado direito ser A1.
Exemplos:
1.36. Encontre a inversa da matriz dada:
2 1 0

=A 1 0 1
0 1 1
Processo:
2 1 0 1 0 0

A|I
= 1
3
0 1 0 1 0 L1 L 2
0 1 1 0 0 1
2 0 1 0 1 0

2 1 0 1 0 0 L 2= L 2 + ( 2)L1
0 1 1 0 0 1
1 0 1 0 1 0

0 1 2 1 2 0 L 3= L 3 + ( 1)L 2
0 1 1 0 0 1
1 0 1 0 1 0

0 1 2 1 2 0 L 3 = ( 1)L 3
0 0 1 1 2 1
1 0 1 0 1 0
L= L1 + L 3
0 1 2 1 2 0 L = L + ( 2)L
1
0 0 1 1 2 1 2 2 3
1 0 0 1 1 1

I 3 |A
1
0 1 0 1 2 2 =
0 0 1 1 2 1
56
0 1 2 1 2 0 L 3 =( 1)L 3
0 0 1 1 2 1
lgebra Linear
1 0 1 0 1 0
L= L1 + L 3
0 1 2 1 2 0 1
L 2= L 2 + ( 2)L 3
0 0 1 1 2 1
1 0 0 1 1 1

I 3 |A
1
0 1 0 1 2 2 =
0 0 1 1 2 1
Como a matriz dos coeficientes foi transformada na matriz

identidade, a matriz ao lado a inversa A1 da matriz A. Ou
seja:
1 1 1
1
A = 1 2 2
1 2 1
Veja que, se A1 inversa de A, ento o produto AA1 = A1A = I,

de fato:
A A 1 I
=
2 1 0 1 1 1 1 0 0

1 0 1 1 2 2 =0 1 0
0 1 1 1 2 1 0 0 1
1.37. Encontre a inversa da matriz B:
1 2 4

B =
1 1 5
2 7 3
Processo:
1 2 4 1 0 0
L= L 2 + L1
B|I 3 = 1 1 5 0 1 0 2
L 3= L 3 + ( 2)L1
2 7 3 0 0 1
1 2 4 1 0 0
L = L1 + ( 2)L 2
0 1 1 1 1 0 1
L 3= L 3 + ( 3)L 2
0 3 5 2 0 1
1 0 6 1 2 0
1
0 1 1 1 1 0 L3 = ( )L 3
2
0 0 2 5 3 1
1 0 6 1 2 0
L= L1 + 6L 3
0 1 1 1 1Unidade01 1
L 2= L 2 + ( 1)L 3
57
0 0 1 5 3 1
B|I 3 = 1 1 5 0 1 0
L 3= L 3 + ( 2)L1
2 7 3 0 0 1
1 2 4 1 0 0
L = L1 + ( 2)L 2
0 1 1 1 1 0 1
L 3= L 3 + ( 3)L 2
0 3 5 2 0 1
1 0 6 1 2 0
1
0 1 1 1 1 0 L3 = ( )L 3
2
0 0 2 5 3 1
1 0 6 1 2 0
L= L1 + 6L 3
0 1 1 1 1 0 1
L 2= L 2 + ( 1)L 3
0 0 1 5 3 1
2 2 2
1 0 0 16 11 3

0 1 0 7 2 5 1 = I |B1
2 2 3

0 0 1 5 3 1
2 2 2
Logo, a matriz B1 inversa da matriz B :
16 11 3

B1 = 7 5 1
2 2 2

5 3 1
2 2 2
Efetuando o produto BB1:
B B1 I
=
1 2 4 16 11 3 1 0 0

1 1 5 72 5 1 =0 1 0

2 2
2 7 3 0 0 1
5 3 1
2 2 2
1.38. Determine M1 se M dada por:
2 1 0 0

1 0 1 1
M=
0 1 1 1

1 0 0 3
58
lgebra Linear
Processo:
2 1 0 0 1 0 0 0

1 0 1 1 0 1 0 0
=M|I 4 L 2 L1
0 1 1 1 0 0 1 0

1 0 0 3 0 0 0 1
1 0 1 1 0 1 0
0

2 1 0 0 1 0 0 L 2= L 2 + ( 2)L1
0

0 1 1 1 0 0 0 L=
1 4
L 4 + L1

1 0 0 3 0 0 0
1
1 0 1 1 0 1 0 0

0 1 2 2 1 2 0 0
L 3= L 3 + ( 1)L 2
0 1 1 1 0 0 1 0

0 0 1 4 0 1 0 1
1 0 1 1 0 1 00

0 1 2 2 1 2 00
L3 = ( 1)L 3
0 0 1 3 1 2 01

0 0 1 4 0 1 0
1
1 0 1 1 0 1 0 0
L= 1
L1 + L 3
0 1 2 2 1 2 0 0
L 2= L 2 + ( 2)L 3
0 0 1 3 1 2 1 0
L= 4
L4 + L3
0 0 1 4 0 1 0 1
1 0 0 2 1 1 1 0
L1 = L1 + 2L 4
0 1 0 4 1 2 2 0
L 2= L 2 + ( 4)L 4
0 0 1 3 1 2 1 0
L= 3
L 3 + 3L 4
0 0 0 1 1 1 1 1
1 0 0 0 3 3 3 2

0 1 0 0 5 6 6 4
= I 4 |M 1
0 0 1 0 4 5 4 3

0 0 0 1 1 1 1 1
Unidade 1 59
Portanto, a matriz M1 :
3 3 3 2

1 5 6 6 4
M =
4 5 4 3

1 1 1 1
Resoluo de sistemas e matriz inversa
Dado um sistema de equaes lineares com n equaes e n

variveis, na forma matricial, cuja matriz dos coeficientes A
invertvel, o mtodo consiste em resolver a equao matricial
AX=B, utilizando a inversa A1 da matriz A dos coeficientes.
Ou seja:
Se AX=B, multiplicando ambos os lados da igualdade pela

matriz A1 inversa de A:
A1AX = A1B
InX = A1B
X = A1B
Ou seja, a soluo do sistema, ser obtida pelo produto da

matriz A1 inversa de A, pelo vetor de termos independentes B.
Exemplos
1.39. Resolva o seguinte sistema pelo mtodo da matriz inversa:
2 x1 + x2 =
8

S= x1 x3= 4
x +x = 1
2 3
60
lgebra Linear
Escrevendo na forma matricial
2 1 0 x1 8

1 0 1 . x2 = 4
0 1 1 x3 1
Para resolver o sistema pelo mtodo da matriz inversa,

precisamos encontrar a matriz inversa da matriz dos coefi-
cientes.Mas observe que:
2 1 0

=A 1 0 1
0 1 1
a matriz cuja matriz inversa foi determinada no

exemplo 1.36 anterior, ou seja:
1 1 1
1
A = 1 2 2
1 2 1
Assim, a soluo do sistema dada por:
x1 1 1 1 8 3

x2 = 1 2 2 . 4 = 2
x3 1 2 1 1 1
Logo: x1 = 3, x2 = 2 e x3 = 1.
Qual a vantagem de se aplicar o mtodo da matriz

inversa, j que encontrar a inversa de uma matriz para
depois encontrar a soluo do sistema pode ser mais
trabalhoso do que aplicar o mtodo de Gauss?
A convenincia de se aplicar esse mtodo est relacionada

ao problema que se quer resolver por meio da soluo do
sistema. O caso mais importante quando se tem um conjunto
Unidade 1 61
de sistemas, tais que as matrizes dos coeficientes sejam todas

iguais, variando apenas os termos independentes, pois, assim,
basta calcular a inversa de uma nica matriz, com a qual se
resolvero todos os sistemas.
Exemplos
1.40. Resolva os sistemas
2 x1 + x2 + 7 x3 =
b1

x1 + 3 x2 + 2 x3 =
b2
5x + 3x + 4 x = b3
1 2 3
1) Para b1 = 16; b2 = 5; b3 = 11 e para b1 = 3; b2 = 5; b3 = 5 pelo

mtodo da matriz inversa:
A matriz dos coeficientes do sistema :
2 1 7

A = 1 3 2
5 3 4
Determinao da inversa A1.
2 1 7 1 0 0

= A|I 3 1 3 2 0 1 0 L1 L 2
5 3 4 0 0 1
1 3 2 0 1 0
L = L 2 + ( 2)L1
2 1 7 1 0 0 2
L 3= L 3 + ( 5)L1
5 3 4 0 0 1
1 3 2 0 1 0
1
0 5 3 1 2 0 L 2 =( )L 2
5
0 12 6 0 5 1
1 3 2 0 1 0
L1= L1 + ( 3)L 2
0 1 3 5 1 5 2 5 0
L= 3
L 3 + 12L 2
0 12 6 0 5 1
1 0 19 3 1 0
5 5 5
0 5
1 3 1 2 0 L3 =( )L 3
5 5 5 66
66 12 1
62 0 0
5 5 5
1

1 0 19 3 1 0
2
5 2
0 12 6 0 5 1
lgebra Linear
1 3 2 0 1 0
L1= L1 + ( 3)L 2
0 1 3 5 1 5 2 5 0
L=3
L 3 + 12L 2
0 12 6 0 5 1
1 0 19 3 1 0
5 5 5
0 5
1 3 1 2 0 L3 = ( )L 3
5 5 5 66
66 12 1
0 0
5 5 5
1

1 0 19 3 1 0
5 5 5 L1= L1 + ( 19 )L 3
0 1 3 1 2 0 5
5 5 5 3
2 1 5 L= L2 + L3
0 0 1 2
11 66 66 5
1 0 0 1 17 19
11 66 66
0 1 0 1 27 1 = I |A 1
11 66 22 3
5
0 0 1 2 1
11 66 66
Observe que a matriz A1
1 17 19
11 66 66

A = 1
1 27 1
11 66 22
2 1 5
11 66 66
ser utilizada para determinar a soluo do sistema para cada

um dos vetores independentes.
16 3

Chamando B1 =
5 e B2 =
5
11 5
Logo:
A 1 B1 X1
=
1 17 19
11 66 66 16 3
1 27 1
5 = 4
11 66 22
2 1 5 11 2
11 66
66
Unidade 1 63
A 1 B2 X2
=
1 17 19
11 66 66 3 3
1 27 1
5 = 2
11 66 22
2 1 5 5 1
11 66
66
Portanto, para B1, a soluo (3, 4, 2) e, para B2, a soluo

(3,2,1).
Sntese
Voc estudou, nesta unidade, um assunto de extrema
importncia, no apenas para a lgebra linear, mas aplicado
diversas reas: Sistemas Lineares. Voc pde conhec-los,
aprender as formas de representao e analisar sistemas
lineares atravs do estudo das solues. Os mtodos de Gauss
so os mais aplicados, tanto para encontrar soluo de sistemas
pequenos quanto de grande porte atravs de softwares que
os implementam. Esses mtodos utilizam escalonamento de
matrizes, que tem como principal ideia, transformar a matriz
dos coeficientes de um sistema em uma matriz na forma
escalonada; para isso, voc conheceu as operaes elementares
utilizadas nesse processo e viu que essas operaes no alteram
a soluo do sistema. Ao estudar matriz inversa de uma matriz
quadrada qualquer, voc teve contato com outra ferramenta
que tambm obtida por escalonamento e utilizada em
diversas aplicaes.
64
lgebra Linear
Atividades de autoavaliao
Use folhas adicionais para os clculos.
1. Determine quais das equaes abaixo so lineares, justifique e

indique as suas variveis.
a) x1 = 5x2 + 4x3 + x4 = 9
b) sen x 2y + 4z = 0
c) x y =5
d) x 3y + z 2t + 5 = 0
2. Encontre uma soluo para a equao linear 3x 2y + z = 2.
3. Determine o valor de m para que (1, 0, 2) seja soluo da

equao 2x + 3y + mz = 1.
4. Escreva a matriz aumentada de cada um dos seguintes

3 x1 2 x2 = 1 x1 + 3 x2 x3 = 3

a) 5 x1 + x2 = 7 b) 2 x1 + x2 + 3 x3 = 11
4 x x = 4 x + 3x + 2 x =
1 2 2 1 2 3
9
5. Escreva o sistema de equaes lineares que correspondem s

seguintes matrizes aumentadas:
2 0 2 1 1 2 0 1 1 1

a) 3 1 4 7 b) 0 3 1 0 1 2
6 1 1 0 0 0 1 7 0 1
Unidade 1 65
6. Resolva os seguintes sistemas:
x1 + 2 x2 4 x3 = 4 x1 + 2 x2 3 x3 =
1

a) x2 + x3 = 3 c) x2 2 x3 =
2
5 x3 = 5 2 x2 4 x3 =
4

4 x + x2 3 x3 + 2 x4 =
5
b) 1
x3 4 x4 =
2
7. Verifique se os sistemas S1 e S2 so equivalentes:
3 x + 6 x2 =
42 x + 2 x2 =14
S1 = 1 S2 = 1
2 x1 4 x2 =
12 x1 2 x2 =
6
8. Calcule o valor de a e b sabendo-se que os sistemas S1 e S2

so equivalentes:
ax + x2 = 3a 5 x 3 x2 =1
S1 = 1 S2 = 1
x1 2bx2 =5a x1 + 2 x2 =5
9. Identifique quais das matrizes abaixo esto na forma

escalonada reduzida por linhas. Justifique.
1 5 0 3 0
1 0 0
1 0 1 3 0 1 0 2 3
a) 0 1 0 b) c)
0 0 0 0 1 0 1 1 2
0 0 0
0 0 0 0 0
66
lgebra Linear
10. Resolva os sistemas seguintes pelo mtodo de eliminao de

Gauss.
x1 2 x2 + 4 x3 =2 x1 3 x2 2 x3 + 4 x4 = 5

a) 2 x1 3 x2 + 5 x3 =
3 c) 3 x1 8 x2 3 x3 + 8 x4 =
18
3x 4 x + 6 x = 7 2 x 3x + 5x 4 x = 19
1 2 3 1 2 3 4
x1 x2 + 2 x3 x4 4
=
x1 + x2 + 2 x3 = 8
2 x1 + x2 + x3 x4 1
=
b) x1 2 x2 + 3 x3 =
1 d)
3x 7 x + 4 x = 10 x1 + 2 x2 4 x3 + x4 =7
1 2 3
3x 2 x4 1
=
1
11. Resolva os sistemas do exerccio 10 pelo mtodo de

Gauss-Jordan.
12. Resolva os sistemas homogneos a seguir:
2 x1 x2 3 x3 =
0 2 x1 + 4 x2 5 x3 + 3 x4 =
0

a) x1 + 2 x2 0
= b) 3 x1 + 6 x2 7 x3 + 4 x4 =
0
x2 + x3 =0 5 x + 10 x 11x + 6 x = 0
1 2 3 4
13. Dado o par de matrizes a seguir, encontre uma matriz

elementar M tal que MA = B.
2 1 3 2 1 3

A=
2 4 5 e B =
3 1 4
3 1 4 2 4 5
Unidade 1 67
ax + by =
1
14. Dado o sistema: , mostre que:
cx + dy =
0
I. Se ad bc 0, o sistema tem a soluo nica

d c
x= ,y= ;
( ad bc ) ( ad bc )
II. Se ad bc = 0, c 0 ou d 0, o sistema no tem soluo.
15. Utilize o determinante de cada matriz dada para verificar se

ela invertvel:
1 3 0
1 0 2 1
a) b) c) 0 0 0
0 3 3 7 1 2 3
16. Determine todos os valores de a e b para que a matriz abaixo

seja invertvel.
2 0
A=
0 b a + 3
17. Determine a matriz inversa, pelo mtodo prtico de escalo-

namento, de cada uma das matrizes dadas.
3 3 3 2
1 0 0
5 6 2 4
a) A =
1 1 0 c) C =
4 5 4 3
1 1 1
1 1 1 1
3 4 1

b) B = 1 0 3
2 5 4
68
lgebra Linear
18. Resolva os seguintes sistemas pelo mtodo da matriz

inversa:
2x + y z = a para:

S1 = 5 x + 2 y 3 z = b a)(a = 1, b = 2, c = 3)
y + 2z = c
b)(a = 1, b = 0, c = 8)
x + 2y z 1
=

y 3z + w = 1
S2 =
x + 3 y + z 2w = 2
x + 4 y 2 z + 4 w =
0
Saiba mais
Recomendamos o livro lgebra Linear com Aplicaes, de
Steven J. Leon, que apresenta contedo sobre resoluo de
sistemas, alm de aplicaes utilizando o software MATLAB.
Para quem conhece a ferramenta, uma boa experincia.
Unidade 1 69
UNIDADE 2
Espao vetorial 2
Identificar um espao vetorial.
Associar sistemas a matrizes.
Interpretar e provar que um determinado conjunto um subespao
vetorial.
Fazer a combinao linear entre vetores de um espao vetorial.
Identificar quando um conjunto de vetores linearmente indepen-
dente ou linearmente dependente.
Encontrar a base e a dimenso de um espao vetorial.
Sees de estudo
Seo 1 Espao vetorial
Seo 2 Subespao vetorial
Seo 3 Combinao linear
Seo 4 Subespao gerado
Seo 5 Dependncia e independncia linear
Seo 6 Base e dimenso

Nesta unidade, voc ir se familiarizar com os chamados
espaos vetoriais. Vale ressaltar que a palavra espao, aqui,
quer dizer um conjunto e a palavra vetorial usada para se
remeter s propriedades dos vetores. Assim, um espao vetorial
um conjunto que admite as propriedades dos vetores. Alguns
conjuntos (espaos) aqui estudados so:
R2 = {(x,y) | x IR; y IR}

R3 = {(x,y,z) | x,y,z IR}
M(m,n): conjunto das matrizes de ordem mn.
Pn = [a0 + a1x + a1x2 + + anxn; a0, a1, ,an IR}: conjunto dos
polinmios de grau n.
Quais so as propriedades referentes a vetores?

Relembre: dados os vetores u, v e w e os escalares a e b, temos
quatro propriedades referentes soma de vetores e quatro
propriedades referentes multiplicao por escalar.

a) u + (v + w) = (u + v) + w (associativa para a soma);

b) u + v = v + u (comutativa para a soma);

c) Existe o vetor 0 , tal que u + 0 = 0 + u = u (existncia do
elemento neutro);

d) Existe o vetor u, tal que u + u = u + (u) = 0 (existncia
do elemento oposto);

e) a(u + v) = au + av (distributiva para soma de vetores);

f) (a + b)u = au + bu (distributiva para soma de escalares);

g) a(bu) = (ab)u;

h) 1u = u.
72
lgebra Linear
De maneira geral, voc estudar conjuntos, e definiremos uma

operao de soma e uma operao de multiplicao por escalar
entre seus elementos, tal que as propriedades acima citadas
sejam satisfeitas. Esses conjuntos recebem o nome de espaos
vetoriais.
Seo 1 Espao vetorial

No incio da unidade, voc j teve uma ideia, mesmo que
informal, do significado de espao vetorial. Neste momento,
formalizaremos este conceito.
Um espao vetorial real V um conjunto, no vazio, no qual so

definidas duas operaes:
Soma (+): V V V
Multiplicao por escalar (): R V V
tais que para quaisquer u, v e w V e a e b IR, as seguintes

propriedades so satisfeitas:
A1) u + (v + w) = (u + v) + w
A2) u + v = v + u
A3) Existe 0 V, tal que u + 0 = 0 + u = u
A4) Existe u V, tal que u + u = u + (u) = 0
M1) a(u + v) = au + av
M2) (a + b)u = au + bu
M3) a(bu) = (ab)u
M4) 1u = u
Na propriedade A3, o zero ali exposto no o zero

nmero real, e sim o elemento neutro do conjunto V.
Observe que esse elemento depende do conjunto V, por
exemplo, se V = R2, ento 0 = (0,0).
Unidade 2 73
Observao 2.1:
1) A operao soma (+): V V V indica que dados u V e
vV, ento u + v V e a operao multiplicao por escalar ():
R V V indica que dados a R e u V, ento au V.
2) Se os escalares a e b forem nmeros complexos, temos um

espao vetorial complexo.
3) A partir de agora, todo elemento pertencente a um espao

vetorial ser chamado de vetor. Por exemplo, se o espao
vetorial for V = M(2,2), ento os vetores desse espao sero
matrizes.
Um pouco de histria
O primeiro matemtico a introduzir o conceito de espao vetorial foi
o alemo Hermann Grassmann (1809-1877). O matemtico italiano
Giuseppe Peano (1858-1932) foi quem tornou claro os trabalhos do
alemo. A definio dos axiomas feita por Peano s foi aceita em 1918,
em um trabalho do matemtico Hermann Weyl (1885-1955).
Exemplos
2.1. Prove que o conjunto dos vetores no plano
V = R2 = [(x,y); x, y IR} um espao vetorial.
Primeiramente, vamos definir as operaes de soma e multipli-

cao por escalar no R2.
(+): (x1, y1) + (x2, y2) = (x1 + x2, y1 + y2)

(): a(x, y) = (ax, ay)
Essas so as operaes usuais no R2 que voc conheceu na

Geometria Analtica.
Necessitamos agora mostrar que as oito propriedades so

verdadeiras. Lembre-se de que, quando queremos provar que
algo verdadeiro, o fazemos com elementos genricos e no
com exemplos. Podemos proceder de duas maneiras:
74
lgebra Linear
1. Sair de um lado da igualdade e chegar ao outro lado da

igualdade; ou
2. desenvolver ambos os lados ao mesmo tempo e mostrar
que so iguais.
Sejam, ento, u = (x1, y1), v = (x2, y2) e w = (x3, y3) vetores de R2 e

aeb IR.
A1)
usando a definio de
u = (v + w) = (x1, y1) + ((x2, y2) + (x3, y3)) soma
usando a definio de
= (x1, y1) + (x2 + y2, x3 + y3) soma
associando as
= (x1 + (x2 + x3), (y1 + (y2 + y3) coordenadas
usando a definio de
= ((x1 + x2) + x3, (y1 + y2) + y3) soma
usando a definio de
= (x1 + x2, y1 + y2) + (x3 + y3) soma
= ((x1, y1) + (x2, y2)) + (x3, y3)
= (u + v) + w.
Note que usamos a definio de soma nos dois sentidos.
A2)
u + v = (x1, y1) + (x2, y2) usando a definio de soma
= (x1 + x2, y1 + y2) comutando as coordenadas
= (x2 + x1, y2 + y1) usando a definio de soma
= (x2, y2) + (x1, y1)

=v+u
Para provar a associatividade entre os elementos do conjunto,

em algum momento, a usamos entre as coordenadas dos
elementos. Idem para a comutatividade.
Unidade 2 75
A2)Seja 0 = (0,0), ento para todo u R2, temos:
u + 0 = (x1, y1) + (0,0) usando a definio de soma
= (x1 + 0, y1 + 0)
= (x1, y1) = u
A4)Para todo u = (x1, y1) R2, existe (u) = (x1, y1), tal que:
u + u = (x1, y1) + (x1, y1) usando a definio de soma
= (x1 + x1, y1 + y1)

= (0, 0) = 0.
M1)
a(u + v) = a((x1, y1) + (x2, y2)) usando a definio de soma

usando a definio de produto
= a((x1 + x2, y1 + y2) por escalar
= (a(x1 + x2), a(y1 + y2)) distributiva nas coordenadas
= (ax1 + ax2, ay1 + ay2) usando a definio de soma

= (ax1, ay1) + (ax2, ay2) por escalar
= a(x1, y1) + a(x2, y2)
= au + av
M2)

(a + b)u = (a + b)(x1, y1) por escalar
= ((a + b)x1, (a + b)y1) distributiva nas coordenadas
= (ax1 + bx1, ay1 + by1) usando a definio de soma

= (ax1, ay1) + (bx1, by1) por escalar
= a(x1, y1) + b(x1, y1)
= au + bu
76
lgebra Linear
M3)

a(bu) = a(b(x1, y1)) por escalar para b
= a(bx1, by1) por escalar para a
= (a(bx1), a(by1) associando as coordenadas
= ((ab)x1, (ab)y1) por escalar para ab
= (ab)(x1, y1)
= (ab)u
M4)

1u = 1(x1, y1) por escalar
= (1x1, 1y1)
= (x1, y1) = u
Como as oito propriedades foram satisfeitas, ento V = R2 um

espao vetorial com as operaes de soma e multiplicao por
escalar usuais.
De maneira geral, o espao V = Rn = {(x1, x2, , xn); xi IR} um

escalares usuais.
(+): (x1, x2, , xn) + (y1, y2, , yn) = (x1 + y1, x2 + y2, , xn + yn)
(): a(x1, x2, , xn) = (ax1, ax2, , axn)
2.2. Verifique se o conjunto de vetores no espao

V = R3 = [(x, y, z); x, y, z IR} um espao vetorial com as
operaes de soma e multiplicao por escalar definidas como:
: (x1, y1, z1) + (x2, y2, z2) = (x1 + x2, y1 + y2, z1 + z2)
: a(x, y, z) = (0, 0, 0)
Unidade 2 77
Observao 2.2: Geralmente, quando no tratamos com as

operaes usuais, usamos os smbolos e . Lembre-se, pelo
exerccio anterior, que se as operaes so usuais, ento V = R3
um espao vetorial, o que no o caso aqui.
Como a operao de soma a usual, as propriedades A1, A2, A3

e A4 so satisfeitas, como vimos no exemplo 2.1. Para a multipli-
cao por escalar, devemos testar, para conferir se no h falhas.
Vamos provar as propriedades, desenvolvendo seus dois lados.
M1)
usando a definio de soma

a(u + v) = a((x1, y1, z1) + (x2, y2, z2)) usual
= a((x1 + x2, y1 + y2, z1 + z2) por escalar
= (0, 0, 0)
Por outro lado, temos a u + a v = a ( x1, y1 , z1 ) + a ( x2 , y2 , z2 )

au + av = a(x1, y1, z1) + a(x2, y2, z2) por escalar
= (0, 0, 0) + (0, 0, 0)
= (0, 0, 0)
Logo, a(u + v) = au + av.
M2)

(a + b)u = (a + b)(x1, y1, z1) por escalar
= (0, 0, 0)
Desenvolvendo o outro lado, temos:

au + bu = a(x1, y1, z1) + b(x1, y1, z1) por escalar
usando a definio de soma
= (0, 0, 0) + (0, 0, 0) usual
= (0, 0, 0)
Logo, (a + b)u = au + bu.
78
lgebra Linear
M3)

a(bu) = a(b(x1, y1, z1)) por escalar para b
= a(0, 0, 0) por escalar para a
= (0, 0, 0)
Do outro lado, temos:

(ab)u = (ab)(x1, y1, z1)) por escalar
= (0, 0, 0)
Logo, a(bu) = (ab)u.
M4)
usando a definio de produto por

1u = 1(x1, y1, z1) escalar
= (0, 0, 0) u
Portanto, a propriedade M4 falhou, logo o conjunto V = R3 com

as operaes e , definidas anteriormente, no um espao
vetorial.
Se voc perceber que alguma propriedade falha, no h

necessidade de fazer as outras, v direto ao problema.
Agora a sua vez!

Faa os exerccios 1 e 2 das atividades de autoavaliao.
Unidade 2 79
Seo 2 Subespao vetorial

Nesta seo, voc estudar espaos vetoriais dentro de espaos
vetoriais, ou seja, os chamados subespaos vetoriais.
Ser que, para mostrar que um subconjunto W de um

espao vetorial V um subespao vetorial, necessrio
verificar os oito axiomas da definio?
Felizmente, no! Basta analisar com cuidado o que acontece.
Se V um espao vetorial e quisermos mostrar que o

subconjunto W de V um subespao vetorial, as propriedades
A1, A2, M1, M2, M3 e M4, j so vlidas automaticamente para W,
pois, se elas so vlidas para todos os vetores de V, consequen-
temente valem, para todos os vetores de W, j que todo vetor de
W um vetor de V. Dizemos que essas propriedades so here-
ditrias. Mas observe que, apesar de W ser um subconjunto do
espao vetorial V, esse subconjunto pode no conter o vetor nulo
ou o vetor oposto de um vetor qualquer. Portanto, precisamos
apenas garantir a existncia do vetor nulo e do vetor oposto no
subconjunto W de V. O teorema a seguir estabelece a condio
para um conjunto ser um subespao vetorial.
Teorema 2.1: seja V um espao vetorial. Um subconjunto W, no

vazio, um subespao vetorial de V se forem satisfeitas as
seguintes condies:
a) Para todo u, v W, tem-se: u + v W.

b) Para todo u W e a IR, tem-se: au W.
Com isto, garantimos as oito propriedades de espao vetorial.

De fato, pela condio (b), au W para todo a IR. Em
particular se a = 0, ento 0u = 0 W, ou seja, isto garante a
existncia do elemento neutro, portanto a propriedade A3
satisfeita. Particularmente tambm, se tomarmos a = 1, ento
80
lgebra Linear
(1)u=uW, ou seja, garante a existncia do vetor oposto,

propriedade A4. As outras propriedades so hereditrias, como
comentamos anteriormente.
Interpretao Geomtrica
Podemos usar algumas interpretaes geomtricas para mostrar

preliminarmente alguns conjuntos que no so subespaos
vetoriais e alguns conjuntos que, ao que tudo indica, satisfazem
as condies (a) e (b) do Teorema 2.1. Faremos uso de softwares
para apresentar essa interpretao em alguns exemplos, acom-
panhe-os a seguir.
Exemplo 2.3: seja V = R2 e W = {(x, y) R2; y = x2}. Vamos verificar

geometricamente que W no um subespao vetorial. Perceba
que geometricamente o subconjunto W uma parbola. Todo
conjunto tem uma propriedade que determina seus elementos.
Propriedade de W: Cada vetor u = (x, y) de W tem a propriedade de que a

segunda coordenada o quadrado da primeira.
14
12
10
5 4 3 2 1 1 2 3 4 5 x
2
Figura 2.1 - Representao da Parbola.
Unidade 2 81
Representando dois vetores do conjunto W, ou seja, dois vetores

que satisfaam a propriedade de W, por exemplo u = (1, 1) e
v=(2, 4).
14
12
10
5 4 3 2 1 1 2 3 4 5 x
2
Figura 2.2 - Representao dos Vetores e da Parbola.
Perceba, na representao grfica da Figura 2.2, que os vetores

tm extremidades sobre a parbola. De acordo com o teorema
2.1, para que W seja subespao vetorial de V, este deve conter a
soma de dois vetores quaisquer do subconjunto W, o que no
ocorre neste exemplo.
14
12
10
5 4 3 2 1 1 2 3 4 5 x
2
Figura 2.3 - Representao dos Vetores e da Parbola.
82
lgebra Linear
Veja que o vetor w = (1, 5) no tem extremidade na parbola,

assim provamos, atravs de um contraexemplo e geometrica-
mente, que o subconjunto W no um subespao vetorial, pois
falha a propriedade (a). claro que poderamos provar isto
apenas algebricamente, sem a necessidade dos esboos.
Quando queremos provar que um determinado conjunto

W no um subespao, basta dar um contra-exemplo, que
mostrar, por meio de um exemplo, que uma das proprie-
dades de subespao falha, como feito no exemplo acima.
Acompanhe mais um exemplo interpretando-o

geometricamente.
Exemplo 2.4: seja V = R2 e W = {(x, y) R2; y = 3x}.

Geometricamente, este conjunto uma reta passando pela
origem.
Propriedade de W: Cada vetor u = (x, y) tem a propriedade de que a

segunda coordenada o triplo da primeira.
Fazendo a representao grfica desta reta.
20
15
10
10 8 6 4 2 2 4 6 8 10 x
5
10
15
20
Figura 2.4 - Representao da Reta.
Unidade 2 83
Tomando dois elementos pertencentes a W, por exemplo

u=(1,3) e v = (2, 6), e fazendo a soma u + v = (1, 3).
Escolhendo, por exemplo, = 3, o vetor u = (3, 9).
Geometricamente:
20
15
10
10 8 6 4 2 2 4 6 8 10 x
5
10
15
20
Figura 2.5 - Representao da Reta e de Vetores.
Pelo exemplo 2.4, percebe-se que o vetor soma w (propriedade

(a)) e o vetor multiplicao por escalar z (Propriedade (b))
continuam pertencendo ao conjunto W, mas, infelizmente, isso
no suficiente para provar que W um subespao vetorial,
pois podem existir outros dois vetores desse conjunto, cuja soma
no pertena a ele, ou pode existir um outro escalar que no
seja o3, cuja multiplicao por escalar dele por um vetor do
conjunto tambm no pertena a W. Seria necessrio verificar
vetor por vetor e escalar por escalar que as propriedades (a) e (b)
so vlidas. Uma tarefa um tanto rdua e impossvel de realizar.
O que fazer ento para provar que um determinado

conjunto realmente um subespao vetorial?
84
lgebra Linear
Se voc pensou que se deve provar as propriedades usando

dois vetores genricos quaisquer, acertou!
No exemplo 2.4, tudo indica que o conjunto um subespao

vetorial, vamos verificar?
Exemplos
2.5. Prove que o conjunto W = {(x, y) R2; y = 3x} um
subespao vetorial.
Tomemos elementos genricos desse conjunto com a

propriedade do conjunto.
a) Sejam u = (x1, 3x1) W e v = (x2, 3x2) W.

Provemos que u + v W.
u + v = (x1, 3x1) + (x2, 3x2)

= (x1 + x2, 3x1 + 3x2)
= (x1 + x2, 3(x1 + x2))
= (x, 3x), em que x = x1 + x2
Como u + v, satisfaz a propriedade do conjunto, j que a

segunda coordenada o triplo da primeira, para todo u, v W
segue que u + v W.
b) Sejam u = (x1, 3x1) W e IR. Provemos que u W.
u = (x1, 3x1)
= (x1, (3x1))
= (x1, 3(x1))
= (x, 3(x)), em que x = x1
Como u satisfaz a propriedade do conjunto, j que a segunda

coordenada o triplo da primeira, para todo u W e IR,
segue que u W.
Portanto, W um subespao vetorial.
Unidade 2 85
2.6. Seja W1 = {(x, y, z); y = x e z = 0}. W1 um subespao vetorial?
Propriedade de W1: Cada vetor u = (x, y, z) de W tem a propriedade de

que as duas primeiras coordenadas so iguais e a varivel z zero.
a) Seja u = (x1, x1, 0) W e v = (x2, x2, 0) W.
u + v = (x1, x1, 0) + (x2, x2, 0)

= (x1 + x2, x1 + x2, 0)
= (x, x, 0), em que x = x1 + x2
Como u + v satisfaz a propriedade do conjunto para todo u, v

W segue que u + v W.
b) Seja u = (x1, x1, 0) W e IR.
u = (x1, x1, 0)
= (x1, x1, 0)
= (x, x, 0), em que x = x1
Como u satisfaz a propriedade do conjunto para todo u W e

IR, segue que u W.
Logo, W1 um subespao vetorial.
2.7. Seja W2 = {M(m, n); a11 0}. Mostre que W2 no um

subespao vetorial.
Propriedade de W2: Conjunto das matrizes de m linhas e n colunas cujo

elemento a11 maior ou igual a zero.
Para mostrar que W2 no um subespao vetorial, basta

encontrar um contra-exemplo.
1 0 0

0 0 0
Seja
= u W2 , pois a11 0.
0

0 0 0 mn
86
lgebra Linear
Se tomarmos = 2, ento
1 0 0 2 0 0

0 0 0 0 0 0 W
u = 2 =
0 0 2

0 0 0 0 0 0
pois a11 = 2 0, no satisfazendo a propriedade do conjunto.
Logo, a propriedade (b) da definio de subespao vetorial

falha, pois ela deve ser vlida para qualquer escalar .
2.8. Verifique se W3 = {(x, y, z) R3; 2x y + 3z = 0} um

subespao vetorial.
Propriedade de W3: Conjunto dos elementos de R3 que satisfazem a

equao 2x y + 3z = 0.
(a) Seja u = (x1, y1, z1) W3, isto implica que 2x1 y1 + 3z1 = 0,
e seja tambm v = (x2, y2, z2) W3, ento 2x2 y2 + 3z2 = 0.
Deve-se mostrar que as coordenadas de u + v satisfazem a

equao 2x y + 3z = 0.
Somando as igualdades dadas, tem-se:
2x1 y1 + 3z1 + 2x2 y2 + 3z2 = 0
Ou seja, 2(x1 + x2) (y1 + y2) + 3(z1 + z2) = 0 e isto mostra que o
vetor u + v = (x1 + x2, y1 + y2, z1 + z2) W3, pois suas coordenadas
satisfazem a equao 2x y + 3z = 0.
Do mesmo modo, temos que u = (x1, y1, z1) W3,

pois se 2x1 y1 + 3z1 = 0, ento, (2x1 y1 + 3z1) = 0, isto ,
2(x1) y1 + 3(z1) = 0, logo as coordenadas de u satisfazem
a equao 2x y + 3z = 0.
Portanto, W3 um subespao vetorial. Lembre-se de que,

geometricamente, esse conjunto representa um plano que passa
pela origem do R3.
Unidade 2 87
Observao 2.3: se W um subespao vetorial, temos pela condio

(b) do teorema 1, que o vetor nulo pertence a W. Assim, se em
um determinado conjunto W verificarmos que o vetor nulo
no pertence a esse conjunto, segue ento que W no um
subespao vetorial. Encontramos uma outra maneira, quando
possvel, de verificar que um conjunto no um subespao.
Ateno! O fato de o vetor nulo prtencer a um conjunto

no implica que ele seja um subespao vetorial. Basta ver
o exemplo da parbola, no incio desta seo.
Exemplos
2.9. Seja V = R2, verifique se o conjunto S = {(x, y) R2; y = x + 1}
um subespao vetorial.
Basta verificar que o vetor nulo (0,0) S, portanto, pela

observao 2.3, segue que S no um subespao vetorial de V.
um subespao vetorial de V.
1 a
2.10. Seja V = M(2,2), verifique se o conjunto S1 =
a a {
; a IR

}
0 0
Basta verificar novamente que o vetor nulo S1.
0 0
Portanto, S1 no um subespao vetorial de V.
2.11. Seja V um espao vetorial, e sejam W1 e W2 subespaos

vetoriais. Prove que W = W1 W2 um subespao vetorial.
Devemos provar que a interseco de dois subespaos vetoriais

continua sendo um subespao vetorial.
a) Seja u, v W. Devemos provar que u + v W para todo

u, v W.
Como u, v W e W = W1 W2, segue que u, v W1 e u,vW2,

mas W1 e W2 so subespaos vetoriais, logo u + v W1 e
u+vW2, ou seja, u + v W1 W2 = W, como queramos
demonstrar.
88
lgebra Linear
b) Seja u W e R. Devemos mostrar que u W, para todo

u W e IR.
Como u W e W = W1 W2, segue que u W1 e u W2, mas

W1 e W2 so subespaos vetoriais, logo u W1 e u W2, ou
seja, u W1 W1 W2 = W, como queramos demonstrar.
Portanto, W = W1 W2 um subespao vetorial.
2.12. Mostre que o conjunto das matrizes diagonais de ordem n

um subespao vetorial.
Seja
W1 = {Conjunto das matrizes triangulares superiores}

W2 = {Conjunto das matrizes triangulares inferiores}
W1 e W2 so subespaos vetoriais, pois satisfazem as condies

(a) e (b), j que a soma de quaisquer duas matrizes triangulares
(superiores ou inferiores) continua sendo uma matriz triangular
(superior ou inferior) e, se multiplicarmos qualquer matriz
triangular (superior ou inferior) por um escalar real, continua
sendo uma matriz triangular (superior ou inferior).
Agora W = W1 W2 = {conjunto das matrizes diagonais} um

subespao vetorial, de acordo com o exemplo anterior.
Observao 2.4: o fato de um subespao vetorial sempre conter o

vetor nulo, segue que geometricamente, quando falamos do R2,
os subespaos so a prpria origem e as retas que passam
pela origem, j no R3, alm da prpria origem e das retas que
passam pela origem, temos os planos que passam pela origem.
Para n 4, no temos mais noo geomtrica.
Observao 2.5: voc j deve ter observado que todo espao

vetorial V admite pelo menos um subespao vetorial: o conjunto
{0} (subespao zero), em que {0} representa o conjunto cujo
elemento apenas o vetor nulo. Este subespao chamado de
subespao trivial. Alm disso, como todo conjunto est contido
Unidade 2 89
nele mesmo, todo espao vetorial subespao dele mesmo,

tambm chamado de subespao trivial. Os demais subespaos
so chamados de subespaos prprios.
Por exemplo: os subespaos triviais do R3 so {(0, 0, 0)} e o R3, os

subespaos prprios so os planos e as retas que passam pela
origem.
Faa os exerccios de autoavaliao 3 e 4 para fixar os

conceitos de subespao vetorial.
Na prxima seo, vamos tratar de combinar vetores de um

espao vetorial, e voc ver que, a partir destas combinaes,
outros subespaos podem ser gerados.
Para prosseguir com seu estudo, importante que voc

compreenda bem os conceitos de espao e subespao vetorial.
Eento, vamos luta?
Seo 3 Combinao linear

Para dar uma ideia do termo combinao de vetores,
iniciamos a seo com um exemplo simples:
Seja V = R3 e tome os vetores u = (1, 5, 3) e v = (2, 3, 2).

Faamos, por exemplo, o seguinte clculo 2u 5v.
O que obtemos? Vejamos:
2u 5v = 2(1, 5, 3) 5(2, 3, 2)
= (2, 10, 6) + (10, 15, 10)
= (12, 25, 4) = w
90
lgebra Linear
Neste caso, dizemos que o vetor w = (12, 25, 4) uma

combinao dos vetores u = (1, 5, 3) e v = (2, 3, 2), pois w foi
obtido a partir de u e v, quando estes foram multiplicados pelos
escalares 2 e 5, respectivamente. Assim, j temos uma noo
do que combinar vetores.
De maneira geral, define-se a combinao linear de

vetores como:
Seja V um espao vetorial e sejam v1, v2, , vn V e
a1, a2, , an R. Qualquer vetor v V2, da forma
v = a1v1 + a2v2 + + anvn, uma combinao linear
dos vetores v1, v2, , vn.
No exemplo dado no incio da seo, tnhamos w = 2u 5v, ou

seja, w uma combinao linear dos vetores u e v.
Exemplos
2.13. Verifique se o vetor v = (10, 2, 1) combinao linear dos
vetores v1 = (1, 2, 1) e v2 = (3, 3, 2).
Queremos encontrar escalares a e b, tal que v = av1 + bv2.
Ento, temos:
(10, 2, 1) = a(1, 2, 1) + b(3, 3, 2)

(10, 2, 1) = (a, 2a, a) + (3b, 3b, 2b)
(10, 2, 1) = (a + 3b, 2a + 3b, a + 2b)
A condio de igualdade entre vetores resulta no seguinte

sistema linear:
a + 3b = 10

2 a + 3b =2
a + 2b = 1

Unidade 2 91
Fazemos o escalonamento de matrizes para resolv-lo:
1 3 10
L= L 2 + 2L1
2 3 2 2
L= L 3 L1
1 2 1 3
1 3 10

0 9 22 L 2 L 3
0 1 11
1 3 10

0 1 11 L 3 = L 3 + 9L 2
0 9 22
1 3 10

0 1 11
0 0 77
Nele, observamos que o sistema incompatvel, pois a ltima

equao 0x + 0y = 77 uma equao degenerada. Assim, no
conseguimos encontrar escalares a e b tal que v = av1 + bv2 e,
portanto, v no pode ser escrito como combinao linear de v1 e v2.
2.14. Mostre que o vetor v = (0, 7, 11) combinao linear dos

vetores v1 = (1, 4, 5) e v2 = (2, 1, 1).
Queremos encontrar escalares a e b, tal que v = av1 + bv2. Assim,

(0, 7, 11) = a(1, 4, 5) + b(2, 1, 1), que nos d o seguinte sistema
linear:
a + 2b = 0

4a + b = 7
5a + b =11

Vamos escalonar esse sistema:
1 2 0
L= L 2 4L1
4 1 7 2
L= L 3 5L1
5 1 11 3
1 2 0
1
0 7 7 L2 =
L2
7
0 11 11
1 2 0
92
0 1 1 L 3 = L 3 + 11L 2

lgebra Linear
1 2 0
L= L 2 4L1
4 1 7 2
L= L 3 5L1
5 1 11 3
1 2 0
1
0 7 7 L2 =
L2
7
0 11 11
1 2 0

0 1 1 L 3 = L 3 + 11L 2
0 11 11
1 2 0

0 1 1
0 0 0
Reescrevendo o sistema, obtemos:
a + 2b =0

b = 1
Resolvendo por retro-substituio b = 1 e a = 2, ou seja, um

sistema compatvel e determinado, assim, mostramos que o
vetor v = (0, 7, 11) combinao linear dos vetores v1 = (1, 4, 5) e
v2 = (2, 1, 1), ou seja, v = 2v1 v2.
2.15. Mostre que o vetor v = (1, 2, 3), pode ser escrito de

infinitas maneiras como combinao linear dos vetores
v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1) e v4 = (1, 1, 1).
Temos que:
(1, 2, 3) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) + d(1, 1, 1)
Que nos d o seguinte sistema:
a + d =1

b + d =2
c d =3

Observe que podemos escrever as variveis a, b e c em funo

da varivel d, a = 1 + d, b = 2 d e c = 3 + d, ou seja, a varivel
d uma varivel livre e, nesse caso, o sistema compatvel e
indeterminado. Logo, para cada valor de d, obtemos uma valor
Unidade 2 93
para a, outro para b e outro para c, isto , existem infinitas

combinaes para o vetor v = (0, 7, 11), em relao aos vetores
v1= (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1) e v4 = (1, 1, 1).
Perceba pelos exemplos anteriormente citados que,

quando queremos verificar se um dado vetor v
combinao de um conjunto de vetores v1, v2, , vn, basta
verificar a compatibilidade do sistema:
a) incompatvel no h combinao;
b) compatvel e determinado uma nica maneira
de combinar;
c) compatvel e indeterminado infinitas
maneiras de combinar.
Veja outros exemplos que lhe daro uma ideia do que voc ir
estudar nas prximas sees.
Exemplos
2.16. Sejam os vetores u = (1, 3, 1) e v = (1, 2, 4). Encontre
o valor de k, para que o vetor w = (k, 13, 11) seja combinao
linear de u e v.
Temos que (k, 13, 11) = a(1, 3, 1) + b(1, 2, 4), que nos d o
seguinte sistema linear que vamos resolver escalonando.
a + b = k

3a 2b =
13
a + 4b =11

1 1 k
L= L 2 + 3L1
3 2 13 2
L 3 =L 3 L1
1 4 11
1 1 k

3 1 3 k 13 L 3 =L 3 3L 2
0 3 k + 11
1 1 k

3 1 3 k 13
0 0 10 k + 50
94
lgebra Linear
Como queremos que o vetor w seja uma combinao de u e

v, necessrio que o sistema linear seja compatvel, ou seja,
devemos ter que 10k + 50 = 0 e, portanto, k = 5.
2.17. Que condies devem satisfazer x, y e z para que o

vetor (x,y,z) seja combinao linear dos vetores u = (1, 3, 1)
e v=(1,2, 4)?
Temos que (x,y,z) = a(1, 3, 1) + b(1, 2, 4), o que nos d
a + b = x

3a 2b =
y
a + 4b =z

Procedendo como no exemplo anterior, tem-se:
1 1 x
L = L 2 +3L1
3 2 y 2
L= L 3 L1
1 4 z 3
1 1 x

0 1 3 x + y L 3 = L 3 3L 2
0 3 x + z
1 1 x

0 1 3x + y
0 0 10 x 3 y + z
Como devemos ter uma combinao linear, segue que o sistema

deve ser compatvel, portanto:
10x 3y + z = 0, ou 10x + 3y z = 0.
Assim, todos os vetores (x,y,z) que so combinaes lineares

dos vetores u = (1, 3, 1) e v=(1,2, 4) satisfazem a equao
10x + 3y z = 0, que, geometricamente, um plano que passa
pela origem do sistema espacial cartesiano. Percebemos, ento,
que todas as possveis combinaes dos vetores u e v tm como
resultado um vetor que pertence ao plano 10x+3yz=0, ou
Unidade 2 95
seja, dizemos que os vetores u = (1, 3, 1) e v=(1,2, 4) geram

o plano 10x+3yz=0. A ideia de vetores geradores o assunto
da prxima seo.
Agora a sua vez!

Antes de seguir para a prxima seo, realize os
exerccios 5 e 6 das atividades de autoavaliao.
Seo 4 Subespao gerado

Nesta seo, voc estudar um subespao vetorial especial, que
o subespao das combinaes lineares de um conjunto de
vetores pertencentes a um espao vetorial V, o qual chamado
de subespao gerado. Ento, mos obra!
Sejam v1, v2, , vn vetores pertencentes a um espao vetorialV.

Denotemos por A o conjunto cujos elementos so os vetores
anteriormente citados, ou seja, A = {v1, v2, , vn}, onde A .
Agora tome o conjunto W composto de todas as combinaes
lineares dos vetores de A, ou seja:
W = {v V; v = a1v1 + a2v2 + + anvn; ai IR}
Teorema 2.2: O conjunto W definido anteriormente um

subespao vetorial.
De fato, seja u W e v W. Devemos mostrar que u + v W e

u W.
a) Como u W, segue pela propriedade do conjunto que u

combinao dos vetores de A, isto ,
u = a1v1 + a2v2 + + anvn.
Do mesmo modo como v W, segue que
v = b1v1 + b2v2 + + bnvn.
96
lgebra Linear
Ento,
u + v = a1v1 + a2v2 + + anvn + b1v1 + b2v2 + + bnvn

= (a1 + b1)v1 + (a2 + b2)v2 + + (an + bn)vn
Chamamos de ci = ai + bi, em que i = 1, 2, , n, assim,
u + v = c1v1 + c2v2 + + cnvn
Portanto, u + v W, pois uma combinao linear de v1, v2, , vn.
b) Analogamente, temos:
u = (a1v1 + a2v2 + + anvn)

= (a1)v1 + (a2)v2 + + (an)vn
Chamamos de di = ai, em que i = 1, 2, , n, assim,
u = d1v1 + d2v2 + + dnvn
Portanto, u W, pois uma combinao linear de v1, v2, , vn.
Logo, W um subespao vetorial.
O conjunto W dito gerado pelos vetores v1, v2, , vn, ou

gerado pelo conjunto A, e representamos por W = G(A)
(subespao gerado por A). Assim, os vetores v1, v2, , vn so
chamados de geradores do subespao W e A chamado de
conjunto gerador de W.
Observao 2.6: o conjunto vazio gera apenas o zero, ou seja,

[]={0}. E todo conjunto A de vetores que est contido em V
gera um subespao vetorial de V em alguns casos, pode ocorrer
que G(A) = V.
Um bom exemplo de subespao gerado o exemplo 2.17
Podemos dizer que o conjunto W={(x,y,z)R3;10x+3yz

=0} um subespao vetorial gerado pelos vetores u = (1, 3, 1)
e v=(1,2, 4), ou seja, W = [(1, 3, 1), (1, 2, 4)].
Unidade 2 97
Veja alguns exemplos.
Exemplos
2.18. Mostre que V = R2 gerado pelos vetores e1 = (1,0) e e2 = (0,1).
Basta mostrar que qualquer vetor (x, y) R2 combinao

linear dos vetores e1 e e2. De fato,
(x, y) = a(1, 0) + b(0, 1)

(x, y) = (a, 0) + (0, b)
(x, y) = (a, b)
Ou seja, basta tomar a = x e b = y para que qualquer vetor

(x,y)R2 seja combinao linear de e1 e e2. Podemos escrever,
ento, que R2 = [e1, e2].
2.19. Verifique se os vetores u = (1, 1) e v = (2, 0) geram V = R2.
Novamente devemos mostrar que qualquer vetor (x,y)R2

combinao linear dos vetores u e v. De fato,
(x, y) = a(1, 1) + b(2, 0)

(x, y) = (a, a) + (2b,0)
(x, y) = (a + 2b, a)
Isto , a + 2b = x e a = y.
xy
Substituindo a = y na equao a + 2b = x, obtemos b = .
2
Portanto, qualquer vetor (x,y)R2 combinao linear
xy
dos vetores u = (1, 1) e v = (2, 0), bastando tomar a = y e b = .
2 2
Escrevemos R = [(1, 1), (2, 0)].
2.20. Verifique se o conjunto A = {(1, 0), (0,1), (2, 3)} gera V = R2.
Devemos mostrar que qualquer vetor (x,y)R2 pode ser escrito

como combinao dos vetores de A. Assim,
(x, y) = a(1, 0) + b(0, 1) + c(2, 3)

(x, y) = (a + 2c, b 3c)
98
lgebra Linear
Portanto:
a + 2c =x

b 3c =
y
Temos ento a = x 2c e b = y + 3c, tomando um valor qualquer

para c, digamos c = 2, temos a = x 4 e b = y + 6. Logo, todo vetor
(x,y)R2 pode ser escrito como combinao linear dos vetores
de A, bastando tomar a = x 4 e b = y + 6.
Perceba que c um valor qualquer, isto significa que podemos

escrever qualquer vetor (x,y)R2 de infinitas maneiras como
combinao linear dos vetores de A.
possvel gerar o R2 com dois vetores?

H necessidade de ger-lo usando trs, quatro ou mais
vetores ainda?
Na verdade, no h necessidade. Veremos, no prximo

resultado que existe um nmero mnimo de vetores a serem
tomados para gerar um determinado espao.
Teorema 2.3: Seja A = {v1, v2, , vn}, com v1, v2, , vn V, V um

espao vetorial e seja w V, tal que w = a1v1 + a2v2 + + anvn, ou
seja, w combinao linear dos elementos de A. Ento,
[v1, v2, , vn, w] = [v1, v2, , vn]
O que queremos provar que, se um conjunto W gerado

por vetores v1, v2, , vn, ele tambm pode ser gerado por
um conjunto com um vetor a mais, desde que este vetor
seja combinao dos demais, ou seja, todo vetor v V que
combinao linear de v1, v2, , vn, w , tambm, combinao
linear de v1, v2, , vn.
Seja W1 = [v1, v2, , vn, w] e W2 = [v1, v2, , vn], vamos provar

que W1 = W2. Para isto, basta mostrar que todo elemento de W1
um elemento de W2 e vice-versa.
Unidade 2 99
Seja v W1 = [v1, v2, , vn, w], ento existem nmeros

b1, b2, , bn, b, tais que:
v = b1v1 + b2v2 + + bnvn + bw
Mas como w = a1v1 + a2v2 + + anvn, tem-se:
v = b1v1 + b2v2 + + bnvn + b(a1v1 + a2v2 + + anvn)
Agrupando os vetores comuns, chega-se a:
v = (b1 + ba1)v1 + (b2 + ba2)v2 + + (bn + ban)vn
Ou seja, v combinao linear de v1, v2, , vn, isto ,

v W2 = [v1, v2, , vn]. Isto quer dizer que W1 W2.
Vamos provar a recproca:
Seja v W2 = [v1, v2, , vn], ento existem b1, b2, , bn, tais que:
v = b1v1 + b2v2 + + bnvn
que pode ser reescrito da seguinte maneira:
v = b1v1 + b2v2 + + bnvn + 0w
Isto , v combinao linear de v1, v2, , vn, w, ou seja,

v W1 = [v1, v2, , vn, w], segue ento que W2 W1.
Portanto, como W1 W2 e W2 W1, a nica possibilidade que

W1 = W2, logo provamos que [v1, v2, , vn, w] = [v1, v2, , vn].
Acabamos de provar com o teorema 2.3 que, se um subespao

vetorial W pode ser gerado por um conjunto A, e se acrescen-
tarmos vetores de W a este conjunto A, os novos conjuntos
continuaro a gerar o mesmo subespao W. Isto nos leva a
pensar que todo subespao vetorial pode ser gerado por uma
infinidade de vetores, mas existe um conjunto mnimo de
vetores para ger-lo.
Como exemplo, tome o espao R2. Estudamos, nos exemplos

anteriores, que este conjunto pode ser gerado por dois vetores,
ou trs vetores, pelo teorema 2.3. Na verdade, ele pode ser
gerado por uma infinidade de vetores, mas sabemos que existe
um nmero mnimo que, neste caso, dois.
100
lgebra Linear
Voc ver, nos exemplos a seguir, que, se tivermos apenas um

vetor, vamos gerar apenas um subconjunto do R2.
Exemplos
2.21. Seja V = R2. Qual o subespao gerado pelo vetor u = (1, 2)?
Devemos encontrar os vetores (x,y)R2, que so combinaes

do vetor u = (1, 2), assim, temos (x, y) = a(1,2), o que nos leva a
x=a e y=2a, de onde temos que y=2x.
Logo, temos [u] = {(x,y)R2, y=2x} = {(x, 2x); x IR}, ou seja, o

subespao gerado pelo vetor u R2 uma reta que passa pela
origem.
Perceba que temos o vetor gerador e por ele a reta y=2x.

Qualquer mltiplo de u um vetor pertencente reta gerada.
2.22. Mostre que os vetores u = (1, 0, 0), v = (1, 1, 0) e w = (1, 1, 1)

geram V = R3.
Seja (x, y, z) um vetor qualquer de R3. Temos ento que:
(x, y, z) = a(1, 0, 0) + b(1, 1, 0) + c(1, 1, 1)

(x, y, z) = (a + b + c, b + c, c)
Isto nos d o seguinte sistema linear:
a + b + c =x

b+c = y

c=z
Substituindo c = z em b + c = y, obtemos b = y z, e substituindo

em a + b + c = x, obtm-se a = x y. Portanto, provamos que
todo vetor (x,y,z)R3 pode ser escrito como combinao dos
vetores u = (1, 0, 0), v = (1, 1, 0) e w = (1, 1, 1), bastando, para isso,
tomar a = x y, b = y z e c = z.
Unidade 2 101
2.23. Os vetores i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1) geram o R3.
De fato, basta notar que qualquer vetor (x,y,z)R3 pode ser

escrito como combinao de i, j e k, da seguinte forma:
(x,y,z) = xi + yj + zk = x(1, 0, 0) + j(0, 1, 0) + k(0, 0, 1)
Observao 2.7: observe que, quando trabalhamos com um

conjunto de vetores do R2, estes vetores podem gerar o prprio
R2 ou uma reta que passa pela origem. J quando temos um
conjunto de vetores do R3, estes vetores podem gerar o prprio
R3, ou um plano que passa pela origem ou uma reta no espao
n
que passa pela origem. Em R , para n > 3, no temos mais a
noo geomtrica.
Agora a sua vez!

Faa os exerccios 7, 8, 9 e 10 das atividades de
autoavaliao.
Como comentamos nesta seo, existe um nmero mnimo de

vetores que gera um espao. Para isto necessitamos entender
a ideia de vetores linearmente dependentes e independentes,
assunto da prxima seo. Acompanhe!
Seo 5 Dependncia e independncia linear

Na seo anterior tratamos de muitos exemplos de geradores
do espao vetorial R2, por exemplo, o conjunto A = {(1, 0), (0,1)}
gera o R2, bem como o conjunto B = {(1, 0), (0,1), (2, 3)}. Mas,
como tratamos anteriormente, todo espao vetorial tem um
conjunto mnimo de vetores que o gera.
No caso citado acima, tanto um conjunto com dois como trs

vetores gera o R2, mas com dois mais interessante de trabalhar.
102
lgebra Linear
Perceba que no conjunto B o vetor (2, 3) combinao linear

dos outros dois, pois:
(2, 3) = 2(1, 0) 3(0, 1)
Ou ainda,
(2, 3) 2(1, 0) 3(0, 1) = (0, 0)
Assim, dizemos que o vetor (2, 3) depende linearmente

dos vetores (1,0) e (0,1), ou seja, o conjunto B um conjunto
linearmente dependente. J o conjunto A um conjunto
linearmente independente, pois no possvel escrever um
deles como combinao do outro. Veja que no conjunto B
conseguimos combinar os trs vetores de maneira que o
resultado fosse o vetor nulo (0,0), mas no necessitamos
multiplicar nenhum deles por zero.
J no conjunto A, a nica possibilidade de combinarmos os

vetores e ter como resultado o vetor nulo ambos serem multi-
plicados por zero, ou seja, 0(1, 0) + 0(0, 1) = (0, 0). Esta a ideia
preliminar de vetores linearmente dependentes e indepen-
dentes. Necessitamos apenas formalizar a ideia matematica-
mente. Veja a definio abaixo:
Seja V um espao vetorial e sejam v1, v2, , vn V.

O conjunto A = {v1, v2, , vn} dito ser linearmente
dependente (LD), se existem escalares a1, a2, , an IR,
no todos nulos, tais que a1v1 + a2v2 + + anvn = 0. Caso
contrrio, se a equao a1v1 + a2v2 + + anvn = 0 admitir
apenas a soluo trivial, isto , a1 = a2 = = an = 0, ento
dizemos que o conjunto A linearmente independente (LI).
Observao 2.8: Note que a soluo trivial sempre vlida. Assim,

se esta for a nica, os vetores so LI, porm, se existir qualquer
ai 0 como soluo, ento os vetores so LD.
Unidade 2 103
Veja alguns exemplos.
Exemplos
2.24. Verifique se o conjunto A = {(1, 0), (0,1)} linearmente
dependente (LD) ou linearmente independente (LI).
J verificamos, atravs de nossa intuio, que este conjunto

LI, vamos provar isto matematicamente usando a definio
anterior. Devemos verificar ento se a equao
a(1, 0) + b(0, 1) = (0, 0)
admite apenas a soluo trivial ou no.
Usando a soma e a multiplicao por escalar de vetores,

obtemos:
a(1, 0) + b(0, 1) = (0, 0)

(a, 0) + (0, b) = (0, 0)
(a, b) = (0, 0)
Ou seja, a = 0 e b = 0, dessa forma, a equao admite apenas

a soluo trivial, o que nos leva a concluir que o conjunto
A={(1,0), (0,1)} linearmente independente (LI).
2.25). Mostre, usando a definio, que o conjunto

B = {(1, 0), (0,1), (2, 3)} linearmente dependente (LD).
Montando a equao a(1, 0) + b(0, 1) + c(2, 3) = (0, 0), vamos

encontrar as condies para os escalares a, b e c.
Note que a = b = c = 0 uma soluo da equao. Se esta for a

nica soluo, ento o conjunto B linearmente independente,
caso contrrio, se existirem outras solues alm desta, ento o
conjunto B linearmente dependente.
Montando o sistema, obtemos:
a + 2c =0

b 3c =
0
104
lgebra Linear
Isto , a = 2c e b = 3c. Assim, para qualquer valor de c, obtemos

uma soluo para o sistema. Deste modo, temos que a soluo
trivial no nica, por exemplo, se tomarmos c = 1, teremos
a=2 e b = 3, que uma soluo para a equao dada. Logo, o
conjunto B linearmente dependente.
Quando nos referirmos a vetores linearmente

dependentes ou independentes, usaremos a abreviao
LD ou LI, respectivamente. Fique atento!
Voc deve ter percebido, no incio da seo, que a ideia de

vetores linearmente dependentes e de combinao linear tm
alguma semelhana. De fato, no prximo resultado, voc
comprovar isto.
Teorema 2.4: o conjunto A = {v1, v2, , vn} LD se, e somente se,

um destes vetores for uma combinao linear dos outros.
Prova: suponha que A = {v1, v2, , vn} LD, devemos provar que
um destes vetores combinao dos outros.
Seja a1v1 + a2v2 + + aivi + + anvn = 0; como estamos supondo

que o conjunto A LD, existe pelo menos um coeficiente
diferente de zero, suponhamos que ai 0. Ento, temos:
aivi = a1v1 a2v2 anvn
a1 a a
vi = v1 2 v2 n vn
ai ai ai
Portanto, vi combinao linear dos outros vetores, como

queramos demonstrar.
Agora vamos supor o contrrio, ou seja, que alguns dos vetores

so combinao linear dos outros e provar que, assim, A um
conjunto LD.
Unidade 2 105
De fato, suponha que para algum i, vi seja combinao linear

dos outros vetores, ou seja:
vi = b1v1 + b2v2 + + bnvn
Colocando tudo para o mesmo lado da equao, obtemos:
b1v1 b2v2 1vi bnvn = 0
Ou seja, a equao acima tem uma soluo diferente da trivial,

pois bi = 1. Segue, ento, que A = {v1, v2, , vn} LD.
Podemos usar esse resultado para provar que alguns conjuntos

so LD sem a necessidade de usar a definio. Interessante, no
mesmo?
Exemplos
2.26. Verifique se os conjuntos a seguir so LI ou LD.
a) A = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} LI ou LD.
Montando a equao a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) = (0, 0, 0),

obtemos (a, b, c) = (0, 0, 0), ou seja, a = b = c = 0, o que nos mostra
que a nica soluo da equao a trivial. Logo, o conjunto
A={(1, 0, 0), (0, 1, 0), (0, 0, 1)} LI.
b) B = {(1, 1, 3), ( 1 , 1 , 3 )}.

2 2 2
Perceba que o vetor ( 1 , 1 , 3 ) = 1 (1, 1, 3), ou seja, ( 1 , 1 , 3 )

2 2 2 2 2 2 2
combinao linear do vetor (1, 1, 3), pelo teorema 2.4, segue
que o conjunto B = {(1, 1, 3), ( 1 , 1 , 3 )} LD.
2 2 2
c) C = {(1, 0, 5, 4), (0, 0, 1, 3), (0, 0, 0, 1)}.
Considere a equao:
a(1, 0, 5, 4) + b(0, 0, 1, 3) + c(0, 0, 0, 1) = (0, 0, 0, 0)
106
lgebra Linear
Obtemos, assim, o seguinte sistema linear:
a + =0

5a + b =0

4 a + 3b + c =0
Da primeira equao, obtm-se a = 0; substituindo na segunda

equao, tm-se b = 0; e substituindo os resultados na terceira
obtemos, c = 0, ou seja, a nica soluo a trivial, o que nos leva
a concluir que C LI.
d) D = {(1, 2, 3), (4, 3, 2), (6, 4, 2)}
Considere a seguinte equao:
a(1, 2, 3) + b(4, 3, 2) + c(6, 4, 2) = (0, 0, 0)
Obtemos, ento, o seguinte sistema linear:
a + 4b + 6c = 0

2 a + 3b + 4 c =
0

3a + 2b + 2c = 0
Vamos escalonar este sistema:
1 4 6 0
L=2
L 2 2L1
2 3 4 0
3 2 2 0 L=3
L 3 3L1
1 4 6 0

0 5 8 0 L 3 = L 3 2L 2
0 10 16 0
1 4 6 0

0 5 8 0
0 0 0 0
Unidade 2 107
Reescrevendo o sistema, temos a + 4b + 6c = 0 e 5b 8c = 0; da

segunda equao, tem-se b = 8 c; e substituindo na primeira,
5
temos a = 2 c.
5
Assim, para qualquer valor de c, obtemos uma soluo do sistema,

logo a equao a(1,2,3)+b(4,3,2)+c(6,4,2)=(0,0,0) tem
infinitas solues alm da trivial e, portanto, o conjunto D LD.
2.27. Prove que o conjunto A = {(1, 3, 1), (1, 2, 4)} LI.
De fato, considere a equao a(1, 3, 1) + b(1, 2, 4) = (0, 0, 0),

que tem o seguinte sistema linear associado:
a + b =0

3a 2b =0

a + 4b =0
Resolvendo por escalonamento, temos:
1 1 0
L=2
L 2 + 3L1
3 2 0
1 4 0 L=3
L 3 L1
1 1 0

0 1 0 L 3 = L 3 3L 2
0 3 0
1 1 0

0 1 0
0 0 0
Portanto, a + b = 0 e b = 0. Resolvendo o sistema, resulta em

a=0 e b = 0, e assim conclumos que o conjunto A LI.
2.28. Encontre o valor de k para que o conjunto {(2, 4), (6, k)} seja
LI e o valor de k para que o mesmo conjunto seja LD.
Devemos ter que a equao a(2, 4) + b(6, k) = (0, 0) tenha apenas

soluo trivial.
108
lgebra Linear
Escrevendo o sistema associado, obtemos:
2 a + 6b =
0

4 a + kb =
0
2 6 0
Que, na forma matricial, dado por .
4 k 0
Escalonando:
2 6 0 2 6 0
L 2 = L 2 2L1
4 k 0 4 12 + k 0
Para que o sistema admita apenas a soluo trivial, devemos

ter 12 + k 0, o que nos leva a k 12, ou seja, {(2, 4), (6, k)} LI
se k 12. Caso contrrio, se o sistema admite infinitas solues,
{(2,4),(6, k)} LD se k = 12.
Observao 2.8: geometricamente, quando tratamos de vetores no

R2, perceba que se os vetores so LI, ento geram todo o R2; j se
so LD, geram uma reta que passa pela origem, pois, neste caso,
um vetor mltiplo do outro. No caso do R3, se o conjunto
de vetores LI, vai gerar o prprio R3; j se forem LD, podem
gerar um plano que passa pela origem ou mesmo uma reta que
passa pela origem. Assim, tambm temos uma interpretao
geomtrica para vetores LI e LD.
Agora a sua vez!

Antes de passar a prxima seo, realize todos os
exerccios de autoavaliao j mencionados e acrescente
os exerccios 11 e 12.
Com o que voc estudou at o momento, j est apto a passar

para a ltima seo, que a principal desta unidade. Todo
o conhecimento adquirido at agora essencial para o bom
entendimento do assunto que segue. De agora em diante, todo
espao vetorial vai ter uma base com a qual o mesmo pode ser
construdo. Siga em frente!
Unidade 2 109
Seo 6 Base e dimenso

Quando voc contempla um edifcio, sabe que isto s possvel
pois o mesmo apresenta uma base slida para ser construdo.
O mesmo acontece para os espaos vetoriais, que para serem
construdos devem apresentar um conjunto mnimo de vetores,
de tal forma que qualquer vetor do espao uma combinao
dos elementos deste conjunto. J temos uma noo de que
um gerador de um espao mnimo, se estes vetores forem LI,
ento estes vetores so as peas bsicas para a construo do
espao vetorial. Desta informalidade apresentada, podemos
ento definir o conceito de base de um espao vetorial.
Um conjunto A = {v1, v2, , vn} de um espao vetorial V

chamado de base de V se:
a) A LI
b) A gera V, ou seja, G(A) = V.
Por exemplo, no R2 um gerador mnimo deve ter, no mximo,

dois vetores. A base mais usada para o R2 o conjunto
A={(1,0),(0,1)}, que j provamos em exemplos anteriores que
gera o R2 e LI. Portanto, pela definio, o conjunto A uma
base de R2. Esta base conhecida como base cannica.
comum encontrar em muitos livros a letra grega beta

(b) para indicar uma base [ou uma outra letra grega
qualquer].
Existem muitas outras bases para o R2, assim como o R3, que
tem base cannica dada por b = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},
tambm tem outras bases. De maneira geral, qualquer espao
vetorial V tem infinitas bases, algumas mais simples de
trabalhar, outras nem tanto. Veja alguns exemplos:
110
lgebra Linear
Exemplos
2.29. Mostre que o conjunto A = {(1, 1), (0, 1)} uma base do R2.
a) A LI.
Considere a equao a(1, 1) + b(0, 1) = (0, 0). Resolvendo o

sistema obtemos:
(a, a b) = (0, 0)
O que nos leva a a = 0 e a b = 0 e, portanto, b = 0. Assim, a nica

soluo da equao a soluo trivial, logo, A LI.
b) A gera R2.
Temos:
(x, y) = a(1, 1) + b(0, 1)

(x, y) = (a, a b)
que resulta a = x e a b = y. Substituindo a primeira equao na

segunda, obtemos b = x y. Portanto, qualquer vetor (x,y)R2
possvel escrever como uma combinao dos elementos de A,
bastando tomar a = x e a b = y. Logo, A gera R2.
c) Portanto, pelos itens (a) e (b), segue que A uma base do R2.
2.30. Mostre que b = {a(1, 1, 1), (0, 1, 1), (2, 0, 1)} uma base do R3.
a) b LI.
Seja a equao a(1, 1, 1) + b(0, 1, 1) + c(2, 0, 1) = (0, 0, 0).

Agrupando os termos, obtemos o seguinte sistema linear:
a + 2c =
0

a + b 0
=
a + b + c =0

Da primeira e segunda equao, temos c = a e b = a que subs-

2
tituindo na terceira resulta a = 0 e portanto b = c = 0, que resulta
como nica soluo do sistema. Logo, b LI.
Unidade 2 111
b) b gera R3.
Temos (x, y, z) = a(1, 1, 1) + b(0, 1, 1) + c(2, 0, 1), que resulta no

sistema linear:
a + 2c =
x

a + b y
=
a + b + c =z

Da primeira equao, temos c = x 2 a e da segunda, b = y a.

Substituindo na terceira equao, tem-se a + y a + x 2 a = z,
que nos d a = x + 2y 2z, como b = y a, ento b = x y + 2z
e, finalmente, como c = x 2 a , temos c = y + z. Logo, todo vetor
(x,y,z)R3 pode ser escrito como combinao dos vetores de b,
desde que a = x + 2y 2z, b = x y + 2z e c = y + z.
2.31. O conjunto B = {(1, 0), (0,1), (2, 3)} uma base de R2?
J mostramos, nos exemplos 2.19 e 2.24, que B gera R2, mas seus
elementos no so LI, pois o vetor (2, 3) combinao dos
outros dois vetores. Logo, o conjunto B no uma base do R2.
Este exemplo vai ao encontro do que j imaginvamos, pois todo

espao pode ser gerado por um conjunto infinito de vetores;
cabe a ns extrairmos aqueles que so linearmente dependentes
e ter em mos, ento, um conjunto mnimo que gera o espao e,
ao mesmo tempo, LI, que a definio de base de um espao
vetorial. Esta quantidade mnima de vetores de uma base recebe
o nome de dimenso. Veja a prxima definio:
Se V um espao vetorial, dizemos que V tem dimenso

finita n se V tem uma base com n vetores e denota-se por
dim V = n.
Deste modo, temos ento que dim R2 = 2, pois uma base do R2

tem sempre dois vetores. Do mesmo modo, dim R3 = 3, e de
maneira geral, dim Rn = n.
112
lgebra Linear
Propriedades de base e dimenso
1. Qualquer conjunto LI de um espao vetorial V base do

subespao por ele gerado.
Tome como exemplo o conjunto A = {(1, 3, 1), (1, 2, 4)} que

LI (exemplo 2.27, seo 5). J provamos tambm, no final
da Seo 3, que esse conjunto gera o subespao vetorial do R3,
dado por W= {(x, y, z) R3; 10x + 3y z = 0}. Assim, segundo a
propriedade 1, segue que A uma base do subespao W.
2. Seja A = {v1, v2, , vn} uma base de um espao vetorial V,

ento, todo conjunto com mais de n vetores ser linearmente
dependente.
Tome como exemplo o conjunto A = {(1, 0), (0, 1)}, que j

provamos ser uma base do R2. Portanto, pela propriedade2,
qualquer conjunto com mais de 2 vetores linearmente
dependente. De fato, o conjunto B = {(1, 0), (0,1), (2, 3)} um
conjunto linearmente dependente.
3. Duas bases quaisquer de um espao vetorial tm sempre o

mesmo nmero de elementos.
De fato, sejam A = {v1, v2, , vn} e B = {w1, w2, , wm} duas bases
de um espao vetorial V qualquer.
a) Como A uma base e B LI, segue que o nmero

de elementos de A maior ou igual ao nmero de
elementos de B, pela propriedade anterior, ou seja, n m.
b) De modo anlogo, como B base e A LI, ento o

nmero de elementos de B maior ou igual ao nmero
de elementos de A, isto , m n.
Assim, como ao mesmo tempo n m e m n, somente pode

ocorrer que n = m, logo duas bases de um mesmo espao
vetorial tm o mesmo nmero de elementos.
Por exemplo, como a base cannica de R2 tem dois elementos,

ento qualquer outra base de R2 tambm tem dois elementos.
Unidade 2 113
4. Todo espao V que no possui uma base tem dimenso zero,

ou seja, dim V = 0.
5. Se V um espao vetorial e W um subespao de V, ento

dimWdimV. Se as dimenses forem iguais, ento V = W.
Como exemplo, tomemos novamente o subespao

W={(x,y,z)R3;10x+3yz=0} de R3, que j provamos
ter uma base formada por dois vetores, a saber,
b={(1,3,1),(1,2,4)}, ento dim W = 2 3 = dim R3.
6. Qualquer conjunto de vetores LI de um espao vetorial V

pode ser completado at formar uma base de V.
Tome como exemplo o conjunto A = {(1, 0, 0), (1, 1, 0)}, que

LI. Este conjunto no forma uma base do R3, pois sabemos pela
propriedade 3, que uma base do R3 deve conter trs vetores.
Pela propriedade 6, podemos completar o conjunto A e formar
uma base. Por exemplo, tome o vetor w = (1, 1, 1). Assim, o
conjunto A' = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} uma base do R3, pois
um conjunto LI e gera o R3, como provamos na Seo 4.
Exemplos
2.32. Mostre que o conjunto A = {(1, 3, 1), (5, 1, 0), (1, 0, 0)} uma
base do R3.
De fato, seja (x,y,z)R3 , ento:
(x,y,z) = a(1, 3, 1) + b(5, 1, 0) + c(1, 0, 0)
Montando o sistema, obtemos:
a + 5b + c = x

3a + b = y
a = z

Temos ento a = z, que, substituindo na segunda, equao

obtm-se b=y 3z, e substituindo a e b na primeira equao
temos c=x5y+14z. Logo, A gera o R3.
114
lgebra Linear
Provemos que A LI, ento:
a(1, 3, 1) + b(5, 1, 0) + c(1, 0, 0) = (0, 0, 0)
que nos d o seguinte sistema:
a + 5b + c = 0

3a + b = 0
a = 0

que nos leva soluo trivial a = b = c = 0, ou seja, A LI.

Portanto, como A gera o R3 e A LI, segue que o conjunto A uma
3
base do R .
2.33. Considere o subespao vetorial:
W={(x,y,z)R3;x=yez=0}.
Determine uma base de W e a dimenso de W.
Como x=yez=0, segue que os elementos do conjunto W so

do tipo (x, x, 0). Portanto, temos (x, x, 0) = x(1, 1, 0), ou seja, o
conjunto W={(x,y,z)R3;x=yez=0} = {(x, x, 0), x IR} =
{x(1,1,0),xIR} gerado pelo vetor (1, 1, 0). Basta mostrar,
ento, que (1, 1, 0) LI.
De fato, a(1, 1, 0) = (0, 0, 0) e segue diretamente que a = 0.

Portanto, temos que o conjunto A = {(1, 1, 0)} gera W e LI,
ento A uma base de W e, como esta base contm apenas um
vetor, segue que dim W = 1.
2.34. Seja U = {(x,y,z,t)R4; 2x + y = 0 e z = 2t}. Encontre uma

base e a dimenso de U.
Como 2x + y = 0, tem-se que y = 2x e o fato de z = 2t, segue que

os elementos do conjunto U so do tipo (x, 2x, 2t, t).
Unidade 2 115
Portanto, podemos reescrev-lo como uma soma, separando os

termos que contm x dos termos que contm t.
(x, 2x, 2t, t) = (x, 2x, 0, 0) + (0, 0, 2t, t)

(x, 2x, 2t, t) = x(1, 2, 0, 0) + t(0, 0, 2, 1)
isto , os elementos do conjunto U so gerados pelo conjunto

B={(1, 2, 0, 0), (0, 0, 2, 1)}. Vamos mostrar que B LI.
De fato, a(1, 2, 0, 0) + b(0, 0, 2, 1) = (0, 0, 0, 0), que nos d o

seguinte sistema:
a = 0

2 a = 0

2b = 0
b = 0
De onde temos a = b = 0, ou seja, B LI.
Assim, temos que o conjunto B={(1, 2, 0, 0), (0, 0, 2, 1)} uma

base de U e, como formada por dois elementos, segue que
dimU=2.
Poderamos chegar mesma concluso de uma maneira mais

rpida. Como y = 2x e z = 2t, temos duas variveis livres, no
caso, x e t, que so as variveis independentes. Logo, tiramos
que a dimenso de U ser 2 (dois). Para obter os geradores,
basta fazer x = 0 e t = 1, e, em seguida, x = 1 e t = 0. Simples, no?
2.35. Seja o sistema homogneo
x y + 4z = 0

2 x + 4 y 6 z =0
6 y 14 z =
0

Encontre a dimenso e a base do espao soluo deste sistema.
116
lgebra Linear
Primeiramente, devemos encontrar a soluo. Escrevamos

ento a matriz associada do sistema e faamos o escalonamento:
1 1 4 0

2 4 6 0 L 2 = L 2 2L1
0 6 14 0
1 1 4 0

0 6 14 0 L 3 = L 3 L 2
0 6 14 0
1 1 4 0

0 6 14 0
0 0 0 0
Reescrevendo o sistema, obtemos:
x y + 4z = 0

6 y 14 z =
0
O nmero de equaes menor que o nmero de variveis,

portanto, temos um sistema compatvel indeterminado. Na
segunda equao, isolamos, por exemplo, y e obtemos y = 7 z.
3
Substituindo na primeira equao, tem-se x = 5 z. Logo, o

3
espao soluo W do sistema homogneo :
W={(x,y,z)R3; x = 5 z e y = 7 z}
3 3
Assim, os elementos de W so do tipo ( 5 z, 7 z, z). Como temos

3 3
uma varivel livre, segue ento que a dimenso de W 1, ou seja,
dim W = 1. Portanto, a base ser formada por apenas um vetor.
Fazendo ento z = 1, obtemos ( 5 , 7 , 1) como um gerador de

3 3
W, mas falta mostrar que ele LI. De fato, a( 5 , 7 , 1) = (0, 0, 0),
3 3
segue ento que a = 0, ou seja, o vetor ( 5 , 7 , 1) LI; sendo
3 3
assim, o conjunto b = {( 5 , 7 , 1)} uma base do espao soluo
3 3
W do sistema linear homogneo.
Unidade 2 117
Agora a sua vez!

Para finalizar esta unidade, realize os exerccios de auto-
avaliao 13, 14 e 15. Com os exerccios feitos, voc j est
apto a prosseguir com seus estudos.
Sntese
Nesta unidade, voc teve contato com um tipo especial de
conjunto, chamado espao vetorial. Esse conjunto tem uma
srie de propriedades, que so as mesmas relativas a vetores,
por isso, os seus elementos so chamados de vetores que,
para ns, agora podem ser uma matriz, um polinmio, ou um
par ordenado, entre outros. Dentro desses espaos, existiam
outros espaos vetoriais que denominamos de subespaos
vetoriais. Nosso objetivo principal foi encontrar um conjunto
mnimo de vetores que poderia gerar todo um espao vetorial,
chamado de base. A partir de agora, todo espao vetorial tem
uma base de vetores, isto , um conjunto mnimo de vetores
que, combinados de infinitas maneiras, vai gerar todos os
elementos do espao vetorial, e estes vetores da base devem
ter a propriedade de serem linearmente independentes (LI).
No deixe de entrar em contato com seu professor para sanar
possveis dvidas sobre o assunto desta unidade.
118
lgebra Linear
1) Seja o conjunto
W= {
a b
c d
; a, b, c, d IR , }
isto , o conjunto das matrizes de ordem 22. Mostre que W
um espao vetorial com as operaes de soma e multiplicao
por escalar definida abaixo:
a b1 a2 b2 a1 + a2 b1 + b2
+: 1 + =
c1 d1 c2 d2 c1 + c2 d1 + d2
a b a b
: =
c d c d
2) Verifique se os conjuntos seguintes, com as operaes de soma

e multiplicao por escalar definidas, so espaos vetoriais.
a) V = R2
: k(x, y) = (x, ky)
b) V = R3
: (a, b, c) + (d, e, f) = (a, b, c)

: k(a, b, c) = (ka, kb, kc)
c) V = {(x, y); y = x2} = {(x, x2); x IR}
: (a, a2) (b, b2) = (a + b, (a + b)2)

: k (a, b) = (ka, k2a2)
Unidade 2 119
3) Usando a interpretao geomtrica, mostre que os conjuntos

a seguir no so subespaos vetoriais do R2.
a) W = {(x, y); y = x3}

b) S = {(x, y); y = 2x 3}
4) Verifique se os conjuntos a seguir so subespaos vetoriais

em relao soma e multiplicao por escalar usuais. Em caso
negativo, d um contraexemplo.
a) W = {(x, y) R2, y = x + 1}
b) W = {(x, x, x); x IR}
c) W = {
a b
c d
M(2,2); b 0 }
d) W = {(x, y, z) R3; x + y + z = 0}
e) W = {(1, x, y); x, y IR}
f) W = {(x, y, z); z = 2x y}
g) W =
z w{
x y
M(2,2); x = y e w = 0 }
5) Sejam os vetores v1 = (3, 4, 5) e v2 = (1, 2, 1).
a) Escreva o vetor w = (13, 6, 17) como combinao dos

vetores v1 e v2.
b) Para que valor d k, o vetor (k, 0, 7) combinao dos
vetores v1 e v2.
6) Escreva o vetor (2, 5, 9, 17) R4 como combinao dos

vetores a = (1, 1, 1, 1), b = (0, 1, 1, 0) e c = (0, 0, 2, 3).
120
lgebra Linear
7) Seja
a + b 2a 2a

W = { a b c c , a, b, c IR}
b 0 b
7 4 4 2 2 2

a) 3 1 1 W ? b) 0 3 3 W ?
5 0 5 1 1 1
8) Encontre o subespao gerado pelos conjuntos a seguir:
a) A = {(1, 4)}
b) A = {(1, 1), (2, 3)}
c) A = {(1, 5, 1), (2, 1, 1)}
d) A = {(1, 1, 2, 2), (2, 2, 3, 3)}
9) Sejam os vetores u = (1, 1, 0), v =(0, 1, 1) e w = (1, 1, 1).

Verifique se [u, v, w] = R3.
10) Seja A = {(1, 2, 3, 1), (1, 1, 0, 0), (0, 0, 0, 1)}.
a) encontre G(A).
b) encontre o valor de k, para que (1, k, 3, 4, 1) G(A).
11) Quais dos seguintes conjuntos so LD ou LI?
a) B = {(1, 2, 4)}
1 1 1 1 2 0
b) B = , ,
0 1 1 0 1 1
c) B = {(1, 2, 0, 0), (0, 3, 1, 1), (1, 0, 1, 2), (3, 2, 0, 3)}
d) B = {(1, 0, 1), (1, 2, 1), (0, 1, 0)}
Unidade 2 121
12) Encontre o valor de k para que o conjunto

A = {(1, 1, 2), (2, k, 1), (1, 0, 3)} seja LI. Qual o
valor de k para o conjunto ser LD?
13) Sejam os vetores u = (1, 2, 3) e v = (3, 1, 2).
a) Determine [u, v] (subespao gerado por u e v).

b) O vetor (2, 5, 3) [u, v]?
c) Exiba uma base para [u, v]. Qual a dimenso?
d) [u, v] = R3? Por qu?
14) Determine uma base e a dimenso do subespao vetorial

seguinte:
W = {(x, y, z) R3; x = y e z = 3y}
15) Encontre uma base e a dimenso para o espao-soluo do

sistema homogneo abaixo:
x 2z + t =0

x + 2z =0

y + z =0
y + z =0
Saiba mais
Para uma leitura complementar, na qual voc encontrar
inclusive aplicaes da lgebra linear e investigaes inte-
ressantes, consulte o livro de David Poole, lgebra Linear, da
editora Thomson. O livro traz uma introduo interessante do
assunto e, em alguns momentos, chama o leitor a investigar
alguma aplicao. Tem tambm timos exerccios. Boa leitura!
122
UNIDADE 3
Espao vetorial 3
Definir transformaes lineares e as condies para identificar uma
transformao linear.
Definir ncleo e imagem de uma transformao linear.
Apresentar a associao de transformaes lineares e matrizes.
Mostrar as operaes soma, multiplicao por escalar e composio
entre transformaes lineares, tanto atravs da forma geral da trans-
formao como na forma matricial.
Apresentar geometricamente transformaes lineares no plano e
no espao.
Sees de estudo
Seo 1 Transformaes lineares
Seo 2 Ncleo e imagem de transformaes lineares
Seo 3 Transformaes lineares e matrizes
Seo 4 Geometria das transformaes lineares

Voc estudou que funes lineares descrevem a forma mais
simples de dependncia entre variveis. Nesta unidade, estudar
um tipo especial de funes, em que o domnio e o contrado-
mnio so espaos vetoriais reais. Essas funes, chamadas
transformaes lineares, aparecem com frequncia no estudo da
lgebra Linear e em uma grande gama de aplicaes.
Voc pode ter uma ideia inicial sobre transformao linear

observando o exemplo a seguir. Bons estudos!
Como obter a reflexo de um vetor em torno do eixo x?
Podemos utilizar a funo T : R2 R2 definida por:
T(x, y) = (x, y)
Geometricamente, vemos que a funo T toma cada vetor do R2

e o reflete em torno do eixo x.
4
u
2
T(u) = T(6, 4) = (6, 4) = v
10 8 6 4 2 2 4 6 8 10 x
2
4 v
Figura 3.1 - Reflexo do vetor em torno do eixo x
124
lgebra Linear
Seo 1 Transformaes lineares

Como uma transformao linear uma funo cujos domnio
e contradomnio so espaos vetoriais reais, tanto a varivel
independente como a varivel dependente so vetores. Porm,
essa caracterstica no suficiente para definir transformaes
lineares. Teremos que realizar operaes com os vetores para
verificar se a funo transformao linear.
Lembre-se de que uma funo f : A B uma regra ou

uma lei que associa cada elemento a, de um conjunto A,
chamado domnio, a um e somente um elemento b, de um
conjunto B, chamado contradomnio. Lembre, tambm,
que o conjunto imagem da funo f um subconjunto de
B cujos elementos so todos os possveis valores f(a).
Analogamente, para indicar que T uma funo do espao

vetorial V no espao vetorial W, escrevemos T : V W. Assim T
associa vetores do espao vetorial V a vetores do espao vetorial
W, ou ainda, T uma funo com domnio V, contradomnio W
e cuja imagem um subconjunto de W.
Em alguns casos, teremos que trabalhar com funes que

associam espaos vetoriais distintos um do outro. Inicialmente,
vamos observar alguns exemplos de aplicaes sobre espaos
vetoriais.
Exemplos
3.1. Seja T : R2 R2 tal que T(x, y) = (x 1, 5y), ento T uma
funo que associa vetores do espao vetorial R2 a vetores do
espao vetorial R2, pela lei que relaciona vetores com duas
coordenadas tal que a primeira coordenada do vetor imagem
igual primeira coordenada do vetor do domnio menos um, e
a segunda coordenada do vetor imagem igual ao quntuplo da
segunda coordenada do vetor do domnio.
Unidade 3 125
Ou seja, por exemplo, se tomarmos alguns vetores (0, 0), (1, 2) e

(3, 4), aleatoriamente:
T(0, 0) = (0 1, 50) = (1, 0)

T(1, 2) = (1 1, 52) = (0, 10)
T(3, 1) = (3 1, 51) = (4, 5)
Os vetores (1, 0), (0, 10) e (4, 5) so imagens dos vetores (0, 0),
(1, 2) e (3, 1) respectivamente, segundo a lei que define T.
3.2. Seja T : R2 R3:
Os vetores do domnio so vetores do R2, do tipo (x, y); j os

vetores do contradomnio so vetores do R3, do tipo (x, y, z).
Seja a funo T for definida como:
T(x, y) = (x, x y, y)
Ou ainda, T uma funo que associa cada vetor do R2 a

vetores do R3 tal que a primeira coordenada do vetor imagem
igual primeira coordenada do vetor do domnio; j a segunda
coordenada dada pela diferena entre a primeira e a segunda
coordenada do vetor do domnio e a terceira coordenada igual
segunda coordenada do vetor do domnio.
Assim, para determinar a imagem de um vetor qualquer, por

exemplo do vetor (3, 2), tomamos:
T(3, 2) = (3, 3 (2), 2) = (3, 5, 2)
Logo o vetor (3, 5, 2) R3 imagem do vetor (3, 2) R2, por

T:R2 R3.
Observe que, numa funo T : V W, independentemente

de como encaramos v V, ponto ou vetor, o efeito geomtrico
dessa funo o de transformar esse ponto ou vetor em algum
novo ponto ou vetor.
126
lgebra Linear
Sejam V e W dois espaos vetoriais. Uma transfor-

mao linear T de V em W, T : V W, uma funo
(ou aplicao) que a cada v V est associado um nico
T(v)W e que satisfaz as seguintes condies:
u, v V e a IR:
I. T(u + v) = T(u) + T(v)
II. T(au) = aT(u)
Observaes 3.1:
1. A notao funcional f(x) lida como f de x, analoga-

mente, T(v) lida como T de v.
2. Como T : V W, pela definio de funes, temos que
o espao vetorial V o conjunto domnio e o espao
vetorial W o contradomnio da funo.
3. As duas condies (I) e (II) a serem satisfeitas podem
ser substitudas por uma s:
T(au + v) = aT(u) + T(v).
De fato: essa operao agrega as duas condies (I) e (II) que

garantem que uma funo uma transformao linear, j que
preservam a soma de vetores e multiplicao por escalar.
Exemplos
3.3. Veja que a funo T1 : R2 R2, definida por:
T1(x, y) = (3x, 3y),
que associa qualquer vetor do domnio ao seu triplo no contra-

domnio, uma transformao linear pois satisfaz as condies:
u, v V e a IR, T(au + v) = aT(u) + T(v)
Podemos analisar essa condio de duas maneiras diferentes:
Unidade 3 127
Dados dois vetores u = (x1, y1) e v = (x2, y2) pertencentes ao R2,

ento:
1) Partindo de T1(au + v) e chegando a aT1(u) + T1(v):
T1(au + v) = T1(a(x1, y1) + (x2, y2))

= T1((ax1, ay1) + (x2, y2))
= T1((ax1 + x2, ay1 + y2)
= (3(ax1 + x2), 3(ay1 + y2))
= (3ax1 + 3x2, 3ay1 + 3y2)
= (3ax1, 3ay1) + (3x2, 3y2)
= a(3x1, 3y1) + (3x2, 3y2)
= aT1(x1, y1) + T1(x2, y2)
= aT1(u) + T1(v)
2) Realizando as operaes T1(au + v) e aT1(u) + T1(v) separada-

mente e comparando o resultado:
T1(au + v) = T1(a(x1, y1) + (x2, y2))

= T1((ax1, ay1) + (x2, y2))
= T1((ax1 + x2, ay1 + y2)
= (3(ax1 + x2), 3(ay1 + y2))
= (3ax1 + 3x2, 3ay1 + 3y2)
Por outro lado:
aT1(u) + T1(v) = aT1(x1, y1) + T1(x2, y2)

= a(3x1, 3y1) + (3x2, 3y2)
= (3ax1, 3y1) + (3x2, 3y2)
= (3ax1 + 3x2, 3ay1 + 3y2)
= T1(au + v)
Portanto a funo T1 uma transformao linear.
128
lgebra Linear
Observao 3.2: voc pode escolher a forma que achar mais fcil
para verificar se uma funo uma transformao linear.
3.4. Verifique se T2 : R2 R2, definida por:
T2(x, y) = (2x + 1, y),
transformao linear.
Dados dois vetores u = (x1, y1) e v = (x2, y2) do R2, ento:
T2(au + v) = T2(a(x1, y1) + (x2, y2))

= T2((ax1, ay1) + (x2, y2))
= T2((ax1 + x2, ay1 + y2)
= (2(ax1 + x2, ay1 + y2)
= (2ax1 + 2x2 + 1, ay1 + y2)
Por outro lado:
aT2(u) + T2(v) = aT2(x1, y1) + T2(x2, y2)

= a(2x1 + 1, y1) + (2x2 + 1, y2)
= (2ax1 + a, ay1) + (2x2 + 1, y2)]
= (2ax1 + 2x2 + a + 1, ay1 + y2)
T2(au + v)
Logo conclumos que T2 no uma transformao linear.
Veja que se uma funo uma transformao linear, ento,

T(0)=0, em que 0 representa o vetor nulo. Essa condio exige
que a imagem do vetor nulo seja o vetor nulo.
De fato:
T(0) = T(0u) = 0T(u) = 0,
ou seja, basta tomar a = 0 na condio (II) da definio de trans-

formao linear.
Unidade 3 129
Exemplos
3.5. Voc pde ver no exemplo 3.3, que T1 uma transformao
linear. Veja que:
T1(au) = T1(0(x1, y1)) = T1(0x1, 0y1) = T1(0, 0) = (30, 30) = (0, 0)
Ou seja:
T1(0, 0) = (0, 0)
3.6. J no exemplo 3.4. observe que:
T2(au) = T2(0(x1, y1)) = T2(0x1, 0y1) = T2(0, 0) = (20 + 1, 0)

= (1, 0) (0, 0)
Portanto, podemos utilizar a condio T(0) 0 para afirmar

que T : V W no uma transformao linear. Mas ateno! A
recproca no verdadeira, isto , o fato de T(0) = 0 no garante
que T seja uma transformao linear. Veja o exemplo 3.7:
3.7. Veja que T3 : R3 R3, definida por T3(x, y, z) = (x2, 3y, z),
no transformao linear.
Inicialmente, vejamos se T3(0, 0, 0) = (0, 0, 0).
T3(0, 0, 0) = (02, 30, 0) = (0, 0, 0)
Mas, com isso no podemos concluir que T3 uma transfor-

mao linear.
Sejam u = (x1, y1, z1) e v = (x2, y2, z2) do R3, ento
T3(au + v) = T3(a(x1, y1, z1) + (x2, y2, z2))

= T3((ax1, ay1, az1) + (x2, y2, z2))
= T3((ax1 + x2, ay1 + y2, az1 + z2)
= ((ax1 + x2)2, 3(ay1 + y2), (az1 + z2))
= (a2x12 + 2ax1x2 +x22, 3ay1 + 3y2, az1 z2)
130
lgebra Linear
Por outro lado:
aT3(u) + T3(v) = aT3(x1, y1, z1) + T3(x2, y2, z2)

= a(x12, 3y1, z1) + (x22, 3y2, z2)
= (ax12, 3ay1, az1) + (x22, 3y2, z2)
= (ax12 + x22, 3ay1 + 3y2, az1 z2)
T3(au + v)
Logo, o fato de T3(0, 0, 0) = (0, 0, 0) no garante que T3 uma

transformao linear.
3.8. Verifique se T4 : R3 R2, definida por T4(x, y, z) = (z, x + 2y),

transformao linear.
Vejamos inicialmente se T4 (0) = 0.
T4(0, 0, 0) = (0, 0 +20) = (0, 0) = 0
Mas isso no suficiente:
Dados dois vetores u = (x1, y1, z1) e v = (x2, y2, z2) do R3:
T4(au + v) = T4(a(x1, y1, z1) + (x2, y2, z2))

= T4((ax1, ay1, az1) + (x2, y2, z2))
= T4((ax1 + x2, ay1 + y2, az1 + z2)
= (az1 + z2, ax1 + x2 + 2(ay1 + y2))
= (az1 + z2, ax1 + x2 + 2ay1 + 2y2)
Por outro lado:
aT4(u) + T4(v) = aT4(x1, y1, z1) + T4(x2, y2, z2)

= a(z1, x1 + 2y1) + (z2, x2 + 2y2)
= (az1, ax1 + 2ay1) + (z2, x2 + 2y2)
= (az1 + z2, ax1 + x2 + 2ay1 + 2y2)
= T4(au + v)
Portanto T4 uma transformao linear.
Unidade 3 131
Observaes 3.3:
1. Uma transformao linear cujo domnio e contrado-

mnio so iguais chamada de operador linear.
2. As nicas transformaes lineares de R em R so as
funes da forma f(x) = mx, em que m um nmero real
qualquer. Ou seja, dentre todas as funes cujos grficos
so retas, as chamadas transformaes lineares so
somente aquelas que passam pela origem. Em clculo,
uma funo linear definida na forma f(x)=mx+b.
Logo, conclumos que uma funo linear uma transfor-
mao linear de R em R se, e somente se, b=0.
Agora a sua vez!

Outras transformaes lineares
Algumas transformaes lineares recebem nomes especiais:
1) Transformao identidade:
I:VV
ouI(v) = v
vv
Observe que:
Se V = R2, I representa o operador linear:
I : R2 R2
ouI(x, y) = (x, y)
(x, y) (x, y)
Se V = R3, I representa o operador linear:
I : R3 R3
ouI(x, y, z) = (x, y, z)
(x, y, z) (x, y, z)
132
lgebra Linear
2) Transformao nula:
T:VW
ouT(v) = 0
v 0
Veja que, se V = R2, W = R3, ento T representa a transformao
linear:
T : R2 R3
ouT(x, y) = (0, 0, 0)
(x, y) (0, 0, 0)
Observe que essa transformao associa qualquer vetor do
domnio ao vetor nulo do contradomnio.
3) Transformao simtrica em relao origem:

T:VW
ouT(v) = v
v v
Se V = R2, W = R2, ento T representa o operador linear:
T : R2 R2
ouT(x, y) = (x, y)
(x, y) (x, y)
Geometricamente, para v = (5, 2), temos T(v) = (5, 2).
4
T(v) = T(5, 2) = (5, 2) = w
2 v
5 4 3 2 1 1 2 3 4 5 x
w 2
Figura 3.2 - Representao do vetor simtrico ao vetor v = (5, 2)
Unidade 3 133
4) Se V o espao vetorial dos polinmios em t, ento so transformaes lineares

as funes:
I) Derivada:
D:VV
v dv
dt
Pois, pelas propriedades de derivadas, se
f:RR g:RR
, ea IR, ento:
t f(t) t g(t)
1. A derivada da soma de duas funes igual soma das
derivadas de cada uma das funes, ou seja:
d( f + g ) df dg
= +
dt dt dt
2. A derivada do produto de uma constante por uma funo

igual ao produto da constante pela derivada da funo:
d(f ) df
=
dt dt
II) Integral:
J:VV
v v dt
Analogamente, pelas propriedades de integrais, se:
f:RR g:RR
, ea IR, ento:
t f(t) t g(t)
1. A integral da soma de duas funes igual soma das
integrais de cada uma das funes, ou seja:
[f(t) + g(t)]dt = f(t) dt + g(t) dt

2. A integral do produto de uma constante por uma funo
igual ao produto da constante pela integral da funo:
[af(t)]dt = a f(t) dt
134
lgebra Linear
5) A funo de T : Rn Rm uma transformao linear dada pela multiplicao de

um vetor v por uma matriz de ordem (mn).
Por exemplo:
T : R2 R3
(x, y) (2x + 5y, 1x, 3x 2y)
2 5 2x + 5y
x
T( x , y ) =
1 0 y = 1x
3 2 3 x 2 y
Em que a matriz que representa a transformao :
2 5

A = 1 0
3 2
Assim, toda matriz Amn pode ser usada para definir uma trans-
formao linear TA : Rn Rm, onde a imagem TA(v) o produto
da matriz Amn pelo vetor coluna v.
Preste ateno na ordem da matriz em relao ordem

dos espaos vetoriais do domnio e da imagem. Isto
, se temos uma transformao de Rn em Rm, a matriz
associada a essa transformao linear de ordem (mn).
Assim, uma matriz de ordem (32) pode representar uma
transformao do R2 em R3.
Portanto, as matrizes A e B a seguir:
2 1 3 2 2
A= B=
1 2 0 (23) 1 1 (22)
representam, respectivamente, as seguintes transformaes:
TA : R3 R2 ; TA(x, y, z) = (2x y + 3z, x + 2y)

TB : R2 R2 ; TB(x, y) = (2x y, x y)
Unidade 3 135
Observaes:
1) Existe uma correspondncia biunvoca entre matriz (mn)

e transformaes de Rn em Rm. Ou seja, a cada matriz A,
corresponde uma transformao linear, e, a cada transformao
linear TA : Rn Rm, corresponde uma matriz [TA](mn).
2) Cada matriz apresentada nos exemplos anteriores chamada

de matriz cannica da transformao relacionada a ela, j
que sua representao est em relao s bases cannicas
do domnio e do contradomnio da transformao linear.
Na Seo3, voc ver mais detalhadamente a relao entre
matrizes e transformaes lineares.
A prxima propriedade relaciona a teoria sobre espaos

vetoriais, com transformao linear, e fundamental para o
entendimento do teorema 3.1.
Propriedade das transformaes lineares
A transformao linear de uma combinao linear de vetores

do domnio igual combinao linear das transformaes
lineares dos mesmos vetores com os mesmos escalares. Isto :
Se T : V W uma transformao linear, ento
v1, v2 V e a1, a2 R
T(a1v1 + a2v2) = a1T(v1) + a2T(v2)
Portanto, vale:
T(a1v1 + a2v2 + + anvn) = a1T(v1) + a2T(v2) + + anT(vn)

v1, v2, , vn V e a1, a2, , an R
Teorema 3.1: Dados dois espaos vetoriais reais V e W e uma base

de {v1, v2, , vn} V e sejam w1, w2, , wn elementos arbitrrios
de W. Ento existe uma nica aplicao linear:
T : V W tal que T(v1) = w1, T(v2) = w2, , T(vn) = wn
136
lgebra Linear
Se v = a1v1 + a2v2 + + anvn, ento, essa aplicao dada por:
T(v) = a1T(v1) + a2T(v2) + + anT(vn) = a1w1 + a2w2 + + anwn
Ou seja, a imagem de uma combinao linear de vetores de V

a combinao linear, de mesmos escalares, das imagens
T(v1) + T(v2) + + T(vn).
Isto uma consequncia do teorema 3.1, e pode determinar

uma transformao linear conhecendo as imagens dos vetores
de uma base do espao vetorial domnio.
Exemplos
3.9. Seja a transformao T : R3 R2, sabendo que:
T(1, 0, 0) = (2, 3), T(0, 1, 0) = (1, 4) e T(0, 0, 1) = (5, 3)
determine:
a)T(3, 4, 5)
Observe que b = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} a base cannica
do R3, logo o vetor (3, 4, 5) pode ser escrito como combinao
linear dos vetores (1, 0, 0), (0, 1, 0), (0, 0, 1), isto :
(3, 4, 5) = 3(1, 0, 0) 4(0, 1, 0) + 5(0, 0, 1)
Pelo teorema 3.1:
T(3, 4, 5) = 3T(1, 0, 0) 4T(0, 1, 0) + 5T(0, 0, 1)

T(3, 4, 5) = 3(2, 3) 4(1, 4) + 5(5, 3)
T(3, 4, 5) = (6, 9) (4, 16) + (25, 15)
T(3, 4, 5) = (35, 22)
Unidade 3 137
b) a imagem de um vetor v = (x, y, z) qualquer do R3.
Utilizando o mesmo raciocnio e a base cannica:
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)

T(x, y, z) = xT(1, 0, 0) + yT(0, 1, 0) + zT(0, 0, 1)
T(x, y, z) = x(2, 3) + y(1, 4) + z(5, 3)
T(x, y, z) = (2x, 3x) + (y, 4y) + (5z, 3z)
T(x, y, z) = (2x y + 5z, 3x + 4y 3z)
Voc pode comprovar essa resposta calculando
T(1, 0, 0), T(0, 1, 0) e T(0, 0, 1).
Mesmo que a base no seja a cannica, podemos utilizar o

teorema 3.1 para encontrar uma transformao linear atravs
das imagens de alguns vetores.
3.9. Seja a transformao T : R2 R3, tal que:
T(1, 1) = (3, 2, 1) e T(0, 1) = (0, 1 , 0).

2
Determine T(x, y).
Para aplicar o teorema 3.1, devemos inicialmente verificar se

b = {(1, 1), (0, 1)} uma base do R2. J vimos que b uma base
do R3, logo:
Qualquer (x, y) R2 pode ser escrito como:
(x, y) = a(1, 1) + b(0, 1)
assim:
a =x

a b =y
portanto, a = x e b = x y
138
lgebra Linear
Aplicando esses coeficientes:
(x, y) = x(1, 1) + (x y)(0, 1)
T(x, y) = xT(1, 1) + (x y)T(0, 1)
T(x, y) = x(3, 2, 1) + (x y)(0, 1 , 0)

2
xy
T(x, y) = (3x, 2x, x) + (0, , 0)
2
xy
T(x, y) = (3x, 2x + , x)
2
5x y
T(x, y) = (3x, , x)
2
3.10. Sabendo que T : R3 R3 um operador linear dado por:
T(x, y, z) = (x + 2y + 2z, x + 2y z, x + y + 4z),
determine os vetores u, v R3 tais que
T(u) = (1, 8, 11) e T(v) = v
Seja u = (x, y, z) ento:
T(u) = T(x, y, z) = (x + 2y + 2z, x + 2y z, x + y + 4z) = (1, 8, 11)
Pela igualdade de vetores, temos o seguinte sistema:
x + 2 y + 2 z =1

x + 2y z = 8
x + y + 4 z =11

resolvendo por Eliminao de Gauss, temos:
1 2 2 1
L= L 2 L1
1 2 1 8 2
L= L 3 + L1
1 1 4 11 3
1 2 2 1

0 0 3 9 L 2 L 3
0 3 6 12
1 2 2 1

0 3 6 12
0 0 3 9
Unidade 3 139
1 2 1 8
L= L 3 + L1
1 1 4 11 3

1 2 2 1

0 0 3 9 L2 L3
0 3 6 12
1 2 2 1

0 3 6 12
0 0 3 9
x + 2 y + 2 z =1

3y + 6z = 12
3 z = 9

Logo, apresenta-se a soluo x = 1, y = 2 e z = 3.
Logo, o vetor u = (x, y, z) = (1, 2, 3).
Analogamente, se v = (x, y, z) ento:
T(v) = v T(x, y, z) = (x + 2y + 2z, x + 2y z, x + y + 4z) = (x, y, z)
Ento:
x + 2 y + 2z =x

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

Resolvendo por Eliminao de Gauss:
1 2 2 x
L= L 2 L1
1 2 1 y 2
L= L 3 + L1
1 1 4 z 3
1 2 2 x

0 0 3 y x L 2 L 3
0 3 6 z + x
1 2 2 x

0 3 6 z + x
0 0 3 y x
140
lgebra Linear
x + 2 y + 2 z =x

3 y + 6 z =z + x
3 z =y x

que possui infinitas solues representadas por:
x 2z = 0, y + z = 0, ou ainda, x = 2z, y = z, e assim
v = (2z, z, z)
Veja que:
T(v) = T(2z, z, z) = (2z + 2(z) + 2z, 2z + 2(z), 2z z + 4z)

= (2z 2z + 2z, 2z 2z z, 3z + 4z)
= (2z, z, z) = v
Agora a sua vez!

Faa as atividades de autoavaliao de 4 a 9.
Seo 2 Ncleo e imagem de transformaes lineares

Nesta seo, iremos conhecer dois conjuntos associados a uma
transformao linear: o ncleo e a imagem. Veremos que, alm
de serem subconjuntos do domnio e do contradomnio, eles
satisfazem determinadas propriedades dos espaos vetoriais e,
consequentemente, so fundamentais para o estudo desta unidade.
Dada uma transformao linear T : V W, chama-se

ncleo de T e denota-se por N(T) ou ker(T) o conjunto
definido por N(T) = {v V| T(v) = 0}.
Unidade 3 141
V T W
N(T) 0
Figura 3.3 Ncleo de uma transformao linear T : V W
Observe que o conjunto formado pelos vetores cuja imagem

nula est contido no conjunto do domnio da transformao
linear, em outras palavras, N(T) V. Alm disso, esse conjunto
nunca vazio, pois, para que uma funo seja uma trans-
formao linear, o vetor nulo do conjunto do domnio deve
estar associado ao vetor nulo do conjunto imagem, em outras
palavras: N(T) 0 pois 0 N(T), j que T(0) = 0.
Dada uma transformao linear T : V W, chamamos

imagem de T, e denotamos por Im(T) o conjunto definido
por Im(T) = {w W | T(v) = w}, para algum v V.
V T W
Dom (T) Im (T)
Figura 3.4 - Imagem de uma Transformao Linear T : V W

Fonte: Steinbruch (1987, p. 168).
Ou seja, imagem da transformao linear o subconjunto do

contradomnio da transformao constitudo pelos vetores que
esto associados a algum vetor do domnio.
Observe que Im(T) 0, pois 0 Im(T), j que T(0) = 0.
142
lgebra Linear
Em uma transformao linear T : V W, N(T) V, isto

, o conjunto ncleo um subconjunto do domnio da
transformao. Enquanto Im(T) W, ou seja, o conjunto
imagem um subconjunto do contradomnio de T.
Exemplos
Observao 3.4: nesses exemplos vamos usar o mtodo de Gauss
para resolver sistemas homogneos. Observe que as variveis
x1,x2,x3 sero substitudas pelas variveis x, y, z respectivamente.
3.11. Determinar o ncleo e a imagem do operador linear

T1 : R3 R3 definido por
T1(x, y, z) = (x + y z, 2x + 4y z, 3x + 2y + 2z)
I. Ncleo: encontrar todos os vetores do R3 cuja imagem o vetor

(0, 0, 0).
Ou seja:
T1(x, y, z) = (x + y z, 2x + 4y z, 3x + 2y + 2z) = (0, 0, 0)
por igualdade de vetores:
x+yz = 0

2x + 4 y z =0

3x + 2 y + 2 z =
0
sistema resolvido no exemplo 1.32 cuja soluo x = 0, y = 0 e

z=0. Nesse caso o ncleo do operador linear contm apenas
o vetor nulo. Isto , o nico vetor do R3 que est associado ao
vetor nulo, tambm do R3, atravs da transformao T1 dada,
o vetor nulo.
Notao: N(T1) = {(0, 0, 0)} ou ker(T1) = {(0, 0, 0)}.
Geometricamente, observamos que N(T1) um ponto.
Unidade 3 143
T1
R3 R3
z z
N(T1)
y y
x x
Figura 3.5 - Representao geomtrica do ncleo de T1
II. Imagem: Para determinarmos o conjunto imagem de uma

transformao linear T : V W, devemos encontrar um vetor
genrico w = (a, b, c) W tal que qualquer v = (x, y, z) V
tenhaw como imagem, isto : T(v) = w.
Assim, dados w = (a, b, c) e v = (x, y, z) R3:
Im(T1) = {(a, b, c) R3 | T1(x, y, z) = (a, b, c)},
isto , o vetor (a, b, c) Im(T1), se existir (x, y, z) R3, tal que:
(x + y z, 2x + 4y z, 3x + 2y + 2z) = (a, b, c),
Resolvendo o sistema:
x+yz = a

2x + 4 y z =b
3x + 2 y + 2 z =
c

1 1 1 a
2 L 2= L 2 + (2)L1
4 1 b
L3= L3 + (3)L1
3 2 2 c
1 1 1 a
0 1
2 1 b 2a L3 = L3 + ( )L 2
2
0 1 5 c 3a
1 1 1 a
0 2 1 b 2a

11 1
0 0 (b 2a ) + (c 3a )
2 2
144
lgebra Linear
x + y z =a

2 y + z = b 2a

11 b
z = + c 4a
2 2
observamos que ele possui soluo para quaisquer (a, b, c).
Portanto, a Im(T1) = R3, geometricamente:
T1
R3 R3
z z
Im(T1)
y y
x x
Figura 3.6 - Representao geomtrica da imagem de T1
3.12. Para determinar o ncleo e a imagem do operador linear

T2 : R3 R3, definido por:
T2(x, y, z) = (x + y z, 2x 3y + z, x 4y + 2z),
fazemos:
I. Ncleo: encontrar todos os vetores (x, y, z) do R3 tal que:
T2(x, y, z) = (x + y z, 2x 3y + z, x 4y + 2z) = (0, 0, 0),
que nos leva ao sistema:
x+yz = 0

2x 3y + z =0
x 4 y + 2z =
0

Este sistema (resolvido no exemplo 1.33) possui infinitas

solues, j que x = 2 z, y = 3 z, dadas por ( 2 z, 3 z, z), com z livre.
5 5 5 5
Unidade 3 145
Portanto, o ncleo do operador linear um subconjunto do R3

cujos elementos esto na forma ( 2 z, 3 z, z). N(T2) = ( 2 z, 3 z, z) ou
5 5 5 5
ker(T2) = ( 2 z, 3 z, z), que representa geometricamente uma reta:
5 5
T2
R3 R3
z z
N(T2)
1

y y

x x
II. Imagem: Im(T2) = {(a, b, c) R3 | T2(x, y, z) = (a, b, c)}, isto ,

determinar o vetor (a, b, c) Im(T2) se existir (x, y, z) R3 tal que:
(x + y z, 2x 3y + z, x 4y + 2z) = (a, b, c)
x+yz = a

2x 3y + z =b

x 4 y + 2z =
c
1 1 1 a
2 L 2= L 2 + (2)L1
3 1 b
L3= L3 + (1)L1
1 4 2 c
1 1 1 a
0 5 3 b 2a L3= L3 + (1)L 2

0 5 3 c a
1 1 1 a
0 5 3 b 2a

0 0 0 c a b + 2a
146
lgebra Linear
x+yz = a

0 x 5 y + 3 z =b 2 a
0 x + 0 y + 0 z = a b + c

verificamos que ele apresenta uma equao degenerada e

somente ter soluo se a b + c = 0. Isolando uma das variveis
c = b a, podemos ento escrever o vetor (a, b, c) = (a, b, b a),
que representa geometricamente um plano que passa pela
origem, j que possui duas variveis.
Observe a representao geomtrica da imagem de T2 no

primeiro octante:
T2
R3 R3
z z
y y
x x Im(T2)
3.13. Determine o ncleo e a imagem da transformao linear

T3 : R2 R definida por T3(x, y) = x + y.
I. Ncleo: encontrar todos os vetores do R2 cuja imagem 0 R,

isto , T3(x, y) = x + y = 0, ou seja, y = x, portanto N(T3) = {(x, x)}.
So todos os vetores do R2, cuja segunda coordenada igual ao

oposto da primeira. Geometricamente, uma reta que passa
pela origem:
Unidade 3 147
T3
R2 R
N(T3)
x x
II. Imagem: Im(T3) = {a R | T3(x,y) = a}, isto , determinar o

elemento a Im(T3), se existir, (x,y) R2, tal que, (x + y) = a.
Ou seja, qualquer elemento (x,y) R2 do tipo (a, 0) ou (0, a)

tal que T3(a, 0) = T3(0, a) = 0 + a = a.
Portanto Im(T3) = R.
T3
R2 R
x x
Im(T3)
Teorema 3.2: Seja T : V W uma transformao linear. O ncleo

de T um subespao vetorial de V e a imagem de T um
subespao vetorial de W.
Demonstrao: se T : V W uma transformao linear,

considere, para n natural e n > 0, v1, v2, , vn N(T) e os
escalares a1, a2, , an.
Como v1, v2, , vn N(T), ento T(v1) = 0, T(v2) = 0, , T(vn) = 0.

Para N(T) ser subespao devemos provar que a1v1 + a1v1 + anvn
tambm pertence ao ncleo, ou seja, T(a1v1 + a1v1 + anvn) = 0.
148
lgebra Linear
De fato, pelo teorema 3.1, temos:
T(v) = T(a1v1 + a2v2 + + anvn)

= a1T(v1) + a2T(v2) + + anT(vn)
= a10 + a20 + + an0 = 0
Logo, conclumos que uma combinao de vetores do ncleo da

transformao linear tambm um vetor do ncleo da transfor-
mao linear. Por outro lado, T(av) = aT(v) T(0v) = 0T(v) 0, ou
seja 0 N(T).
Portanto, N(T) um subespao de V.
Analogamente, sejam w1, w2, , wn Im(T) e os escalares

a1,a2,, an. Pela definio de imagem, existem vetores v1, v2,
, vn V, tais que T(v1) = w1, T(v2) = w2, , T(vn) = wn. Para ser
subespao, devemos mostrar que a1w1 + a2w2 + + anwn pertence
imagem de T.
De fato, pelo teorema 3.1:
T(a1v1 + a2v2 + + anvn) = a1T(v1) + a2T(v2) + + anT(vn)

= a1w1 + a2w2 + + anwn
Isto , a1w1 + a2w2 + + anwn imagem de a1v1 + a2v2 + + anvn.
Esse teorema permite que calculemos a dimenso do

ncleo e da imagem de transformaes lineares, j
que esses conjuntos so subespaos vetoriais de V e W,
respectivamente.
Exemplos
3.14. Determine as dimenses do ncleo e da imagem das trans-
formaes lineares apresentadas no exemplo 3.11:
T1 : R3 R3, T1(x, y, z) = (x + y z, 2x + 4y z, 3x + 2y + 2z)
N(T1) = {(0, 0, 0,)} como nesse conjunto est contido um nico

ponto sua dimenso zero, ou seja, dim N(T1) = 0 e Im(T1) = R3,
ento dim Im(T1) = 3.
Unidade 3 149
3.15.
Determine as dimenses do ncleo e da imagem das trans-
formaes lineares apresentadas no exemplo 3.12.
T2 : R3 R3, T2(x, y, z) = (x + y z, 2x 3y + z, x 4y + 2z)
N(T2) = ( 2 z, 3 z, z) , como o vetor que representa os elementos do

5 5
ncleo apresenta apenas uma varivel livre, dim N(T2) =1.
Im(T2) = {(x, y, y x)}, o vetor que representa os elementos do

conjunto imagem possui duas variveis, ento dim Im(T2) =2.
3.16.
Determine as dimenses do ncleo e da imagem das trans-
formaes lineares apresentadas no exemplo 3.13.
T3 : R2 R, T3(x, y) = x + y
N(T3) = {(x, x)}, observe aqui que o vetor que representa o

ncleo possui apenas uma varivel, assim dim N(T3) = 1.
Im(T3) = x, x R, ou seja uma reta, apresenta uma varivel

livre, dim Im(T3) = 1.
Teorema 3.3: Seja T : V W uma transformao linear. Ento
dim N(T) + dim Im(T) = dim V.
Demonstrao: Seja {v1, v2, , vn} uma base do N(T), como

N(T)V subespao de V, ento podemos completar este
conjunto de modo a obter uma base de V.
Seja ento {v1, v2, , vn, w1, w2, , wn} a base de V. Queremos
mostrar que T(w1), T(w2), , T(wn) uma base de Im(T), isto :
I. [T(w1), T(w2), , T(wn)] = Im(T)
Seja w Im(T), existe v V, tal que T(v) = w. Se v V, ento
v = a1v1 + a2v2 + + anvn + an+1w1 + an+1w2 + an+mwm
150
lgebra Linear
Mas,
w = T(v) = T(a1v1 + a2v2 + + anvn + an+1w1 + an+1w2 + + an+mwm)

= T(a1v1 + a2v2 + + anvn) + T(an+1w1 + an+2w2 + + an+mwm)
= a1T(v1) + a2T(v2) + + anT(vn) +
an+1T(w1) + an+2T(w2) + + an+mT(wm)
Como os vetores v1, v2, , vn pertencem ao N(T), ento T(v1) = 0,

T(v2) = 0, , T(vn) = 0.
Assim, w = an+1T(w1) + an+2T(w2) + + an+mT(wm) e Im(T) gerada

pelos vetores T(w1), T(w2), , T(wn).
II. {T(w1), T(w2), , T(wn)} linearmente independente.
Considere agora a combinao linear:
a1T(w1) + a2T(w2) + + amT(vm) = 0
e mostremos que os ai so nulos.
Como T linear, T(a1w1 + a2w2 + + amwm) = 0.
Logo, a1w1 + a2w2 + + amwm N(T).
Ento a1w1 + a2w2 + + amwm pode ser escrito como combinao

linear da base {v1, v2, , vn} de N(T), isto , existem escalares
b1,b2, , bn tais que:
a1w1 + a2w2 + + amwm = b1v1 + b2v2 + + bnvn,
ou ainda
a1w1 + a2w2 + + amwm b1v1 b2v2 bnvn = 0
Mas, {w1, w2, , wn, v1, v2, , vn} uma base de V, e temos, ento,
a1 = a2 = = an = b1 = b2 = = bn = 0.
O teorema 3.3 chamado de teorema das dimenses.
Unidade 3 151
Exemplos
3.17. Verifique o teorema das dimenses para a transformao
linear do exemplo 3.14.
T1 : R3 R3, T1(x, y, z) = (x + y z, 2x + 4y z, 3x + 2y + 2z)
Como dim N(T1) = 0, dim Im(T1) = 3 e dim V = dim R3 = 3
dim V = dim N(T1) + dim Im(T1) = 0 + 3 = 3.

T2 : R3 R3, T2(x, y, z) = (x + y z, 2x 3y + z, x 4y + 2z)

T3 : R2 R, T3(x, y) = x + y
Transformao linear injetora e sobrejetora
Como em funes bijetoras, importante sabermos se uma

transformao linear bijetora. Esse fato auxilia a determinao
de novas transformaes lineares.
Uma transformao linear T : V W injetora se

v1,v2 V, T(v1) = T(v2) implica que v1 = v2, de modo
anlogo, se v1,v2 V se v1 v2 implica que T(v1) T(v2).
152
lgebra Linear
Em outras palavras, dizemos que uma transformao linear

injetora se, dados dois vetores distintos do domnio, suas
respectivas imagens tambm so distintas. Voc pode observar
que essa definio tem uma consequncia importante para o
ncleo da transformao.
Propriedade 1: Uma transformao linear T : V W injetora se, e

somente se, N(T) = {0}.
Sabemos que, para qualquer transformao linear, T(0) = 0. Seja

v N(T), logo T(v) = 0 e como T injetora segue que v = 0 e,
portanto,
N(T) = {0}
.
A recproca verdadeira, se para a trans-
formao T : V W, tivermos N(T) = {0}, ento v1, v2 V tais
que T(v1) = T(v2), teremos:
T(v1) = T(v2) T(v1) T(v2) = 0 T(v1 v2) = 0.
Como N(T) = {0}, temos que v1 v2 = 0 v1 = v2 e T injetora.
Uma transformao linear T : V W sobrejetora se

w W existir pelo menos um v V tal que T(v) = w.
Podemos utilizar o conjunto imagem da transformao para

mostrar que a T sobrejetora.
Propriedade 2: Uma transformao T : V W sobrejetora se

wW, vV tal que T(v) = w. Ou seja, Im(T) = W. Isto , se o
contradomnio igual imagem da transformao linear.
Uma transformao linear T : V W bijetora se T

injetora e sobrejetora.
Das propriedades 1 e 2, podemos mostrar que T : V W

bijetora se, e somente se, N(T) = {0} e Im(T) = W.
Unidade 3 153
Exemplos
Verifique se as seguintes transformaes lineares so bijetoras:
3.20. T1 : R3 R3, T1(x, y, z) = (x + y z, 2x + 4y z, 3x + 2y + 2z)
Como dim N(T1) = 0, a transformao T1 injetora, e

dimIm(T1)=3 = dim R3, ento T1 sobrejetora e, consequente-
mente, bijetora.
3.21. T2 : R3 R3, T2(x, y, z) = (x + y z, 2x 3y + z, x 4y + 2z)
Como dim N(T2) = 1 0, podemos afirmar que T2 no injetora.

3
E como dim Im(T2) = 2 dim R = 3, a transformao tambm
no sobrejetora.
3.22. T3 : R2 R, T3(x, y) = x + y
A transformao T3 no injetora, mas sobrejetora, pois

dimN(T3) = 1 0 e dim Im(T3) = 1 = dim R = 1.
O seguinte corolrio apresenta que, em casos especiais em que

as dimenses do domnio e do contradomnio so iguais, o
fato de uma transformao linear ser injetora suficiente para
garantir que ela um isomorfismo.
Corolrio 3.1: Seja a transformao linear T : V W:
I. Se dim V = dim W, ento T injetora se, e somente se,

sobrejetora.
II. Se dim V = dim W e T injetora, ento T transforma
base em base, isto , se b = {v1, v2, , vn} base de V,
ento {T(v1), T(v2), , T(vn)} base de W.
Uma transformao linear T : V W bijetora tambm

chamada de isomorfismo, e seu domnio V e contrado-
mnio W so chamados espaos vetoriais isomorfos.
154
lgebra Linear
Observao:
1) Sob o ponto de vista da lgebra, espaos vetoriais isomorfos

so ditos idnticos.
2) Espaos isomorfos devem ter a mesma dimenso (devido aos
teoremas anteriores), portanto, um isomorfismo leva base em
base.
3) Um isomorfismo T : V W tem uma aplicao inversa
T1:W V, que linear e, tambm, um isomorfismo.
4) Um operador linear T : V V tambm pode ser chamado de
endomorfismo.
5) Quando o operador linear T : Rn Rn for um isomorfismo,
a matriz da transformao [T] invertvel e, assim, existe o
operador linear inverso T1 : Rn Rn:
T
Rn Rn
T(v)
v w
T1(v)
T1
Rn Rn
Figura 3.11 - Representao grfica da inversa de uma transformao linear
A todo operador linear est associada uma matriz que representa

esse operador. Seja [T](nn) a matriz cannica que representa
T:RnRn e [T1](nn) a matriz cannica que representa
T1:RnRn. J que uma transformao inversa da outra, ento
uma matriz cannica tambm ser inversa de outra, assim:
[T1](nn) = [T]1
(nn)
Mas no esquea que uma matriz [T] somente possui inversa se

det[T] 0.
Unidade 3 155
Exemplos
3.23. Verifique se o operador linear T1 : R3 R3, definido por
T1(x, y, z) = (x + y z, 2x + 4y z, 3x + 2y + 2z), um isomorfismo.
Como dim V = dim R3 = dim W, basta verificar se T1 injetora,

pois pelo corolrio 3.1 (I), essa condio suficiente para mostrar
que T1 sobrejetora e, consequentemente, bijetora e isomorfismo.
Voc j viu, nos exemplos anteriores, que N(T1) = {(0, 0, 0)}. Logo,
T1 injetora, ento, sobrejetora.
3.24. Mostre que o seguinte operador linear T um isomorfismo

e determine o operador inverso T1.
T : R3 R3 dada por T(x, y, z) = (x 2y, z, x + y).
Para mostrar que T um isomorfismo, vamos inicialmente

determinar o N(T):
T(x, y, z) = (x 2y, z, x + y) = (0, 0, 0)
x 2 y =0

z=0
x+y = 0

cuja soluo {(0, 0, 0)}.
Assim, T injetora, consequentemente, sobrejetora e bijetora,

e como um operador linear, conclumos que T um
isomorfismo.
Para determinar T1, tomemos a base cannica do R3,

b={(1,0,0),(0,1,0),(0, 0, 1)}. Calculando as respectivas
imagens, temos:
T(1, 0, 0) = (1 20, 0, 1 + 0) = (1, 0, 1)

T(0, 1, 0) = (1 21, 0, 0 + 1) = (2, 0, 1)
T(0, 0, 1) = (1 20, 1, 0 + 0) = (0, 1, 0)
156
lgebra Linear
Logo:
T1 (1, 0, 1) = (1, 0, 0)
T1 (2, 0, 1) = (0, 1, 0)
T1 (0, 1, 0) = (0, 0, 1)
Vamos utilizar essas imagens para determinar T1(x, y, z).
Escrevendo (x, y, z) como combinao linear da base {(1, 0, 1),

(2, 0,1), (0, 1, 0)}, precisamos determinar os coeficientes a, b e c,
em funo de x, y e z.
(x, y, z) = a(1, 0, 1) + b(2, 0,1) + c(0, 1, 0)
a 2b =x a = x + 2b

c=y
a+b = zx 2z + x
z a = z b a = bz =
a=
3 3
zx
(x + 2b) + b = z 3b = z x b =
3
c=y
Logo:
2z + x zx
T1(x, y, z)a = (1, 0, 1)b =
+ (2, 0,1) + y(0, 1, 0)
3 3
Portanto, o operador inverso de T :
T1(x, y, z)a== ( 2z + x z x
3
b =,
3
,y )
Outra forma de resolver esse exemplo determinar a transfor-
mao inversa de T : R3 R3 atravs da matriz cannica inversa
de [T].
Para
1 2 0

[T] = 0 0 1
1 1 0
temos det[T] = 3 0, logo a matriz possui inversa.
Unidade 3 157
1 2 0 1 0 0

[T|I] = 0 0 1 0 1 0 L 3 = L 3 L1
1 1 0 0 0 1
1 2 0 1 0 0

0 0 1 0 1 0 L 2 L 3
0 3 0 1 0 1
1 2 0 1 0 0
1
0 3 0 1 0 1 L 2 = L
3 2
0 0 1 0 1 0
1 2 0 1 0 0

1
1 L = L + 2L
0 1 0 3 0 3 1 1 2
0 0 1 0 1 0

1 0 2
1 0 0 3 3
1 1 L = L + 2L
0 1 0 3 0 3 1 1 2
0 0 1 0 1 0

Logo:
1 0 2
3 3
[T ] = 1
1
0 1
3 3
0 1 0

Que nos leva transformao:
T1(x, y, z)a== ( 2z + x z x
3
b =,
3
,y )
Agora a sua vez!
Voc j est apto a resolver as atividades de 10 a 16.
158
lgebra Linear
Seo 3 Transformaes lineares e matrizes

J vimos alguns exemplos de transformaes lineares repre-
sentadas por matrizes. Veremos, nesta seo, a relao entre
matrizes e transformaes lineares e como as matrizes podem
nos auxiliar no estudo dessas funes. Assim, poderemos
tambm verificar que, uma vez fixadas as bases do domnio
e do contradomnio de uma transformao linear, a matriz
associada a essa transformao nica. Matrizes associadas a
transformaes lineares permitem calcular imagens de vetores
usando multiplicao matricial fundamental para calcular
autovalores e autovetores.
Se T : V W uma transformao linear, supondo que

V=Rn e W=Rm. Consideremos b = {v1, v2, , vn} uma base de
V e b'={w1, w2, , wm} uma base de W. Supondo x1, x2, , xn e
y1,y2,, yn escalares.
Um vetor v V pode ser expresso como combinao linear dos

vetores da base b:
v = x1v1 + x2v2 + + xnvn
Cuja imagem pode ser expressa como combinao linear dos

vetores da base b':
T(v) = y1w1 + y2w2 + + ymwm (1)
Por outro lado:
T(v) = T(x1v1 + x2v2 + + xnvn)

= x1T(v1) + x2T(v2) + + xnT(vn) (2)
Como T(v1), T(v2), , T(vn) W eles so combinao linear dos

vetores da base b', e podem ser denotados por:
T(v1)b', T(v2)b', , T(vn)b'
Unidade 3 159
E representados por:
T(v1)b' = a11w1 + a21w2 + + am1wm

T(v2)b' = a12w1 + a22w2 + + am2wm

T(v1)b' = a1nw1 + a2nw2 + + amnwm (3)
Em que aij so escalares com i = 1, 2, , m e j = 1, 2, , n.
Substituindo os vetores de (3) em (2):
T(v) = x1T(a11w1 + a21w2 + + am1wm) +

x2T(a12w1 + a22w2 + + am2wm) +
+
xnT(a1nw1 + a2nw2 + + amnwm)
Que, por sua vez, pode ser escrito como:
T(v) = (a11x1 + a12x2 + + a1nxn)w1 +

(a21x1 + a22x2 + + a2nxn)w2 +
+
(am1x1 + am2x2 + + amnxn)wm (4)
Comparando (4) com (1):
y1 = a11x1 + a12x2 + + a1nxn

y2 = a21x1 + a22x2 + + a2nxn

ym = am1x1 + am2x2 + + amnxn
Ou na forma matricial:
y1 a11 a12 a1n x1

= y2 a21 a22 a2 n x2

ym am1 am 2 amn xn
160
lgebra Linear
A matriz
a11 a12 a1n

a21 a22 a2 n

am1 am 2 amn
chamada matriz de T em relao s bases b e b'. E denotada

por [T]b'b , isto :
a11 a12 a1n

a a22 a2 n
[T]b' = 21
b

am1 am 2 amn
Observaes:
1) Se T : Rn Rm uma transformao linear, supondo que a

matriz [T]b'b de ordem mn.
2) As colunas da matriz [T]b'b so as componentes das imagens

dos vetores da base b em relao base b'. Veja a seguinte
representao:
T(v1)b' T(v2)b' T(vn)b'

a11 a12 a1n

a a22 a2 n
[T]b' = 21
b

am1 am 2 amn
3) Uma transformao linear poder ser representada por

uma infinidade de matrizes. Mas se for fixada uma base b do
domnio e uma base b' do contradomnio, a matriz [T]b'b nica.
Portanto, a matriz [T]b'b pode ser considerada como uma trans-
formao linear T : Rn Rm em relao s bases b e b' de Rn e Rm
respectivamente.
Unidade 3 161
4) Se b e b' so bases cannicas de Rn e Rm respectivamente, a

matriz de notao [T] a matriz cannica da transformao
T, cuja dimenso (mn) nmero de linhas igual dimenso
do contradomnio, e nmero de colunas igual dimenso do
contradomnio. Logo, a matriz cannica dada pelos coefi-
cientes dos elementos de cada termo da transformao linear.
Exemplos
3.25. Se T1 : R3 R3, T1(x, y, z) = (2y + z, x 4y, 3x)
Determine a representao matricial de T1 em relao base

cannica {1,0,0),(0,1,0),(0, 0, 1)} R3.
Matriz cannica de T1
0 2 1

[T
= 1
] 1 4 0
3 0 0
Por outro lado, podemos determinar a representao matricial

de T1 em relao a qualquer base, suponha:
b = {v1, v2, v3} com v1=(1, 1, 1), v2=(1, 1, 0) e v3=(1, 0, 0); e

b' = {w1, w2, w3} com w1=(1, 1, 2), w2=(1, 1, 1) e w3=(0, 1, 1).
Como T1 : R3 R3, a matriz [T]b'b tem a seguinte forma:

T1(v1)b' T1(v2)b' T1(v2)b'

a11 a12 a13
b
[T ] = a21
1 b' a22 a23
a31 a32 a33
Sabemos que:
T(v1)b' = a1iw1 + a2iw2 + + amiwm para todo i = 1, 2, , n.
162
lgebra Linear
Assim:
T1(v1)b' = T1(1, 1, 1)b' = (10 + 21 + 11, 11 41 + 01, 31 + 01 + 01)
= (3, 3, 3)
a11(1, 1, 2) + a21(1, 1, 1) + a31(0, 1, 2) = (3, 3, 3)
a11 a21 3
= cuja soluo :

a11
+ a 21
+ a 31
=
3
2 a a + a = 3 a11 = 0, a21 = 3 e a31 = 0.
11 21 31
Analogamente:
T1(v2)b' = T1(1, 1, 0)b' = (10 + 21 + 10, 11 41 + 00, 31 + 01 + 00)

= (2, 3, 3)
a12(1, 1, 2) + a22(1, 1, 1) + a32(0, 1, 2) = (2, 3, 3)
a12 a22 2
= cuja soluo :

a12 + a22 + a32 =
3
2 a a + a = 2 8
3 a12 = , a22 = e a32 = 1.
12 22 32 3 3
E para v3:
T1(v3)b' = T1(1, 0, 0)b' = (10 + 20 + 10, 11 40 + 00, 31 + 00 + 00)

= (0, 1, 0)
a12(1, 1, 2) + a22(1, 1, 1) + a32(0, 1, 2) = (2, 3, 3)
a13 a23 0
= cuja soluo :

a13 + a23 + a33 =
1
2 a a + a = 1 1
0 a13 = , a23 = e a33 = 1.
13 23 33 3 3
Portanto a matriz que procuramos :

T1(v1)b' T1(v2)b' T1(v2)b'

0 2 1
3 3

[T1]b' = 3 8
b 1
3 3
0 1 1

Unidade 3 163
3.26. Determine a matriz [T]b'b que representa a transformao

linear T : R2 R3, T(x, y) = (x, 9y 10x, 3y 4x), se:
b' = {(0, 3, 0), (1, 0, 0), (0, 1, 1)}

b = {(1, 1), (0, 1)}
T(v1)b' = T(1, 1)b' = (1, 91 101, 31 41)

= (1, 1, 1) = a11(0, 3, 0) + a21(1, 0, 0) + a31(0, 1, 1)
a21 = 1 cuja soluo :

3a11 + a31 = 1
a31 = 1 a11 = 0, a21 = 1 e a31 = 1.

T(v2)b' = T(0, 1)b' = (0, 91 100, 31 40)

= (0, 9, 3) = a11(0, 3, 0) + a21(1, 0, 0) + a31(0, 1, 1)
a22 = 0 cuja soluo :

3a12 + a32 = 9
a32 = 3 a11 = 2, a21 = 0 e a31 = 3.

Portanto, obtemos a matriz:
0 2

[T] = 1 0
b
b'
1 3
3.27. Dadas as bases b = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e

b'={(1,3),(1, 4)}, determine a transformao linear T : R3 R2
cuja matriz :
3 11 5
[T]bb ' =
1 8 3
164
lgebra Linear
Partindo da matriz, temos os coeficientes em que aij so

escalares com i = 1, 2 e j = 1, 2, 3. Ou seja:
T(1, 1, 1) = 3(1, 3) 1(1, 4) = (2, 5)

T(1, 1, 0) = 11(1, 3) 8(1, 4) = (3, 1)
T(1, 0, 0) = 5(1, 3) 3(1, 4) = (2, 3)
Precisamos encontrar agora T(x, y, z). Para isso, vamos escrever

(x, y, z) em relao base b = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}, ou seja:
(x, y, z) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0)
a + b + c =x a = z a=z

a + b = y b = y a b=yz
a = z
c = x a b = x z (y z) c = x y
(x, y, z) = z(1, 1, 1) + (y z)(1, 1, 0) + (x y)(1, 0, 0)
Aplicando T, temos:
T(x, y, z) = zT(1, 1, 1) + (y z)T(1, 1, 0) + (x y)T(1, 0, 0)

= z(2, 5) + (y z)(3, 1) + (x y)(2, 3)
= (2z, 5z) + (3y 3z, y z) + (2x 2y, 3x 3y)
= (2z + 3y 3z + 2x 2y, 5z + y z + 3x 3y)
= (2x + y z, 3x 2y + 4z)
Voc deve estar se perguntando para que trabalharmos

com a forma matricial de uma transformao linear. O
prximo teorema esclarece esta questo.
Teorema 3.4: sejam V e W espaos vetoriais, com bases respecti-

vamente b e b' e T : V W uma transformao linear. Ento,
vV, temos:
[T(v)]b' = [T]b'b [v]b
Unidade 3 165
Ou seja, qualquer transformao linear pode ser escrita atravs

do produto da matriz da transformao linear em relao s
bases b e b' pelo vetor v em relao base b.
E, assim, a matriz [T]b'b pode ser utilizada para calcular a

imagem de um vetor v V por T em relao base b.
Operaes com transformaes lineares
Quando estudamos funes, observamos que podemos realizar

operaes entre elas. Mas, para isso, devemos conhecer o
tipo de funo, bem como seu domnio e seu contradomnio.
Analogamente, no caso das transformaes lineares, podemos
realizar algumas operaes, mas, para isso, devemos estudar
essas transformaes lineares. As funes apresentadas a seguir,
obtidas a partir das operaes entre transformaes lineares,
so tambm transformaes lineares.
1. Adio
Dadas duas transformaes lineares T1 : V W e T2 : V W. A
transformao linear soma de T1 e T2 dada por:
(T1 + T2) : V W
v (T1 + T2)(v) = T1(v) + T2(v)
Se b e b' so bases dos espaos vetoriais V e W respectiva-

mente. Devido ao teorema 3.4, essa operao pode ser realizada
tambm pelas matrizes associadas a essas transformaes
lineares, ou seja:
[T1 + T2]b'b = [T1]b'b + [T2]b'b
2. Multiplicao por escalar

O produto de uma transformao linear T : V W por um
escalar a R uma transformao linear aT:
(aT) : V W
v (aT)(v) = aT(v)
166
lgebra Linear
Se b uma base de V e b', uma base de W, essa operao pode

ser realizada tambm pelas matrizes associadas a essas trans-
formaes lineares, ou seja:
[aT]b'b = a[T]b'b
3. Composio
Dadas duas transformaes lineares T1 : V W e T2 : W U,
chamamos transformao composta de T1 por T2 e denotamos
por T2oT1 a transformao:
(T2oT1) : V W
v (T2oT2)(v) = T2(T1(v))
T1 T2
V W U
T2(T1(v))
T1(v)
v
[T2oT1](v)
T1(v)
[T2oT1]
Figura 3.12 - Representao grfica da composio de transformaes lineares
Supondo b, b' e b" bases dos espaos vetoriais V, W e U, respec-

tivamente, temos que:
b
[T2oT1]b" = [T2]b'b" [T1]b'b
b
Em outras palavras: a matriz [T2oT1]b" , que representa a trans-
formao linear composta de T1 por T2, em relao s bases b
e b", dada pelo produto das matrizes [T1]b'b , associada trans-
formao linear T1 em relao s bases b e b', pela a matriz[T2]b'b",
associada transformao linear em relao s bases b' e b".
Unidade 3 167
Observao:
Somente possvel determinar [T2oT1] se o contradomnio

de T1 for igual ao domnio de T2. Observe que, se [T2oT1] existir,
ento o domnio dessa funo igual ao domnio de T1; j seu
contradomnio igual ao contradomnio de T2.
A composio de transformaes lineares nem sempre

comutativa. Essa afirmao decorre do produto de matrizes.
Como a composio de duas transformaes pode ser obtida pelo
produto de duas matrizes, e o produto de matrizes nem sempre
comutativo, ento conclumos que no podemos garantir a comu-
tatividade de composio de transformaes lineares.
Exemplos
3.28. Dadas as transformaes lineares T1 : R2 R3 e T2 : R2 R3
definidas por:
T1(x, y) = (5x 3y, y, 2x + y)eT2(x, y) = (2y, 2x + y, x),
determine as seguintes transformaes lineares:
a) T1 + T2
b) 2T1
c) 2T1 + 3T2
a) T1 + T2: Voc pode determinar essa nova transformao de

duas formas, (I) somando as transformaes ou (II) somando as
matrizes cannicas associadas a elas, isto :
I.Somando as transformaes
(T1 + T2)(x, y) = T1(x, y) + T2(x, y)

= (5x 3y, y, 2x + y) + (2y, 2x + y, x)
= (5x y, 2x, x + y)
168
lgebra Linear
II.Somando as matrizes cannicas associadas s transforma-

es T1 e T2
5 3 0 2

[T1 ] =
0 1 e [T2 ] =
2 1
2 1 1 0
veja que
5 3 0 2 5 1

[T1 ] + [T2 =] 0 1 + 2 1 = 2 0
2 1 1 0 1 1
ou ainda:
(T1 + T2)(x, y) = (5x y, 2x, x + y)
b)Para determinar 2T1, tambm podemos proceder de duas

formas:
I.
(2T1)(x, y) = 2(T1(x, y))

= 2(5x 3y, y, 2x + y)
= (10x 6y, 2y, 4x + 2y)
II.
5 3 10 6

2[T=
1
] 2 0 1= 0 2
2 1 4 2
que representa a mesma transformao encontrada em (I).
Unidade 3 169
c)Analogamente, para 2T1 + 3T2:
I.
(2T1 + 3T2)(x, y) = 2T1(x, y) + 3T2(x, y)

= (10x 6y, 2y, 4x + 2y) + (6y, 6x + 3y, 3x)
= (10x 12y, 6x 5y, 7x + 2y)
II.
5 3 0 2 10 12

2[T1 ] 3[T2 ] =2 0 1 3 2 1 = 6 5
2 1 1 0 7 2
3.29. Dados os operadores lineares T1 : R2 R2 e T2 : R2 R2,

definidos por:
T1(x, y) = (2x y, 2y)eT2(x, y) = (x + 3y, y),
determine as seguintes transformaes lineares:
a)T1oT2
I.Pela definio de composio de funes:
(T1oT2)(x, y) = T1(T2(x, y))

= T1(x + 3y, y)
= (2(x + 3y) (y), ((2y))
= (2x + 7y, 2y)
II.Utilizando matrizes cannicas:
2 1 1 3 2 7
(T1oT2 ) = [T1 ] [T2 ] = =
0 2 0 1 0 2
Logo:
(T1oT2)(x, y) = (2x + 7y, 2y)
170
lgebra Linear
b)T2oT1
I.Pela definio de composio de funes:
(T2oT1)(x, y) = T2(T1(x, y))

= T2(2x y, 2y)
= (1(2x y) + 3(2y), (2(y))
= (2x + 5y, 2y)
II.Utilizando matrizes cannicas:
1 3 2 1 2 5
(T2 oT1 ) = [T2 ] [T1 ] = =
0 1 0 2 0 2
Logo:
(T2oT1)(x, y) = (2x + 5y, 2y)
Voc sabe por que (T1oT2)(x, y) (T2oT1)(x, y)?

Veja a resposta no EVA.
Agora a sua vez!

Seo 4 Geometria das transformaes lineares

Nesta seo, iremos visualizar geometricamente alguns
operadores lineares. Dentre os mais importantes, esto os
operadores no R2 e no R3, que produzem reflexes, projees,
rotaes, dilataes e contraes. Voc ver, tambm, a ligao
entre a representao matricial das transformaes e sua repre-
sentao geomtrica.
Unidade 3 171
Reflexes
1. A transformao reflexo em relao ao eixo x

O operador linear T : R2 R2 leva cada ponto (x, y) para sua
imagem (x, y), simtrica em relao ao eixo dos x.
T : R2 R2
ou T(x, y) = (x, y)
(x, y) (x, y)
Podemos representar essa reflexo utilizando a matriz na forma
cannica:
x 1 0 x 1 0
= [T]
=
y 0 1 y 0 1
(x, y)
T(x, y) = (x, y)
Figura 3.13 - Reflexo do vetor (x, y) em torno do eixo x
2. A transformao reflexo em relao ao eixo y

imagem (x, y), simtrica em relao ao eixo dos y.
T : R2 R2
ou T(x, y) = (x, y)
(x, y) (x, y)
Reflexo utilizando a matriz na forma cannica:
x 1 0 x 1 0
= [T]
=
y 0 1 y 0 1
172
lgebra Linear
T(x, y) = (x, y) (x, y)
Figura 3.14 - Reflexo do vetor (x, y) em torno do eixo y
3. A transformao reflexo em relao origem

imagem (x, y), simtrica em relao origem.
T : R2 R2
ou T(x, y) = (x, y)
(x, y) (x, y)
x 1 0 x 1 0
= [T]
=
y 0 1 y 0 1
(x, y)
T(x, y) = (x, y)
Figura 3.15 - Reflexo do vetor (x, y) em torno da origem
Unidade 3 173
4. A transformao reflexo em torno da reta y = x

imagem (y, x).
T : R2 R2
ou T(x, y) = (y, x)
(x, y) (y, x)
x 0 1 x 0 1
= [T]=
y 1 0 y 1 0
y y=x
T(x, y) = (y, x)
(x, y)
Figura 3.16 - Reflexo do vetor (x, y) em torno da reta y = x
5. A Reflexo de vetor em torno do plano xy

O operador linear T : R3 R3 leva cada ponto (x, y, z) para sua
imagem (x, y, z) simtrica em relao ao plano xy.
T : R3 R3
ou T(x, y, z) = (x, y, z)
(x, y, z) (x, y, z)
Utilizando a matriz na forma cannica:
x 1 0 0 x 1 0 0

y
= 0 1 0 y =
[T] 0 1 0
z 0 0 1 z 0 0 1
174
lgebra Linear
(x, y, z)
T(x, y, z) = (x, y, z)
x
Figura 3.17 - Reflexo do vetor (x, y, z) em torno do plano xy
6. A reflexo de um vetor em torno do plano xz

imagem (x, y, z) simtrica em relao ao plano xz.
T : R3 R3
ou T(x, y, z) = (x, y, z)
(x, y, z) (x, y, z)
x 1 0 0 x 1 0 0

y = 0 1 0 y [T]= 0 1 0
z 0 0 1 z 0 0 1
T(x, y, z) = (x, y, z) (x, y, z)
Figura 3.18 - Reflexo do vetor (x, y, z) em torno do plano xz
Unidade 3 175
7. A reflexo de um vetor em torno do plano zy

imagem (x, y, z) simtrica em relao ao plano zy.
T : R3 R3
ou T(x, y, z) = (x, y, z)
(x, y, z) (x, y, z)
x 1 0 0 x 1 0 0

= y 0 1 0 y =[T] 0 1 0
z 0 0 1 z 0 0 1
z
T(x, y, z) = (x, y, z)
(x, y, z)
x
Figura 3.19 - Reflexo do vetor (x, y, z) em torno do plano yz
Projees
Uma projeo ortogonal de R2 ou R3 qualquer operador que

leva cada vetor em sua projeo ortogonal sobre uma reta ou
algum plano pela origem. Vamos apresentar a seguir algumas
projees:
1. Transformao projeo ortogonal sobre o eixo x

O operador linear T : R2 R2 leva cada vetor (x, y) para sua
imagem (x, 0) projetada no eixo x.
T : R2 R2
ou T(x, y) = (x, 0)
(x, y) (x, 0)
176
lgebra Linear
x 1 0 x 1 0
= [T]=
0 0 0 y 0 0
(x, y)
T(x, y) = (x, 0) x
Figura 3.20 - Projeo ortogonal do vetor (x, y) sobre o eixo x
2. Transformao projeo ortogonal sobre o eixo y

imagem (0, y), projetada no eixo y.
T : R2 R2
ou T(x, y) = (0, y)
(x, y) (0, y)
0 0 0 x 0 0
= [T]=
y 0 1 y 0 1
3. Projeo ortogonal de um vetor sobre o plano xy

O operador linear T : R3 R3 leva cada vetor (x, y, z) para sua
imagem (x, y, 0).
T : R3 R3
ou T(x, y, z) = (x, y, 0)
(x, y, z) (x, y, 0)
x 1 0 0 x 1 0 0

y
= 0 1 0 y =
[T] 0 1 0
0 0 0 0 z 0 0 0
Unidade 3 177
(x, y, z)
T(x, y, z) = (x, y, 0)
x
Figura 3.21 - Projeo ortogonal do vetor (x, y, z) no plano xy
4. Projeo ortogonal de um vetor sobre o plano xz

imagem (x, 0, z).
T : R3 R3
ou T(x, y, z) = (x, 0, z)
(x, y, z) (x, 0, z)
x 1 0 0 x 1 0 0

0
= 0 0 0 y =
[T] 0 0 0
z 0 0 1 z 0 0 1
T(x, y, z) = (x, 0, z) (x, y, z)
Figura 3.22 - Projeo ortogonal do vetor (x, y, z) no plano xz
178
lgebra Linear
5. Projeo ortogonal de um vetor sobre o plano yz

imagem (0, y, z).
T : R3 R3
ou T(x, y, z) = (0, y, z)
(x, y, z) (0, y, z)
0 0 0 0 x 0 0 0

x
= 0 1 0 y =
[T] 0 1 0
z 0 0 1 z 0 0 1
T(x, y, z) = (0, y, z)
(x, y, z)
Figura 3.23 - Projeo ortogonal do vetor (x, y, z) no plano yz
Exemplos
3.30. Considere os operadores lineares P1, P2 e P3 em R3
definidos respectivamente por:
P1(x, y, z) = (x, y, 0), P2(x, y, z) = (x, 0, z) e P3(x, y, z) = (0, y, z)
Temos:
a)P1(x, y, z) = (x, y, 0) representa geometricamente a projeo

do vetor no plano xOy. Para o vetor u =(2, 4, 6) R3, temos
P1(u)=P1(2, 4, 6) = (2, 4, 0).
Unidade 3 179
u = (2, 4, 6)
4 y
2
x P1(2, 4, 6) = (2, 4, 0)
Figura 3.24 - Projeo do vetor u = (2, 4, 6) no plano xOy
b)P2(x, y, z) = (x, 0, z) geometricamente projeta o vetor no plano

xOz. Para o vetor u =(2, 4, 6) R3, temos P2(u)=P1(2, 4, 6) = (2, 0, 6).
P2(2, 4, 6) = (2, 0, 6) u = (2, 4, 6)
4 y
2
x
Figura 3.25 - Projeo do vetor u = (2, 4, 6) no plano xOz
180
lgebra Linear
c)P3(x, y, z) = (0, y, z) projeta o vetor no plano yOz. Para o vetor

u =(2, 4, 6) R3, temos P3(u)=P1(2, 4, 6) = (0, 4, 6).
z
P3(2, 4, 6) = (0, 4, 6)
6
u = (2, 4, 6)
4 y
2
x
Figura 3.26 - Projeo do vetor u = (2, 4, 6) no plano yOz
Rotaes
um tipo de operador que rotaciona cada vetor em R3 em torno

de um ngulo fixado. Ou no R3 em relao a um raio partindo
da origem.
1. Rotao pelo ngulo no sentido anti-horrio

imagem no plano girando esse vetor no sentido anti-horrio por
um ngulo positivo . Para isso, a transformao linear :
T(x, y) = (xcos ysen , xsen ycos )
Cuja matriz cannica representada por:
cos sen
[T] =
sen cos
Unidade 3 181
pois:
x cos y sen cos sen x

=
x sen + y cos sen cos y
T(x, y) = (xcos ysen , xsen + ycos )
(x, y)

Figura 3.27 - Rotao do vetor (x, y) pelo ngulo
2. Rotao anti-horria em torno dos eixos coordenados

O operador linear T : R3 R3 leva um vetor (x, y, z) a girar
fixando um ngulo , em torno de um eixo. Com isso,
observamos, geometricamente, que ele varre uma poro de um
cone. Nesse caso, o ngulo chamado de ngulo de rotao.
Em torno do eixo x:
T(x, y, z) = (x, ycos zsen , ysen zcos )
Cuja matriz cannica :
1 0 0

[T] 0 cos sen
=
0 sen cos
pois:
x 1 0 0 x

y
z= y
y
+ z z
182
lgebra Linear
Figura 3.28 - Rotao anti-horria do vetor (x, y, z) em torno do eixo x
Em torno do eixo y:
T(x, y, z) = (xcos + zsen , y, xsen + ycos )
cos 0 sen

[T] = 0 1 0
sen 0 cos
pois:
x
+ z x

= y 0 1 0 y
x
+ z z
Figura 3.29 - Rotao anti-horria do vetor (x, y, z) em torno do eixo y
Unidade 3 183
Em torno do eixo z:
T(x, y, z) = (xcos ysen , xsen + ycos , z)
cos sen 0

[T] =sen cos 0
0 0 1
pois:
x
y x

x
+ y =
y
z 0 0 1 z
Figura 3.30 - Rotao anti-horria do vetor (x, y, z) em torno do eixo y
Exemplos
3.30. Dado um vetor qualquer u = (x, y) R2, rotacionandou,
por um ngulo de 3 = 60, a imagem do vetor w = T(u) dada
por:
1 3 1 3
cos 3 sen x
3

2

2=
x x y
=w = 2 2
sen y 3 1 y 3 1
cos x + y
3 3 2 2 2 2
184
lgebra Linear
Se u = (4,2), ento:
1 3
4 2 2 3
=
w = 2 2
3 1 2 3 + 1
4 + 2
2 2
5
w
4
2 u
2 1 1 2 3 4 5 x
1
2

Figura 3.31 - Rotao do vetor (4, 2) pelo ngulo
3
3.31. Utilize multiplicao matricial para encontrar a imagem

do vetor u = (6, 2, 2) rotacionado por = 45 em torno do eixo z.
cos sen 0

[T]= sen cos 0 com = 45
0 0 1
Ento, o vetor w R3 obtido dessa rotao :
2 2
0
2 2
cos sen 0 6 6
2 2
w sen cos 0 2=
= 2 0 2
2
0 0 1 2 0 0

1 2

2 2
6 +2
2 2 4 2
2 2 Unidade 3 185
w = 6 2 = 2 2
2 2
2

2 2
0
2 2
cos sen 0 6
Universidade do Sul de Santa Catarina 6
2 2
w sen cos 0 2=
= 0 2
2 2
0 0 1 2

0 0

1 2

2 2
6 +2
2 2 4 2
2 2
w = 6 2 = 2 2
2 2
2

2
Dilataes e contraes
Dado um escalar no negativo a, ento o operador T(u) = au,

em que u um valor do R2 ou do R3 chamado de homotetia de
razo a.
Se 0 a 1, temos uma contrao de razo a.

Se a 1, temos uma dilatao de razo a.
1.No plano: o operador linear T : R2 R2 leva cada vetor (x, y)

para sua imagem a uma contrao ou dilatao dado por:
T(x, y) = (ax, ay)
0 x 0 x
[T]
= , pois:=

0 y 0 y
y y
T(x, y) = (x, y) (x, y)
(x, y)
T(x, y) = (x, y)
1 x 01 x
Figura 3.32 - Dilatao e contrao do vetor (x, y) no R2
2.No espao: o operador linear T : R3 R3 leva cada vetor (x,y,z)

para sua imagem a uma contrao ou dilatao dado por:
T(x, y, z) = (ax, ay, az)
186
lgebra Linear
0 0 x 0 0 x

[T]= 0 0 , pois: y = 0 0 y
0 0 z 0 0 z
z z
T(x, y, z) = (x, y, z) (x, y, z)
(x, y, z)
T(x, y, z) = (x, y, z)
y y
x x
1 01
Figura 3.33 - Dilatao e contrao do vetor (x, y, z) no R3
Exemplo
3.32. Encontre a matriz cannica do operador linear T : R3 R3
que, primeiro, rotaciona um vetor no sentido anti-horrio em
torno do eixo x por um ngulo = 6 e, depois, reflete o vetor
resultante em torno do plano yz.
Vamos inicialmente chamar de T1 a transformao rotao cuja

matriz cannica [T1], e de T2 a transformao reflexo com
matriz cannica [T2]. A composio dessas duas transformaes
dada pelo produto das matrizes cannicas das transformaes
[T2] e [T1], nessa ordem, isto :
[T] = [T2] [T1]
1 0 0 1 0 0

0 3 1
[T1=] 0 cos sen =
6 6 2 2

0 1 3
0 sen cos
6 6 2 2
1 0 0

[T2 ] = 0 1 0
0 0 1
Unidade 3 187
Portanto
[T]
= [T2 ] [T1 ]
1 0 0 1 0 0
1 0 0
0 3 1
= 0 1 0 0 cos sen =
6 6 2 2
0 0 1
0 1 3
0 sen cos
6 6 2 2
Sntese
O estudo das transformaes lineares uma das ferramentas
mais importantes da lgebra Linear. Voc viu como verificar
se uma funo uma transformao linear e, tambm, como
sua relao com espaos vetoriais. Viu ainda que o estudo de
matrizes associadas a transformaes lineares permite que se
encontrem novas transformaes lineares a partir de algumas j
conhecidas. Finalmente, voc pde visualizar a geometria dos
operadores lineares mais aplicados.
188
lgebra Linear
1.Se T : V W, v V e w W, encontre o domnio V e o
contradomnio W da transformao definida pelas equaes
dadas e determine se T linear.
a)w1 = x + 2y
b)w2 = y
c)w3 = x + y
2.Considere a transformao linear T : R3 R3 definida por
T(x, y, z) = (5x + z, y + z, 3x + y).
Utilize os vetores u = (1, 1, 3) e v = (0, 4, 3) para mostrar que
T(2u 3v) = 2T(u) 3T(v).
3.Verifique quais das seguintes funes so transformaes

lineares.
a)T : R3 R2, T1(x, y, z) = (2x 1, 2z x)

b)T : R2 R2, T2(x, y) = (5x, y2)
c)T : R2 R3, T3(x, y) = (x y, x y, 0)
4.Dada T : R2 R2 represente geometricamente um vetor

genrico v = (x, y) R2 se T(x, y) = (3x, 2y).
5.Dados os seguintes operadores lineares, determine a matriz

cannica T da transformao linear definidos por:
a)T1(x, y) = (x 2y, x + y)
b)T2(x, y, z) = (x y 2z, x + 2y + z, 3z)
Unidade 3 189
6.Dada a matriz cannica:
1 2 0
[T] =
3 1 5
de uma transformao linear. Use-a para obter T(1, 1, 3).
7.Determine a transformao linear T : R2 R3, sabendo que

T(1, 1) = (3, 2, 1) e T(0, 1) = (1, 1, 0).
8.Se T : R3 R2 tal que:
T(3, 2, 1) = (1, 1), T(0, 1, 0) = (0, 2) e T(0, 0, 1) = (0, 0).
Determine:
a)T(x, y)
b)v R3, tal que T(v) = (1, 1)
c)v R3, tal que T(v) = (0, 0)
9.Seja P2 o espao vetorial dos polinmios de ordem 2:

ax2 + bx + c. Se representarmos qualquer elemento u desse
espao como u=(a, b, c). Determine se T : P2 P2, tal que
T(1)=x, T(x) = 1 x2 e T(x2) = x + 2x2, transformao linear.
10.Determine o ncleo, uma base para esse subespao e sua

dimenso. Determine a imagem, uma base para esse subespao
e sua dimenso. Com isso, verifique se T injetora e sobrejetora.
a)T : R2 R3, T(x, y) = (x + y, x, 2y)

b)T : R3 R2, T(x, y, z) = (x + 2y z, 2x y + z)
c)T : R3 R3, T(x, y, z) = (x 3y, x z, z x)
11.Determine a transformao linear T : R2 R3 dada por

T(2,3) = (1, 0, 1) e T(1, 2) = (0, 1, 0).
190
lgebra Linear
12.Dado o operador linear T : R3 R3, definido por:
T(x, y, z) = (x + 2y z, y + z, x + y 2z)
determine uma base e a dimenso do ncleo de T.
13.Dadas as T1 e T2 duas transformaes lineares de R2 em R3.
T1(x, y) = (x 2y, 3x y, y) e T2(x, y) = (x + y, x 3y, 2x + y)
a)T1 T2
b)3T1 + 2T2
14.Sejam T1 e T2 duas transformaes lineares de R2 em R3.
1 0 1 2 1 1

=Se [T1 ] = 2 1 1 e [T2 ] 3 1 2
0 1 1 1 2 0
determine [T2oT1] e [T1oT2].
15.Se T um operador linear dado pela matriz
2 1 4

[T] = 3 5 0
6 0 1
a)calcule N(T) e dim N(T);

b)calcule Im(T) e dim Im(T).
16.Se T : R3 R3 definido por
T(x, y, z) = (x + y 2z, x + 2y + z, 2x + 2y 3z),
a)verifique se T(x, y, z) um isomorfismo;

b)mostre que det [T] 0;
c)determine T1(x, y, z).
Unidade 3 191
17.Sejam b = {(1, 1), (0, 2)} e b' = {(1, 0, 1), (0, 1, 2), (1, 2, 0)}
bases de R2 em R3, respectivamente, e:
1 0

[T] = 1 1
b
b'
0 1
Determine T.
18.Se b = {(0, 2), (2, 1)} e b' = {(1, 1, 0), (0, 0, 1), (1, 0, 1)} bases
de R2 em R3, respectivamente, e:
2 0

[T] = 4 0
b
b'
0 4
Determine T(x, y).
19.Dadas as matrizes:
0 1 1 2 1

=[T1 ] =0 2 e [T2 ] 2 0 1
0 1 1 2 2
Encontre N(T1), N(T2), Im(T2), N(T2oT1) e Im(T2oT1).
Determine uma base para cada uma desses seis subespaos.
20. Para os casos a seguir, determine a matriz do operador

linear de R2 em R2 que representa as seguintes operaes:
a) Rotao de 30 no sentido anti-horrio;

b) Reflexo em relao do eixo y.
192
UNIDADE 4
Espao vetorial 4
Definir a multiplicidade de vetores.
Apresentar e operar polinmios caractersticos.
Mostrar as relaes entre autovetores e seus mltiplos, autovetores
e subespaos vetoriais, e autovalores e matrizes de uma transforma-
o linear.
Relacionar polinmios caractersticos a matrizes de transformaes
lineares.
Sees de estudo
Seo 1 Autovalores e autovetores
Seo 2 Determinao de autovalores e autovetores
Seo 3 Propriedades de autovalores e autovetores
Seo 4 Diagonalizao de operadores

Nesta unidade, continuaremos estudando as transformaes
lineares, mas apenas aquelas definidas de um espao vetorialV
no mesmo espao vetorial V, ou seja, os operadores lineares.
Sendo assim, se V um espao vetorial qualquer, estamos
interessados apenas em transformaes do tipo T:VV.
Para estes operadores, queremos estudar os vetores de V que
so levados em mltiplos de si prprios. De maneira geral e
informal, se v V e T(v) = lv, em que l R, ento v chamado
de um autovetor de T e l chamado de um autovalor. Alguns
livros usam as palavras vetor prprio e valor prprio, ou vetor
e valor caracterstico. No decorrer da unidade, usaremos os
termos autovalor e autovetor.
Muitas so as aplicaes de autovalores e autovetores, entre

elas destaca-se o estudo de probabilidades, crescimento popula-
cional e equaes diferenciais.
Um pouco de histria
Em ingls, usamos o termo eigenvalue para autovalor. O prefixo eigen
um adjetivo germnico que significa prprio. Por isso, em portugus
tambm usamos a expresso valor prprio quando queremos nos referir
aos autovalores. O mesmo vale para o termo vetor prprio ou autovetor.
Seo 1 Autovalores e autovetores

Na introduo desta unidade, j tivemos contato com o conceito
informal de autovalores e autovetores, agora vamos formaliz-los.
Seja T:VV um operador linear. Dizemos que um

vetor v V, com v 0 um autovetor de T, se existe
lR, tal que T(v) = lv. A este nmero l chamamos de
autovalor de T, associado ao autovetor v.
194
lgebra Linear
Observao 4.1: geometricamente, se estivermos tratando de

vetores no R2 ou R3, significa que a imagem de T pelo autovetor
v um mltiplo escalar de v, ou seja, v e T(v) tm a mesma
direo, porm os sentidos podem ser opostos, dependendo do
sinal do autovalor l.
Exemplos
4.1. Suponha o operador T:R2R2, tal que
T(x, y) = (3x + y, x + 3y).
O vetor v = (1, 2) um autovetor de T. De fato,
T(1, 1) = (4, 4) = 4(1, 1).
Ou seja, T(v) = 4v, assim, v = (1, 1) um autovetor associado ao

autovalor l = 4. Geometricamente, o operador T levou o vetor
v no seu qudruplo, isto , v e T(v) tm a mesma direo e o
mesmo sentido.
4.2. Seja T:R2R2, tal que T(x, y) = (2x + 2y, x + 3y). Verifique
se os vetores u = (0, 3) e v = (2, 1) so autovetores de T.
Calculando T(0, 3), temos T(0, 3) = (6, 9), ou seja, o vetor (6, 9)
no um mltiplo escalar de u = (0, 3), logo, o vetor u no um
autovetor.
Fazendo o mesmo para v = (2, 1), temos
T(2, 1) = (2, 1) = 1(2, 1),
ou seja, o vetor v um autovetor de T associado ao autovalor l = 1.
Veja a seguir alguns operadores com os quais podemos

facilmente obter seus autovetores e autovalores.
Unidade 4 195
Dilatao e contrao
T : R2 R2
T(x, y) = a(x, y)
Assim, pela prpria definio tem-se que qualquer vetor

v=(x,y) R2 um autovetor de T associado ao autovalor a.
O mesmo vale para operadores definidos no R3.
Reflexo em relao origem

T : R2 R2
T(x, y) = (x, y)
Podemos reescrever este operador como T(x, y) = (x, y), ou seja,

qualquer vetor v=(x,y) R2 um autovetor de T associado ao
autovalor l = 1.
O mesmo vale para operadores definidos no R3.
Interpretao Geomtrica
Podemos utilizar a interpretao geomtrica para visualizar as
ideias de autovalores e autovetores no estudo de determinados
operadores lineares. Por exemplo, vejamos o operador reflexo
pela origem. Vamos visualiz-lo geometricamente.
4 u1
v2
2 u
6 5 4 3 2 1 1 2 3 4 5 6 x
v 2
u2
v1 4
Figura 4.1 - Operador reflexo pela origem
196
lgebra Linear
Perceba que todos so autovetores associados ao autovalor l = 1.

Geometricamente, vemos que os vetores u e T(u) tm a mesma
direo, porm com sentidos opostos, bem como u1 e T(u1) e u2 e
T(u2), como j havamos dito na observao 4.1.
Agora a sua vez!

Resolva os exerccios de autoavaliao 1, 2 e 3.
At agora, apenas estamos nos familiarizando com a definio

de autovalor e autovetor, ou seja, estamos verificando se certos
vetores so ou no autovetores de um determinado operador
linear. Mas, na verdade, queremos o contrrio: dado o operador
T, como obter os autovetores e autovalores? Esta resposta ser
dada na prxima seo. Vamos luta.
Seo 2 Determinao de autovalores e autovetores

Para encontrar um mtodo para determinar autovalores e
autovetores, vamos necessitar, inicialmente, da definio de
autovetor e autovalor e da ideia de matriz de um operador.
Dado um operador qualquer T e se v um autovetor associado

ao autovalor l, ento T(v) = lv. E tambm pela definio de
operador linear T(v) = Av, onde A a matriz associada ao
operador T, ou seja, lv = Av.
Por exemplo, seja T:R2R2 tal que T(x, y) = (3x + y, x + 3y)

e tome o vetor v = (1, 1). Como j vimos anteriormente, no
exemplo 4.1, temos T(1, 1) = 4(1, 1), ou seja, l = 4 um
autovalor do autovetor v = (1, 1), ou seja, T(v) = lv.
Do mesmo modo, tomando a matriz do operador T:
3 1
A=
1 3
Unidade 4 197
temos que:
3 1 1 4 1
Av = = = 4 = 4v = v
1 3 1 4 1
exatamente como na observao inicial.
De maneira geral, se multiplicarmos um autovetor v pelo

autovalor associado l, o mesmo que multiplicarmos a
matriz A do operador pelo autovalor l, ou seja, lv = Av.
Agora j estamos aptos a entender como faremos para obter

todos os autovetores e autovalores de um operador linear.
Seja o operador T, cuja matriz associada A, e considere v

o autovetor de T associado ao autovalor l. Pela observao
anterior, tem-se lv = Av. Reescrevendo temos:
Av lv = 0 (1)
Lembre-se de que este 0 (zero) no um nmero real, e sim um

vetor de coordenadas zero.
Multiplique-se agora a matriz identidade I, em ambos os lados

da equao (1), e obtemos:
IAv Ilv = 0
Mas I o elemento neutro da multiplicao de matrizes, o que

nos leva a:
Av lIv = 0
(A lI)v = 0
Essa equao matricial tem uma soluo que v = 0, mas, pela

definio de autovetor, queremos v 0. Assim, para que o
sistema linear associado admita solues diferentes da trivial,
necessrio que det(A lI) = 0. Essa equao uma equao em
l, chamada de equao caracterstica de T ou polinmio carac-
terstico de T.
198
lgebra Linear
Lembre-se de que todo sistema linear tem uma equao

matricial associada AX = b, e se det A 0, ento A admite
inversa e podemos encontrar a soluo nica do sistema
fazendo X = A1b. Assim, fica justificado o porqu de o
determinante de A lI ter que ser igual a zero.
Para ilustrar as ideias anteriores, vamos tomar uma transfor-

mao T:R2R2, cuja matriz A dada por:
a a12
A = 11
a21 a22
Assim, de (A lI)v = 0, temos:
a11 a12 1 0 x 0
=
a21 a22 0 1 y 0
a11 a12 x 0
= (2)
a21 a22 y 0
a a12
Como det 11 = 0, temos:
a21 a22
(a11 l)(a22 l) a12a21 = 0,
o que nos d uma equao do 2 grau em l. Com os ls

calculados, substitumos na equao (2) para encontrar os
autovetores associados.
Que tal alguns exemplos para fixarmos os conceitos?
Exemplos
4.3. Determine os autovalores e autovetores do operador
T(x, y) = (3x + y, x + 3y).
3 1
Primeiramente, tomamos a matriz do operador, que A =
1 3
e montamos a matriz A lI.
Unidade 4 199
3 1 1 0 3 1
A=
I =
1 3 0 1 1 3
Agora, fazemos det(A lI) = 0 e assim obtemos a equao

(3l)2 1 = 0. Abrindo o termo quadrtico, temos l2 6l + 8 = 0.
Resolvendo a equao do 2 grau, conseguimos l1 = 2 e l2 = 4.
Para encontrar os autovalores associados, tomemos a equao

(A lI)v = 0.
Para l1 = 2, temos (A 2I)v = 0 e, portanto:
1 1 x 0
=
1 1 y 0
o que nos leva ao sistema linear:
x + y =0

x + y = 0
Resolvendo o sistema obtemos y = x e assim os autovetores

associados a l1 = 2 so do tipo v = (x, y) = (x, x) = x(1, 1), ou seja,
temos infinitos autovetores gerados pelo autovetor v1 = (1, 1).
Para l2 = 4, obtemos:
1 1 x 0
=
1 1 y 0
x + y = 0

xy = 0
Resolvendo o sistema, obtemos y = x e assim os autovetores

associados a l2 = 4 so do tipo v = (x, y) = (x, x) = x(1, 1), isto ,
temos infinitos autovetores gerados pelo autovetor v2 = (1, 1).
200
lgebra Linear
Em geral escrevemos:
v1 = (1, 1) um autovetor associado ao autovalor l1 = 2 e

v2=(1,1) um autovetor associado ao autovalor l2 = 4.
4.4. Seja T:R3R3, tal que T(x, y, z) = (x, 2x 2y, 3x + y + 2z).

Determine os autovalores e autovetores do operador T.
A matriz associada dada por:
1 0 0

=A 2 2 0
3 1 2
Fazendo A lI, obtemos
1 0 0

A=
I 2 2 0
3 1 2
Fazendo det(A lI) = 0, temos (1 l)(2 l)(2 l) = 0, que tem

como soluo l1 = 2, l2 = 1 e l3 = 2.
Agora, seja a equao, (A lI)v = 0.
Para l1 = 2, tem-se (A (2)I)v = 0, ou seja,
3 0 0 x 0

2 0 0 y = 0
3 1 4 z 0
que nos leva ao sistema linear
3x = 0

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

Unidade 4 201
Resolvendo este sistema, temos diretamente que x = 0 e substi-

tuindo na ltima equao, tem-se y = 4z, e assim os autovetores
associados a l1 = 2 so do tipo v = (x, y, z) = (0, 4z, z) = z(0,4,1),
de modo que temos infinitos autovetores gerados pelo autovetor
v1 = (0, 4, 1).
Para l2 = 1, obtm-se:
0 0 0 x 0

2 3 0 y = 0
3 1 1 z 0
2x 3y = 0

3 x + y + z =0
Da primeira equao, obtemos y = 2 x e, substituindo y na segunda

3
equao, chegamos a z = 7 x; assim os autovetores associados ao
3
autovalor l2 = 1 so da forma:
(
v = (x, y, z) = x,
2 7
) (
2 7
x, x =x 1, ,
3 3 3 3 )
temos infinitos autovetores gerados pelo autovetor:
v2 = 1,( 2 7
,
3 3 )
.
Para l3 = 2, temos:
1 0 0 x 0

2 4 0 y = 0
3 1 0 z 0
que nos leva ao seguinte sistema linear:
x = 0

2x 4 y =0
3 x + y =0

202
lgebra Linear
Deste sistema, tiramos x = 0 e y = 0. Como notamos, no h

condio para z, logo z qualquer nmero real. Assim os
autovetores so do tipo v = (x, y, z) = (0, 0, z) = z(0, 0, 1), ou
seja, infinitos autovetores gerados pelo autovetor v3 = (0, 0, 1).
Geometricamente, estes autovetores pertencem ao eixo z.
Veja a tabela com o resumo dos autovetores e autovalores do

operador T(x, y, z) = (x, 2x 2y, 3x + y + 2z).
Autovalor Autovetor
l1 = 2 v1 = (0, 4, 1)
l2 = 1 v2 = 1,( 2 7
,
3 3 )
l3 = 2 v3 = (0, 0, 1)
Veja que voc pode tirar uma prova real para saber se suas
respostas esto de acordo. Por exemplo, tomemos o autovetor
v1=(0, 4, 1), devemos ter que T(v1) = 2v1. De fato,
T(0, 4, 1) = (0, 8, 2) = 2(0, 4, 1)
O mesmo pode ser feito para todos os outros autovetores.
J sabemos que todo operador linear tem uma matriz

quadrada associada e toda matriz quadrada tem a ela
associado um operador linear. Assim, encontrar os
autovetores e autovalores de um operador linear o
mesmo que encontrar os autovalores e autovetores de
uma matriz.
4.5. Encontre os autovetores e autovalores da matriz:
10 9
A=
4 2
Unidade 4 203
Temos que:
10 9
A I =
4 2
Como det(A lI) = 0, obtemos (10 l)(2 l) + 36 = 0, ou seja,

l28l + 16 = 0, o que nos leva a dois autovetores iguais: l1=l2=4.
Agora, para l = 4, obtemos:
6 9 x 0
=
4 6 y 0
que nos leva ao sistema linear:
6 x 9 y =
0

4 x 6 y =
0
2
Resolvendo o sistema, obtm-se y = x, que nos d o autovetor:
3
v = (x, y) = x, ( ) ( )
2
3
x =x 1,
2
3
Observao 4.2: chamamos de multiplicidade algbrica de um

autovalor a quantidade de vezes que ele aparece como raiz do
polinmio caracterstico.
No exemplo 4.5, o autovalor l = 4 tem multiplicidade algbrica2.
4.6 Encontre os autovalores e autovetores da matriz:
2 7
A=
1 2
Temos que:
2 7
A I =
1 2
204
lgebra Linear
Fazendo det(A lI) = 0, obtemos (2 l)(2 l) + 7 = 0, ou seja,

l2 + 3 = 0. Resolvendo esta equao, percebemos que ela no
possui valores reais para razes e, portanto, a matriz A no
possui autovalores reais.
Agora a sua vez!

Resolva os exerccios de autoavaliao 4 e 5.
Podemos, a partir de um autovalor l, construir subespaos

vetoriais dos autovetores associados a l. A prxima seo vai
mostrar isso e muito mais. Antes, no esquea de resolver os
exerccios referentes a esta seo. Bons estudos e mos obra
SEO 3 Propriedades de autovalores e autovetores

Veja, a partir de agora algumas propriedades que envolvem
os autovalores e os autovetores e nosso objeto de estudo, os
subespaos vetoriais.
Propriedade 1: seja v um autovetor do operador linear T associado

ao autovalor l. Ento, o autovetor av (a 0) tambm um
autovetor de T associado ao autovalor l.
Em outras palavras, se v um autovetor associado a um

autovalor l, ento qualquer mltiplo escalar de v tambm
um autovetor associado ao mesmo autovalor l. Assim, todo
operador linear que possui pelo menos um autovetor tem
infinitos autovetores associados ao mesmo autovalor.
Vamos demonstrao. Por hiptese, temos que T(v) = lv, pois

v um autovetor associado ao autovalor l. Devemos mostrar
que T(av) = l(av).
De fato,
T(av) = aT(v) (T um operador linear)
Unidade 4 205
Como T(v) = lv, ento:
T(av) = aT(v) = a(lv) = l(av),
como queramos demonstrar.
Propriedade 2: sejam T:VV e o conjunto Tl = {v V; T(v) = lv}.

Tl um subespao vetorial.
Em outras palavras, o conjunto de todos os autovetores v

associados ao mesmo autovalor l um subespao vetorial de V.
a) Sejam v1 e v2 Tl. Devemos mostrar que v1 + v2 Tl, ou seja,

que T(v1 + v2) = l(v1 + v2).
De fato, T(v1 + v2) = T(v1) + T(v2) (T um operador linear)
Mas T(v1) = lv1 e T(v2) = lv2, pois v1 e v2 Tl.
Logo,
T(v1 + v2) = T(v1) + T(v2) = lv1 + lv2 = l(v1 + v2).
b) Sejam v1 Tl e k R. Devemos mostrar que kv1 Tl, ou seja,

que T(kv1) = l(kv1).
Isto decorre diretamente da propriedade 1.
Portanto o conjunto Tl um subespao vetorial de V.
Exemplos
4.7. Seja T:R2R2 em que T(x, y) = (2x + 2y, y).
2 2
A matriz deste operador linear dada por A = .
0 1
Fazendo o det(A lI) = 0, ou seja,
2 2
=0
0 1
obtemos o polinmio caracterstico (2 l)(1 l) = 0, cujos

autovalores so l1 = 1 e l2 = 2.
206
lgebra Linear
Para l1 = 1, temos:
1 2 x 0
=
0 0 y 0
o que nos leva x + 2y = 0, ou seja, x = 2y, e, portanto, temos

o autovetor v1 = (x, y) = (2y, y) = y(2, 1). Assim um autovetor
associado ao autovalor l1 = 1 v1 = (2, 1); e, pela propriedade1,
segue que qualquer mltiplo de v1 tambm um autovetor
associado ao autovalor l1 = 1.
Assim, todos os autovetores associados a l1 = 1 tm a

forma v=(2y,y). Ento, pela propriedade 2, o conjunto
Tl1={vR2;x=2y} um subespao vetorial que, geometrica-
mente, uma reta que passa pela origem.
Para l2 = 2, temos:
0 2 x 0
=
0 1 y 0
2 y =0

y =0
ou seja, y = 0; como no temos condio para x, segue que

x qualquer nmero real, ento o autovetor dado por
v2=(x,y)=(x,0)=x(1,0). Ento, um autovetor associado ao
autovalor l2 = 2 v2 = (1, 0) e, pela propriedade 1, qualquer
mltiplo de v2 tambm um autovetor associado ao autovalor
l2=2.
Tambm temos que o conjunto Tl2 = {v R2; y = 0} um

subespao vetorial pela propriedade 2. Geometricamente,
o eixo x.
4.8. Tome o exemplo 4.4 da Seo 2:
seja T:R3R3, tal que T(x, y, z) = (x, 2x 2y, 3x + y + 2z).
Unidade 4 207
Este operador linear tem os seguintes autovetores e autovalores:
Autovalor Autovetor
l1 = 2 v1 = (0, 4, 1)
l2 = 1 (
v2 = 1,
2 7
,
3 3 )
l3 = 2 v3 = (0, 0, 1)
Pela propriedade 2, temos os seguintes subespaos vetoriais:
Tl1 = {v R2; x = 0 e z = 4y}, que, geometricamente,

uma reta no espao que passa pela origem e pertence ao
plano yOz;
Tl2 = {v R2; y = 2 x e z = 7 x}, que geometricamente
3 3
uma reta no espao que passa pela origem; e
Tl2 = {v R2; x = y = 0}, que geometricamente o eixo z.
Agora a sua vez!

Resolva o exerccio 6 das atividades de autoavaliao.
J sabemos que todo operador linear T:VV tem uma matriz

A associada. Nosso objetivo obter uma base para V de tal
maneira que a matriz associada a esta nova base seja a mais
simples possvel.
Que matriz ser essa?
Para descobrir, no deixe de conferir a prxima seo. Mas

antes tenha todos os conceitos vistos at agora bem entendidos,
por isso, tente resolver o mximo de exerccios propostos.
208
lgebra Linear
SEO 4 Diagonalizao de operadores

Objetivo: seja T:VV, encontrar uma base b de V, na qual a
matriz A associada ao operador seja a mais simples possvel.
Para chegar a tal matriz, necessitamos de alguns resultados

importantes que envolvem autovetores e autovalores.
Teorema 4.1: seja T:VV um operador linear. Os autovetores

de T associados a autovalores distintos so linearmente
independentes.
Demonstrao: vamos provar para o caso de dois autovalores

distintos, ento suponha l1 e l2 distintos.
Seja v1 o autovetor associado a l1 e v2, o autovetor associado a l2.

Devemos mostrar que o conjunto formado por v1 e v2 LI, ou seja:
a1v1 + a2v2 = 0 a1 = a2 = 0
Como v1 o autovetor associado a l1, temos por definio

que T(v1) = l1v1, e como v2 o autovetor associado a l2, ento
T(v2)=l2v2.
Partindo de a1v1 + a2v2 = 0 e aplicando T nesta igualdade,

obtemos T(a1v1 + a2v2) = T(0). Como T linear e v1 e v2 so
autovetores, temos:
a1T(v1) + a2T(v2) = 0
a1l1v1 + a2l2v2 = 0 (1)
Agora multiplique a igualdade a1v1 + a2v2 = 0 por l1 e obtemos:
a1l1v1 + a2l1v2 = 0 (2)
Subtraindo (1) de (2), temos:
a2(l2 l1)v2 = 0
Como l1 e l2 so distintos, ento l2 l1 0 e tambm v2 0.

Sendo assim, segue que a2 = 0.
Unidade 4 209
Substituindo a2 = 0 em (1) e como v1 0, segue que a1 = 0, e

portanto, o conjunto {v1, v2} LI, como queramos demonstrar.
Uma consequncia direta desse teorema o fato de que, se

tivermos um operador T:VV, onde V tem dimenso n ,
ento qualquer conjunto com n autovetores distintos uma
base de V.
Exemplo:
4.9. Seja T:R2R2 em que T(x, y) = (2x + 2y, y). J calculamos,
no exemplo 4.7, que v1 = (2, 1) o autovetor associado ao
autovalor l1 = 1 e que v2 = (1, 0) o autovetor associado ao
autovalor l2 = 2. Pelo teorema 1 e sua consequncia, segue que
b={(2,1),(1,0)} uma base para R2.
Podemos proceder ao contrrio, sabendo que l1 = 1 e l2 = 2 so

autovalores associados aos autovetores v1 = (2, 1) e v2 = (1, 0)
respectivamente, encontre T(x, y).
Primeiramente, escrevemos (x, y) em relao base

b={(2,1),(1,0)}, isto :
(x, y) = a(2,1) + b(1,0)
Isto nos leva 2a + b = x e a = y; substituindo a segunda na

primeira, obtemos b = x + 2y. Assim,
(x, y) = y(2,1) + (x + 2y)(1,0).
Aplicando T em ambos os lados e usando sua linearidade,

obtemos:
T(x, y) = yT(2,1) + (x + 2y)T(1,0).
Mas T(2, 1) = 1(2, 1), (2, 1) um autovetor associado a l1 = 1

e tambm T(1, 0) = 2(1, 0), pois (1, 0) um autovetor associado
a l2 = 2. Logo,
T(x, y) = y(2,1) + (x + 2y)(1,0) = (2x + 2y, y).
210
lgebra Linear
Lembre-se de que, dada uma base de V, podemos escrever

a matriz de T associada base de V . Como os autovetores
v1=(2,1) e v2 = (1, 0) formam uma base de R2, ento a matriz
de T associada a essa base dada por:
T(2, 1) = 1(2, 1) + 0(1, 0)

T(1, 0) = 0(2, 1) + 1(1, 0)
Assim,
1 0
Tb =
0 2
Ou seja, a matriz associada base dos autovetores uma

matriz diagonal cujos elementos da diagonal principal so os
autovalores de T.
Vejamos o caso mais geral. Sejam T:VV tal que dim V = n

e suponha que T tenha autovalores l1, l2, , ln todos distintos,
associados aos autovetores v1, v2, , vn. Pelo teorema4.1 e sua
consequncia, segue que o conjunto b = {v1, v2, , vn} uma
base para V. Portanto, tem-se:
T(v1) = l1v1 + 0v1 + + 0vn

T(v2) = 0v1 + l1v1 + + 0vn

T(vn) = 0v1 + 0v1 + + lnvn
Assim o operador T representado na base b dos autovetores

pela matriz diagonal:
1 0 0

0 2 0
Tb =

0 0 n
cujos elementos da diagonal principal so os autovalores

associados a T.
Unidade 4 211
Podemos, ento, enunciar o seguinte teorema:
Teorema 4.2: um operador linear T admite uma base b em relao

a qual sua matriz Tb diagonal se, e somente se, essa base for
formada por autovetores de T.
A demonstrao foi feita anteriormente.
Quando um operador T:VV admite uma base cujos

elementos so seus autovetores, ento dizemos que este
operador diagonalizvel.
Exemplos
4.10. O exemplo 4.8 , T(x, y) = (2x + 2y, y), um operador linear
diagonalizvel, pois ele admite uma base cujos elementos so
seus autovetores.
4.11. Seja o operador T:R2R2, em que T(x, y) = (2x + y, 3x + 4y).

Verifique se T diagonalizvel e determine uma base para T
cuja matriz seja diagonal.
Seja:
2 1
A=
3 4
a matriz associada a T.
Fazendo det(A lI) = 0, obtemos o polinmio caracterstico

(2l)(4l)3=0, o que nos d l2 6l + 5 = 0. Resolvendo
essa equao, obtm-se l1 = 1 e l2 = 5.
Como os autovalores so distintos, possvel obter uma base

cujos elementos so os autovetores de T. Pelo teorema4.2,
podemos afirmar que o operador T diagonalizvel.
Encontremos os autovetores:
212
lgebra Linear
Para l1 = 1, temos:
1 1 x 0 x + y =0
=
3 3 y 0 3x + 3 y =
0
que nos leva a y = x e, portanto, temos o autovetor

v1=(x,y)=(x,x)=x(1,1). Assim, um autovetor associado
ao autovalor l1 = 1 v1 = (1, 1).
Para l2 = 5, temos:
3 1 x 0 3 x + y = 0
=
3 1 y 0 3x y = 0
que tem soluo dada por y = 3x e, portanto, temos o autovetor

v2=(x,y)=(x,3x)=x(1,3).
Assim, o autovetor associado ao autovalor l2 = 5 v2=(1,3).
Logo, b = {(1, 1), (1, 3)} uma base de R2 e a matriz de T

relativa base dos autovetores dada por:
1 0
Tb =
0 5
4.12.Verifique se o operador T(x, y, z) = (3x, 3y, y z)

diagonalizvel.
Primeiramente, encontremos os autovalores.
Seja a matriz:
3 0 0

A = 2 3 0
0 1 1
Calculando det(A lI) = 0, obtemos o seguinte polinmio

caracterstico (3 l)2(1 l) = 0, ou seja, l1 = 1 e l2 = 3 so os
autovalores de T.
Unidade 4 213
Para l1 = 1, temos:
4 0 0 x 0

2 4 0 y = 0
0 1 0 z 0
o que nos d 4x = 0, 2x + 4y = 0 e y = 0, ou seja, x = y = 0. Como

no temos condio para a varivel z, ento ela pode assumir
qualquer valor. Assim para l1 = 1 temos o autovetor associado
v1=(0, 0, 1).
Para l2 = 3 temos
0 0 0 x 0

2 0 0 y = 0
0 1 4 z 0
que nos d 2x = 0 e y = 4z. Ento, para l2 = 3 temos o autovetor

v2=(0, 4z, z) = z(0, 4, 1), sendo assim para l2 = 3 temos o
autovetor v2=(0, 4, 1).
Como temos apenas dois autovetores LI, eles no formam uma

base para R3, e portanto T no diagonalizvel.
Agora a sua vez!

Resolva os exerccios 7 a 11 das atividades de
autoavaliao.
214
lgebra Linear
Sntese
Nessa unidade, voc continuou estudando as transformaes
lineares, mas um tipo especial delas: os chamados operadores
lineares. Nestes operadores, estvamos interessados em vetores
que eram levados em mltiplos de si prprios, ou seja, T(v)=lv.
A esses vetores v chamamos autovetores, e ao nmero real l
chamamos autovalor associado a v.
Muitas propriedades foram expostas, e tambm tivemos

contato com uma maneira prtica de determinar os autovetores
e autovalores de um operador linear, que o mesmo que
encontrar os autovalores e autovetores da matriz associada a
este operador. Finalizamos mostrando que, a partir de uma
base formada pelos autovetores, podemos obter uma matriz
para a transformao que seja a mais simples possvel e
entender isso como uma matriz diagonal.
1.Verifique se os vetores a seguir so autovetores dos corres-
pondentes operadores. Em caso afirmativo, escreva o autovalor.
Use apenas a definio.
a)v = (1, 4) e T(x, y) = (2x y, 2x 3y)
( )
b)v = 3 , 4 e T(x, y) = (4x + 12y, 12x 3y)
5 5
c)v = (2, 1, 2) e T(x, y, z) = (x + 2y + z, x + 3y + z, 2y + 2z)
2.Seja T:R2R2 e suponha que l1=2 e l2 = 5 so autovalores

associados aos autovetores v1 = (1, 1) e v2 = (3, 2), respectiva-
mente. Determine T(2v1 3v2).
3.Suponha que o operador T:R2R2 tenha autovalores

v1=(1, 2) e v2=(3, 4) associados aos autovalores l1=2 e l2=3,
respectivamente. Determine o valor de T(10, 10). Dica: primeira-
mente encontre a combinao de v = (10, 10) em relao a v1 e v2.
Unidade 4 215
4.Determine os autovalores e autovetores dos operadores

lineares abaixo, se existirem:
a)T:R2R2, T(x, y) = (x y, x + y)
b)T:R2R2, T(x, y) = (3x + 4y, x + 2y)
c)T:R2R2, T a rotao de 90 em torno da origem.
d)T:R3R3, T(x, y, z) = (3x 3y + 4z, 3y + 5z, z)
5.Encontre os autovalores e autovetores das matrizes abaixo:
1 1 2
1 2
A= B = 0 3 0
0 1 0 0 2
6.Seja o operador T:R3R3, em que:
T(x, y, z) = (x y, 2x + 3y + 2z, x + y + 2z).
Encontre os subespaos vetoriais Tl para cada autovalor

e expresse geometricamente cada um dos subespaos
encontrados.
7.Encontre uma transformao T:R2R2, sabendo que l1=1

e l2=2 so autovalores associados aos autovetores u = (1, 0) e
v=(2, 1), respectivamente.
8.Suponha que l seja um autovalor de T associado ao

autovetor v e seja k um nmero real no nulo. Mostre que o
operador kT tem um autovetor v associado ao autovalor kl.
9.J mostramos na Seo 4 que dados dois autovalores

distintos seus correspondentes autovalores so LI. Agora
suponha que l1 e l2 so autovalores distintos de um operador
T:R2R2 associados aos autovetores v1 e v2. Mostre que T(v1) e
T(v2) so linearmente independentes.
216
lgebra Linear
10.Seja T:R2R2 o operador linear definido por:
T(x, y) = (2x + 4y, 3x + y)
a) Determine uma base do R2 em relao qual a matriz do

operador T diagonal.
b) Determine a matriz de T nesta base.
11.Verifique se os operadores dos exerccios 4(b), 4(c) e 4(d) so

diagonalizveis.
Saiba mais
Os autovalores e autovetores so objetos de inmeras
aplicaes interessantes, tanto na parte fsica quanto geomtrica.
Para aqueles que gostam de fsica, sugiro o livro de Jos Luiz
Boldrini, lgebra Linear, da editora Harbra. O volume traz uma
aplicao de autovalores e autovetores no estudo das vibraes,
vale a pena conferir. Alguns exerccios desta unidade foram
adaptados do livro sugerido, mas l existem muitos outros
exerccios que requerem um esforo a mais. Os alunos investi-
gativos tenho certeza de que no deixaro de tentar.
Unidade 4 217
Para concluir o estudo
Depois de uma longa caminhada, enfim, voc concluiu

o estudo desta disciplina to importante da matemtica.
Mas lembre-se de que isto no o fim do aprendizado
da lgebra linear. Existe muito assunto interessante que,
infelizmente, no tivemos possibilidade de colocar em um
nico livro. Procuramos aqui colocar as bases da lgebra
linear e, a partir disto, prepar-lo para buscar por vontade
prpria as aplicaes que envolvem esta fascinante
disciplina. No deixe de buscar o algo a mais nas biblio-
grafias colocadas ao final do livro e tambm pesquise em
sites, na internet.
Alguns assuntos extras estaro inseridos no eva, portanto

aproveite ao mximo as estratgias metodolgicas l
apresentadas, ou seja, inove a educao. V alm dos
contedos, pois tudo que voc est aprendendo aqui far
parte da sua futura profisso.
No princpio, quase sempre, nos perguntamos o porqu

de estudar todos estes conceitos, mas lembre-se de
que a matemtica faz com que sejamos mais criativos,
busquemos caminhos alternativos. A matemtica
massageia e exercita nossa mente e, com isso, seremos
cidados com maior capacidade de enfrentar e resolver
problemas por caminhos diferentes, mais otimizados.
Terminamos este livro com a seguinte mensagem dita por
um grande homem da cincia Albert Einstein:
Nunca considere o estudo como um dever, mas como uma opor-

tunidade para penetrar no maravilhoso mundo do saber.
Aproveite e troque ideia com seus professores sempre
que possvel. No deixe de contar com a ajuda de pessoas
experientes em suas vidas, sempre aprendemos um pouco mais.
Um abrao a todos e boa caminhada.
Christian e Kelen.
Sobre os professores conteudistas
Christian Wagner bacharel em Matemtica e Computao

Cientfica pela Universidade Federal de Santa Catarina
(UFSC, 1998). Mestre em Fsica-Matemtica pela
Universidade Federal de Santa Catarina (UFSC, 2001),
professor substituto na Universidade Federal de Santa
Catarina (UFSC, de 2001 a 2003), professor horista na
Universidade do Sul de Santa Catarina (UNISUL, a partir
de 2001). Teve participaes no vii e viii seminrios de
iniciao cientfica, realizados na Universidade Federal
de Santa Catarina, na rea de equaes diferenciais, com
apresentao e publicao em anais. coautor do livro
Geometria e Tpicos Especiais de Matemtica, ambos
utilizados pela unisul no curso de Especializao em
Educao Matemtica. Coautor dos livros de Matemtica
Bsica, Matemtica Elementar, lgebra Linear, Clculo I e
Clculo II, todos utilizados em disciplinas a distncia na
Unisul. Leciona no curso de ps-graduao em Educao
Matemtica na unisul. Tambm atua no Ncleo de
Estudos em Educao Matemtica (NEEM), especifica-
mente nas atividades de ensino e extenso voltadas para
as dificuldades de aprendizagem da matemtica.
Kelen Regina Salles Silva graduada em Licenciatura em

Matemtica pela Universidade Estadual de Maring
(UEM, 1986). Mestre em Engenharia de Produo, na rea
de Pesquisa Operacional, pela Universidade Federal de
Santa Catarina (UFSC, 1994). Professora na Universidade
do Sul de Santa Catarina (UNISUL, desde 2004),
ministrando disciplinas para os cursos de Matemtica
e Engenharias. Ainda, como professora, trabalhou na
Universidade Estadual de Maring (UEM, de 1988 a 1990
e de 1993 a 1995); na Fundao Universidade Federal de
Rio Grande (FURG, 1992 e 1993); na Universidade do
Vale do Itaja (UNIVALI, de 1998 a 2005) e na Universidade
Federal de Santa Catarina (UFSC, de 2009 a 2011). coautora
dos livros Geometria I e Geometria II, lgebra Linear e Tpicos
de Matemtica Elementar III, todos utilizados pela UNISUL no
curso de Licenciatura em Matemtica. Tambm atua no Ncleo
de Estudos em Educao Matemtica (NEEM), em atividades
de ensino e extenso voltadas s dificuldades de aprendizagem
da matemtica, bem como em atividades da UnisulVirtual,
como professora conteudista e tutora.
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com

aplicaes. 8. ed. Porto Alegre: Bookman, 2001.
BOYER, Carl B. Histria da Matemtica. So Paulo:

Edgard Blucher, 1996.
BOLDRINI, J. L. et al. lgebra linear. 2. ed. So Paulo:

Haper How do Brasil, 1980.
KOLMAN, B.; CARVALHO, J. P. (Trad.). lgebra linear.

Rio de Janeiro: Livros Tcnicos e Cientficos, 1980.
LIPSCHUTZ, S. lgebra linear. So Paulo: Makron Books,

1994.
STEINBRUCH, A. lgebra linear. 2. ed. So Paulo:

McGraw-Hill, 1987.
STEVEN, J. L. lgebra linear com aplicaes. 4. ed. Rio de

Janeiro: LCT, 1998.
POOLE, D. lgebra linear. So Paulo: Pioneira Thomson

Learning, 2004.
Respostas e comentrios das
atividades de auto-avaliao
Unidade 1
1. Determine quais das equaes abaixo so lineares, justifique e

indique as suas variveis.
a) x1 = 5x2 + 4x3 + x4 = 9
b) sen x 2y + 4z = 0
c) x y =5
d) x 3y + z 2t + 5 = 0
Soluo
a) Sim, pois est na forma padro de equao linear,
variveis: x1, x2, x3 e x4.
b) No, pois apresenta o termo sen x.
c) No, pois apresenta o termo y.
d) Sim, variveis x, y, z, t.
2. Encontre uma soluo para a equao linear 3x 2y + z = 2.
Soluo
Fazendo x = 0, y = 0 30 20 + z z = 2 teremos a
soluo (0, 0, 2).
Assim, a equao possui infinitas solues, pois apresenta

duas variveis livres. Basta admitir quaisquer valores para
essas duas variveis para determinar novas solues. Veja
algumas: (0, 1, 4), (1, 1, 1), ( 1, 0, 1), (2, 2, 0).
3. Determine o valor de m para que (1, 0, 2) seja soluo da

equao 2x + 3y + mz = 1.
Soluo
1
21 + 30 + 2m = 1 m =
2
4. Escreva a matriz aumentada de cada um dos seguintes

3 x1 2 x2 = 1 x1 + 3 x2 x3 = 3

a) 5 x1 + x2 = 7 b) 2 x1 + x2 + 3 x3 = 11
4 x x = 4 x + 3x + 2 x =
1 2 2 1 2 3
9
Soluo
3 2 1 1 3 1 3

a) 5 1 7 b) 2 1 3 11
4 1 2 4 3 2 9
5. Escreva o sistema de equaes lineares que correspondem s

seguintes matrizes aumentadas:
2 0 2 1 1 2 0 1 1 1

a) 3 1 4 7 b) 0 3 1 0 1 2
6 1 1 0 0 0 1 7 0 1
Soluo
a) Admitindo como variveis x, y, z, o sistema
2x + 2z = 1

3x y + 4 z =7
6x + y z = 0

226
lgebra Linear
Mas se admitirmos as variveis x1, x2, x3,
2 x1 + 2 x3 =
1

3 x1 x2 + 4 x3 =7
6x + x x = 0
1 2 3
b) Admitido as variveis x1, x2, x3, x4, x5,
x1 + 2 x2 x4 + x5 =
1

3 x2 + x3 x5 =
2
x3 + 7 x4 =
1

6. Resolva os seguintes sistemas:
x1 + 2 x2 4 x3 = 4 x1 + 2 x2 3 x3 =
1

a) x2 + x3 = 3 c) x2 2 x3 =
2
5 x3 = 5 2 x2 4 x3 =
4

4 x + x2 3 x3 + 2 x4 =
5
b) 1
x3 4 x4 =
2
Soluo
a) Como o sistema est na forma triangular, podemos encontrar
a soluo por retrossubstituio, comeando da terceira equao:
5x3 = 5 x3 = 1
Substituindo na segunda equao:
x2 + x3 = 3 x2 + 1 = 3 x2 = 2
Substituindo na primeira equao:
x1 + 2x2 4x3 = 4 x1 + 22 41 x1 = 4
Portanto, a soluo (4, 2, 1).
227
b) Partindo da segunda equao:
x3 4x4 = 2 x3 = 2 + 4x4
4x1 + x2 3(2 + 4x4) = 5 x2 = 11 + 10x4 4x1
Observe que temos duas variveis livres; no caso, escolhemos

x4,x1 e, assim, o sistema apresenta infinitas solues, que podem
ser representadas por:
(x1, 11 + 10x4 4x1, 2 + 4x4, x4)
c) Comeando da terceira equao:
2x2 4x3 = 4 x2 = 2 + 2x3
Substituindo na segunda equao:
2 + 2x3 2x3 = 2 0x3 = 0,
equao degenerada com termo independente igual a zero.

Nesse caso, x3 admite qualquer valor. Ou seja, o sistema possui
infinitas solues, que podem ser escritas em funo de x3.
Substituindo na primeira e equao:
x1 + 2x2 3x3 = 1 x1 = 1 2x2 + 3x3 x1 = 1 2(2 + 2x3) + 3x3

x1 = 3 x3
Portanto, a soluo em funo de x3 (3, x3, 2 + 2x3, x3).
228
lgebra Linear
7. Verifique se os sistemas S1 e S2 so equivalentes:
3 x + 6 x2 =
42 x + 2 x2 =14
S1 = 1 S2 = 1
2 x1 4 x2 =
12 x1 2 x2 =
6
Soluo
Resolvendo o primeiro sistema:
10 + 2 2 =14
Soluo de S1: (10, 2), substituindo no sistema S2:
10 2 2 =6
Logo os sistemas so equivalentes.
8. Calcule o valor de a e b sabendo-se que os sistemas S1 e S2

so equivalentes:
ax + x2 = 3a 5 x 3 x2 =1
S1 = 1 S2 = 1
x1 2bx2 =5a x1 + 2 x2 =5
Soluo
Como as incgnitas a e b esto no primeiro sistema, resolvemos
inicialmente o segundo: Soluo (1, 2), substituindo em S1:
a 1 + 2 = 3 a

1 2 b 2 = 5 a
Logo: a = 1 e b = 1.
229
9. Identifique quais das matrizes abaixo esto na forma

escalonada reduzida por linhas. Justifique.
1 5 0 3 0
1 0 0
1 0 1 3 0 1 0 2 3
a) 0 1 0 b) c)
0 0 0 0 1 0 1 1 2
0 0 0
0 0 0 0 0
Soluo
a) Sim
b) No
c) Sim
10. Resolva os sistemas seguintes pelo mtodo de eliminao de

Gauss.
x1 2 x2 + 4 x3 =2 x1 3 x2 2 x3 + 4 x4 = 5

a) 2 x1 3 x2 + 5 x3 =
3 c) 3 x1 8 x2 3 x3 + 8 x4 =
18
3x 4 x + 6 x = 7 2 x 3x + 5x 4 x = 19
1 2 3 1 2 3 4
x1 x2 + 2 x3 x4 4
=
x1 + x2 + 2 x3 = 8
2 x1 + x2 + x3 x4 1
=
b) x1 2 x2 + 3 x3 =
1 d)
3x 7 x + 4 x = 10 x1 + 2 x2 4 x3 + x4 =7
1 2 3
3x 2 x4 1
=
1
Soluo
a)
1 2 4 2
L= L 2 2L1
2 3 5 3 2
L= L 3 3L1
3 4 6 7 3
1 2 4 2

0 1 3 1 L 3 = L 3 2L 2
0 2 6 1
1 2 4 2

0 1 3 1
0 0 0 3
230
2 3 5 3
L= L 3 3L1
3 4 6 7 3
lgebra Linear
1 2 4 2

0 1 3 1 L 3 = L 3 2L 2
0 2 6 1
1 2 4 2

0 1 3 1
0 0 0 3
reescrevendo o sistema:
1x1 2 x2 + 4 x3 =
2

0 x1 + 1x2 3 x3 =
1
0 x + 0 x + 0 x = 3
1 2 3
que apresenta uma equao degenerada com b 0 e, portanto, o

sistema incompatvel, ou seja, no possui soluo.
b)
1 1 2 8
L= L 2 + L1
1 2 3 1 L= L 3L
2
3 7 4 10 3 3 1
1 1 2 8

0 1 5 9 L2 =
L 2
0 10 2 14
1 1 2 8

0 1 5 9 L 3 = L 3 + 10L 2
0 10 2 14
1 1 2 8

0 1 5 9
0 0 52 104
x1 + x2 + 2 x3 =
8

x2 5 x3 =
9
52 x3 =104

cuja soluo (3, 1, 2).
231
c)
1 3 2 4 5
L= L 2 3L1
3 8 3 8 18 L= L 2L
2
2 3 5 4 19 3 3 1
1 3 2 4 5

0 1 3 4 3 L 3 = L 3 3L 2
0 3 9 12 9
1 3 2 4 5

0 1 3 4 3
0 0 0 0 0
apresenta uma linha nula, pode ser eliminada do sistema.

Assim:
x1 3 x2 2 x3 + 4 x4 =
5

x2 + 3 x3 4 x4 =
3
da segunda equao: x2 = 3 3x3 + 4x4
Substituindo na primeira:
x1 3(3 3x3 + 4x4) 2x3 + 4x4 = 5

x1 = 14 + 8x4 7x3
Duas variveis livres, ento o sistema apresenta infinitas

solues, que podem ser representadas por:
(14 + 8x4 7x3, 3 3x3 + 4x4, x3, x4).
d)
1 1 2 1 4
L=
2
L 2 2L1
2 1 1 1 1 L = L + L
1 2 4 1 7 3 3 1
L=
4
L 4 3L1
3 0 0 2 1
1 1 2 1 4

0 3 3 1 7 L L
0 1 2 0 3 2 3

0 3 6 1 13
232 1 1 2 1 4

0 1 2 0 3 L= L 3L
1 1 2 1 4
L=
2
L 2 2L1 lgebra Linear
2 1 1 1 1 L = L + L
1 2 4 1 7 3 3 1
L=
4
L 4 3L1
3 0 0 2 1
1 1 2 1 4

0 3 3 1 7 L L
0 1 2 0 3 2 3

0 3 6 1 13
1 1 2 1 4

0 1 2 0 3 L=
3
L 3 3L 2
0 3 3 1 7 L= 4
L 4 3L 2

0 3 6 1 13
1 1 2 1 4

0 1 2 0 3
0 0 3 1 2

0 0 0 1 4
x1 x2 + 2 x3 x4 4
=

x2 2 x3 3
=

3 x3 + x4 2
=
x4 = 4

Cuja soluo : (3, 1, 2, 4)
11. Resolva os sistemas do exerccio 10 pelo mtodo de

Gauss-Jordan.
Soluo
a) No exerccio anterior, aplicamos o mtodo de eliminao de
Gauss e chegamos seguinte matriz:
1 2 4 2

0 1 3 1
0 0 0 3
observe que nesse ponto j temos que o sistema incompatvel,

assim no necessrio continuar o escalonamento.
233
b) No exerccio anterior, aplicamos o mtodo de eliminao de

Gauss e chegamos seguinte matriz:
1 1 2 8

0 1 5 9
0 0 52 104
Para aplicarmos o mtodo de Gauss-Jordan, devemos continuar

o processo, transformando a matriz dos coeficientes na matriz
identidade, a partir dessa matriz:
1 1 2 8
1
0 1 5 9 L 3 =( )L 3
52
0 0 52 104
1 1 2 8

0 1 5 9 L1 = L1 L 2
0 0 1 2
1 0 7 17
L= L1 7L 3
0 1 5 9 1
L= L + 5L
0 0 1 2 2 2 3
1 0 0 3

0 1 0 1
0 0 1 2
x1 = 3

reescrevendo o sistema: x2 = 1 cuja soluo (3, 1, 2).
x = 2
3
c)
1 3 2 4 5
L= L 2 3L1
3 8 3 8 18 2
L= L 3 2L1
2 3 5 4 19 3
1 3 2 4 5

0 1 3 4 3 L 3 = L 3 3L 2
0 3 9 12 9
1 3 2 4 5

0 1 3 4 3 L1 = L1 + 3L 2
0 0 0 0 0
1 0 7 8 14

234 0 1 3 4 3
0 0 0 0 0
3 8 3 8 18 2 2 1
L= L 2L
2 3 5 4 19 3 3 1
lgebra Linear
1 3 2 4 5

0 1 3 4 3 L 3 = L 3 3L 2
0 3 9 12 9
1 3 2 4 5

0 1 3 4 3 L1 = L1 + 3L 2
0 0 0 0 0
1 0 7 8 14

0 1 3 4 3
0 0 0 0 0
apresenta uma linha nula que pode ser eliminada do sistema.

Assim:
x1 + 7 x3 8 x4 =
14

x2 3 x3 4 x4 =3
da segunda equao: x2 = 3 + 3x3 + 4x4
Substituindo na primeira: x1 = 14 7x3 + 8x4
Duas variveis livres, ento o sistema apresenta infinitas

solues, que podem ser representadas por:
(14 7x3 + 8x4 , 3 + 3x3 + 4x4, x3, x4).
d) No exerccio anterior chegamos seguinte matriz triangular:
1 1 2 1 4

0 1 2 0 3 L = 1
L
0 0 3 1 2 3
3 3

0 0 0 1 4
1 1 2 1 4

0 1 2 0 3
0 0 1 1 2 L1 = L1 + L 2
3 3
0 0 0 1 4

1 0 0 1 1

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

1 0 0 1 1
L=1
L1 + L 4
0 1 0 2 5
3 3 L= L 2 L
2 2
0 0 0 1 2 3 4 235
3 3 1
L= L L

1 0 0 1 1
Catarina
0 1 2 0 3
Universidade do Sul de Santa
0 0 1 1 2 L 2 = L 2 + 2L 3
3 3
0 0 0 1 4

1 0 0 1 1
L=1
L1 + L 4
0 1 0 2 5
3 3 L= L 2 L
2 2
0 0 0 1 2 3 4
3 3 1
0 0 0 1 4 L= 3
L3 L4
3
1 0 0 0 3

0 1 0 0 1
0 0 1 0 2

0 0 0 1 4
Cuja soluo : (3, 1, 2, 4)
12. Resolva os sistemas homogneos a seguir:
2 x1 x2 3 x3 =
0 2 x1 + 4 x2 5 x3 + 3 x4 =
0

a) x1 + 2 x2 0
= b) 3 x1 + 6 x2 7 x3 + 4 x4 =
0
x2 + x3 =0 5 x + 10 x 11x + 6 x = 0
1 2 3 4
Soluo
a)
2 x1 x2 3 x3 = 0

x1 + 2 x2 = 0 x1 = 2 x2
x2 + x3 = 0 x2 = x3

2(2x3) (x3) 3x3 = 0 6x3 = 0 x3 = 0
Logo: x1 = 0, x2 = 0, o sistema admite apenas a soluo trivial.
236
lgebra Linear
b)
2 x1 + 4 x2 5 x3 + 3 x4 =
0

b) 3 x1 + 6 x2 7 x3 + 4 x4 =
0
5 x + 10 x 11x + 6 x = 0
1 2 3 4
2 4 5 3
1
3 6 7 4 L1 = L
2 1
5 10 11 6
1 2 5 3
2 2 L= L 3L
3 6 7 4 2 2 1
L= L 3 5L1
5 10 11 6
3
1 2 5 3
2 2
0 0 1 1
2 2
0 0 0 0

x + 2x 5 x + 3 x = 0
1 2
2 3 2 4

0 x + 0 x + 1 x 1 x = 0 x = x
1 2
2 3 2 4 3 4
0x + 0x + 0x + 0x = 0
1 2 3 4
Substituindo x3 na primeira equao:

3
x1 +2x2 5 x3 + x3 = 0x3 = x1 + 2x2
2 2
Duas variveis livres. O sistema admite outras solues alm da
trivial, representadas por:
(x3 2x2, x2, x3, x3).
237
13. Dado o par de matrizes a seguir, encontre uma matriz

elementar M tal que MA = B.
2 1 3 2 1 3

A=
2 4 5 e B =
3 1 4
3 1 4 2 4 5
Soluo
1 0 0

M = 0 0 1
0 1 0
1 0 0 2 1 3 2 1 3

M A 0 0 1 2 =
= 4 5 3= 1 4 B
0 1 0 3 1 4 2 4 5
ax + by =
1
14. Dado o sistema: , mostre que:
cx + dy =
0
I. Se ad bc 0, o sistema tem a soluo nica

d c
x= ,y= ;
( ad bc ) ( ad bc )
II. Se ad bc = 0, c 0 ou d 0, o sistema no tem soluo.
Soluo
ax + by =
1

cx + dy =
0
a b 1
a b 1 c
L 2 = L 2 L1 cb + ad c
c d 0 a 0
a a
238
lgebra Linear
ax + by = 1

cb + ad c
y =
a a
cb + ad
I. Admite soluo apenas quando 0ad bc 0 e,
nesse caso: a
c d
=y = x
( ad bc ) ( ad bc )
cb + ad c
II. No admite soluo se: = 0 e 0, ou seja:
a a
ad bc = 0 e c 0, d 0.
15. Utilize o determinante de cada matriz dada para verificar se

ela invertvel:
1 3 0
1 0 2 1
a) b) c) 0 0 0
0 3 3 7 1 2 3
Soluo
1 0
a) = 3 0, logo, a matriz invertvel
0 3
2 1
b) = 14 + 3 0, logo, a matriz invertvel
3 7
1 3 0
a matriz no invertvel, j que possui uma
c) 0 0 0
linha nula.
1 2 3
239
16. Determine todos os valores de a e b para que a matriz abaixo

seja invertvel.
2 0
A=
0 b a + 3
Soluo
2 0
Para que a matriz A seja invertvel, 0
0 ba+3
2b 2a + 6 0b a + 3 0b a 3
17. Determine a matriz inversa, pelo mtodo prtico de escalo-

namento, de cada uma das matrizes dadas.
3 3 3 2
1 0 0
5 6 2 4
a) A =
1 1 0 c) C =
4 5 4 3
1 1 1
1 1 1 1
3 4 1

b) B = 1 0 3
2 5 4
Soluo
a)
1 0 0 1 0 0
L= L 2 + L1
[A|I 3 ] =
1 1 0 0 1 0 2
L= L 3 L1
1 1 1 0 0 1 3
1 0 0 1 0 0

0 1 0 1 1 0 L 2 = L 2
0 1 1 1 0 1
1 0 0 1 0 0

0 1 0 1 1 0 L 3 = L 3 + L 2
0 1 1 1 0 1
1 0 0 1 0 0
240
0 1 0 1 1 0
0 0 1 2 1 1
[A|I 3 ] =
1 1 0 0 1 0 L= L L
2 2 1
1 1 1 0 0 1 3 3 1
lgebra Linear
1 0 0 1 0 0

0 1 0 1 1 0 L 2 =
L 2
0 1 1 1 0 1
1 0 0 1 0 0

0 1 0 1 1 0 L 3 = L 3 + L 2
0 1 1 1 0 1
1 0 0 1 0 0

0 1 0 1 1 0
0 0 1 2 1 1
Logo a matriz A1 inversa da matriz A :
1 0 0
1
A =
1 1 0
2 1 1
b)
3 4 1 1 0 0

=[B|I 3 ] 1 0 3 0 1 0 L1 L 2
2 5 4 0 0 1
1 0 3 0 1 0
L= L 2 3L1
3 4 1 1 0 0 2
L= L 3 2L1
2 5 4 0 0 1 3
1 0 3 0 1 0
1L
0 4 10 1 3 0 L 2 =
4 2
0 5 10 0 2 1
1 0 3 0 1 0
1L
0 1 10 1 3 0 L2 =
4 4 4 4 2

0 5 10 0 2 1
1 0 3 0 1 0

0 1 10 4 1
4
3
4
0 L 3 = L 3 5L 2

0 5 10 0 2 1
1 0 3 0 1 0
4 L
0 1 10 1 3 0 L3 =
4 4 4 10 3

0 0 10 5 7 1
4 4 4
1 0 3 0 1 0

0 1 10 1 3 0 L 3 = L 3 5L 2
4 4 4
241
0 0 1 1 7 4
2 10 10

0 5 10 0 2 1
Universidade do Sul de Santa Catarina 1 0 3 0 0 1
4 L
0 1 10 1 3
0 L3 =
4 4 4 10 3

0 0 10 5 7 1
4 4 4
1 0 3 0 1 0

0 1 10 1 3 0 L 3 = L 3 5L 2
4 4 4

0 0 1 1 7 4
2 10 10
1 0 3 0 1 0
L=1
L1 3L 3
0 1 10 1 3 0

4 4 4
L= 2
L 2 + 10 L 3
1 7 4 4
0 0 1
2 10 10
1 0 0 3 11 12
2 10 10
0 1 0 1 1 1

0 0 1 1 7 4
2 10 10
Logo a matriz B1 inversa da matriz B :
3 11 12
2 10 10
B1= 1 1 1

1 7 4
2 10 10
c)
3 3 3 2 1 0 0 0

5 6 2 4 0 1 0 0
=[C|I 4 ] L1 L 4
4 5 4 3 0 0 1 0

1 1 1 1 0 0 0 1
1 1 1 1 0 0 0 1
L= 2
L 2 + 5L1
5 6 2 4 0 1 0 0
L 3 = L 3 4L1
4 5 4 3 0 0 1 0
L= 4
L 4 3L1
3 3 3 2 1 0 0 0
1 1 1 1 0 0 0 1

0 1 3 1 0 1 0 5 L= L1 + L 2
1
0 1 0 1 0 0 1 4 L= 3
L3 + L2

0 0 0 1 1 0 0 3
1 0 4 2 0 1 0 6

0 1 3 1 0 1 0 5
L3 = 1 L3
0 0 3 0 0 1 1 1 3

0 0 0 1 1 0 0 3
242
1 0 4 2 0 1 0 6
L=
1
L1 + 4L 3
3 3 3 2 1 0 0 0
1 1 1 1 0 0 0 1
lgebra Linear
0 1 3 1 0 1 0 5 L= L1 + L 2
1
0 1 0 1 0 0 1 4 L= 3
L3 + L2

0 0 0 1 1 0 0 3
1 0 4 2 0 1 0 6

0 1 3 1 0 1 0 5
L3 = 1 L3
0 0 3 0 0 1 1 1 3

0 0 0 1 1 0 0 3
1 0 4 2 0 1 0 6
L= L1 + 4L 3
0 1 3 1 0 1 0 5
1

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

1 0 0 2 0 1 4 14
3 3 3
0 1 0 1 0 0 1 4 L= 1
L1 2L 4

0 0 1 0 0 1 1 1 L= 2
L2 L4
3 3 3
0 0 0 1 1 0 0 3
1 0 0 0 2 1 4 4
3 3 3
0 1 0 0 1 0 1 1

0 0 1 0 0 1 1 1
3 3 3
0 0 0 1 1 0 0 3
1
Logo a matriz C inversa da matriz C :
2 1 4 4
3 3 3
1 0 1 1
C 1 =
0 1 1 1
3 3 3
1 0 0 3
243
18. Resolva os seguintes sistemas pelo mtodo da matriz

inversa:
2x + y z = a para:

S1 = 5 x + 2 y 3 z = b a)(a = 1, b = 2, c = 3)
y + 2z = c
b)(a = 1, b = 0, c = 8)
x + 2y z 1
=

y 3z + w = 1
S2 =
x + 3 y + z 2w = 2
x + 4 y 2 z + 4 w =
0
Soluo
Para resolver o sistema pelo mtodo da matriz inversa, primeiro
temos que determinar a matriz inversa da matriz dos coefi-
cientes do sistema. Mas antes devemos verificar se essa matriz
invertvel:
2 1 1
|S1 |=5 2 3 =1 0
0 1 2
ou seja, a matriz invertvel, ento podemos resolver o sistema

pelo mtodo da matriz inversa.
2 1 1 1 0 0
S1 : 5 2 3 0 1 0 L 2 = L 2 5 L1
2
0 1 2 0 0 1
2 1 1 1 0 0
0 1 1 5 1 0 L2 =( 2)L 2
2 2 2
0 1 2 0 0 1
2 0 2 4 2 0
L= L1 L 2
0 1 1 5 2 0 1
L= L3 L2
0 0 1 5 2 1 3
1 0 1 2 1 0
1L
0 1 1 5 2 0 L1 =
2 1
0 0 1 5 2 1
1 0 1 2 1 0
244 L= L1 + L 3
0 1 1 5 2 0 1
L= L2 L3
0 0 1 5 2 1 2
2 2 2 2 2
0 1 2 0 0 1
lgebra Linear
2 0 2 4 2 0
L= L1 L 2
0 1 1 5 2 0 1
L= L3 L2
0 0 1 5 2 1 3
1 0 1 2 1 0
0 1 1 1L
5 2 0 L1 =
2 1
0 0 1 5 2 1
1 0 1 2 1 0
L= L1 + L 3
0 1 1 5 2 0 1
L= L2 L3
0 0 1 5 2 1 2
1 0 0 7 3 1
0 1 0 10 4 1
0 0 1 5 2 1
Logo a matriz B1 inversa da matriz B :
7 3 1
1
B = 10 4 1
5 2 1
a)(a = 1, b = 2, c = 3)
x 7 3 1 1 2

y = 10 4 1 2 = 1
z 5 2 1 3 2
Soluo: (2, 1, 2)
b)(a = 1, b = 0, c = 8)
x 7 3 1 1 15

y= 10 4 1 0= 18
z 5 2 1 8 13
Soluo: (15, 18, 13)
245
x + 2y z 1
=

y 3z + w = 1
S2 =
x + 3 y + z 2w = 2
x + 4 y 2 z + 4 w =
0
1 2 1 0 1 0 0 0

0 1 3 1 0 1 0 0 L= L 3 L1
3
1 3 1 2 0 0 1 0 L= 4
L 4 L1

1 4 2 4 0 0 0 1
1 2 1 0 1 0 0 0
L= 1
L1 2L 2
0 1 3 1 0 1 0 0
L3 = L3 L2
0 1 2 2 1 0 1 0
L= 4
L 4 2L 2
0 2 1 4 1 0 0 1
1 0 5 2 1 2 0 0 L= L L
1 1 3
0 1 3 1 0 1 0 0 3
L2 = L2 + L3
0 0 5 3 1 1 1 0 5
L= L L
0 0 5 2 1 2 0 1 4 4 3
1 0 0 1 2 1 1 0
1
0 1 0 4 3 2 3 0 L3 = 5 L3
5 5 5 5

0 0 5 3 1 1 1 0 L4 = 1 L4
0 5
0 0 5 0 1 1 1
1 0 0 1 2 1 1 0
L= L1 L 4
0 1 0 4 3 2 3 0 1
5 5 5 5
L =L + 4L
0 0 1 3 1 1 1 0 2 2
5 4
5 5 5 5
0 0 0 1 0 1 1 1 L= 3
L3 + 3 L4
5 5 5 5
1 0 0 0 2 4 4 1
5 5 5
0 1 0 0 3 6 11 4
5 25 25 25
8 3
0 0 1 0 1 2
5 25 25 25
1 1 1
0 0 0 1 0
5 5 5
246
lgebra Linear
1 0 0 0 2 4
1 4 6
x 5
5 1 5 5
0 1 0 0 3 6 11 4 1
y = 5 25 25 25 1 25
z 8 3 2 7
0 0 1 0 1 2
5 25 25 25 25
w 1 1 1
0 1
0 0 0 1 0
5 5 5 5
Soluo: ( 6 , 1 , 7 , 1 )
5 25 25 5
Unidade 2
1) Seja o conjunto
a b
W=
c d {
; a, b, c, d IR , }
isto , o conjunto das matrizes de ordem 22. Mostre que W
um espao vetorial com as operaes de soma e multiplicao
por escalar definida abaixo:
a b1 a2 b2 a1 + a2 b1 + b2
+: 1 + =
c1 d1 c2 d2 c1 + c2 d1 + d2
a b a b
: =
c d c d
Soluo
(A1)(u + v) + w = u + (v = w)
a b a b2 a3 b3 usando a definio
(u + v=
)+w 1 1 + 2 +
c d
1 1 c2 d2 c3 d3 de soma
a + a b1 + b2 a3 b3 usando a definio
= 1 2 +
c + c d + d c d
1 2 1 2 3 3 de soma
( a + a ) + a3 (b1 + b2 ) + b3
= 1 2
(c1 + c2 ) + c3 (d1 + d2 ) + d3
a + ( a2 + a3 ) b1 + (b2 + b3 ) usando a definio
= 1
c1 + (c2 + c3 ) d1 + (d2 + d3 ) de soma
a b a + a b2 + b3 usando a definio
= 1 1 2 3
247
c1 d1 c2 + c3 d2 + d3 de soma
a b a b a b
1 1 2 2 3 3
a1 + a2 b1 + b2 a3 b3 usando a definio
Universidade=
do Sul de Santa Catarina +
c + c d + d c d
1 2 1 2 3 3 de soma
( a + a ) + a3 (b1 + b2 ) + b3
= 1 2
(c1 + c2 ) + c3 (d1 + d2 ) + d3
a + ( a2 + a3 ) b1 + (b2 + b3 ) usando a definio
= 1
c1 + (c2 + c3 ) d1 + (d2 + d3 ) de soma
a b a + a b2 + b3 usando a definio
= 1 1 2 3

c1 d1 c2 + c3 d2 + d3 de soma
a b1 a2 b2 a3 b3
= 1 + + =u + ( v + w)
c1 d1 c2 d2 c3 d3
(A2)u + v = v + u
a b a b2 a1 + a2 b1 + b2
u+v 1 1 + 2 =
=
c1 d1 c2 d2 c1 + c2 d1 + d2
a2 + a1 b2 + b1 a2 b2 a1 b1
= = + =v+u
c2 + c1 d2 + d1 c2 d2 c1 d1
(A3)u + 0 = u
0 0
Seja 0 = , ento:
0 0
a b1 0 0 a1 + 0 b1 + 0 a1 b1
u+0 1
= + = = = u
c1 d1 0 0 c1 + 0 d1 + 0 c1 d1
(A4)u + (u) = 0
a1 b1
Seja u = , ento:
c1 d1
a b a b1
u=
+ ( u) 1 1 + 1
c1 d1 c1 d1
a + ( a1 ) b1 + ( b1 ) 0 0
= 1 = = 0
c
1 + ( c1
) d1
+ ( d )
1 0 0
248
lgebra Linear
(M1)k(u + v) = ku + kv
a b a b2
k (u + v) =k 1 1 + 2
c d ( usando a definio de soma )
1 1 c 2
d2
a + a b1 + b2 usando a definio de
= k 1 2
c1 + c2 d1 + d2 produto por escalar
k( a + a ) k(b1 + b2 )
= 1 2
k(c1 + c2 ) k(d1 + d2 )
ka + ka2 kb1 + kb2
= 1 ( usando a definio de soma )
kc1 + kc2 kd1 + kd2
ka kb1 ka2 kb2 usando a definio de
= 1 +
kc1 kd1 kc2 kd2 produto por escalar
a b a b2
= k 1 1 + k 2 = k u + k v
c1 d1 c2 d2
(M2)(k + l)u = ku + lu
a b usando a definio de
( k + l) u = ( k + l) 1 1
c1 d1 produto por escalar
( k + l)a1 ( k + l)b1
=
( k + l)c1 ( k + l)d1
ka + la1 ) kb1 + lb1 )
= 1 ( usando a definio de soma )
kc1 + lc1 ) kd1 + ld1 )
ka kb1 la1 lb1 usando a definio de
= 1 +
kc1 kd1 lc1 ld1 produto por escalar
a b1 a1 b1
= k 1 +l = k u + l u
c1 d1 c1 d1
249
(M3)k(lu) = (kl)u
a b usando a definio de
k (l u) = k l 1 1
c d
1 1 produto por escalar para l
la lb1 usando a definio de
= k 1
lc1 ld1 produto por escalar para k
k(la1 ) k(lb1 )
=
k(lc1 ) k(ld1 )
( kl)a1 ( kl)b1 usando a definio de
=
( kl)c1 ( kl)d1 produto por escalar
a b1
=( kl) 1 =( kl) u
c1 d1
(M4)1u = u
a b1 1 a1 1 b1 a1 b1
1 u =1 1 = = =u
c1 d1 1 c1 1 d1 c1 d1
Portanto, o espao das matrizes de ordem 2 um espao vetorial

com as operaes de soma e multiplicao por escalar usuais.
2) Verifique se os conjuntos seguintes, com as operaes de soma

e multiplicao por escalar definidas, so espaos vetoriais.
a) V = R2
: k(x, y) = (x, ky)
b) V = R3
: (a, b, c) + (d, e, f) = (a, b, c)

: k(a, b, c) = (ka, kb, kc)
c) V = {(x, y); y = x2} = {(x, x2); x IR}
: (a, a2) (b, b2) = (a + b, (a + b)2)

: k (a, b) = (ka, k2a2)
250
lgebra Linear
Soluo
a) As propriedades A1, A2, A3 e A4 so satisfeitas, pois estamos
com a soma usual de vetores no R2.
Para as propriedades da multiplicao, falha a propriedade

M3. Lembre-se de que, na multiplicao definida, o valor real k
multiplica apenas a segunda coordenada do vetor. Seja u=(x,y),
ento:
(a + b) u = (a + b) (x, y) = (x, (a + b)y) = (x, ay + by)
Por outro lado,
a u + b u = a (x, y) + b (x, y) = (x, ay) + (x, by) = (2x, ay + by)
Portanto, (a + b) u a u + b u
Logo V = R2, com as operaes acima definidas, no um

espao vetorial.
b) As propriedades M1, M2, M3 e M4 so satisfeitas, pois a multi-

plicao por escalar a usual.
Por exemplo, a propriedade A2 falha. Perceba que a soma foi

definida de forma que o resultado sempre o primeiro vetor da
soma. Seja u = (a, b, c) e v = (d, e, f). Ento:
u v = (a, b, c) (d, e, f) = (a, b, c)
Por outro lado,
v u = (d, e, f) (a, b, c) = (d, e, f)
Logo, V = R3, com as operaes definidas acima, no um

espao vetorial.
251
c) Seja u = (a, a2), v = (b, b2) e w = (c, c2) V e k R.
(A1)u (v w) = (u v) w
u (v w) = (a, a2) ((b, b2) (c, c2)) usando a definio de soma

= (a, a2) ((b + c, b + c)2) usando a definio de soma
= (a + (b + c), (a + (b + c))2) associando as coordenadas

= ((a + b) + c, ((a + b) + c)2) usando a definio de soma
= (a + b, (a + b)2) (c, c)2) usando a definio de soma
= ((a, a2) (b, b2)) (c, c2)

= (u v) w
(A2)u v = v u
u v = (a, a2) (b, b2) usando a definio de soma
= (a + b, (a + b)2) comutando as coordenadas
= (b + a, (b + a)2) usando a definio de soma
= (b, b2) (a, a2)

=vu
(A3)u 0 = u
Seja 0 = (0, 0), ento:
u 0 = (a, a2) (0, 0) = (a + 0, (a + 0)2) = (a, a2) = u
(A4)u (u) = 0
Seja u = (a, (a)2), ento:
u (u) = (a, a2) (a, (a)2)

2
= (a + (a), (a + (a)) )
= (0, 02) = (0, 0) = 0
252
lgebra Linear
(M1)k (u + v) = k u + k v
k (u + v) = k ((a, a2) + (b, b2)) usando a definio de soma

usando a definio de
= k (a + b, (a + b)2) produto por escalar
= (k(a + b), k2(a + b)2)
Agora, por outro lado:
usando a definio de
k u + k v = k (a, a2) + k (b, b2) produto por escalar
= (ka, k2a2) + (kb, k2b2) usando a definio de soma
= (ka + kb, (ka + kb)2)

= (k(a + b), k2(a + b)2)
(M2)(k1 + k2) u = k1 u + k2 u
usando a definio de
(k1 + k2) u = (k1 + k2) (a, a2) produto por escalar
= ((k1 + k2)a, (k1 + k2)2a2)
Por outro lado, temos:
usando a definio de
k1 u + k2 u k1 (a, a2) + k2 (a, a2) produto por escalar
= (k1a, k12a2) + (k2a, k22a2) usando a definio de soma
= (k1a + k2a, (k1a + k2a)2)

2 2
= ((k1 + k2)a, (k1 + k2) a )
(M3)(k1 (k2 u) = (k1k2) u
usando a definio de
(k1 (k2 u) = (k1 (k2 (a, a2)) produto por escalar
usando a definio de
= (k1 (k2a, k22a2)) produto por escalar
= (k1(k2a), k12(k22a2))
= ((k1k2)a, (k12k22)a2)
usando a definio de
= ((k1k2)a, (k1k2)2a2) produto por escalar
= (k1k2) (a, a2)
= (k1k2) u
253
(M4)1 u = u
1 u = 1 (a, a2) = (1a, 12a2) = (a, a2) = u
Portanto, o conjunto V = {(x, y); y = x2} = {(x, x2); x IR} um

escalar definidas.
3) Usando a interpretao geomtrica, mostre que os conjuntos

a seguir no so subespaos vetoriais do R2.
a) W = {(x, y); y = x3}

b) S = {(x, y); y = 2x 3}
Soluo
As respostas so de cunho pessoal.
4) Verifique se os conjuntos a seguir so subespaos vetoriais

em relao soma e multiplicao por escalar usuais. Em caso
negativo, d um contraexemplo.
a) W = {(x, y) R2, y = x + 1}
b) W = {(x, x, x); x IR}
c) W = {
a b
c d
M(2,2); b 0 }
d) W = {(x, y, z) R3; x + y + z = 0}
e) W = {(1, x, y); x, y IR}
f) W = {(x, y, z); z = 2x y}
g) W =
z w{
x y
M(2,2); x = y e w = 0 }
Soluo
a)W no um subespao vetorial de R2, pois o vetor nulo
(0,0)W. Esta uma reta que no passa pela origem.
254
lgebra Linear
b)Propriedade de W: So todos os vetores do R3, cujas

coordenadas so iguais.
I. Sejam u = (a, a, a) W e v = (b, b, b) W. Devemos mostrar

que u + v W.
u + v = (a + b, a + b, a + b) W,
pois satisfaz a propriedade de W de todas as coordenadas

serem iguais.
II.Sejam u = (a, a, a) W e k R. Devemos mostrar que ku R3.
ku = (ka, ka, ka) W, pois satisfaz a propriedade do conjunto W.
Logo, por (I) e (II) segue que W um subespao vetorial.
c)Podemos dar um contra-exemplo:
2 1
Seja u = e u W, pois b = 1 0 (propriedade de W).
3 4
Tome a = 1. Da definio de subespao vetorial, au deveria

pertencer a W, o que no ocorre, pois:
2 1 2 1
u = 1 =
3 4 3 4
e, neste caso, b = 1 0, contrariando a propriedade do conjunto

W. Logo W no um subespao vetorial.
d)Propriedade de W: conjunto dos elementos de R3 que

satisfazem a equao x + y + z = 0.
I. Seja u = (x1, y1, z1) W, isto implica que x1 + y1 + z1 = 0. E seja

tambm v = (x2, y2, z2) W, isto implica que x2 + y2 + z2 = 0.
Devemos mostrar que as coordenadas de u + v satisfazem a

equao x + y + z = 0.
255
Somando as igualdades dadas, temos:
x1 + y1 + z1 + x2 + y2 + z2 = 0
Ou seja, (x1 + x2) + (y1 + y2) + (z1 + z2) = 0 e isto mostra que o
vetor u + v = (x1 + x2, y1 + y2, z1 + z2) W, pois suas coordenadas
satisfazem a equao x + y + z = 0.
II. Do mesmo modo, temos que au = (ax1, ay1, az1) W, pois se

x1+y1+z1=0, ento, a(x1 + y1 + z1) = 0, isto , ax1+ay1+az1=0
e isto mostra que as coordenadas de au satisfazem a equao
x+y+z=0.
Portanto, W um subespao vetorial. Lembre-se de que, geome-

tricamente, este conjunto representa um plano que passa pela
origem do R3.
e)W no um subespao vetorial pois o vetor nulo (0, 0, 0) W.
(f)Propriedade de W: conjunto dos elementos de R3, que

satisfazem a equao z = 2x y, ou reescrevendo 2x y z = 0.
I.Seja u = (x1, y1, z1) W, isto implica que 2x1 y1 z1 = 0. E seja

tambm v = (x2, y2, z2) W, isto implica que 2x2 y2 z2 = 0.
Devemos mostrar que as coordenadas de u + v satisfazem a

equao 2x y z = 0.
Somando as igualdades acima, temos:
2x1 y1 z1 + 2x2 y2 z2 = 0
Ou seja, 2(x1 + x2) (y1 + y2) (z1 + z2) = 0 e isto mostra que o
vetor u + v = (x1 + x2, y1 + y2, z1 + z2) W, pois suas coordenadas
satisfazem a equao 2x y z = 0.
II.Do mesmo modo, temos que au = (ax1, ay1, az1) W,

pois se 2x1 y1 z1 = 0, ento, a(2x1 y1 z1) = 0, isto ,
2(ax1)ay1az1)=0 e isto mostra que as coordenadas de au
satisfazem a equao 2x y z = 0.
256
lgebra Linear
Portanto, W um subespao vetorial. Lembre-se de que, geome-

tricamente, este conjunto representa um plano que passa pela
origem do R3.
g)Propriedade de W: so todas as matrizes 22 cujos

elementos da primeira linha so iguais ao elemento a22 = 0.
x x1 x x2
I.Seja
= u 1 W e v 2
= W . Ento,
z1 0 z2 0
x x1 x2 x2 x1 + x2 x1 + x2 x x
u+v 1
= + = =
z1 0 z2 0 z1 + z2 0 z 0
em que x = x1 + x2 e z = z1 + z2.
Como u + v satisfaz a propriedade do conjunto para todo

u,vW, segue que u + v W.
x x1
II.Seja
= u 1 W e a R. Ento,
z1 0
x x1 kx1 kx1 x x
k u = k 1 = =
z1 0 kz1 0 z 0
em que x = kx1 e z = kz1.
Como ku satisfaz a propriedade do conjunto para todo u W e

kR, segue que ku W.
Logo, o conjunto W um subespao vetorial.
5) Sejam os vetores v1 = (3, 4, 5) e v2 = (1, 2, 1).
a) Escreva o vetor w = (13, 6, 17) como combinao dos

vetores v1 e v2.
b) Para que valor d k, o vetor (k, 0, 7) combinao dos
vetores v1 e v2.
257
Soluo
a)Queremos encontrar escalares a e b, tal que, v = av1 + bv2.
Ento, temos:
(13, 6, 17) = a(3, 4, 5) + b(1, 2, 1)

(13, 6, 17) = (3a, 4a, 5a) + (b, 2b, b)
(13, 6, 17) = (3a + b, 4a + 2b, 5a b)

sistema linear:
3a + b = 13

4 a + 2b =
6
5a b = 17

Fazemos o escalonamento de matrizes, para resolv-lo:
3 1 13

4 2 6 L1 = 1 L1
3
5 1 17
1 1 13
3 3 L= L 4L
4 2 6 2 2 1
L= L 5L
5 1 17 3 3 1
1 1 13
3 3
0 10 70 L = 3 L
3 3 2
10 2
2 14
0 3 3
1 1 13
3 3
0 1 7 L 3 = L 3 2 L 2
3
0 2 14
3 3
1 1 13
3 3
0 1 7

0 0 0
258
lgebra Linear
Obtemos, assim a 1 b = 13 e b = 7. Substituindo a segunda

3 3
equao na primeira, obtemos a = 2. Portanto:
(13, 6, 17) = 2(3, 4, 5) 7(1, 2, 1)
b)Para que valor de k o vetor (k, 0, 7) combinao dos

vetores v1 e v2.
Temos que:
(k, 0, 7) = a(3, 4, 5) + b(1, 2, 1)
(k, 0, 7) = (3a, 4a, 5a) + (b, 2b, b)
(k, 0, 7) = (3a + b, 4a + 2b, 5a b)

sistema linear:
3a + b = k

4 a + 2b =
0
5a b =7

Fazemos o escalonamento de matrizes, para resolv-lo:
3 1 k

4 2 0 L1 = 1 L1
3
5 1 7
1 1 k
3 3 L= L 4L
4 2 0 2 2 1
L= L 5L
5 1 7 3 3 1
1 1 k
3 3
0 10 4k L = 3 L
3 3 2
10 2
(5k 21)
0 2
3 3
1 1 k
3 3
0 1 4k L =L 2L
10 3 3
3 2
(5 k 21)
0 2
3 3
1 1 k 259
3 3
0 1 4k

1 1 k
Catarina3
Universidade do Sul de Santa 3
0 10 4k L = 3 L
3 3 2
10 2
(5k 21)
0 2 3 3
1 1 k
3 3
0 1 4k L =L 2L
10 3 3
3 2
(5 k 21)
0 2 3 3
1 1 k
3 3
0 1 4k
3
(7 k 35)
0 0
5
Para que o vetor (k, 0, 7) seja combinao linear dos vetores

v1 e v2, necessrio que o sistema seja compatvel e, para isso,
devemos ter 7 k 35 = 0.
5
Resolvendo esta equao, obtemos k = 5.
6) Escreva o vetor (2, 5, 9, 17) R4 como combinao dos

vetores a = (1, 1, 1, 1), b = (0, 1, 1, 0) e c = (0, 0, 2, 3).
Soluo
Devemos encontrar escalares a, b e c tal que:
(2, 5, 9, 17) = a(1, 1, 1, 1) + b(0, 1, 1, 0) + c(0, 0, 2, 3)
Isso nos leva ao seguinte sistema linear:
a = 2

a b = 5

a + b + 2c =9
a + 3c =17
Diretamente, temos que a = 2, Substituindo este valor na

segunda e quarta equaes, obtemos b = 3 e c = 5. Assim:
(2, 5, 9, 17) = 2(1, 1, 1, 1) 3(0, 1, 1, 0) + 5(0, 0, 2, 3)
260
lgebra Linear
7) Seja
a + b 2a 2a

W = { a b c c , a, b, c IR}
b 0 b
7 4 4 2 2 2

a) 3 1 1 W ? b) 0 3 3 W ?
5 0 5 1 1 1
Soluo
a)Para que este elemento pertena a W, devemos ter a+b=7,
2a=4, a b = 3, c = 1, e b = 5. Basta verificar se estas equaes
so satisfeitas. J temos diretamente que a = 2, b = 5 e c = 1.
Substituindo esses valores em a+b=7 e a b = 3, notamos que
as equaes so satisfeitas, logo, o elemento:
7 4 4

3 1 1 W
5 0 5
b)Este elemento no pertence ao espao W, pois o elemento a32

no igual a zero, neste caso igual a 1 (um).
8) Encontre o subespao gerado pelos conjuntos a seguir:
a) A = {(1, 4)}
b) A = {(1, 1), (2, 3)}
c) A = {(1, 5, 1), (2, 1, 1)}
d) A = {(1, 1, 2, 2), (2, 2, 3, 3)}
Soluo
a)Devemos encontrar os vetores (x, y) R2 que so
combinaes do vetor u = (1, 4), assim, temos: (x, y) = a(1, 4),
oque nos leva a x = a e y = 4a, de onde temos que y = 4x.
261
Logo, temos [u] = {(x, y) R2, y = 4x} = {(x, 4x); x R}, ou seja,
o subespao gerado pelo vetor u R2 uma reta que passa pela
origem.
b)Seja (x, y) R2, ento devemos ter: (x, y) = a(1, 1) + b(2, 3).
O que nos d o seguinte sistema linear:
a + 2b =x

a + 3b =y
Somando as duas equaes, obtemos 5b = x + y, ou seja:
x+y
b=
5
Substituindo o valor de b na primeira equao, tem-se:
2 3x 2 y
a+ (x + y), ou seja, a = .
5 5
Portanto, qualquer (x, y) R2 pode ser escrito como combinao

dos vetores u = (1, 1) e v = (2, 3), desde que tomemos a e b como
acima. Assim, o conjunto A = {(1, 1), (2, 3)} gera todo o R2, ou
seja, R2 = [(1, 1), (2, 3)].
c)Seja (x, y, z) R3, ento devemos ter:
(x, y, z) = a(1, 5, 1) + b(2, 1, 1)
Isto nos leva ao seguinte sistema linear:
a + 2b =x

5a + b =y
ab = z

262
lgebra Linear
Escalonando o sistema, obtemos:
1 2 x
L= L 2 5L1
5 1 y L= L L
2
1 1 z 3 3 1
1 2 x

0 9 5 x + y L 2 L 3
0 3 x + z
1 2 x

0 3 x + y L 3 = L 3 3L 2
0 0 2 x + y 3 z
Para que o sistema seja compatvel, devemos ter 2x+y3z=0.

Assim o conjunto A = {(1, 5, 1), (2, 1, 1)} gera todos os
elementos que satisfazem a equao 2x+y3z=0.
Escrevemos:
G(A) = {(x, y, z) R3; 2x+y3z=0}
Geometricamente o conjunto A gera um plano que passa pela

origem do R3.
d)Seja (x, y, z, t) R4 e ento devemos ter:
(x, y, z, t) = a(1, 1, 2, 2) + b(2, 2, 3, 3),
o que nos d o seguinte sistema linear:
a 2b = x

a + 2b =y

2 a + 3b =z
2 a + 3b =
t
263
Fazendo o escalonamento, vamos obter:
1 2 x
L=2
L 2 + L1
1 2 y L = L 2L
2 3 z 3 3 1
L=4
L 4 2L1
2 3 t
1 2 x

0 0 x+y
L2 L4
0 7 2 x + z

0 7 2 x + t
1 2 x

0 7 2 x + t L = L L
0 7 2 x + z 3 3 2

0 0 x + y
1 2 x

0 7 2 x + t
0 0 t + z

0 0 x + y
Como o sistema deve ser compatvel, devemos ter z + t = 0 e

x+y=0, ou melhor, z = t e y = x.
Assim,
G(A) = {(x, y, z, t) R4; z = t e y = x} = {(x, x, t, t) | x, t R}
Em outras palavras, o conjunto A gera todos os elementos do

R4, cuja primeira coordenada o oposto da segunda e a terceira
coordenada igual quarta coordenada.
9) Sejam os vetores u = (1, 1, 0), v =(0, 1, 1) e w = (1, 1, 1).

Verifique se [u, v, w] = R3.
Soluo
Devemos verificar que qualquer vetor (x, y, z) R3 pode ser
escrito como combinao linear de u, v e w. Assim, temos:
(x, y, z) = a(1, 1, 0) + b(0, 1, 1) + c(1, 1, 1)
264
lgebra Linear
Isto leva ao seguinte sistema linear:
a +c= x

a b + c =y
b+c= z

Escalonando,
1 0 1 x

1 1 1 y L 2 = L 2 L1
0 1 1 z
1 0 1 x

1 1 0 x + y L3 = L3 L2
0 1 1 z
1 0 1 x

1 1 0 x + y
0 0 1 x + y + z
Deste sistema, conseguimos a + c = x, b = x + y e c=x+y+z.

Substituindo o valor de c em a + c = x, obtemos a = 2x y z.
Assim, qualquer vetor (x, y, z) R3 combinao linear de
u, v e w bastando tomar a = 2x y z, b = x y e c = x + y + z.
Portanto, [u, v, w] = R3.
10) Seja A = {(1, 2, 3, 1), (1, 1, 0, 0), (0, 0, 0, 1)}.
a) encontre G(A).
b) encontre o valor de k, para que (1, k, 3, 4, 1) G(A).
Soluo
(a) Seja (x, y, z, t) R4 e ento devemos ter:
(x, y, z, t) = a(1, 2, 3, 1) + b(1, 1, 0, 0) + c(0, 0, 0, 1)
265
o que nos d o seguinte sistema linear:
a+b =x

2a b =y

3a =z
a + c =t
Fazendo o escalonamento vamos obter:
1 1 0 x
L= 2
L 2 2L1
2 1 0 y
L 3 = L 3 3L1
3 0 0 z
L= 4
L 4 L1
1 0 1 t
1 1 0 x

0 3 0 2 x + y
L2 L4
0 3 0 3 x + z

0 1 1 x + t
1 1 0 x

0 1 1 x + t L= L 3 3L 2
3
0 3 0 3 x + z L= 4
L 4 3L 2

0 3 0 2 x + y
1 1 0 x

0 1 1 x + t
0 0 3 3t + z

0 0 0 x + y z
Para que o sistema seja compatvel, devemos ter x + y z = 0 e t

pode ser qualquer nmero real. Assim, temos:
G(A) = {(x, y, z, t) R4 ; x + y z = 0}
b)Como o vetor (1, k, 4, 1) deve pertencer a G(A), ele deve

satisfazer a equao x + y z = 0, assim, temos, ento, que
1+k4=0, ou seja, k = 3.
266
lgebra Linear
11) Quais dos seguintes conjuntos so LD ou LI?
a) B = {(1, 2, 4)}
1 1 1 1 2 0
b) B = , ,
0 1 1 0 1 1
c) B = {(1, 2, 0, 0), (0, 3, 1, 1), (1, 0, 1, 2), (3, 2, 0, 3)}
d) B = {(1, 0, 1), (1, 2, 1), (0, 1, 0)}
Soluo
a)Devemos ter a(1, 2, 4) = (0, 0, 0), o que nos leva diretamente
a a = 0, sendo esta a nica soluo possvel; logo, o conjunto
B={(1,2,4)} LI.
b)Seja a equao:
1 1 1 1 2 0 0 0
a +b +c =
0 1 1 0 1 1 0 0
que nos leva a:
a + b + 2c a b 0 0
=
b+c a + c 0 0
Obtemos, assim, o seguinte sistema de equaes:
a + b + 2c =0

a b =0

b+ c= 0
a + c= 0
267
Escalonando:
1 1 2 0

1 1 0 0 L= L 2 L1
2
0 1 1 0 L= 4
L 4 L1

1 0 1 0
1 1 2 0

0 2 2 0
L2 L3
0 1 1 0

0 1 1 0
1 1 2 0

0 1 1 0 L= L 3 + 2L 2
3
0 2 2 0 L= 4
L4 + L2

0 1 1 0
1 1 2 0

0 1 1 0
0 0 0 0

0 0 0 0
Isso nos leva a a + b + 2c = 0 e b + c = 0, ou seja, b = c e, substi-

tuindo na primeira, temos a = c, isto , o sistema compatvel e
indeterminado, possui infinitas solues.
1 1 1 1 2 0
Logo, o conjunto B = , , LD.
0 1 1 0 1 1
c)Montamos a equao, o que nos leva ao seguinte sistema:
a c + 3d =0

2 a + 3b + 2d =0

b+ c =0
b + 2c + 3d =0
268
lgebra Linear
Fazendo o escalonamento obtemos:
1 0 1 3 0

2 3 0 2 0
L 2 = L 2 + 2L1
0 1 1 0 0

0 1 2 3 0
1 0 1 3 0

0 3 2 8 0
L2 L3
0 1 1 0 0

0 1 2 3 0
1 0 1 3 0

0 1 1 0 0 L= L 3 3L 2
3
0 2 2 8 0 L= 4
L4 + L2

0 1 2 3 0
1 0 1 3 0

0 1 1 0 0
L 4 = L 4 + 3L 3
0 0 1 8 0

0 0 3 3 0
1 0 1 3 0

0 1 1 0 0
0 0 1 8 0

0 0 0 27 0
O que nos leva s equaes a + c + 3d = 0, b + c = 0, c+8d=0 e

27d = 0, e esta ltima equao nos leva a d = 0, que substituindo
na terceira nos d c = 0, que substituindo na segunda obtemos
b = 0, e substituindo o valor de c e d na primeira equao
chegamos a a = 0. Portanto, como a=b=c=d=0, conclui-se que
o conjunto B = {(1, 2, 0, 0), (0, 3, 1, 1), (1, 0, 1, 2), (3, 2, 0, 3)} LI.
269
d)Devemos ter a(1, 0, 1) + b(1, 2, 1) + c(0, 1, 0) = (0, 0, 0).
Montando o sistema linear, temos:
a+ b =0

2b c =0
a + b =0

Somando a primeira equao com a terceira chegamos a 2b=0,

o que nos d b = 0. Substituindo na primeira equao e na
segunda equao, obtemos a = 0 e c = 0. Portanto, o conjunto
B={(1,0,1), (1,2,1), (0,1,0)} LI.
12) Encontre o valor de k para que o conjunto

A = {(1, 1, 2), (2, k, 1), (1, 0, 3)} seja LI. Qual o
valor de k para o conjunto ser LD?
Soluo
Devemos ter a(1, 1, 2) + b(2, k, 1) + c(1, 0, 3) = (0, 0, 0) e
obtemos, assim, o sistema linear:
a + 2b c = 0

a + kb =0
2 a + b + 3c =0

Fazendo o escalonamento:
1 2 1 0
L= L 2 + L1
1 k 0 0 L= L + 2L
2
2 1 3 0 3 3 1
1 2 1 0 1
L3 = L3
0 2 + k 1 0 5
0 5 3 0 L 2 L 3
1 2 1 0 1
L3 = L3
0 5 3 0 5
0 2 + k 1 0 L 2 L 3
1 2 1 0

0 1 1 0 L 3 = L 3 (2 + k )L 2
5

270 0 2 + k 1 0
1 2 1 0

0 2 + k 1 0 3 5 3
0 5 3 0 L 2 L 3
lgebra Linear
1 2 1 0 1
L3 = L3
0 5 3 0 5
0 2 + k 1 0 L 2 L 3
1 2 1 0

0 1 1 0 L 3 = L 3 (2 + k )L 2
5

0 2+k 1 0
1 2 1 0

0 1 1 0
5

0 2+k
0 1 0
5
Para ser LI, devemos ter 2 + k 1 0, pois, neste caso, o sistema

5
compatvel e determinado, e como um sistema homogneo
a nica a trivial. Resolvendo esta equao, obtemos k 7.
Assim, para ser LD, devemos ter ento k = 7, pois a teremos
um sistema compatvel e indeterminado.
13) Sejam os vetores u = (1, 2, 3) e v = (3, 1, 2).
a) Determine [u, v] (subespao gerado por u e v).

b) O vetor (2, 5, 3) [u, v]?
c) Exiba uma base para [u, v]. Qual a dimenso?
d) [u, v] = R3? Por qu?
Soluo
a)Seja (x, y, z) R3 e ento devemos ter:
(x, y, z) = a(1, 2, 3) + b(3, 1, 2)
que nos leva ao sistema linear abaixo:
a + 3b =x

2 a + b =
y
3a + 2b =
z

271
Escalonando, obtemos:
1 3 x
L= L 2 + 2L1
2 1 y L= L 3L
2
3 2 z 3 3 1
1 3 x

0 7 2 x + y L 3 = L 3 + L 2
0 7 3 x + z
1 3 x

0 7 2x + y
0 0 x + y + z
Assim, para o sistema ser compatvel, devemos ter x + y + z = 0.

Portanto, [u, v] = {(x, y, z) R3; x + y + z = 0}.
b)Para o vetor (2, 5, 3) pertencer ao subespao gerado por u e

v, deve satisfazer a equao x + y + z = 0.
Ento temos (2)+5+(3)=2+53=40.
Logo, (2, 5, 3) [u, v].
c)Da equao x + y + z = 0, temos x = y + z. Como temos duas

variveis livres, temos ento que dim [u, v] = 2.
Para os geradores, fazemos: y = 1 e z = 0, o que nos leva a x = 1.

Agora, fazendo y = 0 e z = 1, obtemos x = 1, assim, os geradores
para o conjunto [u, v] so (1,1,0) e (1,0,1). Basta provar agora
que LI. De fato, a(1,1,0) + b(1,0,1) = (0,0,0) e, assim, obtemos
as equaes a + b = 0, a = 0 e b = 0, como queramos demonstrar.
Assim, encontramos uma base para [u, v].
b = {(1,1,0),(1,0,1)}
d)No, pois a dimenso de R3 igual a 3, que diferente da

dimenso de [u, v]. Logo, estes conjuntos so diferentes.
272
lgebra Linear
14) Determine uma base e a dimenso do subespao vetorial

seguinte:
W = {(x, y, z) R3; x = y e z = 3y}
Soluo
Temos apenas uma varivel livre, logo j temos que dimW=1.
Fazendo y = 1, obtemos x = 1 e z = 3, logo, W gerado pelo
vetor (1, 1, 3).
Este vetor LI, pois a(1, 1, 3) = (0, 0, 0) se a = 0, portanto, uma

base para o conjunto W dada por b = {(1, 1, 3)}.
15) Encontre uma base e a dimenso para o espao-soluo do

sistema homogneo abaixo:
x 2z + t =0

x + 2z =0

y + z =0
y + z =0
Soluo
Para encontrar a soluo deste sistema, faamos o escalona-
mento da matriz associada:
1 0 2 1 0

1 0 2 0 0 L= L 2 + L1
2
0 1 1 0 0 L= 4
L4 L3

0 1 1 0 0
1 0 2 1 0

0 0 0 1 0
L2 L3
0 1 1 0 0

0 0 0 0 0
1 0 2 1 0

0 1 1 0 0
0 0 0 1 0

0 0 0 0 0
273
Reescrevendo o sistema linear associado, obtemos:
x 2z + =
t 0 = x 2z

y+ z 0 y =
= z
= t 0= t 0

Da segunda equao, obtemos y = z. Como t = 0 e substituindo

na primeira equao, obtm-se x = 2z. Assim, o espao soluo
do sistema linear dado por:
S = {(x, y, z, t) R4; x = 2z, y = z e t = 0} = {(2z, z, z, 0), z R}
Como temos apenas uma varivel livre, que z, ento dim S = 1.

Fazendo z = 1, obtemos o vetor gerador de S, ou seja, (2,1,1,0).
Este vetor LI, pois a(2,1,1,0) = (0,0,0,0) somente se a = 0.
Portanto, como o vetor (2,1,1,0) gera S e LI, ele uma base

para S e escrevemos b = {(2,1,1,0)}.
Unidade 3
1.Se T : V W, v V e w W, encontre o domnio V e o

contradomnio W da transformao definida pelas equaes
dadas e determine se T linear.
a)w1 = x + 2y
b)w2 = y
c)w3 = x + y
Soluo
Admitindo que w = (w1, w2, w3), temos que W = R3 e, como cada
uma das variveis wi, i = 1, 2, 3 est em funo de x e y, ento
V=R2.
Logo: T : R2 R3, e T(x, y) = (w1, w2, w3) = (x + 2y, y, x + y).
Para verificar se T linear:
274
lgebra Linear
Vejamos inicialmente se T(0, 0) = (0, 0, 0).
T(0, 0) = (0 + 20, 0, 0 + 0) = (0, 0, 0),
assim, T pode ser uma transformao linear.
Dados dois vetores u = (x1, y1) e v = (x2, y2) do R2:
T(au + v) = T(a(x1, y1) + (x2, y2))

= T((ax1, ay1) + (x2, y2))
= T((ax1 + x2, ay1 + y2)
= (ax1 + x2 + 2(ay1 + y2), (ay1 + y2), (ax1 + x2) + (ay1 + y2))
= (ax1 + 2ay1 + x2 + 2y2, ay1 y2, ax1 + ay1 + x2 + y2)
= (a(x1 + 2y1) + (x2 + 2y2), ay1 y2, a(x1 + y1) + (x2 + y2))
= (a(x1 + 2y1), a(y1), a(x1 + y1)) + (x2 + 2y2, y2, x2 + y2)
= a(x1 + 2y1, y1, x1 + y1) + (x2 + 2y2, y2, x2 + y2)
= aT(x1, y1) + T(x2, y2)
= aT(u) + T(v)
Portanto, T uma transformao linear.
2.Considere a transformao linear T : R3 R3 definida por
T(x, y, z) = (5x + z, y + z, 3x + y).
Utilize os vetores u = (1, 1, 3) e v = (0, 4, 3) para mostrar que
T(2u 3v) = 2T(u) 3T(v).
Soluo
Dados u = (1, 1, 3) e v = (0, 4, 3) e T(x, y, z) = (5x + z, y + z, 3x + y).
T(2u 3v) = T(2(1, 1, 3) 3(0, 4, 3)) = T(2, 14, 15)

= T(52 + 15, 14 + 15, 32 14) = (5, 1, 8)
275
Por outro lado:
2T(u) 3T(v) = 2T(1, 1, 3) 3T(0, 4, 3)

= 2(51 + 3, 1 + 3, 31 + (1))
3(50 + (3), 4 + (3), 30 + 4)
= 2(2, 2, 2) 3(3, 1, 4)
= (4, 4, 4) (9, 3, 12)
= (5, 1, 8)
3.Verifique quais das seguintes funes so transformaes

lineares.
a)T : R3 R2, T1(x, y, z) = (2x 1, 2z x)

b)T : R2 R2, T2(x, y) = (5x, y2)
c)T : R2 R3, T3(x, y) = (x y, x y, 0)
Soluo
a) T1 : R3 R2, T1(x, y, z) = (2x 1, 2z x)
Vejamos inicialmente se T1(0, 0, 0) = (0, 0).
T1(0, 0, 0) = (20 + 1, 20 0) = (1, 0) (0, 0)
Logo T no uma transformao linear.
b) T2 : R2 R2, T2(x, y) = (5x, y2).
Vejamos inicialmente se T2(0, 0) = (0, 0).
T2(0, 0) = (50, 02) = (0, 0)
Logo T pode ser uma transformao linear.
T2(au + v) = T2(a(x1, y1) + (x2, y2))

= T2((ax1, ay1) + (x2, y2))
= T2((ax1 + x2, ay1 + y2)
276
lgebra Linear
= (5(ax1 + x2), (ay1 + y2)2)

= (5ax1 + 5x2, a2y12 + 2ay1y2 + y12)
Por outro lado:
aT2(u) + T2(v) = aT2(x1, y1) + T2(x2, y2)

= a(5x1, y12) + (5x2, y22)
= (5ax1, ay12) + (5x2, y22)
= (5ax1 + 5x2, ay12 + y22)
= T3(au + v)
Portanto, T2 no uma transformao linear.
c)T3 : R2 R3, T3(x, y) = (x y, x y, 0).
Vejamos, inicialmente, se T3(0, 0) = (0, 0, 0).
T3(0, 0) = (0 + 0, 0 0, 0) = (0, 0, 0),
assim, T pode ser uma transformao linear.
T3(au + v) = T3(a(x1, y1) + (x2, y2))

= T3((ax1, ay1) + (x2, y2))
= T3((ax1 + x2, ay1 + y2)
= (ax1 + x2 + ay1 + y2), (ax1 + x2) (ay1 + y2))
= (ax1 + ay1 + x2 + y2, ax1 ay1 + x2 y2)
Por outro lado:
aT3(u) + T3(v) = aT3(x1, y1) + T3(x2, y2)

= a(x1 + y1, x1 y1, 0) + (x2 + y2, x2 y2, 0)
= (ax1 + ay1, ax1 ay1) + (x2 + y2, x2 y2)
= (ax1 + ay1 + x2 + y2, ax1 ay1 + x2 y2)
Portanto, T3 uma transformao linear.
277
4.Dada T : R2 R2 represente geometricamente um vetor

genrico v = (x, y) R2 se T(x, y) = (3x, 2y).
Soluo
Se T : R2 R2, dado um vetor qualquer v = (x, y) R2, vamos
representar T(x, y) = (3x, 2y).
y
T(x, y) = (3x, 2y)
(x, y)
5.Dados os seguintes operadores lineares, determine a matriz

cannica T da transformao linear definidos por:
a)T1(x, y) = (x 2y, x + y)
b)T2(x, y, z) = (x y 2z, x + 2y + z, 3z)
Soluo
a) Da transformao linear T1(x, y) = (x 2y, x + y), temos a
matriz cannica:
1 2
[T1 ] =
1 1
b)Da transformao linear T2(x, y, z) = (x y 2z, x + 2y + z, 3z),

temos a matriz cannica:
1 1 2

[T2 ] = 1 2 1
1 0 3
278
lgebra Linear
6.Dada a matriz cannica:
1 2 0
[T] =
3 1 5
de uma transformao linear. Use-a para obter T(1, 1, 3).
Soluo
1 2 0 3 2
Da matriz [T] = temos: T : R R em que:
3 1 5
T(x, y, z) = (x + 2y, 3x + y + 5z)
Logo:
T(1, 1, 3) = (1) + 21, 3(1) + 1 + 53) = (3, 13)
7.Determine a transformao linear T : R2 R3, sabendo que

T(1, 1) = (3, 2, 1) e T(0, 1) = (1, 1, 0).
Soluo
Dado que T(1, 1) = (3, 2, 1) e T(0, 1) = (1, 1, 0).
(x, y) R2
a =x a = x
(x, y) = a(1, 1) + b(0, 1)
a + b = y x + b = y b = y + x
Logo:
T(x, y) = aT(1, 1) + b T (0, 1)

= (x)(3, 2, 1) + (y + x)(1, 1, 0)
= (3x, 2x, x) + (y + x, y + x, 0)
= (y 2x, y x, x)
Portanto, T(x, y) = (y 2x, y x, x).
279
8.Se T : R3 R2 tal que:
T(3, 2, 1) = (1, 1), T(0, 1, 0) = (0, 2) e T(0, 0, 1) = (0, 0).
Determine:
a)T(x, y)
b)v R3, tal que T(v) = (1, 1)
c)v R3, tal que T(v) = (0, 0)
Soluo
Sabemos que a transformao T : R3 R2 nos d:
T(3, 2, 1) = (1, 1), T(0, 1, 0) = (0, 2) e T(0, 0, 1) = (0, 0).
a)Para determinar: T(x, y)
Tomemos qualquer (x, y, z) R3.
(x, y, z) = a(3, 2, 1) + b(0, 1, 0) + c(0, 0, 1)
x
= 3a x = a
3

x 3y 2x
2 a + b = y 2( ) + b = y b =
3 3
x 3z x
a + c= z 3 + x= z c=
3
Logo:
T(x, y, z) = aT(3, 2, 1) + bT(0, 1, 0) + cT(0, 0, 1)

3y 2x 3z x
= ( x )(1, 1) + ( )(0, 2) + ( )(0, 0)
3 3 3
3y 2x
= ( x , x ) + (0, 2( )) + (0, 0)
3 3 3
5x 6 y
=(x, )
3 3
280
lgebra Linear
b) Um vetor v = (x, y, z) tal que T(v) = (1, 1).

5x 6 y
T(x, y, z) = ( x , ) = (1, 1)
3 3
x
3 1
=
= x 3

5x 6 y = 1 5 3 6 y = 3 y = 2
3
Logo o vetor v = (3, 2, z), z R.
c) Um vetor v = (x, y, z) tal que T(v) = (0, 0).

5x 6 y
T(x, y, z) = ( x , ) = (0, 0)
3 3
x
3 0
=
= x 0

5x 6 y = 0 5 0 6 y = 0 y = 0
3
Logo o vetor v = (0, 0, z), z R.
9.Seja P2 o espao vetorial dos polinmios de ordem 2:

ax2 + bx + c. Se representarmos qualquer elemento u desse
espao como u=(a, b, c). Determine se T : P2 P2, tal que
T(1)=x, T(x) = 1 x2 e T(x2) = x + 2x2, transformao linear.
Soluo
Do polinmio ax2 + bx + c, temos:
1 = 0x2 + 0x + 1 (0, 0, 1)
x = 0x2 + 1x + 0 (0, 1, 0)
x2 = 1x2 + 0x + 0 (1, 0, 0)
1 x2 = 1x2 + 0x + 1 (1, 0, 1)
x + x2 = 2x2 + 1x + 0 (2, 1, 0)
281
Ento:
T(1) = T(0, 0, 1) = x = (0, 1, 0)

T(x) = T(0, 1, 0) = 1 x2 = (1, 0, 1)
T(x2) = T(1, 0, 0) = x + 2x2 = (2, 1, 0)
Qualquer (x, y, z) R3.

a =z

(x, y, z) = a(0, 0, 1) + b(0, 1, 0) + c(1, 0, 0) b = y
c = x
Logo:
T(x, y, z) = zT(0, 0, 1) + yT(0, 1, 0) + xT(1, 0, 0)

= z(0, 1, 0) + y(1, 0, 1) + x(2, 1, 0)
= (2x y, x + z, y)
Portanto T(x, y, z) = (2x y, x + z, y).
Vamos verificar se T uma transformao linear.
T(0, 0, 0) = (20 10, 0 + 0, 0) = (0, 0, 0)
Para quaisquer dois polinmios do segundo grau representados

na forma vetorial por u = (x1, y1, z1) e v = (x2, y2, z2).
T(au + v) = T(a(x1, y1, z1) + (x2, y2, z2))

= T((ax1, ay1, az1) + (x2, y2, z2))
= T((ax1 + x2, ay1 + y2, az1 + z2)
= ((2ax1 + 2x2 ay1 y2), (ax1 + x2) + (az1 + z2), (ay1 + y2))
= (2ax1 ay1 + 2x2 y2, ax1 + az1 + x2 + z2, ay1 + y2)
= (a(2x1 y1) + (2x2 y2), a(x1 + z1) + (x2 + z2), ay1 + y2)
= (a(2x1 y1), a(x1 + z1), ay1) + (x2 y2, x2 + z2, y2)
= a(2x1 y1, x1 + z1, y1) + (x2 y2, x2 + z2, y2)
= aT(x1, y1, z1) + T(x2, y2, z2)
= aT(u) + T(v)
Portanto T : P2 P2 uma transformao linear.
282
lgebra Linear
10.Determine o ncleo, uma base para esse subespao e sua

dimenso. Determine a imagem, uma base para esse subespao
e sua dimenso. Com isso, verifique se T injetora e sobrejetora.
a)T : R2 R3, T(x, y) = (x + y, x, 2y)

b)T : R3 R2, T(x, y, z) = (x + 2y z, 2x y + z)
c)T : R3 R3, T(x, y, z) = (x 3y, x z, z x)
Soluo
a)T : R2 R3, T(x, y) = (x + y, x, 2y)
I.Ncleo: encontrar todos os vetores do R2 cuja imagem seja o

vetor (0, 0, 0).
Ou seja: T(x, y) = (x + y, x, 2y) = (0, 0, 0).
x + y =0

x=0
2 y = 0 x = 0, y = 0

O ncleo contm apenas o vetor nulo. Isto , o nico vetor do

R2 que est associado ao vetor nulo do R3, atravs da transfor-
mao T, o vetor nulo.
Isto : N(T) = {(0, 0)}.
Logo: dim N(T) = 0 e T injetora.
II.Imagem: Determinar w = (a, b, c) R3 tal que qualquer:
T(x, y) = (x + y, x, 2y) = (a, b, c).
x + y =a

x=b
2y = c

283
1 1 a

1 0 b L2 = L2 L2
0 2 c
1 1 a

0 1 b a L 3 = L 3 + 2L 2
0 2 c
1 1 a

0 1 ba
0 0 c 2b + 2c
O sistema s ter soluo se c 2b + 2a = 0 c = 2b 2a.
Portanto, a Im(T) = {(a, b, 2b 2a)| a, b R}, ento dim Im(T) = 2.
Do conjunto imagem:
(a, b, 2b 2a) = (a, 0, 2a) + (0, b, 2b) = a(1, 0, 2) + b(0, 1, 2)
Uma base da imagem : {(1, 0, 2), (0, 1, 2)}.
Como dim W = dim Im(R3) = 3 dim Im(T), ento T no

sobrejetora.
b)T : R3 R2, T(x, y, z) = (x + 2y z, 2x y + z)
I.Ncleo: encontrar todos os vetores do R3 cuja imagem o

vetor (0, 0).
Ou seja: T(x, y, z) = (x + 2y z, 2x y + z) = (0, 0).
x + 2 y z =0

2 x y + z = 0
1 2 1 0 1 2 1 0
L 2 = L 2 2L1
2 1 1 0 0 5 3 0
284
lgebra Linear
5y y
x + 2 y z =
0 x + 2y ( ) x =
3

3

5 y + 3 z = 0 z = 5 y
3
Logo, o ncleo da transformao T formado pelo conjunto de

vetores da forma:
( y
, y,
3 ) (
5y
3
1
= y , 1,
3
5
3 )
,yR
1
Logo, uma base do ncleo: , 1,
3
5
3 {( )}
Portanto: dim N(T) = 1 e T no injetora.
II.Imagem: determinar w = (a, b) R2, tal que qualquer:
T(x, y, z) = (x + 2y z, 2x y + z) = (a, b)
x + 2 y z =a

2 x y + z = b
1 2 1 0 1 2 1 a
L 2 = L 2 2L1
2 1 1 0 0 5 3 b 2 a
x + 2 y z =a
b 2a 5 y 5 y + b 2a
5 y + 3z =b 2a =
z + = z
3 3 3
5 y + b 2a ay+b
x = a 2y + (z = ) x =
3 3
Assim, o sistema ter soluo para quaisquer a, b.
Portanto, a Im(T) = R2, ento dim Im(T) = 2.
285
Como dim W = dim Im(R2) = 2 = dim Im(T), ento T

sobrejetora.
E uma base pode ser a cannica: {(1,0), (0,1)}
c)T : R3 R3, T(x, y, z) = (x 3y, x z, z x)
I.Ncleo: encontrar todos os vetores do R3, cuja imagem seja o

vetor (0, 0, 0).
Ou seja: T(x, y, z) = (x 3y, x z, z x) = (0, 0, 0)
x y =0 1 3 0
L= L 2 L1
x z = 0 1 0 1 2
L= L 3 + L1
z x = 0 1 0 1 3

1 3 0

0 3 1 L 3 = L 3 + L 2
03 1
1 3 0

0 3 1
0 0 0
x 3y = 0 x = 3y

x z = 0 z = y
Logo o ncleo da transformao T formado pelo conjunto

de vetores da forma (3y, y, y) = y((3, 1, 1), y R e uma base do
ncleo: {(3,1,1)}
286
lgebra Linear
II.Imagem: determinar w = (a, b, c) R3 tal que qualquer:
T(x, y, z) = (x 3y, x z, z x) = (a, b, c)
x y =a 1 3 0 a
L= L 2 L1
x z = b 1 0 1 b 2
z x = L= L 3 + L1
c 1 0 1 c 3
1 3 0 a

0 3 1 b a L 3 = L 3 + L 2
0 3 1 a + c
1 3 0 a

0 3 1 b a
0 0 0 b + c
Assim, o sistema somente ter soluo se b + c = 0 c = b, a.
Logo, a imagem da transformao T formada pelo conjunto de

vetores da forma:
(a, b, b) = (a, 0, 0) + (0, b, b) = a(1, 0, 0) + b(0, 1, 1), a, b R
e uma base da imagem : {(1,0,0), (0,1,1)}
Portanto: dim Im(T) = 2 e T no sobrejetora.
11.Determine a transformao linear T : R2 R3 dada por

T(2,3) = (1, 0, 1) e T(1, 2) = (0, 1, 0).
Soluo
T : R2 R3 dada por T(2,3) = (1, 0, 1) e T(1, 2) = (0, 1, 0).
Tomemos qualquer (x, y) R3:
(x, y) = a(2, 3) + b(1, 2)
2 a + b = x 2 1 x 3
L 2 = L 2 + L1
3a 2b = y 3 2 y 2
2 1 x

3 1 3x + 2 y
2 2
287
2 a + b = x

b 3x + 2 y
= b =3 x 2 y
2 2
2 a + ( 3 x 2 y ) = x a = 2 x y
Logo:
T(x, y) = aT(2, 3) + bT(1, 2)

= (2x y)(1, 0, 1) + (3x 2y)(0, 1, 0)
= (2x + y, 0, 2x y) + (0, 3x + 2y, 0)
= (2x + y, 3x + 2y, 2x y)
12.Dado o operador linear T : R3 R3, definido por:
T(x, y, z) = (x + 2y z, y + z, x + y 2z)
determine uma base e a dimenso do ncleo de T.
Soluo
Se T : R3 R3 definida por T(x, y, z) = (x + 2y z, y + z, x + y 2z),
encontre todos os vetores do R3 cuja imagem seja o vetor (0, 0, 0).
Ou seja: T(x, y, z) = (x + 2y z, y + z, x + y 2z) = (0, 0, 0)
x + 2 y z =0 1 2 1

y+z= 0 0 1 1 L 3 = L 3 L1
x + y 2z = 0 1
1 2

1 2 1

0 1 1 L3 = L3 + L2
0 1 1
1 2 1

0 1 1
0 0 0
288
lgebra Linear
x + 2 y z =0

y + z =0 z = y
x= z 2y x =3 y
Logo o ncleo da transformao T formado pelo conjunto de

vetores da forma (3y, y, y) = y(3, 1, 1), y R e uma base do
ncleo: {(3,1,1)}
13.Dadas as T1 e T2 duas transformaes lineares de R2 em R3.
T1(x, y) = (x 2y, 3x y, y) e T2(x, y) = (x + y, x 3y, 2x + y)
a)T1 T2
b)3T1 + 2T2
Soluo
a)T1 T2
T1(x, y) T2(x, y) = (x 2y, 3x y, y) (x + y, x 3y, 2x + y)

= (x 2y x y, 3x y x + 3y, y 2x y)
= (3y, 2x y, 2x)
Logo a transformao: (T1 T2)(x, y) = (3y, 2x y, 2x)
b)3T1 + 2T2
3T1(x, y) 2T2(x, y) = 3(x 2y, 3x y, y) + 2(x + y, x 3y, 2x + y)

= (3x 6y, 9x 3y, 3y) + (2x + 2y, 2x 6y, 4x + 2y)
= (3x 6y + 2x + 2y, 9x 3y + 2x 6y, 3y + 4x + 2y)
= (5x 4y, 11x 12y, 4x + 5y)
Logo a transformao:
(3T1 2T2)(x, y) = (5x 4y, 11x 12y, 4x + 5y)
289
14.Sejam T1 e T2 duas transformaes lineares de R2 em R3.
1 0 1 2 1 1

=Se [T1 ] = 2 1 1 e [T2 ] 3 1 2
0 1 1 1 2 0
determine [T2oT1] e [T1oT2].
Soluo
1 0 1 2 1 1

=Se [T1 ] = 2 1 1 e [T2 ] 3 1 2
0 1 1 1 2 0
2 1 1 1 0 1 0 3 3

[T2=oT1 ] [T2 =
][T1 ] 3 1 2 2 1 = 1 5 1 6
1 2 0 0 1 1 3 2 1
1 0 1 2 1 1 1 1 2

[T
=1
oT2 ] [T
=1
][T2 ] 2 1 1 3 1=2 0 1 2
0 1 1 1 2 0 2 3 2
15.Se T um operador linear dado pela matriz
2 1 4

[T] = 3 5 0
6 0 1
a)calcule N(T) e dim N(T);

b)calcule Im(T) e dim Im(T).
290
lgebra Linear
Soluo 2 1 4
Se T um operador linear dado pela matriz [T] = 3 5 0
6 0 1
a)calcule N(T) e dim N(T).
x

Temos que determinar o vetor y , tal que:
z
2 1 4 x 0

3 5 0 y = 0
6 0 1 z 0
ou ainda, resolver o sistema:
2 x + y + 4 z = 0 2 1 4 3
L= L 2 + L1
3x + 5 y = 0 3 5 0
2
2
6x z = 0 6 0 1 L= L 2 3L1
2
2 1 4

0 13 2 6 L2 =
2L 2

0 3 13
2 1 4
3
0 13 12 L 3 = L 2 + 13 L1
0 3 13
2 1 4

0 13 2 6

0 0 143
13
Assim:
2 1 4 x 0

0 13 2 6 y = 0 x= 0, y= 0, z= 0

0 0 143 z 0
13
Logo, N(T) = {(0, 0, 0)} e dim N(T) = 0;
291
b)Calcule Im(T) e dim Im(T).

x

Temos que determinar o vetor y , tal que:
z
2 1 4 x a

3 5 0 y = b
6 0 1 z c
Ou ainda, resolver o sistema:
2 x + y + 4 z = a

3x + 5 y = b
6x z = c

Como vimos no item acima, o sistema tem soluo sempre, e ela

nica.
Logo, Im(T) = R3 e dim Im(T) = 3;
16.Se T : R3 R3 definido por
T(x, y, z) = (x + y 2z, x + 2y + z, 2x + 2y 3z),
a)verifique se T(x, y, z) um isomorfismo;

b)mostre que det [T] 0;
c)determine T1(x, y, z).
Soluo
Se T(x, y, z) = (x + y 2z, x + 2y + z, 2x + 2y 3z)
a) para verificar se T(x, y, z) um isomorfismo, temos que

determinar o ncleo de T;
x

ou seja, determinar o vetor y , tal que:
z
1 1 2 x 0

1 2 1 y = 0
2 2 3 z 0
292
lgebra Linear
ou ainda, resolver o sistema:
x + y 2z = 0 1 1 2
L= L 2 L1
x + 2y + z = 0 1 2 1 2
L= L 3 2L1
2 x + 2 y 3z =
0 2 2 3 3

1 1 2

0 1 3
0 0 1
Assim:
1 1 2 x 0

1 2 1 y = 0 x = 0, y = 0, z = 0
2 2 3 z 0
Logo, N(T) = {(0, 0, 0)} e dim N(T) = 0 e, consequentemente, T

injetora.
Como T um operador linear e injetora, pelo corolrio 3.1 (I), T

bijetora e, portanto, um isomorfismo.
b)Mostre que det[T] 0;
Para calcular det[T] podemos utilizar a matriz escalonada

do item anterior, j que uma propriedade dos determinantes
garante que o determinante de uma matriz triangular dado
pelo produto dos elementos da diagonal principal.
Assim, det[T] = 1 1 1 = 1 0.
Mas cuidado: pudemos calcular esse determinante assim

porque no utilizamos, durante o processo de escalonamento,
nenhuma propriedade que altera o valor do determinante.
c)Determine T1(x, y, z).
Podemos utilizar a matriz inversa da matriz cannica da

transformao linear para determinarmos essa transfor-
mao inversa. Isso somente pode ser feito porque T um
isomorfismo.
293
Vamos encontrar a matriz [T]1.
1 1 2 1 0 0
L= L 2 L1
1 2 1 0 1 0 L= L 2L
2
2 2 3 0 0 1 3 3 1
1 1 2 1 0 0

0 1 3 1 1 0 L1 = L1 L 2
0 0 1 2 0 1
1 0 0 8 1 5

0 1 0 5 1 3
0 0 1 2 0 1
8 1 5
1
[T]
= 5 1 3
2 0 1
e, portanto:
T1(x, y, z) = (8x y + 5z, 5x + y 3z, 2x + z)
17.Sejam b = {(1, 1), (0, 2)} e b' = {(1, 0, 1), (0, 1, 2), (1, 2, 0)}
bases de R2 em R3, respectivamente, e:
1 0

[T] = 1 1
b
b'
0 1
Determine T.
Soluo
Dadas as bases b = {(1, 1), (0, 2)} e b' = {(1, 0, 1), (0, 1, 2), (1, 2, 0)}
e a matriz da transformao em relao a essas bases:
1 0

[T] = 1 1
b
b'
0 1
294
lgebra Linear
Partindo da matriz, temos os coeficientes em que aij so

escalares com i = 1, 2, 3 e j = 1, 2. Ou seja:
T(1, 1) = 1(1, 0, 1) + 1(0, 1, 2) + 0(1, 2, 0) = (1, 1, 1)

T(0, 2) = 0(1, 0, 1) + 1(0, 1, 2) 1(1, 2, 0) = (1, 1, 2)
Precisamos encontrar agora T(x, y). Para isso, vamos escrever

(x,y) em relao base b = {(1, 1), (0, 2)}, ou seja:
(x,y) = a(1, 1) + b(0, 2)
a= x a = x
yx
a + 2b =y 2b = y a2b = y xb =
2
yx
(x,y) = x(1, 1) + ( )(0, 2)
2
Aplicando T, temos:
yx
T(x,y) = xT(1, 1) + ( )T(0, 2)
2
yx
= x(1, 1, 1) + ( )(1, 1, 2)
2
yx yx yx
= (x ( ), x ( ), x + 2( ))
2 2 2
18.Se b = {(0, 2), (2, 1)} e b' = {(1, 1, 0), (0, 0, 1), (1, 0, 1)} bases
de R2 em R3, respectivamente, e:
2 0

[T] = 4 0
b
b'
0 4
Determine T(x, y).
295
Soluo
De b = {(0, 2), (2, 1)} e b' = {(1, 1, 0), (0, 0, 1), (1, 0, 1)} e
2 0

[T] = 4 0
b
b'
0 4
T(0, 2) = 2(1, 1, 0) + 4(0, 0, 1) + 0(1, 0, 1) = (2, 2, 4)

T(2, 1) = 0(1, 1, 0) + 0(0, 0, 1) 4(1, 0, 1) = (4, 0, 4)
Assim:
(x,y) = a(0, 2) + b(2, 1)

x
2b = x b =
2 x 2y + x
2a b =y 2a = y + b2a = y + a =
2 4
2y + x x
(x,y) = (0, 2) + (2, 1)
4 2
Aplicando T, temos:
2y + x x
T(x,y) = ( )T(0, 2) + ( )T(2, 1)
4 2
2y + x x
=( )(2, 2, 4) + ( )(4, 0, 4)
4 2
2y + x 2y + x
= (( ) 2x, ( ), 2y 3x)
2 2
2 y 3x 2 y + x
=( , , 2y 3x)
2 2
296
lgebra Linear
19.Dadas as matrizes:
0 1 1 2 1

=[T1 ] =0 2 e [T2 ] 2 0 1
0 1 1 2 2
Encontre N(T1), N(T2), Im(T2), N(T2oT1) e Im(T2oT1).
Determine uma base para cada uma desses seis subespaos.
Soluo
0 1 1 2 1

=[T1 ] =0 2 e [T2 ] 2 0 1
0 1 1 2 2
Veja que T1 : R2 R3 e T2 : R3 R3.

x
Ncleo de T1: determinar os vetores R2, tal que:
y
0 1 0
x
0 2 y =
0
0 1 0
Do qual:
y= 0

2 y = 0 x R, y = 0
y=0

Logo, N(T1) = {(x, 0)}, x R e dim N(T1) = 1;
Uma base da N(T1) = {(1, 0)}.

a
Imagem de T1: determinar os vetores b R3, tal que:
c
0 1 a
x
b
0 2 y =
0 1 c
297
y= a

2 y = b x R, y = 0
y=c

Logo, Im(T1) = {(y, 2y, y)}, y R e dim Im(T1) = 1;
Uma base da Im(T1) = {(1, 2, 1)}.

x

Ncleo de T2: determinar os vetores y R3, tal que:
z
1 2 1 x 0

2 0 1 y = 0
1 2 2 z 0
De onde:
x + 2y z = 0 1 2 1
L= L 2 2L1
2x + z =0 2 0 1 2
L= L L
x 2 y + 2z =0 1 2 2 3 3 1

1 2 1

0 4 3 L 3 = L 3 L 2
0 4 3
1 2 1

0 4 3
0 0 0
x + 2 y z =0

4y
4 y + 3 z = 0 z =
3
4y 4 y 6 y 2 y
x= 2y = =
3 3 3
Logo, N(T2) = {( 2 y
3
, y,
4y
3)}
, y R e dim N(T2) = 1;
2
Uma base da N(T2) = , 1,
3
4
3
. {( )}
298
lgebra Linear
a
Imagem de T2: determinar os vetores b R3, tal que:
c
1 2 1 x a

2 0 1 y = b
1 2 2 z c
De onde:
x + 2y z = a 1 2 1 a
L= L 2 2L1
2x + z =b 2 0 1 b 2
x 2 y + 2z = L= L 3 L1
c 1 2 2 c 3
1 2 1 a

0 4 3 b 2a L3 = L3 L2
0 4 3 c a
1 2 1 a

0 4 3 b 2a
0 0 0 c + a b
Somente tem soluo se c + a b = 0, ou seja se c = b a.
Logo, Im(T2) = {(a, b, b a)}, a,b R e dim Im(T2) = 2;
Uma base da Im(T2) = {(1, 0, 1), (0, 1, 1)}.
A transformao linear (T2oT1) : R2 R3:
1 2 1 0 1 0 4

2 0 1 0 2 = 0 3
1 2 2 0 1 0 1
x
N(T2oT1): determinar os vetores R2, tal que:
y
0 4 0
x
0 3 y =
0
0 1 0
299
Do qual:
4 y = 0

3 y = 0
y = 0 y = 0 x R

Logo, N(T2oT1) = {(x, 0)}, x R e dim N(T2oT1) = 1;
Uma base do N(T2oT1) = {(1, 0)}.

a
Im(T2oT1): imagem de T2oT1: determinar os vetores b R3,
tal que: c
0 4 a 4 y = a
x
b
0 3 y = 3 y = b
0 1 c y =c y =c

4( c ) =a a =4c
3( c ) =b b =3c
Logo, Im(T2oT1) = {(4c, 3c, c}, c R e dim Im(T2oT1) = 1;
Uma base da Im(T2oT1) = {(4, 3, 1)}.
20. Para os casos a seguir, determine a matriz do operador

linear de R2 em R2 que representa as seguintes operaes:
a) Rotao de 30 no sentido anti-horrio;

b) Reflexo em relao do eixo y.
Soluo
Aqui acontece uma combinao de transformaes, chamada de
a transformao que realiza a rotao e de a da reflexo, temos
as seguintes matrizes que as representam:
300
lgebra Linear
a)Rotao de 30 no sentido anti-horrio:
3 1
cos 30 sen 30
2 2
=[T1 ] =
sen 30 cos 30 1 3

2 2
b) Reflexo em torno do eixo y.
1 0
[T2 ] =
0 1
Logo, a combinao ser:
[T2oT1] = [T2][T1]
3 1 3 1
1 0
2 2 = 2 2
[T2 oT1 ] =

0 1 1 3 1 3

2 2 2 2
Unidade 4
1.Verifique se os vetores a seguir so autovetores dos corres-

pondentes operadores. Em caso afirmativo, escreva o autovalor.
Use apenas a definio.
a)v = (1, 4) e T(x, y) = (2x y, 2x 3y)
( )
b)v = 3 , 4 e T(x, y) = (4x + 12y, 12x 3y)
5 5
c)v = (2, 1, 2) e T(x, y, z) = (x + 2y + z, x + 3y + z, 2y + 2z)
Soluo
a)Calculando T(1, 4) temos:
T(1, 4) = (2(1) 4, 2(1) 34) = (2, 14).
Como (2, 14) no mltiplo escalar de v = (1, 4) pelo

operador T, ento v = (1, 4) no um autovetor.
301
b)Calculando T 3 , 4 .
5 5 ( )
(
5 5 5 ) ( 5 ( )
T 3 , 4 = 4 3 + 12 4 , 12 3 3 4
5 5 ( ))
= ( 36 48
,
5 5 (
) = 12 3 , 4
5 5 )
( )
Ou seja, T(v) = 12v, portanto, v = 3 , 4 um autovetor de T
associado ao autovalor l = 12.
5 5
c)Calculando T(2, 1, 2).
T(2, 1, 2) = (2 + 21 + 2, 2 + 31 + 2, 21 + 22) = (6, 3, 6) = 3(2, 1, 2)
Isto , T(v) = 3v e, portanto, v = (2, 1, 2) um autovetor de T

associado ao autovalor l = 3.
2.Seja T:R2R2 e suponha que l1=2 e l2 = 5 so autovalores

associados aos autovetores v1 = (1, 1) e v2 = (3, 2), respectiva-
mente. Determine T(2v1 3v2).
Soluo
Como l1=2 autovalor associado ao autovetor v1 = (1, 1) temos:
T(v1) = T(1, 1) = 2(1, 1)
Do mesmo modo, temos que l2 = 5 um autovalor associado ao

autovetor v2 = (3, 2) e ento:
T(v2) = T(3, 2) = 5(3, 2)
Como T uma transformao linear, ento:
T(2v1 3v2) = 2T(v1) 3T(v2)

= 2(2)(1, 1) 35(3, 2)
= (4, 4) (45, 30)
= (41, 26)
Assim, T(2v1 3v2) = (41, 26).
302
lgebra Linear
3.Suponha que o operador T:R2R2 tenha autovalores

v1=(1, 2) e v2=(3, 4) associados aos autovalores l1=2 e l2=3,
respectivamente. Determine o valor de T(10, 10). Dica: primeira-
mente encontre a combinao de v = (10, 10) em relao a v1 e v2.
Soluo
Pelo fato de l1=2 ser autovalor associado ao autovetor de
v1=(1, 2), ento T(v1) = 2v1, do mesmo modo como l2=3 um
autovalor associado ao autovetor v2=(3, 4), ento T(v2) = 3v2.
Como v1 e v2 formam uma base para o R2, temos que:
(10, 10) = a(1, 2) + b(3, 4),
o que nos leva ao sistema linear associado:
a + 3b =10

2 a + 4b =
10
que nos leva soluo a = 1 e b = 3. Assim,
(10, 10) = 1(1, 2) + 3(3, 4)
Aplicando T em ambos os lados da igualdade e usando o fato

que T uma transformao linear, temos:
T(10, 10) = 1T(1, 2) + 3T(3, 4)

= 12(1, 2) + 3(3)(3, 4)
= (2, 4) + (27, 36)
= (25, 40)
Ou seja, T(10, 10) = (25, 40).
303
4.Determine os autovalores e autovetores dos operadores

lineares abaixo, se existirem:
a)T:R2R2, T(x, y) = (x y, x + y)
b)T:R2R2, T(x, y) = (3x + 4y, x + 2y)
c)T:R2R2, T a rotao de 90 em torno da origem.
d)T:R3R3, T(x, y, z) = (3x 3y + 4z, 3y + 5z, z)
Soluo
1 1 1 1
a) A
= = e A I
1 1 1 1
Calculando det(A lI) = 0, obtemos o polinmio caracterstico

(1 l)2 + 1 = 0, o que nos leva equao l2 2l + 2 = 0.
2 4
Resolvendo obtemos = .
2
Como no temos raiz real, conclui-se que este operador
no possui autovalores reais e portanto tambm no temos
autovetores.
3 4 3 4
b) A
= = e A I
1 2 1 2
Calculando det(A lI) = 0, obtemos o polinmio caracterstico

(3 l)(2 l) + 4 = 0, o que nos leva equao l2 + l 2 = 0, cuja
soluo dada por l1 = 2 e l2 = 1.
1 4 x 0
=
1 4 y 0
x + 4 y = 0

x + 4 y = 0 x = 4 y
304
lgebra Linear
Assim, o autovetor associado ao autovalor l1 = 2, dado por

v1 = (4y, y) = y(4, 1), ou seja, infinitos autovetores gerados pelo
autovetor v1 = (4, 1).
4 4 x 0
=
1 1 y 0
4 x + 4 y = 0

x + y = 0 x = y
Assim, o autovetor associado ao autovalor l2 = 1, dado por

v2=(x, x) = x(1, 1), ou seja, infinitos autovetores gerados pelo
autovetor v2=(1, 1).
c)A matriz rotao 90 da transformao T dada por:
cos 90 sen 90 0 1
=A =
sen 90 cos 90 1 0
1
Portanto A I = .
1
Agora det(A lI) = 0 nos leva equao l2 + 1 = 0, que tem
como razes l = 1 . Assim a transformao rotao 90 no
possui autovalores reais e, portanto, no temos autovetores.
d)Primeiramente encontremos os autovalores. Seja a matriz:
3 3 4

A = 0 3 5
0 0 1
Calculando det(A lI) = 0, obtemos o seguinte polinmio

caracterstico (3 l)2(1 l) = 0, ou seja, l1 = 1 e l2=3 so os
autovalores de T.
305
Para l1 = 1, temos:
3 3 4 x 0

0 3 5 y = 0
0 0 1 z 0
o que nos d o sistema:
4 x 3 y + 4 z =
0

4 y + 5z =0
Resolvendo o sistema, obtemos y = 5 z e, substituindo na

4
primeira, obtemos x = 31 z.
16
Assim, temos o autovetor:
(
v1 = (x, y, z) =
31
16
5
4 ) ( 31 5
)
z, z, z = z , , 1 .
16 4
Como o conjunto dos autovetores associados ao autovalor

l1=1 um subespao vetorial, podemos fazer z = 16 para
obter uma representao mais simples. Assim, para l1=1
temos o autovetor associado v1 = (31, 20, 16).
Para l2=3, temos:
0 3 4 x 0

0 0 5 y = 0
0 0 4 z 0
que tem associado o seguinte sistema:
3 y + 4 z = 0

5z = 0
4 z = 0

que, por sua vez, tem soluo y = z = 0. Como no temos

condio para x, podemos tomar qualquer valor. Assim,
para l2=3, temos o autovetor v2 = (1, 0, 0).
306
lgebra Linear
5.Encontre os autovalores e autovetores das matrizes abaixo:
1 1 2
1 2
A= B = 0 3 0
0 1 0 0 2
Soluo
A)Fazendo det(A lI) = 0, obtemos o polinmio caracterstico
(1 l)(1 l) = 0, ou seja, l1=1 e l2=1 so os autovalores da
matriz A.
Para l1=1, obtemos:
0 2 x 0
=
0 2 y 0
o que nos leva equao 2y = 0, isto , y = 0.
Como no temos condio para x, ele pode assumir qualquer

valor, assim, o autovetor associado ao autovalor l1=1
v1=(x,0)=x(1,0), ou simplesmente v1=(1,0).
Para l2=1, obtemos:
2 2 x 0
=
0 0 y 0
o que nos leva equao 2x + 2y = 0, isto , y = x. Assim, o

autovetor associado a autovalor l2=1 v2=(x, x) = x(1,1),
ou simplesmente v2=(1,1).
B)Fazendo det(A lI) = 0, obtemos o polinmio caracterstico

(1 l)(3 l)(2 l) = 0, ou seja, l1=2, l2=1 e l3=3 so os
autovalores da matriz A.
307
Para l1=2, obtemos:
3 1 2 x 0
3x y + 2 z =0
0 5 0 y = 0
5y = 0
0 0 0 z 0
o que nos leva a y = 0 e z = 3 x.

2
Assim, v1 = (x, 0, 3 x) = x(1, 0, 3 ) o autovetor associado ao

2 2
autovalor l1=2.
Para l2=1, obtemos:
0 1 2 x 0 y + 2 z = 0

0 2 0 y = 0 2y = 0
0 0 3 z 0 3 z = 0

que nos leva a y = z = 0 e, como no temos condio para x, ele

pode assumir qualquer valor, assim v1 =(x, 0, 0) = x(1, 0, 0) o
autovetor associado ao autovalor l2=1.
Para l3=3, obtemos:
2 1 2 x 0
x y + 2 z = 0
0 0 0 y = 0
5 z = 0
0 0 5 z 0
que nos leva soluo z = 0 e y = 2x.
Assim, v3 = (x, 2x, 0) = x(1, 2, 0) o autovalor associado ao

autovalor l3=3.
6.Seja o operador T:R3R3, em que:
T(x, y, z) = (x y, 2x + 3y + 2z, x + y + 2z).
Encontre os subespaos vetoriais Tl para cada autovalor

e expresse geometricamente cada um dos subespaos
encontrados.
308
lgebra Linear
Soluo
1 1 0

A matriz associada transformao A = 2 3 2 .
1 1 2
l36l2+11l6=0, cujos autovalores so l1=1, l2=2 e l3=3.
Para l1=1, obtemos:
0 1 0 x 0 y = 0

2 2 2 y = 0 2 x + 2 y + 2 z =
0
1 1 1 z 0 x+y+z = 0

que nos leva soluo y = 0 e z = x e, portanto, temos o

subespao vetorial Tl1= {v R3, y = 0 e z = x}, que, geometri-
camente, uma reta que passa pela origem do R3 e pertence ao
plano x0z.
Para l2=2, obtemos:
1 1 0 x 0 x y = 0

2 1 2 y = 0 2 x + y + 2 z =0
1 1 0 z 0 x+y = 0

que nos leva soluo y = x e z = 3 x e, portanto, temos o

2
subespao vetorial Tl2= {v R3, y = x e z = 3 x}, que geometrica-
2
mente uma reta no espao que passa pela origem do R3.
Para l3=3, obtemos:
2 1 0 x 0 2 x y =0

2 0 2 y = 0 2x + 2z = 0
1 1 1 z 0 x + y z =0

que nos leva soluo y = 2x e z = x e, assim, obtemos o

subespao vetorial Tl3= {v R3, y = 2x e z = x}, que, geometri-
camente, uma reta no espao que passa pela origem do R3.
309
7.Encontre uma transformao T:R2R2, sabendo que l1=1

e l2=2 so autovalores associados aos autovetores u = (1, 0) e
v=(2, 1), respectivamente.
Soluo
Como V = R2 e temos dois autovalores distintos, ento os
autovetores u = (1, 0) e v = (2, 1) formam uma base para o R2.
Deste modo, temos (x, y) = a(1, 0) + b(2, 1), o que nos leva s
equaes a 2b = x e b = y. Substituindo b na primeira equao,
obtm-se a = x + 2y, assim, temos:
(x, y) = (x + 2y)(1, 0) + y(2, 1)
Aplicando T em ambos os lados da equao:
T(x, y) = (x + 2y)T(1, 0) + yT(2, 1)
Mas como u = (1, 0) e v = (2, 1) so autovetores associados

aos autovalores l1=1 e l2=2, respectivamente, temos que
T(1,0)=1(1,0)=(1,0) e T(2, 1) = 2(2, 1) = (4, 2).
Assim,
T(x, y) = (x + 2y)(1, 0) + y(4, 2) = (x 2y, 2y)
8.Suponha que l seja um autovalor de T associado ao

autovetor v e seja k um nmero real no nulo. Mostre que o
operador kT tem um autovetor v associado ao autovalor kl.
Soluo
Por hiptese, l um autovalor de T associado ao autovetor v e,
portanto, T(v) = lv.
Agora, (kT)(v) = kT(v) = k(lv) = (kl)v, ou seja, v um autovetor

do operador kT cujo autovalor dado por kl.
310
lgebra Linear
9.J mostramos na Seo 4 que dados dois autovalores

distintos seus correspondentes autovalores so LI. Agora
suponha que l1 e l2 so autovalores distintos de um operador
T:R2R2 associados aos autovetores v1 e v2. Mostre que T(v1) e
T(v2) so linearmente independentes.
Soluo
Temos por hiptese que T(v1) = l1v1 e T(v2) = l2v2.
Para mostrar que T(v1) e T(v2) so LI, devemos mostrar que a

equao aT(v1) + bT(v2) = 0 possui apenas a soluo trivial, isto ,
a=b=0.
De fato,
aT(v1) + bT(v2) = 0
a(l1v1) + b(l2v2) = 0
(al1)v1 + (bl2)v2 = 0
Mas os autovetores v1 e v2 so LI por hiptese, logo a nica

soluo da equao (al1)v1 + (bl2)v2 = 0 al1 = 0 e bl2 = 0.
Mas como l1 0 e l2 0, segue que a=b=0, como queramos
demonstrar.
10.Seja T:R2R2 o operador linear definido por:
T(x, y) = (2x + 4y, 3x + y)
c) Determine uma base do R2 em relao qual a matriz do

operador T diagonal.
d) Determine a matriz de T nesta base.
Soluo
a)Vamos procurar os autovalores e autovetores de T.
2 4
A matriz associada a T dada por A = .
3 1

l23l10=0, que nos d os autovalores l1 = 2 e l2 = 5.
311
4 4 x 0 4 x + 4 y =
0
=
3 3 y 0 3x + 3 y =
0
que nos d a soluo y = x. Assim, temos o autovetor

v1 = (x, x) = x(1, 1) associado ao autovalor l1 = 2.
3 4 x 0 3 x + 4 y = 0
=
3 4 y 0 3x 4 y = 0
que nos d a soluo y = 3 x.

4
Assim, temos o autovetor v2 = (x, 3 x) = x(1, 3 ).

4 4
2
Como V = R e temos dois autovalores distintos, ento os
autovetores associados so LI e, conseqentemente, formam
uma base para o R2, cuja matriz de T, nesta base, diagonal,
ento a base pedida b = {(1, 1), (1, 3 )}.
4
b)A matriz de T nesta base uma matriz diagonal, cujos

elementos da diagonal so os autovalores de T, portanto:
2 0
D=
0 5
11.Verifique se os operadores dos exerccios 4(b), 4(c) e 4(d) so

diagonalizveis.
Soluo
4(b) Temos que V = R2 e, como possui dois autovalores distintos,
ento seus autovetores so LI e, portanto, formam uma base
para o R2 e, ento, o operador T diagonalizvel.
4(c) No possui autovalores reais, logo no diagonalizvel no

campo dos reais.
4(d) Como temos apenas dois autovetores LI, eles no formam

uma base para R3 e, portanto, T no diagonalizvel.
312
9 788578 172176

Álgebra Linear PDF

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

Álgebra Linear PDF

Încărcat de

Drepturi de autor:

Formate disponibile

capa_curvas.

pdf 1 10/07/09 16:16

Reviso e atualizao de contedo

Edio - Livro didtico

Projeto Grfico e Capa

1. lgebra linear. 2. Geometria analtica. 3. Equaes lineares. I.

Ficha catalogrfica elaborada pela Biblioteca Universitria da Unisul

Unidade 1 Sistemas de equaes lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

Para concluir o estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219

Este livro didtico corresponde disciplina lgebra Linear.

O material foi elaborado visando a uma aprendizagem

Lembre-se de que sua caminhada, nesta disciplina, ser

Ento, sempre que sentir necessidade entre em contato. Voc

Bom estudo e sucesso!

Neste texto apresentamos os contedos da disciplina

Este livro uma continuao dos conceitos vistos em

No desenvolvimento dos assuntos estudados, procuramos

Lembre-se: tenha sempre uma caneta e um papel na mo;

realizar todos os exerccios propostos nas atividades de autoa-

Ns, autores e professores, estamos disposio para atend-lo

Ento mos obra e bons estudos.

Prof Christian Wagner, Msc Prof Kelen R.S. Silva, Msc

O plano de estudos visa a orient-lo(a) no desenvolvi-

O processo de ensino e aprendizagem na UnisulVirtual

So elementos desse processo:

Sistemas de equaes lineares. Operaes elementares

Veja, a seguir, as unidades que compem o livro didtico desta

Unidade 1 Sistemas de equaes lineares

Unidade 2 Espao vetorial

Unidade 3 Transformaes lineares

Unidade 4 Autovalores e autovetores

Verifique com ateno o EVA, organize-se para acessar

Demais atividades (registro pessoal)

Sistemas de equaes lineares 1

Para incio de estudo

Nesta unidade, iremos estudar os principais mtodos analticos

Veremos, tambm, que essa anlise geralmente realizada

Seo 1 Equaes lineares

Uma equao linear uma equao que pode ser colocada na

a1x1 + a2x2 + a2x2 + + anxn = b

x1, x2, x3, , xn so as incgnitas ou variveis;

1.2. A equao x2 5x + 6 = 0 no uma equao linear, pois no

1.3. A equao x + xy 7 = 0 tambm no uma equao linear,

Uma soluo de uma equao linear, com n incgnitas,

1.5 A equao x + 2y 4z + t = 3 tem uma soluo (3, 2 ,1, 0), mas

Como encontrar solues de uma equao linear?

Uma equao linear ax = b, com uma incgnita x e coefi-

Uma soluo de uma equao linear na forma

a1x1 + a2x2 + a2x2 + + anxn = b,

com n incgnitas, coeficientes ai, i = 1, , n, no todos nulos

Uma equao linear, com n incgnitas, na forma

0x1 + 0x2 + 0x2 + + 0xn = b,

chamada de equao degenerada.

Teorema 1.1: uma equao degenerada 0x1 + 0x2 + 0x2 + + 0xn = b,

I. Se b 0, suponha que s soluo da equao, ou seja:

Logo, nenhuma n-upla ordenada soluo da equao

II. Se b = 0, suponha novamente que s soluo da

Logo, a equao possui infinitas solues.

(Somente esse valor de x satisfaz a equao).

1.7. A equao x + 2 = x + 5 no tem soluo, pois:

(Observe que no existe x tal que a igualdade seja verdadeira).

1.8. A equao 2x + 4 = 2x + 4 tem infinitas solues, pois:

(Observe que para qualquer valor de x, a igualdade satisfeita).