i i

AlgebraLinear 2008/7/23 7:23 page 1 #1

i i

ALGEBRA LINEAR
RESUMO DA TEORIA
71 EXERCICIOS RESOLVIDOS E 80 EXERCICIOS PROPOSTOS

CLAUDIA RIBEIRO SANTANA
Universidade Estadual de Santa Cruz - UESC
Departamento de Ciencias Exatas e Tecnologicas
- DCET
&
JOSEPH NEE ANYAH YARTEY
Universidade Federal da Bahia - UFBA
Departamento de Matematica - DMAT

2008

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 1 #2

i i

Para minhas queridas avos,

Maria de Lourdes Reis Ribeiro e Esmeralda Reis.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page i #3

i i

Sumario

Introduca o iii

1 Preliminares 1
1.1 Corpos . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . 11
1.4 Exerccios Propostos . . . . . . . . . . . . . . . . . . . 24
1.5 Apendice . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2 Sistemas Lineares 31
2.1 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . 34
2.2 Exerccios Propostos . . . . . . . . . . . . . . . . . . . 48
2.3 Apendice . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3 Espacos Vetoriais 55
3.1 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . 61
3.2 Exerccios Propostos . . . . . . . . . . . . . . . . . . . 83
3.3 Apendice I . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.4 Apendice II . . . . . . . . . . . . . . . . . . . . . . . . . 88

4 Transformacoes
Lineares 93
4.1 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . 97
4.2 Exerccios Propostos . . . . . . . . . . . . . . . . . . . 121
4.3 Apendice . . . . . . . . . . . . . . . . . . . . . . . . . 125

i
i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page ii #4

i i

4.4 Diagonalizaca o . . . . . . . . . . . . . . . . . . . . . . 129

4.4.1 Exerccios Resolvidos . . . . . . . . . . . . . . 131
4.4.2 Formas Canonicas
de Jordan . . . . . . . . . . 140
4.4.3 Aplicacoes
. . . . . . . . . . . . . . . . . . . . . 144
4.4.4 Exerccios Propostos . . . . . . . . . . . . . . . 158

5 Uma Aplicaca o do Teorema da Decomposica o Primaria 166

5.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 168
5.2 Exerccios Propostos . . . . . . . . . . . . . . . . . . . 172

6 Respostas dos Exerccios Propostos 174

7 Consideracoes
Finais 183

8 Bibliografia 185

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page iii #5

i i

Prefacio

O presente material e um dos frutos do projeto de extensao Home

Page de Matematica, que tem como objetivo principal a confecca o
de material didatico para o uso dos alunos e professores dos cursos
de Matematica e Ciencias da UESC.

Tendo em vista que os livros-textos classicos de Algebra Linear
estao muito bem escritos, nao ousamos fazer mais um livro-texto
com demonstracoes
de teoremas e proposicoes.
Nosso objetivo
foi preencher algumas lacunas deixadas por eles como, por exem-
plo, alguns resultados importantes na teoria quando trabalhados
em espacos vetoriais de dimensao finita podem ser estendidos para
dimensao infinita, e nos casos em que isto nao e possvel, contra-
exemplos foram citados.
Convem observar que este primeiro volume contempla somente
a teoria ate diagonalizaca o de operadores lineares. Para dinamizar a
leitura, fornecemos o resumo da teoria de forma logica,
sem demons-
tracoes,
passando para o coraca o do livro que sao os exerccios re-
solvidos que funcionam, na verdade, como exemplos, seguidos por
exerccios propostos, com resposta no final do livro, para que os
alunos ou professores sejam estimulados a pensar e tirar conclusoes

sobre pontos especficos da teoria.
Pelo fato de a maioria dos cursos introdutorios

de Algebra Linear
focar a teoria em espacos vetoriais de dimensao finita, iniciamos o

nosso estudo sobre o alicerce da Algebra Linear em dimensao finita,

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page iv #6

i i

que e o estudo de Matrizes.

No final de cada captulo, foram acrescentados apendices com a
complementaca o da teoria dada naquele captulo, ou entao somente
indicaca o de livros como sugestao de leitura, para os alunos que
estejam interessados em aprofundar seus conhecimentos.
Os teoremas, proposicoes,
ou seja, a teoria aqui apresentada tem
a sua versao geral num corpo K qualquer.
Acreditamos que o livro sera de grande utilidade e, num futuro
proximo,
desejamos ter a constataca o de que o foi de fato. Apreciem
a leitura.

Claudia Santana e Joseph Yartey.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 1 #7

i i

Captulo 1

Preliminares

1.1 Corpos
Definica o 1.1.1. Um conjunto K, nao vazio, e um corpo se, em K, pu-
dermos definir duas operaco es, denotadas por + (adica o) e (multiplicaca o),
satisfazendo as seguintes propriedades:

1. a + b = b + a, a, b K (propriedade comutativa).

2. a + (b + c) = (a + b) + c, a, b, c K (propriedade associativa).

3. Existe um elemento em K, denotado por 0 e chamado de elemento

neutro da adica o, que satisfaz 0 + a = a + 0 = a, a K.

4. Para cada a K, existe um elemento em K, denotado por a e,

chamado de oposto de a (ou inverso aditivo de a) tal que
a + (a) = (a) + a = 0.

5. a b = b a, a, b K (propriedade comutativa).

6. a (b c) = (a b) c, a, b, c K (propriedade associativa).

7. Existe um elemento em K denotado por 1 e chamado de elemento

neutro da multiplicaca o, tal que 1 a = a 1 = a, a K.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 2 #8

i i

Seca o 1 Corpos 2

8. Para cada elemento nao nulo a K, existe um elemento em K,

denotado por a1 e chamado de inverso multiplicativo de a, tal que
a a1 = a1 a = 1.

9. (a + b) c = a c + b c, a, b, c K (propriedade distributiva).

Notaca o: Para simplificar, vamos denotar ab para indicar o produto

a b.

Observaca o 1.1.2. Exemplos de Corpos

Q: Conjunto dos numeros
racionais; R: Conjunto dos numeros
reais; C:
Conjunto dos numeros
complexos
Exemplo de corpo nao-trivial:

Considere p N um numero primo. Q( p) = {a + b p | a, b Q}

e um subcorpo do corpo dos numeros
reais. Observemos que Q( p)
R, portanto basta mostrar que a adica o e multiplicaca o, definidas para os

numeros
reais, sao operaco es fechadas em Q( p).
De fato, sejam a, b, c e d Q

1. (a + b p) + (c + d p) = (a + c) + (b + d) p, portanto

(a + b p) + (c + d p) Q( p).

2. (a + b p) (c + d p) = (ac + bdp) + (ad + bc) p, portanto

(a + b p) (c + d p) Q( p).


Afirmacao: (a + b p) , 0 (a + b p)1 Q( p).

De fato, pelo metodo de racionalizaca o de denominadores temos

1 1 ab p ab p
= = Q( p)
a + b p a + b p a b p a2 b2 p

onde (a2 b2 p) , 0.

Logo, podemos concluir que Q( p) e um corpo.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 3 #9

i i

Seca o 1 Corpos 3

Observaca o 1.1.3. Toda a teoria de Algebra Linear abordada nos cursos

introdutorios tem sua versao mais geral em Algebra abstrata (Teoria de
grupos, aneis e corpos). Para os interessados em aprofundar seus conhe-

cimentos, sugerimos que facam cursos de Algebra oferecidos nos cursos de

Bacharelado e Licenciatura em Matematica, e os cursos de Algebra Linear
em Cursos de Verao que servem de nivelamento para a grande maioria dos
programas de Pos-graduaca o em Matematica do pas. Segue sugestao de
leitura, como orientaca o inicial:

de leitura
Sugestao

1. LANG, Serg. Estruturas Algebricas. Tradutor: Prof. Claudio R. W.

Abramo. Rio de Janeiro, Ao livro tecnico; Braslia, Instituto Nacional
do Livro, 1972.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 4 #10

i i

1.2 Matrizes
Definica o 1.2.1. Seja K um corpo. a K e dito escalar.

Definica o 1.2.2. Uma tabela com escalares dispostos em m linhas e n

colunas e dita matriz de ordem m n. Notaca o:

a11 a12 a1n

a a2n
21 a22

A = a31 a32 a3n = [aij ]mn

. .. .. ..
.. . . .


am1 am2 amn

onde aij e o termo que esta na linha i e coluna j.

Definica o 1.2.3. Matrizes especiais: Seja A = [aij ]mn

1. A e dita matriz nula se aij = 0 i, j.

2. A e dita matriz coluna se n = 1.

3. A e dita matriz linha se m = 1

4. A e dita matriz quadrada se n = m

Observaca o 1.2.4. Quando n = m = 1, A e dita matriz escalar.

Definica o 1.2.5. Matrizes quadradas especiais: Seja A = [aij ]nn .

1. A e dita matriz identidade se aij = 0 quando i , j e aii = 1

i = 1 n.

2. A e dita matriz simetrica se aij = a ji .

3. A e dita matriz diagonal se aij = 0 quando i , j.

4. A e dita matriz triangular:

(a) Superior se aij = 0 quando i > j.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 5 #11

i i

Seca o 2 Matrizes 5

(b) Inferior se aij = 0 quando i < j.

Sejam A = [aij ]mn e B = [bij ]mn .

Definica o 1.2.6. (Adicao)

A + B = [aij + bij ]mn

e definida como a matriz soma das matrizes A e B.

Propriedades: Dadas A, B e C, matrizes de mesma ordem m n
temos:

1. A + B = B + A (propriedade comutativa).

2. A + (B + C) = (A + B) + C (propriedade associativa).

3. A + 0 = 0 + A = A, onde 0 denota a matriz nula de ordem m n.

Sejam A = [aij ]mn e B = [bij ]mn .

Definica o 1.2.7. (Subtracao)

A B := A + (B) = [aij bij ]mn

e definida como a matriz diferenca das matrizes A e B.

A matriz A = [aij ]mn e tal que A A = 0 = A + A, e e chamada
de inverso aditivo de A.

por escalar) Seja A = [aij ]mn e k K

Definica o 1.2.8. (Multiplicacao
escalar, entao definimos uma nova matriz
k A = [kaij ]mn .
Propriedades: Dadas A, B matrizes de mesma ordem m n e numeros

k, k1 e k2 K, temos:

1. k(A + B) = kA + kB.

2. (k1 + k2 )A = k1 A + k2 A.

3. 0 A = 0, isto e, se multiplicarmos o elemento neutro da adica o, o

zero, por qualquer matriz A, obteremos a matriz nula.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 6 #12

i i

Seca o 2 Matrizes 6

4. k1 (k2 A) = k1 k2 A.

Dada uma matriz A = [aij ]mn , defi-

Definica o 1.2.9. (Transposicao)
nimos a matriz At = [bij ]nm onde bij = a ji . A matriz At e denominada
transposta de A.

Propriedades: Dadas A, B matrizes de mesma ordem, m n, e k K

temos:

1. (At )t = A.

2. (A + B)t = At + Bt .

3. (kA)t = kAt .

Observaca o 1.2.10. Uma matriz quadrada A e simetrica se, e somente

se, ela e igual a sua transposta, ou seja, A = At .

de Matrizes) Dadas A = [aij ]mn ,

Definica o 1.2.11. (Multiplicacao
B = [bij ]np . Definimos
X
n
AB = [cij ]mp , onde crs = arq bqs = ar1 b1s + ar2 b2s + + arn bns .
q=1

Observaca o 1.2.12. So podemos efetuar o produto de duas matrizes

A = [aij ]mn , e B = [bij ]sp se o numero
de colunas da primeira for igual
ao numero
de linhas da segunda, ou seja, se n = s.

Propriedades: Dadas A = [aij ]mn , B = [bij ]np , C = [cij ]np ,

D = [dij ]mn , E = [eij ]nr e F = [ fij ]ps , temos:

1. AIn = Im A = A onde In e Im sao matrizes identidade de ordem n e

m respectivamente.

2. A(B + C) = AB + AC (distributividade a` esquerda da multiplicaca o,

em relaca o a` soma).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 7 #13

i i

Seca o 2 Matrizes 7

3. (A + D)E = AE + BE (distributividade a` direita da multiplicaca o, em

relaca o a` soma).

4. (AB)F = A(BF) (associatividade).

5. (AB)t = Bt At .

6. 0 A = 0 e A 0 = 0, onde 0 indica a matriz nula.

Observaca o 1.2.13. Em geral, nao vale a propriedade comutativa para

multiplicaca o de matrizes, ou seja, sejam Amn e Bnr matrizes AB nao
e necessariamente igual a BA.

Definica o 1.2.14. (Determinante) Seja A = [aij ]nn uma matriz quadrada

de ordem n.
O determinante de A denotado por det(A) ou |A| e definido da seguinte
maneira: X
det[aij ] = (1)J a1 j1 a2 j2 an jn onde J = J(j1 , , jn ) e o numero


de inversoes da permutaca o j1 , , jn e indica que a soma e estendida a
todas as n! permutaco es de (1, , n).
Propriedades: Dadas A e B matrizes quadradas de mesma ordem,
temos:

1. Se todos os elementos de uma linha (ou coluna) de uma matriz A sao

nulos entao det(A) = 0.

2. det(A) = det(At ).

3. Se multiplicarmos uma linha (ou coluna) da matriz por uma

constante, o determinante fica multiplicado por esta constante.

4. Uma vez trocada a posica o de duas linhas (ou duas colunas), o deter-
minante troca de sinal.

5. O determinante de uma matriz que tem duas linhas (colunas) iguais

e zero.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 8 #14

i i

Seca o 2 Matrizes 8

6. det(A B) = det(A) det(B).

7. A operaca o elementar (linha) kL j + Li Li onde k , 0, i , j, que

significa substituir a linha i por k vezes a linha j mais a linha i, nao
altera o valor do determinante.

8. A operaca o elementar (linha) L j + kLi Li onde k , 0, i , j,

que significa substituir a linha i por k vezes a linha i mais a linha j,
altera o valor do determinante do fator k.

9. Se em uma matriz A, uma linha Li e igual a rL j + kLt , i , j e i , t,

onde L j e a j-esima linha e Lt e a t-esima linha, entao det(A) = 0.

Observaca o 1.2.15. De modo geral, o determinante da soma de duas

matrizes nao e igual a` soma dos determinantes destas matrizes, ou seja,
sejam A e B matrizes quadradas de mesma ordem, det(A + B) nao e
necessariamente igual a det(A) + det(B).

Teorema 1.2.16. (LAPLACE) Seja A = [aij ]nn uma matriz quadrada de

ordem n. Considere Aij a matriz obtida matriz inicial A, retirando-se desta
a i-esima linha e j-esima coluna.
det(A) = a11 11 + a12 12 + a1n 1n onde ij = (1)i+j | Aij |.
Mais geralmente:
Para cada i, temos
det(A) = ai1 i1 + ai2 i2 + ain in onde ij = (1)i+j | Aij |.
Para cada j,
det(A) = a1 j 1 j + a2 j 2 j + an j n j onde ij = (1)i+j | Aij |.

Definica o 1.2.17. Seja A = [aij ]nn uma matriz quadrada de ordem n. A

matriz A e dita inversvel (ou invertvel) se existe uma matriz B, denotada
por A1 , de ordem n n, tal que AB = BA = In , onde In e a matriz
identidade de ordem n.

Observaca o 1.2.18. Seja A = [aij ]nn uma matriz quadrada de ordem n.

Se existe C matriz de ordem n tal que CA = AC = In entao C = A1 , ou
seja, se existe a matriz inversa de uma matriz entao ela e unica.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 9 #15

i i

Seca o 2 Matrizes 9

Teorema 1.2.19. Seja A = [aij ]nn uma matriz quadrada de ordem n. A

e inversvel se, e somente se, det(A) , 0.

Definica o 1.2.20. Um matriz invertvel P e dita ortogonal se Pt = P1 .

Definica o 1.2.21. Equivalencia de Matrizes por linhas

Dizemos que um matriz A e equivalente por linhas a uma matriz B, e
denotamos por A B ou A B, se a matriz B pode ser obtida da matriz
A, a partir de uma sequ
encia de operaco es elementares listadas a seguir:

Li L j .
1. Permutar (trocar) a linha i com a linha j . Notacao:

2. Multiplicaca o da linha i por um escalar nao nulo k .

kLi Li .
Notacao:

3. Substituica o da linha i por k vezes a linha j somada a t vezes a linha

i, onde t, k K, t , 0. Notacao: kL j + tLi Li .

Definica o 1.2.22. (Forma Escada 1) Uma matriz Amn e dita matriz

escalonada (ou matriz em forma de escada) se as condico es abaixo sao satis-
feitas:

1. As linhas nulas, caso existam, localizam-se abaixo de todas as linhas

nao nulas.

2. O primeiro elemento nao nulo da linha i esta numa coluna anterior a`

do primeiro elemento da linha i + 1, (i < m).

Definica o 1.2.23. (Forma Escada 2) Uma matriz Amn e dita linha re-
duzida a` forma escada se:

1. O primeiro elemento nao nulo de uma linha nao nula e 1.

2. Cada coluna que contem o primeiro elemento nao nulo de alguma

linha tem todos os seus outros elementos iguais a zero.

3. Toda linha nula ocorre abaixo de todas as linhas nao nulas.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 10 #16

i i

Seca o 2 Matrizes 10

4. Se as linhas 1, , r sao as linhas nao nulas, e se o primeiro elemento

nao nulo da linha i ocorre na coluna k1 , entao k1 < k2 < < kr .
Esta ultima
condica o impoe a forma escada a` matriz:

1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 0 1 0
0 0 0 0 0 0 1
0 0 0 0 0 0 0 0

Proposica o 1.2.24. Uma matriz Amn e linha equivalente a uma matriz

Bmn se, e somente se, existe uma matriz inversvel P de ordem m, tal que
A = P B.

Teorema 1.2.25. Uma matriz A e inversvel (ou invertvel) se, se somente

se, A e equivalente por linhas a` matriz identidade. Alem disso, a mesma
sucessao de operaco es que transforma a matriz A na matriz identidade,
transforma a matriz identidade na inversa de A.

Teorema 1.2.26. Toda matriz Amn e linha equivalente a uma unica

matriz-linha reduzida a` forma escada.

Definica o 1.2.27. Sejam A e B matrizes quadradas de mesma ordem.

Dizemos que A e B sao semelhantes se existe P matriz invertvel tal que
A = P1 B P.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 11 #17

i i

11

1.3 Exerccios Resolvidos

Exerccio 1.3.1. Suponha que um corretor da Bolsa de Valores faca um
pedido para comprar aco es na segunda-feira, como segue: 400 quotas da
aca o A, 500 quotas da aca o B e 600 quotas da aca o C. As aco es A, B e C
custam por quota R$ 500,00, R$ 400,00 e
R$ 250,00, respectivamente.

(a) Encontre o custo total das aco es, usando multiplicaca o de matrizes.

(b) Qual sera o ganho ou a perda quando as aco es forem vendidas seis
meses mais tarde se as aco es A, B e C custarem R$ 600,00, R$ 350,00
e R$ 300,00 por quota, respectivamente?

SOLUC
AO
h i
(a) Considere MQ = 400 500 600 a matriz cujas entradas sao
A, B e C,
as quantidades das quotas compradas das acoes
h i
MC = 500 400 250 a matriz cujas entradas sao os valores
de compra de cada aca o A, B e C. Observe que MQ MtC re-
presenta o custo total gasto para comprar estas acoes.
O custo
total das acoes
e R$ 550.000,00.
h i
(b) Considere MV = 600 350 300 a matriz cujas entradas sao
os valores dos precos de venda das acoes
A, B e C. Seja
ML = MQ (MV MC )t a matriz que representa o lucro total.
Portanto, o lucro total foi de R$ 45.000,00.
Ver Apendice. 

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 12 #18

i i

Seca o 3 Exerccios Resolvidos 12

Exerccio 1.3.2. Um construtor tem contratos para construir 3 estilos de

casa: moderno, mediterraneo e colonial. A quantidade de material empre-
gada em cada tipo de casa e dada pela matriz:
Ferro Madeira Vidro Tinta Tijolo
Moderno 5 20 16 7 17

Mediterraneo 7 18 12 9 21
Colonial 6 25 8 5 13
(Qualquer coincidencia dos numeros
com a realidade e mera coincidencia).

(a) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterraneo

e colonial, respectivamente, quantas unidades de cada material sao
empregadas?

(b) Suponha agora que os precos por unidade de ferro, madeira, vidro, tinta
e tijolo sejam, respectivamente, 15, 8, 5, 1 e 10 u.c.p.. Qual e o preco
unitario de cada tipo de casa?

(c) Qual e o custo total do material empregado?

SOLUC
AO

5 20 16 7 17
h i
Considere A = 5 7 12 e B = 7 18 12 9 21


6 25 8 5 13

(a) As entradas c11 , c12 , c13 , c14 , c15 da matriz

h i
C=AB= 146 526 260 158 388

sao as quantidades dos materiais ferro, madeira, vidro, tinta e

tijolo empregados na construca o, respectivamente.
h i
(b) Considere H = 15 8 5 1 10 a matriz cujas entradas re-
presentam o preco por unidade de ferro, madeira, vidro, tinta
e tijolo, respectivamente; e

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 13 #19

i i

Seca o 3 Exerccios Resolvidos 13

5 7 6

20 18 25


E = Bt = 16 12 8 ;

7 9 5


17 21 13
h i
Temos: F = H E = 492 528 465 , as entradas f11 , f12 e
f13 representam o preco unitario das casas dos tipos moderno,
mediterraneo e colonial, respectivamente.

(c) O custo total sera dado pelo produto matricial:

h i 5
F A = 492 528 465 7 = 11736,
t


12
ou seja, o custo total da construca o sera R$ 11.736,00. 

Exerccio 1.3.3. Existem tres marcas de automoveis disponveis no mer-

cado: o Jacare, o Piranha e o Urubu. O termo aij da matriz A abaixo e
a probabilidade de que um dono de carro da linha i mude para o carro da
coluna j, quando comprar um carro novo.

Para
J P U
J 0, 7 0, 2 0, 1
De P 0, 3 0, 5 0, 2
U 0, 4 0, 4 0, 2

7 2 1


10 10 10
Os termos da diagonal de A = 3
10
5
10
2
10
dao a probabilidade a
ii
4 4 2

10 10 10

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 14 #20

i i

Seca o 3 Exerccios Resolvidos 14

de se comprar um carro novo da mesma marca.

59 7 13


100 25 100
A =
2 11
25
39
100
17
100
. Os termos de A2 , a(2) , significam mudar da
ij
12 9 4

25 25 25
marca i para a marca j depois de duas compras:

SOLUC
AO:

(a) De fato, a probabilidade de tendo inicialmente um carro da

marca J mudar para um outro carro desta mesma marca, ou
seja J, depois de duas compras e :

7 7 2 3 1 4
10 10 10 10 10 10
J J J J P J J U J
7 7 2 3 1 4 59 (2)
Da, + + = = a11 .
10 10 10 10 10 10 100

(b) A probabilidade de tendo inicialmente um carro da marca J mu-

dar para um outro carro da marca P depois de duas compras e :

7 2 2 5 1 4
10 10 10 10 10 10
J JP J P P J U P
7 2 2 5 1 4 28 (2)
Da, + + = = a12 .
10 10 10 10 10 10 100

(c) A probabilidade de tendo inicialmente um carro da marca J mu-

dar para um outro carro da marca U depois de duas compras
e :

7 1 2 2 1 2
10 10 10 10 10 10
J JU J P U J U U

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 15 #21

i i

Seca o 3 Exerccios Resolvidos 15

7 1 2 2 1 2 13 (2)
Da, + + = = a13 .
10 10 10 10 10 10 100

(d) A probabilidade de tendo inicialmente um carro da marca P mu-

dar para um outro carro da marca J depois de duas compras e :

3 7 5 3 2 4
10 10 10 10 10 10
P J J P P J P U J
3 7 5 3 2 4 44 (2)
Da, + + = = a21 .
10 10 10 10 10 10 100

(e) A probabilidade de tendo inicialmente um carro da marca P mu-

dar para um outro carro desta mesma marca, ou seja, P, depois
de duas compras e :
3 2 5 5 2 4
10 10 10 10 10 10
P J P P P P P U P
3 2 5 5 2 4 39 (2)
Da, + + = = a22 .
10 10 10 10 10 10 100

(f) A probabilidade de tendo inicialmente um carro da marca P mu-

dar para um outro carro da marca U depois de duas compras
e :
3 1 5 2 2 2
10 10 10 10 10 10
P J U P P U P U U
3 1 5 2 2 2 17 (2)
Da, + + = = a23 .
10 10 10 10 10 10 100

(g) A probabilidade de tendo inicialmente um carro da marca U

mudar para um outro carro da marca J depois de duas com-
pras e :

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 16 #22

i i

Seca o 3 Exerccios Resolvidos 16

4 7 4 3 2 4
10 10 10 10 10 10
U J J U P J U U J
4 7 4 3 2 4 48 (2)
Da, + + = = a31 .
10 10 10 10 10 10 100

(h) A probabilidade de tendo inicialmente um carro da marca U

mudar para um outro carro da marca P depois de duas com-
pras e :
4 2 4 5 2 4
10 10 10 10 10 10
U J P UP P UU P
4 2 4 5 2 4 36 (2)
Da, + + = = a32 .
10 10 10 10 10 10 100

(i) A probabilidade de tendo inicialmente um carro da marca U mu-

dar para um outro carro da marca U depois de duas compras
e :
4 1 4 2 2 2
10 10 10 10 10 10
U J U U P U UU U
4 1 4 2 2 2 16 (2)
Da, = + + = = a33 . 
10 10 10 10 10 10 100

Exerccio 1.3.4. Uma rede de comunicaca o tem cinco locais com trans-
missao de potencias distintas. Estabelecemos que aij = 1, na matriz abaixo,
significa que a estaca o i pode transmitir diretamente a` estaca o j, aij = 0
significa que a transmissao da estaca o i nao alcanca a estaca o j. Observe
que a diagonal principal e nula, significando que uma estaca o nao transmite
diretamente para si mesma.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 17 #23

i i

Seca o 3 Exerccios Resolvidos 17

0 1 1 1 1

1 0 1 1 0


A = 0 1 0 1 0

0 0 1 0 1


0 0 0 1 0

(a) Calcule A2 = [cij ].

(b) Qual seria o significado da matriz c42 ?

(c) Qual o significado de c13 = 2?

(d) Discuta o significado dos termos nulos, iguais a 1 e maiores que 1 de

modo a justificar a afirmaca o: A matriz A2 representa o numero

de caminhos disponveis para se ir de uma estaca o a outra com uma
unica
retransmissao.

(e) Qual o significado das matrizes A + A2 , A3 e A + A2 + A3 ?

(f) Se A fosse simetrica, o que significaria?

SOLUC
AO:

(a) ( Ver Apendice.)

(b) Seja A2 = [cij ]. Calculemos o elemento

X
5
c42 = a4k ak2 = 0 + 0 + 1 + 0 + 0 = 1.
k=1

Note que a unica

parcela nao nula veio de a43 a32 = 1 1.
Isto significa que a estaca o 4 transmite para a estaca o 2 atraves
de uma retransmissao pela estaca o 3, embora nao exista uma
transmissao direta de 4 para 2.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 18 #24

i i

Seca o 3 Exerccios Resolvidos 18

X
5
(c) c13 = a1k ak3 = 0 + 1 + 0 + 1 + 0, onde a12 a23 = 1 = a14 a43 . Ou
k=1
seja, para a estaca o 1 transmitir para a estaca o 3, pode transmitir
para a estaca o 2 e a estaca o 2 retransmitir para a estaca o 3, ou
transmitir para a estaca o 4 e a estaca o 4 retransmitir para a
estaca o 3.
(2)
(d) Observemos que as entradas de A2 , aij , sao dadas por:

X
n
(2)
aij = aik akj .
k=1

Entao, uma estaca o i pode utilizar uma estaca o k para que

esta transmita para uma estaca o j, e isto so sera possvel se i
transmite diretamente para k, e k transmite diretamente para
a estaca o j, caso contrario a estaca o k nao sera contada como
uma possibilidade de ligaca o entre as estaco es i e j.
Esquema:
k

i j

Observemos ainda que as entradas da matriz A sao 0 ou 1.

Considere aik = possibilidade da estaca o i transmitir para a
estaca o k.
Considere akj = possibilidade da estaca o k transmitir para a
estaca o j.
Da, o numero
de possibilidades da estaca o i transmitir, com
apenas uma retransmissao, para uma estaca o j e :

X
n
(2)
aij = aik akj .
k=1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 19 #25

i i

Seca o 3 Exerccios Resolvidos 19

Ver o item (b).

(e)
(i) A + A2 = B. As entradas bij significam o numero
de
possibilidades de ir de uma estaca o i para uma estaca o j , trans-
mitindo diretamente ou com apenas uma unica
retransmissao.
(ii) A3 = D . As entradas dij significam o numero
de pos-
sibilidades de ir de uma estaca o i para uma estaca o j , com
exatamente duas retransmissoes.

(iii) A+A2 +A3 = E. As entradas eij significam o numero
de
possibilidades de ir de uma estaca o i para uma estaca o j , trans-
mitindo diretamente , com apenas uma unica
retransmissao ou
com exatamente duas retransmissoes.

Como A e uma matriz cujas entradas sao 0 ou 1, o fato de A ser
simetrica significaria que a estaca o i transmite diretamente para
uma estaca o j se, e somente se, a estaca o j transmite diretamente
para a estaca o i. 

Exerccio 1.3.5. Em cada item a seguir, classifique as afirmaco es em ver-

dadeiras ou falsas. Mostre caso a afirmaca o seja verdadeira ou de um
contra-exemplo, caso a afirmaca o seja falsa.
Considere An (K) , Bn (K) e Pn (K) onde K = R ou C .

(a) Se det(A) = 1 entao A1 = A.

(b) Se A e uma matriz triangular, entao det(A) = a11 + + ann .

(c) det(kA) = kn det(A), k K e uma constante.

(d) Se A2 = A, e A , In entao det(A) = 0.

(e) det(A + B) = det(A) + det(B).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 20 #26

i i

Seca o 3 Exerccios Resolvidos 20

(f) Se B = P1 AP entao det(B) = det(A).

RESPOSTA:

i 0
(a) FALSA. Considere A = sua inversa e :

0 i

i 0
A1 =
0 i

(b) FALSA. Como consequ encia do Teorema de Laplace temos que:

Qn
det(A) = i=1 aii .

(c) VERDADEIRA. Consequ

encia do Teorema de Laplace.

(d) VERDADEIRA. Como A2 = A A(A In ) = 0. Da, se

det(A) , 0 segue que A1 e portanto teramos A = In .

1 0 0 0
(e) FALSA. Considere A = e B =
0 1
0 0
Observe que det(A + B) = 1 e det(A) = det(B) = 0.

(f) VERDADEIRA. Use que: det(AB) = det(A) det(B) e que

det(P) = det(P1 )1 . Observe que neste item estamos
supondo que P e uma matriz inversvel, ou seja, det(P) , 0 .

1 1 2
1

0 2 1 3

Exerccio 1.3.6. Calcular o determinante da matriz .

2 1 1 2

1 1 0 1

SOLUC
AO:

1 1 1 2 1 1 1 2

0 2 1 3 0 2 1 3

L3 2L1 L3
2 1 1 2 0 1 3 6

L4 L1 L4
1 1 0 1 0 2 1 3

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 21 #27

i i

Seca o 3 Exerccios Resolvidos 21

1 2
1 1 1 1 12

0 2 1 3 0 2 1 3

2L3 + L2 L3
0 1 3 6 0 0 5 15

L4 + L2 L4
0 2 1 3 0 0 0 6

Portanto,

1 2
1 1 1 1 1 2

0 2 1 3 0 2 1 3


2 1 1 2 0 0 5 15 .


1 1 0 1 0 0 0 6

Observemos que ao escalonarmos a matriz realizamos a operaca o

elementar 2L3 + L2 L3 , alteramos o determinante da matriz do
estagio anterior a` operaca o, e portanto o

1 2 1 1 1 1 2
1

0 2 1 3 1 0 2 1 3

det = det
0 0 5 15 = 30.

2 1 1 2 2

1 1 0 1 0 0 0 6

L4 + L2 L4



Observaca o 1.3.1. As operaco es elementares
L3 2L1 L3 nao al-


L L L
4 1 4
teraram o determinante da matriz do estagio anterior a` respectiva operaca o.


Observaca o 1.3.2. A operaca o elementar (linha) kL j + Li Li onde

k , 0, i , j, que significa substituir a linha i por k vezes a linha j

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 22 #28

i i

Seca o 3 Exerccios Resolvidos 22

mais a linha i, nao altera o valor do determinante. A operaca o elementar

Li L j , permutaca o da linha i com a linha j, i , j, altera o determinate
que estamos calculando, do fator (1). Caso facamos um numero
par
de permutaco es, o determinante nao sera alterado. A operaca o elementar
L j + kLi Li onde k , 0, i , j, que significa substituir a linha i por
k vezes a linha i mais a linha j, altera o valor do determinante do fator k.
Ver propriedades do determinante.

Exerccio 1.3.7. Chama-se posto de uma matriz ao numero

maximo de
linhas linearmente independentes que ela possui. Dado o sistema
homogeneo
a1 x + b1 y + c1 z = 0
a2 x + b2 y + c2 z = 0 ,
a3 x + b3 y + c3 z = 0
prove que suas soluco es formam um plano passando pela origem, uma reta
passando pela origem ou se reduzem a um so ponto (a origem), conforme a
matriz dos coeficientes tenha posto 1, 2 ou 3.

SOLUC
AO
O posto da matriz sera 1 se , e somente se, os vetores normais dos
planos (cada linha do sistema acima e uma equaca o de um plano que
passa pela origem) sao paralelos e neste caso a interseca o, ou seja, a
soluca o do sistema sera um plano que passa pela origem.
O posto da matriz sera 2 se, e somente se, temos um e apenas um
vetor normal como combinaca o linear dos outros dois e isto acontece
se, e somente se, a soluca o e uma reta.
O posto da matriz sera 3 se, e somente se, os tres vetores normais
sao linearmente independentes e neste caso, a soluca o e um ponto.


Observaca o 1.3.3. Convem observar que sistemas de equaco es lineares

a` 03 incognitas podem ser resolvidos apenas com a teoria desenvolvida em

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 23 #29

i i

Seca o 3 Exerccios Resolvidos 23

Geometria Analtica.

Exerccio 1.3.8. Determine os valores de x e y tais que a matriz

abaixo seja ortogonal

2 6 x
1
A = 3 2 y .
7
6 3 2

SOLUC
AO:
Para que A seja ortogonal deveremos ter A1 = At .

2 6 x 2 3 6 1 0 0
1 1
A At = 3 2 y 6 2 3 = 0 1 0

7 7
6 3 2 x y 2 0 0 1

x2 + y2 = 45 e 6x + 2y = 6 x = 3 e y = 6. 

Exerccio 1.3.9. Seja m uma matriz ortogonal 2 x 2, prove que existe

R tal que:

cos sen
m = ou m = cos sen ,
sen cos sen cos

conforme seja det(m) = 1 ou det(m) = 1.

SOLUC AO:

x y
Como m = e ortogonal segue que m1 = mt = x z .
z w y w
Portanto x2 + y2 = 1 = z2 + w2 e xz + yw = 0. Observemos que
y = 0 se, e somente se, z = 0 e x = w , 0 (x = 0 se, e somente se,

1 0
w = 0 e y = z , 0). Da se y = 0 temos m = ou
0 1

1 0
m = . Raciocnio analogo para o caso onde x = 0.
0 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 24 #30

i i

24

Vamos analisar o caso onde x y z w , 0. Neste caso teramos

x = w e y = z ou x = w e y = z. 

1.4 Exerccios Propostos

sen 2 sen 2 sen 2

1) Mostre que cos 2 cos 2 cos 2 nao e invertvel,


1 1 1
para quaisquer valores de , e .
2) Mostre que o determinante da matriz seguinte e igual a 6 :

1 1 1 1 1

+1 2 2 2 2


+1 +2 3 3 3



+1 +2 +3 4 4


+1 +2 +3 +4 5

+1 +2 +3 +4 +5

cos sen
3) Seja A = . Obter uma formula
para An .
sen cos

1 1 1 1 2 3

4) Seja A = 0 1 1 . Mostre que A2 = 0 1 2 e determine

0 0 1 0 0 1
uma expressao geral para An por induca o.
5) Dizemos que uma matriz B e uma raiz quadrada de uma matriz A


3 2
se B2 = A. Encontre as razes quadradas de A = .
4 3
6) Ache todas as matrizes quadradas 22 que sao solucoes
da equaca o
matricial X2 = I2 , onde I2 e a matriz identidade 2 2.
7) Ache todas as matrizes quadradas A, 2 2, tais que A2 = A.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 25 #31

i i

Seca o 4 Exerccios Propostos 25

a b c

8) Sabendo que A = d e f e det(A) = 5 calcule:

g h i
   
 d e f   a b c 
   
(a)  g h i  (b)  2d 2e 2 f  (c) det 3A
   
 a b c   g h i 

 
 a b c 
  1
(d)  d 5a e 5b f 5c  (e) det[(2A) ] ( f ) det(2A1 )
 
 3g 3h 3i
   
 a + d b + e c + f   a g d 
   
(g)  d e f  (h)  b h e 
   
 g h i  c i f 

9) Resolva
 as equaco es: 
 3 0 x2 1 0   
   x 2 2 
 0 2 0 0   
(a)  =0 (b)  x 1 x 3  = 0
 5 3 1 2   
   1 x + 2 1
x + 2 1 0 0 
 
 x x x 
 
(c)  x x 2  = 0
 
 x 2 3

10) Uma matriz A (3 3) tem a propriedade que [A2 ]ij = iij ,

!
2 A6
onde ij = 0 se i , j e ij = 1 se i = j. Escreva A e calcule det .
2 10

11) A matriz B foi obtida a partir da matriz A (4 4) atraves das

seguintes operacoes
elementares:
- Multiplicaca o da linha L1 por 2.
- Troca da linha L2 pela linha L3 .
- Substituica o da linha L4 por L4 + 2L1 .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 26 #32

i i

Seca o 4 Exerccios Propostos 26

(a) Sabendo que det A = 1, calcule det B.

3 10 13

0 1 0, 1 5

(b) Se C = , calcule det(BC1 Bt ).
0 0 2 1

0 0
0 1

12) Calcular o determinante da matriz X, sabendo-se que AXB = C,

onde

1 1
A 1
= , det(AC1 ) = 2 e det(Bt Ct ) = 1.
2 0

13) Seja B uma matriz 3 3 tal que

7 4 2

B3 + 5B 2I = 0 e B2 = 0 3 0 .

8 6 5

(a) Mostre que B e inversvel

(b) Determine B1
(c) Determine B
14) Decida se a afirmaca o dada e sempre verdadeira ou, a` s vezes,
falsa. Justifique sua resposta dando um argumento logico
ou um
contra-exemplo:
tr(AAt ) e tr(At A) estao sempre definidas, inde-
(a) As expressoes
pendente do tamanho de A.
(b) Se A e uma matriz quadrada e A2 tem uma coluna toda cons-
tituda de zeros, entao, necessariamente, A tem uma coluna toda
constituda de zeros.
(c) det(2A) = 2 det(A)
(d) Sejam A e B matrizes. Se AB = 0, entao A = 0 ou B = 0.
(e) E possvel termos AB simetrica com A e B matrizes quadradas
nao simetricas?
15) Suponha que em 2001 a distribuica o de a reas ocupadas em uma

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 27 #33

i i

Seca o 4 Exerccios Propostos 27

cidade de 130 km2 e :

- I (uso residencial) 30%
- II (uso comercial) 20%
- III (uso industrial) 50%
Encontre as percentagens de distribuica o dessas a reas nos anos de
2006 e 2011, assumindo que as probabilidades de transica o para
intervalos de 5 anos sao dadas pela seguinte matriz:

0, 8 0, 1 0, 1

A = [aij ] = 0, 1 0, 7 0, 2

0, 0 0, 1 0, 9

onde aij representa a fraca o da a rea do tipo i que devera se tornar do

tipo j no intervalo de 5 anos.
16. O traco de uma matriz quadrada A = [aij ]nn e a soma tr(A) =
= a11 + a22 + + ann dos elementos da diagonal. Seja B = [bij ]nn
uma matriz quadrada de ordem n. Prove que tr(AB) = tr(BA) e
conclua que matrizes semelhantes tem o mesmo traco.
17. Seja m N. Calcule (B1 A B)m , onde A e B sao matrizes
quadradas de mesma ordem.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 28 #34

i i

28

1.5 Apendice
1. Podemos utilizar um Software computacional, por exemplo o
MAPLE, para facilitar os calculos:

(a) [> with(LinearAlgebra);

[> A := Matrix( [[400, 500, 600] ]);
A := [400 500 600]
[> B := Matrix( [[500, 400, 250] ]);
B := [500 400 250]
[> A.Transpose(B);
[550000]
[> C:=Transpose(B);
[> R:=A.C;
R := [550000];
Da, segue que o custo total das acoes
e R$550.000,00.
(b) Utilizando o Software computacional MAPLE, temos:
[> with(LinearAlgebra);
[> F:= Matrix( [[600, 350, 300] ]);
F := [600 350 300]
[> G:= F-B;
G := [100 -50 50]
[> R:=A.Transpose(G);
R := [45000]
Portanto, o lucro total foi de R$ 45.000,00.

2. Utilizando o Software computacional MAPLE, temos:

[> with(LinearAlgebra);

(a) [> A:= Matrix( [[0,1,1,1,1], [1, 0, 1, 1, 0], [0, 1, 0, 1,

0], [0, 0, 1, 0, 1], [0, 0, 0, 1, 0]]);

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 29 #35

i i

Seca o 5 Apendice 29

0 1 1 1 1

1 0 1 1 0


A = 0 1 0 1 0

0 0 1 0 1


0 0 0 1 0

[> A . A;

1 1 2 3 1

0 2 2 2 2


1 0 2 1 1



0 1 0 2 0

0 0 1 0 1

(b) [> A . A. A;

1 3 5 5 4

2 2 4 6 2


0 3 2 4 2



1 0 3 1 2

0 1 0 2 0

[> A + A . A;

1 2 3 4 2

1 2 3 3 2


1 1 2 2 1



0 1 1 2 1

0 0 1 1 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 30 #36

i i

30

[> A + A. A + A. A. A;

2 5 8 9 6

3 4 7 9 4


1 4 4 6 3



1 1 4 3 3

0 1 1 3 1

Matriz de Vandermond
Objetivo: Provar, usando induca o, que o determinante da ma-
triz de Vandermond,
 
 1 a1 an1 
 1  Y
  e igual ao produto (as ar ).
 1 a an1  1r<sn
n n

Dica: Assumindo que o resultado vale para todo n, considere

o determinante
 
 1 a1 an1 
 
 
 1 an ann 
 
 1 an+1 an 
n+1
 
 1 a1 f (a1 ) 
 
 
Mostre que este e igual a  
 1 an f (an ) 
 
1 an+1 f (an+1 ) 
Para qualquer polinomio
monico
f sobre K (=R ou C) de grau
n. Escolha f de maneira que o determinante seja mais facil de
ser calculado.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 31 #37

i i

Captulo 2

Sistemas Lineares

Seja K um corpo.

Definica o 2.0.1. Um sistema de equaco es lineares com m equaco es e n

incognitas e um conjunto de equaco es do tipo:


a11 x1 +a12 x2 + +a1n xn = b1





a21 x1 +a22 x2 + +a2n xn = b2

()
.. .. .. .. ..

. . . . .




am1 x1 +am2 x2 + +amn xn = bm

com aij K, 1 i m, 1 j n.
Uma soluca o do sistema () e uma n-upla de escalares (x1 , x2 , , xn )
que satisfaca simultaneamente estas m equaco es.
Podemos escrever o sistema () sob a forma matricial.

a11 a12 a1n x1 b1

a x2 b2
21 a22 a2n
. .. .. .. .. = ..
.
. . . . . .


am1 am2 amn xn bm

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 32 #38

i i

Seca o 1 Definicoes
e Teoremas 32

a11 a12 a1n

a a22 a2n
21
ou AX = B onde A = . .. .. .. e a matriz dos coeficientes
.. . . .


am1 am2 amn

x1 b1

x b
2 2
X = . e a matriz das incognitas e B = . e a matriz dos
.. ..


xn bm
termos independentes.

Podemos definir uma outra matriz associada ao sistema ():

a11 a12 a1n b1

a
21 a22 a2n b2
a matriz . .. .. .. .. e dita matriz ampliada do sistema.

.. . . . .


am1 am2 amn bm

Definica o 2.0.2. Dois sistemas de equaco es dao ditos equivalentes se, e

somente se, toda soluca o de qualquer um dos dois sistemas e tambem soluca o
do outro.
escrevemos , ou para indicar que os sistemas
Notacao:
lineares e sao equivalentes.

Teorema 2.0.3. Dois sistemas que possuem matrizes ampliadas linha

equivalentes sao equivalentes.

de um sistema linear
Definica o 2.0.4. Classificacao

1. Um sistema linear e dito impossvel (ou incompatvel) quando nao

possui soluca o.

2. Um sistema linear e dito possvel (ou compatvel) quando possui

soluca o.
Um sistema possvel pode ser:

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 33 #39

i i

Seca o 1 Definicoes
e Teoremas 33

(a) determinado: se possui uma unica

soluca o;
(b) indeterminado: se possui infinitas soluco es.

Definica o 2.0.5. Dada uma matriz Amn , seja Bmn a matriz-linha

reduzida a` forma escada linha equivalente a A. O posto de A, denotado
por p, e o numero
de linhas nao nulas de B. A nulidade de A e o numero

n p.

Proposica o 2.0.6. (Posto) Duas matrizes linha equivalentes tem o mesmo

posto.

Teorema 2.0.7. 1. Um sistema de m equaco es e n incognitas admite

soluca o se, e somente se, o posto da matriz ampliada e igual ao posto
da matriz dos coeficientes. E, portanto, o sistema sera possvel.

2. Se as duas matrizes (ampliada e coeficientes) tem o mesmo posto

p e p = n a soluca o do sistema sera unica,
ou seja, o sistema sera
possvel e determinado.

3. Se as duas matrizes (ampliada e coeficientes) tem o mesmo posto

p e p < n, entao podemos escolher n p incognitas (como as
incognitas independentes), e as outras p incognitas serao dadas em
funca o destas n p incognitas escolhidas incialmente.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 34 #40

i i

34

2.1 Exerccios Resolvidos

Exerccio 2.1.1. Para cada um dos sistemas a seguir, decida se existem ou
nao soluco es. No caso afirmativo, exiba todas as soluco es do sistema em
termos
de um ou dois parametros independentes.




x + 2y + 3z = 4 2x y + 5z = 3
a)
b)

2x + 3y + 4z = 5 4x 2y + 10z = 5

6x 4y + 12z = 2
c)

9x 6y + 18z = 3

SOLUC
AO

(a) Observe que os vetores normais dos planos, obtidos pelas equa-
co es do sistema, nao sao paralelos, portanto, a soluca o do sis-
tema (que e a interseca o destes planos) e a reta r : = {P =
= (x, y, z) R3 | (x, y, z) = (2, 3, 0) + t(1, 2, 1), t R}.

(b) Observe que os vetores normais dos planos, obtidos pelas equa-
co es do sistema, sao paralelos e como 2.3 , 5 entao os planos
nao sao coincidentes e portanto a soluca o do sistema (que e a
interseca o destes planos) e o conjunto vazio.

(c) Observe que os vetores normais dos planos, obtidos pelas equa-
co es do sistema, sao paralelos e 9.2 = 6.3 e portanto os planos
sao coincidentes. E a soluca o do sistema e qualquer um destes
planos, ou seja, {P = (x, y, z) R3 | (x, y, z) =
2y
=( 3 2z + 13 , y, z)} = {P = (x, y, z) R3 | 6x 4y + 12z = 2} =
= {P = (x, y, z) R3 | 9x 6y + 18z = 3}. 

Observaca o 2.1.1. Sistemas Lineares a` 03 incognitas podem ser resolvidos

apenas com a teoria desenvolvida em Geometria Analtica.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 35 #41

i i

Seca o 2 Exerccios Resolvidos 35

Exerccio 2.1.2. Dispondo de tres ligas L1 , L2 , L3 , cujas percentagens de

ouro e prata sao dadas na tabela abaixo, quero obter 100g de uma liga L4
formada por igual quantidade de ouro e prata. Desejo fazer isso de modo a
usar o maximo possvel da liga L1 . Quantos gramas devo tomar de cada liga?

L1 L2 L3
ouro 30% 40% 80%
prata 70% 60% 20%

RESPOSTA:
Devemos colocar 60 g de L1 , 0 g de L2 , 40 g de L3 .
Dica:

x+ y+z = 100



Analise o sistema:
3x + 4y + 8z = 500 ,


7x + 6y + 2z = 500
onde x, y e z representam as quantidades, em gramas, das ligas L1 ,
L2 e L3 , respectivamente. 

Exerccio 2.1.3. Foram estudados tres tipos de alimento. Fixada a mesma

quantidade (1g) determinou-se que:

(a) O alimento I tem 1 unidade de vitamina A, 3 unidades de vitamina B

e 4 unidades de vitamina C.

(b) O alimento II tem 2, 3 e 5 unidades, respectivamente, das vitaminas

A, B e C.

(c) O alimento III tem 3 unidades de vitamina A, 3 de vitamina C e nao

contem vitamina B.
Se sao necessarias 11 unidades de vitamina A, 9 de vitamina B e 20
de vitamina C,
(i) encontre todas as possveis quantidades dos alimentos I, II,
III, que fornecem a quantidade de vitaminas desejada.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 36 #42

i i

Seca o 2 Exerccios Resolvidos 36

(ii) Se o alimento I custa R$ 0,60 por grama e os outros dois

custam R$ 0,10, existe uma soluca o custando exatamente R$ 1,00?

RESPOSTA:

5 8
(i) z ; x = 5 + 3z; y = 8 3z.
3 3
(ii) x = 1g; y = z = 2g, onde x, y, z representam as quantidades,
em gramas, dos alimentos I, II, III, respectivamente.

Dica:

x + 2y + 3z = 11



Analise o seguinte sistema: 3x + 3y + 0z = 9


4x + 5y + 3z = 20
para solucionar o item i),onde x, y e z sao os pesos, em gramas,
dos alimentos I, II e III, respectivamente.

x + 2y + 3z = 11



Analise o seguinte sistema: 3x + 3y + 0z = 9


6x + y + z = 10
para solucionar o item ii), onde x, y e z os pesos, em gramas,
dos alimentos I, II e III, respectivamente. 

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 37 #43

i i

Seca o 2 Exerccios Resolvidos 37

Exerccio 2.1.4. Determinar os valores de m e n para os quais o sistema

2x y + 3z = 1




x + 2y z = 4


3x + y + mz = n

e:

(a) indeterminado

(b) impossvel

SOLUC
AO:
Aplicando o Metodo de Eliminaca o de Gauss (escalonamento) temos:


x + 2y z = 4 L2 2L1 L2
x + 2y z = 4

L3 3L1 L3



2x y + 3z = 1
0x 5y + 5z = 7



3x + y + mz = n 0x 5y + (m + 3)z = n 12

x + 2y z = 4

L3 L2 L3


0x 5y + 5z = 7


0x 5y + (m + 3)z = n 12


x + 2y z = 4
L3 L2 L3


0x 5y + 5z = 7


0x + 0y + (m 2)z = n 5

Portanto,

(a) O sistema acima e indeterminado para m = 2 e n = 5.

(b) O sistema acima e impossvel para m = 2 e n , 5.

Outra maneira:
1 2 1

Considere a matriz A = 2 1 3 a matriz dos coeficientes

3 1 m

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 38 #44

i i

Seca o 2 Exerccios Resolvidos 38

do sistema. Observe que o det(A) = 5(m 2), se m , 2 o sistema

sera possvel e determinado. Portanto se m = 2 o sistema e nao
determinado (possvel e indeterminado ou impossvel). Pela Regra
de Cramer podemos concluir que :
se os determinantes das matrizes

4 2 1 1 4 1 1 2 4

1 1 3 , 2 1 3 , 2 1 1


n 1 2 3 n 2 3 1 n

forem zero teremos que o sistema e possvel e indeterminado e, caso

pelo menos um seja nao nulo o sistema sera impossvel. 

Exerccio 2.1.5. Resolva o sistema abaixo, sabendo que 0 < a < b < c:


ax + ay + cz = a2 + c2




bx ay + cz = c2 b2 (1).


ax + cy bz = a2 c2

SOLUC
AO:
Observe que: P0 = (a b, b, c) e uma soluca o do sistema:


2 2
ax + ay + cz = a + c

.
bx ay + cz = c2 b2

!
a3 a2 c ac2 c3 2c2
Observe que: P1 = , , 0 e uma soluca o do
a (a c) (a c)
sistema:


2 2
ax + ay + cz = a + c

.
ax + cy bz = a2 c2

Sejam


v0 = (a, a, c) (b, a, c) e

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 39 #45

i i

Seca o 2 Exerccios Resolvidos 39

v1 = (a, a, c) (a, c, b).

Considere

r0 = P0 + m

v0 = (a b, b, c) + m(2ac, bc ac, a2 ab).

r1 = P1 + m
v0 =
 
2c2
a3 a2 c ac2 c3 , (ac) ,0
= + k(ab c2 , ba + ac, a2 + ac)
a (a c)

Observe que a condica o 0 < a < b < c garante que r0 r1 .

Da o sistema (1) e possvel e determinado, ou seja, P = r0 r1 .
Sejam m e k tal que :
(a b, b, c) + m(2ac, bc ac, a2 ab) =
 
2c2
a3 a2 c ac2 c3 , (ac) ,0
= + k(ab c2 , ba + ac, a2 + ac)
a (a c)

Da,
c2 + ab
m= .
2a2 c + bc2 ac2 + a2 b + ab2
e portanto,

P = (x1 , x2 , x3 )

onde:

(a2 c2 + 2abc2 c2 b2 + ba3 2ac3 ab3 + 2ca3 )

x1 =
2a2 c + bc2 ac2 + a2 b + ab2

(a2 bc + b2 c2 + a2 b2 + ab3 bc3 + ac3 abc2 + acb2 )

x2 =
2a2 c + bc2 ac2 + a2 b + ab2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 40 #46

i i

Seca o 2 Exerccios Resolvidos 40

(3a2 c2 + bc3 ac3 + a2 bc + acb2 + abc2 ba3 a2 b2 )

x3 = 
2a2 c + bc2 ac2 + a2 b + ab2

x + 3y + 5z + 7w = 12





3x + 5y + 7z + w = 0
Exerccio 2.1.6. Resolva o sistema:


5x + 7y + z + 3w = 4



7x + y + 3z + 5w = 16

SOLUC
AO:
Escalonando (Metodo de Eliminaca o de Gauss) o sistema temos:


x + 3y + 5z + 7w = 12 3L1 L2 L2

5L1 L3 L3



3x + 5y + 7z + w = 0 7L1 L4 L4



5x + 7y + z + 3w = 4



7x + y + 3z + 5w = 16

3L1 L2 L2
x + 3y + 5z + 7w = 12
5L1 L3 L3
2L2 L3 L3


7L1 L4 L4
0x + 4y + 8z + 20w = 36 5L2 L4 L4



0x + 8y + 24z + 32w = 56



0x + 20y + 32z + 44w = 68

x + 3y + 5z + 7w = 12
2L2 L3 L3


5L2 L4 L4

0x + 4y + 8z + 20w = 36 L3 + L4 L4



0x + 0y + 8z + 8w = 16



0x + 0y + 8z + 56w = 112

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 41 #47

i i

Seca o 2 Exerccios Resolvidos 41

x + 3y + 5z + 7w = 12



L3 + L4 L4

0x + 4y + 8z + 20w = 36



0x + 0y + 8z + 8w = 16



0x + 0y + 0z + 64w = 128
Portanto, w = 2, z = 0, y = 1, x = 1. 

Exerccio 2.1.7. Dado o sistema a seguir:

x+y+z+w = 0





x+y+zw = 4



x + y z + w = 4



xy+z+w = 2

Determine:

1 1 1
1

1 1 1 1

(a) o determinante da matriz .

1 1 1 1

1 1 1 1

(b) se o sistema e possvel e determinado, impossvel ou possvel e indeter-

minado.

SOLUC
AO:

(a) Vamos utilizar o metodo de eliminaca o de Gauss (escalona-

mento) para calcular o determinante desta matriz,

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 42 #48

i i

Seca o 2 Exerccios Resolvidos 42

1 1 1
1 1 1 1
1
L2 L1 L2
1 1 1 1 0 0 0 2

L3 L1 L3
1 1 1 1 0 0 2 0

L4 L1 L4
1 1 1 1 0 2 0 0
linha equivalente

1 1 1
1 1 1 1
1

0 0 0 2 0 2 0 0

det(A) = det = (1) det



0 0 2 0 0 0 2 0

0 2 0 0 0 0 0 2

portanto, det(A) = 8. Observe que a operaca o elementar

L2 L4 , permutaca o da linha 2 com a linha 4, altera o deter-
minante que estamos calculando, do fator (1).

(b) Como A representa a matriz de coeficientes do sistema e det(A) ,

, 0 segue que o sistema e possvel e determinado. Sendo a
soluca o do sistema x = 1, y = 1, z = 2, w = 2. 

Observaca o 2.1.2. A operaca o elementar (linha) kL j + Li Li onde

k , 0, i , j, que significa substituir a linha i por k vezes a linha j mais a
linha i, nao altera o valor do determinante. A operaca o elementar Li L j ,
permutaca o da linha i com a linha j, i , j, altera o determinate que estamos
calculando, do fator (1). Caso facamos um numero
par de permutaco es, o
determinante nao sera alterado. A operaca o elementar L j + kLi Li onde
k , 0, i , j, que significa substituir a linha i por k vezes a linha i mais
a linha j, altera o valor do determinante do fator k. Ver propriedades do
determinante.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 43 #49

i i

Seca o 2 Exerccios Resolvidos 43

Exerccio 2.1.8. Combinando quartzo (SiO2 ) com lixvia de sodio (NaOH)

obtem-se silicato de sodio (Na2 SiO3 ) e a gua (H2 O), na reaca o qumica
indicada por

xSiO2 + yNaOH zNa2 SiO3 + tH2 O

Os numeros
naturais x, y, z e t devem ser tais que os elementos qumicos
Si, O, Na e H ocorram em iguais quantidades em ambos os lados da reaca o.
Como podem esses numeros
ser tomados de modo a se ter a menorreac a o
qumica possvel?

SOLUC
AO:

x = z





y = 2z



y = 2t



2x + y = 3z + t
Portanto, x = z = t e y = 2z = 2t. Como x, y, z, t N , entao, para
tornar a reaca o a menorpossvel devemos ter x = t = z = 1 e y = 2.


Exerccio 2.1.9. Responda a questao analoga a` questao anterior com

respeito a` reaca o
xFeS + yO2 zFe2 O3 + tSO2

(geraca o de dioxido de enxofre a partir da pirita).

SOLUC
AO:


x = t




2y = 3z + 2t


x = 2z
Portanto, x = t e 2y = 7z. Como x, y, z, t N entao para tornar a
reaca o a menorpossvel devemos ter x = t = 4 ; z = 2 e y = 7. 

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 44 #50

i i

Seca o 2 Exerccios Resolvidos 44

Exerccio 2.1.10. Aco fino e uma liga de ferro, cromo e nquel. Um exemplo
e o aco V2A, que contem 74% de ferro, 18% de cromo e 8% de nquel. Na
tabela abaixo, tem-se ligas I, II, III, IV, as quais devemos misturar para
obter uma tonelada de aco V2A. Quantos quilos de cada uma dessas ligas
devemos tomar?

I II III IV
ferro 70% 72% 80% 85%
cromo 22% 20% 10% 12%
nquel 8% 8% 10% 3%

SOLUC
AO:
2000 33
33 w 100; x = 1000 + 2 w; y = 2000 20w, z = 52 w.
Dica:

x+y+z+w = 1000





70x + 72y + 80z + 85w = 74000
Analise o seguinte sistema:


22x + 20y + 10z + 12w = 18000



8x + 8y + 10z + 3w = 8000

onde x, y, z e w sao as quantidades, em quilos, das ligas I, II, III e IV,

respectivamente. 

Exerccio 2.1.11. A tabela abaixo exibe as porcentagens de albumina, car-

bohidrato e lipdio em cada um dos alimentos A, B e C. Mostre que nao
e possvel combinar esses alimentos formando uma refeica o que contenha
47% de albumina, 35% de carbohidrato e 18% de lipdio. Investigue se seria
possvel caso as exigencias fossem 40% de albumina, 40% de carbohidrato
e 20% de lipdio.

A B C
Albumina 30% 50% 20%
Carbohidrato 30% 30% 70%
Lipdio 40% 20% 10%

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 45 #51

i i

Seca o 2 Exerccios Resolvidos 45

SOLUC
AO:

x+y+z = w





30x + 50y + 20z = 47w
Analisando o sistema:

30x + 30y + 70z = 35w



40x + 20y + 10z = 18w
onde x, y, z sao os pesos, em uma determinada unidade, dos ali-
mentos A, B e C, respectivamente, e w e o peso da refeica o total, na
mesma unidade que os pesos x, y e z


17x + 3y 27z = 0
17x + 3y 27z = 0




obtemos 5x 5y + 35z = 0
5x 5y + 35z =0



22x + 2y 8z =0 22x + 2y 8z =0


17x + 3y 27z = 0
17x + 3y 27z = 0




obtemos 5x 5y + 35z = 0
x + y 7z =0



22x + 2y 8z =0 22x + 2y 8z =0

da 20x + 6z = 0, o que e um absurdo, pois x, y, z, w R+ .

Investigue se seria possvel caso as exigencias fossem 40% de
albumina, 40% de carbohidrato e 20% de lipdio.


x+y+z = w





30x + 50y + 20z = 40w
Analisando o sistema:


30x + 30y + 70z = 40w



40x + 20y + 10z = 20w

10x + 10y 20z = 0
z = 2x





y
obtemos 10x 10y + 30z = 0 = 5x 


w
20x + 0y 10z = 0
x =
8

Exerccio 2.1.12. Sabe-se que uma alimentaca o equilibrada em vitaminas

deve constar de 170 unidades de vitamina A, 180 unidades de vitamina B,
140 unidades de vitamina C, 180 unidades de vitamina D e 350 unidades
de vitamina E. Com o objetivo de descobrir como devera ser uma refeica o
equilibrada, foram estudados cinco alimentos. Fixada a mesma quantidade
(1g) de cada alimento, determinou-se que:

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 46 #52

i i

Seca o 2 Exerccios Resolvidos 46

(a) O alimento I tem 1 unidade de vitamina A, 10 unidades de vitamina

B, 1 unidade de vitamina C, 2 unidades de vitamina D e 2 unidades
de vitamina E.

(b) O alimento II tem 9 unidades de vitamina A, 1 unidade de vitamina

B, 0 unidade de vitamina C, 1 unidade de vitamina D e 1 unidade de
vitamina E.

(c) O alimento III tem 2 unidades de vitamina A, 2 unidades de vitamina

B, 5 unidades de vitamina C, 1 unidade de vitamina D e 2 unidades
de vitamina E.

(d) O alimento IV tem 1 unidade de vitamina A, 1 unidade de vitamina B,

1 unidade de vitamina C, 2 unidades de vitamina D e 13 unidades de
vitamina E.

(e) O alimento V tem 1 unidade de vitamina A, 1 unidade de vitamina B,

1 unidade de vitamina C, 9 unidades de vitamina D e 2 unidades de
vitamina E.

SOLUC
AO:
Temos que usar 10, 10, 20, 20 e 10 unidades das vitaminas I, II, III ,
IV e V, respectivamente.
Dica: Analise o seguinte sistema:


x + 9y + 2z + w + t = 170





10x + y + 2z + w + t = 180




x + 0y + 5z + w + t = 140



2x + y + z + 2w + 9t = 180




2x + y + 2z + 13w + 2t = 350

onde x, y, z , w e t representam as unidades das vitaminas I, II, III ,

IV e V, respectivamente. 

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 47 #53

i i

Seca o 2 Exerccios Resolvidos 47

Exerccio 2.1.13.
Necessita-se adubar um terreno acrescentando a cada 10m2 140g de nitrato,
190 g de fosfato e 205 g de potassio.
Dispoe-se de quatro qualidades de adubo com as seguintes caractersticas:

(a) Cada quilograma de adubo I custa 5 u.c.p e contem 10 g de nitrato, 10

g de fosfato e 100 g de potassio.

(b) Cada quilograma de adubo II custa 6 u.c.p e contem 10 g de nitrato,

100 g de fosfato e 30 g de potassio.

(c) Cada quilograma de adubo III custa 5 u.c.p e contem 50 g de nitrato,

20 g de fosfato e 20 g de potassio.

(d) Cada quilograma de adubo IV custa 15 u.c.p e contem 20 g de nitrato,

40 g de fosfato e 35 g de potassio.

Quanto de cada adubo devemos misturar para conseguir o efeito dese-

jado se estamos dispostos a gastar 54 u.c.p. a cada 10 m2 com a adubaca o?

SOLUC
AO:
Devemos colocar

6451 4381 14396 25927

kg, kg, kg, kg
9619 9619 9619 9619

dos adubos I, II, III e IV, respectivamente.

Dica:
Analise o seguinte sistema:


x + y + 5z + 2w = 14000





x + y + 2z + 4w = 19000



100x + 30y + 20z + 35w = 205000



5x + 6y + 5z + 15w = 54000

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 48 #54

i i

48

onde x, y, z e w representam as quantidades, em gramas, dos adubos

I, II, III e IV, respectivamente.
Analise o seguinte sistema:


x + y + 5z + 2w = 14





x + y + 2z + 4w = 19



100x + 30y + 20z + 35w = 205



5x + 6y + 5z + 15w = 54

onde x, y, z e w representam as quantidades, em kilogramas, dos

adubos I, II, III e IV, respectivamente. 

2.2 Exerccios Propostos

1) Dado a R, considere o sistema nas incognitas
x, y, z


x y + z = 4




x + 2y + 8z = 2


2x + y + (a2 + 5)z = a

Usando o metodo de eliminaca o de Gauss, determine os valores

de a R para os quais:
(a) o sistema nao tem soluca o.
(b) o sistema tem soluca o unica.

(c) o sistema tem infinitas solucoes.

2) Considere o sistema


4x + y + z + w = 6





3x + 7y z + w = 1



7x + 3y 5z + 8w = 3



x + y + z + 2w = 3

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 49 #55

i i

Seca o 3 Exerccios Propostos 49

(a) Resolva o sistema pela regra de Cramer.

(b) Resolva o sistema por eliminaca o de Gauss-Jordan
(c) Qual o metodo que envolve menos contas?
3) Resolva os seguintes sistemas homogeneos de equaco es lineares:


2x y 3z = 0



(a)
x + 2y 3z = 0


x + y + 4z = 0

x3 + x4 + x5 = 0





x1 x2 + 2x3 3x4 + x5 = 0
(b)


x1 + x2 2x3 x5 = 0



2x1 + 2x2 x3 + x5 = 0

4) Discuta em funca o dos parametros os seguintes sistemas

x + 4y + 3z = 10



(a)
2x + 7y 2z = 10


x + 5y + z =

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





2y + 6t = 2
(b)


y + 3t = 1



5y + z t = 2

2x + y + z = 6



(c)
x + 3y + 2z = 2


2x + y + ( + 1)z = 4

3
0 a2 1 0
0
2 0 0
5) Dada A =
5
3 1 2
a + 2 1
0 0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 50 #56

i i

50

(a) Determine todos os valores de a R para que det A = 0.

(b) Escolha um desses valores de a e, para este valor escolhido, de
exemplos de matrizes colunas B1 e B2 (4 1) tais que AX = B1 tenha
soluca o e AX = B2 nao tenha.

6) Deseja-se construir um circuito como o mostrado na figura,

R1 R2 V2
+
i1 i2
+ i4
V1
R5 i5 R4 R3
i3
i1

+
V3

onde V1 = 280 V, V2 = 100 V, V3 = 50 V, R1 = 20 , R2 = 30 ,

R3 = 50 , R4 = 40 , R5 = 100 .
Dispoe-se
de uma tabela de precos de varios tipos de resistencias;
assim como as correntes maximas que elas suportam sem queimar.

resistencias

20 30 40 50 100

0, 5 A 10, 00 10, 00 15, 00 15, 00 20, 00

correntes maximas

1, 0 A 15, 00 20, 00 15, 00 15, 00 25, 00

3, 0 A 20, 00 22, 00 20, 00 20, 00 28, 00

5, 0 A 30, 00 30, 00 34, 00 34, 00 37, 00

De que tipo devemos escolher cada resistencia para que o circuito

funcione com seguranca e a sua fabricaca o seja a de menor custo
possvel?

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 51 #57

i i

Seca o 4 Apendice 51

2.3 Apendice
Apos
analisarmos o problema e obtermos o sistema de equacoes

lineares atraves dos dados a ele correspondentes, podemos utilizar
um Software computacional, por exemplo o MAPLE, para calcular
as solucoes
dos sistemas. Vamos calcular com auxlio do MAPLE a
soluca o dos sistemas dos exerccios 2.1.2 , 2.1.5 e 2.1.10:
Exerccio 2.1.2
[> with(LinearAlgebra):
[> sys := [ x[1]+ x[2]+ x[3] =100,
3*x[1]+ 4*x[2]+ 8*x[3] =500,
7*x[1]+6*x[2]+ 2*x[3]= 500 ]:
var:= [x[1], x[2], x[3] ]:
[> (A, b) := GenerateMatrix( sys, var);

1 1 1 100

A, b : = 3 4 8 , 500

7 6 2 500

[> A Vector(var) = b;

x[1] + x[2] + x[3] 100

3x[1] + 4x[2] + 8x[3] = 500


7x[1] + 6x[2] + 2x[3] 500

[> GenerateMatrix( sys, var, augmented=true );

1 1 1 100

3 4 8 500


7 6 2 500

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 52 #58

i i

Seca o 4 Apendice 52

[> LinearSolve(%);

100 + 4x[3]

200 5x[3]


x[3]
Exerccio 2.1.10
[> with(LinearAlgebra):
[> sys:=[70*x[1]+72*x[2]+80*x[3]+85*x[4] = 74000,
x[1]+ x[2]+ x[3] +x[4]=1000,
8*x[1]+8*x[2]+ 10*x[3]+3*x[4]= 8000,
22*x[1]+20*x[2]+10*x[3]+12*x[4] = 18000]:
[> var := [ x[1],x[2], x[3], x[4] ]:
[> (A, b) := GenerateMatrix( sys, var );

1 1 1
1 1000

70 72 80 85 74000

A, b : = ,

8 8 10 3
8000

22 20 10 12 18000
[> A Vector(var) = b;

x[1] + x[2] + x[3] + x[4] 1000

70x[1] + 72x[2] + 80x[3] + 85x[4] 74000

=
8x[1] + 8x[2] + 10x[3] + 3x[4] 8000


22x[1] + 20x[2] + 10x[3] + 12x[4] 18000

[> GenerateMatrix( sys, var, augmented=true );

70 72 80 85 74000

1 1 1 1 1000


8 8 10 3 8000


22 20 10 12 18000

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 53 #59

i i

Seca o 4 Apendice 53

[> LinearSolve( %);

1000 + 33 x[4]
2
2000 20x[4]


5
2 x[4]

x[4]
Exerccio 2.1.5
[> with(LinearAlgebra):
[> sys := [ a x[1] + a x[2] + c x[3] = a 2 + c 2,
b x[1] a x[2] + c x[3] = c 2 b 2,
a x[1] + c x[2] b x[3] = a 2 c 2] :
[> var := [ x[1], x[2], x[3] ]:
[> (A, b) := GenerateMatrix( sys, var );
Error, recursive assignment
[> A Vector(var) = b;

ax[1] + ax[2] + cx[3]

bx[1] ax[2] + cx[3] = b


ax[1] + cx[2] bx[3]

[> GenerateMatrix( sys, var, augmented=true );

a a c a2 + c2

b a c c2 b2


a c b a2 c2

[> LinearSolve( %);

a2 c2 + 2abc2 c2 b2 + ba3 2ac3 ab3 + 2a3 c

ac2 + bc2 + 2a2 c + ba2 + ab2



cba2 + a2 b2 + ac3 + ab3 abc2 + cab2 bc3 + c2 b2


ac2 + bc2 + 2a2 c + ba2 + ab2



a2 b2 ac3 + cab2 + bc3 + cba2 ba3 + 3a2 c2 + abc2

ac2 + bc2 + 2a2 c + ba2 + ab2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 54 #60

i i

54

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 55 #61

i i

Captulo 3

Espacos Vetoriais

Seja K um corpo.

Definica o 3.0.1. Um espaco vetorial e um conjunto V, nao vazio, munido

de duas operaco es:
VV V KV V
soma + : e multiplicaca o por escalar :
(v, w) 7 v + w (k, v) 7 k v
tais que para quaisquer u, v e w V e a, b K as seguintes propriedades
sao satisfeitas:

1. (u+v)+w = u+(v+w) (propriedade associativa em relaca o a` adica o).

2. u + w = w + v (propriedade comutativa ).

3. 0 V tal que u + 0 = u (0 e chamado vetor nulo).

4. u V tal que u + (u) = 0.

5. a (u + v) = a u + a v.

6. (a + b) u = a u + a v.

7. (a b)v = a (b v) (propriedade associativa).

8. 1 u = u.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 56 #62

i i

Seca o 1 Definicoes
e Teoremas 56

Definica o 3.0.2. Seja V um espaco vetorial, v V e chamado vetor do

espaco vetorial V.

Definica o 3.0.3. Dado um espaco vetorial V, um subconjunto W, nao

vazio, sera um subespaco vetorial de V se :

1. Para quaisquer u, v W tivermos u + v W.

2. Para quaisquer a K, u W tivermos au W.

Observaca o 3.0.4. Na definica o de subespaco a condica o W , pode ser

substituda por 0 W.

Proposica o 3.0.5. Dado um espaco vetorial V sobre um corpo K, um

subconjunto W, nao vazio, sera um subespaco vetorial de V se, e somente
se, para quaisquer u, v W e para quaisquer a K tivermos u+av W.

Proposica o 3.0.6. Sejam W1 , W2 subespacos de um espaco vetorial V.

W1 + W2 = {w V | w1 W1 e w2 W2 tal que w = w1 + w2 } e um
subespaco vetorial de V.
W1 W2 = {w V | w W1 e w W2 } e um subespaco vetorial de V .

Definica o 3.0.7. Dado um espaco vetorial V sobre um corpo K, sejam

v1 , , vn V e a1 , , an K, entao, o vetor v = a1 v1 + + an vn e
um elemento de V ao qual chamamos combinaca o linear de v1 , , vn .
O conjunto W = {v V | v = a1 v1 + + an vn } e dito subespaco
gerado por v1 , , vn .
Notaca o: W = [v1 , , vn ].

Definica o 3.0.8. Seja V um espaco vetorial sobre K, dado S subconjunto

de V, nao vazio, definimos o subespaco de V gerado por S,
[S] := {k1 s1 + k2 s2 + km sm | m N; ki K e si S, i = 1, , m}.

Proposica o 3.0.9. Sejam W1 , W2 subespacos de um espaco vetorial V.

W1 + W2 = [W1 W2 ].

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 57 #63

i i

Seca o 1 Definicoes
e Teoremas 57

Definica o 3.0.10. V espaco vetorial sobre um corpo K. Sejam v1 , , vn

V. Dizemos que o conjunto {v1 , , vn } e linearmente independente
(LI), ou que os vetores v1 , , vn sao LI, se existirem a1 , , an K tais
que a equaca o a1 v1 + + an vn = 0 e satisfeita entao a1 = = an = 0.
No caso em que exista algum ai , 0, dizemos que {v1 , , vn } e linear-
mente dependente (LD), ou que os vetores v1 , , vn V sao LD.

Teorema 3.0.11. {v1 , , vn } e LD se, e somente se, um destes vetores for

combinaca o linear dos outros.

Definica o 3.0.12. Um conjunto gerador e LI de um espaco vetorial V e

chamado de base de V.

Proposica o 3.0.13. Seja V espaco vetorial sobre um corpo K. Se V e

finitamente gerado entao V possui uma base.

Observaca o 3.0.14. A proposic a o acima tambem e valida se V tem di-

mensao infinita (Ver Apendice II).

Lema 3.0.15. Seja V espaco vetorial sobre um corpo K. Se V e gerado por

{v1 , , vn } e {w1 , , wm } e LI, entao m n.

Corolario 3.0.16. Todas as bases de um espaco finitamente gerado possuem

o mesmo numero
de elementos.

Definica o 3.0.17. Seja V espaco vetorial sobre um corpo K finitamente

gerado. Definiremos como dimensao de V o numero
de elementos de uma
base V.

Observaca o 3.0.18. No caso em que V nao e finitamente gerado, ja foi

observado que V possui uma base, dizemos que V tem dimensao infinita.

Lema 3.0.19. Seja V espaco vetorial sobre um corpo K finitamente gerado.

Se S = {v1 , , vm } V e LI, entao S pode ser completada para uma base
de V.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 58 #64

i i

Seca o 1 Definicoes
e Teoremas 58

Proposica o 3.0.20. Seja V espaco vetorial sobre K de dimensao finita.

= {v1 , v2 , , vn } e uma base para V se, e somente se, v V, existem
unicas
escalares a1 , , an tal que v = a1 v1 + a2 v2 + an vn , ou seja, um
subconjunto B de V e base de V se, e somente se, cada vetor de V se escreve
de modo unico
como combinaca o linear de elementos de B.

Definica o 3.0.21. Sejam = {v1 , v2 , , vn } e = {w1 , w2 , , wn } duas
bases ordenadas de um mesmo espaco vetorial V. Dado v V, podemos
escreve-lo como:

v = x1 v1 + x2 v2 + + xn vn
()
v = y1 w1 + y2 w2 + + yn wn

Como e sao bases para V, temos que:
Se consideramos como base de V: (x1 , x2 , , xn ) v.
A n-upla (x1 , x2 , , xn ) e chamada as coordenadas de v V na base e
denotada por:

x1

x2

[v] = .. .
.


xn

Se consideramos como base de V: (y1 , y2 , , yn ) v.

A n-upla (y1 , y2 , , yn ) e chamada as coordenadas de v V na base e
denotada por:

y1

y2

[v] = .. .
.


yn

Proposica o 3.0.22. Sejam = {v1 , v2 , , vn } e = {w1 , w2 , , wn }
duas bases ordenadas de um mesmo espaco vetorial V. Entao, para todo

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 59 #65

i i

Seca o 1 Definicoes
e Teoremas 59

v V temos:

[v] = [I] [v] .


onde [I] = [[w1 ] | | [wn ] ]nn .


Definica o 3.0.23. [I] e chamada de matriz mudanca da base para a
base .

Proposica o 3.0.24. Sejam = {v1 , v2 , , vn } e = {w1 , w2 , , wn }
duas bases ordenadas de um mesmo espaco vetorial V. Entao,


[I] = ([I] )1 .

Definica o 3.0.25. V espaco vetorial sobre um corpo K. Sejam W, W1 , W2

subespacos vetoriais de V. Dizemos que W e soma direta de W1 e W2 se
W = W1 + W2 e W1 W2 = 0.

Notaca o: W = W1 W2 .

Definica o 3.0.26. V espaco vetorial sobre um corpo K. Sejam W1 , W2

subespacos vetoriais de V. Considere W = W1 + W2 . Sao equivalentes:

1. W = W1 W2 .

2. Para todo w W existem unicos

w1 W1 e w2 W2 tais que
w = w1 + w2 .

Proposica o 3.0.27. V espaco vetorial sobre um corpo K de dimensao finita.

Sejam U, W subespacos vetoriais de V. Entao:
dim(U + W) = dim(U) + dim(W) dim(U W).

Definica o 3.0.28. Chama-se posto de uma matriz ao numero

maximo de
linhas linearmente independentes que ela possui.

Definica o 3.0.29. A Mmn (K). O espaco - coluna de A e o subespaco

vetorial de Km gerado pelos vetores colunas de A.
O espaco - linha de A e o subespaco vetorial de Kn gerado pelos vetores
linha de A.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 60 #66

i i

Seca o 1 Definicoes
e Teoremas 60

Proposica o 3.0.30. Para toda A Mmn (K) tem-se:

dim(espaco- coluna) = dim(espaco-linha) = posto(A).

Observaca o 3.0.31. Seja Amn uma matriz. O numero

maximo de linhas
linearmente independentes e igual ao numero
maximo de colunas linear-
mente independentes.

Proposica o 3.0.32. Seja Amn uma matriz. O Posto(A) = Posto(At ).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 61 #67

i i

61

3.1 Exerccios Resolvidos

Exerccio 3.1.1.
Verificar que os seguintes subconjuntos R3 nao sao subespacos vetoriais
deste:

(a) {(x, y, z) R3 | x = 1}.

(b) {(x, y, z) R3 | x2 + y + z = 0}.

(c) {(x, y, z) R3 | x y z}.

(d) {(x, y, z) R3 | x + y Q}.

SOLUC
AO

(a) O subconjunto U0 = {(x, y, z) R3 | x = 1} de R3 nao satisfaz

nenhuma das duas condicoes
para ser subespaco vetorial de
R3 sobre R pois:
(i) Observe que, por exemplo, (1, 0, 0) ; (1, 1, 0) U0 , mas
(1, 0, 0) + (1, 1, 0) < U0 .
(ii) Observe que, por exemplo, (1, 0, 0) U0 , mas
k(1, 0, 0) < U0 , k R {1}. Em particular, (0, 0, 0) < U0 . (Ob-
servemos que o fato do elemento neutro do espaco vetorial
pertencer ao pretenso subconjunto e uma condica o necessaria).

(b) O subconjunto U1 = {(x, y, z) R3 | x2 + y + z = 0} de R3

nao satisfaz nenhuma das duas condicoes
para ser subespaco
vetorial de R3 sobre R pois:
(i) Observe que, por exemplo, (1, 1, 0) ; (1, 0, 1) U1 ,
mas (1, 1, 0) + (1, 0, 1) < U1 .
(ii) Observe que, por exemplo, (2, 2, 2) U1 , mas
k(2, 2, 2) < U1 , k R .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 62 #68

i i

Seca o 2 Exerccios Resolvidos 62

(c) O subconjunto U2 = {(x, y, z) R3 | x y z} de R3 nao satisfaz

a segunda condica o para ser subespaco vetorial de R3 sobre R
pois:
(i) para (x, y, z) (U2 {(0, 0, 0)}), k R temos que
k(x, y, z) < U2 .

(d) O subconjunto U3 = {(x, y, z) R3 | x + y Q} de R3 nao satisfaz

a segunda condica o para ser um subespaco vetorial de R3 sobre
R pois:
(i) para (x, y, z) (U3 {(0, 0, 0)}), k (R Q) temos
k(x, y, z) < U3 . (Observe que Q e um corpo.) 

Exerccio 3.1.2.
Seja I = [0, 1]. Verificar se sao subespacos vetoriais de

C(I) = { f : I R tal que f e contnua em I} :

(a) { f C(I) | f (0) = 0}.

R1
(b) { f C(I) | 0 f (t)dt = 0}.

(c) { f C(I) | f (0) = f (1)}.

(d) { f C(I) | f (t) = 0 em todos os pontos de I exceto, possivelmente,

num numero
finito deles}.

SOLUC
AO
Vamos verificar se valem, para cada um dos subconjuntos dados, os
pre-requisitos para subespaco vetorial.

(a) Sejam h e g S0 = { f C(I) | f (0) = 0} e k R.

(i) (h + g)(0) = h(0) + g(0) = 0 + 0 = 0, portanto
(h + g)(x) S0 .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 63 #69

i i

Seca o 2 Exerccios Resolvidos 63

(ii) (kg)(0) = kg(0) = k 0 = 0, k R, portanto

(kg)(x) S0 .
Logo, podemos dizer que S0 e um subespaco vetorial de C(I).
R1
(b) Sejam h e g S1 = { f C(I) | 0 f (t)dt = 0} e k R.
R1 R1 R1
(i) 0 (h + g)(t)dt = 0 h(t)dt + 0 g(t)dt = 0 + 0 = 0
portanto, (h + g)(x) S1 .
R1 R1
(ii) 0 (kg)(t)dt = k 0 g(t)dt = k 0 = 0 ;k R portanto,
(kg)(x) S1 .
Logo, podemos dizer que S1 e um subespaco vetorial de C(I).

(c) Sejam h e g S2 = { f C(I) | f (0) = f (1)} e k R.

(i) (h + g)(0) = h(0) + g(0) = h(1) + g(1) = (h + g)(1), portanto
(h + g)(x) S2 .
(ii) (kg)(0) = kg(0) = kg(1) = (kg)(1), k R, portanto
(kg)(x) S2 .
Logo, podemos dizer que S2 e um subespaco vetorial de C(I).

(d) Observe que: S3 = {0}, pois se existisse x I tal que f (x) , 0,

onde f C[0, 1], entao existiria uma vizinhanca de x tal que
f nao se anula nesta vizinhanca. (Ver Calculo Diferencial e
Integral I/ Analise Real I). Da, podemos dizer que S3 e um
subespaco vetorial de C(I). 

Exerccio 3.1.3. Seja V um espaco vetorial. Se (U j ) j e uma famlia de

subespacos vetoriais de V, mostrar que j U j tambem e um subespaco veto-
rial de V. O que poderamos dizer sobre a uniao de subespacos vetoriais de
um dado espaco vetorial?

DEMONSTRAC
AO
Sejam v, w j U j e k K corpo de escalares. Observe que v, kw
U j j. Da v+kw e 0 U j j, ja que para cada j, U j e subespaco de V.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 64 #70

i i

Seca o 2 Exerccios Resolvidos 64

Portanto, v + kw e 0 j U j . Logo, podemos afirmar que j U j e um

subespaco vetorial de V, onde (U j ) j e uma famlia de subespacos
vetoriais de V. 

A uniao de subespacos vetoriais de um mesmo espaco vetorial nao

e necessariamente um subespaco vetorial. Vejamos o exemplo a
seguir:
Consideremos V = R2 (plano cartesiano). Observemos que

OX = {(x, 0) R2 | x R} e OY = {(0, y) R2 | y R} sao subespacos
vetoriais de V = R2 , mas a uniao destes nao e um subespaco vetorial,

pois (x, 0) + (0, y) = (x, y) < (OX OY), onde x , 0; y , 0. 

y P

O x X

Exerccio 3.1.4.
Mostrar que a uniao de subespacos vetoriais do mesmo espaco vetorial e
tambem um subespaco vetorial se, e somente se, um dos subespacos esta
contido no outro.

DEMONSTRAC
AO
Sejam U e W subespacos de um espaco vetorial V.
Se U W ou W U e imediato que a uniao U W e um subespaco
vetorial de V. Restando, apenas, mostrar que:

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 65 #71

i i

Seca o 2 Exerccios Resolvidos 65

Se U W e um subespaco vetorial de V, onde W e U sao subespacos

de V, entao U W ou W U.
De fato, suponhamos que x (U W) e y (W U). Observemos
que se U W fosse um subespaco, x + y U W, portanto x + y U
ou x + y W, teramos x W, pois y W e W e subespaco vetorial,
ou y U, pois x U e U e subespaco vetorial. O que e um absurdo,
logo deveremos ter U W ou W U. 

Exerccio 3.1.5. Sejam W1 = {(x, y, z, t) | x + y = 0 e z t = 0} e

W2 = {(x, y, z, t) | x y z + t = 0} subespacos vetoriais de R4 .

(a) Determine W1 W2 .

(b) Exiba uma base para W1 W2 .

(c) Determine W1 + W2 .

(d) W1 + W2 e soma direta? Justifique.

(e) W1 + W2 = R4 ? Justifique.

SOLUC
AO

(a)

W1 W2 = {(x, y, z, t) | x + y = 0, z t = 0, x y z + t = 0}
= [(0, 0, 1, 1)]

(b) Como W1 W2 e gerado por um unico

vetor, nao nulo, segue
que {(0, 0, 1, 1)} e uma base para W1 W2 .

(c)
W1 = [(1, 1, 0, 0), (0, 0, 1, 1)],

W2 = [(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)].

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 66 #72

i i

Seca o 2 Exerccios Resolvidos 66

Portanto, W1 + W2 = [(1, 1, 0, 0), (0, 0, 1, 1), (1, 1, 0, 0), (1, 0, 1, 0),

(1, 0, 0, 1)] = [(1, 1, 0, 0), (0, 0, 1, 1), (1, 1, 0, 0), (1, 0, 1, 0)].

(d)Nao, pois W1 W2 , {0}.

(e) Sabemos que

dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) dim(W1 W2 )

temos dim(W1 + W2 ) = 2 + 3 1 = 4. Logo W1 + W2 = R4 . 

Exerccio 3.1.6. No espaco vetorial R3 consideremos os seguintes subespac os:

U = {(x, y, z) R3 | x = 0}
V = {(x, y, z) R3 | y 2z = 0}
W = [(1, 1, 0), (0, 0, 2)]
Determinar uma base e a dimensao de cada um dos seguintes subespacos:
U, V, W, U V, V + W e U + V + W.

SOLUC
AO
U = {(x, y, z) R3 | x = 0} = {(0, y, z) R3 }, observemos que
(0, y, z) = y(0, 1, 0) + z(0, 0, 1) onde (0, 1, 0), (0, 0, 1) U . Portanto,
U = [(0, 1, 0), (0, 0, 1)], onde {(0, 1, 0), (0, 0, 1)} e uma base. Da, pode-
mos concluir que dim U = 2.

V = {(x, y, z) R3 | y 2z = 0} = {(x, 2z, z) R3 }, observemos que

(x, 2z, z) = x(1, 0, 0) + z(0, 2, 1) onde (1, 0, 0), (0, 2, 1) V. Portanto,
V = [(1, 0, 0), (0, 2, 1)], onde {(1, 0, 0), (0, 2, 1)} e uma base para V. Da,
podemos concluir que dim V = 2.

Como W = [(1, 1, 0), (0, 0, 2)] e {(1, 1, 0), (0, 0, 2)} e L.I segue que
dim W = 2.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 67 #73

i i

Seca o 2 Exerccios Resolvidos 67

U V = {(x, y, z) R3 | x = 0 e y 2z = 0} = {(0, 2z, z) | z R} =

= [(0, 2, 1)]. Portanto, dim(U V) = 1.

V + W = [(1, 0, 0), (0, 2, 1), (1, 1, 0), (0, 0, 2)]. Como

{(1, 0, 0), (1, 1, 0), (0, 0, 2)} e L.I e dim(V + W) 3, segue que
dim(V + W) = 3 e {(1, 0, 0), (1, 1, 0), (0, 0, 2)} e uma base para V + W.

U + V + W = [(1, 0, 0), (1, 1, 0), (0, 0, 2), (0, 1, 0), (0, 0, 1)]. Como
{(1, 0, 0), (0, 1, 0), (0, 0, 1)} e L.I e dim(V + W + U) 3 segue que
dim(V + W + U) = 3 e {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e uma base para
(V + W + U). 

Exerccio 3.1.7. Considere o sistema linear

2x + 4y 6z = a



()
x y + 4z = b


6y 14z = c

Seja W = {(x, y, z) R3 | (x, y, z) e soluca o de ()}. Isto e, W e o conjunto

soluca o do sistema.

(a) Que condico es devemos impor a a, b e c para que W seja um subespaco

vetorial de R3 ?

(b) Nas condico es determinadas no item a) encontre uma base para W.

(c) Que relaca o existe entre a dimensao de W e o grau de liberdade do

sistema?

SOLUC
AO

(a) Observemos que o vetor nulo pertencer a W e condica o necessaria

para W ser subespaco vetorial. Portanto, (0, 0, 0) devera ser
uma soluca o, ou seja, a = b = c = 0.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 68 #74

i i

Seca o 2 Exerccios Resolvidos 68

(b)


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





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



6y 14z = 0 +6y 14z = 0

O sistema acima e possvel e indeterminado com grau de liber-

7z 5z
dade igual a 1. (x, y, z) W y = ex = . Portanto,
3 3
5 7
w = [( , , 1)].
3 3
(c) O grau de liberdade do sistema e a dimensao de W. 

Exerccio 3.1.8. Mostrar que os polinomios (1 t), (1 t)2 , (1 t)3 e 1

geram P3 (R).

SOLUC
AO
Como dim P3 (R) = 4,

1 t, (1 t)2 , (1 t)3 e 1 geram P3 (R) {1 t, (1 t)2 , (1 t)3 , 1} e LI.

Basta, portanto, mostrar que: {1 t, (1 t)2 , (1 t)3 , 1} e LI.

Suponhamos que existam constantes reais k0 , k1 , k2 , k3 tais que

X
3
ki (1 t)i = 0.
i=0

Devemos mostrar que ki = 0 i = 0, , 3. De fato,

3 ( j)
X
i
= 0, j = 0, , 3 e t R.
ki (1 t)
i=0

3 ( j)
X
Para cada j, j = 0, , 3 fazendo t = 1 em ki (1 t)i = 0 temos
i=0
k j = 0. 

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 69 #75

i i

Seca o 2 Exerccios Resolvidos 69

Mais geralmente: O conjunto

{1, (x a), (x a)2 , , (x a)n1 , (x a)n }

de vetores de Pn (R), onde a R e LI (pode ser resolvido com

raciocnio analogo ao aplicado no caso anterior para n = 3, ou seja,
considerar as (n + 1)equacoes
da forma
n ( j)
X
ki (x a)i = 0.

i=0

onde j = 0, , n e fazer x = a em cada uma das (n + 1)equaco es.

Outra maneira: Suponhamos que existam ki , i = 0, , n reais tais
que
X
n
ki (x a)i = 0. (1)
i=0

Como a relaca o (1) e valida x R, consideremos t0 , t1 , , tn distin-

tos entre si e diferentes de a. Temos o seguinte sistema homogeneo
de (n + 1) equacoes:



X
n

ki (t0 a)i = 0.





i=0

X
n



ki (t1 a)i = 0.





i=0
X
n

ki (t2 a)i = 0.





i=0

..

.



X
n



ki (tn a)i = 0.



i=0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 70 #76

i i

Seca o 2 Exerccios Resolvidos 70

Escrevendo o sistema sob a forma matricial:

1 (t0 a) (t0 a)2 (t0 a)n k0 0

1 (t1 a)n (t1 a)n (t1 a)n k1 0


1 (t2 a)n (t2 a)n (t2 a)n k2 = 0 .

.. .. .. .. .. .. ..
. . . . . . .


1 (tn a)n (tn a)n (tn a)n kn 0

Observemos que o sistema acima e possvel e determinado, visto que

o determinante da matriz dos coeficientes do sistema e nao-nulo (Ver
Apendice - Matrizes: Matriz de Vandermond). Portanto, podemos
concluir que ki = 0, i = 0, , n. Logo,
{1, (x a), (x a)2 , , (x a)n1 , (x a)n } de vetores de Pn (R), onde
a R e LI. 

Exerccio 3.1.9. Mostrar que os dois conjuntos abaixo formados de funco es

contnuas reais definidas em R geram o mesmo subespaco vetorial de C(R):

{sen2 (t), cos2 (t), sen(t) cos(t)} e {1, sen(2t), cos(2t)}

SOLUC
AO
Usando as relacoes
trigonometricas:


sen(2t) = 2sen(t)cos(t)




cos(2t) = cos2 (t) sen2 (t)


cos2 (t) + sen2 (t) = 1

temos que: [1, sen(2t), cos(2t)] [sen2 (t), cos2 (t), sen(t) cos(t)].

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 71 #77

i i

Seca o 2 Exerccios Resolvidos 71

Usando as relacoes
trigonometricas:
1 + cos(t)



cos2 (t) = ,

2
1 cos(t)

sen2 (t) = ,

2


sen(2t) = 2sen(t)cos(t)

temos que: [sen2 (t), cos2 (t), sen(t) cos(t)] [1, sen(2t), cos(2t)].
Logo, [1, sen(2t), cos(2t)] = [sen2 (t), cos2 (t), sen(t) cos(t)]. 

Exerccio 3.1.10. Provar que o conjunto de funco es {eat cos(bt), eat sen(bt)},
onde a e b sao numeros
reais e b , 0, e LI

SOLUC
AO
Suponhamos que existam constantes reais k1 e k2 tais que:
k1 eat cos(bt) + k2 eat sen(bt) = 0. Devemos mostrar que k1 = k2 = 0.
De fato, observemos que: k1 eat cos(bt) + k2 eat sen(bt) = 0 t R em
particular para t = 0, portanto, temos k1 1 1 + 0 = 0, ou seja, k1 = 0.
E como, k2 eat sen(bt) = 0 t R, em particular para t = segue que
k2 ea 1 = 0, ou seja, k2 = 0. 

Exerccio 3.1.11. Mostrar que os numeros

2 + 3i e 1 2i geram o espaco
vetorial C sobre R.

SOLUC
AO
Devemos mostrar que z C, z pode ser escrito como combinaca o
linear 2+ 3i e 1 2i. De fato, seja z = x+ iy onde x, y R. Observemos
que

x + iy = a(1 2i) + b(2 + 3i) x = 2a + b, y = 3a 2b

2 1 a x
=
3 2 b y

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 72 #78

i i

Seca o 2 Exerccios Resolvidos 72

2 1
onde a, b R. Como a matriz e inversvel temos que o
3 2
sistema acima e possvel e determinado. Portanto, podemos concluir
que 2 + 3i e 1 2i geram C sobre R, ou seja, {2 + 3i, 1 2i} formam
uma base para o espaco vetorial C sobre R. 

Exerccio 3.1.12. Considere o seguinte subespaco vetorial de C3 :

W = [(1, 0, i), (1, 1 + i, 1 i), (1, 1 i, 1 + 3i)].

Determinar uma base deste subespaco.

SOLUC
AO
Observemos que:

1 0 i 1 0 i

1 1 + i 1i 0 1 + i 1 2i


1 1 i 1 + 3i 0 1 i 1 + 2i

1 0 i

0 1 + i 1 2i


0 0 0

Portanto,
dim(W) = 2 e {(1, 0, i), (1, 1 + i, 1 i)}, {(1, 1 i, 1 + 3i), (1, 0, i)},
{(1, 1 + i, 1 i), (1, 1 i, 1 + 3i)} sao bases para W. 

Exerccio 3.1.13. Considere as bases B = {e1 , e2 , e3 } e C = {g1 , g2 , g3 } do

R3 assim relacionadas:

g1 = e1 e2 e3
g2 = + 2e2 + 3e3
g3 = 3e1 + e3

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 73 #79

i i

Seca o 2 Exerccios Resolvidos 73

(a) Determinar as matrizes de mudancas de B para C e de C para B.

(b) Se um vetor u de R3 apresenta coordenadas 1, 2 e 3, em relaca o a B,

quais as coordenadas de u relativamente a C?

SOLUC
AO

(a)

1 0 3

[I]CB = 1 2 0

1 3 1


g1 = e1 e2 e3
g1 = e1 e2 e3

L3 3L1 L3



g2 = 2e2 + 3e3
g2 = 2e2 + 3e3



g = 3e + e g 3g = 3e + 4e
3 1 3 3 1 2 3

g1 = e1 e2 e3

2L3 + 3L2 L3


g2 = 2e2 + 3e3


g 3g = 3e + 4e
3 1 2 3


g1 = e1 e2 e3
2L3 + 3L2 L3
1 3

2 L2 2 L3 L2

g = 2e2 + 3e3
2

2g + 6g + 3g = e
3 1 2 3


1 3 g1 = e1 e2 e3

2 L2 2 L3 L2 L2 L3 + L1 L1

e2 = 9g1 4g2 + 3g3


e = 6g + 3g 2g
3 1 2 3


e1 = 2g1 g2 + g3
L2 L3 + L1 L1


e2 = 9g1 4g2 + 3g3


e = 6g + 3g 2g
3 1 2 3

2 9 6

Portanto, [I]BC = 1 4 3 .


1 3 2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 74 #80

i i

Seca o 2 Exerccios Resolvidos 74

Observemos que:

[I]CB = ([I]BC )1

(b)

2 9 6 1 2

[u]C = [I]C [u]B = 1 4 3
B 2 = 0 . 


1 3 2 3 1

Exerccio 3.1.14. Mostrar que e um subespaco de Mn (R) o subconjunto

formado pelas matrizes anti-simetricas. Mostrar que Mn (R) e soma direta
dos subespacos das matrizes simetricas e das anti-simetricas.

DEMONSTRAC
AO
Considere Sn (R) := {A Mn (R) | A = At } o conjunto das matrizes
simetricas e ATn (R) := {A Mn (R) | A = At } o conjunto das ma-
trizes anti-simetricas.
Afirmaca o 1: Sn (R) e um subespaco vetorial de Mn (R).
De fato, 0 Sn (R). Sejam A, B Sn (R) e k R. Temos que (A + kB)t =
= At +kBt = A+kB, portanto, A+kB Sn (R). Podemos entao concluir
que Sn (R) e um subespaco vetorial de Mn (R).
Afirmaca o 2: ATn (R) e um subespaco vetorial de Mn (R).
De fato, 0 ATn (R). Sejam A, B ATn (R) e k R, temos que
(A + kB)t = At + kBt = A kB = (A + kB). Podemos entao concluir
que ATn (R) e um subespaco vetorial de Mn (R).
L
Afirmaca o 3: Mn (R) = Sn (R) ATn (R).
A + At A At
De fato, seja A Mn (R), A = + , onde
2 2
A+A t AA t
Sn (R) e ATn (R), podemos, portanto, concluir que
2 2
Mn (R) = Sn (R) + ATn (R).
Observemos, ainda, que se A Sn (R) ATn (R) A = 0 (matriz
identicamente nula), pois pela definica o teramos que
A = At = A.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 75 #81

i i

Seca o 2 Exerccios Resolvidos 75

L
Logo, Mn (R) = Sn (R) ATn (R). 

Exerccio 3.1.15. Mostrar que as matrizes:

1 1 2 1 0 1 0 0

,


0 0 0 0 , 1 0 e 0 2

formam uma base de M2 (R).

SOLUC
AO
Como dim M2 (R) = 4, basta mostrarmos que


1 1 2 1 0 1 0 0

, , ,

0 0 0 0 1 0 0 2
e LI

Considere a base canonica

de M2 (R).

1 1
= 1 1 0 + 1 0 1 + 0 0 0 + 0 0 0 ,
0 0 0 0 0 0 1 0 0 1

ou seja,

1

1 1 1

=
0 0

0

0

Analogamente, podemos concluir que:

2 0 0


2 1 1 0 1 1 0 0 0

= , =

0 0 0 1 0
,
0 2

= .
1

0

0 0 2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 76 #82

i i

Seca o 2 Exerccios Resolvidos 76

Observemos que a matriz

1 1 0 0 1 1 0 0

2 1 0 0 0 1 0 0

A =

.
0 1 1 0 0 0 1 0


0 0 0 2 0 0 0 2

Da a matriz A e invertvel e, portanto, os vetores cujas coordenadas

representam as linhas desta matriz sao LI 

Exerccio 3.1.16. Determinar a dimensao dos seguintes subespacos de

Mn (R):
(a) subespaco das matrizes simetricas;

(b) subespaco das matrizes anti-simetricas;

(c) subespaco das matrizes A tais que A = 2At ;

X
n
(d) subespaco das matrizes A = (aij ) tais que (aii ) = 0.
i=1
SOLUC
AO
(a) Considere Sn (R) = {A = [aij ] Mn (R) | aij = a ji }.

a11 a12 a13 a1n

a
12 a22 a23 a2n

A = [aij ] Sn (R), A = a13 a23 a33 a3n .
. .. .. . . .
.. . . . ..


a1n a2n a3n ann

0 1 0 0 0 0 0 1

1 0 0 0 0 0 0 0

X n
A= aii Di +a12 0 0 0 0 + +a1n 0
0 0 0 +

. . . . .. . .. .. .. ..
i=1 .. .. .. .. . .. . . . .


0 0 0 0 1 0 0 0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 77 #83

i i

Seca o 2 Exerccios Resolvidos 77

0 0 0 0 0 0 0 0

0 0 1 0
0 0 0 1


+a23 0 1 0 0 + + a2n


0 0 0 0 + +

.. .. .. .. .. .. .. .. .. ..
. . . . . . . . . .


0 0 0 0 0 1 0 0

0 0 0 0

0 0 0 0

.. .. .. .. ..
+an(n1) . . . . . .

0 0 0 1


0 0 0 1 0
onde Dii e a matriz diagonal de ordem n, cuja entrada ii e igual
a 0, e as demais entradas (da diagonal) sao nulas.
n(n + 1)
Da, dim Sn (R) = n + (n 1) + + 1 = .
2
(b) Considere ATn (R) := {A Mn (R) | A = At } o conjunto das
matrizes anti-simetricas.

0 a12 a13 a1n

a 0 a23 a2n
12


A = [aij ] ATn (R), A = a13 a23 0 a3n
.
.. . . .. .
.. .. . ..

a1n a2n a3n 0

0 1 0 0 0 0 0 1

1 0 0 0 0 0 0 0


A = a12 0 0 0 0 + + a1n


0 0 0 0 +

.. .. .. .. .. .. .. .. .. ..
. . . . . . . . . .


0 0 0 0 1 0 0 0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 78 #84

i i

Seca o 2 Exerccios Resolvidos 78

0 00 0 0 0 0
0

0 0 1 0
0 0 0 1


+a23 0 1 0 0 + + a2n


0 0 0 0 + +

.. .. .. .. .. .. .. .. .. ..
. . . . . . . . . .


0 0 0 0 0 1 0 0

0 0 0
0

0 0 0 0

.. .. .. .. ..
+an(n1) . . . . . .

0 0 0 1


0 0 0 1 0
L
Como Mn (R) = Sn (R) ATn (R), temos que
n(n + 1) n(n 1)
dim ATn (R) = dim Mn (R)dim Sn (R) = n2 = .
2 2
(c) Subespaco das matrizes A tais que A = 2At e o subespaco nulo,
pois aij = 2a ji e a ji = 2aij e, portanto, tem dimensao zero.
P
(d) Considere N = {A = [aij ] tais que ni=1 (aii ) = 0}.

a11 a12 a13 a1n


a21 a22 a23 a2n


Seja A N, A = a31 a32 a33 a3n
. . . . ..
.. .. .. .. .

P(n1)
an1 an2 an3 i=1
(aii )

1 0 0 0 0 0 0 0

0 0 0 0

0 1 0
0

A = a11 0 0 0 0 + a22 0 0 0
0 + +
. . . . . . . .
.. .. .. . . ... .. .. .. . . ..
.

0 0 0 1 0 0 0 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 79 #85

i i

Seca o 2 Exerccios Resolvidos 79

0 0 0 0 0 1 0 0

0 0 0 0 0 0 0 0

. .. .. .. ..
+a(n1)(n1) .. . . . . + a12 0 0
0 0 +

. . .. . . ..
0 0 1 0 .. .. . . .


0 0 0 0 1 0 0 0 0

0 0 0 1 0 0 0 0



0

0
0 0 0 0 0 0
. .. .. .
+ + a1n 0 0 0 0 + + a
(n1)n
.
. . . .. .
. .. .. . . ..
.. . . . . 0 0 0 1


0 0 0 0 0 0 0 0
dim N = n2 1 

Exerccio 3.1.17. Considere o seguinte subespac

o vetorial de M2 (R):

x y

U= M2 (R) | x y z = 0
.
z t

(a) Mostrar que os seguintes subconjuntos de M2 (R) sao bases de U:

1 1

1 0



0 0

B= e
0 0
1 0 0 1

0 1 0 0

1 0

C= 1 0 0 1
1 0

(b) Achar a matriz mudanca de base de B para C e de C para B.

(c) Achar uma base D de U, de maneira que a matriz de mudanca de D

para B seja:

1 1 0

0 0 2 .


0 3 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 80 #86

i i

Seca o 2 Exerccios Resolvidos 80

SOLUC
AO

x y
(a) Seja U como x y z = 0, segue que
z t

x y y + z y y y z 0 0 0

z t = z =
t 0 0
+ +
z 0 0 t
=

1 1 0 0 0
= y + z 1 + t .
0 0 1 0 0 1

Portanto, B gera U.

Afirmamos que B e LI.

De fato, suponha que existam a, b, c R de forma que

1 1 0 0
a + b 1 0 + c 0 0 = ,
0 0 1 0 0 1 0 0

ou seja, a = b = c = 0. Portanto B e LI.

Como B gera U e e um conjunto LI de vetores, segue que B e
uma base para o subespaco vetorial U e portanto dim U = 3.
Como dim U = 3 entao para mostrar que o conjunto C e tambem
uma base para o espaco U, basta mostrar que C e LI.
De fato, suponhamos que existam escalares reais k1 , k2 , k3
tais que

1 0 0 1 0 0 0 0
k1 + k2


1 0 + k3 0 1
=
0 0
.

1 0

k1 k2 0 0
Portanto, = . Da k1 = k2 = k3 = 0.
k2 + k1 k3 0 0

(b) Observemos que

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 81 #87

i i

Seca o 2 Exerccios Resolvidos 81

1 1 0 1 0 0
= 1 1 0 1 .
0 0 1 0 1 0 + 0 0 0

1
1 1
Portanto, = 1 .
0 0
C
0
Por raciocnio analogo, podemos afirmar que:

0 0
1 0 0 0
= 1 = 0 .
1 0 0 1
C C
0 1

1 0 0

Portanto, [I]BC = 1 1 0 . Observemos que:

0 0 1
[I]CB = ([I]BC )1 .

(c) Considere D = {v1 , v2 , v3 }.Como temos a matriz mudanca da

1

base D para a base B, sabemos que [v1 ]B = 0 e, portanto,

0

1 1 1 0 0 0 1 1
v1 = 1 +0
1 0 +0 0 1 , ou seja, v1 = 0 0 .

0 0

1 0

Analogamente, [v2 ]B = 0 , [v3 ]B = 2 .


3 1

1 1 1 0 0 0
Portanto,v2 = 1
+ 0
+ 3 , ou seja,
0 0 1 0 0 1

1 1
v2 = e
0 3

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 82 #88

i i

Seca o 2 Exerccios Resolvidos 82

1 1 1 0 0 0
v3 = 0 + 2 + 1 , ou seja,
0 0 1 0 0 1

2 0
v3 = .
2 1



1 1 1 1 2 0
,
D= , e a base desejada. 
0 0 0 3 2 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 83 #89

i i

83

3.2 Exerccios Propostos

1) Determine quais dos conjuntos abaixo sao subespacos de Rn (com
n 3) sobre o corpo R dos numeros
reais. Justifique sua resposta.

(a) W1 = {(u1 , u2 , , un ) Rn | u1 0}.

(b) W2 = {(u1 , u2 , , un ) Rn | u1 + 3 u2 = u3 }.

(c) W3 = {(u1 , u2 , , un ) Rn | u2 = u21 }.

(d) W4 = {(u1 , u2 , , un ) Rn | u1 u2 = 0}.

(e) W5 = {(u1 , u2 , , un ) Rn | u2 e irracional}.

2) Seja F (R, R) o espaco vetorial de todas as funcoes

de R para R
sobre o corpo R dos numeros
reais. Determine quais dos conjuntos
abaixo sao subespacos de F (R, R). Justifique sua resposta.

(a) W1 = { f F (R, R) | f (t2 ) = ( f (t))2 para todo t R}.

(b) W2 = { f F (R, R) | f (0) = 2}.

(c) W3 = { f F (R, R) | f (3) = 1 + f (5)}.

(d) W4 = { f F (R, R) | f (1) = 0}.

(e) W5 = { f F (R, R) | f e contnua}.

3) Seja F = {(x, y, z) R3 | x + y = 0} um subconjunto de R3 .

(a) Mostre que F e um subespaco vetorial e indique uma base de F

e a respectiva dimensao.
h i
(b) Sendo G = (1, 1, 0), (1, 1, 1) , determine as equacoes
carte-
sianas do subespaco G e indique um conjunto de geradores de
G que nao seja base. Qual a dimensao de G? Justifique.

(c) Caracterize F + G e indique a respectiva dimensao. Sera F + G

uma soma direta? Justifique.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 84 #90

i i

Seca o 3 Exerccios Propostos 84

4) Considere os subespacos vetoriais de R4 ,

n o
F = (x, y, z, w) R4 | x y = 0; x + 2y = w
h i
G = (1, 1, 1, 0), (1, 1, 2, 1) .

(a) Calcule uma base e a dimensao de F.

(b) Caracterize G por meio de um sistema de equaco es cartesianas.

(c) Determine uma base para o subespaco H = F + G e indique a

respectiva dimensao. H e uma soma direta? Justifique.

5. Seja V = {(x, y, z, t) R4 | y z = 0}, u = (1, 1, 1, 0), v = (0, 2, 2, 1)

e w = (2, 0, 0, 3).

a) Mostre que {u, v, w} gera V.

b) Ache as coordenadas do vetor (5, 5, 5, 4) em relaca o a` base

A = {u, v, w}.

c) Encontre um conjunto de geradores de V que seja LD.

1 2 0 0

6. Estenda o conjunto


,

a uma base de M22 (R).
0 1 1 1

7. Prove que a uniao de tres subespacos vetoriais so pode ser um

subespaco vetorial quando um deles contem os outros dois.

8. Para todo subespaco vetorial F Rn , prove que existe um

subespaco G tal que Rn = F G.

9. Seja F um subespaco vetorial de E. Assinale V (verdadeiro) ou F

(falso):

a) se u < F e v < F, entao u + v < F;

b) se u < F e , 0, entao u < F.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 85 #91

i i

Seca o 3 Exerccios Propostos 85

10. Prove que todo espaco vetorial de dimensao finita e soma direta
de subespacos de dimensao 1.
11. Dado o conjunto finito X = {a1 , , n }, obtenha uma base para
o espaco vetorial F (X, R).
Dica: Considere para cada i = 1, , n a funca o fi : X R tal que
f (ai ) = 1 e f (x) = 0, se x , a.
12. Seja X um conjunto infinito. Para cada a X, seja fa : X R
a funca o tal que fa (a) = 1 e fa (x) = 0, sex , a. Prove que o conjunto
Y F (X, R) formado por estas funcoes
e linearmente indepen-
dente, logo F (X, R) tem dimensao infinita. Prove ainda que Y nao
gera F (X, R).
Dica: Para provar que Y nao gera F (X, R), mostre que as funcoes

constantes, nao nulas, nao pertencem a Y.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 86 #92

i i

86

3.3 Apendice I
1. Sejam A Mmr (K), B Mrn (K) e C = AB Mmn (K).

Afirmaca o 1. Se A Mmr (K), B Mrn (K) e C = AB Mmn (K)

entao Posto(A) Posto(C).

Dem: Sejam A = [aij ]mr , B = [bij ]rn e C = [cij ]mn . Considere

Posto(A) = s e l j = (a j1 , a j2 , , a jr ), , l j+s = (a( j+s)1 , a( j+s)2 , , a( j+s)r )
linhas de A portanto existem t j , , t( j+s) constantes nao todas nulas
tais que:

Xj+s j+s
X j+s
X

t j l j + t j+1 l j+1 + + t j+s l j+s = ti ai1 , ti ai2 , . . . , ti air =

i=j i=j i=j
= (0, 0, , 0).

Considere el j = (c j1 , c j2 , , c jn ), , e
l j+s = (c( j+s)1 , c( j+s)2 , , c( j+s)n )
Xr
linhas de C. Como C = AB temos: cij = aik bkj .
k=1

Portanto,
r r
X X
r X X
r
l j =
e a jk bk1 , , a jk bkn , e
l( j+1) = a( j+1)k bk1 , , a( j+1)k bkn ,
k=1 k=1 k=1 k=1

r
X X
r
,e
l( j+s) = a( j+s)k bk1 , , a( j+s)k bkn .
k=1 k=1

Observemos que:

X j+s
r X X
r X j+s

t je
l j + t j+1e
l j+1 + + t j+se
l j+s = ( tq aqk )bk1 , , ( tq aqk )bkn =

k=1 q=j k=1 q=j
= (0, 0, , 0).

Logo, podemos concluir que s = Posto(A) Posto(C).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 87 #93

i i

Seca o 4 Apendice I 87

Afirmaca o 2. Se A Mmr (K), B Mrn (K) e C = AB Mmn (K)

entao Posto(B) Posto(C).

Dem: Como C = AB Ct = (AB)t = Bt At segue pela afirmaca o

acima que posto(C) = Posto(Ct ) Posto(Bt ) = Posto(B).
Generalizaca o de soma direta de subespacos de um mesmo
espaco vetorial

Definica o 3.3.1. Seja V espaco vetorial sobre o corpo K.

Considere W1 , W2 , , Wk subespacos de V.
Seja W = W1 + W2 + + Wk = {w | w = w1 + + wk ; wi Wi }.
Dizemos que W1 , W2 , , Wk sao independentes se

w1 + + wk = 0 wi = 0 i = 1, , k.

Obs: Independencia de subespacos e a generalizaca o de inde-

pendencia linear de vetores.

Proposica o 3.3.2. Suponha que W1 , W2 , , Wk subespacos de V.

Considere W = W1 + W2 + + Wk .
Sao equivalentes:

1. {Wi }ki=1 e independente.

2. Cada vetor w W pode ser escrito na forma w = w1 + w2 + + wk

de maneira unica.

P
3. Wi ( kj,i W j ) = 0; i = 1, , k.

Dem: Ver HOFFMAN, Kenneth & KUNZE, Ray. Algebra Linear.
Editora Polgono: Sao Paulo. 1971.

Definica o 3.3.3. Quando as condico es acima sao satisfeitas, dizemos que

W e soma direta de W1 , W2 , , Wk e escrevemos
Lk L L L
W= i=1 W i = W 1 W 2 Wk .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 88 #94

i i

88

Lema 3.3.4. V espaco vetorial de dimensao finita sobre K e W1 , W2 , , Wk

subespacos de V. As seguintes afirmaco es sao equivalentes:
Lk
1. V = i=1 Wi .
Sk
2. Se i e base de Wi para i = 1, , k entao = i=1 i e base para V.

Dem: Ver HOFFMAN, Kenneth & KUNZE, Ray. Algebra Linear. Edi-
tora Polgono: Sao Paulo. 1971.

3.4 Apendice II
Exemplos de espacos vetoriais de dimensao infinita

1. R = {(xn )nN | xn R, n N}.

S
2. P(K) := 0 Pn (K).
T
3. C (R) := { f : R R | f Cn (R), n N} = 0 Cn (R).

LEITURA COMPLEMENTAR: Os assuntos tratados abaixo, geral-

mente, sao abordados em cursos de matematica mais avancados. O
intuito de coloca-los aqui e para que sirva, pelo menos, de orientaca o
para os que desejam complementar a leitura aprofundando seus es-
tudos.

Teorema 3.4.1. Seja V um espaco vetorial, nao nulo, sobre o corpo K.

Entao existe uma base para V.

Para demonstrarmos o teorema acima, utilizaremos um lema muito

especial da Teoria dos Conjuntos, o LEMA DE ZORN.

Nocoes
Basicas
Seja S um conjunto. Uma ordem parcial (tambem chamada uma
ordem) em S e uma relaca o, escrita x y, entre alguns pares de
elementos de S, dotada das seguintes propriedades:

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 89 #95

i i

Seca o 5 Apendice II 89

1. x x.

2. Se x y e y z, entao x z.

3. Se x y e y x, entao x = y.

OBS: Alguns pares de elementos de S podem nao ser comparaveis.

Exemplo 3.4.1. : Sejam X um conjunto e S o conjunto dos subconjuntos de

X. Se Y , Z sao subconjuntos de X, definimos Y Z se Y e um subconjunto
de Z. Isso define uma ordem parcial em S. Esta ordem parcial e a inclusao,
ou seja, Y Z Y Z.

Definica o 3.4.2. Seja S um conjunto parcialmente ordenado. Dizemos

que a, a S e menor elemento de S se a x, x S. E dizemos que b S
e maior elemento , se x b, x S. Observe que se existem um menor
ou maior elemento de um conjunto S parcialmente ordenado, estes serao
unicos.

Definica o 3.4.3. Um elemento m de S e dito maximal se x S e x m,

entao x = m.

Definica o 3.4.4. Sejam S um conjunto parcialmente ordenado e T um

subconjunto. Um majorante de T (em S) e um elemento b S tal que
x b, x T. Um supremo de T em S e um majorante b tal que, se c e
outro majorante entao b c.

Definica o 3.4.5. Seja S um conjunto parcialmente ordenado. Diremos

que S e totalmente ordenado se, dados, x, y S, tivermos, necessariamente,
x y, ou y x.

Exemplo 3.4.2. R, conjunto dos numeros

reais, e totalmente ordenado.

Definica o 3.4.6. Diremos que S e estritamente indutivamente ordenado

se todo subconjunto nao vazio totalmente ordenado possuir supremo.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 90 #96

i i

Seca o 5 Apendice II 90

LEMA DE ZORN
Seja S um conjunto nao vazio indutivamente ordenado. Entao existe
um elemento maximal em S.
Demonstraca o: Ver LANG, Serg. Estruturas Algebricas. Tradu-
tor: Prof. Claudio R. W. Abramo. Rio de Janeiro, Ao livro tecnico;
Braslia, Instituto Nacional do Livro, 1972.

Seja V um espaco vetorial sobre um corpo K (qualquer).

Definica o 3.4.7. Diremos que uma famlia {vi }iI e linearmente inde-
pendente se sempre que tivermos uma famlia {ai }iI com ai K, e todos
os ai iguais a zero a menos de um numero finito de ndices i, e ainda se
P
iI ai vi = 0, ent
ao todos os ai = 0.

Definica o 3.4.8. Dizemos que uma famlia {vi }iI de elementos de V gera
V se todo elemento v V pode ser escrito na forma
P
v = iI ai vi , para alguma famlia {ai }iI com ai K, onde os ai sao iguais
a zero a menos de um numero
finito de ndices.
Uma famlia {vi }iI que gera V e que e linearmente independente (LI) e
chamada uma base para V.

Teorema 3.4.9. Seja V um espaco vetorial, nao nulo, sobre o corpo K.

Entao existe uma base para V.

Demonstraca o: Seja S o conjunto dos subconjuntos linearmente in-

dependentes de V. Entao S e nao-vazio, pois para todo v V, v , 0,

{v} e linearmente independente. Se B e B sao elementos de S, defini-

mos B B se B B . O conjunto S e ,entao, parcialmente ordenado
e indutivamente ordenado, pois se T e um subconjunto totalmente
ordenado de S, [
B
BT

e um majorante para T em S. Aplicando o lema de Zorn, seja entao

M um elemento maximal. Seja v V. Como M e maximal, se v < M

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 91 #97

i i

Seca o 5 Apendice II 91

o conjunto M {v} nao e linearmente independente. Logo, existem

elementos aw K (w M) e b K, nao todos nulos (os elementos
nao nulos sao uma quantidade finita) tais que
X
bv + aw w = 0.
wM

Se b = 0, entramos em contradica o com o fato de que M e linearmente

independente. Assim b , 0, e
X
v= b1 aw w
wM

e uma combinaca o linear de elementos de M. Se v M, entao v e ,

obviamente, uma combinaca o linear de elementos de M. Assim, M
gera V, e e a base desejada para V.
Resultados sobre dependencia linear em Cn1 (I),
I R, intervalo aberto.
WRONSKIANO

Cn1 (I) := { f : I R | f (n1) : I R e f (n1) e contnua em I}.

Definica o 3.4.10. Sejam y1 (x), , yn (x) funco es pertencentes a Cn1 (I),

I R, intervalo aberto .
O Wronskiano de y1 (x), , yn (x) e definido da seguinte maneira:

y1 (x) yn (x)

y (x) y

(x)
1 n
W(y1 (x), , yn (x)) = det . . . .

.. .. ..

(n1) (n1)
y1 (x) yn (x)

Teorema 3.4.11. Sejam y1 (x), , yn (x) funco es pertencentes a Cn1 (I).

Se W(y1 (x0 ), , yn (x0 )) , 0, para algum x0 I, entao {y1 (x), , yn (x)}
e LI em I.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 92 #98

i i

92

Demonstraca o: Ver KREIDER, Donald L.. KULLER, Robert G..

OSTBERG, Donald R.. Equaco es Diferenciais. Traduca o: Elza F..Sao
Paulo. Edgard Blucher.
Editora: Universidade de Sao Paulo. 1972.

Teorema 3.4.12. Dadas y1 (x), , yn (x) funco es pertencentes a Cn1 (I)

e soluco es de uma mesma equaca o diferencial ordinaria linear normal de
ordem n.
Se W(y1 (x), , yn (x)) 0 em I, entao {y1 (x), , yn (x)} e LD em I.

Demonstraca o: Ver KREIDER, Donald L.. KULLER, Robert G..

OSTBERG, Donald R.. Equaco es Diferenciais. Traduca o: Elza F..Sao
Paulo. Edgard Blucher.
Editora: Universidade de Sao Paulo. 1972.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 93 #99

i i

Captulo 4

Transformacoes
Lineares

Sejam V e W espacos vetoriais sobre um mesmo corpo K, e n,

m numeros
naturais.

Definica o 4.0.13. Uma funca o T: V W e dita linear se satisfaz:

(i) T(u + v) = T(u) + T(v)
u, v V, K.
(ii) T(u) = u

Definica o 4.0.14. Uma transformaca o linear T: V V e dita

operador linear.

Definica o 4.0.15. O conjunto

L(V, W) = { T: V W | T e linear} e um espaco vetorial sobre K.
Notaca o: L(V) = L(V, V).

Proposica o 4.0.16. Se T: V W e linear entao T(0) = 0.

Definica o 4.0.17. Seja T L(V, W). Chamaremos de nucleo

de T ,
o conjunto Ker(T) = {v V | T(v) = 0} ( 0 elemento neutro de W.) e de
conjunto imagem de T, o conjunto
Im(T) = {w W | v V tal queT(v) = w}.

Proposica o 4.0.18. Seja T L(V, W).

Ker(T) e um subespaco vetorial de V, e Im (T) e um subespaco vetorial de
W.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 94 #100

i i

Seca o 1 Definicoes
e Teoremas 94

Proposica o 4.0.19. Seja T L(V, W).

T e injetiva se, e somente se, Ker(T) = {0}.

Proposica o 4.0.20. Seja T L(V, W).

T e injetiva se, e somente se, T leva conjunto LI em conjunto LI.

Definica o 4.0.21. Sejam T, S L(V). Definiremos

ST(v) = S T(v) v V .

Proposica o 4.0.22. Sejam U, T, S L(V).

Valem as seguintes propriedades:

1. (UT)S = U(TS).

2. U(T + S) = UT + US.

3. (T + S)U = TU + SU.

4. IT = TI = T.

5. k(TS) = (kT)S = T(kS), k K.

Portanto, L(V) e uma a lgebra sobre K.

Proposica o 4.0.23. Uma transformaca o linear T: V W e bije-

tiva se, e somente se, existe S L(W, V) tal que S T = I : V V e
TS=I :W W.

Definica o 4.0.24. Uma transformaca o linear T: V W que e

bijetiva e dita isomorfismo linear e os espacos vetoriais V , W isomorfos.
Quando V = W, a transformaca o linear T e chamada de automorfismo.

Proposica o 4.0.25. A inversa de uma transformaca o linear bijetora e

tambem linear.

Proposica o 4.0.26. Sejam T: V W linear. Se {v1 , v2 , , vn }

e uma base de V entao {T(v1 ), , T(vn )} gera Im(T).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 95 #101

i i

Seca o 1 Definicoes
e Teoremas 95

Teorema 4.0.27. (Nucleo

e Imagem) Sejam V, W espacos vetoriais de
dimensao finita e T L(V, W). Entao: dim V = dim Ker(T) + dim Im(T).

Proposica o 4.0.28. Sejam T : V W linear e dim V = dim W < .

As seguintes afirmaco es sao equivalentes:
(i) T e bijetiva
(ii) T e injetiva
(iii) T e sobrejetiva

Proposica o 4.0.29. Seja T L(V, W), dim V = dim W < . T e

bijetiva se, e somente se, T leva conjunto base em conjunto base.

Proposica o 4.0.30. Se T : V W e linear, dim V = n e dim W = m,

entao T(v) = Av, onde A Mmn (K), a matriz A e unica
a memos de
isomorfismo.

Proposica o 4.0.31. Sejam V e W espacos vetoriais tais que {v1 , , vn }

e uma base de V e {w1 , , wn } vetores arbitrarios em W. Entao
!T : V W linear tal que T(vi ) = wi i = 1, , n.

Definica o 4.0.32. Sejam T : V W linear, dim V = n, dim W =

= m, V = {v1 , v2 ,h , vn } e W bases de V e W, respectivamente.
i Dizemos
V
que [T] W
= [T(v1 )]W | | [T(vn )]W e a matriz de
mn
T em relaca o as bases V e W .

Definica o 4.0.33. Quando e sao bases de V e I : V V e a

identidade, a matriz de I em relaca o a` s bases e e chamada matriz

mudanca de base de para .

Notaca o: [I] .

Proposica o 4.0.34. Sejam V , W espacos vetoriais de dimensao finita

e T: V W linear. Considere , bases de V e , bases de W
entao:

[T] = [I] [T] [I] .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 96 #102

i i

96

Representac a o grafica:
T
[V] V [w] W

I I

T
[V] V [w] W

Observaca o 4.0.35. Observe que [T] e [T] sao matrizes semelhantes.

Proposica o 4.0.36. Seja T L(V, W), dim V < e dim W < . T e

bijetiva se, e somente se, existem e bases de V e W, respectivamente,
tal que [T] e inversvel (ou invertvel).

Proposica o 4.0.37. Sejam V e W de dimensao n e m, respectivamente.

Entao L(V, W) Mmn (K). Em particular, dim L(V, W) = n m.

Proposica o 4.0.38. Sejam A e B matrizes semelhantes, entao posto (A) =

= posto(B).

Proposica o 4.0.39. Sejam S, T L(V), dim V < . Sejam 1 , 2 , 3

bases de V. Se A = [T]2 e B = [S]3 entao AB = [TS]3 .
1 2 1

Proposica o 4.0.40. V, W espacos vetoriais, sobre um mesmo corpo

K, de dimensao n e m respectivamente. Sejam T L(V, W), 1

base de V e 2 base de W. Considere A = [T]1 Mmn (K). Entao:
2
dim V = posto(A) + dim(Ker(T)).

Definica o 4.0.41. V, W espacos vetoriais, sobre um mesmo corpo K,

de dimensao n e m respectivamente. Sejam T L(V, W), 1 base

de V e 2 base de W. Considere A = [T]1 Mmn (K). Definimos
2
Nul(A) = dim(Ker(T)).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 97 #103

i i

Seca o 2 Exerccios Resolvidos 97

4.1 Exerccios Resolvidos

Exerccio 4.1.1. Verifique se sao operadores lineares no espaco Pn (R):

(a) T: Pn (R) Pn (R) tal que F( f (t)) = t f (t), f (t) Pn (R).

(b) T: Pn (R) Pn (R) tal que F( f (t)) = f (t) + t2 f (t), f (t) Pn (R).

SOLUC
AO
Vamos verificar se valem as condicoes
para que uma funca o, cujo
domnio e contra-domnio sao espacos vetoriais sobre o mesmo corpo
de escalares, seja uma transformaca o linear.

(a) Observe que o conjunto = {1, t, t2 , , tn } e uma base para

Pn (R). E como dimensao de um espaco vetorial e um invari-
ante, ou seja , nao depende da base escolhida, temos que a
dimensao de Pn (R) e n + 1 (Ver Captulo 2: Espacos Vetoriais
sobre K).

(b) Devemos mostrar que a funca o T satisfaz as condicoes

para ser
uma transformaca o linear.
X
n X
n
Sejam f (t) = ai ti , g(t) = bi ti Pn (R) e k K( corpo de
i=0 i=0
escalares). Observe
n quen
X X i1
T( f (t)) = T ai ti = iai t da,
i=0 i=1

n
X Xn
(i) T(( f + g)(t)) = T (ai + bi )t =
i
i(ai + bi )ti1 =
i=0 i=1
X
n X
n
= iai ti1 + ibi ti1 =
i=1 i=1
Xn Xn
i
= T( ai t ) + T( bi ti ) = T( f (t)) + T(g(t))
i=0 i=0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 98 #104

i i

Seca o 2 Exerccios Resolvidos 98

n
X Xn

(ii) T(k f (t)) = T (kai )t =
i
(kiai )ti1 =
i=0 i=1
Xn Xn
i1
= k( iai t ) = kT( ai ti ) =
i=1 i=0
= kT( f (t))

i e ii sao satisfeitas, podemos concluir que

Como as condicoes
T e linear.

Em vez de trabalharmos com o espaco Pn , de dimensao n + 1,

poderamos trabalhar com o espaco C (R), de dimensao infinita,
e ainda assim teramos que as funcoes
dadas nos tens (a) e (b) sao
transformacoes
lineares. Vejamos a seguir:

(a) F: C (R) C (R) tal que F( f (t)) = t f (t), f (t) Pn (R).
Considere g, h C (R) e k R constante, observemos que:

F(g(t) + kh(t)) = F((g + kh)(t)) = t(g + kh) (t) =

= tg (t) + t(kh) (t) = tg (t) + tk(h) (t) =
= F(g(t)) + kF(h(t))

Logo, podemos concluir que F definida acima e uma

transformaca o linear.

(b) F: C (R) C (R) tal que F( f (t)) = f (t) + t2 f (t), f (t)C (R).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 99 #105

i i

Seca o 2 Exerccios Resolvidos 99

Considere g, h C (R) e k R constante, observemos que:

F(g(t) + kh(t)) = F((g + kh)(t)) = t(g + kh) (t) =

= (g + kh) (t) + t2 (g + kh) (t) =

= g (t) + (kh) (t) + t2 g (t)t2 (kh) (t) =

= g (t) + k(h) (t) + t2 g (t) + t2 k(h) (t) =

= g (t) + t2 g (t) + k(h) (t) + t2 k(h) (t) =
= F(g(t)) + kF(h(t))

Logo, podemos concluir que F definida acima e uma

transformaca o linear. 

Exerccio 4.1.2. Seja u = (x, y, z, t) um vetor generico do R4 . Quais das

aplicaco es abaixo definidas sao aplicaco es lineares do R4 ?

(a) F(u) = u + (1, 0, 1, 0);

(b) F(u) = (1, 0, 1, 1);

(c) F(u) = (x, y z, y + z, x + t);

(d) F(u) = (cosx, y, z, t).

SOLUC
AO

(a) F(u) = u + (1, 0, 1, 0). Observe que tal funca o nao poderia ser
linear, pois

F((0, 0, 0, 0)) = (0, 0, 0, 0) + (1, 0, 1, 0) = (1, 0, 1, 0) , (0, 0, 0, 0).

Observe ainda que F, como definida acima, nao satisfaz ne-

nhuma das duas condico es para que uma funca o cujos domnios
e contra-domnios sao espacos vetoriais sobre o mesmo corpo

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 100 #106

i i

Seca o 2 Exerccios Resolvidos 100

de escalares, seja linear.

(b) F(u) = (1, 0, 1, 1). Observe que tal funca o nao poderia ser linear,
pois F((0, 0, 0, 0)) = (1, 0, 1, 1) , (0, 0, 0, 0).
Observe ainda que F, como definida acima, e tal que
F(ku) = (1, 0, 1, 1) , ku, k (R {1}) ou u (R4 (1, 0, 1, 1)).

(c) F(u) = (x, yz, y+z, x+t). Sejam u = (x, y, z, t), e v = (x1 , y1 , z1 , w1 ).
Entao u + v = (x + x1 , y + y1 , z + z1 , t + t1 )
F e linear, pois

(i) F(u + v) = F(x + x1 , y + y1 , z + z1 , t + t1 ) =


= x + x1 , (y + y1 ) (z + z1 ), (y + y1 ) + (z + z1 ),

(x + x1 ) + (t + t1 ) =
= (x, y z, y + z, x + t) +
+(x1 , y1 z1 , y1 + z1 , x1 + t1 ) = F(u) + F(v)

 
(ii) F(ku) = F((x, y, z, t)) = kx, k(y z), k(y + z), k(x + t) =
= k(x, y z, y + z, x + t) = kF(u)

(d) F(u) = (cosx, y, z, t). F nao e linear, pois a funca o cosseno nao e
uma transformaca o linear de R em R. 

Exerccio 4.1.3. E possvel existir uma transformaca o linear injetora

T : R3 R2 ? Por que?

SOLUC
AO
Nao e possvel existir uma transformaca o linear injetora
T : R3 R2 . Pelo Teorema do Nucleo
e da Imagem temos que

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 101 #107

i i

Seca o 2 Exerccios Resolvidos 101

dim(R3 ) = dim(Nuc(T)) + dim(Im(T)) dim(Nuc(T)) + 2, portanto

3 2 + dim(Nuc(T)) dim(Nuc(T)) 1, ou seja, T nao pode ser
injetiva. 

Mais geralmente: Seja T : Rn+1 Rn , T transformaca o linear

onde n 1, n N. T nao pode ser injetora.

Exerccio 4.1.4. E possvel existir uma transformaca o linear sobrejetora

T : R2 R3 ? Por que?

SOLUC
AO
Nao e possvel existir uma uma transformaca o linear sobrejetora
T : R2 R3 . Pelo Teorema do Nucleo
e da Imagem temos que
dim(R2 ) = dim(Nuc(T)) + dim(Im(T)), portanto dim(Im(T)) 2 ,
ou seja, T nao e pode ser sobrejetora ja que a dimensao do espaco
contra-domnio e 3, Im(T) ( R3 . 

Observaca o 4.1.1. Mais geralmente: Seja T : Rn Rn+1 , T

transformaca o linear onde n 1, n N. T nao pode ser sobrejetora.
Observe que estamos trabalhando com espacos vetoriais de dimensao finita.
O Teorema do Nucleo
e necessariamente valido
e da Imagem nao para
transformaco es cujos domnios sejam espacos vetoriais de dimensao infinita.
Ver Apendice I.

Exerccio 4.1.5. Seja T : R2 R2 transformaca o linear. Mostre que se

T nao e sobrejetora, entao T nao e injetora.

SOLUC
AO
Basta aplicarmos o Teorema do Nucleo
de da Imagem, se T nao e
sobrejetiva,
T : R2 R2 , temos dim Im(T) < 2 dim Nuc(T) > 0 (pois
dim Nuc(T) = 2dim(Im(T)), pelo Teorema do Nucleo
e da Imagem),
ou seja, T nao e injetiva. 

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 102 #108

i i

Seca o 2 Exerccios Resolvidos 102

Observaca o 4.1.2. Mais geralmente: Seja T : Rn Rn , n 1, n N,

T transformaca o linear. T nao e sobrejetora T nao e injetora. Vale
o resultado mais geral: Todo operador linear, entre espacos de di-
finita, e injetivo se, e somente se, e sobrejetivo. Da, um
mensao
operador linear injetivo e sobrejetivo e vice-versa e, portanto, e um
automorfismo. Isto e uma consequ encia do Teorema do Nucleo
e da
Imagem.

Exerccio 4.1.6. Seja P3 = conjunto dos polinomios com grau menor ou

igual a 3, e
T : P3 P3
f
f (derivada)

(a) Mostre que P3 e um espaco vetorial de dimensao 4.

(b) Mostre que T e uma transformaca o linear.

(c) Determine Ker(T) e Im(T) e encontre uma base para cada um destes
subespacos vetoriais.

SOLUC
AO

(a) Observe que o conjunto = {1, t, t2 , t3 } e uma base para P3 . E

como dimensao de um espaco vetorial e um invariante, ou seja
, nao depende da base escolhida, temos que a dimensao de P3
e 4 (Ver a Lista de Exerccios : Espacos Vetoriais sobre R ou C).

(b) Devemos mostrar que a funca o T satisfaz as condicoes

para ser
uma transformaca o linear.
X
3 X
3
i
Sejam f (t) = ai t , g(t) = bi ti P3 e k K( corpo de
i=0 i=0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 103 #109

i i

Seca o 2 Exerccios Resolvidos 103

3
X X 3
escalares). Observe que T( f (t)) = T
i

ai t = iai ti1 , da
i=0 i=1

3
X X3
i
(i) T(( f + g)(t)) = T (ai + bi )t = i(ai + bi )ti1 =
i=0 i=1
X
3 X
3
= iai ti1 + ibi ti1 =
i=1 i=1
3 3
X X
= T i
ai t + T bi t =
i

i=0 i=0
= T( f (t)) + T(g(t))

3
X X3 X 3

(ii) T(k f (t)) = T (kai )t = i i1
(kiai )t = k( iai ti1 ) =
i=0 i=1 i=1
3
X
= kT ai ti = kT( f (t))
i=0

i e ii sao satisfeitas, podemos concluir que

Como as condicoes
T e linear.

(c)

Ker(T) = Nuc(T) = { f P3 tal que f (t) = 0} =
X
3 X
3
i
= { f (t) = ai t , ai K, | iai ti1 = 0} =
i=0 i=1
X
3
= { f (t) = ai ti | ai = 0, i = 1, . . . , 3} =
i=0
= { f (t) = a0 ; a0 K}.

Im(T) = {g P3 | f P3 tal que f (t) = g(t)} = P2 . De fato,

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 104 #110

i i

Seca o 2 Exerccios Resolvidos 104

X
2 X
3
ai1 i
i
para g(t) = ai t P2 considere f (t) = ( )t + k,
i
i=0 i=1

X
2
k (constante) K. Observe que f (t) = ai ti = g(t). 
i=0

Exerccio 4.1.7. Considere a transformaca o linear

T : R3 R3 dada por T(x, y, z) = (z, x y, z).

(a) Determine uma base do nucleo

de T.

(b) De a dimensao da imagem de T.

(c) T e sobrejetora? Justifique.

(d) Faca um esboco de KerT e ImT.

SOLUC
AO

(a) Ker(T) = {v = (x, y, z) R3 | T(v) = (0, 0, 0)}, ou seja,

Ker(T) = {v R3 | (z, x y, z) = (0, 0, 0)}, portanto
v Ker(T) v = (x, y, z), onde x = y e z = 0,
ou seja, v Ker(T) v = (x, x, 0). Logo Ker(T) = [(1, 1, 0)].

(b) Pelo Teorema do Nucleo

e da Imagem, temos que dim(R3 ) =
= dim(Ker(T)) + dim(Im(T)), portanto 3 = 1 + dim(Im(T))
dim(Im(T)) = 2.

(c) T nao e sobrejetora, pois a dimensao do espaco contra-domnio

e 3 (= dim(R3 )) e dim(Im(T)) = 2, ou seja, Im(T) ( R3 .

(d) v Ker(T) v = (x, x, 0), ou seja, Ker(T) = [(1, 1, 0)]. Portanto,

Ker(T) = {(x0 , y0 , z0 ) R3 | (x0 , y0 , z0 ) = t (1, 1, 0) algum t R},

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 105 #111

i i

Seca o 2 Exerccios Resolvidos 105

ou seja, Ker(T) e a reta, contida em R3 , que passa pela origem e

tem a direca o do vetor (1, 1, 0).
Esboco de Ker(T):

Im(T) = {w R3 | v R3 tal que T(v) = w}.

Observemos que pela expressao de T,

T(x, y, z) = (z, x y, z) = z (1, 0, 1) + (x y) (0, 1, 0)

portanto, Im(T) = [(1, 0, 1), (0, 1, 0)]. Observemos tambem que

{(1, 0, 1), (0, 1, 0)} e L.I.(linearmente independente).
Im(T) e o plano que passa pelos pontos (0, 0, 0) (origem),
(1, 0, 1) e (0, 1, 0).
Esboco de Im(T):

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 106 #112

i i

Seca o 2 Exerccios Resolvidos 106

Exerccio 4.1.8. Seja T : E E um operador linear. Prove que T2 0

se, e somente se, Im(T) Nuc(T).

SOLUC
AO
v E, T(T(v)) = T2 (v) = 0 T(v) Nuc(T), v E Im(T)
Nuc(T). 

Exerccio 4.1.9. Tome em P3 (R) as bases = {1, t, t2 , t3 } e

= {1, 1 + t, t + t2 , t2 + t3 }. Calcule as matrizes [D] , [D] , [D] , onde

D : P3 (R) P3 (R) e o operador derivaca o.

SOLUC
AO

(i) Observemos que:

D(1) = 0 = 0 1 + 0 (1 + t) + 0 (t + t2 ) + 0 (t2 + t3 );
D(t) = 1 = 1 1 + 0 (1 + t) + 0 (t + t2 ) + 0 (t2 + t3 );
D(t2 ) = 2t = 2 1 + 2 (1 + t) + 0 (t + t2 ) + 0 (t2 + t3 );
D(t3 ) = 3t2 = 3 1 3 (1 + t) + 3 (t + t2 ) + 0 (t2 + t3 )

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 107 #113

i i

Seca o 2 Exerccios Resolvidos 107

0 1 2 3

0 0 2 3

da [D] =



0 0 0 3

0 0 0 0

(ii) Observemos que:

D(1) = 0 = 0 1 + 0 (t) + 0 (t2 ) + 0 (t3 );
D(1 + t) = 1 = 1 1 + 0 (t) + 0 (t2 ) + 0 (t3 );
D(t + t2 ) = 1 + 2t = 1 1 + 2 (t) + 0 (t2 ) + 0 (t3 );
D(t2 + t3 ) = 2t + 3t2 = 0 1 + 2 (t) + 3 (t2 ) + 0 (t3 )

0 1 1 0

0 0 2 2

da [D] =


0 0 0 3

0 0 0 0

(iii) Observemos que:

D(1) = 0 = 0 1 + 0 (1 + t) + 0 (t + t2 ) + 0 (t2 + t3 );
D(1 + t) = 1 = 1 1 + 0 (1 + t) + 0 (t + t2 ) + 0 (t2 + t3 );
D(t + t2 ) = 1 + 2t = 1 1 + 2 (1 + t) + 0 (t + t2 ) + 0 (t2 + t3 );
D(t2 + t3 ) = 2t + 3t2 = 1 1 1 (1 + t) + 3 (t + t2 ) + 0 (t2 + t3 )

0 1 1 1

0 0 2 1

da [D] = 
0 0 0
3
0 0 0
0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 108 #114

i i

Seca o 2 Exerccios Resolvidos 108

Exerccio 4.1.10.
Seja V o espaco vetorial de matrizes 2 X 2 com base canonica


1 0 0 1 0 0 0 0

, , ,
=
0 0 0 0 1 0 0 1



a b
(a) Se T : V R2 e dada por T = (a + d, b + c).

c d

Ache [T] onde e a base canonica do R2 .

2 1

1 1
2
(b) Se S : R V e [S] = .

1 0

0 1

1 0
Ache S e, se for possvel, (a, b) tal que S(a, b) = .

0 1

SOLUC
AO

(a)
1 0 0 1
T = (1, 0) T = (0, 1)
0 0 0 0

0 0 0 0
T = (0, 1)
T = (1, 0)

1 0 0 1

1 0 0 1
Portanto [T] =
0 1 1 0

(b)
2 1 2x + y

1 1 x x y

[S(x, y)] = =

1 0 y x

0 1 y

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 109 #115

i i

Seca o 2 Exerccios Resolvidos 109

Da,

1 0
S(x, y) = (2x + y) + (x y) 0 1 x 0 0 +
0 0 0 0 1 0

0 0
+y =
0 1

2x + y x y
=
x y

1 0
Nao e possvel obter (a, b) tal que S(a, b) = ,

0 1
pois


2a + b = 1




2a + b a b
1 0
ab=0
=
a b 0 1
a = 0




b = 1.

Observe que este sistema e impossvel. 

Exerccio 4.1.11. Ache a transformaca o linear T : R3 R2 tal que

T(1, 0, 0) = (2, 0), T(0, 1, 0) = (1, 1) e T(0, 0, 1) = (0, 1). Encontre
v R3 tal que T(v) = (3, 2).

SOLUC
AO
Considere = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, = {(1, 0), (0, 1)} as bases
canonicas
de R3 e R2 , respectivamente
A representaca o matricial de T em relaca o a` s bases canonicas
e :

2 1 0
[T] =

0 1 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 110 #116

i i

Seca o 2 Exerccios Resolvidos 110

Portanto,

x

seja v R ; [v] = y .
3

z

x
2 1 0 2x + y
[T(x, y, z)] = y =
0 1 1 y z
z

Ou seja, T(x, y, z) = (2x + y) (1, 0) + (y z) (0, 1) = (2x + y, y z).

Considere = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, a base canonica

do R3 ,

x

e seja [v] = y ;

z
Pelo
item a) temos que T(x, y, z) = (2x + y, y z) = (3, 2). Portanto,


2x + y = 3 3y

, ou seja, v = ( 2 , y, y 2). Em particular, v = ( 32 , 0, 2)
yz= 2
e tal que T(v) = (3, 2) 

Exerccio 4.1.12. Sejam = {(1, 1), (0, 2)} e = {(1, 0, 1), (0, 1, 2),
(1, 2, 0)} bases de R2 e R3 , respectivamente e

1 0

[T] = 1 1



0 1

(a) Ache T.

(b) Se S(x, y) = (2y, x y, x), ache [S] .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 111 #117

i i

Seca o 2 Exerccios Resolvidos 111

1 0

(c) Ache uma base de R3 tal que [T] = 0 0

0 1

SOLUC
AO

1 0
(a) Considere [I]can
= 1 1 a matriz mudanca da base canonica

2 2
do R2 para a base ,

1 0 1


e [I]can = 0 1 2 a matriz mudanca da base para a base


1 2 0
canonica
do R3 .
A matriz que representa a transformaca o T em relaca o a` s bases
canonicas
do R2 e R3 pode ser obtida pelo seguinte produto
matricial:

[T]can
can = [I]can [T] [I] =
can

1 0 1 1 0
1 0
= 0 1 2 1 1 1 1 =
2 2
1 2 0 0 1
1 1
2 2

= 12 1 2
.


2 1

Portanto,

1 1
xy

2 2 x 2
= = ,
1 1 xy
[T(x, y)]can 2 2 2
y
2 1 2x + y
ou seja,

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 112 #118

i i

Seca o 2 Exerccios Resolvidos 112

xy xy
T(x, y) = ( 2 ) (1, 0, 0) + ( 2 ) (0, 1, 0) + (2x + y) 0, 0, 1)

xy xy
T(x, y) = ( , , 2x + y)
2 2

0 2

(b) Como S(x, y) = (2y, x y, x), entao [S]can 1 1 .
can =

1 0
A representaca o matricial da transformaca o linear S em
relaca o a` s bases e pode ser obtida pelo seguinte
produto matricial:

[S] = [I]can can

[S]can [I]can =

1
1 0 1 0 2 1
1 0

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

= 3 3
1 1 =
1 32 1


1 2
3 3 3 1 0
11 20
3 3

= 3
4 10 .
3
5 8
3 3

11 20


3 3
Portanto, [S] =
4
3
10
3
.

5 8

3 3

(c) Seja {vi = (xi , yi , zi )}, i = 1, 2, 3 a base . Como

1 0 1 0

[T] = 0 0 temos que [T(1, 1)] = 0
e [T(0, 2)] = 0


0 1 0 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 113 #119

i i

Seca o 2 Exerccios Resolvidos 113

portanto, T(1, 1) = 1 v1 + 0 v2 + 0 v3 = v1 e
T(0, 2) = 0 v1 + 0 v2 + 1 v3 = v3 . Usando o item a) temos
T(1, 1) = (1, 1, 1) e T(0, 2) = (1, 1, 2). Logo (1, 1, 1) = v1
e (1, 1, 2) = v3 sao dois vetores que compoem
tal base e,
portanto, basta escolhermos v2 < [(1, 1, 1), (1, 1, 2)].

Outra maneira: Seja {vi = (xi , yi , zi )}, i = 1, 2, 3 a base , con-

sidere a matriz mudanca da base para a base canonica
do
R3
x1 x2 x3

= y1 y2 y3 .

[I]can

z1 z2 z3

[T]can
can = [I]can [T] [I] =
can

x1 x2 x3 1 0
1 0
= y1 y2 y3 0 0 1 1 =
2 2
z1 z2 z3 0 1

x1 + 12 x3 12 x3

= y1 + 12 y3 12 y3

z1 + 12 z3 12 z3

1 1

x1 + 12 x3 1
2 x3
2 2
Da, 1
2
1
2
= y + 1 y
1 2 3
1
2 y3
.


2 1 z1 + 12 z3 1
2 z3

Logo, (1, 1, 1) = v1 , (1, 1, 2) = v3 e podemos escolher como

 
v2 qualquer vetor em R3 [(1, 1, 1), (1, 1, 2)] . 

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 114 #120

i i

Seca o 2 Exerccios Resolvidos 114

Exerccio 4.1.13. Seja T : R2 R2 uma reflexao atraves da reta y = 3x.

(a) Encontre T(x, y).

(b) Encontre uma base de R2 , tal que

1 0
[T] =
0 1

SOLUC
AO

(a) Considere no plano as retas s : y = 13 x e r : y = 3x. Observe que

sr.
Considere tambem v1 = (1, 3) vetor direca o da reta r, e
v2 = (3, 1), vetor direca o da reta s.
Observe que {v1 , v2 } e LI , pois sao vetores ortogonais (sr) e,
portanto, = {v1 , v2 } forma uma base para o R2 .
T(1, 3) = (1, 3), pois T e uma reflexao e, portanto, T preserva
v R2 , v k (1, 3). T(3, 1) = (3, 1).
Logo, a representaca o matricial da transformaca o acima em

1 0
relaca o a` base = {(1, 3), (3, 1)} e : [T] =
0 1
Vamos determinar a representaca o matricial da
transformaca o T, definida acima, em relaca o a` base canonica.

[T]can can
can = [I]can [T] [I] =
1 3
4 3

1 3 1 0
= 10 10 = 5 5
3 1 0 1 3
10
1
10
3
5
4
5

4 3

x
Portanto [T(x, y)]can = 5
3
5
4
.
y
5 5

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 115 #121

i i

Seca o 2 Exerccios Resolvidos 115

(b) Podemos considerar um conjunto qualquer {w1 , w2 } onde

w1 k (1, 3) e w2 k (3, 1). Em particular, poderamos considerar
= {(1, 3), (3, 1)}.

y y

3 v1 3
T(v1 ) = v1

v2
x x
3 2 1 1 2 3 4 3 2 1 1 2 3 4
T(v2 ) = v2


Exerccio 4.1.14.
Seja T : R3 R3 onde T(v) e a projec a o do vetor no plano 3x + 2y + z = 0.

(a) Encontre T(x, y, z).

(b) Encontre uma base ordenada de R3 , tal que

1 0 0

[T] = 0 0 0


0 0 1

SOLUC
AO

(a) Considere = {v = (x, y, z) R3 | 3x + 2y + z = 0}, portanto,

v = (x, y, 3x 2y) = x(1, 0, 3) + y(0, 1, 2), da =
= [(1, 0, 3), (0, 1, 2)]. Observe que o vetor (3, 2, 1) e paralelo a`
n , a normal do plano .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 116 #122

i i

Seca o 2 Exerccios Resolvidos 116

O conjunto = {(1, 0, 3), (3, 2, 1), (0, 1, 2)} forma uma base
para o R3 e e tal que T(1, 0, 3) = (1, 0, 3), T(0, 1, 2) = (0, 1, 2),
pois T(v) = v, v e T(3, 2, 1) = (0, 0, 0), pois (3, 2, 1) k n .

A representaca o matricial da transformaca o T em relaca o a` base

e dada por:

1 0 0


[T] = 0 0 0 . Vamos determinar a representaca o matri-


0 0 1
cial da transformaca o T, definida acima, em relaca o a` base
canonica.

[T]can
can = [I]can [T] [I] =
can

1 3 3

1 3 0 1 0 0
14 7 14
= 0 2 1 0 0 0 3
14
1
7
1
14
=

3 5 1

3 1 2 0 0 1 7 7 7
1 3 3
14 7 14

= 3 5 1 .
79 1
7 7
13
14 7 14

1 3 3

x
14 7 14
Portanto, [T(x, y, z)]can = 3
7
5
7
1
7
y .

9 1 13

14 7 14 z

(b) Como T(v) = v, v e T(w) = 0, w k (3, 2, 1) podemos

considerar = {v1 , v2 , v3 }, onde v1 , v3 , tal que {v1 , v3 } seja
LI(linearmente independente) e v2 k (3, 2, 1). Em particular,
poderamos tomar = {(1, 0, 3), (3, 2, 1), (0, 1, 2)}. 

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 117 #123

i i

Seca o 2 Exerccios Resolvidos 117

Exerccio 4.1.15.
Seja L : R3 R3 onde L e a reflexao atraves do plano
3x + 2y + z = 0.

(a) Encontre L(x, y, z).

(b) Encontre uma base ordenada de R3 , tal que

1 0 0


[T] = 0 1 0


0 0 1

SOLUC
AO

(a) Considere = {v = (x, y, z) R3 | 3x + 2y + z = 0}, portanto,

v = (x, y, 3x 2y) = x(1, 0, 3) + y(0, 1, 2), da
= [(1, 0, 3), (0, 1, 2)]. Observe que o vetor (3, 2, 1) e
paralelo a` n , a normal do plano . O conjunto
= {(1, 0, 3), (0, 1, 2), (3, 2, 1)} forma uma base para o R3 e e
tal que T(1, 0, 3) = (1, 0, 3), T(0, 1, 2) = (0, 1, 2) pois T(v) =
v, v e T(3, 2, 1) = (3, 2, 1), pois (3, 2, 1) k n .
A representaca o matricial da transformaca o T em relaca o a` base
e dada por:

1 0 0

[T] = 0 1 0 .



0 0 1

Vamos determinar a representaca o matricial da transformaca o

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 118 #124

i i

Seca o 2 Exerccios Resolvidos 118

T, definida acima, em relaca o a` base canonica.

[T]can
can = [I]can [T] [I] =
can

5 3 3

1 0 3 1 0 0
14 7 14
= 0 1 2 0 1 0

3
7
5
7
1
7
=

3 1 1

3 2 1 0 0 1 14 7 14
2 6 3
7 7
7

= 6 3 2 .
7
3 7 7
2 6
7 7 7

2 6 3

x
7 7 7
Portanto, [T(x, y, z)]can = 6
7
3
7
2
7
y .

3 2 6

7 7 7 z

(b) Como T(v) = v, v e T(w) = 0, w k (3, 2, 1) podemos

considerar = {v1 , v2 , v3 }, onde v1 , v2 , tal que {v1 , v2 } seja
L.I.(linearmente independente) e v3 k (3, 2, 1). Em particular,
poderamos tomar = {(1, 0, 3), (0, 1, 2), (3, 2, 1)}. 

Exerccio 4.1.16.
Seja T L(V). Se para algum 0 , 0, tem-se 0 I + 1 T + + m Tm 0,
prove que o operador T e invertvel.
SOLUC
AO
De fato,
0 I + 1 T + + m Tm 0

0 I(v) = (1 T + + m Tm ) (v), v V
 
1 m m1
I(v) = T + + T (v), v V
0 0
 
1 m m1
I(v) = + + T T(v), v V. 
0 0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 119 #125

i i

Seca o 2 Exerccios Resolvidos 119

Exerccio 4.1.17.
Dadas as transformaco es lineares T : E F, S : F G, com dim E <
dim F < e dim G < , assinale V (verdadeiro) ou F (falso) nas
seguintes implicaco es:

(a) ( ) ST e sobrejetiva S e sobrejetiva.

(b) ( ) ST e sobrejetiva T e sobrejetiva.

(c) ( ) ST e injetiva S e injetiva.

(d) ( ) ST e injetiva T e injetiva.

Prove ainda que se E = F = G, entao as quatro implicaco es sao

verdadeiras.

SOLUC
AO

(a) ( V ) ST e sobrejetiva S e sobrejetiva.

Demonstraca o: De fato, w G, v E tal que
ST(v) = w w G, T(v) F tal que S(T(v)) = w.

(b) ( F) ST e sobrejetiva T e sobrejetiva.

Contra-exemplo: Considere
D : Pn+1 (R) Pn (R) S : Pn (R) Pn+1 (R)
e R
p(x) 7 p (x) p(x) 7 p(x)

Observe que o DS = I : Pn (R) Pn (R) e o operador identi-

dade, mas S nao e sobrejetiva.

(c) ( F ) ST e injetiva S e injetiva.

Contra-exemplo: Considere
D : Pn+1 (R) Pn (R) S : Pn (R) Pn+1 (R)
e R
p(x) 7 p (x) p(x) 7 p(x)

Observe que o DS = I : Pn (R) Pn (R) e o operador identi-

dade, mas D nao e injetiva.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 120 #126

i i

Seca o 2 Exerccios Resolvidos 120

(d) ( V ) ST e injetiva T e injetiva. Demonstraca o: De fato,

sejam u, v E, tal que T(u) = T(v) S(T(v)) = S(T(w))
v = w, pois ST e injetiva.

Se supusermos que E = F = G, entao BA e injetiva A e

injetiva B e injetiva.
BA sobrejetiva BA e injetiva A e injetiva A e
sobrejetiva.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 121 #127

i i

121

4.2 Exerccios Propostos

1. Considere a matriz da transformaca o linear T dada por:

1 2 3 5
4

1 1 4 3 6


1 4 1 6 5


1 1 6 1 4

(a) Qual a nulidade de T?

(b) Determine uma base para o nucleo

de T.

(c) Qual a dimensao da imagem de T?

(d) Determine uma base para a imagem de T.

2. Seja T uma transformaca o em R2 : T(x, y) = (k.x, x + y), k R,

(a) prove que T e linear;

(b) determine k de modo que a transformaca o T seja inversvel e,

para cada um desses valores, obtenha a transformaca o inversa
T1 ;

(c) considere k = 0. Determine a dimensao e uma base do nucleo

de
T.

3. Seja T uma transformaca o linear em R3 , onde

T(1, 0, 0) = (10, 3, 1), T(0, 1, 0) = (5, 3, 4) e T(0, 0, 1) = (4, 6, 10),
determine T(v) onde v = (9, 4, 9).

4. Considere o espaco vetorial real M2 (R) das matrizes quadradas

de ordem 2. Seja T uma transformaca o definida em M2 (R) :
T(A) = A At , A M2 (R),

(a) mostre que T e uma transformaca o linear;

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 122 #128

i i

Seca o 3 Exerccios Propostos 122

(b) determine o nucleo

de T, a sua dimensao e uma base;

(c) determine a matriz que representa a transformaca o linear T,

supondo fixada a base canonica
no espaco M2 (R).

5. Seja P2 (R) o espaco vetorial dos polinomios

de coeficientes reais de
grau menor ou igual 2, considere a transformaca o linear T, de P2 (R)
em si mesmo, definida por T[p(x)] = p(x + 1) p(x), p(x) P2 (R),

(a) indique, justificando, uma base para a imagem de T;

(b) determine o nucleo

da transformaca o linear T, a sua dimensao
e uma base.

6. Seja T uma transformaca o linear do espaco dos polinomios

reais
de grau menor ou igual a 2, P2 (R), na variavel x, em si proprio,

definida por:

T(1) = 1 + x; T(x) = 3 x2 ; T(x2 ) = 4 + 2x 3x2

(a) calcule T(2 2x + 3x2 );

(b) a transformaca o T tem inversa? Justifique.

7. Seja T uma transformaca o linear em R3 dada por

T(x, y, z) = (z, x y, z),

(a) indique o nucleo

de T, a sua dimensao e uma base;

(b) determine a dimensao da imagem de T;

(c) T e sobrejetora? Justifique.

8. Seja T : R2 R2 a transformaca o linear que consiste da composi-

ca o de duas transformaco es lineares em R2 : a rotaca o de a ngulo
seguida da reflexao na reta y = x. Qual a matriz de T?

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 123 #129

i i

Seca o 3 Exerccios Propostos 123

9. Seja M2 (R) o espaco das matrizes 2 2 de elementos reais e

considere a transformaca o linear R : M2 (R) M2 (R) definida por:

a b 3a + 4d 3b + 4c
R =
4b 3c 4a 3d


c d

(a) Determine a matriz A que representa R em relaca o a` base

canonica
de M2 (R). Verifique que e valida a relaca o A2 = 25I,
onde I e a matriz identidade.

(b) Mostre que R e inversvel e determine a sua inversa.

(c) Resolva a equaca o linear

1 2
R(X) =

2 1

10. Sendo T(x, y, z) = (x+2yz, y, x+7z) a formula

da transformaca o
linear T : R3 R3 e B a base canonica,
sendo B a base de R3 :

B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}

a) represente T na base B;

b) represente T na base B utilizando a matriz calculada em a);

c) obtenha uma formula

para a inversa de T;

d) represente T1 na base B .

11.(a) Verifique se a funca o T : R2 R2 , T(x, y) = (x 10y, 5y) e

linear.

(b) Considere a funca o linear T : R3 R2 tal que

T(x, y, z) = (x z, 2y + 3z). Ache o nucleo
de T e diga se o vetor
(2, 3, 2) pertence ao N(T).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 124 #130

i i

Seca o 3 Exerccios Propostos 124

(c) Determine a funca o linear F : R2 R3 tal que F(1, 0) = (1, 2, 3) e

F(2, 1) = (0, 1, 2).

(d) Determine a matriz da funca o que executa em R2 uma rotaca o

de 90 em torno do ponto A(0, 0), seguida de uma dilataca o de
fator 3.

12. Se os vetores v1 , , vm V geram um subespaco vetorial de

dimensao r, prove que o conjunto dos vetores (x1 , , xm ) Rm
tais que x1 v1 + + xm vm = 0 e um subespaco vetorial de Rm com
dimensao m r.
Dica: Considere a transformaca o linear
(x1 , , xm ) 7 x1 v1 + + xm vm de Rm em V e aplique o Teorema
do Nucleo
e da Imagem.
13. Sem fazer hipoteses
sobre as dimensoes
dos espacos vetoriais,
sobre um mesmo corpo K, E e F, sejam T : E F e
S : F E transformaco es lineares. Se TS e invertvel, prove que T
e sobrejetiva e S e injetiva. Se TS e ST sao invertveis, prove que T
e S sao invertveis. Dica: Use a definica o de transformaca o bijetiva
(invertvel) e o exerccio 17.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 125 #131

i i

125

4.3 Apendice
Algumas consideracoes:


Teorema 4.3.1. NUCLEO E IMAGEM
Sejam E, F espacos vetoriais de dimensao finita. Para toda transformaca o
linear

T : E F tem-se dim(E) = dim(Ker(T)) + dim(Im(T)).

Ver HOFFMAN, Kenneth & KUNZE, Ray. Algebra
Demonstracao:
Linear. Editora Polgono: Sao Paulo. 1971.

Corolario 4.3.2. Sejam E, F espacos vetoriais, dim E = dim F = n. Uma

transformaca o linear T : E F e injetiva se, e somente se, e sobrejetiva e
portanto e um isomorfismo.
Demonstracao:
Ver HOFFMAN, Kenneth & KUNZE, Ray. Algebra
Linear. Editora Polgono: Sao Paulo. 1971..

O corolario acima nao e necessariamente valido num espaco

vetorial de dimensao infinita.

Vejamos os seguintes exemplos:

1. Seja T : R R definida por:

T(x1 , x2 , x3 , ) = (0, x1 , x2 , x3 , ). T e um operador linear in-
jetivo que nao e sobrejetivo, observe que as sequ
encias
(k, 0, 0, 0, ) < Im(T), k (R {0}).

2. Seja T : R R definida por: T(x1, x2 , x3 , ) = (x2 , x3 , x4 , ).

T e um operador linear sobrejetivo que nao e injetivo, observe
que T(x1 , 0, 0, 0, ) = (0, 0, 0, 0, ) e, portanto, (x1 , 0, 0, 0, )
Nuc(T), x1 R.

Proposica o 4.3.3. Seja T L(V), dim V = n(< ). Se S L(V) tal

que S T = In , entao T e inversvel e S = T1 .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 126 #132

i i

Seca o 4 Apendice 126

Demonstracao:
Ver LIMA, Elon Lages. Algebra Linear. Coleca o Matematica
Universitaria. Rio de Janeiro: IMPA, 1996.

Observaca o 4.3.4. Se T: V W e S: W V sao funco es

quaisquer e S T = I, entao T e injetiva e S e sobrejetiva.

A proposica o acima nao e necessariamente valida num espaco

vetorial de dimensao infinita.

Vejamos o seguinte exemplo:

1. Considere
T : R[x] R[x] S : R[x] R[x]
R e .
p(x) p(x)dx p(x) p (x)
Observemos que S T(p(x)) = p(x),
contudo T S(p(x)) = p(x) + C, C constante real (Ver
Teorema Fundamental do Calculo).

OPERADORES NILPOTENTES

Definica o 4.3.5. T L(V) e dito operador nilpotente se k N

tal que Tk 0.

Definica o 4.3.6. T L(V) e dito operador nilpotente de ndice k se

Tk 0, Tk1 , 0.

1. Considere T L(V) e suponha que exista v V tal que

Tk (v) = 0, Tk1 (v) , 0. Entao:

(a) S = {v, Tv, T2 v, , Tk1 v} e LI;

Demonstraca o: Observemos primeiramente que v , 0. Se
k = 2 temos: T(a0 v + a1 T(v)) = 0 a0 T(v) = 0 a0 = 0
a1 T(v) = 0 a1 = 0. Portanto, para k = 2 temos que
{v, Tv} e LI.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 127 #133

i i

Seca o 4 Apendice 127

Como T tem ndice k, j, 1 < j < k, T j tera ndice k j.

X
k
Sejam a0 , , ak tal que ai Tk (v) = 0
i=0k
X
k1 X
ai Tk1 (v) = 0 Tk1 ai Tk (v) = 0
i=0 i=0
X
k1
a0 Tk1 (v) = 0 a0 = 0 ai Tk1 (v) = 0
k1 i=1
X
Tk2 ai Tk (v) = 0 a1 = 0
i=1
X
k1 Xk1

( ai Tk (v)) = 0 Tk( j+1) ai Tk (v) = 0

i=j i=j
a j = 0 ak1 Tk1 (v) = 0 ak1 = 0.
Logo, S = {v, Tv, T2 v, , Tk1 v} e LI.
(b) O subespaco W gerado por S e tal que T(W) W.
Demonstraca o: Como S = {v, Tv, T2 v, , Tk1 v} e LI,
basta observarmos que:
T(Ti (v)) = Ti+1 (v) W, i = 0, , k 1.

(c) A restrica o de T ao subespaco W e nilpotente.

Demonstraca o: Como o conjunto S e uma base para W =
[S] e T(W) W, a matriz que representa a transformaca o
T |W : W W em relaca o a` base S e :

0 0 0 0

1 0 0 0


[T]S =
S 0 1 0 0 .

.. . . . . .. ..
. . . . .


0 0 1 0

Observe que: ([T]SS )k 0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 128 #134

i i

Seca o 4 Apendice 128

Observaca o 4.3.7. Com o argumento exposto acima, podemos concluir

que:
Se dimV = n entao T e nilpotente de ndice n se, e somente se, existe
uma base de V na qual a matriz de T e :

0 0 0 0

1 0 0 0


0 1 0 0

.. . . . . . . ..
. . . . .


0 0 1 0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 129 #135

i i

129

4.4 Diagonalizaca o
K corpo.

Definica o 4.4.1. Sejam T L(V) e V espaco vetorial sobre o corpo K, de

dimensao n. Dizemos que K e um autovalor de T se existe v (V \ {0})
tal que T(v) = v. Neste caso, dizemos que v e um autovalor de T associado
a .

Definica o 4.4.2. Sejam T L(V), = {v1 , , vn } e = {1 , , n }

bases de V, observemos que det([T] xIn ) = det([T] xIn ). Definimos

pT (x) = det([T] xIn ) como o polinomio caracterstico de T. As razes
deste polinomio sao os autovalores de T.

Observaca o 4.4.3. A definica o de polinomio caracterstico independe da

matriz da transformaca o do operador T, ou seja, nao depende da base esco-
lhida para o espaco vetorial V.

Teorema 4.4.4. Autovetores associados a autovalores distintos sao LI.

Proposica o 4.4.5. Sejam T L(V), dim V = n , e bases de V.

Quando e autovalor de T, o conjunto Ker([T] In ) e um subespaco


vetorial de V e e isomorfo Ker([T] In ).

Definica o 4.4.6. Sejam T L(V), dimV = n e uma base de V. Quando

e autovalor de T, o conjunto Ker([T] In ) e chamado de autoespaco
associado a .
Notaca o: E = Ker(T In ).

Definica o 4.4.7. Sejam V espaco vetorial sobre F, T : V V (operador

linear) e W V, subespaco de V. Dizemos que W e T invariante se
T(W) W.

Proposica o 4.4.8. Sejam T L(V), dim V = n e uma base de V. Seja

autovalor de T, E = Ker([T] In ) e um subespaco T-invariante .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 130 #136

i i

Seca o 5 Diagonalizaca o 130

Definica o 4.4.9. Seja T L(V), dim V = n. O operador T e dito

diagonalizavel se existe uma base de V formada por autovetores de T.

Proposica o 4.4.10. Seja T L(V), dim V = n < . Existe um unico

polinomio monico de menor grau com coeficientes em K, mT (x), tal que
mT (T) 0. Este polinomio e chamado de polinomio minimal de T.

Teorema 4.4.11. (Cayley - Hamilton) Seja pT (x) o polinomio caracterstico

de T L(V), onde dim V = n < . Entao pT (T) 0, ou seja, T anula
seu polinomio caracterstico.

Proposica o 4.4.12. K[x] domnio de fatoraca o unica.

Seja T L(V),
dim V = n. O polinomio minimal de T divide em K[x] o polinomio
caracterstico de T, ou seja, mT (x) | pT (x). Mais ainda, se e autovalor de
T, entao mT () = 0, ou seja, mT () tem os mesmos fatores irredutveis
que pT (x) .

Proposica o 4.4.13. K[x] domnio de fatoraca o unica.

Seja T L(V),
dim V = n. T e diagonalizavel se, e somente se, mT (x) e um produto de
polinomios lineares distintos em K[x].

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 131 #137

i i

131

4.4.1 Exerccios Resolvidos

Exerccio 4.4.1. Se A satisfaz a equaca o x2 5x 2 = 0, mostre que:

(A5I)
(a) A1 = 2

(b) A4 = 145A + 54I

(c) A5 = 779A + 290I

SOLUC
AO

(a) Temos que:

A2 5A 2I = 0 (A 5I)A = A(A 5I) = 2I

(A 5I) (A 5I) (A 5I)

A=A = I, ou seja, A1 = .
2 2 2

(b) A2 = 5A + 2I = 0

A4 = (5A + 2I)(5A + 2I) =

= 25A2 + 20A + 4I =
= 25(5A + 2I) + 20A + 4I = 175A + 54I.

(c)

A5 = A4 A = (175A + 54I)A = 175A2 + 54I = 779A + 290I. 

Exerccio 4.4.2. Sejam A e B matrizes semelhantes, mostre que A e B tem

o mesmo polinomio caracterstico, logo os mesmos autovalores.

Dem: A e B sao semelhantes se, e somente se, P inversvel (e

de mesma ordem que A e B) tal que P A P1 = B.
Temos que:

det(B xIn ) = det(P A P1 xP In P1 ) = det(P (A xIn ) P1 ) =

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 132 #138

i i

Subseca o 5.1 Exerccios Resolvidos 132

= det(P) det(A xIn ) det(P1 ) = det(A xIn ). 

Exerccio 4.4.3. Sejam TA : R3 R3 linear, a base canonica

do R3 , = {(0, 1, 1), (0, 1, 0), (1, 0, 1)} e

2 0 1

[T]
= 0 3 1


0 0 3

(a) Encontre o polinomio caracterstico de T, os autovalores de T e os

autovetores correspondentes.

(b) Ache [T] e o polinomio caracterstico. Que observaca o voce faz a este
respeito?

(c) Encontre uma base de R3 , se for possvel, tal que [T] seja diagonal.

SOLUC
AO

(a)

pT (x) = det([T] xI3 )

2 x 0 1



= 0 3 x 1 =


0 0 3 x
= (2 x)(3 x)2 .

Os autovetores associados ao autovalor 2:

2 0 1 x x

0 3 1 y = 2 y z = y = 0 .


0 0 3 z z

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 133 #139

i i

Subseca o 5.1 Exerccios Resolvidos 133

Portanto, E2 = [(1, 0, 0)].

Os autovalores associados ao autovalor -3:

2 0 1 x x

0 3 1 y = 3 y z = x = 0 .


0 0 3 z z

Portanto, E3 = [(0, 1, 0)].

(b)

[T] = [I] [T] [I] =

1 0 1 2 0 1 0 0 1


= 1 1 1 0 3 1 1 1 0 =


1 0 0 0 0 3 1 0 1

4 0 6

= 2 3 7 .

1 0 3

Como [T] e [T] sao semelhantes, podemos concluir que pos-
suem o mesmo polinomio
caracterstico( Ver exerccio 2, acima).

(c) Observe que mT (x) = (2 x)(3 x)2 , portanto T nao e diagona-

lizavel. Logo, nao e possvel encontrar tal base. Observe ainda
que E3 + E2 , R3 . 

Observaca o 4.4.14. Consideramos mT (x) polinomio monico.

Exerccio 4.4.4. Seja A uma matriz 3 X 3 triangular superior com todos

os elementos acima da diagonal distintos e nao nulos.

a b c

A = 0 d e

0 0 f

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 134 #140

i i

Subseca o 5.1 Exerccios Resolvidos 134

(a) Quais sao os autovalores e autovetores de A?

(b) Qual e o polinomio minimal de A?

SOLUC
AO

(a)

pA () = det(A I3 ) =

a b c

=
= det 0 d e

0 0 f
= (a )(d )( f ).

Os autovalores de A sao: a, d, f .
Autovetores associados ao autovalor a:

a b c x x

0 d e y = a y


0 0 f z z


by + cz = 0

n


(d a)y + ez = 0 z=y=0


( f a)z = 0

Portanto, Ea = Ker(A aI3 ) = [(1, 0, 0)].

Autovetores associados ao autovalor d:

a b c x x

0 d e y = d y


0 0 f z z

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 135 #141

i i

Subseca o 5.1 Exerccios Resolvidos 135

(a d)x + by + cz = 0



(a d)x + by = 0

ez = 0


z=0
( f d)z = 0

Portanto,
" !#
b
Ed = Ker(A dI3 ) = , 1, 0 .
(a d)

Obs: a , d.

Autovetores associados ao autovalor f:

a b c x x

0 d e y = f y


0 0 f z z


eb c(d f )z
(a f )x + by + cz = 0
x=


(a f )(d f )




(d f )y + ez = 0



fz = fz
e

y=
(d f )

Portanto,
" !#
eb c(d f )z e
E f = Ker(A dI3 ) = , ,1 .
(a f )(d f ) (d f )

Obs: a , d, d , f .

(b) Como o polinomio

caracterstico de A e um produto de fatores
lineares distintos, segue que
mA (x) = pA (x) = (a x)(d x)( f x). 

Observaca o 4.4.15. Consideramos mT (x) polinomio monico.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 136 #142

i i

Subseca o 5.1 Exerccios Resolvidos 136

Exerccio 4.4.5. Seja T um operador linear sobre P2 (R) dado por

T(a0 + a1 x + a2 x2 ) = 4a0 (a1 6a2 )x + a1 x2

(a) determine o polinomio caracterstico os autovalores de T;

(b) responda, justificando: T e diagonavel?

(c) encontre bases para cada subespaco T-invariante uni-dimensional de

P2 (R).

SOLUC
AO

(a) Considere = {1, x, x2 }, a base canonica

de P2 (R).

4 0 0

[T] = 0 1 6

0 1 0

Portanto, pT (x) = (4 x)(x + 3)(x 2).

(ii) Temos tres autovalores distintos e como autovetores associados

a autovalores distintos sao LI, segue que T e diagonalizavel e
E4 + E2 + E3 = R3 , onde dim E3 = dim E2 = dim E4 = 1.
Autovetores associados ao autovalor 4:

4 0 0 a a

0 1 6 b = 4 b b = c = 0


0 1 0 c c

Portanto, E4 = [(1, 0, 0)] = {a | a R}.

Autovetores associados ao autovalor 2:

4 0 0 a a
a=0
0 1 6 b = 2 b



b = 2c

0 1 0 c c

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 137 #143

i i

Subseca o 5.1 Exerccios Resolvidos 137

Portanto, E2 = [(0, 2, 1)] = {2cx + cx2 | c R}.

Autovetores associados ao autovalor -3:

4 0 0 a a
a=0
0 1 6 b = 3 b


b = 3c


0 1 0 c c

Portanto, E3 = [(0, 3, 1)] = {3cx + cx2 | c R}. 

Exerccio 4.4.6. Se A e B sao matrizes de ordem n,

(a) mostre que 0 e autovalor de A se e somente se A e singular;

(b) AB e BA tem os mesmos autovalores;

(c) se A e nao singular e um autovalor de A, mostre que 1 e um auto

valor de A1 .

SOLUC
AO

(a) 0 e autovalor de A v Rn , nao nulo, tal que Av = 0

Ker(A) , {0} A e singular.

(b) Seja autovalor de AB.

(i) = 0 e autovalor de AB Ker(AB) ,
, {0} Ker(BA) , {0} 0 e autovalor de BA.
(ii) Caso , 0:

e autovalor de AB v (Rn {0}) tal que

AB(v) = v B(v)(, 0) e autovetor de BA associado a
e autovalor de BA.
e autovalor de BA v (Rn {0}) tal que BA(v) =
= v A(v)(, 0) e autovetor de AB associado a
e autovalor de AB.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 138 #144

i i

Subseca o 5.1 Exerccios Resolvidos 138

(c) Observemos inicialmente que autovalor de A, , 0.

e autovalor de A v (Rn {0}) tal que
A(v) = v A1 (A(v)) = A1 (v) A1 (v) = 1 v v
(Rn {0}) e autovalor de A1 associado a 1 1
e autovalorde A1 . 

Exerccio 4.4.7. Mostre que as razes caractersticas (autovalores) de uma

matriz idempotente sao 0 ou 1, e que o posto de A e o numero
de razes
caractersticas iguais a 1.

SOLUC
AO:
Seja A matriz de ordem n. Sabemos que
A2 (v) = A(v) v Rn . e autovalor de A v (Rn {0}) tal que
A(v) = v A(A(v)) = A(v) 2 v = v (2 )v = 0
(2 ) = 0 = 1 ou = 0.
A e diagonalizavel, pois mA (x) = x(x 1), da Rn possui uma
base formada por autovetores de A, logo o posto de A e o numero

de razes caractersticas iguais a 1. 

Observaca o 4.4.16. Em particular: Diz-se que um operador T L(V)

e idempotente se T2 = T (isto e, se T T(v) = T(v) para todo v V).
Considere [T] a matriz da transformaca o T em relaca o a` base de
V (dim V < ). T e idempotente se, e somente se, [T] e idempotente.
Os autovalores de [T] sao 0 e 1. Alem disso, T e diagonalizavel ja que
mT (x) = x(x 1). 

Exerccio 4.4.8. Diz-se que um operador linear T L(V) e nilpotente se

existir um numero
inteiro positivo n tal que Tn 0 (isto e , T T T
T(v) = 0 para todo v V.)

(a) Seja T nilpotente. Encontre seus autovalores.

(b) Encontre uma matriz A22 , 0 tal que TA : R2 R2 seja

nilpotente.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 139 #145

i i

Subseca o 5.1 Exerccios Resolvidos 139

(c) Seja V um espaco vetorial de dimensao finita sobre um corpo K, mostre

que Um operador T L(V) nilpotente, nao nulo, nao e diago-
nalizavel.

SOLUC
AO

(a) Como Tn 0 para algum n N segue que

mT (x) = xk para algum k N , portanto, 0 e o unico
autovalor
de T.

(b) Observemos que: se Tn 0, T(n1) , 0 v R2 tal que

{v, T(v), , Tn1 (v)} e LI, portanto, n = 2 ( Ver Apendice II -
Transformaco es Lineares : Operadores Nilpotentes.)
Portanto, na base {v, T(v)}, com v obtido acima, T tem a seguinte
representaca o matricial:

0 0
.
1 0

Assim, todas as matrizes nilpotentes de ordem 2 nao nulas tem

ndice 2 e numa base adequada tem a mesma representaca o
acima.

(c) De fato, seja n (N {0, 1}) tal que Tn 0 mas T(n1) , 0.

Assim, mT (x) = xn . Portanto, T nao e diagonalizavel. 

3 0 0

Exerccio 4.4.9. Mostre que A = 0 2 5 nao e diagonalizavel.

0 1 2
No entanto, se A apresentar, numa certa base, um operador linear
T : V V , onde V e um espaco vetorial complexo, entao T e dia-
gonalizavel. Verifique este fato ou, equivalentemente, que existe uma matriz
com elementos complexos P33 , inversvel tal que

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 140 #146

i i

140

3 0 0

P1 A P = 0 i 0

0 0 i

SOLUC
AO

pA (x) = det(A xI3 ) =

3 x 0 0



= det 0 2x 5 = (3 x)(x2 + 1)


0 1 2 x

Como (x2 + 1) nao e fatoravel em R[x], temos que mT (x) = pT (x),

ja que eles tem os mesmos fatores irredutveis. Se estivessemos
trabalhando em C teramos:
pA (x) = (3 x)(x i)(x + i) = mT (x). Neste caso, o polinomio
mi-
nimal seria um produto de fatores lineares irredutveis e distintos.
Portanto, A seria diagonalizavel. 

Observaca o 4.4.17. Consideramos mT (x) polinomio monico.

4.4.2 Formas Canonicas

de Jordan

Definica o 4.4.18. Seja K. Um - bloco de Jordan e uma matriz

quadrada com todas as entradas da diagonal iguais a , as entradas
imediatamente abaixo da diagonal iguais a 1 e as demais entradas nulas.

Notacao: J .

Observaca o 4.4.19. Uma outra definica o que pode ser encontrada em

alguns livros para um - bloco de Jordan e : Uma matriz quadrada com
todas as entradas da diagonal iguais a , as entradas imediatamente acima
da diagonal iguais a 1 e as demais entradas nulas.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 141 #147

i i

Subseca o 5.2 Formas Canonicas

de Jordan 141

Definica o 4.4.20. Uma matriz A esta na forma canonica de Jordan se ela

e escrita com blocos de Jordan na diagonal e as outras entradas nulas, ou
seja,

J1 0 0 0

0 J2 0 0


.. ..
A = 0 0 . . 0
.. .. .
.. ..
. . . . ..

0 0 0 Jr
onde cada Ji tem um tamanho especfico nao necessariamente igual aos dos
outros.

Exemplo:

.. ..
3 . 0 0 . 0



.. ..
0 . 2 0 . 0


.. ..

0 . 1 2 . 0



.. ..
0 . 0 0 . 2
Teorema 4.4.21. Seja T L(V) onde V e um espaco vetorial sobre K,
de dimensao n. Suponhamos

pT (x) = (x 1 )s1 (x 2 )s2 (x r )sr e

mT (x) = (x 1 )d1 (x 2 )d2 (x r )dr .

Entao:

1. existe, pelo menos, um bloco de Jordan de tamanho di di associado

ao autovalor i ;

2. o numero
de blocos de Jordan de T associados ao autovalor i e a
dimensao do autoespaco associado a i , ou seja, e igual a` dimensao
de Ei = Ker(T i In ).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 142 #148

i i

Subseca o 5.2 Formas Canonicas

de Jordan 142

Ver HOFFMAN, Kenneth & KUNZE, Ray. Algebra
Demonstracao:
Linear. Editora Polgono: Sao Paulo. 1971.

Exemplo: Seja A uma matriz de ordem 9 9 cujo polinomio

caracterstico e (x 3)5 (x 2)4 e cujo polinomio
minimal e
(x 3)3 (x 2)2 .
A menos de isomorfismos, as possveis formas canonicas
de Jor-
dan de A sao:

3 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0

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


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



0 0 0 3 0 0 0 0 0
0 0 0 3 0 0 0 0 0

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

0 0 0 0 0 2 0 0 0 0 0 0 0 0 2 0 0 0


0 0 0 0 0 1 2 0 0 0 0 0 0 0 1 2 0 0



0 0 0 0 0 0 0 2 0
0 0 0 0 0 0 0 2 0

0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 2

3 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0

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


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



0 0 0 3 0 0 0 0 0
0 0 0 3 0 0 0 0 0

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

0 0 0 0 0 2 0 0 0 0 0 0 0 0 2 0 0 0


0 0 0 0 0 1 2 0 0 0 0 0 0 0 1 2 0 0



0 0 0 0 0 0 0 2 0
0 0 0 0 0 0 0 2 0

0 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 1 2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 143 #149

i i

Subseca o 5.2 Formas Canonicas

de Jordan 143

Generalizaca o da diagonalizaca o de operadores lineares sobre

um espaco vetorial de dimensao finita

Teorema 4.4.22. DECOMPOSIC PRIMARIA

AO
Sejam V espaco vetorial sobre K, T : V V operador linear.
Se podemos fatorar mT (x) como produto de polinomios irredutveis e
distintos em K[x], ou seja, mT (x) = pd11 (x) pd22 (x) pdr r (x) com pi (x) ,
, p j (x) se i , j, pi (x) K[x] irredutvel. Entao existem E1 , E2 , , Er
L(V) que satisfazem:

1. E1 + E2 + + Er = I.

2. Ei E j 0 para i , j.

3. Ei , 0, i = 1, , r.

4. Im(Ei ) = Ker(pi (T)di ), i = 1, , r.

Ver HOFFMAN, Kenneth & KUNZE, Ray. Algebra
Demonstracao:
Linear. Editora Polgono: Sao Paulo. 1971.

Sejam T L(V) e V espaco vetorial, sobre o corpo K, de

dimensao n.
Problema: O que fazer caso o operador T nao seja diagonalizavel?
Existem alguns teoremas que nos garantem a existencia de uma base
para V, na qual T tem uma representaca o matricial mais conve-
niente?
Alem da forma canonica
de Jordan, vejamos mais um resultado
que nos permite obter uma representaca o matricial mais conveniente
para T:

Teorema 4.4.23. Se mT (x) = (x 1 )d1 (x 2 )d1 (x r )dr , entao

existe uma base para V tal que [T] = D + N, D operador diagonal
e N operador nilpotente, onde:

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 144 #150

i i

144

D = 1 E1 + + r Er ; N = [T] (1 E1 + + r Er )

Ei , i = 1, , r obtidos no Teorema da Decomposica o Primaria.

Ver HOFFMAN, Kenneth & KUNZE, Ray. Algebra
Demonstracao:
Linear. Editora Polgono: Sao Paulo. 1971.

4.4.3 Aplicacoes

Aplicaca o 1: Potencias de uma matriz

Caso I: Seja A uma matriz de ordem n diagonalizavel, entao as
potencias de A, Ap para p N sao facieis de calcular. Como A e
diagonalizavel, existe uma matriz inversvel M tal que

..
1 .

2 0

. . .
M1 AM = D, sendo D = . . 3 .

..
0 .

..
. n

Portanto,

p ..
1 .
p
2 0

. . .
A = MD M , sendo D = . .
p p 1 p 3
p
.

..
0 .

.. p
. n

4 4
Exerccio 4.4.10. Mostre que a matrix A = e diagonalizavel e

1 4
n
calcule A , para n N.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 145 #151

i i

Subseca o 5.3 Aplicaco es 145

Soluca o:

4 x 4
PA (x) = det = x2 8x + 12 = (x 2)(x 6)

1 4x

2 0
1 = 2, 2 = 6. Portanto, D =

0 6

2 4 x 0
Para 1 = 2, temos o sistema: = V1 = (2, 1)
1 2 y 0

2 4 x
Para 2 = 6, temos o sistema: = 0 V =
1 2 y 0 2

(2, 1)
2 2 1 1 2
Portanto, a matriz M = e M1 =
1 1 4 1 2

An = MDn M1 =

1 2 2 2n 0 1 2
= =
4 1 1 0 6n 1 2

1 2n+1 + 2.6n 4.6n 2n+2
.
=
4 6n 2n 2n+1 + 2.6n

Caso 2: Seja A uma matriz de ordem n nao diagonalizavel, entao

existe uma matriz de Jordan J e uma matriz inversvel M tal que

M1 AM = J, sendo

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 146 #152

i i

Subseca o 5.3 Aplicaco es 146

..

1 1 0 1 .


2 1 0
2 0

. . .. . . . .
J = . 3 1 . = .
3 . +
..
. ..
0 1 0 .

.. ..
. n . n

0 1 0

0 1 0


. . . .
+ . 0 1 .


..
0 . 1

..
. 0
ou seja,
J =D+N

onde D e uma matriz diagonal e N e uma matriz nilpotente de ordem

n, ou seja Nn = 0. Como DN = ND, temos que


p
p
Jp = (D + N)p = Dp + Dp1 N + Dp2 N2 + +
1 2

p pn+1 n1
+ D
N
n1

Portanto, Ap = MJp M1 .

4 1 0

Exerccio 4.4.11. Se A = 0 4 1 , calcule An .

0 0 4

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 147 #153

i i

Subseca o 5.3 Aplicaco es 147

Soluca o:

4 0 0 0 1 0

A = D + N, onde D = 0 4 0 e N = 0 0 1



0 0 4 0 0 0

Como DN = ND e N3 = 0, temos que

An = (D + N)n =
n(n 1) n2 2
= Dn + nDn1 N + D N =
2
n n1
4 0 0 4 0 0 0 1 0


= 0 4 0 + n 0
n 4n1 0 0 0 1 +




0 0 4n 0 0 4n1 0 0 0
n2
4 0 0 0 0 1
n(n 1)
0 0

+
0 4n2 0 0 =
2 n2
0 0 4 0 0 0
n n(n1) n2
4 n4n1 2 4

= 0 4 n n4 n1 

n

0 0 4

9 4
Exerccio 4.4.12. Se A = , calcule An .

9 3

Soluca o:

9 x 4
PA (x) = det = x2 6x + 9 = (x 3)2 1 = 3.
9 3 x

3 1 3 0 0 1
Portanto, J = = + = D + N
0 3 0 3 0 0

6 4 x 0
Para 1 = 3, temos o sistema: =
9 6 y 0
V1 = (2, 3)

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 148 #154

i i

Subseca o 5.3 Aplicaco es 148

2 a
Escolhemos v2 = (a, b) tal que M = e inversvel e
3 b
M1 AM = J. Escolhemos
a = 1, b = 1. Portanto a matriz,
2 1 1
M = e M1 = 1
3 1 3 2
Agora, como DN = ND, e N2 = 0, temos

Jn = (D + n)n = Dn + nDn1 N =

3n 0 n1 0 1
= + n 3 0 =
0 3 n 0 3n1 0 0

3n n3n1
=
0 3n

Logo

2 1 3n n3n1 1 1
A n n 1
= MJ M = =
3 1 0 3n 3 2

3 + 6n
n1 4n
= 3 .
9n 3 6n

Aplicaca o 2: Exponencial de uma matriz

Sendo A uma matriz de ordem n, a serie exponencial

A2 A3 Ap
X Ak
I+A+ + + + + =
2! 3! p! k!
k=0

e convergente. A soma dessa serie e denotada por eA .

Caso 1: Se A for uma matriz quadrada diagonalizavel, entao

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 149 #155

i i

Subseca o 5.3 Aplicaco es 149

o calculo de eA torna-se bem simples, pois sendo

..
1 .

2 0

. . .
A = MDM1 , onde D = . . 3 .

..
0 .

..
. n

temos que

X

Ak X

MDk M1 X Dk
e A
= = = M M1 = MeD M1

k! k! k!
k=0 k=0 k=0

e1 ..
.

e2 0

. . . 1
= M . . e 3 . M

..
0 .

..

. e n

4 4
Exerccio 4.4.13. Calcule eA , sendo A a matrix A = .

1 4

Soluca o:
Do exerccio 4.4.10 acima

2 0 2 2 1
1 2
D = , M =

1
1 1 e M = 4 1 2 .
0 6
Logo,

e2 0 1 1 2e2 + 2e6 4e6 4e2
e = M
A M =

. 
0 e6 4 e6 e2 2e2 + e6

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 150 #156

i i

Subseca o 5.3 Aplicaco es 150

Caso 2: Seja A uma matriz de ordem n nao diagonalizavel, entao

existe uma matriz de Jordan J e uma matriz inversvel M tal que

M1 AM = J, sendo J = D + N, onde D diagonal e N nilpotente de

ordem n. Como DN = ND e Nn = 0 temos que
( )
J D+N D N D N2 Nn1
e =e = e .e = e I+N+ + +
2! (n 1)!

Portanto,

eA = MeJ M1 .

4 1 0

Exerccio 4.4.14. Calcule eAt , onde A = 0 4 1

0 0 4
Soluca o:

4 0 0 0 1 0

A = D + N, onde D = 0 4 0 e N = 0 0 1



0 0 4 0 0 0

Como DN = ND e N3 = 0, temos que

1
eNt = I + tN + t2 N2 =
2

1 0 0 0 1 0 0 0 1
1
= 0 1 0 + t 0 0 1 + t2 0 0 0 =
2
0 0 1 0 0 0 0 0 0

1 t 12 t2

= 0 1 t

0 0 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 151 #157

i i

Subseca o 5.3 Aplicaco es 151

Portanto,
1 2

1 t 2t

4t
eAt = eDt .eNt = e 0 1 t 

0 0 1

9 4
Exerccio 4.4.15. Calcule eAt , onde A e a matrix A = .

9 3

Soluca o:
Do exerccio 4.4.12 acima

3 1 2 1
J = = D + N, M = e M1 = 1 1 .
0 3 3 1 3 2
Logo,

1 t
3t

Jt
e = e .eDt Nt Dt
= e (I + tN) = e
0 1

Portanto,

1 t 1
e = e .M
A 3t M = e 1 + 6t
3t 4t . 
0 1 9t 1 6t

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 152 #158

i i

Subseca o 5.3 Aplicaco es 152

Aplicaca o 3: Sistemas de Equacoes

Lineares com coeficientes
constantes
Seja A matriz de ordem n. Considere o sistema de equacoes
dife-
renciais lineares:

x1 x1

x2 x
2

X = AX, onde X =
x3 e X = x3

.. ..
. .


xn xn

Podemos escrever A como MJM1 , onde J e uma diagonal, ou na

forma canonica
Jordan. Fazendo a mudanca x = My, o sistema fica
equivalente a
Y = JY

que e mais facil de resolver.

Exerccio 4.4.16. Resolve os sistema

x1 = 3x1 + 4x2


x = 3x1 + 2x2
2

dado que quando t = 0, X(0) = (x1 , x2 )t = (6, 1)t .

Soluca o:


x1 3 4 x1
x1 = 3x1 + 4x2 =

x 3 2 x
x = 3x1 + 2x2 2
2 2

3 4
Seja A = . Entao, PA (x) = det 3 x 4 = (x 6)(x + 1)
3 2 3 2x

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 153 #159

i i

Subseca o 5.3 Aplicaco es 153

6 0
1 = 6, 2 = 1. Portanto, D =

0 1
Para 1 = 6, temos o sistema:

3 4 x 0
= V = (4, 3)t
3 4 y 0 1

Para 2 = 1, temos o sistema:

4 4 x 0
= V = (1, 1)t
3 3 y 0 2

4 1
Portanto, a matriz M =

3 1
O sistema e equivalente a
y = Jy


6t
y1 = 6y1 y1 (t) = c1 e


y = y2 y2 (t) = c2 et
2

Portanto,
y1 c1 e6t
y = =
y2 c2 et

Logo, a soluca o e

4 1 c1 e6t 4c1 e6t + c2 et
x = My = =
3c e6t c et


3 1 c2 et 1 2

Se x1 = 6 e x2 = 1 quando t = 0, entao

4c1 + c2 6
X(0) = =
1
3c1 c2

e, portanto, c1 = 1 e c2 = 2. Logo, a soluca o do problema do valor

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 154 #160

i i

Subseca o 5.3 Aplicaco es 154

inicial e dada por

4e6t + 2et
X = 6t 

3e 2et

Exerccio 4.4.17. Ache a soluca o do sistema x = Ax sujeita a` condica o

x(0) = (3, 3)t , onde
9 4
A = .

9 3

Soluca o:
Do exerccio 4.4.12,

3 1
A = MJM , onde J =
1 e M = 2 1
0 3 3 1

Fazendo a mudanca x = My, o sistema e equivalente a

y = Jy



y1 = 3y1 + y2


y = 3y2 y2 (t) = c2 e3t
2

Portanto,
y1 = 3y1 + c2 e3t y1 (t) = (c1 + c2 t)e3t

Portanto,
y1 (c1 + c2 t)e3t
y = =
y2 c2 e3t

Logo, a soluca o e

2 1 (c1 + c2 t)e3t
x = My = = e3t 2c1 2c2 t c2
3 1 c2 e3t 3c + 3c t + c
1 2 2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 155 #161

i i

Subseca o 5.3 Aplicaco es 155

Se x1 = 3 e x2 = 3 quando t = 0, entao

2c1 c2 3
X(0) = =
3
3c1 + c2

e portanto c1 = 0 e c2 = 3. Logo, a soluca o do problema do valor

inicial e dada por

1 2t
3t

X = 3e 
1 + 3t

Aplicaca o 4: Classificaca o de Conicas

Uma conica
e uma curva descrita em coordenadas canonicas
do R2
pela equaca o

Ax2 + By2 + 2Cxy + Ex + Fy + G = 0 ()

onde A, B, C, E, F, G sao constantes. A conica

esta na forma canonica

se em relaca o a` s coordenadas canonicas
do R2 a sua equaca o e da
forma:

2 + By
Ax 2 + G = 0 ()

Exemplos sao os crculos, elipses, parabolas e hiperboles. A equaca o

() pode ser expressa matricialmente por:

h i A C x h i x
x y + E F +G = 0
()
C B y y

Nosso objetivo e eliminar o termo misto Cxy. Para isso, observamos

A C
que a matriz K = e real simetrica e, portanto, e diago-
C B
nalizavel, ou seja, existe uma matriz ortogonal P cujas colunas sao
os autovalores normalizados de K tal que PKP1 = D, e a matriz

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 156 #162

i i

Subseca o 5.3 Aplicaco es 156

diagonal. Portanto, se colocamos

x x

y := P y ,

entao a equaca o ( ) pode ser escrita como (pois P1 = Pt )

h i x h i x
T t
x y P DP + E F P + G = 0
y y

ou seja,

h i x h i x
x
y t
D + E F P + G = 0
y y

1 0
Se D = , 1 e 2 sendo os autovalores da matriz K,

0 2
temos que

h i
x
t
2
1 x + 2 y + 2
E F P + G = 0

y

que nao possui mais o termo misto e portanto a sua posica o

geometrica sera facilmente reconhecida.

Exerccio 4.4.18. Descreva a conica cuja equaca o e

20 80
5x2 4xy + 8y2 + x y + 4 = 0.
5 5

Soluca o:
" #
h i 5 2 x 20 80 x
x y + + 4 = 0 ()
2 8 y
5 5
y

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 157 #163

i i

157

5 2
Seja K = .
2 8

5 x 2
Entao, PK (x) = det = x2 13x 36 = (x 9)(x 4)

2 8 x

1 = 9, 2 = 4.
Para 1 = 9, temos o sistema:

4 2 x 0
= V = (1, 2)t
2 1 y 0 1

Para 2 = 4, temos o sistema:

1 2 x 0
= V = (2, 1)t
2 4 y 0 2

1 2

1
2
Seja P = , entao P1 = Pt = 5
5 5 5

2
2
1 1
5 5 5 5
x u
Fazendo a mudanca = P em () temos
y v

" # 1 2

h i 9 0 u 20 80 u
u v + 5 5 + 4 = 0
v 2 v
0 4 5 5 1
5 5

9u2 + 4v2 + 36u 8v + 4 = 0

Completando o quadrado temos que

(u + 2)2 (v 1)2
+ =1 que e uma elipse. 
22 32

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 158 #164

i i

Subseca o 5.4 Exerccios Propostos 158

4.4.4 Exerccios Propostos

1. Ache os autovalores e autovetores correspondentes das

transformaco es lineares:

(a) T : R4 R4 tal que

T(x, y, z, w) = (x, x + y, x + y + z, x + y + z + w).
(b) T : R3 R3 tal que T(x, y, z) = (x+ y, x y+2z, 2x+ yz)
(c) T : M2X2 M2X2 tal que T(A) = At

2. (a) Mostre que um operador linear T (num espaco de di-

mensao finita) que comuta com qualquer operador linear
diagonalizavel e diagonalizavel.
do item (a), mostre que na verdade T e um
(b) Nas condicoes
multiplo
escalar do operador identidade, isto e , existe um
numero
r tal que T = r I.

3. Seja

M a a a a

a M a a a


a a M a a

A =




a a a M a

a a a a M nn

onde M e a sao numeros

reais. Mostre que:

(a) os autovalores de A sao = M a com multiplicidade

n 1 e u = M + (n 1)a.
(b) detA = (M a)(n1) [M + (n 1)a].

4. Encontre o operador linear T : R2 R2 com autovalores 1 = 2

e 2 = 3 cujos autoespacos sao:

V2 = {(x, 2x); x , 0}, V3 = {(y, y); y , 0}.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 159 #165

i i

Subseca o 5.4 Exerccios Propostos 159

5. Seja T : R3 R3 a transformaca o linear definida por

T(x, y, z) = (x + 2y + 2z, 2x + y + 2z, 2x + 2y + 2z).

Considere os vetores
v1 = (2, 1, 1),

v2 = (1, 1, 1),

v3 = (2, 0, 2),



v = (1, 1, 3) e v = (0, 3, 3), e identifique os que que sao autovetores
4 5
de T. Determine os autovalores de T.

6. Seja T : R3 R3 a transformaca o linear definida por

T(x, y, z) = (y, y, y),

v1 = (1, 0, 0),
mostre que os vetores

v2 = (1, 1, 1) e

v3 = (0, 0, 1) deter-
3
minam uma base de R constituda por autovetores de T. Calcule a
representaca o matricial de T nesta base.

7. Seja T : R3 R3 a transformaca o linear definida por

T(x, y, z) = (y + z, 2y + 2z, y + 2z).

a) calcule o polinomio
caracterstico de T;

b) calcule os autovalores e os subespacos proprios

de T;

c) determine uma base de R3 constituda por autovetores de T. Qual

e a representaca o matricial de T nesta base?

d) designando por A a matriz que representa T na base canonica

de
R3 , determine uma matriz de mudanca de base S e uma matriz
diagonal D tais que D = S1 AS.

8. Seja T : R3 R3 a transformaca o linear definida por

T(x, y, z) = (3x, 2y + z, 2z),

a) calcule o polinomio
caracterstico de T;

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 160 #166

i i

Subseca o 5.4 Exerccios Propostos 160

b) calcule os autovetores e os subespacos proprios

de T;

c) mostre que nao existe uma base de R3 constituda por autovetores

de T.

9. Seja T : R3 R3 a transformaca o linear que na base canonica

de
R3 e representada pela matriz

9 0 0

3 7 1


3 2 8

a) calcule o polinomio
caracterstico de T;

b) calcule os autovalores e os subespacos proprios

de T;

c) determine uma matriz de mudanca de base S e uma matriz diag-

onal D tais que D = S1 AS.

10. Considere as matrizes:

1 1 1 2
A =
, B = e C = 10 4
0 2 4 5 24 10

Mostre que todas sao diagonalizaveis e calcule An , Bn e Cn , para

n N.

1 1 2 1
11. Calcule An e Bn com A = e B =
1 4
1 3

12. Seja T, : P2 (R) P2 (R) a transformaca o definida por

T, = p + p, onde P2 (R) e o conjunto dos polinomios
reais em x
de grau menor ou igual a 2 e , R,

a) mostre que T, e uma transformaca o linear;

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 161 #167

i i

Subseca o 5.4 Exerccios Propostos 161

0 2

b) mostre que A = 0 0 e a matriz representativa de T na
,

0 0
base {1, x, x2 } de P2 (R);

c) para que valores de e , T, e inversvel?

d) determine os autovalores de T, . Para que valores de e , T,

e diagonalizavel?

e) para = 1 e = 2 determine a forma canonica

de Jordan de A e
h it
~
a soluca o geral do sistema y = A~y, onde ~y = y1 y2 y3 .

1 3 3

13. Considere a matriz A = 3 5 3 .

6 6 4

a) determine os seus autovalores (Nota: um dos autovalores e 4);

b) determine o subespaco proprio

associado a cada autovalor ;

c) determine, sendo possvel, uma matriz U tal que U1 AU seja

diagonal;

d) determine a soluca o geral do sistema y~ = A~y.

2 1
14. Considere a matriz A =
2 5

a) mostre que A e diagonalizavel, identificando uma matriz diago-

nal D e uma matriz de mudanca de base S tais que A = SDS1 ;

b) calcule a unica
soluca o do problema de valores iniciais



x1 (t) = 2x1 (t) + x2 (t)

, x1 (0) = 1, x2 (0) = 1.
x (t) = 2x1 (t) + 5x2 (t)
2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 162 #168

i i

Subseca o 5.4 Exerccios Propostos 162

1 9
15. Considere a matriz A =

1 5

a) mostre que A nao e diagonalizavel, identificando um bloco de

Jordan J e uma matriz de mudanca de base S tais que
A = SDS1 ;

b) calcule a unica
soluca o do problema de valores iniciais



x1 (t) = x1 (t) + 9x2 (t)

, x1 (0) = 5, x2 (0) = 2.
x (t) = x1 (t) + 5x2 (t)
2

16. Considere a correspondencia T : R3 R3 definida por

T(x, y, z) = (x, y z, z y),

a) mostre que T e uma transformaca o linear;

b) determine a matriz representativa de T supondo fixada em R3 a

base formada pelos vetores (1,1,1), (0,1,1) e (0,0,1);

c) a transformaca o T e inversvel? Justifique;

d) mostre que 0 e um auto valor de T e que (0,-1,1) e um autor vetor

de T;

e) determine a multiplicidade geometrica do auto valor associado

ao auto vetor (0,-1,1).

17. Seja A uma matriz quadrada de ordem n,

a) mostre que A e At tem o mesmo polinomio

caracterstico;

b) supondo que A + In = A(At + In ), mostre que, se det A , 1, entao

1 e autovalor de A;

2 1
18. Considere a matriz A = ,
2 3

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 163 #169

i i

Subseca o 5.4 Exerccios Propostos 163

a) determine os seus valores proprios;

b) determine o subespaco proprio

associado a cada valor proprio;

c) determine, sendo possvel, uma matriz U tal que U1 AU seja

diagonal;

d) determine a soluca o geral do sistema y~ = A~y.

2 1
19. Considere a matriz A = com a parametro real,
1 a

a) para que valores de a, a matriz dada admite um unico

valor
proprio?

b) considerando a = 2, calcule eAt ;

c) supondo a = 4, determine uma matriz P inversvel e uma forma

canonica
de Jordan J tais que P1 AP = J.

20. Considere uma transformaca o linear f : R3 R3 tal que

f (

e ) =
1

e , f (
2

e ) =

e e f (
2

e ) =
1

e , onde {
3 3

e ,
e ,
1

e } e a base canonica
2 3
de R3 .

0 1 0

a) mostre que A f = 1 0 0 e a matriz representativa de f rela-

0 0 1
tivamente a` base canonica;

b) sem utilizar a matriz da alnea (a) determine a expressao geral

da transformaca o f ;

c) determine o nucleo
e a imagem de f bem como as respectivas
dimensoes.
f e inversvel? Justifique;

d) verifique que A f e ortogonalmente diagonalizavel;

e) determine os valores de n Z para os quais (A f )n = A f ;

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 164 #170

i i

Subseca o 5.4 Exerccios Propostos 164

f) considerando fixada em R3 a base {

u1 ,

u2 ,

u3 }, onde


u1 = e2 e3 , u2 = e1 e u3 = e1 + e2 +








e3 , determine a matriz
representativa de f relativamente a esta base e designe-a por
B f . Justifique por que A f e B f tem os mesmos valores proprios.

21. Mostre que se A e B sao matrizes quadradas e A e nao singular,

entao as matrizes A1 BA e B tem os mesmos valores proprios.


4 1
22. Considere a matriz A = ,
1 2
a) determine a forma canonica
de Jordan J da matriz A e calcule
uma matriz P tal que P1 AP = J;

b) calcule eAt ;

c) determine a soluca o geral do problema de valores iniciais

h it
y~ = A~y, ~y(0) = 1 1 .

23. (a) Mostre que duas matrizes semelhantes tem o mesmo polino-

mio caracterstico

b) Aproveite (a) para mostrar que, sendo A uma matriz quadrada,

os valores proprios
de eAt (t R) sao ei t com i valor proprio

de A.

24. Seja T : R3 R3 uma transformaca o linear definida por

T(a0 + a1 x + a2 x2 ) = (5a0 + 6a1 + 2a2 ) (a1 + 8a2 )x + (a0 2a2 )x2

a) encontrar os autovalores da transformaca o;

b) encontrar os subespacos proprios

da transformaca o.

25. Seja T : M2,2 M2,2 uma transformaca o linear definida por

a11 a12 2a21 a11 + a21
T =

a21 a22 a12 2a21 a22

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 165 #171

i i

165

a) encontrar os autovalores de T;

b) encontrar os autovetores de T.

26. Prove que a existencia de um autovalor = 0, para uma

transformaca o linear T e equivalente ao fato de T ser nao inversvel.
27. Sejam A, B matrizes, prove que et(A+B) = etA etB para todo t R
se, e somente se AB = BA.
28. Identifique as seguintes conicas.
Ache o centro quando a conica

e uma elipse ou hiperbole, as assntotas se ela e hiperbole, o vertice
e o eixo da simetria se ela e uma parabola. Esbocar as curvas.

(a) x2 + y2 2xy + 16x + 16y = 0;

(b) 16x2 + 16y2 16x + 8y 59 = 0;

(c) 7x2 + 6xy y2 2x + 10y 9 = 0.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 166 #172

i i

Captulo 5

Uma Aplicaca o do Teorema

da Decomposica o Primaria

SOLUC
OES DE E.D.O. LINEARES COM COEFICIENTES
CONSTANTES

Considere: I = (a, b), I = (a, +), I = (, a) ou I = R, a, b R.

K (= R ou C) um corpo.

Cn (I, K) = { f : I K | f (n) : I K existe e e contnua em I}.

Denotamos Dn ( f ) = f (n) .

C0 (I, K) = { f : I K | f e contnua em I}. D( f ) representa a

derivada de f

Teorema 5.0.24. DECOMPOSIC PRIMARIA

AO
Seja V espaco vetorial sobre K, T : V V (operador linear).
Suponha que existe um polinomio P(x) K[x] , P(x) = Pr11 Prkk ;
r
P j j (x), j = 1, , k sao irredutveis distintos tal que P(T) 0, sejam
Lk
Wi = {v V | Pri i (T) 0} i = 1, , k. Logo V = W = i=1 Wi e cada
Wi e T-invariante.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 167 #173

i i

Decomposica o Primaria 167

Ver HOFFMAN, Kenneth & KUNZE, Ray. Algebra
Demonstracao:
Linear. Editora Polgono: Sao Paulo. 1971.

E.D.O. LINEARES COM COEFICIENTES CONSTANTES

Definica o 5.0.25. Uma equaca o diferencial linear com coeficientes
constantes e uma equaca o da forma:

[Dn + an1 Dn1 + + a1 D + a0 I](Y) = f0 | ai R, f0 C0 (R, K).

Definica o 5.0.26. Escrevemos P(D)(Y) = f0 , onde

P(t) = tn + an1 tn1 + + a1 t + a0 .

Observe que P(D) e um operador que se expressa como um polinomio em D.

Y
k
Suponhamos que P(t) = (t ci )ri , ci distintos i = 1, , k; ci K(=
i=1
= R ou C).
Considere a equaca o homogenea P(D)(Y) = 0. Seja

W = { f Cn (R, K) | P(D)( f ) = 0}.

Observe que: W = ker(P(D)) e portanto W e um espaco vetorial, sobre K,

de dimensao n.

Lema 5.0.27. W e D-invariante.

Lema 5.0.28. Seja c K e f Cr (R, K) (D cI)r ( f ) = ect Dr (ect f ).

Teorema 5.0.29. As soluco es de P(D)(Y) = 0 (I) sao somas de funco es

fi (t) = eci t [a0 + a1 t + + ari 1 tri 1 ];

a j constantes K j = 0, , ri 1. (II).
Ou seja, f e soluca o de (I) f = f1 + f2 + + fk , onde cada fi tem a
forma dada em (II) para cada i = 1, , k.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 168 #174

i i

Decomposica o Primaria 168

Observaca o 5.0.30. As soluco es de (D c)r (Y) = 0 sao da forma

f (t) = ect [a0 + a1 t + + ar1 tr1 ].

5.1 Exemplos
1. Determine a forma particular das equaco es abaixo:

(a) (D2 4D + 4I)(Y) = t (2e2t + t sen (t))

SOLUC
AO: Consideremos o operador:
(D 2I)2 (D2 + I)3
Aplicando o operador a` equaca o (a), obtemos:

(D 2I)2 (D2 + I)3 (D2 4D + 4I)(Y) = 0

(D 2I)4 (D2 + I)3 (Y) = 0
Y Ker((D 2I)4 (D2 + I)3 ).
Portanto,
Y(t) = C0 e2t + C1 te2t + C2 t2 e2t + C3 t3 e2t + C4 eit + C5 teit +
+ C6 t2 eit + C7 eit + C8 teit + C9 t2 eit .
Assim, a soluca o particular pode ser escrita da seguinte
maneira:
YP (t) = k0 t2 e2t +k1 t3 e2t +k2 eit +k3 teit +k4 t2 eit +k5 eit +k6 teit +
+ k7 t2 eit .
Soluca o particular real (geral):
YP (t) = k0 t2 e2t + k1 t3 e2t + (k2 + k3 t + k4 t2 ) cos (t) + (k5 + k6 t +
+ k7 t2 ) sen (t). 
(b) (D2 + 2D + 2I)(y) = t2 3te2t cos (5t)
SOLUC
AO: Observemos que:
D3 (t2 ) = 0, (D(2+5i)I)2 (D(25i)I)2 (3te2t cos (5t)) =
= 0.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 169 #175

i i

Decomposica o Primaria 169

Consideremos o operador:
D3 (D (2 + 5i)I)2 (D (2 5i)I)2 .
Aplicando o operador a` equaca o (b), obtemos:
D3 (D (2 + 5i)I)2 (D (2 5i)I)2 (D2 + 2D + 2I)(Y) = 0
Y(t) Ker(D3 (D (2 + 5i)I)2 (D (2 5i)I)2 (D2 + 2D +
+ 2I)).
Portanto,
Y(t) = C0 + C1 t+ C2 t2 + C3 e(2+5i)t + C4 te(2+5i)t + C5 e(25i)t +
+ C6 te(25i)t + C7 e(1+i)t + C8 e(1i)t .
Logo, a soluca o particular pode ser escrita da seguinte
maneira:
YP (t) = k0 + k1 t + k2 t2 + k3 e(2+5i)t + k4 te(2+5i)t + k5 e(25i)t +
+ k6 te(25i)t .
Soluca o particular real (geral):
YP (t) =
= k0 +k1 t+k2 t2 +(k3 +k4 t)e2t cos (5t)+(k5 +k6 t)e2t sen (5t).
(c) (D2 + I)3 (D I)(Y) = 3et + 5t2 cos (t)

(D + I)(3et ) = 0, (D iI)3 (D + iI)3 (5t2 cos (t)) = 0.

Consideremos o operador: (D + I)(D iI)3 (D + iI)3 .

Aplicando o operador a` equaca o (c), obtemos:

(D + I)(D iI)3 (D + iI)3 (D2 + I)3 (D I)(Y) = 0

Y(t) Ker((D + I)(D iI)3 (D + iI)3 (D2 + I)3 (D I)).

Portanto,

Y(t) = C0 et +C1 et +(C2 +C3 t+C4 t2 +C5 t3 +C6 t4 +C7 t5 )eit +

+(C8 + C9 t + C10 t2 + C11 t3 + C12 t4 + C13 t5 )eit .

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 170 #176

i i

Decomposica o Primaria 170

Logo, a soluca o particular pode ser escrita da seguinte

maneira:

YP (t) = k0 et + (k1 t3 + k2 t4 + k3 t5 )eit + (k4 t3 + k5 t4 + k6 t5 )eit .

Soluca o particular real (geral):

YP (t) = k0 et + (k1 t3 + k2 t4 + k3 t5 ) cos (t) + (k4 t3 + k5 t4 +
+ k6 t5 ) sen (t). 
(d) D2 (D4 4D3 + 6D2 4D + I)(Y) = (t2 + 1)(1 et ).
SOLUC
AO:

D3 (t2 + 1) = 0, (D I)3 (t2 et et ) = 0.

Consideremos o operador: D3 (D I)3 .

Aplicando o operador a` equaca o, obtemos:

D5 (D I)3 (D4 4D3 + 6D2 4D + I)(Y) = 0

Y Ker(D5 (D I)3 (D4 4D3 + 6D2 4D + I)(Y)).

Portanto,

X
4 X6
Y(t) = j
C jt + ( ej t j )et .
C
j=0 j=0

Logo, a soluca o particular pode ser escrita da seguinte

maneira:

X
4 X6
YP (t) = j
C jt + ( ej t j )et . 
C
j=2 j=4

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 171 #177

i i

Decomposica o Primaria 171

(e) (D8 2D4 + I)(Y) = (2t 1) cosh (t) + t3 sen (t).

SOLUC
AO:
et et
Sabemos que: cosh (t) = .
2
Assim:
et et et et
(2t 1) cosh (t) = (2t 1) = + tet + tet .
2 2 2
et et
(D I)2 ( + tet ) = 0, (D + I)2 ( tet ) = 0,
2 2
(D + iI)4 (D iI)4 (t3 sen(t)) = 0.
Consideremos o operador: (D I)2 (D + I)2 (D + iI)4 (D iI)4 .
Aplicando o operador a` equaca o, obtemos:

(D I)2 (D + I)2 (D + iI)4 (D iI)4 (D8 2D4 + I)(Y) = 0

Y(t) Ker((D I)2 (D + I)2 (D + iI)4 (D iI)4 (D8 2D4 + I)).

Portanto,

X3 X3 X5 X5
Y(t) = ( C j t j )et + ( ej t j )et + (
C B j t j )eit + ( e
B jt j )eit .
j=0 j=0 j=0 j=0

Logo, a soluca o particular pode ser escrita da seguinte

maneira:

X3 X3 X5 X5
YP (t) = ( j t
C j t )e + ( e j t
C j t )e + ( j it
B j t )e + ( e
B jt j )eit .
j=2 j=2 j=0 j=0

Soluca o particular real (geral):

X 3 X3 X5
YP (t) = ( j t
C j t )e + ( e j t
C j t )e + ( B j t j ) cos (t) +
j=2 j=2 j=2
X5
+( e
B j t j ) sen (t).
j=2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 172 #178

i i

Decomposica o Primaria 172

t
(f) (D3 I)(D2 + D 2I)(Y) = e 2 sen ( 3t) t cos ( 3t).
SOLUC
AO:
t
(D ( 12 i 3)I)(D ( 12 + i 3)I)e 2 sen ( 3t) = 0

(D i 3I)2 (D + i 3I)2 (t cos ( 3t)) = 0.
Consideremos o operador:

1 1
[D ( i 3)I][D ( + i 3)I](D i 3I)2 (D + i 3I)2 .
2 2

Aplicando o operador a` equaca o, obtemos:

(D ( 12 i 3)I)(D ( 12 + i 3)I)(D i 3I)2 (D + i 3I)2 (D3
I)(D2 + D 2I)(Y) = 0

Y(t) ker((D ( 12 i 3)I)(D ( 12 + i 3)I)(D i 3I)2 (D +

+ i 3I)2 (D3 I)(D2 + D 2I)).
Logo, a soluca o particular pode ser escrita da seguinte
maneira:
t
t

YP (t) = C0 e 2 ei 3t +C
1e 2 e
i 3t +C ei 3t +C tei 3t +C tei 3t +
2 3 4

+ C5 tei 3t

Soluca o particular real (geral):

t
YP (t) = (C0 cos ( 3t)+C1 sen ( 3t))e 2 +(C2 +C3 t) cos ( 3t)+

+ (C4 + C5 t) sen ( 3t). 

5.2 Exerccios Propostos

t sen (t)
1. (D3 I)3 (Y) = (2t + 1)2 et + .
2
2. (D2 2D + I)(D2 4I)2 (Y) = t senh (t) + cosh (2t).
t
3. [(4D2 4D + 5I)(D2 + 2D + I)]2 (Y) = t (1 + e 2 sen (t) t cos (t)).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 173 #179

i i

173

4. D(D2 4I)5 (Y) = (t + 1)2 [(t + 1) + senh (2t)].

de leitura
Observaca o 5.2.1. Sugestao
Dentre o material disponvel no acervo da Biblioteca da UESC, citamos

o seguinte trabalho para obterem outras aplicaco es da Algebra Linear na
Teoria da Equaco es Diferenciais.

Daniel Nicolau, Formas Canonicas e Sistemas de Equaco es

1. BRANDAO.
Diferenciais. 2006. 59f. Monografia (Trabalho de conclusao de
Curso) - Bacharelado em Matematica, Universidade Esta-
dual de Santa Cruz, Ilheus.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 174 #180

i i

Captulo 6

Respostas dos Exerccios

Propostos

Matrizes (pagina 26)

1 n 2n 1
cos n sen n
3)
4) A = 0 1
n
n

sen n cos n
0 0 1

2 2
5) 2

2 e 1 1

2
2 2 1

1 0 0 1 1 0 1 0
6) ,


1 0
,


0 1
,


0


0 1 1

1
0 0 1 0 2 b
7) ,


0 1
,


c 1
onde bc = 14 .
0 0 2

8) (a) 5 (b) 10 (c) 135 (d) 15 (e) 1 8

40 (f) 5 (g) 5 (h) 5

9) (a) x = 1, 2 (b) x = 1, 3 (c) x = 0, 2, 2

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 175 #181

i i

Respostas 175

27 10 8 2 1
10) 11) (a) 4 (b) 12)
100 3 8

6 2 1

2
(B + 5I) (B + 5I)
2



(a) B = I (b) B1 = = 0 1 0

2 2


4 3 5




13)




34 24 17








(c) B = 0 3 0


68 5 17



(a) Verdadeira (b) Falsa (c) Falsa
14)

(d) Falsa (d) Verdadeira


I 26%
I 23%




15) 2006 II 22% 2011 II 23, 2% 17) B1 Am



III 52% III 53, 8%
B.

Sistemas Lineares (pagina 51)

1) (a) a = 2 (b) a , 2 (c) a = 2
2) x = 1, y = 0, z = 2, w = 0



(a) x = 0, y = 0, z = 0
3)
(b) x = s t, x = s, x = t, x = 0, x = t
1 2 3 4 5

4)

Se , 11, o sistema e possvel e determinado;





se = 11 e = 20 o sistema e possvel e indeterminado,
(a)


com soluca o x = 30 + 29z, y = 10 8z;



se = 11 e , 20, o sistema e impossvel.


Caso = 1, o sistema e indeterminado com soluca o





x = 9 46t, y = 1 3t, z = 3 + 16t;
(b)


caso , 1, o sistema e possvel e determinado



com soluca o:( 19 , 0, 7 , 1 )
3 3 3

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 176 #182

i i

Respostas 176

Se , 0 e , 6, o sistema e possvel e determinado;






caso = 0 e = 23 , o sistema e indeterminado tendo



a sua soluca o de dimensao 1;



(c)
e se = 0 e , 23 , o sistema e impossvel;



2
caso = 6 e = 63 , o sistema e indeterminado tendo





a sua soluca o dimensao 1;



2
e se = 6 e , 63 , o sistema e impossvel.
5) a = 2, 1
6) Devemos comprar as resistencias R1 , R2 , R3 , R4 , R5 com as
correntes maximas 5A, 3A, 0.5A, 3A, 3A respectivamente.
O custo total sera de R$ 115,00.

Espacos Vetoriais (pagina 88)

n
1) (a) Nao (b) Sim (c) Nao (d) Nao (e) Nao
n
2) (a) Nao (b) Nao (c) Nao (d) Sim (e) Sim


(a) Uma base F = {(1, 1, 0), (0, 0, 1)}; dim F = 2;





(b) G = {(x, y, z) R3 | x + y = 0};




Conjunto gerador que nao e base =
3)


= {(0, 0, 1), (1, 1, 0), (1, 1, 1)}; dim G = 2.





(c) F + G = {(x, y, z) R3 | x + y = 0}; dim(F + G) = 2;


F + G nao e soma direta.


(a) Uma base para F : {(1, 1, 0, 3), (0, 0, 1, 0)}; dim F = 2;




4
(b) G = {(x, y, z, w) R | x + y 2w = 0 e y + z + w = 0};



4)
(c) uma base para F + G :



{(1, 1, 0, 3), (0, 0, 1, 0), (1, 1, 1, 0), (1, 1, 2, 1)};




dim(F + G) = 4; F + G e uma soma direta.
n
5) (b)(3, 1, 1) (c){(1, 1, 1, 0), (0, 2, 2, 1), (2, 0, 0, 1)}


(a) F(falso). Observe que u < F u < F mas,



9)
u u = 0 F;


(b) V(verdadeiro).

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 177 #183

i i

Respostas 177

Transformac
oes
Lineares (pagina 128)

(a) nulidade = 1





(b) {(3, 0, 1, 1, 0), (0, 3, 2, 1, 0)}
1)


(c) dim = 3



(d) {(1, 0, 0, 7), (0, 1, 0, 3), (0, 0, 1, 3)}
 
(b) k , 0, T1 (x, y) = x y , y



2)
k 3) (8, 0)

(c) dimensao = 1, base = {(1, 1)}


(b) O nucleo e formado pelas matrizes reais simetricas,





dim = 3, base:



1 0 0 1 0 0



,

,


0 0
1 0 0 1
4)


0 0 1 0







0 1 1 0

(c)


0 1 1 0



0 0 0 0



(a) Uma base e {(0, 2, 1), (0, 0, 1)}
5)

(b) Nuc(T) tem dimensao 1 e base {(0, 0, 1)}


2
(a) 8 + 8x 7x
6)

(b) Sim


(a) Nuc(T) tem dimensao 1 e base{(1, 1, 0)}



7)
(b) dimensao = 2


(c) Nao

sen cos
8)
cos sen

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 178 #184

i i

Respostas 178

3 0 0 4 3 0 4
0


0




0 3 4
0
1 1 3 4 0

(a) A =

(b) A =

0 4 3 0 25 0 4 3 0





9)
4 0 0 3 4 0 0 3










1 2


(c) X = 14 7



1 2 1 1 4 3



1 2 9


(a)[T]B =
0 1 0
(b)[T] B =

B B




1 0 7 1 1 8








1
10) (c)T1 = (7x + 14y + z, 8y, x 2y + z)

8










7 29 30
1
(d)[T1 ]B = 1

5 6

8

1 3 2


(b) Nuc(T) = [(2, 3, 2)]









11) (c) F(x, y) = (x + 2y, 2x + 2y, 3x + 4y)








(d) G(x, y) = (3y, 3x)

Diagonalizac
a o (pagina 168)

(a) = 1; v = (0, 0, 0, 1)











(b) 1 = 1, v1 = (2, 4, 1); 2 = 2, v2 = (1, 1, 1);



3 = 2, v3 = (1, 3, 1)




1)




1 0 0 0


(c) 1 = 1, v =
, v = 0 1 , v =

0 0 1 0 1 0 1 ;


1 1



0 1


2 = 1, v2 =


1 0

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 179 #185

i i

Respostas 179

1
4) T(x, y) = (4x 5y, 10x y)
3
5) Nenhum dos vetores sao autovetores. Os autovalores sao
5 33
1,
2

0 0 0

6) [T]B = 0 1 0

0 0 0


(a) P() = 3 42 + 2






1 = 0, E1 = [(1, 0, 0)];




(b) 2 = 2 + 2, E2 = [(1, 2, 2)];






= 2 2, E = [(1, 2, 2)]

3

3




(c) B = [(1, 0, 0), (1, 2, 2), (1, 2, 2)]



7)
0 0 0



[T] =
0 2 + 2 0

B




0 0 2 2





1 1 1 0 0 0


(d) S =

; D = 0 2 2


0 2 2 0



0 2 2 0 0 2 2


(a) P() = (3 )(2 )2



8)



(b) = 2, E = [(0, 1, 0)]; = 3, E = [(1, 0, 0)]
1 1 2 2


(a) P() = (6 )(9 )2










(b) 1 = 6, E1 = [(0, 1, 1)]; 2 = 9,





E2 = [(1, 0, 3)], v3 = (0, 1, 2)
9)








0 1 0 6 0 0



(c) S = 1 0 1 ; D = 0 9 0




1 3 2 0 0 9

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 180 #186

i i

Respostas 180

1 2n 1 n 2 3n 3n 1



An = , B =
2 2.3n 1 + 2.3n
,


0 2n



10)




3.2n 2(2n ) (2)n (2)n



Cn =

6.(2)n 6(2)n 3(2)n 2(2n )



2 n n2n1 n2n1

An =



n2n1 2n + n2n1
11)



3n n3n1 n3n1


Bn =

n1 n n1
n3 3 +3


c) T, inversvel se , 0, R





d) = . T, diagonalizavel se = 0, R



12) 2 1 0 y1 = (c1 + 2c3 t)e2t







e) 0 2 0 , y2 = c2 e2t





y = c e2t
0 0 2 3 3


(a) 1 = 4, 2 = 2





(b) E1 = [(1, 1, 2)], E = [(1, 1, 0)],

2




E
2
= [(0, 1, 1)]



1 1 0



13)
(c) 1 1 1



2 0 1






y1 = c1 e4t + c2 e2t






(d) y2 = c1 e4t + c2 e2t + c3 e2t




y = 2c e4t + c e2t
3 1 3


3 0 1 1
x1 = 3e3t 2e4t
(b)
14) (a) D = , S =

0 4 1 2
x2 = 3e3t 4e4t


2 1 3 1
2t
x1 = 3(1 + t)e
15)
(a) J = , S = (b)

0 2 1 0 x2 = (2 + t)e2t

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 181 #187

i i

Respostas 181

1 0 0






(d) 1 0 1


16)
0 0 2



(c) nao inversvel




(e) mult. geom. = 1


(a) 1 = 4, 2 = 1





(b) E1 = [(1, 2)], E = [(1, 1)]

2



1 1
18) (c)



2 1




4t t

y1 = c1 e + c2 e

(d)
y2 = 2c1 e4t + c2 et


(a) a = 0, a = 4







3t

(7 + 4 3)e e 3t (2 + 3)(e 3t e 3t )


(b)

3t e 3t ) (7 + 4 3)e 3t e 3t


19)
(2 + 3)(e









1 1 3 1


(c) P = 1 0 , J = 0 3



(b) f (x, y, z) = (y, x, z)









(c) Nuc( f ) = {(0, 0, 0)}, dim(Nuc( f )) = 0;






Im( f ) = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},




dim(Im( f )) = 3, f e inversvel.



20)




(e) n mpar







1 3

1


2

2 2

( f ) B =
1 1 1

f
2 2 2


0 0 1

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 182 #188

i i

182

3 1 1 1

(a) J = , P =



0 3 1 0
22)

t t
3t


At = e3t 1 +
y1 = e

(b) e
t (c)
1t y = e3t
2
n
24) (a) 1 = 3, 2 = 4 (b) E1 = [(5, 2, 1)], E2 = [(6, 8, 3)]

(a) 1 = 1, 2 = 1, 3 = 2



25)
2 1 2 3 1 4

(b) v1 = 1 0 , v2 = 0 1 , v3 = 1 0

n
28) (a) parabola (b) elipse (c) hiperbole

Solucoes
de E.D.O com coeficientes constantes(pagina 143)
1)YP (t) = (k0 + k1 t + k2 t2 )t3 et + (k3 + k4 t) cos (t) + (k5 + k6 t) sen (t).
2)YP (t) = (k0 + k1 t)t2 et + (k2 + k3 t)et + k4 t2 e2t + k5 t2 e2t .
t
3)YP (t) = k0 + k1 t + t2 e 2 [(k3 + k4 t) cos (t) + (k5 + k6 t) sen (t)] +
+ (k7 + k8 t + k9 t2 ) cos (t) + (k10 + k11 t + k12 t2 ) sen (t).
X
4 X
7 X
7
4)YP (t) = k jt j + ( ek j t j )e2t + ( ec j t j )e2t .
j=1 j=5 j=5

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 183 #189

i i

Captulo 7

Consideracoes
Finais

XV Seminario Estudantil de Pesquisa - V. I - UFBA

- 1996.

C5-MATEMATICA

TITULO DO TRABALHO: ESPAC
OS VETORIAIS DE DIMENSAO
INFINITA
BOLSISTAS: Claudia Ribeiro Santana - Matematica (PIBIC/CNPQ)
Maria Amelia de Pinho Barbosa - Matematica (PIBIC/CNPQ).
ORIENTADORA: Ednalva Vergasta Andrade, Instituto de
Matematica, Depto de Matematica da UFBA.
RESUMO DO TRABALHO:
Um dos objetivos do presente trabalho foi comparar espacos ve-
toriais de dimensao finita com os de dimensao infinita, verificando
que muitos resultados validos para a dimensao finita nao sao validos
se a dimensao for infinita. Sabemos que nos espacos de dimensao
finita todo operador linear possui um operador auto adjunto, todo
operador auto-adjunto possui uma base ortonormal formada por
vetores caractersticos, todo funcional linear e associado a um vetor

representante e que sendo W subespaco, temos W = W. Bus-
camos em espacos vetoriais de dimensao infinita, contra-exemplos.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 184 #190

i i

184

Obtivemos exemplos de operadores sem adjunto, de um operador

auto-adjunto sem vetores caractersticos, de um funcional linear sem

representante e de um subespaco W tal que W , W.
Estudamos tambem algumas caractersticas e propriedades dos espa-
cos de Hilbert e Banach, que sao espacos vetoriais de dimensao in-
finita. Como exemplo de espaco de Hilbert, citaremos o l2 , que e
um espaco normado munido de um produto interno. Neste espaco,
foram estudados conceitos e resultados tais como a forma quadratica
associada a um produto interno, a desigualdade de Cauchy-Schwarz,
a lei do paralelogramo, a metrica de um espaco normado, o Teorema
de Jordan - Von Neumann e a existencia de um isomorfismo entre
o l2 e qualquer espaco de Hilbert de dimensao infinita que possui
uma base ortonormal. Como exemplo de espaco de Banach, citare-
mos o espaco vetorial normado lp , p 1, p N. Os elementos deste
espaco satisfazem algumas condicoes,
tais como a desigualdade de
Holder,
que e a forma mais geral da desigualdade de Minkowski,
que corresponde a` desigualdade triangular. Algumas caractersticas
basicas forma verificadas, com ser completo, ou seja, toda sequ
encia
de Cauchy neste espaco e convergente. Para p , 2 a lei do paralelo-
gramo nao e satisfeita, e a norma nao provem de um produto in-
terno, portanto lp , p , 2 nao e um espaco de Hilbert. E interessante
observar que todo espaco de Hilbert e um espaco de Banach.
PALAVRAS CHAVES: Contra-exemplos, Hilbert, Banach, nor-
mado, completo.

TITULO DO PROJETO DO(S)ORIENTADOR(ES): ESPAC
OS

VETORIAIS DE DIMENSAO INFINITA.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 185 #191

i i

Captulo 8

Bibliografia

Captulo 1

1. BOLDRINE, Jose Luiz. COSTA, Suelli I. Rodrigues.

FIGUEREDO, Vera Lucia.

WETZLER, Henry G. Algebra Li-
near. 3a edica o. Editora: HARBRA ltda.

2. LIMA, Elon Lages. Geometria Analtica e Algebra Linear.
Coleca o Matematica Universitaria. IMPA. SBM.

Captulo 2

1. BOLDRINE, Jose Luiz. COSTA, Suelli I. Rodrigues.

FIGUEREDO, Vera Lucia.

WETZLER, Henry G. Algebra Li-
near. 3a edica o. Editora: HARBRA ltda.

2. CALLIOLI. Carlos A., DOMINGUES. Hygino H., COSTA.

Roberto C.F.. Algebra Linear e Aplicacoes.
6a edica o reformu-
lada. Editora Atual: Sao Paulo 1990.

3. KREIDER, Donald L.. KULLER, Robert G.. OSTBERG, Do-

nald R.. Equaco es Diferenciais. Traduca o: Elza F..Sao Paulo.
Edgard Blucher.
Editora: Universidade de Sao Paulo. 1972.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 186 #192

i i

Bibliografia 186

Captulo 3

1. BOLDRINE, Jose Luiz. COSTA, Suelli I. Rodrigues.

FIGUEREDO, Vera Lucia.

WETZLER, Henry G. Algebra Li-
near. 3a edica o. Editora: HARBRA ltda.

2. CARVALHO, Joao Pitombeira de. Uma introduca o a` Algebra
Linear. 2a ed. Rio de Janeiro: Livros Tecnicos e Cientficos.
IMPA. 1977.

3. HOFFMAN, Kenneth & KUNZE, Ray. Algebra Linear. Editora
Polgono: Sao Paulo. 1971.

4. LANG, Serg. Estruturas Algebricas. Tradutor: Prof. Claudio

R. W. Abramo. Rio de Janeiro, Ao livro tecnico; Braslia, Insti-
tuto Nacional do Livro, 1972.

5. LIMA, Elon Lages. Algebra Linear. Coleca o Matematica Uni-
versitaria. Rio de Janeiro: IMPA, 1996.

6. Universidade Federal de Pernambuco. Departamento de

Matematica. Notas de Aula - Curso de Verao 2003: Algebra
Linear.

7. Universidade Federal da Bahia. Departamento de Matematica.

Listas de Exerccios: Algebra Linear.

Captulo 4

1. HILL, David. Universidade Federal da Bahia. Departamento

de Matematica. Notas de aula do Curso de Teoria das Equacoes

Diferenciais-1996.

2. HOFFMAN, Kenneth & KUNZE, Ray. Algebra Linear. Editora
Polgono: Sao Paulo. 1971.

i i

i i
 i i

AlgebraLinear 2008/7/23 7:23 page 187 #193

i i

Bibliografia 187

3. KREIDER, Donald L.. KULLER, Robert G.. OSTBERG, Do-

nald R.. Equaco es Diferenciais. Traduca o: Elza F..Sao Paulo.
Edgard Blucher.
Editora: Universidade de Sao Paulo. 1972.

4. LIMA, Elon Lages. Algebra Linear. Coleca o Matematica Uni-
versitaria. Rio de Janeiro: IMPA, 1996.

i i

i i