SECÇÃO DE MATEMÁTICA

n
ÁLGEBRA LINEAR

io
rs
Carla Fidalgo

ve
e
bl
ta
p rin
n-
no

INSTITUTO SUPERIOR DE ENGENHARIA DE COIMBRA

 INSTITUTO SUPERIOR DE ENGENHARIA DE COIMBRA

n
io
SECÇÃO DE MATEMÁTICA

rs
ÁLGEBRA LINEAR
Carla Fidalgo ve
e
bl
ta
rin

Nenhuma parte desta publicação poderá ser reproduzida ou

transmitida por qualquer forma ou processo, electrónico, mecânico
ou fotográfico, incluindo fotocópia, xerocópia ou gravação, sem
autorização prévia.
p
n-
no

COIMBRA – 2020
2004

Impresso na Secção de Textos do ISEC

 ÍNDICE

Capítulo 1 Matrizes ................................................................................1

1.1 Definições ......................................................................................1
1.2 Operações com Matrizes .................................................................3
1.3 Exercícios (Aulas Práticas) ............................................................ 12
1.4 Exercícios de Revisão.................................................................... 15

Capítulo 2 Sistemas de Equações Lineares ........................................... 19

2.1 Condensação de Matrizes e Característica..................................... 19
2.2 Sistemas de Equações Lineares .................................................... 22
2.3 Classificação e Resolução de Sistemas de Equações Lineares por

n
Condensação ......................................................................................... 23
2.4 Matriz Inversa .............................................................................. 30

io
2.5 Exercícios (Aulas Práticas) ............................................................ 36
2.6 Exercícios de Revisão.................................................................... 40

rs
Capítulo 3 Determinantes .................................................................... 43

ve
3.1 Definições e Propriedades ............................................................. 43
3.2 Matriz Adjunta e Matriz Inversa .................................................... 50
3.3 Regra de Cramer .......................................................................... 53
3.4 Exercícios (Aulas Práticas) ............................................................ 54
e
3.5 Exercícios de Revisão.................................................................... 58
bl

Capítulo 4 Espaços Vectoriais .............................................................. 61

4.1 Definições e Exemplos .................................................................. 61
ta

4.2 Subespaços Vectoriais .................................................................. 64

4.3 Subespaço Vectorial Gerado por um Conjunto de Vectores........... 67
rin

4.4 Dependência e Independência Linear ............................................ 70

4.5 Bases e Dimensão ........................................................................ 72
4.6 Exercícios (Aulas Práticas) ............................................................ 76
4.7 Exercícios de Revisão.................................................................... 81
p
n-

Capítulo 5 Transformações Lineares..................................................... 83

5.1 Definição e Exemplos.................................................................... 83
5.2 Núcleo e Imagem de uma Transformação Linear ........................... 87
no

5.3 Matriz de uma Transformação Linear............................................ 89

5.4 Inversa de uma Transformação Linear .......................................... 92
5.5 Exercícios (Aulas Práticas) ............................................................ 94
5.6 Exercícios de Revisão.................................................................... 96

Capítulo 6 Valores Próprios e Vectores Próprios.................................... 99

6.1 Definições, Cálculo e Propriedades................................................ 99
6.2 Diagonalização ........................................................................... 106
6.3 Exercícios (Aulas Práticas) .......................................................... 111

i
Apêndice A Números Complexos.......................................................... 115
A.1 Introdução ................................................................................. 115
A.2 Operações com Números Complexos........................................... 117
A.3 Resolução de Equações............................................................... 120
A.4 Representação Trigonométrica de Números Complexos ............... 121
A.5 Interpretação Geométrica de Condições Envolvendo Números
Complexos ........................................................................................... 125
A.6 Exercícios (Aulas Práticas) .......................................................... 127
A.7 Exercícios de Revisão.................................................................. 129

Bibliografia...............................................................................................131

n
io
rs
ve
e
bl
ta
p rin
n-
no

ii
Capítulo 1 Matrizes

1.1 Definições

n
Definição

io
Uma matriz do tipo m×n, m, n ∈ , é um quadro de números reais ou
complexos dispostos em m linhas e n colunas

rs
⎡ a11 a12 a1n ⎤
⎢a a22 a 2n ⎥⎥
A = ⎢ 21

Aos m×n números a11, a12 ,

⎢
⎢
⎣⎢am1 am 2 veamn ⎦⎥
⎥
⎥
.

,amn chamamos elementos ou entradas da

e
matriz, onde cada aij denota o elemento da linha i e coluna j.
bl
ta

Notação

i) A matriz A pode ser denotada por A = ⎡⎣aij ⎤⎦ i =1, ,m , onde aij se designa
rin

j =1, ,n

por elemento genérico da matriz A.

ii) As matrizes são representadas por letras maiúsculas.
p

iii) k designará o corpo dos números reais, , ou o corpo dos números

n-

complexos, .
iv) Simbolizaremos por Mm×n( k ), o conjunto de todas as matrizes do tipo m×n
no

com entradas no corpo k .

Exemplo
⎡1 0 −2i ⎤
A matriz A = ⎢ é uma matriz do tipo 2×3, isto é, tem duas
⎣π 2 −3 ⎥⎦ 2×3

linhas e 3 colunas. A entrada a21 desta matriz, ou seja, o elemento que se

encontra na linha 2 e coluna 1 é π.

1
Definição
Uma matriz diz-se quadrada de ordem n se for do tipo n×n, isto é, se tiver
n linhas e n colunas.

Exemplo
⎡ 1 0 −1⎤
B = ⎢⎢0 1 2⎥⎥ é uma matriz quadrada de ordem 3.
⎢⎣ 1 −1 1⎥⎦ 3×3

n
Definição

Dada uma matriz quadrada de ordem n, A= ⎡⎣aij ⎤⎦ chamamos:

io
i , j =1, ,n

i) Diagonal principal da matriz A, aos elementos a11, a22 , ,ann .

rs
ii) Traço da matriz A, tr(A), à soma dos elementos da diagonal principal,

tr(A) = a11 + a 22 +
ve n
+ ann = ∑ aii .
i =1
e
Definição
i) Chamamos matriz linha ou vector linha a toda a matriz do tipo 1×n.
bl

ii) Chamamos matriz coluna ou vector coluna a toda a matriz do tipo m×1.
ta

Definição
rin

Seja A uma matriz quadrada de ordem n.

i) Dizemos que A é uma matriz diagonal se aij = 0 , i ≠ j , i , j = 1, ,n , isto
p

é, se todas as entradas de A fora da diagonal principal forem nulas.

n-

ii) Dizemos que A é uma matriz escalar se A for uma matriz diagonal,
com todos os elementos da diagonal iguais.
no

Definição
i) Chamamos matriz identidade de ordem n, In, à matriz escalar com todos
os elementos da diagonal iguais a 1.
ii) Dizemos que A é uma matiz nula, 0, se A tiver todas as entradas
iguais a zero.

Definição
Seja A uma matriz quadrada de ordem n.

2
i) Dizemos que A é uma matriz triangular superior se aij = 0 , i > j ,

i , j = 1, ,n , isto é, “abaixo” da diagonal principal apenas existem zeros.

ii) Dizemos que A é uma matriz triangular inferior se aij = 0 , i < j ,

i , j = 1, ,n , isto é, “acima” da diagonal principal apenas existem zeros.

1.2 Operações com Matrizes

n
Definição (Igualdade de matrizes)

Duas matrizes A = ⎡⎣aij ⎤⎦ e B = ⎡⎣bij ⎤⎦ dizem-se iguais se :

io
i) A e B são matrizes do mesmo tipo m×n.

rs
ii) aij = bij , i = 1, ,m , j = 1, ,n , isto é, os elementos em posição

correspondente são iguais.

Definição (Adição de matrizes)

ve
e
Dadas duas matrizes A = ⎡⎣aij ⎤⎦ e B = ⎡⎣bij ⎤⎦ do tipo m×n, A+B é a matriz do
bl

tipo m×n que se obtém adicionando os elementos em posição

correspondente, isto é,
ta

⎡ a11 a12 a1n ⎤ ⎡ b11 b12 b1n ⎤

⎢a a 2n ⎥⎥ ⎢⎢ b21 b22 b2n ⎥⎥
⎢ 21 a22
rin

+
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢⎣am1 am 2 amn ⎥⎦ ⎢⎣bm1 bm 2 bmn ⎥⎦
p

⎡ a11 + b11 a12 + b12 a1n + b1n ⎤

⎢a +b a 22 + b22 a 2n + b2n ⎥⎥
n-

= ⎢ 21 21
.
⎢ ⎥
⎢ ⎥
⎣⎢ am1 + bm1 am 2 + bm 2 amn + bmn ⎦⎥
no

Definição (Multiplicação escalar)

Dada uma matriz A = ⎡⎣aij ⎤⎦ ∈ Mm×n( k ) e um escalar λ ∈ k , λA é a matriz

tipo m×n que se obtém multiplicando cada um dos elementos da matriz A

por λ, isto é,

3
 ⎡ a11 a12 a1n ⎤ ⎡ λa11 λa12 λa1n ⎤
⎢a a22 a 2n ⎥⎥ ⎢⎢ λa 21 λa 22 λa 2n ⎥⎥
λ ⎢ 21 = .
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎣⎢am1 am 2 amn ⎦⎥ ⎢⎣ λam1 λam 2 λamn ⎦⎥

Exercício
⎡1 2 1⎤ ⎡2 1 ⎤ ⎡0 1 1⎤
1. Dadas as matrizes A = ⎢⎢1 1 2⎥⎥ , B = ⎢⎢1 0 ⎥⎥ e C = ⎢⎢0 0 1⎥⎥ ,
⎣⎢1 1 1⎥⎦ ⎣⎢1 1 ⎥⎦ ⎣⎢ 1 0 0 ⎥⎦
determine, se possível:

n
a) A + B b) A + C c) C – A d) 4A e) 3A + 2C f) 2B - C .

io
Propriedades (Adição de matrizes)

rs
Para todas as matrizes A, B, C ∈ Mm×n( k ) e todos os escalares λ, μ ∈ k são
válidas as seguintes propriedades:
i) Propriedade comutativa
A+B=B+A
ve
e
ii) Propriedade associativa
(A + B) + C = A + (B + C)
bl

iii) Propriedade distributiva

ta

λ(A + B) = λA + λB
(λ + μ)A = λA + μA.
rin

Exercício
p

⎡ 1 −1 2⎤ ⎡ −1 1 1⎤ ⎡ 1 −1 1⎤
2. Sejam A = ⎢ ⎥ , B =⎢ ⎥ e C =⎢
0 ⎥⎦
.
⎣ 0 −2 3⎦ ⎣ 1 0 2⎦ ⎣ 0 1
n-

a) Mostre que:
no

i) A + B = B + A.
ii) A + (B + C) = (A + B) + C.
b) Determine a matriz X tal que A + X = 0.

Definição (Multiplicação de matrizes)

O produto de uma matriz A = ⎡⎣aij ⎤⎦ do tipo m×n por uma matriz B = ⎡⎣bij ⎤⎦

do tipo n×p é uma matriz C = ⎡⎣c ij ⎤⎦ do tipo m×p definida por

4
 n
c ij = ∑ aik bkj , i = 1, ..., m, j = 1, ..., p.
k =1

Notas
1. O produto de A por B só está definido se o número de colunas da
matriz A for igual ao número de linhas da matriz B.
2. O elemento ij da matriz produto AB obtém-se multiplicando a linha i
da matriz A, pela coluna j da matriz B
⎡ b1 j ⎤
⎡ ⎤ ⎡ ⎤ ⎢ ⎥

n
⎢ ⎥ b2 j
⎢ c ij ⎥ = ⎢⎢ai1 ai 2 ain ⎥⎥ ⎢ ⎥ .
⎢ ⎥
⎢⎣ ⎥⎦m × p ⎢⎣ ⎥⎦m ×n ⎢ ⎥

io
⎢⎣ bnj ⎥⎦n × p

rs
3. Repare-se que do facto de o produto AB estar definido não se pode
concluir que o produto BA esteja definido também. Na verdade, se A for

temos de ter m = p. ve
do tipo m×n e B for do tipo n×p, para que o produto BA esteja definido

4. Mesmo quando os produtos AB e BA estão ambos definidos, em geral

e
AB ≠ BA, donde se conclui que o produto de matrizes não goza da
bl

propriedade comutativa.
ta

Exercício
⎡ 2 0 2⎤ ⎡1 ⎤
rin

⎡ 1 0 −2⎤
3. Dadas as matrizes A =⎢ , B = ⎢⎢ −1 1 −2⎥⎥ e C = ⎢⎢2⎥⎥
⎣ 2 1 −1⎥⎦
⎢⎣ 1 0 1⎥⎦ ⎢⎣3⎥⎦
p

calcule, se possível:
n-

a) AB b) BA c) CA d) AC
e) BC f) BI3, onde I3 simboliza a matriz identidade de ordem 3.
no

Propriedades (Multiplicação de matrizes)

i) Propriedade associativa
(AB)C = A(BC), A ∈ Mm×n( k ), B ∈ Mn×p( k ), C ∈ Mp×q( k ).
ii) Propriedade distributiva relativamente à multiplicação escalar
λ(AB) = (λA)B = A(λB) , λ ∈ k , A ∈ Mm×n( k ), B ∈ Mn×p( k ).
iii) Propriedade distributiva relativamente à adição
A(B + C) = AB + AC, A ∈ Mm×n( k ), B, C ∈ Mn×p( k ).

5
 (A + B)C = AC + BC, A,B ∈ Mm×n( k ), C ∈ Mn×p( k ).
iv) Multiplicação pela matriz identidade
AIn = Im A = A, A ∈ Mm×n( k ).

Exercício
⎡ 1 −1 1⎤ ⎡0 0 1⎤ ⎡ 2 3⎤
4. Dadas as matrizes A = ⎢ −2 0 3⎥ , B = ⎢⎢0 2 3⎥⎥
⎢ ⎥ e C = ⎢⎢ −1 2⎥⎥ ,
⎣⎢ 0 1 −2⎦⎥ ⎢⎣ 1 2 3⎥⎦ ⎢⎣ 3 1⎥⎦

verifique que:

n
a) (AB)C = A(BC) b) (A + B)C = AC + BC.

io
Embora algumas propriedades do produto de números reais se mantenham

rs
válidas para o produto de matrizes, existem propriedades do produto de
números reais que não são válidas para o produto de matrizes.

Nota ve
O produto de matrizes não goza da propriedade comutativa. De facto, dadas
e
duas matrizes A e B tais que o produto AB esteja definido, três situações
bl

podem acontecer:
1) BA não está definido
ta

2) BA está definido
2.1) BA ≠ AB
rin

2.2) BA = AB.
p

Definição
n-

Se A e B são matrizes tais que AB = BA dizemos que A e B são

matrizes permutáveis.
no

Exercícios
⎡ 2⎤ ⎡2 0⎤
⎡ 1 1 0⎤ ⎢ ⎥ ⎢ ⎥
5. Dadas as matrizes A = ⎢ ⎥ , B = ⎢0 ⎥ e C = ⎢0 1⎥ , calcule, caso
⎣ 2 0 1⎦ ⎢⎣ 1⎥⎦ ⎢⎣ 1 3⎥⎦

estejam definidos, os produtos:

a) AB b) BA c) AC d)CA.

6
 ⎡ 1 2⎤ ⎡ −1 3⎤
6. Dadas as matrizes A = ⎢ ⎥ e B =⎢ ⎥ calcule AB e BA e
⎣2 1⎦ ⎣ 3 −1⎦
classifique as matrizes.

⎡ 1 1⎤ ⎡ 1 2⎤
7. Considere as matrizes A = ⎢ ⎥ e B =⎢ ⎥.
⎣ 1 2⎦ ⎣2 3⎦
a) Mostre que as matrizes A e B são permutáveis.
b) Indique a forma geral das matrizes que permutam com A.
c) Indique a forma geral das matrizes que permutam com B.

n
Nota

io
Para o produto de matrizes não é válida a lei do cancelamento.

rs
1. Dadas matrizes A, B e C tais que AB = AC não podemos concluir que
B = C.
2. Dadas matrizes A, B e C tais que AC = BC
A = B. ve não podemos concluir que
e
Exercício
bl

⎡ 3 −1⎤
⎡3 1⎤ ⎡ 2 −1⎤
8. Dadas as matrizes A = ⎢⎢ −6 2⎥⎥ , B = ⎢ ⎥ e C= ⎢ , verifique
⎣ 2 2⎦ ⎣ −1 −4⎥⎦
ta

⎢⎣ −3 1⎦⎥

que AB = AC e comente o resultado.

rin

Nota
p

Para matizes não é válida a lei do anulamento do produto, isto é, dadas

n-

matrizes A e B tais que AB = 0, não podemos concluir que A = 0 ou B = 0.

no

Exercícios
⎡ 3 −1⎤
⎡ 1 2⎤
9. Sejam A = ⎢⎢ −6 2⎥⎥ e B = ⎢
3 6⎥⎦
. Calcule AB e comente o resultado.
⎢⎣ −3 1⎥⎦ ⎣

⎡ 1 1 −4⎤ ⎡ −1 3 4⎤
10. Considere as matrizes A = ⎢ ⎥, B = ⎢ 1 e
⎣ 2 −1 1⎦ ⎣ 2 −1⎥⎦

⎡ 1 1 1⎤
C =⎢ . Determine a matriz X do tipo 2×3 tal que
⎣ 0 0 −1⎥⎦

7
 (2X - A) - 1/2(B + C) = 02×3.

Propriedades (Traço)
Para todas as matrizes A e B quadradas de ordem n, são válidas as
seguintes propriedades:
i) tr(A + B) = tr(A) + tr(B)
ii) tr(AB) = tr(BA)
iii) tr(λA) = λ tr(A), λ ∈ .

n
Exercícios
⎡3 1⎤ ⎡ 1 2⎤

io
11. Dadas A = ⎢ ⎥ e B =⎢ ⎥ determine:
⎣ 2 2⎦ ⎣3 6 ⎦

rs
a) tr(A) b) tr(B) c) tr(A + B) d) tr(5A) e) tr(AB) f) tr(A)tr(B).

ve
12. Utilize o exercício anterior para concluir que o traço da matriz produto
nem sempre é o produto dos traços das matrizes factores, isto é, em geral
tr(A.B) ≠ tr(A).tr(B).
e
bl

Definição (Potenciação)
Dada uma matriz quadrada A de ordem n e um k ∈ , definimos a
ta

potência k de A, Ak , por
rin

A0 = In

Ak = Ak -1.A , k ≥1.
p

Definição
n-

Seja A uma matriz quadrada.

i) Se A2 = A dizemos que A é uma matriz idempotente.
no

ii) Se A p+1 = A e p é o menor inteiro que verifica a igualdade, dizemos que

A é uma matriz periódica de período p.

iii) Se Ak = 0 e k é o menor inteiro que verifica a igualdade, dizemos que A

é uma matriz nilpotente de ordem k.

Exercícios
⎡0 1⎤
13. Prove que a matriz A = ⎢ é idempotente.
⎣0 1⎥⎦

8
 ⎡0 1⎤
14. Prove que a matriz A = ⎢ ⎥ é periódica de período 2.
⎣ 1 0⎦

⎡ 0 1 0⎤
15. Mostre que a matriz A = ⎢⎢ 0 0 1⎥⎥ é periódica de período 4.
⎢⎣ −1 −1 −1⎥⎦

⎡ 1 5 −2⎤
16. Diga se a matriz A = ⎢⎢ 1 6 −1⎥⎥ é nilpotente de ordem 3.

n
⎢⎣ 3 2 −3⎥⎦

io
rs
17. Seja A uma matriz de ordem n tal que A2 = I, D1 e D2 matrizes
diagonais de ordem n. Prove que sendo P = A D1A e Q = A D2 A então as
matrizes P e Q são permutáveis.

⎡ 1 1 1⎤
ve
18. Considere a matriz A = ⎢⎢ 2 1 2⎥⎥ .
e
⎢⎣ −2 1 −1⎥⎦
bl

a) Calcule A2 e A3.
ta

b) Verifique que A3 - A2 - 3A + I = 0.
rin

⎡ 1 0⎤
⎥ calcule A , n ∈
n
19. Sendo A = ⎢ .
⎣ 1 1⎦
p
n-

Definição

Dada uma matriz A do tipo m×n, chamamos transposta de A, A T , à matriz

no

do tipo n×m que se obtém de A após tocarmos as linhas com as colunas

(ou colunas com as linhas), de modo que a entrada ij da matriz A T seja o

elemento aji da matriz A.

Exercícios
⎡ 1⎤ ⎡ 1 2 3⎤
20. Dadas as matrizes A = ⎢⎢ 2⎥⎥ , B = [ 0 −1 2] e C = ⎢⎢0 4 5 ⎥⎥ calcule
⎢⎣3⎥⎦ ⎢⎣0 0 6⎥⎦

9
 ( )
T
a) A T b) BT c) C T d) C T

e comente os resultados.

⎡ 1 2 2⎤ ⎡ 1 −2 0 ⎤
21. Dadas as matrizes A = ⎢0 1 1⎥ e B = ⎢⎢ 1 −1 −1⎥⎥ determine:
⎢ ⎥
⎢⎣ 1 0 1⎥⎦ ⎢⎣ −1 2 1⎥⎦

a) AB b) (AB)T c) BT A T .

Propriedades (Transposta)

n
i) (A T )T = A, A ∈ Mm×n( k ).

io
ii) (A + B)T = A T + BT , A, B ∈ Mm×n( k ).

rs
iii) (λ A)T = λ A T , λ ∈ k , A ∈ Mm×n( k ).

iv) (AB)T = BT A T , A ∈ Mm×n( k ), B ∈ Mn×p( k ).

v) (A k )T = (A T )k , k ∈ 0, A ∈ Mn×n( k ).

vi) tr(A T ) = tr(A) , A ∈ Mn×n( k ).

ve
e
bl

Definição
Seja A uma matriz quadrada.
ta

a) A é uma matriz simétrica se A T = A .

rin

b) A é uma matriz anti-simétrica se A T = -A .

Exercícios
p

⎡ 2 1 0⎤
n-

22. Mostre que a matriz A = ⎢⎢ 1 1 −1⎥⎥ é uma matriz simétrica.

⎢⎣ 0 −1 4⎥⎦
no

23. Determine os valores reais de x, y e z de modo a que a matriz

⎡ 1 0 y⎤
B = ⎢⎢ x 2 5 ⎥⎥ seja simétrica.
⎢⎣ −1 z 3⎥⎦

24. Determine, se possível, os valores reais de s e t que fazem com que as

matrizes seguintes sejam simétricas:

10
 ⎡ s 2s st ⎤ ⎡ 2 s t ⎤
⎡ 1 s⎤ ⎡s t⎤ ⎢ ⎥
a) ⎢ b) ⎢ c) ⎢ t 3 t⎥ d) ⎢⎢ 2s 0 s + t ⎥⎥ .
⎣ −2 t ⎥⎦ ⎣st 1⎥⎦
⎢ 1 2 s ⎥⎦ ⎢⎣ 3 3 t ⎥⎦
⎣

25. Em cada caso determine a matriz A tal que:

T ⎡ 2 1⎤
⎛ ⎡ 1 −1 0⎤ ⎞ ⎢ ⎥
a) ⎜ A + 3 ⎢ ⎟ = ⎢0 5 ⎥
⎝ ⎣ 1 2 4⎥⎦ ⎠
⎢⎣ 3 8 ⎥⎦

b) ( 2A − 3 [1 2 0]) = 3A T + [2 1 −1] .
T T

n
io
26. Mostre que:
a) A soma de matrizes simétricas é ainda uma matriz simétrica.

rs
b) A soma de matrizes anti-simétricas é ainda uma matriz anti-simétrica.

27. Sendo A uma matriz quadrada mostre que:

a) A + A T é uma matriz simétrica.

ve
e
b) A - A T é uma matriz anti-simétrica.
bl

28. Mostre que se A é uma matriz simétrica de ordem n então Ak , k ∈

ta

é também uma matriz simétrica.

rin

29. Prove que se A e B são matrizes simétricas então AB é simétrica se e

só se A e B são permutáveis.
p
n-

Definição
Chamamos matriz conjugada de A, A , à matriz que se obtém de A
no

substituindo cada elemento pelo respectivo conjugado algébrico.

Definição
Seja A uma matriz quadrada.

(A)
T
i) A é uma matriz Hermítica se = A.

(A)
T
ii) A é uma matriz hemi-hermítica se = - A.

Exercícios

11
30. Mostre que :
⎡ 1 2 −i⎤
a) A matriz A = ⎢
−2⎥⎦
é Hermítica.
⎣ 2+i

⎡ 2i 1− i⎤
b) A matriz B = ⎢ é hemi-hermítica.
⎣ −1 − i 0 ⎥⎦

31. Classifique as seguintes matrizes de simétricas, anti-simétricas,

Hermíticas ou hemi-Hermíticas:
⎡ 5 − 4 − 2i ⎤ ⎡ 0 2i ⎤ ⎡2i 2i ⎤ ⎡ 2 −1⎤
a) ⎢ b) ⎢ c) ⎢ d) ⎢ ⎥.
⎣ −4 + 2i 11 ⎥⎦ ⎥ 0 ⎥⎦ ⎣ −1 3⎦

n
⎣2i 0 ⎦ ⎣2i

io
Definição

rs
Uma matriz quadrada A diz-se ortogonal se AA T = I = A T A .

Exercícios
⎡cos θ
32. Prove que a matriz A = ⎢
⎣ sinθ
sinθ ⎤
ve
− cos θ ⎥⎦
é ortogonal.
e
bl

33. Determine a condição que os números reais p e q devem satisfazer

⎡p − q p + q⎤
ta

para que a matriz A = ⎢ ⎥ seja ortogonal.

⎣ p + q q − p⎦
rin

34. Mostre que o produto de duas matrizes ortogonais é uma matriz

ortogonal.
p
n-

1.3 Exercícios (Aulas Práticas)

no

⎡1 0 2⎤ ⎡1 2 3 ⎤ ⎡ −1 ⎤
1. Dadas A = ⎢0 3 1⎥ , B = ⎢⎢1 3 4⎥⎥ , C = [1 − 1
⎢ ⎥ 2] e D = ⎢⎢ 2⎥⎥ calcule,
⎢⎣4 2 0 ⎥⎦ ⎢⎣1 4 3⎥⎦ ⎢⎣ −3 ⎥⎦

se possível:
a) A+B b) 3B-2A c) BC d) CB

e) CD f) DC g) A 2 .

12
 ⎡ −7 6 − 1⎤
2. Considere as matrizes A e B do exercício 1 e C = ⎢⎢ 1 0 − 1⎥⎥ .
⎢⎣ 1 − 2 1⎥⎦

Verifique que:
a) (A + B)C=AC + BC b) (A.B) C=A.(B.C).

⎡1 0 ⎤
⎡ 2 − 4 − 2⎤
3. Sejam A = ⎢ e B = ⎢⎢0 1⎥⎥ . Calcule A.B e comente o
⎣ −1 2 1 ⎥⎦
⎢⎣1 − 2 ⎥⎦

n
resultado.

io
rs
4. Considere as matrizes:

⎡1 − 3 2⎤ ⎡1 4 1 0⎤ ⎡2 1 −1 1⎤ ⎡2⎤
⎢1 ⎥
A = ⎢2 1 − 3 ⎥ , B = ⎢⎢2 1
⎢ ⎥
⎢⎣4 − 3 − 1⎥⎦ ⎢⎣1 − 2

a) Verifique que AB = AC e BD = CD .
1
1
⎥
2 ⎥⎦ ve
1 ⎥ , C = ⎢3 − 2 − 1 2⎥⎥
⎢
⎢⎣2 − 5 − 1 3⎥⎦
e D =⎢ ⎥.
⎢0⎥
⎢⎣1 ⎥⎦
e
b) Indique o valor lógico da proposição:
bl

AB = AC ⇒ B = C ; BD = CD ⇒ B = C , isto é, é válida a lei do "corte".

ta

⎡1 0 ⎤
⎡ 1 0 1⎤ ⎡ −1 1 ⎤ ⎡1 ⎤
, C = ⎢ ⎥ e D = ⎢⎢0 1 ⎥⎥ .
rin

5. Considere as matrizes: A = ⎢ ⎥ , B=⎢ ⎥

⎣ −1 1 1 ⎦ ⎣ 1 − 1⎦ ⎣ 2⎦ ⎢⎣1 1⎥⎦

Escolha uma maneira de as ordenar de tal modo que o produto das quatro
p

matrizes esteja definido e efectue esse produto.

n-

⎡3 −2 7 ⎤ ⎡6 −2 4⎤
no

6. Sejam A = ⎢⎢6 5 4⎥⎥ e B = ⎢⎢0 1 3 ⎥⎥ . Determine:

⎢⎣0 4 9 ⎥⎦ ⎢⎣7 7 5 ⎥⎦

a) a 1ª linha de AB b) a 3ª linha de AB c) a 2ª coluna de AB

d) a 1ª coluna de BA e) a 3ª linha de AA f) a 3ª coluna de AA.

k k
⎡1 1⎤ ⎡2 − 1 ⎤
7. Calcule: a) ⎢ ⎥ , k∈ . b) ⎢ ⎥ , k∈ .
⎣0 1⎦ ⎣ 3 − 2⎦

13
 ⎡1 2 0 0⎤ ⎡0 0 0 1⎤
⎢0 1 0 0 ⎥⎥ ⎢0 0 2 0 ⎥⎥
8. Calcule AB sendo A = ⎢ e B=⎢ .
⎢0 0 0 0⎥ ⎢1 0 0 0⎥
⎢ ⎥ ⎢ ⎥
⎣⎢ 0 0 2 2 ⎦⎥ ⎣⎢0 1 0 0 ⎦⎥

⎡ 1 0 0⎤ ⎡1 0 0 ⎤
9. Mostre que E = ⎢⎢ −2 1 0 ⎥⎥ e F = ⎢⎢0 1 0 ⎥⎥ são permutáveis (isto é,
⎢⎣ 0 0 1 ⎥⎦ ⎢⎣1 0 1 ⎥⎦

EF=FE ).

n
10. a) Desenvolva ( A + B )2 de modo a obter uma identidade válida para

io
todas as matrizes quadradas A e B.

rs
b) Mostre que, se A e B são matrizes quadradas tais que AB = BA, então

(A + B )
2
= A 2 + 2AB + B 2 .

ve
c) Determine matrizes A e B, 2×2, tais que ( A + B ) ≠ A 2 + 2AB + B 2 .
2
e
⎡ 1 − 3 − 4⎤
11. Mostre que A = ⎢⎢ −1 3 4 ⎥⎥ é nilpotente (isto é, Ak=0 para algum
bl

⎢⎣ 1 − 3 − 4⎥⎦
ta

k∈ ) e determine a ordem.
rin

⎡ 2 − 3 − 5⎤ ⎡ −1 3 5 ⎤
⎢
12. Mostre que A = ⎢ −1 4 5 ⎥ e B = ⎢⎢ 1 − 3 − 5 ⎥⎥ são idempotentes (isto é,
⎥
⎢⎣ 1 − 3 − 4⎥⎦ ⎢⎣ −1 3 5 ⎥⎦
p

A2 = A e B 2 = B ).
n-
no

⎡ 1 −2 −6 ⎤
13. Mostre que A = ⎢⎢ −3 2 9 ⎥⎥ é periódica (isto é, A p +1 = A , para algum
⎢⎣ 2 0 − 3 ⎥⎦

p∈ ) e determine o período.

14. Prove que o produto de duas matrizes triangulares superiores

(respectivamente triangulares inferiores) da mesma ordem é ainda uma
matriz triangular superior (respectivamente inferior). A que são iguais os
elementos diagonais do produto, neste caso ?

14
15. Prove que se B é uma matriz quadrada então BB T e B + B T são

simétricas. ( A é simétrica sse A = A T ).

⎡cos θ senθ ⎤
16. Verificar que a matriz A=⎢
− cos θ ⎥⎦
é ortogonal (isto é,
⎣senθ

A.A T = I = A T .A ).

17. Prove as seguintes proposições, ou dê um contra-exemplo, com A e B

n
matrizes n×n:

io
a) Se A e B são ortogonais, então A+ B é ortogonal.
b) Se A e B são ortogonais, então A.B é ortogonal.

rs
c) Se A e AB são ortogonais, então B é ortogonal.

1.4 Exercícios de Revisão

ve
e
⎡ 1 1⎤ ⎡ 2 −1⎤
bl

⎡ 1 −2 1⎤ ⎢ ⎥
1. Considere as matrizes A = ⎢ ⎥ , B = ⎢ 2 1⎥ e C = ⎢⎢ −2 1⎥⎥ .
⎣ −1 2 −1⎦ ⎢⎣3 1⎥⎦ ⎢⎣ −1 2⎥⎦
ta

Calcule quando possível:

rin

a) A T + BT b) 2B + 3C c) AB d) BA

e) BC T f) C T B g) A T B h) BT A T .
p
n-

⎡ 1 0⎤
⎡ −1 2⎤
2. Dadas as matrizes A = ⎢⎢ 0 −1⎥⎥ e B = ⎢
0
calcule
⎣ 2 1 3⎥⎦
⎢⎣ 2 3⎥⎦
no

(A + BT )(A T - B) .

3. Indique a forma geral das matrizes triangulares inferiores de terceira

ordem que permutam com:
⎡ 1 0 0⎤ ⎡ 1 0 3⎤
a) A = ⎢⎢ 1 1 0 ⎥⎥ b) B = ⎢⎢0 1 1⎥⎥ .
⎢⎣0 1 1⎥⎦ ⎢⎣0 0 2⎥⎦

15
 ⎡ 2 −2 −4⎤
4. Mostre que a matriz A = ⎢⎢ −1 3 4⎥⎥ é uma matriz idempotente.
⎢⎣ 1 −2 −3⎥⎦

⎡ 1 2 2⎤
⎢ 3 3 3⎥
⎢ ⎥
5. Prove que a matriz A = ⎢ 2 1 − 2 ⎥ é ortogonal.
⎢ 3 3 3⎥
⎢− 2 2 − ⎥
1
⎢⎣ 3 3 3 ⎥⎦

n
6. Simplifique as seguintes expressões, onde A, B e C simbolizam

io
matrizes:
a) A(3B - C) + (A - 2B)C + 2B(C + 2A)

rs
b) (A - B)(C - A) + (C - B)(A - C) + (C - A)2.

⎡ 0 1
7. Dadas as matrizes A = ⎢⎢ 1 −1
⎢⎣ 1 0
1⎤
⎥ ve
⎡ 1 −1
1⎥ , B = ⎢⎢ 0 1
1⎥⎦ ⎢⎣ 1 2
0⎤
1⎥⎥ e
1⎥⎦
e
⎡ 1 1 1⎤
bl

C = ⎢⎢ 1 0 −1⎥⎥ , determine a matriz quadrada de terceira ordem X, tal que:

⎢⎣ 2 2 1⎥⎦
ta

a) (X - C)T = A T BT b) X T = A T (A + BCA)T c) (A - 3X)T = B2 - C .

rin

⎡0 2⎤
⎥ calcule A , n ∈
n
8. Sendo A = ⎢ .
⎣ 0 2 ⎦
p
n-

⎡ 1 1 0⎤
9. Sendo A = ⎢⎢0 2 0 ⎥⎥ calcule:
no

⎢⎣ 2 1 1⎥⎦

(
a) tr ( A T )
2
) b) tr(A - 2I3) ( )
c) tr ( A T ) .
2

10. Sendo A uma matriz diagonal de ordem n, não nula, verifique se:
a) A é uma matriz simétrica.
b) A p , p ∈ , é uma matriz diagonal.

16
 c) Sendo A uma matriz escalar, então Ap , p ∈ , também é uma
matriz escalar.

11. Prove que se A e B são matrizes simétricas de ordem n então

AB + BA é também uma matriz simétrica de ordem n.

12. Sendo A uma matriz 2×2 nilpotente de ordem 2, mostre que

(A + I2 )2 .A = A .

n
io
rs
ve
e
bl
ta
p rin
n-
no

17
18
no
n-
prin
ta
bl
e
ve
rs
io
n
Capítulo 2 Sistemas de Equações Lineares

2.1 Condensação de Matrizes e Característica

Definição

n
Seja A uma matriz. Chamamos operações elementares sobre as linhas de

io
A às seguintes operações:
i) troca de linhas;

rs
ii) multiplicação de uma linha por um escalar não nulo;
iii) adição a uma linha de um múltiplo escalar de outra linha.

Notação ve
i) Li ↔ L j indica a troca de posições das linhas i e j;
e
ii) Li → α Li indica a multiplicação da linha i pelo escalar α;
bl

iii) Li → Li + α L j indica que à linha i adicionamos a linha j multiplicada

ta

por α.
rin

Definição
Dizemos que uma matriz está condensada por linhas se forem verificadas
p

as condições seguintes:
n-

i) abaixo do primeiro elemento não nulo de cada linha (pivot) todas as

entradas são nulas;
no

ii) abaixo de uma linha nula não existem linhas não nulas;
iii) o primeiro elemento não nulo de cada linha está situado numa coluna
à direita do primeiro elemento não nulo da linha anterior.

Exemplos
⎡ 1 2 3⎤
1. A matriz ⎢⎢0 1 2⎥⎥ não está condensada por linhas uma vez que não se
⎢⎣0 2 4⎥⎦

verifica a condição i);

19
 ⎡ 1 2 0⎤
2. A matriz ⎢⎢0 0 0 ⎥⎥ não está condensada por linhas uma vez que não se
⎢⎣0 1 3⎥⎦

verifica a condição ii);

⎡0 1 0 ⎤
3. A matriz ⎢⎢0 0 1⎥⎥ não está condensada por linhas uma vez que não se
⎢⎣ 1 0 0 ⎥⎦

verifica a condição iii).

Definição

n
Dizemos que U é uma matriz condensada associada a A, se for possível

io
obter U através de operações elementares sobre as linhas de A.

rs
Definição

ve
Chamamos característica de uma matriz A, car(A), ao número de linhas
não nulas de uma qualquer matriz condensada associada a A.
e
Notas
bl

1. A característica de uma matriz não depende das operações elementares

efectuadas sobre as linhas.
ta

2. car(A) ≤ mínimo{número de linhas, número de colunas}.

rin

Exercícios
1. Calcule a característica de cada uma das seguintes matrizes:
p

⎡ 1 2⎤ ⎡1 1 1⎤
⎡ 1 0 3⎤
a) A = ⎢⎢ 3 4⎥⎥ b) B = ⎢ ⎥ c) C = ⎢⎢1 1 1⎥⎥
n-

⎢⎣5 6⎥⎦ ⎣0 2 0 ⎦ ⎢⎣1 1 1⎥⎦

⎡ 2 3 4⎤
no

⎡ 0 1 −1⎤ ⎢ 3 1 5 ⎥⎥
d) D = ⎢⎢ 1 0 −1⎥⎥ e) E = ⎢ .
⎢ −1 0 −1⎥
⎢⎣ 1 1 0 ⎥⎦ ⎢ ⎥
⎣⎢ 0 2 4⎦⎥

2. Discuta o valor da característica de cada uma das matrizes seguintes, em

função dos parâmetros reais a e b.

20
 ⎡ 2 −1 1⎤
⎡a b ⎤ ⎢ 4⎥⎥
a) A = ⎢⎢ 0 b ⎥⎥
a 2
b) B = ⎢ .
⎢ 0 2 a⎥
⎢⎣b a ⎥⎦ ⎢ ⎥
⎣⎢ 1 1 2⎦⎥

3. Mostre que independentemente do valor da constante real k, as matrizes

seguintes têm característica 3.
⎡ 1 1 0⎤
⎡ 1 0 0 −1⎤ ⎢ 0 k ⎥⎥
a) A = ⎢⎢ 1 1 k ⎥⎥
0
0 b) B = ⎢ .
⎢ 1 0 1⎥
⎣⎢ 0 1 2⎥⎦ ⎢ ⎥

n
k
⎣⎢ −1 k 2⎦⎥

io
4. Determine para que valores da constante real k a característica da

rs
⎡ 1 −1 0 3⎤
⎢ 0 k 1 −1⎥⎥
matriz A = ⎢
⎢
⎢
⎢⎣
1 1
k 0
1 k⎥
⎥
1 5 ⎥⎦
é igual a 2.
ve
e
5. Determine uma sequência de operações elementares sobre as linhas da
bl

⎡ a1 a 2 a 3 ⎤
matriz ⎢⎢ b1 b2 b3 ⎥⎥ que a transformem na matriz
ta

⎢⎣ c1 c 2 c 3 ⎥⎦

⎡ b1 + c1 b2 + c 2 b3 + c 3 ⎤
rin

⎢ c +a c +a c +a ⎥ .
⎢ 1 1 2 2 3 3⎥
⎢⎣ a1 + b1 a 2 + b2 a 3 + b3 ⎥⎦
p
n-

6. Sabendo que c ≠ a ou b ≠ a, descreva as operações elementares que

⎡1 a b + c ⎤ ⎡ 1 * *⎤
no

transformam a matriz ⎢1 b c + a ⎥ na matriz ⎢⎢0 1 * ⎥⎥ .

⎢ ⎥
⎢⎣1 c a + b ⎥⎦ ⎢⎣0 0 0 ⎥⎦

21
2.2 Sistemas de Equações Lineares

Definição
Uma equação linear nas variáveis x1, x 2 , , xn é uma equação do tipo

a1x1 + a2 x 2 + +a n xn = b onde a1, a 2 , , an , b ∈ . Aos números a1, a 2 , , an

chamamos coeficientes e b é dito o termo independente.

Exercícios

n
7. Diga quais das seguintes equações são equações lineares em x, y e z:

io
a) x + 5y − 2z = 1 b) x + 3y + xz = 2 c) x = −7y + 3z

d) x 2 + y + 8z = 5 e) π x − 3y + 1 4 z = 71 3 .

rs
8. Sabendo que
lineares:

a) x − y + z = sin k
k

b) kx − 1 y = 9 , k ≠ 0
k
ve
é uma constante quais das seguintes equações são

c) 2k x + 7y − z = 0 .
e
bl

Definição
(s1, s2 , , sn ) de números reais é
ta

Diz-se que uma sequência ordenada

solução da equação linear a1x1 + a 2 x 2 + +a n xn = b se ao substituirmos

rin

x1, x 2 , , xn respectivamente por s1, s2 , , sn obtivermos uma proposição

verdadeira. Ao conjunto de todas as soluções chamamos solução geral ou
p

conjunto solução.
n-

Exercício
no

9. Determine o conjunto solução de cada uma das seguintes equações:

a) x + 2y = 2 b) 3x − 5y + 4z = 7 c) −8x + 2y − 5z + 6w = 1 .

Definição
i) A uma conjunção de m equações lineares em n incógnitas
x1, x2, , xn

22
 ⎧a11x1 + a12 x 2 + + a1n xn = b1
⎪a x + a x + + a 2n xn = b2
⎪ 21 1 22 2
⎨ ,
⎪
⎪⎩am1x1 + am 2 x 2 + + amn xn = bm

chamamos sistema de m equações lineares e n incógnitas.

ii) Uma sequência ordenada ( s1, s2 , , sn ) de números reais diz-se solução
do sistema de m equações lineares, se transformar as m equações em
proposições verdadeiras.
iii) Dois sistemas de m equações e n incógnitas dizem-se sistemas

n
equivalentes se tiverem as mesmas soluções.
iv) Um sistema de equações lineares com todos os termos independentes

io
iguais a zero, bi = 0, i=1, , n , diz-se um sistema homogéneo.

rs
Exercício
⎧ax + by = 0
10. Considere o sistema homogéneo ⎨
⎩cx + dy = 0
. ve
a) Prove que se ( x 0 , y0 ) é uma solução do sistema e k é uma constante
e
então (kx 0 ,ky0 ) também é solução do sistema.
bl

b) Prove que se ( x 0 , y0 ) e ( x1, y1 ) são soluções do sistema então

ta

( x 0 + x1, y0 + y1 ) também é solução do sistema.

rin

2.3 Classificação e Resolução de Sistemas de Equações Lineares

p
n-

por Condensação
no

Definição
Todo o sistema de equações lineares pode ser representado na forma
matricial AX = B onde:
⎡ a11 a12 a1n ⎤
⎢a a22 a 2n ⎥⎥
i) A = ⎢ 21 é a matriz constituída pelos coeficientes do
⎢ ⎥
⎢ ⎥
⎢⎣am1 am 2 amn ⎥⎦m ×n

sistema, dita matriz do sistema;

23
 ⎡ x1 ⎤
⎢x ⎥
ii) X = ⎢ 2 ⎥ é a matriz constituída pelas variáveis do sistema, dita matriz
⎢ ⎥
⎢ ⎥
⎣⎢ xn ⎦⎥
das incógnitas;
⎡ b1 ⎤
⎢b ⎥
iii) B = ⎢ 2 ⎥ é a matriz constituída pelos termos independentes, dita matriz
⎢ ⎥
⎢ ⎥
⎢⎣bm ⎥⎦
dos termos independentes.

n
⎡ a11 a12 a1n | b1 ⎤
⎢a b2 ⎥⎥

io
a 22 a 2n |
iv) À matriz [ A | B] = ⎢ 21 chamamos matriz
⎢ | ⎥
⎢ ⎥

rs
⎢⎣am1 am 2 amn | bm ⎥⎦

ampliada ou matriz completa do sistema.

Exercícios
⎧2x + 3y + z = 1
ve
e
⎪
11. Represente o sistema ⎨ −x + 2z − 2 = 3 na forma matricial e escreva a
⎪y − z − 3 = 0
bl

⎩
respectiva matriz ampliada.
ta

12. Escreva o sistema de equações lineares correspondente a cada uma das

rin

seguintes matrizes ampliadas:

⎡2 0 | 0⎤ ⎡ 3 0 −2 | 5 ⎤
p

a) ⎢⎢ 3 −4 | 0 ⎥⎥ b) ⎢⎢7 1 4 | −3⎥⎥ .
⎢⎣0 1 | 1⎥⎦ ⎢⎣0 −2 1 | 7 ⎥⎦
n-
no

Teorema
Para cada sistema de equações lineares verifica-se uma e uma só das
seguintes condições:
i) o sistema não tem solução (sistema impossível);
ii) o sistema tem uma solução única (sistema possível e determinado);
iii) o sistema tem uma infinidade de soluções ( sistema possível e
indeterminado).
Demonstração. Seja AX = B um sistema de equações lineares.

24
Se o sistema não tem soluções ou tem uma solução única nada há a provar.
Suponhamos então que o sistema tem mais do que uma solução.
Sejam X1 e X2 duas soluções do sistema dado. Assim A X1 = B e A X2 = B.
Seja Sα = X1 + α( X1 - X2), α ∈ ℜ.
Provemos que Sα é solução do sistema.
A Sα = A (X1 + α( X1 - X2))
= A X1 + A(α( X1 - X2))
= A X1 + α ( AX1 - AX2)
= B + α( B - B)

n
= B, logo Sα é solução do sistema.

io
Donde concluímos que o sistema tem uma infinidade de soluções.

rs
Notas
1. Os sistemas homogéneos AX = 0 são sempre possíveis, pois admitem
pelo menos a solução trivial ( 0, 0, ..., 0).
ve
2. Todo o sistema de equações lineares pode ser classificado e resolvido ( se
for possível) através da condensação da matriz ampliada.
e
bl

Teorema (Classificação de sistemas)

Seja AX = B um sistema de equações lineares.
ta

1. Se car(A) ≠ car [ A | B] então o sistema é impossível;

rin

2. Se car(A) = car [ A | B] então o sistema é possível:

2.1 Se car(A) = car [ A | B] = número de incógnitas então o sistema é

p

possível e determinado;
2.2 Se car(A) = car [ A | B] < número de incógnitas então o sistema é
n-

possível e indeterminado.
no

Nota
Dado um sistema possível e indeterminado a diferença entre o número de
incógnitas e a característica da matriz ampliada do sistema dá-nos o número
de variáveis livres do sistema também designado por grau de
indeterminação.

25
Assim podemos descrever um método, método de eliminação de Gauss,
para a classificação e resolução de sistemas de equações lineares na forma
AX = B:
1. Constrói-se a matriz ampliada do sistema [ A | B] ;

2. Condensa-se a matriz [ A | B] ;
3. Utiliza-se o teorema anterior para classificar o sistema;
4. No caso de o sistema ser possível, passamos a matriz condensada
associada a [ A | B] para o sistema correspondente e usamos o método

de substituição para determinar as incógnitas.

n
io
Nota
No caso de o sistema ser possível e indeterminado devemos escolher para

rs
incógnitas livres as que correspondem a colunas sem pivots.

Propriedade ve
Para todo o sistema homogéneo possível e indeterminado de grau k, existem
e
sempre k soluções à custa das quais se pode escrever qualquer outra
bl

solução.
ta

Exercícios
13. Classifique e resolva cada um dos seguintes sistemas de equações
rin

lineares:
⎧x + y = 2
⎪
a) ⎨ x − y = 3 Solução: Sistema impossível.
p

⎪2x + y = 0
⎩
n-

Conjunto solução = ∅.
no

⎧ x +y + z =1
⎪
b) ⎨2x + 2y + z = 1 Solução: Sistema possível e determinado
⎪ x − y + z = −1
⎩
Conjunto solução = {(x, y, z) = (-1, 1, 1)}.

⎧2x + 2y + 2z = 2
⎪
c) ⎨ x + y + z = 1 Solução: Sistema possível e indeterminado de grau 2
⎪ −3x − 3y − 3z = −3
⎩

26
 Conjunto solução = {(1 − y − z , y, z ) , y, z ∈ } .

⎧ x + y − z + 2w = 1
⎪
d) ⎨ x + y + 2z + w = 0 Solução: Sistema possível e indeterminado de grau 2
⎪2x + 2y + z + 3w = 1
⎩

Conjunto solução = {( −1 − y − 5z, y, z,1 + 3z ) , y, z ∈ }

⎧ x + 2y − z = 2
⎪
e) ⎨ −2x + y + 2z = 1 Solução: Sistema impossível.

n
⎪ −x + 3y + z = 0
⎩

io
Conjunto solução = ∅.

rs
⎧2x + 3y = 0
⎪
f) ⎨ −x + 2y = 0 Solução: Sistema homogéneo possível e determinado
⎪ 3x − y = 0
⎩
ve
Conjunto solução = {(x, y) = (0, 0)}.
e
⎧ x + 2y − z = 2
bl

⎪
g) ⎨ −2x + y + 2z = 1 Solução: Sistema possível e determinado
⎪ −x + 3y + 2z = 0
⎩
ta

Conjunto solução = {(x, y, z) = (-3, 1, -3)}.

rin

⎧x + y + z − w = 0
h) ⎨ Solução: Sistema possível e indeterminado de grau 2
⎩2x − y + 2z − w = 0
p

Conjunto solução = {( 2y − z , y, z ,3y ) , y , z ∈ }.

n-
no

14. Relativamente aos sistemas homogéneos possíveis e indeterminados do

exercício anterior indique as soluções à custa das quais se podem escrever
todas as outras.

15. Analise a existência e unicidade de solução dos seguintes sistemas em

função dos respectivos parâmetros:
⎧ x + 2y − z = 2
⎪
a) ⎨ −2x + y + 2z = 1, α ∈
⎪ −x + 3y + z = α
⎩

27
 Solução: Se α = 3 o sistema é possível e indeterminado,
se α ∈ ℜ\{3} então o sistema é impossível.

⎧x + α y + z = 2
⎪
b) ⎨ x + α y + 2z = 1 , α , β ∈ .
⎪β x + β y + z = 2
⎩

16. Determine os valores da constante α ∈ , de modo que os sistemas

homogéneos tenham soluções não triviais e em cada caso determine todas as

n
soluções:
⎧ x − ay + z = 0 ⎧ x − 2y + z = 0 ⎧ x + 2y + z = 0

io
⎪ ⎪ ⎪
a) ⎨ x − y + az = 0 b) ⎨ x + ay − 3z = 0 c) ⎨ x + 3y + 6z = 0 .
⎪ x + ay + z = 0 ⎪ x + 6y − 5z = 0 ⎪
⎩ ⎩ ⎩2x + 3y + az = 0

rs
Teorema
ve
Se w é uma solução do sistema AX = B então w = y + z onde y é uma
solução particular de AX = B e z é a solução do correspondente sistema
e
homogéneo.
bl

Demonstração. Se y é solução particular de AX = B então Ay = B e

sendo z a solução do sistema homogéneo correspondente temos A z = 0.
ta

Seja w = y + z. Assim temos

A w = A( y + z ) = A y + A z = B + 0 = B,
rin

donde concluímos que w é solução do sistema AX = B.

Reciprocamente, se w é uma qualquer solução de AX = B então Aw = B e
p

sendo y uma solução particular temos Ay = B, assim

n-

Aw - Ay = A( w - y ) = 0.
Seja z = w - y , logo w = y + z e z é solução do sistema homogéneo.
no

Exercícios
⎧ x + y + 2z = 2
⎪
17. Considere o sistema ⎨2x − y + 3z = 2, a ∈ .
⎪5x − y + az = 6
⎩
a) Para que valores da constante real a o sistema tem solução única?

28
 b) Fazendo a = 8, verifique que as soluções do sistema são da forma
⎡ x ⎤ ⎡ u1 ⎤ ⎡v1 ⎤
⎢y ⎥ = ⎢u ⎥ + z ⎢v ⎥ , sendo (u , u , u ) uma solução do sistema dado e
⎢ ⎥ ⎢ 2⎥ ⎢ 2⎥ 1 2 3

⎢⎣ z ⎥⎦ ⎢⎣u3 ⎥⎦ ⎢⎣v 3 ⎥⎦

(v1, v2, v3) uma solução do sistema homogéneo que lhe está associado.

⎧3x − 5y + 6z = 5
⎪
18. Mostre que o sistema ⎨ x − 3y + z = t , k, t ∈ é possível e
⎪y + 3z = k
⎩

n
determinado para todos os valores dos parâmetros reais k e t e resolva-o.

io
19. Mostre que os seguintes sistemas são impossíveis:
⎧x + y − z = 1 ⎧2x − 5y + 4z = −3

rs
⎪ ⎪
a) ⎨y + z = −1 b) ⎨ x − 2y + z = 5 .
⎪2y + 2z = 0 ⎪ x − 4y + 5z = 10
⎩ ⎩

ve
20. Mostre que o sistema seguinte é indeterminado e resolva-o:
e
⎧ −4x + 2y + 2z = 8
⎪
⎨7x + y − 8z = −5 Conjunto solução: {(z − 1, z + 2, z ), z ∈ }.
bl

⎪ −4x + 3y + z = 10
⎩
ta

21. Mostre que o sistema seguinte nunca é indeterminado

rin

⎧x + y − z = 1
⎪
⎨2x + 2y = b , b ∈ .
⎪ x + by + bz = 1
⎩
p
n-

22. Resolva os seguintes sistemas de equações não lineares:

⎧ sin α + 2cos β + 3tgγ = 0
no

⎪
a) ⎨2sin α + 5 cos β + 3tgγ = 0 , 0 ≤ α < 2π , 0 ≤ β < 2π , − π < γ < π .
⎪ − sin α − 5 cos β + 5tgγ = 0 2 2
⎩

⎧ x 2 + y2 + z 2 = 6
⎪
b) ⎨ x 2 − y 2 + 2z 2 = 2 .
⎪2x 2 + y 2 − z 2 = 3
⎩

29
2.4 Matriz Inversa

Definição
Seja A uma matriz quadrada de ordem n. Se existir uma matriz B de
ordem n tal que AB = I = BA diz-se que a matriz A é invertível ou não
singular e que B é a matriz inversa de A, A -1 =B .

Exercícios

n
⎡3 5 ⎤ ⎡ 2 −5 ⎤
23. Mostre que B = ⎢ ⎥ é a inversa de A = ⎢ ⎥.
⎣ 1 2⎦ ⎣ −1 3⎦

io
rs
24. Determine, caso exista, a inversa de cada uma das seguintes matrizes:
⎡ 1 2⎤ ⎡ −2 1⎤
a) A = ⎢ ⎥
⎣3 4⎦

b) A = ⎢
⎡ 1 2⎤
⎥
⎣3 6 ⎦
Solução: A-1 = ⎢

ve ⎥.
⎣ 3 2 −1 2⎦

Solução: A é uma matriz singular.

e
bl

Teorema
A inversa de uma matriz quadrada A, se existir é única.
ta

Demonstração. Sejam B e C matrizes inversas de A. Assim temos

rin

AB = I = BA e AC = I = CA,
donde
AC = I ⇒ B(AC) = BI ⇒ B(AC) = B ⇒ (BA)C = B ⇒ IC = B ⇒ C = B.
p
n-

Teorema
Sejam A e B matrizes invertíveis. Então
no

i) AB é invertível e (AB)-1 = B-1. A-1 .

ii) A -1 é invertível e (A-1 ) -1 = A .

iii) A T é invertível e (A T )-1 = (A -1 )T .

iv) An é invertível e (An )-1 = (A -1 ) n , n ∈ .

Demonstração. Exercício.

30
Teorema
Se A é uma matriz de ordem n então A é invertível se e só se car(A) = n.

Teorema
Seja A uma matriz quadrada de ordem n. Então:
i) Se AB = I então A-1 = B.
ii) Se BA = I então A-1 = B.
Demonstração. i) Suponhamos AB = I e consideremos o sistema
homogéneo BX = 0.

n
Como
BX = 0 ⇒ A(BX) = A.0 ⇒ (AB)X = 0 ⇒ IX = 0 ⇒ X = 0,

io
concluímos que o sistema é possível e determinado, logo tem de ter

rs
característica máxima, ou seja, car(B) = n.
Assim, pelo teorema anterior, a matriz B é invertível, logo existe B-1. Então
temos:
ve
AB = I ⇒ (AB)B-1 = IB-1
⇒ A(BB-1) = B-1
e
⇒ AI = B-1
bl

⇒ A = B-1
⇒ A-1 = (B-1)-1
ta

⇒ A-1 = B.
rin

ii) Exercício.

Exercício
p

⎡ 1 2 3⎤
25. Determine, caso exista, a inversa da matriz A = ⎢⎢ 0 1 −1⎥⎥ , usando a
n-

⎢⎣ 1 −2 1⎥⎦
no

definição de matriz inversa.

Nota
A resolução do exercício anterior equivale à resolução de 3 sistemas de
equações com 3 incógnitas, com a particularidade de as matrizes dos
coeficientes dos sistemas serem todas iguais a A. Além disso as colunas dos
termos independentes coincidem com as colunas da matriz identidade.
Assim, é possível resolver os três sistemas em simultâneo, construindo uma

31
matriz ampliada constituída à esquerda pela matriz dada e à direita pela
matriz identidade.

Algoritmo de Gauss-Jordan para a determinação da inversa

Seja A uma matriz quadrada de ordem n.
1) Construímos a matriz ampliada [ A | I ] ;

2) Efectuamos operações elementares somente nas linhas de [A | I ] por

forma a obtermos a matriz identidade à esquerda;

3) Se for possível obter à esquerda a matriz identidade [I |B ] então a

n
matriz A é invertível e B é a inversa de A, A -1 = B .

io
rs
Nota
Se ao efectuarmos a condensação obtivermos na matriz A uma linha nula,
concluímos que a característica de

consequentemente A não é invertível.

An×n
ve
não é máxima, car(A)<n , e
e
Exercícios
bl

26. Determine, caso exista, a inversa de cada uma das seguintes matrizes,
usando o algoritmo de Gauss-Jordan.
ta

⎡ 1 2 3⎤ ⎡ 1 6 4⎤
⎡ 1 1⎤
a) A = ⎢⎢ 2 5 3⎥⎥ b) A = ⎢⎢ 2 4 −1⎥⎥ c) A = ⎢ ⎥.
rin

⎢⎣ 1 0 8 ⎥⎦ ⎢⎣ 5 −2 −1⎥⎦ ⎣ 1 3⎦
p

27. Resolva, se possível, as seguintes equações matriciais em ordem a X,

n-

onde A e B são matrizes não singulares de ordem n:

a) (AXB-1 ) T = In Solução: X = A-1B .
no

b) (X-1A) -1 = B-1 (supondo que X é invertível) Solução: X = AB-1 .

c) ((AX)-1 )T = B-1 (supondo que X é invertível) Solução: X = A -1BT .

d) (AXA -1 )-1 = 2A Solução: X = ½ A-1 .

28. Mostre que se A é uma matriz ortogonal então A é invertível e

A -1 = A T .

32
29. Mostre que o produto de duas matrizes ortogonais é uma matriz
ortogonal.

⎧x + ky + z + kw = 0
⎪
30. Considere sistema ⎨ky + z − kw = 1 , k, t ∈ .
⎪kx + 2y + (k + 1)z + 2kw = t
⎩
a) Discuta o sistema em função dos parâmetros k e t.

b) Fazendo k = 2 e t = w = 0, resolva o sistema. Solução: (-1, 1 , 1 ) .

4 2
c) Fazendo k = 2 resolva, em ordem a X, a equação BX + A = C onde

n
⎡ 1 1 0⎤

io
A é a matriz dos coeficientes do sistema, B = ⎢⎢ 1 1 1⎥⎥ e
⎣⎢ 1 0 0 ⎥⎦

rs
⎡ 1 1 0 0⎤ ⎡ −2 −2 −2 −3⎤
C = ⎢⎢0 1 0 0 ⎥⎥ . Solução: X = ⎢⎢ 2 1 1 1⎥⎥ .
⎢⎣0 0 1 1⎥⎦
ve ⎢⎣ 0 0 0 4⎥⎦

⎧x + ky + z + w = t
e
⎪y + z − kw = 0
⎪
, k, t ∈
bl

31. Considere o sistema ⎨ .

⎪kx + y + z = t
⎪⎩x + ky + kz + w = 0
ta

a) Discuta o sistema em função dos parâmetros k e t.

rin

b) Fazendo k = -1 e t = -1, resolva o sistema. Solução: (2, 3 , - 1 , -1) .

2 2
c) Faça k = -1 e resolva a equação AX + B = C em que A é a matriz dos
p

⎡1 1⎤ ⎡0 1⎤
⎢1 ⎥ ⎢1 0 ⎥⎥
n-

1⎥
coeficientes do sistema, B = ⎢ e C= ⎢ .
⎢0 0⎥ ⎢1 0⎥
⎢ ⎥ ⎢ ⎥
⎢⎣0 1⎥⎦ ⎢⎣0 1⎥⎦
no

⎡ −2 −1⎤
⎢ −1 2 −1⎥⎥
Solução: X = ⎢ .
⎢ −1 2 0⎥
⎢ ⎥
⎣⎢ −1 0 ⎦⎥

33
 ⎡ 1 2 −1⎤ ⎡ 2 0 1⎤
32. Sendo A = ⎢⎢ 0 −1 0 ⎥⎥ e B = ⎢⎢ 1 1 3⎥⎥ matrizes invertíveis,
⎢⎣ 1 1 2⎥⎦ ⎢⎣ −1 0 −1⎥⎦

calcule:
a) A -1 b) B-1 c) AB d) (AB) -1 .

⎡ 1 1⎤ ⎡ 1 1⎤
33. Verifique se as matrizes A = ⎢ ⎥ e B =⎢ ⎥ são invertíveis e em
⎣ 1 2⎦ ⎣0 2⎦
caso afirmativo calcule as respectivas inversas.

n
io
⎡ 1 0 1⎤
34. Considere a matriz A = ⎢⎢ 2 −1 1⎥⎥ , k ∈ .

rs
⎢⎣ 1 k 0 ⎥⎦

a) Que valor deve atribuir-se à constante real k de forma a que a

matriz seja invertível.

b) Faça k = 0 e calcule A -1 .
ve Solução: k ∈ \{-1} .
e
⎡1 4 k⎤
bl

35. Considere a matriz A = ⎢⎢ 1 k 4⎥⎥ , k ∈ .

⎢⎣ 1 k k ⎥⎦
ta

a) Determine k de modo que a matriz seja invertível. Solução: k ∈ \{4} .

rin

b) Faça k = 6 e calcule A-1.

⎡ 1⎤
c) Justifique que para k = 6 o sistema AX = B, com B = ⎢⎢ 1⎥⎥ é possível
p

⎢⎣0 ⎥⎦
n-

⎡ 6 ⎤
e determinado e calcule a sua solução. Solução: X = ⎢⎢ −1 2⎥⎥ .
no

⎢⎣ −1 2⎥⎦

36. Supondo que A, B e F são matrizes invertíveis, resolva as seguintes

equações matriciais em X:
a) AX T = BC3 b) FX = DT - F -1

c) XB = C T - A 2 d) XF = F -1- DT

e) (A -1X)T = B f) A -1(X - I)T = (B-1 )T .

34
 ⎡ 1 −1⎤ ⎡ 2 3⎤ ⎡ 1 0⎤
37. Considere as matrizes A = ⎢ ⎥ , B =⎢ ⎥ e C =⎢ ⎥.
⎣ 0 1⎦ ⎣ 1 5⎦ ⎣0 8 ⎦
a) Verifique que as matrizes são não singulares.
b) Utilizando as matrizes para resolver as equações das alíneas a), c) e e)
do exercício anterior.

39. Sejam A e B matrizes ortogonais. Mostre que:

a) A é invertível.
b) A -1 é ortogonal.

n
c) AB é ortogonal.

io
⎡ −1 1 0⎤
40. Seja A = ⎢⎢ 0 1⎥⎥ , k ∈

rs
2 .
⎢⎣ 3 1 k ⎥⎦

ve
a) Determine k de modo que A seja uma matriz não singular.
⎡ 1⎤
b) Faça k = 0 e calcule a solução do sistema AX = B onde B = ⎢⎢ 0 ⎥⎥ , por
e
⎢⎣ −1⎥⎦
bl

explicitação da matriz das incógnitas.

c) Confirme o resultado que obteve em b), usando o método de
ta

eliminação de Gauss.
rin

⎧2x + y = 1
⎪
41. Considere o sistema ⎨y = 1 .
⎪y + z = 0
p

⎩
n-

a) Classifique e resolva o sistema.

b) Sendo A a matriz dos coeficientes do sistema justifique que:
no

b.1) A matriz A T é invertível.

b.2) A matriz AA T não pode ser a matriz nula.

⎡ 1 0 0⎤ ⎡ 1 0 0 ⎤
42. Seja A = ⎢⎢ 1 α 0 ⎥⎥ e B = ⎢⎢ 2 β 0 ⎥ , onde
⎥ α e β são
⎢⎣ 1 1 1⎥⎦ ⎢⎣ 3 β −2 1 ⎥⎦

parâmetros reais.

a) Determine, se possível, α e β de modo que B = A 2 .

35
 b) Indique condições para α e β, de forma a que (A + B) T X = 0 tenha
apenas a solução nula.

c) Faça α = β = 1 e calcule (A T + BT ) -1 .

43. Seja A uma matriz do tipo 2×2 e nilpotente de ordem 2. Mostre que:

a) (A + I2 )2 .A = A
b) A é não invertível.
c) (I2 - A) é invertível e (I2 - A) -1 = I2 + A .

n
io
2.5 Exercícios (Aulas Práticas)

rs
CONDENSAÇÃO DE MATRIZES

ve
1. Averigúe se as seguintes matrizes estão condensadas por linhas:
⎡1 0 0 ⎤ ⎡1 2 3 ⎤ ⎡0 1 0 ⎤ ⎡1 1 0 ⎤
e
a) ⎢⎢0 0 0 ⎥⎥ b) ⎢⎢0 0 0 ⎥⎥ c) ⎢⎢1 0 0 ⎥⎥ d) ⎢⎢0 1 0 ⎥⎥
bl

⎢⎣0 0 1 ⎥⎦ ⎢⎣0 0 1 ⎥⎦ ⎢⎣0 0 0 ⎥⎦ ⎢⎣0 0 0 ⎥⎦

⎡1 2 0 3 0⎤
ta

⎢0 ⎡1 0 0 5 ⎤ ⎡1 3 0 2 0 ⎤
0 ⎥⎥
f) ⎢⎢0 0 1 3 ⎥⎥ g) ⎢⎢1 0 2 2 0 ⎥⎥ .
0 3 1
e) ⎢
⎢0 0 0 0 1⎥
rin

⎢ ⎥ ⎢⎣0 1 0 4⎥⎦ ⎢⎣0 0 0 0 1 ⎥⎦

⎢⎣0 0 0 0 0 ⎥⎦
p

2. Condense a seguinte matriz de modo a obter duas matrizes distintas:

n-

⎡1 3 2 1⎤
⎢2 7 0 1⎥ .
⎢ ⎥
⎢⎣3 −1 5 1⎥⎦
no

3. Condense as seguintes matrizes, usando as três operações elementares

sobre as linhas:

⎡1 2 3 ⎤ ⎡1 −2 0 4⎤ ⎡2 1 1 5⎤
⎡2 1 ⎤ ⎢2 1 −2⎥
a) ⎢⎢4 5 6 ⎥⎥ d) ⎢⎢ 4 −6 0 −2⎥⎥ .
4
b) ⎢ ⎥ c) ⎢ ⎥
⎣8 7 ⎦ 0 −1 5 −1
⎢⎣5 7 8 ⎥⎦ ⎢ ⎥ ⎢⎣ −2 7 2 4 ⎥⎦
⎣⎢1 3 2 0 ⎦⎥

36
4. Determine a característica de cada uma das seguintes matrizes:
⎡1 2 1 3⎤
⎡ 1 2 3 4⎤ ⎢2
⎢ −1 3 2 1 ⎥ 1 3 2⎥⎥
a) ⎢ ⎥ b) ⎢ .
⎢0 2 1 1⎥
⎢⎣ 4 1 − 1 3 ⎥⎦ ⎢ ⎥
⎣⎢3 1 3 4⎦⎥

5. Determine os valores reais de α para os quais a característica de cada

uma das seguintes matrizes é máxima:
⎡1 − 1 1⎤ ⎡α 1 1⎤
⎡1 − α − 2α ⎤
a) A = ⎢⎢1 2 1⎥⎥ b) B = ⎢1 α − 1⎥⎥
⎢ c) C= ⎢
α ⎥⎦
.

n
⎢⎣α 1 1 ⎥⎦ ⎢⎣1 − 1 1 ⎥⎦ ⎣2 3

io
6. Estude, segundo os valores reais de α , a característica das seguintes

rs
matrizes:
α ⎤
⎡α 1
a) A = ⎢⎢1 α
⎢⎣1 1
1⎤
1 ⎥⎥
α ⎥⎦
⎡0
⎢1
b) B = ⎢
⎢2
⎢
⎣⎢ 1
ve
1
0
−α
1
− 1 ⎥⎥
0⎥
1 ⎦⎥
⎥
e
⎡α 1 1⎤
bl

⎡ −3 2α − 1 5⎤ ⎢1 α 1 ⎥⎥
c) C = ⎢⎢α − 1 −2 4α ⎥⎥ d) D = ⎢ .
⎢1 1 α⎥
ta

⎢⎣ − 1 α 9 ⎥⎦ ⎢ ⎥
⎢⎣1 1 1⎥⎦
rin

SISTEMAS DE EQUAÇÕES LINEARES

p

7. Dos sistemas seguintes, identifique aqueles que são lineares:

n-

⎧ x1 − 2x 2 − 3x 3 + x 4 = 4
⎧x + 3y = 7 ⎧⎪x + 3y 2 = 9 ⎪⎪
a) ⎨ b) ⎨ c) ⎨ x1 + x 2 + x 3 = 1
no

⎩y = 2x + 3z + 1 ⎪⎩y − senx = 0 ⎪
⎪⎩2x1 + 3x 2 = 3

⎧3x + 2y + xz = 4 ⎧x + y + z = cos k
d) 3x + y − z + t = 4/5 e) ⎨ f) ⎨ ,k∈ .
⎩2xy + z = 2 ⎩ kx + y = −z

8. Resolva pelo método de eliminação de Gauss, os seguintes sistemas de

equações lineares:

37
 ⎧ x + y + 2z = 9 ⎧x − 2y = 0
⎪ ⎧⎪x1 + x 3 = 1 ⎪
a) ⎨2x + 4y − 3z = 1 b) ⎨ c) ⎨3x + 4y = −1
⎪3x + 6y − 5z = 0 ⎪⎩−x1 + 2x 2 − x 3 = 3 ⎪2x − y = 3
⎩ ⎩

⎧2x = 8 − y ⎧x + z = 1 ⎧x − 2y + z − 4w = 1
⎪ ⎪ ⎪
d) ⎨3x = 1 + 2y + z e) ⎨2y − z + t = 2 f) ⎨x + 3y + 7z + 2w = 2
⎪3z = 10 − 4x + 7y ⎪2z + w = 3 ⎪x − 12y − 11z − 16w = 5
⎩ ⎩ ⎩

⎧x1 − x 2 = 2 ⎧x + y − z = 2 ⎧x + y − z = 1
⎪⎪ ⎪ ⎪
g) ⎨5x1 + 2x 3 + 2x 4 = 1 h) ⎨x − y − z = 1 i) ⎨2x − y + 3z = 2
⎪ ⎪ ⎪4 x + y + z = 4
⎪⎩3x1 − 2x 2 + x 3 + x 4 = 0 ⎩x + y + z = 0 ⎩

n
⎧x + 2y + 2z = 2 ⎧2a + 6b + c − 3d = 1
⎪3x − 2y − z = 5 ⎪3a − 2b − c + d = 2 ⎧x + 5y + 4z − 13w = 3
⎪ ⎪ ⎪

io
j) ⎨ k) ⎨ l) ⎨3x − y + 2z + 5w = 2 .
⎪2x − 5y + 3z = −4 ⎪a + 4b + 2c − 2d = 3 ⎪
⎪⎩x + 4y + 6z = 0 ⎩2x + 2y + 3z − 4w = 1
⎩⎪3a − 4b − 4c + 2d = −2

rs
9. Para que valores da constante real k é o sistema ⎨

a) impossível (nenhuma solução).

ve
⎧x − y = 3
⎩2x − 2y = k
e
b) possível e indeterminado (uma infinidade de soluções).
bl

⎧x + y + 2z = a
ta

⎪
10. Considere o seguinte sistema de equações lineares: ⎨x + z = b .
⎪
⎩2x + y + 3z = c
rin

Mostre que, para que este sistema seja possível, a, b e c devem satisfazer a
igualdade a + b = c .
p
n-

⎧x + 2y − 3z = 4
⎪
11. Para que valores do parâmetro a é o sistema ⎨3x − y + 5z = 2
⎪
no

⎩4x + y + (a − 14)z = a + 2
2

a) impossível (nenhuma solução)?

b) possível e determinado ( uma só solução)?
c) possível e indeterminado (uma infinidade de soluções)?

12. Discuta, para todos os valores reais dos parâmetros, os seguintes

sistemas de equações:

38
 ⎧2x − 3y + z = 1 ⎧x + y + z = −1 ⎧2x + y + 3z = 0
⎪ ⎪ ⎪
a) ⎨α x + 2y = 2 b) ⎨2x − y − 3z = β c) ⎨2x + 2y + 2z = 1
⎪3x + y − z = β ⎪α x − 2z = −2 ⎪x + α z = β
⎩ ⎩ ⎩

⎧x + 2y + z − u = b
⎧x + y + z = p ⎪x − y + z + u = 0 ⎧x + y + z = p + 1
⎪ ⎪ ⎪
d) ⎨x + py + kz = k e) ⎨ f) ⎨x + py + z = 1
⎪x + y + pz = pk ⎪2x + y + z + u = 0 ⎪
⎩ ⎩ px + y = p + 2 p
2

⎩⎪a x − y − z − u = c

⎧x + y + (1 − p )z = p + 1
⎪
g) ⎨(1 + p )x − y + 2z = 0 .
⎪2x − py + 3z = p + 2
⎩

n
io
13. Determine c e d de tal modo que o seguinte sistema seja indeterminado
de grau 2 e resolva-o para c = 2 e d = 4:

rs
⎧x + y + 3z − 2w = 5
⎪
⎨x − 3y + 2z − 4w = 3 .
⎪
ve
⎩2x + cy + 5z − 6w = d

14. Resolva o seguinte sistema de equações não lineares onde α, β e γ são

e
ângulos tais que α, β ∈[0, 2π[ e γ ∈ ⎤ − π , π ⎡ :
bl

⎦⎥ 2 2 ⎣⎢

⎧2senα − cos β + 3tgγ = 3

ta

⎪
⎨4senα + 2cos β − 2tgγ = 2 .
⎪6senα − 3cos β + tgγ = 9
⎩
rin

MATRIZ INVERSA
p
n-

15. Mostre que:

−1
⎡1 0 0 0⎤ ⎡1 0 0 0⎤
no

−1
⎡1 2 3⎤ ⎡ 3 − 2 − 1⎤ ⎢2 ⎥ ⎢ −2 1 0 ⎥
⎢ ⎥
a) ⎢ 2 5 7 ⎥ = ⎢⎢ −4 1 − 1 ⎥⎥
1 0 0 0
b) ⎢ ⎥ = ⎢ ⎥.
⎢4 2 1 0⎥ ⎢ 0 −2 1 0⎥
⎢⎣ −2 − 4 − 5 ⎥⎦ ⎢⎣ 2 0 1 ⎥⎦ ⎢ ⎥ ⎢ ⎥
⎣⎢ −2 3 1 1⎦⎥ ⎣⎢ 8 − 1 − 1 1⎦⎥

16 . Use a definição para determinar, caso exista, a inversa de:

⎡2 2 ⎤ ⎡ 2 − 1⎤
a) A = ⎢ ⎥ b) B = ⎢ ⎥.
⎣1 3⎦ ⎣ −6 3 ⎦

39
 ⎡3 4 ⎤
17. Seja A uma matriz tal que A −1 = ⎢ ⎥ . Determine A.
⎣5 6 ⎦

18. Seja A uma matriz tal que A 2 − 3A + I = 0 . Mostre que A −1 = 3I − A .

19. Sejam A e B matrizes quadradas de ordem n. Mostre que, se A é

invertível então ( A + B )A −1(A − B ) = ( A − B )A −1(A + B ) .

20. Usando o método de Gauss-Jordan, calcule a inversa de:

n
⎡3 4 2 7⎤
⎡1 2 4 ⎤ ⎡1 2 3⎤

io
⎢2 2⎥⎥
a) ⎢⎢3 1 0 ⎥⎥ c) ⎢⎢1 3 3⎥⎥ .
3 3
b) ⎢
⎢5 7 3 9⎥
⎢⎣2 2 1 ⎥⎦ ⎢⎣2 4 3⎥⎦

rs
⎢ ⎥
⎢⎣2 3 2 3 ⎥⎦

ve ⎡ −1 2 ⎤
21. Seja A uma matriz invertível e suponha que a inversa de 7A é ⎢ ⎥.
⎣ 4 −7 ⎦

Determine A, A 3 e A −3 .
e
bl
ta

2.6 Exercícios de Revisão

rin

⎡a 1 3⎤ ⎡a 2⎤
1. Dadas as matrizes A = ⎢⎢ 1 b 2 ⎥⎥ e B = ⎢⎢2 b ⎥⎥ , calcule a e b, sabendo
p

⎢⎣ 1 1 2 ⎥⎦ ⎢⎣2 1⎥⎦
n-

que dois dos elementos c i , j do produto C =AB são c1,2 = 1, c 2,1 = 9 .

no

R: a=-3, b=4

⎡ 1 a2 + 4 2b − 1⎤
⎢ ⎥
2. Dada A = ⎢ −4a 2 2c ⎥ calcule a, b e c de modo que:
⎢ b2 c + 1 4 ⎥⎦
⎣
a) A seja simétrica. R: a= -2,b=c=1
b) A seja triangular superior. R: a=b=0, c= -1

40
 ⎡10 −25 ⎤
3. Seja A = ⎢ ⎥ . Calcule A 2 e classifique a matriz A.
⎣ 4 −10 ⎦
R: nilpotente, ordem 2

⎡5 − 5a ⎤
4. Calcule a de modo que a matriz A = ⎢ ⎥ seja idempotente.
⎣a − 4 ⎦
R: a= -2 ou a=2

⎡1 3⎤
⎡1 2 ⎤ ⎡10 6 14 ⎤
5. Dadas A = ⎢⎢0 2⎥⎥ e B = ⎢ ⎥ , calcule ( AB )T e B T AT . R: ⎢ ⎥
⎣3 4 ⎦ ⎣14 8 20 ⎦

n
⎢⎣2 4 ⎥⎦

io
⎡ 1 2 2⎤

rs
⎢ 3 3 ⎥
⎢ ⎥ T
6. Seja B = ⎢ ⎥ . Calcule BB e classifique a matriz B.
⎢2 2 ⎥
⎢⎣ 3

R: I - ortogonal
−1 ⎥
3 ⎦
ve
e
⎡0 1⎤
bl

7. Seja A = ⎢ ⎥ . Determine todas as matrizes B, 2x2, tais que:

⎣0 2 ⎦
ta

⎡x y ⎤ ⎡ −2y y ⎤
a) AB=0 R: ⎢ ⎥ b) BA=0 R: ⎢ ⎥
⎣0 0 ⎦ ⎣ −2t t ⎦
rin

8. Determine todas as matrizes permutáveis com A.

p

⎡2 0 ⎤ ⎡x 0⎤ ⎡1 2⎤ ⎡x −2z ⎤
a) A = ⎢ ⎥ R: ⎢0 t ⎥ b) A = ⎢ ⎥ R: ⎢ .
⎣0 3 ⎦ ⎣ ⎦ ⎣ −1 − 1⎦ ⎣z x + 2z ⎥⎦
n-

⎡9 5 ⎤ ⎡4 n ⎤
no

9. Dadas A = ⎢ ⎥ e B=⎢ ⎥ , calcule m e n para que B seja a inversa

⎣7 4 ⎦ ⎣m 9⎦
de A. R: m= -7, n= -5

10. Prove ou dê um contra-exemplo:

a) Se A e B são matrizes de ordem n então ( AB )2 = A 2B 2 . R: F

b) Se A e B admitem inversa então A + B admite inversa. R: F
c) Se A admite inversa então AB = AC ⇒ B = C . R: V.

41
42
no
n-
prin
ta
bl
e
ve
rs
io
n
Capítulo 3 Determinantes

3.1 Definições e Propriedades

Neste capítulo vamos associar a cada matriz quadrada, A, um número a

n
que chamaremos determinante de A e denotaremos por det(A) ou |A|.

io
Seja A uma matriz quadrada de ordem n. Assim:
i) Se n = 1 então A = [a ] e det(A) = a.

rs
⎡a b ⎤
ii) Se n = 2 então A = ⎢ ⎥ e det(A) = ad - bc.
⎣c d ⎦
Definiremos determinante de ordem n ve
em função do determinante de
ordem n-1. Suponhamos então definidos os determinantes de ordem inferior
e
ou igual a n - 1.
bl

Definição
ta

Seja A = ⎡⎣aij ⎤⎦ uma matriz quadrada de ordem n.

rin

i) Chamamos menor complementar de índices ij, M ij, ao determinante (de

ordem n-1) da submatriz que se obtém de A omitindo a linha i e a coluna j.
ii) Chamamos complemento algébrico de índices ij a C ij = (-1) i+j M ij .
p
n-

Notas
1. Um menor complementar e o respectivo complemento algébrico ou são
no

iguais ou são simétricos.

i+j
2. O sinal (-1) do complemento algébrico de índices ij pode ser obtido

⎡+ − + ⎤
⎢− + − ⎥
através da matriz de sinais ⎢ ⎥.
⎢+ − + ⎥
⎢ ⎥
⎣⎢ ⎦⎥

Exercícios

43
 2 0
1. Calcule .
−1 −1

3 2 1
2. Use a regra de Sarrus para calcular 1 2 −3 .
5 0 4

⎡ 1 −1 0 ⎤
3. Dada a matriz ⎢⎢ 0 5 −1⎥⎥ determine todos os menores complementares
⎢⎣ 1 4 −1⎥⎦

n
de ordem 2 e os respectivos complementos algébricos.

io
Definição

rs
O determinante de ordem n de uma matriz An×n é dado por
det(A) = a11C11 + a12C12 + +a1n C1n ,

onde a11,a12 ,

C11,C12 ,
ve
,a1n são os elementos da primeira linha da matriz A e

,C1n os respectivos complementos algébricos.

e
Exercícios
bl

⎡ 3 4 5⎤
4. Determine todos os menores complementares da matriz A = ⎢⎢ 6 −4 2⎥⎥
ta

⎢⎣ 2 −1 1⎥⎦
rin

relativos à primeira linha e utilize-os para calcular det(A).

1 2 −2
p

5. Calcule −1 1 3 .
n-

2 −1 2
no

Embora a definição de determinante use um desenvolvimento através da

primeira linha, pode provar-se que utilizando desenvolvimentos análogos,
através de qualquer linha ou coluna obtém-se sempre o mesmo valor.

Teorema de Laplace
Seja A uma matriz quadrada de ordem n. O determinante de A é igual à
soma dos produtos dos elementos de uma qualquer linha ou coluna pelos
respectivos complementos algébricos, ou seja,

44
 |A| = ai1Ci1 + ai 2Ci2 + +ain Cin , i ∈ {1, ..., n}

(desenvolvimento segundo a linha i)

ou
|A| = a1 j C1j + a 2 j C2j + +anj Cnj , j ∈ {1, ..., n}

(desenvolvimento segundo a coluna j).

Exercícios
6. Calcule cada um dos seguintes determinantes:
1 2 −3 4
2 1 −2 2 1 −2

n
0 1 1 2
a) 1 −1 3 b) 3 −3 9 c) .

io
1 2 0 0
−1 2 2 −1 2 2
0 1 0 0

rs
7. Calcule todos os valores de λ tais que det(A) = 0:

⎡λ − 2
a) A = ⎢
1 ⎤
⎥
⎣ −5 λ + 4⎦
⎢
b) A = ⎢ 0
⎢⎣ 0
ve
⎡λ − 4 0
λ
0 ⎤
2 ⎥⎥ .
3 λ − 1⎥⎦
e
bl

8. Resolva as seguintes equações na variável x:

1 0 −3 1 x 1 1 2 4
ta

x −1
a) =2 x −6 b) 0 −1 1 = 0 c) x x 2 x 3 = 3x 2 − 6x .
3 1− x
1 3 x −5 1 0 2 0 x4 3
rin

sin α cos α 0
p

9. Mostre que o valor do determinante − cos α sin α 0 não

sin α − cos α sin α + cos α
n-

depende de α.
no

⎡a b ⎤ ⎡d e ⎤
10. Prove que as matrizes A = ⎢ ⎥ e B =⎢ ⎥ comutam se e só se
⎣0 c ⎦ ⎣0 f ⎦
b a −c
= 0.
e d−f

Propriedades
Para toda a matriz quadrada A são válidas as seguintes propriedades:

45
i) Se adicionarmos o produto dos elementos de uma linha de A pelos
complementos algébricos de outra linha obtemos zero para resultado.
ii) Se adicionarmos o produto dos elementos de uma coluna de A pelos
complementos algébricos de outra coluna obtemos zero para resultado.

Exercício
⎡ 2 1 −2⎤
11. Dada a matriz A = ⎢ 1 −1 3⎥⎥ , multiplique os elementos da linha 1
⎢
⎢⎣ −1 2 2⎥⎦

n
pelos complementos algébricos da linha 3, adicione as 3 parcelas e
constate que o resultado é zero. Repita o exercício para colunas.

io
rs
O cálculo do determinante de uma matriz 4×4 pode ser muito trabalhoso
uma vez que dá origem a 4 determinantes de ordem 3 e cada um destes dá

ve
origem a 3 determinantes de ordem 2. Assim envolve 12 determinantes de
ordem 2. Para o caso de uma matriz de ordem 5 temos um total de 60
determinantes de ordem 2!! Na verdade o calculo de determinantes pode ser
e
moroso mesmo utilizando computador. O resultado seguinte mostra-nos em
bl

que medida é que as operações elementares sobre as linhas (ou colunas) de

uma matriz influenciam o respectivo determinante e tem por objectivo ser
ta

utilizado para diminuir o número de determinantes envolvidos no cálculo de

um dado determinante.
rin

Propriedades
p

Seja A uma matriz de ordem n.

n-

i) Se a uma linha (coluna) adicionarmos um múltiplo escalar de outra o

determinante não se altera;
no

ii) Se trocarmos duas linhas (colunas) o determinante muda de sinal;

iii) Se multiplicarmos uma linha (coluna) por um escalar o determinante é
também multiplicado pelo mesmo escalar.

Teorema
O determinante de uma matriz triangular superior (inferior) é igual ao
produto dos elementos da diagonal.

46
Propriedades
Seja A uma matriz de ordem n.
1. Se A tem uma linha (coluna) nula então det(A) = 0.
2. Se A tem duas linhas (colunas) proporcionais então det(A) = 0.
3. Se A tem uma linha (coluna) que é combinação linear das restantes então
det(A)=0.

Exercícios
12. Utilize os resultados anteriores para calcular o determinante das

n
matrizes seguintes:
⎡1 1 1⎤ ⎡ 1 0 1⎤ ⎡1 1⎤

io
0 0
⎢ 0 ⎥⎥ .
a) A = ⎢⎢1 1 1⎥⎥ b) B = ⎢⎢ 1 1 0 ⎥⎥ c) C = ⎢ 1 1 0
⎢0 0⎥
⎢⎣1 1 1⎥⎦ ⎢⎣0 1 1⎥⎦ 1 1

rs
⎢ ⎥
⎢⎣ 0 0 1 1 ⎥⎦

13. Sendo
⎡ 2 a 1⎤
A = ⎢⎢ 3 0 b ⎥⎥ ,
⎢⎣ 1 2 5 ⎥⎦
⎡3 0 b ⎤
B = ⎢⎢ 2 a 1⎥⎥
⎢⎣ 1 2 5 ⎥⎦
e
ve ⎡ 2
C = ⎢⎢ 3
⎢⎣ 2
a 1⎤
0 b ⎥⎥ , a, b, c ∈
4 10 ⎥⎦
,
e
justifique, usando apenas as propriedades dos determinantes, que:
bl

a) det(A) = - det(B) b) det(C) = 2det(A) c) det(C) = -2det(B).

ta

a b c
f = −6 calcule:
rin

14. Sabendo que d e

g h i

d e f 4a 4b 4c a+g b +h c +i
p

a) g h i b) 3g 3h 3i c) −d −e −f .
−d −e −f
n-

a b c 2g 2h 2i
no

15. Sem calcular directamente mostre que x = 0 e x = 2 satisfazem a

x2 x 2
equação 2 1 1 =0.
0 0 5

16. Sem calcular directamente, mostre que:

⎡b + c c + a b + a ⎤ a b a +b +c a b c
a) det ⎢⎢ a b c ⎥⎥ =0 b) d e d + e + f = d e f .
⎢⎣ 1 1 1 ⎥⎦ g h g +h +i g h i

47
 1 2 3 4 5
−1 0 3 4 5
17. Mostre que = 5!. Generalize este resultado para um
−1 −2 0 4 5
−1 −2 −3 0 4
−1 −2 −3 −4 0

determinante de ordem n com a mesma estrutura do determinante dado.

1 5 5 5 5
5 2 5 5 5
18. Mostre que 5 5 3 5 5 = 5! e generalize este resultado para um
5 5 5 4 5

n
5 5 5 5 5

io
determinante de ordem n.

rs
a1 1 1 1
a1 a 2 1 1
19. Verifique que = a1 (a 2 − 1) (a 3 − 1)(a 4 − 1) para todos os
a1 a 2 a 3 1
a1 a 2 a 3 a 4

valores reais de a1,a 2 ,a 3 e a 4 .

ve
e
bl

Propriedades
a11 + b11 a12 + b12 a13 + b13 a11 a12 a13 b11 b12 b13
ta

i) a 21 a22 a 23 = a 21 a22 a 23 + a 21 a 22 a 23 .
a 31 a32 a 33 a 31 a32 a 33 a 31 a 32 a 33
rin

αa11 αa12 αa13 a11 a12 a13

ii) a 21 a22 a23 = α a 21 a 22 a 23 , α ∈ .
p

a 31 a32 a33 a 31 a 32 a 33
n-

Nota
no

As propriedades descritas anteriormente são válidas para qualquer linha ou

qualquer coluna e para determinantes de todas as ordens.

Exercícios
20. Use as propriedades dos determinantes, para mostrar que
u 3u − 2v u u u v
v 3v − 2u u = 2 v u u .
w 3w − 2u u w u u

48
 a +b c +d
21. Escreva como soma de 4 determinantes cujas entradas
e+f g +h

não contêm somas.

Propriedades (Determinantes)
Para todas as matrizes A e B quadradas de ordem n são válidas as
seguintes propriedades:
i) det(A) = det(A T )
ii) det(AB) = det(A).det(B)

n
iii) det(A k ) = (det(A))k , k ∈

io
iv) det(αA) = αn.det(A), α ∈
1 .

rs
v) Se A é invertível então det(A -1 ) =
det(A)

Exercícios
ve
22. Sejam A, B e C matrizes quadradas de ordem 3 tais que det(A) = 2,
det(B) = 5 e det(C) = -2. Calcule:
e
a) det(A 2 A T ) b) det(AB-1 ) c) det(5C).
bl
ta

23. Usando convenientemente as propriedades dos determinantes calcule

1 1 1 1 1
rin

1 −1 1 1 1
1 1 −1 1 1 .
1 1 1 −1 1
p

1 1 1 1 −1
n-

3 −1 x
no

24. Determine a, b e c tais que 2 6 y = ax + by + cz .

−5 4 z

2 −2 0
⎡a b ⎤
25. Sabendo que det ⎢ ⎥ = −2 calcule c + 1 −1 2a .
⎣c d ⎦ d − 2 2 2b

49
 1 a + 3 (a + 2)(a + 3)
26. Mostre que o valor de 1 a + 4 (a + 3)(a + 4) não depende de a.
1 a + 5 (a + 4)(a + 5)

3.2 Matriz Adjunta e Matriz Inversa

Neste parágrafo vamos usar a teoria de determinantes para o calcular a

n
inversa de uma matriz. Em primeiro lugar vejamos um teorema que nos

io
permite decidir sobre a existência de inversa.

rs
Teorema
Se A uma matriz quadrada de ordem n então A é invertível se e só se
det(A) ≠ 0.

Exercício
ve
e
27. Determine os valores de x que fazem com que as seguintes matrizes
bl

sejam invertíveis:
⎡1 0 2 ⎤ ⎡ 0 x −x ⎤ ⎡ x 1 0⎤
ta

a) A = ⎢⎢3 −4 x ⎥⎥ b) B = ⎢ −1 2 −1⎥⎥
⎢ c) C = ⎢⎢ 0 2 x ⎥⎥ .
⎢⎣2 5 8 ⎥⎦ ⎢⎣ x −x x ⎥⎦ ⎢⎣ −1 x 1⎥⎦
rin

Definição
p

Dada uma matriz A de ordem n chamamos adjunta de A, adj(A), à

n-

transposta da matriz dos complementos algébricos de A, isto é,

T
⎡ C11 C12 C1n ⎤
⎢C C2n ⎥⎥
no

C22
adj(A) = ⎢ 21 .
⎢ ⎥
⎢ ⎥
⎣⎢Cn1 Cn2 Cnn ⎦⎥

Exercício
⎡ 1 0 −1⎤
28. Dada a matriz A = ⎢⎢ 2 3 1⎥⎥ , determine:
⎣⎢ −1 0 2⎥⎦

a) adj(A) b) A.adj(A).

50
Teorema
Se A é uma matriz quadrada de ordem n invertível então a inversa de A é
dada por

A −1 = 1 adj(A) .
A

Demonstração. Pretendemos provar que A −1 = 1 adj(A) , ou seja, queremos

A

⎛ ⎞
provar que A. ⎜ 1 adj(A)⎟ = In. Para tal calculemos
⎝ A ⎠

n
⎛ ⎞

io
A. ⎜ 1 adj(A)⎟ = 1 A.adj(A)
⎝ A ⎠ A

rs
T
⎡ a11 a12 a1n ⎤ ⎡ C11 C12 C1n ⎤
⎢a a 22 a 2n ⎥⎥ ⎢C C2n ⎥⎥
= 1 ⎢ 21 ⎢ 21 C22
A ⎢
⎢
⎣⎢an1 an 2 ve ann ⎦⎥
⎥
⎥
⎢
⎢
⎣⎢Cn1 Cn2
⎥
⎥
Cnn ⎦⎥
e
⎡ a11 a12 a1n ⎤ ⎡ C11 C21 Cn1 ⎤
⎢a a 2n ⎥⎥ ⎢C Cn2 ⎥⎥
bl

a 22 C22
= 1 ⎢ 21 ⎢ 12
A ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
ta

⎣⎢an1 an 2 ann ⎦⎥ ⎣⎢C1n C2n Cnn ⎦⎥

rin

⎡a11C11 +a12C12 + +a1nC1n a21C11 +a22C12 + +a2nC1n an1C11 +an2C12 + +annC1n ⎤

⎢a C +a C + +a C a C +a C + +a C an1C21 +an2C22 + +annC2n ⎥⎥
= 1 ⎢ 11 21 12 22 1n 2n 21 21 22 22 21n 2n
A ⎢ ⎥
p

⎢ ⎥
⎣⎢a11Cn1 +a12Cn2 + +a1nCnn a21Cn1 +a22Cn2 + +a2nCnn an1Cn1 +an2Cn2 + +annCnn ⎦⎥
n-

Os elementos que estão na diagonal principal são obtidos multiplicando os

no

elementos de uma linha pelos respectivos complementos algébricos. Assim o

Teorema de Laplace garante-nos que esses elementos são iguais a det(A). Os
restantes elementos obtêm-se multiplicando os elementos de uma linha
pelos complementos algébricos de outra linha, logo são nulos. Assim temos
⎡|A| 0 0 ⎤
⎛ ⎞ ⎢ 0 |A| 0 ⎥⎥
A. ⎜ 1 adj(A)⎟ = 1 ⎢ = 1 |A| .In = In,
⎝ A ⎠ A ⎢ ⎥ A
⎢ ⎥
⎢⎣ 0 0 |A|⎥⎦

51
donde concluímos que A −1 = 1 adj(A) .
A

Corolário
Se A é uma matriz quadrada de ordem n então
A.adj(A) = |A|.I = adj(A).A.

Exercício
29. Determine, usando a adjunta, a inversa de cada uma das seguintes
matrizes, caso exista:

n
⎡ 2 4 6⎤

io
⎡ 1 2⎤
a) A = ⎢ ⎥ b) B = ⎢⎢ 1 0 1⎥⎥ .
⎣3 4⎦ ⎢⎣ 2 0 4⎥⎦

rs
Propriedades (Adjunta)
Para todas as matriz
seguintes propriedades:
A e B, ve
quadradas de ordem n, são válidas as
e
i) adj(A T ) = (adj(A))T
bl

ii) adj(AB) = adj(B) adj(A)

iii) adj(λ A) = λ n -1adj(A)

ta

iv) adj(A-1 ) = (adj(A)) -1

rin

v) |adj(A)| = |A|n -1 ( Teorema de Cauchy ).

Demonstração. Exercício.
p
n-

Exercícios
⎡1 1 2 ⎤
30. Dada a matriz A = ⎢⎢2 0 1⎥⎥ determine adj(A) e mostre que:
no

⎢⎣3 1 1⎥⎦

a) A.adj(A) = |A| I = adj(A)A b)|adj(A)| = |A|2 .

31. Mostre que se uma matriz é nilpotente então não é invertível.

⎡ 1 0 0⎤ ⎡ −1 2 0⎤
32. Sejam A = ⎢ 1 2 3⎥ e B = ⎢⎢ 2
⎢ ⎥ 1 0 ⎥⎥ .
⎢⎣0 1 1⎥⎦ ⎢⎣ 1 0 1⎥⎦

52
 a) Justifique que A e B são matrizes invertíveis e calcule B-1 .
b) Resolva a equação em X, XA -1 = (B-1 )T .

⎡ 0 1 2⎤
⎡ 2 0⎤
A = ⎢⎢ −1 0 ⎥⎥ , B =
4
33. Considere as matrizes 1 ⎢ −3 e
⎣ 1 5 ⎥⎦
⎢⎣ k 2 5 ⎥⎦

⎡ 1 3⎤
C = ⎢⎢ 2 0 ⎥⎥ , k ∈ .
⎢⎣ −1 2⎥⎦

n
a) Diga para que valores de k, a matriz A é invertível.

io
b) Faça k = -1,
b.1) Calcule A -1 .

rs
⎡1 ⎤
b.2) Resolva o sistema AX = ⎢⎢1 ⎥⎥ .
⎢⎣0 ⎥⎦

b.3) Calcule Y sabendo que AY = B T - C .

ve
e
bl

3.3 Regra de Cramer

ta
rin

Teorema (Regra de Cramer)

Todo o sistema de n equações lineares com n incógnitas AX = B tal que
p

det(A) ≠ 0 tem uma única solução dada por

n-

det(A j )
xj = , j = 1, ..., n
det(A)
no

onde Aj é a matriz que se obtém substituindo a coluna j de A pela coluna

dos termos independentes do sistema.

Exercício
34. Use a Regra de Cramer para resolver os sistemas:
⎧x + 2z = 6 ⎧5x + y − z = 4
⎧2x + y = 1 ⎪ ⎪
a) ⎨ b) ⎨−3x + 4y + 6z = 30 c) ⎨9x + y − z = 1 .
⎩3x + 7y = −2 ⎪−x − 2y + 3z = 8 ⎪
⎩ ⎩ x − y + 5z = 2

53
 ⎧3x + 2y − z = −1
⎪
35. Considere o sistema ⎨x − 2y + 2z = 7 .
⎪2x + y + z = 3
⎩
a) Resolva o sistema usando a Regra de Cramer.
b) Determine a inversa da matriz dos coeficientes do sistema.
c) Resolva o sistema usando a alínea anterior.

⎧ax + y + z = 1
⎪
36. Considere o sistema de equações lineares ⎨x + ay + z = 1 , a ∈ .
⎪x + y + az = 0
⎩

n
a) Diga para que valores de a o sistema é possível e determinado.

io
b) Faça a = 0 e resolva o sistema pela Regra de Cramer.

rs
⎧x + y + z = 1
⎪
⎪3x − 3y + bz = 0
⎩ ve
37. Considere o sistema ⎨x + ay + z = 2 , a, b ∈ .

a) Para que valores de a e b o sistema tem solução única?

e
b) Para que valores de a e b a matriz dos coeficientes do sistema é uma
bl

matriz não singular?

c) Faça a = 0 e b = 0 e resolva o sistema pela Regra de Cramer.
ta

d) Encontre a solução geral para a = 3 e b = 3.

rin

3.4 Exercícios (Aulas Práticas)

p
n-

1 0 −3
1. Calcule o seguinte determinante pela regra de Sarrus: −2 4 −1 .
no

0 5 0

2. Calcule todos os menores e todos os complementos algébricos dos

elementos da matriz
⎡ 1 6 −3⎤
⎢ −2 7 1 ⎥ .
⎢ ⎥
⎢⎣ 3 −1 4 ⎥⎦

54
 ⎡4 0 4 4⎤
⎢ −1 0 1 1 ⎥⎥
3. Dada a matriz ⎢ , determine:
⎢ 1 −3 0 3⎥
⎢ ⎥
⎣⎢ 6 3 14 2⎦⎥

a) M 13 e C13 b) M 23 e C 23 c) M 22 e C 22 .

4. Calcule o determinante da matriz do exercício 2 através do Teorema de

Laplace e efectuando o desenvolvimento segundo:
a) a 1ª linha b) a 1ª coluna c) a 2ª linha
d) a 2ª coluna e) a 3ª linha f) a 3ª coluna.

n
io
5. Calcule os seguintes determinantes, utilizando um método à sua escolha:

rs
0 1 2 3
1 −1 2
a −b a 1 2 3 −1
a) b) 3 4 −5 c)
a +b 0 −1
a
0 −2 −3
ve 2
3
3
0 2 −1
e
bl

5 6 0 0 0
−3 0 7 −2 a 0 0 0
1 5 6 0 0
0 1 −3 0 0 0 0 b
d) 0 e) f) .
ta

1 5 6 0
4 5 2 −3 0 c 0 0
0 0 1 5 6
1 −2 0 7 0 0 d 0
0 0 0 1 5
p rin

6. Suponha que A, B e C são matrizes quadradas de ordem 3, tais que

n-

det(A ) = 2 , det(B ) = −5/3 e det(C ) = 0 . Calcule:

a) det(A −1 ) b) det(AB ) c) det(ABC ) d) det(AT B −1 ) e) det(5A).

no

7. Sejam A e B matrizes n×n. Mostre que se A é invertível então

det(B) = det( A −1BA ).

8. Resolva as seguintes equações:

55
 x 1 1 1
x −2 0 x a a
1 x 1 1
a) 4 − 1 − 3 = 3 b) a x a = 0 (a ≠ 0, b ≠ 0) c) =0.
1 1 x 1
0 2 1 b b x
1 1 1 x

9. Mostre que:
a −b −c 2a 2a
a) 2b b −c −a 2b = (a + b + c )3
2c 2c c −a −b

1 a a2

n
b) 1 b b 2 = (b − a )(c − a )(c − b ) .

io
1 c c2

rs
10. Utilizando apenas as propriedades dos determinantes, mostre que são
nulos os determinantes:

1 1
a) 2 − 1
2
1 b)
1 1
2 −1
1 2
1 −1
c) ab
ve
a2 ab
b2
ac
bc .
e
5 −1 3 0
3 0 3 ac bc c2
−1 5 1 2
bl
ta

1 2 4
11. Sabendo que 1 3 9 = 12 , calcule sem desenvolver, os seguintes
rin

1 −1 1

determinantes:
p

10 20 40 6 4 8 1 2 4
a) 1 3 9 b) 3 3 9 c) 1 3 9.
n-

1 −1 1 3 −1 1 2 2 10
no

⎡a b c⎤
12. Suponha que det ⎢⎢d e f ⎥⎥ = 5. Determine:
⎢⎣ g h i ⎥⎦

d e f −a −b −c
a) g h i b) 2d 2e 2f
a b c −g −h −i

56
 a +d b +e c + f a b c
c) d e f d) d − 3a e − 3b f − 3c .
g h i 2g 2h 2i

13. Determine, usando a adjunta, as inversas das seguintes matrizes:

⎡1 −a 0 0⎤
⎡3 − 1 4 ⎤ ⎡2 4 − 3 ⎤ ⎢0 − a 0 ⎥⎥
a) A = ⎢⎢2 1 0 ⎥⎥ b) B = ⎢⎢0 1 1 ⎥⎥
1
c) C = ⎢ .
⎢0 0 1 −a⎥
⎣⎢0 2 1⎥⎦ ⎣⎢2 2 − 1 ⎦⎥ ⎢ ⎥
⎢⎣0 0 0 1⎥⎦

n
io
14. Mostre que se A, B ∈ M n ×n ( ) são invertíveis então:

a) adj ( AT ) = (adj ( A ))T b) adj (λ A ) = λ n −1adj ( A ) c) adj ( A.B ) = adj (B ).adj ( A ) .

rs
15. Seja A uma matriz quadrada de ordem 3 tal que A = k 2 − k .
a) Diga para que valores de k a matriz é invertível.
⎡ −1 0 1 ⎤
ve
b) Fazendo k =2 e adj ( A ) = ⎢⎢ 1 −1 1 ⎥⎥ use a matriz A −1 para determinar
e
⎢⎣ 0 1 2⎥⎦
bl

⎡ −1⎤
a matriz X tal que AX = B com B = ⎢⎢ 2 ⎥⎥ .
ta

⎢⎣ 3 ⎥⎦
rin

⎡4 −1 0 ⎤
16. Considere as matrizes A = ⎢⎢3 0 0 ⎥⎥ e I3 . Calcule a matriz
p

⎢⎣2 1 1 ⎥⎦
n-

B = A − λ I 3 , com λ ∈ , e determine para que valores de λ não existe B −1 .

no

17. Usando a regra de Cramer, resolva:

⎧ x + 2y + z = 4 ⎧3y + 2x = z + 1
⎪ ⎧ x +y = 2 ⎪
a) ⎨3x − y − 2z = 0 b) ⎨ c) ⎨3x + 2z = 8 − 5y .
⎪−x − y + 3z = 1 ⎩2x − y = 1 ⎪3z − 1 = x − 2y
⎩ ⎩

57
3.5 Exercícios de Revisão

⎡1 2 3⎤
1. Seja A = ⎢⎢1 0 1 ⎥⎥ .
⎢⎣1 1 1 ⎥⎦

a) Indique todos os complementos algébricos da linha 2.

b) Use o Teorema de Laplace para calcular o determinante de A.

n
2. Encontre os valores de λ que anulam os seguintes determinantes:
2−λ 3−λ 4

io
0 0 1
2−λ 7
a) b) 2 − λ 4 1 c) 4 − λ 2 −1 .
4 6−λ
−3 λ − 4 λ −6 2

rs
2 1

⎡ 1 0 2⎤
ve
3. Mostre que a matriz A = ⎢⎢3 4 0 ⎥⎥ é invertível e verifica o Teorema de
⎢⎣6 −2 1⎥⎦
e
Cauchy, isto é, |adj(A)| = |A| 2.
bl

4. Mostre que se A é uma matriz simétrica então adj(A) também é uma

ta

matriz simétrica.
rin

⎡ 1 0 2⎤ ⎡1 2 3⎤
5. Dadas A = ⎢3 4 0 ⎥ e B = ⎢⎢1 0 1 ⎥⎥ verifique que
⎢ ⎥
⎢⎣6 −2 1⎥⎦ ⎢⎣1 1 1 ⎥⎦
p
n-

adj(AB) = adj(B)adj(A).
no

⎡1 0 0 0⎤ ⎡1 0 0 0⎤
⎢0 0 1 0⎥ ⎥ ⎢0 0 1 0 ⎥⎥
6. Dadas as matrizes A = ⎢ e B= ⎢ mostre que:
⎢0 1 0 0⎥ ⎢0 0 0 1⎥
⎢ ⎥ ⎢ ⎥
⎣⎢0 0 0 1 ⎦⎥ ⎢⎣0 1 0 0 ⎦⎥

a) A2 = I.
b) B3 = I.
c) Use as alíneas anteriores para determinar A-1, B-1 e (AB)-1.

58
 ⎡1 1 1 ⎤
7. Prove que a matriz A = ⎢⎢1 −1 1 ⎥⎥ é invertível e calcule a respectiva
⎢⎣1 1 0 ⎥⎦

inversa.

⎡ 2 −1 3⎤
8. Mostre que a matriz A = ⎢⎢ 0 1 1⎥⎥ é não singular e calcule a respectiva
⎢⎣ −1 −2 0 ⎥⎦

inversa.

n
⎡2 1 1 ⎤

io
9. Seja A = ⎢⎢1 2 1 ⎥⎥ .
⎣⎢1 1 2⎥⎦

rs
a) Mostre que A é não singular.

⎡− 2 − 2 2⎤
ve
b) Diga, justificando, se a matriz A é ortogonal.

⎢ ⎥
e
10. Seja A = 1 1 1 2⎥ . Calcule AA T e A T A . Que conclui?
6⎢
⎢ 3 − 3 0 ⎥⎦
bl

⎣
ta

11. Mostre que se A é uma matriz ortogonal de ordem n então det(A) = ±1.
rin

⎡ 1 0 0⎤
12. Mostre que a matriz A = ⎢⎢0 −1 0 ⎥⎥ é ortogonal e utilize esse facto para
⎢⎣0 0 −1⎥⎦
p
n-

determinar a inversa de A.
no

⎡ 1 2 3⎤ ⎡ 1 −1 0 ⎤ ⎡ 1 2 3⎤
⎢ ⎥ ⎢ ⎥
13. Considerando as matrizes A = ⎢0 1 0 ⎥ , B = ⎢2 3 1⎥ , C = ⎢⎢0 0 1⎥⎥
⎢⎣0 2 0 ⎥⎦ ⎢⎣ 1 0 0 ⎥⎦ ⎢⎣0 1 1⎥⎦

⎡0 5 7 ⎤
e D = ⎢⎢0 11 21⎥⎥ resolva e equação em X, (XB)-1 + AC = B-1D .
⎢⎣0 6 7 ⎥⎦

14. Calcule det(A) em que:

59
 ⎡ −1 1 2 0⎤
⎡ 3 1 2⎤ ⎢ −2 1 3 1 ⎥⎥
a) A = ⎢⎢ 1 0 6⎥⎥ b) A = ⎢ . R: a) -23 b) 15
⎢1 0 2 − 1⎥
⎢⎣ −1 1 1 ⎥⎦ ⎢ ⎥
⎣⎢ 2 1 − 1 2 ⎦⎥

15. Considere det(A) = 8. Calcule, justificando, det(B) sendo:

a) B a matriz obtida de A trocando a 1a e a 4a linhas. R: -8

b) B = 2A, e A é de ordem 3x3. R: 64

⎡2 0 1 ⎤

n
16. Considere a matriz A = ⎢⎢1 − 1 0 ⎥⎥

io
⎣⎢k 1 − 1⎦⎥
a) Determine um valor para k por forma a que A seja invertível. R: k ≠−3

rs
b) Calcule a inversa de A através da adjunta.

i) AX = ⎢⎢2⎥⎥
⎡0 ⎤
ii) AX = ⎢⎢0 ⎥⎥ .
ve
c) Determine a solução do sistema de equações lineares:
⎡3 ⎤

⎢⎣1 ⎥⎦ ⎢⎣0 ⎥⎦
e
bl

17. Resolva pela regra de Cramer:

ta

⎧x +y + z =1 ⎧2x +y + z =0
⎪ ⎪
a) ⎨2x +y + z =1 R: (0, 2, -1) b) ⎨x −y +5z =0 R: (-4, 6, 2).
⎪x + 2y + 3z =1 ⎪y − z = 4
rin

⎩ ⎩
p

18. Discuta e resolva os seguintes sistemas de equações lineares:

⎧−4x + 3y = a 2a + b − c = 0
n-

⎪ poss. e det.
a) ⎨5x − 4y = b , R: (−4a − 3b, −4b − 5a )
⎪−3x + 2y = c 2a + b − c ≠ 0
⎩ imposs.
no

⎧x + 2y + 2z = 2
⎪
b) ⎨2x + y + z = 1 R: possível e indeterminado (0, 1-z, z).
⎪x + y + z = 1
⎩

60
Capítulo 4 Espaços Vectoriais

4.1 Definições e Exemplos

Neste capítulo estabeleceremos um conjunto de axiomas e chamaremos

n
“vectores” a uma classe de objectos que satisfaça esses axiomas. Os axiomas

io
são escolhidos por abstracção das propriedades mais importantes para
n n
vectores em e consequentemente os vectores de satisfazem os

rs
axiomas. O nosso conceito de vector inclui os vectores já nossos conhecidos
bem como muitos novos tipos de vectores, nomeadamente matrizes,
polinómios, etc.

Definição
ve
e
Dados um conjunto não vazio V, um corpo k (corpo dos números reais ou
bl

corpo dos números complexos) e duas operações:

i) Adição
ta

+: V×V → V
rin

(u, v) u+v
ii) Multiplicação escalar

.: k ×V → V
p

(α, v) α.v
n-

dizemos que V é um espaço vectorial sobre o corpo k se:

no

1) A adição confere a V a estrutura de grupo comutativo, isto é, a adição

possui as seguintes propriedades:
1.1) ∀ u, v ∈ V, u + v ∈ V ( V é fechado para a adição);
1.2) ∀ u, v, w ∈ V, (u + v) + w = u + (v + w) ( associatividade);
1.3) ∀ u, v ∈ V, u + v = v + u ( comutatividade);
1.4) ∃ 0 ∈ V : ∀ v ∈ V, 0 + v = v = v + 0 (existência de elemento neutro);
1.5) ∀ v ∈ V, ∃ v’ ∈ V : v + v’ = 0 = v’ + v (existência de elemento oposto).

61
2) A multiplicação escalar possui as seguintes propriedades:
2.1) ∀ α ∈ k , ∀ v ∈ V , α.v ∈ V (V é fechado para a multiplicação escalar);
2.2) ∀ α, β ∈ k , ∀ v ∈ V , (αβ).v = α(β.v) (associatividade);
2.3) ∃ 1 ∈ k : ∀ v ∈ V, 1.v = v (elemento neutro da multiplicação em k ).

3) A adição e a multiplicação escalar verificam as seguintes propriedades:

3.1) ∀ α, β ∈ k , ∀ v ∈ V , (α + β).v = αv + β.v (distributividade);
3.2) ∀ α ∈ k , ∀ u, v ∈ V , α.(u + v) = α.u + α.v (distributividade).

n
Notas

io
1. Aos elementos do corpo k chamamos escalares.
2. Aos elementos do espaço vectorial V chamamos vectores.

rs
3. Se k = dizemos que V é um espaço vectorial real.
4. Se k = dizemos que V é um espaço vectorial complexo.

Exemplos
1. O conjunto dos números reais,
ve
, munido das operações usuais de
e
adição e multiplicação de números reais, é um espaço vectorial real.
bl
ta

2. O conjunto dos números complexos, , munido das operações usuais de

adição e multiplicação de números complexos, é um espaço vectorial
rin

complexo.

3. O conjunto dos números complexos, , munido das operações usuais de

p

adição e multiplicação de números reais por números complexos, é um

n-

espaço vectorial real.

no

4. O conjunto n
= {(x1, x 2 , , xn ), x i ∈ , i = 1, , n} munido das

operações usuais de :
i) Adição

+ : n
× n
→ n

( (x1, x 2 , , xn ) , (y1, y2 , , yn ) ) (x1 + y1, x2 + y2, , xn + yn )

ii) Multiplicação escalar

62
 . : k × n
→ n

(α, (x1, x 2 , , xn ) ) (α x1,α x 2 , ,α xn ) ,

é um espaço vectorial real.

5. O conjunto das matrizes m×n com entradas reais, Mm×n( ), munido das
operações usuais de adição de matrizes e multiplicação de números reais
por matrizes, é um espaço vectorial real.

6. O conjunto de todos os polinómios de grau menor ou igual a n, Pn,

n
munido das operações usuais de adição de polinómios e multiplicação de

io
um número real por um polinómio, é um espaço vectorial real.

rs
7. V = {0}, munido das operações
i) Adição
+: V×V → V
(0, 0)
ve
0+0 = 0
e
ii) Multiplicação escalar

.: ×V → V
bl

(α, 0) α.0 = 0,
ta

é um espaço vectorial real, dito espaço vectorial trivial.

rin

Exercícios
1. Prove que o conjunto dos números inteiros, munido das operações usuais
p

de adição de números inteiros e multiplicação de escalares reais por

números inteiros, não é um espaço vectorial real.
n-

2. Prove que o conjunto dos polinómios de grau n, munido das operações

no

usuais não é um espaço vectorial real.

3. Prove que Mm×n( Z ), não é um espaço vectorial real, para as operações

usuais de adição de matrizes e multiplicação de um escalar real por uma
matriz.

2
4. Prove que munido das operações
⊕ : (u1, u2) + (v1, v2) = (u1 + v1, u2 + v2)

63
 ⊗ : α.(u1, u2) = (αu1, 0),
não é um espaço vectorial real.

4.2 Subespaços Vectoriais

Existem espaços vectoriais que estão contidos em espaços vectoriais

maiores, ou seja, são subconjuntos próprios de outros espaços vectoriais,

n
2 3
basta pensarmos em , e . Vamos agora explorar este pormenor.

io
Definição

rs
Seja V um espaço vectorial e S um subconjunto não vazio de V. Dizemos
que S é um subespaço vectorial de V se S for um espaço vectorial para

ve
as operações adição e multiplicação escalar definidas em V.

Notas
e
Seja V um espaço vectorial.
bl

1. Todo o espaço vectorial V tem pelo menos dois subespaços vectoriais, {0}
e V, ditos subespaços triviais.
ta

2. Aos subespaços vectoriais de V distintos de {0} e V, chamamos

rin

subespaços próprios de V.

2
Exemplos de subespaços vectoriais de :
p

i) {0};
n-

2
ii) ;
iii) Todas as rectas que passam pela origem.
no

3
Exemplos de subespaços vectoriais de :
i) {0};
3
ii) ;
iii) Todas as rectas que passam pela origem;
iv) Todos os planos que passam pela origem;

64
Teorema
Seja V um espaço vectorial e S um subconjunto de V.
Se 0V ∉ S então S não é subespaço vectorial de V.
Demonstração. Exercício.

Exercício

5. Diga, justificando, se S = {(x, y) ∈ 2

: x + y = 1} é subespaço vectorial de
2
.

n
Dado um subconjunto S de um espaço vectorial V, para se verificar se S é
subespaço vectorial de V não é necessário verificar todas as propriedades

io
da definição de espaço vectorial. De facto, algumas delas atendendo a que

rs
são válidas para todos os elementos de V, em particular são verificadas
pelos elementos de S. No entanto existem outras propriedades da definição

ve
de espaço vectorial que podem levantar alguns problemas. O resultado
seguinte dá-nos uma condição necessária e suficiente para que um
subconjunto de um espaço vectorial seja um espaço vectorial.
e
bl

Teorema (Caracterização de subespaços)

Seja V um espaço vectorial sobre k e S um subconjunto de V. Então S
ta

é um subespaço vectorial de V se e só se são válidas (em S) as seguintes

propriedades:
rin

i) S ≠ ∅ ( S é um conjunto não vazio);

ii) ∀ u, v ∈ S, u + v ∈ S ( S é fechado para a adição );
p

iii) ∀ α ∈ k , ∀ v ∈ S , α.v ∈ S ( S é fechado para a multiplicação escalar ).

n-

Exercício
no

3
6. Indique quais dos seguintes conjuntos são subespaços vectoriais de :
a) S1 = { ( x, y, z) ∈ 3
: x + y = z}

b) S2 = { ( x, y, z) ∈ 3
: x = z e y = 2z}

c) S3 = { ( x, y, z) ∈ 3
: x + y = 0}.

Teorema
Seja AX = 0 um sistema de m equações e n incógnitas. Então o conjunto

solução S = {X ∈ n
: AX = 0} é um subespaço vectorial de n
.

65
Demonstração. Exercício.

Exercícios
7. Considere os sistemas lineares:
⎡1 −2 3⎤ ⎡ x ⎤ ⎡0 ⎤ ⎡ 1 −2 3⎤ ⎡ x ⎤ ⎡0 ⎤ ⎡0 0 0 ⎤ ⎡ x ⎤ ⎡0 ⎤
⎢2 −4 6⎥ ⎢y ⎥ = ⎢0 ⎥ , ⎢ −3 7 −8 ⎥ ⎢y ⎥ = ⎢0 ⎥ , ⎢ 0 0 0 ⎥ ⎢y ⎥ = ⎢ 0 ⎥ .
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣3 −6 9⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣0 ⎥⎦ ⎢⎣ −2 4 −6⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣0 ⎥⎦ ⎢⎣0 0 0 ⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣0 ⎥⎦

a) Classifique cada um dos sistemas e determine o respectivo conjunto

solução.

n
b) Em cada caso prove que o conjunto solução é um subespaço vectorial de
3
.

io
rs
⎡1 1 ⎤
8. Seja A = ⎢ ⎥ e S = { X ∈ M2×2( ) : AX = XA }. Prove que S é um
⎣0 0 ⎦
subespaço vectorial de M2×2( ).
ve
9. Diga quais dos seguintes conjuntos são subespaços vectoriais dos espaços
e
vectoriais indicados:
bl

⎧⎪ ⎡a b ⎤ ⎫⎪
a) ⎨ ⎢ ⎥ ∈ M2×2 ( ) :a + b + c + d =0 ⎬ ; M2×2 ( ) .
⎩⎪ ⎣c d ⎦ ⎭⎪
ta

{ }
b) a 0 + a1x + a 2 x 2 + a 3 x 3 ∈ P3 : a 0 = 0 ; P3.
rin

{ }
c) a 0 + a1x + a2 x 2 + a 3 x 3 ∈ P3 : a0 ,a1,a2 ,a3 ∈ Z ; P3.

d) {a 0 + a1x ∈ P3 : a 0 ,a1 ∈ }; P3.

p

e) {A ∈ Mn ×n ( ) : tr(A) = 0}; Mn ×n ( ) .
n-

f) {A ∈ Mn ×n ( ) : AT = -A}; Mn ×n ( )

g) {A ∈ Mn ×n ( ) : A2 = A}; Mn ×n ( ) .
no

h) {A ∈ Mn ×n ( ) : A é não invertível}; Mn ×n ( ) .

10. Prove que { p(x) ∈ P2 : p(3) = 0 } é um subespaço vectorial de P2 .

66
4.3 Subespaço Vectorial Gerado por um Conjunto de Vectores

Vamos agora referir-nos à construção de subespaços de um dado espaço

vectorial V à custa de subconjuntos de V.

Definição
Seja V um espaço vectorial e w, v1, v2, ..., vn ∈ V. Dizemos que w é
combinação linear de v1, v2, ..., vn se existirem escalares α1, α2, ..., αn tais
que

n
w = α1 v1 + α2 v2 + ... + αn vn.

io
Exercícios

rs
11. Considere os vectores u = (1, 2, -1) e v = (6, 4, 2). Mostre que:
a) w1 = (9, 2, 7) é combinação linear de u e de v.

⎡1 0 ⎤
ve
b) w2 = (4, -1, 8) não é combinação linear de u e de v.

⎡0 1 ⎤
e
12. Considere as matrizes U = ⎢ ⎥ e V = ⎢ ⎥ . Diga qual das
⎣0 0 ⎦ ⎣0 0 ⎦
bl

seguintes matrizes é combinação linear de U e de V:

⎡ 2 −3⎤ ⎡ 2 1⎤
ta

a) A = ⎢ ⎥ b) B = ⎢ ⎥.
⎣0 0 ⎦ ⎣0 1⎦
rin

13. Considere os polinómios u(x) = x 2 + 1 , v(x) = 2x 2 + 3x e w(x) = 6x + 2 .

Diga qual dos seguintes polinómios é combinação linear de u, v e w.
p

a) p(x) = -2x 2 + 3 b) q(x) = x 2 + 2x + 1 .

n-

14. Escreva o vector a = (-2, 1, 3) como combinação linear dos seguintes

no

vectores.
a) u = (1, 1, 1), v = (1, 1, 0) e w = (1, 0, 0).
b) u = (2, 1, 0), v = (-1, 2, 1) e w = (1, 0, 1).

Teorema
Sejam V um espaço vectorial e {v1, v2, ..., vn} um conjunto de vectores de
V. O conjunto de todas as combinações lineares de {v1, v2, ..., vn} é um
subespaço vectorial de V.

67
Demonstração. Consideremos o conjunto de todas as combinações lineares
dos vectores {v1, v2, ..., vn},
S = { u = α1 v1 + α2 v2 + ... + αn vn, α1, α2, ..., αn ∈ ℜ }.
Provemos que S é um subespaço vectorial de V.
i) S é um conjunto não vazio pois v1, v2, ..., vn ∈ S.
ii) Provemos agora que S é fechado para a adição.
Sejam u e w dois quaisquer vectores de S.
Assim existem α1, α2, ..., αn ∈ ℜ tais que
u = α1 v1 + α2 v2 + ... + αn vn,

n
e existem β1, β2, ..., βn ∈ ℜ tais que

io
w = β1 v1 + β2 v2 + ... + βn vn,
donde

rs
u + w = (α1 + β1) v1 + (α2+ β2) v2 + ... + (αn+ βn) vn,
ou seja, u + w é combinação linear de v1, v2, ..., vn , logo u + w ∈ S.

ve
iii) Provemos que S é fechado para a multiplicação escalar.
Seja u um qualquer vector de S e β um qualquer número real.
Assim existem α1, α2, ..., αn ∈ ℜ tais que
e
u = α1 v1 + α2 v2 + ... + αn vn,
bl

donde
βu = (βα1) v1 + (βα2) v2 + ... + (βαn) vn,
ta

ou seja, βu é combinação linear de v1, v2, ..., vn , logo βu ∈ S.

rin

De i), ii) e iii) concluímos que S é subespaço vectorial de V.

Definição
p

Sejam V um espaço vectorial e {v1, v2, ..., vn} um conjunto de vectores de V.

n-

i) Chamamos espaço vectorial gerado por {v1, v2, ..., vn}, < v1, v2, ..., vn >, ao
conjunto de todas as combinações lineares de {v1, v2, ..., vn}. Assim
no

< v1, v2, ..., vn > = { u = α1 v1 + α2 v2 + ... + αn vn, α1, α2, ..., αn ∈ }.
ii) Se V = < v1, v2, ..., vn > dizemos que {v1, v2, ..., vn} é um conjunto de
geradores de V.

Notas
1. < v1, v2, ..., vn > é um subespaço vectorial de V.
2. < v1, v2, ..., vn > é o mais pequeno subespaço vectorial de V que contém
v1, v2, ..., vn.

68
Exercícios
3
15. Mostre que e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1) geram .

3
16. Averigúe se v1 = (1, 1, 2), v2 = (1, 0, 1) e v3 = (2, 1, 3) geram .

17. Determine < 1, x , x 2 > .

18. Mostre que Pn =< 1, x , x 2 , ..., x n > .

n
io
19. Dados os polinómios p1(x ) = x 2 + 2x -1 , p2 (x ) = x + 1 e p3 (x ) = 1 , prove

rs
que
P2 =< p1, p2 , p3 > .

⎡1 0 ⎤
20. Dadas as matrizes A = ⎢ ⎥
⎣0 1 ⎦
⎡1 −1⎤
e B= ⎢
⎣0 2 ⎦
ve
⎥ determine < A, B > .
e
bl

⎡1 0 ⎤ ⎡ 0 1 ⎤ ⎡ 0 0 ⎤ ⎡ 0 0 ⎤
21. Prove que M2×2 ( )= ⎢ 0 0 ⎥ , ⎢ 0 0 ⎥ , ⎢1 0 ⎥ , ⎢ 0 1 ⎥ .
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
ta
rin

22. Dados p1(x ) = 2x 2 - x + 1 e p2 (x ) = x + 3 determine < p1, p2 > .

23. Sejam v1 = (2, 1, 0, 3) , v 2 = (3, -1, 5, 2) e v 3 = (-1, 0, 2, 1) . Indique

p

quais dos seguintes vectores pertencem ao espaço vectorial < v1, v 2 , v 3 > :
n-

a) (2, 3, -7, 3) b) (0, 0, 0, 0) c) (1, 1, 1, 1) .

no

24. Dados v1 = (1, 6, 4), v2 = (2, 4, -1), v3 = (-1, 2, 5), w1 = (1, -2, -5) e
w2 = (-1, 2, 5) , prove que < v1, v 2 , v 3 > = < w1, w2 > .

25. Determine em cada caso se v ∈< u , w > .

a) v = (1, -1, 2), u = (1, 1, 1), w = (0, 1, 3)

b) v = x, u = x 2 + 1 , w = x + 2

69
 ⎡ 1 3⎤ ⎡ 1 −1⎤ ⎡2 1 ⎤
c) v = ⎢ ⎥ , u=⎢ ⎥ , w=⎢ ⎥.
⎣ −1 1⎦ ⎣2 1⎦ ⎣1 0 ⎦

26. Seja v um qualquer vector de um dado espaço vectorial V. Prove que

< v > = < av >, a ∈ .

27. Seja S um subespaço vectorial, não vazio, de V. Prove que:

a) Se au ∈ S ∧ a ≠ 0 então u ∈ S.
b) Se u, u + v ∈ S então v ∈ S.

n
io
28. Sejam V um espaço vectorial e U e W dois subespaços vectoriais de
V. Prove que U ∩ V é ainda um subespaço vectorial de V.

rs
29. Sejam V um espaço vectorial e u, v vectores de V. Prove que
< u, v > = < u + v , u - v > .
ve
e
4.4 Dependência e Independência Linear
bl
ta

Do que vimos até aqui podemos concluir que para um dado espaço vectorial
podem existir vários conjuntos de geradores, eventualmente com um número
rin

diferente de vectores. Estamos agora interessados em escolher o melhor de

entre todos os conjuntos de geradores.
p

Definição
n-

Sejam V um espaço vectorial e v1, v 2 ,..., vn elementos de V.

no

i) Dizemos que v1, v 2 ,..., vn são linearmente independentes se

⎧α1 = 0
⎪α = 0
⎪
α1v1 +α 2v 2 + + α nv n = 0 ⇒ ⎨ 2 .
⎪
⎪⎩αn = 0

ii) Se existirem escalares α1, α 2 ,..., αn não todos nulos tais que

α1v1+α 2v 2 + + α nv n = 0 ,

dizemos que os vectores v1, v 2 ,..., vn são linearmente dependentes.

70
Teorema

Consideremos um conjunto de vectores v1, v 2 ,..., vn ∈ m

, com n ≤ m , e a

matriz A, m×n, cujas colunas são os vectores v1, v 2 ,..., vn . Então

v1, v 2 ,..., vn são linearmente independentes se e só se A tem característica

máxima.

Exercício
30. Determine quais dos seguintes conjuntos de vectores são linearmente

n
independentes nos espaços vectoriais indicados:

io
2
a) (1, -1), (1, 1), (2, 1) ; .
2
b) (1, 0), (0, 1) ;

rs
.
3
c) (2, 1, 3), (1, 0, 2), (1, 2, 0) ; .
d) (1, 1, 1), (1, 1, 0), (1, 0, 0) ; 3

e) 1- x , 5 + 3x - 2x 2 , 1 + 3x - x 2 ; P2 .

f) 1, x , x 2 ; P2 .
.
ve
e
⎡1 2 ⎤ ⎡1 1⎤ ⎡0 1 ⎤
bl

g) ⎢ ⎥, ⎢ ⎥, ⎢ ⎥ ; M2×2 ( ) .
⎣3 4⎦ ⎣2 1⎦ ⎣1 3⎦
ta

⎡1 0 ⎤ ⎡1 1⎤
h) ⎢ ⎥, ⎢ ⎥ ; M2×2 ( ) .
⎣0 1 ⎦ ⎣0 1⎦
rin

Teorema
p

Sejam V um espaço vectorial e u e v quaisquer elementos de V.

Se u e v são linearmente independentes então u + v e u −v também o
n-

são.
Demonstração. Exercício.
no

Teorema
Sejam V um espaço vectorial e v ≠ 0 um vector de V.
Então v é linearmente independente.
Demonstração. Exercício.

Teorema
Sejam V um espaço vectorial e v1, v 2 ,..., vn vectores de V.

71
Se v1, v 2 ,..., vn são linearmente independentes e α1, α 2 ,..., αn ≠ 0

então α1v1, α 2v 2 , , αnvn também são linearmente independentes.

Demonstração. Exercício.

Teorema
i) Todo o conjunto finito de vectores que contenha o vector nulo é
linearmente dependente.
ii) Um conjunto com dois vectores é linearmente independente se e só se
nenhum dos vectores for múltiplo escalar do outro.

n
Demonstração. Exercício.

io
rs
4.5 Bases e Dimensão

Definição
ve
Seja V um espaço vectorial e B = {v1, v 2 ,..., vn } um conjunto de vectores de
e
bl

V. Dizemos que B é uma base de V se :

i) B é um conjunto de vectores linearmente independente,
ta

ii) B gera V.
rin

Exemplos

1. B = { e1 = (1, 0), e2 = (0, 1) } é a base usual ou base canónica de 2

.
p

2. B = { e1 = (1, 0, 0), e 2 = (0, 1, 0), e3 = (0, 0, 1) } é a base usual ou

n-

3
canónica de .
3. B = {1, x , x 2 } é a base usual de P2.
no

⎧⎪ ⎡1 0 ⎤ ⎡0 1 ⎤ ⎡0 0 ⎤ ⎡0 0 ⎤ ⎫⎪
4. B = ⎨ ⎢ ⎥,⎢ ⎥,⎢ ⎥,⎢ ⎥ ⎬ é a base usual de M2×2( ).
⎪⎩ ⎣0 0 ⎦ ⎣0 0 ⎦ ⎣1 0 ⎦ ⎣0 1 ⎦ ⎪⎭

Teorema
Se B = {v1, v 2 ,..., vn } é uma base do espaço vectorial V então todo o vector

v de V pode escrever-se de modo único como combinação linear de

elementos de B.

72
Demonstração. De facto de B ser base de V, sabemos que B gera V e
consequentemente todo o vector de V se pode escrever como combinação
linear de elementos de B.
Suponhamos então que existe um vector de V que se pode escrever como
combinação linear de elementos de B de dois modos distintos. Assim
existirem escalares
α1, α2, ..., αn e β1, β2, ..., βn tais que:
v = α1 v1 + α2 v2 + ... + αn vn
e

n
v = β1 v1 + β2 v2 + ... + βn vn,
donde

io
(α1 - β1 )v1 + (α2 - β2 )v2 + ... + (αn - βn ) vn = 0.

rs
Atendendo a que B é um conjunto de vectores linearmente independentes
temos

ou seja, ve
α1 - β1 = 0 , α2 - β2 = 0, ..., αn - βn = 0,

α1 = β1 , α2 = β2 , ..., αn = βn ,
e
donde concluímos a unicidade da combinação linear.
bl

Teorema
ta

Seja V um espaço vectorial e B = {v1, v 2 ,..., vn } uma qualquer base de V,

rin

então:
i) Todo o subconjunto de V com mais do que n vectores é linearmente
dependente.
p

ii) Todo o subconjunto de V com menos do que n vectores não gera V.

n-

Teorema
no

Se B = {v1, v 2 ,..., vn } e B′ = {u1, u2 ,..., um } são duas bases do espaço

vectorial V então m = n, ou seja, todas as bases de V têm o mesmo

número de vectores.

Definição
Dado um espaço vectorial não nulo, V, e uma base B = {v1, v 2 ,..., vn } de V

chamamos dimensão de V ao número de vectores de B, e escrevemos

dim(V) = n.

73
Se V = {0} dizemos que dim (V) = 0.

Exercícios
2
31. Utilize os exemplos anteriores para tirar conclusões sobre dim( ),
3
dim( ), dim(P2) e dim(M2×2( )).

32. Consideremos v1 = (1, 2, 1), v2 = (2, 9, 0) e v3 = (3, 3, 4).

3
a) Prove que B = {v1, v2, v3} é base de .
b) Determine as coordenadas do vector v = (5, -1, 9) na base B, (v)B.

n
3
c) Determine o vector de cujas coordenadas na base B são

io
(w )B = (-1, 3, 2) .

rs
33. Mostre que B = {2t 2 , 2t -1, t + 2} é base de P2 e determine as

coordenadas de 6t 2 - 3 nessa base.

ve
34. Explique porque é que os conjuntos de vectores seguintes não são bases
e
dos espaços vectoriais indicados:
bl

2
a) v1 = (1, 2), v2 = (2, 9) e v3 = (3, 3) ; .
2
b) v1 = (1, 2, 1), v2 = (2, 9, 0) ; .
ta

3
c) v1 = (1, 2, 1), v2 = (2, 9, 0) ; .
rin

d) 1- x , 1 + 3x - x 2 ; P2 .

⎡1 0 ⎤ ⎡1 1⎤ ⎡1 2⎤ ⎡1 1⎤ ⎡0 1 ⎤
e) ⎢ ⎥, ⎢ ⎥, ⎢ ⎥, ⎢ ⎥, ⎢ ⎥ ; M2×2 ( ) .
⎣0 1 ⎦ ⎣0 1⎦ ⎣3 4⎦ ⎣2 1⎦ ⎣1 3⎦
p
n-

2
35. Quais dos conjuntos de vectores seguintes são bases de :
no

a) (2, 1), (3, 0) b) (4, 1), (-7, -8) c) (0, 0), (1, 3).

3
36. Quais dos conjuntos de vectores seguintes são bases de :
a) (1, 0, 0), (2, 2, 0), (3, 3, 3) b) (3, 1, -4), (2, 5, 6), (1, 4, 8).

37. Quais dos conjuntos de vectores seguintes são bases de P2:

a) 1- 3x + 2x 2 , 1 + x + 4x 2 , 1- 7x - x 2 b) 1 + x + x 2, x + x 2 , x 2

c) - 4 - x + 3x 2 , 6 + 5x + 2x 2 , 8 + 4x + x 2 .

74
 ⎧⎪ ⎡3 6⎤ ⎡ 0 −1⎤ ⎡ 0 −8 ⎤ ⎡ 1 0 ⎤ ⎫⎪
38. Mostre que B = ⎨ ⎢ ⎥,⎢ ⎥,⎢ ⎥,⎢ ⎥ ⎬ é base de M2×2 ( ).
⎩⎪ ⎣3 −6⎦ ⎣ −1 0 ⎦ ⎣ −12 4⎦ ⎣ −1 2⎦ ⎭⎪

39. Determine as coordenadas do vector w relativamente à base

B = { u1, u2 } de 2
.
a) w = (3, -7), u1 = (1, 0) e u2 = (0, 1)
b) w = (1, 1), u1 = (2, -4) e u2 = (3, 8)
c) w = (a, b), u1 = (1, 1) e u2 = (0, 2).

n
io
40. Determine as coordenadas do vector w relativamente à base

B = { u1, u2 , u3 } de 3
.

rs
a) w = (2, -1 , 3), u1 = (1, 0, 0), u2 = (2, 2, 0) e u3 = (3, 3, 3)

41. Determine as coordenadas do vector

ve
b) w = (5, -12, 3), u1 = (1, 2, 3), u2 = (-4, 5, 6) e u3 = (7, -8, 9).

p relativamente à base
B = { p1, p2 , p3 } de P2.
e
bl

a) p = 4 - 3x + x 2 , p1 = 1 , p2 = x e p3 = x 2

b) p = 2 - x + x 2 , p1 = 1 + x , p2 = 1 + x 2 e p3 = x + x 2 .
ta

⎡ 2 0⎤
rin

42. Determine as coordenadas do vector A = ⎢ relativamente à base

⎣ −1 3⎥⎦

⎪⎧ ⎡ −1 1⎤ ⎡ 1 1⎤ ⎡0 0 ⎤ ⎡0 0 ⎤ ⎪⎫
p

B = ⎨⎢ ⎥,⎢ ⎥,⎢ ⎥,⎢ ⎥ ⎬ de M2×2 ( ).

⎩⎪ ⎣ 0 0 ⎦ ⎣0 0 ⎦ ⎣ 1 0 ⎦ ⎣0 1⎦ ⎭⎪
n-

43. Determine uma base e a dimensão do espaço solução de cada um dos

no

seguintes sistemas:
⎧x + y − z = 0 ⎧2x + y + 3z = 0
⎪ ⎧3x + y + z + w = 0 ⎪
a) ⎨2x − y + 2z = 0 b) ⎨ c) ⎨ x + 5z = 0 .
⎪−x + z = 0 ⎩5x + y + z − w = 0 ⎪y + z = 0
⎩ ⎩

44. Determine uma base e a dimensão para cada um dos seguintes

3
subespaços de :
a) O plano 3x − 2y + 5z = 0

75
 b) A recta x = 2t , y = −t , z = 4t
c) O plano x − y = 0
d) Todos os vectores da forma (a, b, c) tais que b = a + c.

45. Determine uma base e a dimensão para cada um dos seguintes

4
subespaços de :

a) {(a , a + b, a − b, b ), a , b ∈ } {
b) (a , b, c , d ) ∈ 4
,a +b = c +d }
{
c) (a , b, c , d ) ∈ 4
,a +b +c +d = 0 }

n
⎡1 1 2 1⎤
{
d) X ∈ 4
}
: AX = 0 com A = ⎢ ⎥.
⎣1 −1 0 2⎦

io
rs
46. Determine uma base e a dimensão para cada um dos seguintes
subespaços de P2:

{
a) a (1 + x ) + b(x + x 2 ), a , b ∈ } ve
b) { p(x ) ∈ P2 : p(1) = 0} .
e
47. Determine uma base e a dimensão para cada um dos seguintes
bl

subespaços de M2×2 ( ) :

⎧⎪ ⎡ 1 1⎤ ⎡ 1 1⎤ ⎫⎪
{
a) A : A T = − A } ⎥=⎢
ta

b) ⎨ A : A ⎢ ⎥ A⎬
⎩⎪ ⎣-1 0 ⎦ ⎣-1 0 ⎦ ⎭⎪

⎪⎧ ⎡ 1 0 ⎤ ⎡0 0 ⎤ ⎪⎫
rin

c) ⎨ A : A ⎢ ⎥=⎢ ⎥⎬ .
⎪⎩ ⎣-1 0 ⎦ ⎣0 0 ⎦ ⎪⎭
p

48. Sejam u1 = (1, 1, 0), u2 = (2, 1, -1), v1 = (3, 2, -1), v2 = (4, 3, -1) e
n-

v3 = (11, 8,-3). Mostre que < u1, u2 > = < v1, v 2 , v 3 > .
no

49. Considere o conjunto B = {v1 = (0, 1, 1), v 2 = (1, 1, 1), v 3 = (1, 0, 1) } .

3
a) Prove que B é base do espaço vectorial .
b) Determine as coordenadas de u = (1, -2, -1) relativamente à base B.

4.6 Exercícios (Aulas Práticas)

76
 3
1. Verifique se o subconjunto S de definido por cada uma das condições
3
seguintes, é um subespaço vectorial de :
a) x = −y b) 2x + y − z = 0 c) x + 5y = 0 ∧ z = 1

d) y 2 − z 2 = 0 e) x + y + z = 0 ∧ x − y + z = 0 f) x ≤ 0

2. Averigúe se os seguintes conjuntos são subespaços dos espaços vectoriais

indicados:
3
a) todos os vectores da forma (a, 0, 0) ;

n
⎪⎧ ⎡a b ⎤ ⎪⎫
b) ⎨ ⎢ ⎥ : a , b, c ∈ ⎬ ; M2×2( )

io
⎪⎩ ⎣c a ⎦ ⎪⎭

⎪⎧ ⎡a b c⎤ ⎪⎫

rs
c) ⎨ ⎢ ⎥ ∈ M 2×3 ( ) : a + b = 0 ⎬ ; M2×3( )
⎪⎩ ⎣d e f⎦ ⎪⎭

d) Conjunto das matrizes 3×3 simétricas; M3×3(

{
e) a + bx + cx 2 + dx 3 : a = 0, b, c , d ∈ }; P3
ve )

{ }; P
e
f) a + 2ax + 3ax 2 : a ∈ 2 .
bl

3. Escreva, se possível, cada um dos seguintes vectores como combinação

ta

linear dos vectores u = (1, 2) e v = (−1, 1) de 2

:
rin

a) a = (5, 4) b) b = (-1, 3) c) c = (0, 1) d) d = (2, -3).

4. Sendo u1 = (1, 0, 2), u2 = (0, 1, 1) e u3 = (0, −1, 1) escreva, se possível,

p

cada um dos vectores seguintes como combinação linear de u1 , u2 e u3 :

n-

a) a=(1, -2, 5) b) b=(1, 2, 3) c) c=(-1, 1/2, -1) d) d=(5, 2, 0)

no

5. Considere os seguintes polinómios de P2: p1 (x ) = x 2 + 5x − 6 , p2 (x ) = x 2 + 1

e p3 ( x ) = 3 x − 1 .

a) Calcule k de tal modo que o polinómio p(x) = (k − 1)x 2 + x seja uma

combinação linear de p 2 e p3 .

b) Determine uma relação entre a, b e c de modo a que o polinómio

f(x) = ax 2 + bx + c seja uma combinação linear de p1 e p2 .

77
 ⎡ 1 2⎤
6. Quais das seguintes matrizes são combinações lineares de A = ⎢ ⎥,
⎣ −1 3⎦

⎡0 1 ⎤ ⎡ 4 −2⎤
B=⎢ ⎥ e C=⎢ ⎥?
⎣2 4⎦ ⎣0 −2⎦

⎡6 3 ⎤ ⎡ −1 7 ⎤ ⎡0 0 ⎤
a) ⎢ ⎥ b) ⎢ ⎥ c) ⎢ ⎥ .
⎣0 8 ⎦ ⎣ 5 1⎦ ⎣0 0 ⎦

2
7. Averigúe se é ou não gerado por cada um dos seguintes pares de

n
vectores:

io
a) u=(1, 1), v=(-2, -2) b) u=(0, -1), v=(3, 4)
c) u=(0, 2), v=(-1, 1) d) u=(2, 3), v=(-2, -3).

rs
8. Determine, se possível, uma condição que caracterize o subespaço gerado

pelos seguintes vectores de 3

a) u=(1, 1, 1), v=(2, 2, 0), w=(3, 0, 0)

ve
. Os vectores geram

b) u=(2, -1, 3), v=(4, 1, 2), w=(8, -1, 8)

3
?
e
c) a=(3, 1, 4), b=(2, -3, 5), c=(5, -2, 9), d=(1, 4, -1).
bl
ta

9. Averigúe se os polinómios p1 = 1 + 2x − x 2 , p2 = 3 + x 2 , p3 = 5 + 4x − x 2 e

p4 = −2 + 2x − 2x 2 geram P2.
rin

10. Considere os subconjuntos de 3

, V1 = (1,0,0),(0,1,0) e
p

V2 = (0,1,1),(1,0,1) e determine V1 ∩ V2 .
n-

11. Sejam {
S = (x , y , z ) ∈ 3
: x + 3y = z } e T = (1,1,0),(3, −1,4) . Determine
no

S∩T .

⎧ ⎡ 2 0 ⎤ ⎡0 3⎤ ⎡0 0⎤ ⎫
12. Sejam U = { A ∈ M 2×2 ( ) : tr( A) = 1} e V = ⎨ ⎢ ⎥,⎢ ⎥,⎢ ⎥⎬ .
⎩ ⎣0 0 ⎦ ⎣3 0⎦ ⎣0 1 ⎦ ⎭
Determine U ∩ V .

78
13. Sem efectuar cálculos, explique porque é que os vectores seguintes são
linearmente dependentes:
2
a) u=(1, 2) e v=(-3, -6) em .
2
b) u=(2, 3), v=(-5, 8) e w=(6, 1) em .

c) p1 = 2 + 3x − x 2 e p2 = 6 + 9x − 3x 2 em P2.

14. Estude a independência linear dos vectores seguintes:

a) u=(2, -1, 4), v=(3, 6, 2), w=(2, 10, -4)
b) u=(3, 1, 1), v=(2, -1, 5), w=(4, 0, -3)

n
c) a=(1, 3, 3), b=(0, 1, 4), c=(5, 6, 3), d=(7, 2, -1)

io
d) u=(6, 0, -1), v=(1, 1, 4).

rs
15. a) Mostre que se {u, v} é linearmente independente e se w ∉ 〈u, v〉 então
{u, v, w} é linearmente independente.

b) Utilizando a alínea a), determine uma base de

vectores (1, 2, 1) e (0, 1, 2).
ve 3
que contenha os
e
16. Sem efectuar cálculos, explique porque é que os seguintes conjuntos de
bl

vectores não são bases dos conjuntos indicados:

ta

2
a) u=(1, 2), v=(0, 3), w=(2, 7) para .
3
b) u=(-1, 3, 2), v=(6, 1, 1) para .
rin

c) p = 1 + x + x 2 , q = x − 1 para P2.
p

17. Quais dos seguintes conjuntos de vectores são bases para os espaços
n-

vectoriais indicados?
2
a) u=(2, 1), v=(3, 0) para
no

3
b) u=(3, 1, -4), v=(2, 5, 6), w=(1, 4, 8) para .
2
c) u=(0, 0), v=(1, 3) para
3
d) u=(1, 0, 0), v=(2, 2, 0), w=(3, 3, 3) para .

e) 1+ x + x 2 , x + x 2 , x 2 para P2

f) 1-3x +2 x 2 , 1+ x + 4 x 2 , 1-7x para P2.

18. Determine uma base e a dimensão do espaço solução de cada um dos

seguintes sistemas homogéneos:

79
 ⎧2x + y + 3z = 0
⎪ ⎧3x + y + z + t = 0
a) ⎨ x + 2y = 0 b) ⎨
⎪y + z = 0 ⎩5x − y + z − t = 0
⎩

19. Determine uma base e a dimensão para

3
a) os seguintes subespaços de :
(i) o plano 3x-2y+5z = 0
(ii) o plano x - y=0
(iii) a recta x = 2t, y = -t, z = 4t ( t ∈ )

n
(iv) {(a,b,c): b=a+c}

{(x , x , x }

io
b) o subespaço de 5
, 1 2 3 , x 4 , x 5 ) : x1 + x 2 = 0 ∧ x 3 = x 4

c) o subespaço de 4
, {(x , y, z , w ) : y + z + w = 0} .

rs
{ } é uma base de { }
20. Mostre que se e1 , e 2 , e 3

em que a , b ∈ , é também uma base de 3

ve
.
3
, então e1 , e 2 + ae1 , e 3 + be 2 ,
e
bl

21. Considere o espaço vectorial M2×3( ).

a) Determine uma base e a dimensão deste espaço.

ta

⎪⎧ ⎡a 0 0 ⎤ ⎪⎫
b) Verifique que o conjunto S = ⎨ ⎢ ⎥ : a ,b,c ∈ ⎬ é um subespaço
⎪⎩ ⎣0 2b c ⎦ ⎭⎪
rin

vectorial de M2×3( ).

⎡0 0 0 ⎤ ⎡0 0 0 ⎤
p

c) Verifique que as matrizes A1 = ⎢ ⎥ e A2 = ⎢ ⎥ pertencem a

⎣0 4 1 ⎦ ⎣0 1 − 1⎦
n-

S, mas não geram S.

⎡1 0 0 ⎤ ⎡0 1 1 ⎤ ⎡0 0 0 ⎤ ⎡1 0 0 ⎤
no

d) Verifique que as matrizes: ⎢ ⎥, ⎢ ⎥, ⎢ ⎥, ⎢ ⎥ são

⎣0 0 0 ⎦ ⎣0 0 0 ⎦ ⎣0 1 1 ⎦ ⎣0 0 1⎦
linearmente independentes mas não formam uma base para S.
e) Determine uma base e a dimensão de S.

22. Para cada uma das seguintes matrizes determine uma base para o
espaço das colunas, uma base para o espaço das linhas e verifique que a
dimensão destes espaços é a característica da matriz:

80
 ⎡ 1 − 1⎤ ⎡2 − 2 ⎤ ⎡4 − 5 ⎤
a) ⎢ ⎥ b) ⎢ ⎥ c) ⎢ ⎥
⎣2 0 ⎦ ⎣3 − 3 ⎦ ⎣5 4 ⎦
⎡1 2 ⎤ ⎡3 4 1⎤
d) ⎢⎢0 0 ⎥⎥ e) ⎢⎢1 5 1⎥⎥ .
⎢⎣0 0 ⎥⎦ ⎢⎣ 4 1 1⎥⎦

4
23. Determine uma base para o subespaço de gerado pelos vectores:
a) (1, 1, -4, -3), (2, 0, 2, -2), (2, -1, 3, 2)
b) (-1, 1, -2, 0), (3, 3, 6, 0), (9, 0, 0, 3).

n
io
24. Determine as coordenadas dos seguintes vectores na base B indicada:

a) a=(3, -7) ; B ={b1=(1, 0), b2=(0, 1)}

rs
b) b=(1, 1); B ={ b1=(2, -4), b2=(3, 8)}

c) (2, -1, 3); B ={(1, 0, 0), (2, 2, 0), (3, 3, 3)}

d) A = ⎢
⎡2
⎣ −1 3 ⎦
0⎤
⎥ na base B = {A1, A2 , A3 , A4 } , onde
ve
e
⎡ −1 1 ⎤ ⎡1 1 ⎤ ⎡0 0 ⎤ ⎡0 0 ⎤
A1 = ⎢ ⎥ , A2 = ⎢ ⎥ , A3 = ⎢ ⎥ , A4 = ⎢ ⎥
⎣ 0 0⎦ ⎣0 0 ⎦ ⎣1 0 ⎦ ⎣0 1 ⎦
bl

e) p = 2 - x + x 2 ; B = { p1 =1+ x, p2 =1+ x 2 , p3 =x + x 2 }.
ta
rin

4.7 Exercícios de Revisão

p
n-

2
1. Verifique quais dos conjuntos seguintes são subespaços vectoriais de .

{
a) S = (x , x 2 ), x ∈ } R: N
no

{
b) S = (x , y )∈ 2
: x + 3y = 0 } R: S

{
c) S = (x , y ) ∈ 2
: xy = 0} R: N.

2. Considere v1 = (1, − 3, 2) e v 2 = (2, 4, − 1) .

a) Escreva o vector u = (−4, −18,7) como combinação linear de v1 e v 2.

R: u=2 v1 -3 v 2.

81
 b) Mostrar que w = (4, 3, −6) não é combinação linear dos vectores v1 e v 2.
c) Determine k de modo que w = (−1, k , − 7) seja combinação linear de

v1 e v 2. R: k=13
d) Determine a condição para x, y e z de modo que (x, y ,z) seja
3
combinação linear de v1 e v 2. (equação do subespaço de gerado por

v1 e v 2. ) . R: y = x - 2z

3. Prove que se u e v são dois vectores linearmente independentes, então

n
u+ v e u - v também o são.

io
4. a) Calcule k de forma a que o conjunto

rs
B= {b1 = (1, 0, 1), b2 = (1, 1, 0), b3 = (k , 1, −1)}
3
seja uma base de .
b) Faça k = 1 .
b.1) Escreva o vector u = (5, 4, 2) na base B.
ve
e
b.2) Determine o vector v cujas coordenadas em relação à base B
são [v ]B = (2, - 3, 4) .
bl
ta

4
5. Para cada um dos seguintes subespaços de determine uma base e a
respectiva dimensão.
rin

{
a) S1 = (a ,b,c , d ) ∈ 4
: a +b +c = 0 } R: dim=3

{
b) S2 = (a ,b,c , d ) ∈ : a − 2b = 0 ∧ c = 3d }
p

4
R: dim=2
n-

c) S3 = (1, -1, 0, 0), (-2, 2, 2, 1), (-1, 1, 2, 1) e (0, 0, 4, 2) R: dim=2

{
d) S 4 = (x , y, z , t )∈ 4
: x + y − 2z + t = 0 ∧ 2x + 2y − 4z + 2t = 0 } R: dim=3.
no

82
Capítulo 5 Transformações Lineares

5.1 Definição e Exemplos

Definição

n
Sejam V e W espaços vectoriais definidos sobre o mesmo corpo k .

io
Diz-se que a aplicação T: V → W é uma transformação linear se:
i) T(u + v) = T(u) + T(v), u, v ∈ V

rs
ii) T(αv) = αT(v), α ∈ k , v ∈ V.

Notas
ve
1. Dizer que T é uma transformação linear de V em W é o mesmo que
dizer que T é uma aplicação linear de V em W, ou ainda que T é um
e
homomorfismo de V em W.
bl

2. Se V = W dizemos que T é um endomorfismo de V.

ta

3. Se T é um homomorfismo bijectivo de V em W dizemos que T é um

isomorfismo de V em W.
rin

4. Se T é um endomorfismo bijectivo de V dizemos que T é um

automorfismo de V.
5. Dois espaços vectoriais V e W dizem-se isomorfos se existir uma
p

aplicação linear de V em W que seja um isomorfismo.

n-

Exemplos (Transformações lineares)

no

1. A aplicação
T: V → W
v → T(v) = 0W
é uma aplicação linear e designa-se por aplicação nula.

2. A aplicação
idV : V → V
v → T(v) = v

83
é uma aplicação linear e designa-se por aplicação identidade.

3. Dada uma matriz A ∈ Mm×n( ) a aplicação

T: n
→ m

X → T(X) = AX
é uma transformação linear.

4. A aplicação
T : Pn → Pn+1

n
p(x) → T(p(x)) = x.p(x)

io
é uma transformação linear.

rs
5. O operador diferenciação é um operador linear, em particular
D : Pn → Pn-1
p(x) → D(p(x)) = p’(x)
é uma transformação linear.
ve
e
6. O operador integração é um operador linear, em particular
bl

I : Pn → Pn+1
x
ta

p(x) → I(p(x)) = ∫0 p(t )dt

é uma transformação linear.
rin

Exercícios
p

1. Diga quais das seguintes aplicações são transformações lineares:

n-

a) T : 2
→ 2
, T(x, y) = (y, x).

b) T : 2
→ 2
, T(x, y) = (x, 0).
no

c) T : 2
→ 2
, T(x, y) = (x, 1).

d) T : 2
→ 3
, T(x, y) = (x, y, x + y).

e) T : 2
→ 3
, T(x, y) = (x, y + 2, x + y).

f) T : 3
→ , T(x, y, z) = xyz.

⎛ ⎡a b ⎤ ⎞
g) T : M2×2( )→ , T⎜⎢ ⎥ ⎟ = 3a - 4b + c - d.
⎝ ⎣c d ⎦ ⎠

84
 ⎛ ⎡a b ⎤ ⎞
h) T : M2×2( )→ , T⎜⎢ ⎥⎟ = a + b .
2 2

⎝ ⎣ c d ⎦ ⎠

i) T : P2 → P2 , T( ax 2 + bx + c ) = a (x + 1)2 + b(x + 1) + c .

j) T : P2 → P2 , T( ax 2 + bx + c ) = (a + 1)x 2 + (b + 1)x + (c + 1) .

k) T : Mm×n( )→ , T(A) = car(A).

l) T : Mn×n( )→ , T(A) = tr(A).
m) T : Mn×n( )→ , T(A) = det(A).

n) T : Mm×n( ) → Mn×m( ), T(A) = A T .

→

n
o) T : , T(x) = sin(x).
p) T : → , T(z) = z .

io
rs
2. Sendo T : V → uma transformação linear tal que T(v1) = 1 e T(v2) = -1
determine T(3 v1 - 5 v2).

3. Sendo T : 2
→ 2 ve
uma transformação linear tal que T(1, 3) = (1, 1) e
T(1, 1) = (0, 1) determine T(-1, 3).
e
bl

4. Sendo T : P2 → P2 uma transformação linear tal que T(x + 1) = x,

T(x -1) = 1 e T(x2) = 0 determine T(2 - x +3x2).
ta
rin

Teorema
Sejam V e W espaços vectoriais sobre o mesmo corpo k e T : V → W uma
transformação linear. Então:
p

i) T(0V) = 0W.
n-

ii) T(-v) = -T(v), v ∈ V.

iii) T(α1v1+α2v2+ ... +αnvn) = α1 T(v1) + α2 T(v2) + ... + αn T(vn), α1 , α 2 , , αn ∈ k ,
no

v1 , v2 , , vn ∈ V .
iv) Se v1, v2, ..., vn são vectores de V linearmente dependentes então
T(v1),T(v2), ..., T(vn), são vectores de W linearmente dependentes.
Demonstração. Exercício.

Exercícios

5. Seja T : 3
→ uma transformação linear tal que T(3, -1, 2) = 5 e
T(1, 0, 1) = 2. Determine T(-1,1,0).

85
6. Seja T : 2
→ 2
uma aplicação linear definida por T(x, y) = (x, 2x) e
2
B ={ u = (1,2), v = (-1,3) } uma base de . Verifique que {T(u), T(v)} não é
2
base de . Que conclusões pode tirar?

Teorema
Sejam V e W espaços vectoriais sobre o mesmo corpo, B = {v1, v2, ..., vn}
uma base de V e w1, w2, ..., wn vectores em W (não necessariamente
distintos). Então existe uma única transformação linear T : V → W tal que

n
T(vi) = wi, i =1, ..., n.

io
Nota

rs
Repare-se que para conhecermos uma transformação linear basta que se
conheçam as imagens dos vectores de uma base do espaço domínio, uma vez

ve
que todo o elemento do espaço domínio se pode escrever de modo único
como combinação linear dos vectores de uma base.
e
Exercícios
bl

2
7. Considere a base B = { u = (1,1), v = (1,0) } de e a transformação
ta

linear T : 2
→ 2
tal que T(u) = (1, -2) e T(v) = (-4, 1). Determine a
expressão de T(x, y) e use-a para calcular T(5, -3).
rin

8. Considere a base canónica de 3

e a transformação linear T : 3
→ 3
p

tal que T(1, 0, 0) = (1, 2, 3), T(0, 1, 0) = (1, 0, -1) e T(0, 0, 1) = (0, -1, 2).
Determine T(x, y, z) e use o resultado para calcular T(2, -3, 1).
n-

3
no

9. Considere a base B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} de e a transformação

linear T : 3
→ 3
tal que T(1, 0, 0) = (1, 2, 3), T(1, 1, 0) = (0, -1, 2) e
T(1, 1, 1) = (1, 0, 1). Determine T(x, y, z).

10. Determine a transformação linear T : 3

→ 2
tal que T(1, 1, 0) = (2, 1),
T(1, 0, 1) = (1, -1) e T(0, 1, 1) = (0, 0).

86
11. Determine a transformação linear T : P2 → P3 tal que T(x2) = x3,
T(x - 1) = x e T(x + 1) = 0. Use o resultado para calcular T(2x2 + 3x -1).

12. Considere a transformação linear T : M2×2( ) → tal que

⎛ ⎡1 0 ⎤ ⎞ ⎛ ⎡0 1 ⎤ ⎞ ⎛ ⎡1 0 ⎤ ⎞ ⎛ ⎡0 0 ⎤ ⎞
T⎜⎢ ⎥ ⎟ = 3, T ⎜ ⎢ ⎥ ⎟ = -1, T ⎜ ⎢ ⎥⎟= 0 e T⎜⎢ ⎥ ⎟ = 2. Determine
⎝ ⎣0 0 ⎦ ⎠ ⎝ ⎣1 0 ⎦ ⎠ ⎝ ⎣1 0 ⎦ ⎠ ⎝ ⎣0 1 ⎦ ⎠

⎛ ⎡x y ⎤ ⎞
T⎜⎢ ⎥⎟.
⎝ ⎣z w ⎦ ⎠

n
io
5.2 Núcleo e Imagem de uma Transformação Linear

rs
Definição

transformação linear.
i) Ao subconjunto de V
ve
Sejam V e W espaços vectoriais sobre o mesmo corpo e T : V → W uma
e
Ker(T) = { v ∈ V : T(v) = 0}
bl

chamamos núcleo de T.
ii) Ao subconjunto de W
ta

Im(T) = {w ∈ W : ∃ v ∈ V, T(v) = w}
rin

chamamos imagem de T.

Exercícios
p

13. Seja T : 2
→ 2
uma transformação linear dada por
n-

T(x, y) = (2x - y, -8x + 4y).

a) Quais dos seguintes vectores pertencem ao núcleo de T:
no

a.1) u = (5, 10) a.2) v = (3, 2) a.3) w = (1, 1).

b) Quais dos seguintes vectores pertencem à imagem de T:
b.1) u = (1, -4) b.2) v = (5, 0) b.3) w = (-3, 12).

14. Seja T : P2 → P3 uma transformação linear definida por T(p(x)) = x.p(x).

a) Quais dos seguintes vectores pertencem ao núcleo de T:
a.1) p(x) = x2 a.2) q(x) = 0 a.3) r(x) = 1 + x.
b) Quais dos seguintes vectores pertencem à imagem de T:

87
 b.1) p(x) = x + x2 b.2) q(x) = 1 + x b.3) r(x) = 3 - x2.

Teorema
Sejam V e W espaços vectoriais sobre o mesmo corpo e T : V → W uma
transformação linear. Então:
i) Ker(T) é um subespaço vectorial de V.
ii) Im(T) é um subespaço vectorial de W.
Demonstração. Exercício.

n
Exercício
15. Determine o núcleo, a imagem e as respectivas dimensões da

io
transformação linear T : 3
→ 3
definida por T(x, y, z) = ( x - y, z, y - x).

rs
Definição
Dada uma transformação linear T : V → W chamamos:
i) Nulidade de T à dimensão do núcleo de T.
ii) Característica de T à dimensão da imagem de T.
ve
e
bl

Teorema da dimensão
Sejam V e W espaços vectoriais de dimensão finita e T : V → W uma
ta

transformação linear, então:

rin

dim( Ker(T) ) + dim( Im(T) ) = dim(V).

Exercício
p

3
16. Seja B = {u = (1, 1, 1), v = (1, 1, 0), w = (1, 0, 0) } uma base de .
n-

Sabendo que T : 3
→ 3
é uma aplicação linear definida por T(u) = (1, 0),
T(v) = (2, 0) e T(w) = (0,0) determine:
no

a) A expressão de T(x, y, z).

b) Ker(T).
c) Im(T).
d) A nulidade e a característica de T e verifique a validade do Teorema da
dimensão.

Teorema
Uma transformação linear T : V → W é injectiva se e só se Ker(T) = {0}.

88
Demonstração. Suponhamos T injectiva e provemos que Ker(T) = {0}.
Seja v ∈ Ker(T) então T(v) = 0 e como T(0) = 0 então temos v = 0.
Suponhamos agora que Ker(T) = {0} e provemos que T é injectiva.
Sejam u e v quaisquer dois vectores de V tais que T(u) = T(v). Assim temos
T(u) - T(v) = 0 e atendendo à linearidade temos ainda T(u - v) = 0, donde
concluímos que u - v ∈ Ker(T) e consequentemente u - v = 0, ou ainda
u = v.

Nota

n
Uma transformação linear T : V → W é sobrejectiva se Im(T) = W.

io
Exercícios

rs
17. Prove que a aplicação linear S : 3
→ 2
definida por
S(x, y, z) = (x + y, x - y) é sobrejectiva mas não é injectiva.

18. Prove que a aplicação linear

ve
T : 2
→
T(x, y) = (x + y, x - y, x) é injectiva mas não é sobrejectiva.
3
definida por
e
bl
ta

5.3 Matriz de uma Transformação Linear

rin

Já concluímos que uma transformação linear T : V → W fica

completamente definida se conhecermos as imagens T(v1), T(v2), ..., T(vn),
p

dos vectores de uma base B = {v1, v2, ..., vn} de V. Repare-se que cada um dos
n-

vectores T(v1), T(v2), ..., T(vn), pode ser expresso de modo único como
combinação linear dos vectores de uma base B’ = {w1, w2, ..., wm} de W.
no

Definição
Dadas uma transformação linear T : V → W, uma base B = {v1, v2, ..., vn} de
V e uma base B’ = {w1, w2, ..., wm} de W chamamos matriz da
transformação linear T relativamente às bases B e B’ a

89
 ⎡ ⎤
⎢ ⎥
[ T ]B' = ⎢[ T(v1 )]B' [ T(v 2 )]B' [ T(vn )]B' ⎥ ,
B

⎢ ⎥
⎣ ⎦
com

[ T ]B' [v]B = [ T(v )]B' , v ∈ V.

B

Exercícios
19. Seja T : P1 → P2 uma transformação linear definida por T(p(x)) = x.p(x).
Determine a matriz de T relativamente às bases usuais de P1, {1, x} e de P2,

n
{1, x, x2} .

io
20. Seja T : 2
→ 3
a transformação linear definida por

rs
T(x, y) = (x, -5x +13y, -7x + 16y).
a) Determine a matriz de T relativamente às bases canónicas de

ve
b) Determine a matriz de T relativamente às bases {(3, 1), (5, 2))} de
e canónica de 3
.
2
e 3
.
2
e
2
c) Determine a matriz de T relativamente às bases {(3, 1), (5, 2))} de
bl

3
e {(1, 0, -1), (-1, 2, 2), (0, 1, 2)} de .
ta

21. Seja T : P2 → P2 a transformação linear definida por

rin

T(ax2 + bx + c) = a(3x - 5)2 + b(3x - 5) + c.

a) Determine [ T ]B para B = {1, x, x2} .

B
p

b) Determine T(3x2 + 2x + 1).

n-

22. Seja T : P2 → P1 a transformação linear definida por

T(ax2 + bx + c) = -(2b + 3a)x + (b + c).
no

Determine [ T ]B' , onde B é a base usual de P2 e B’ é a base usual de P1.

B

23. Considere a transformação linear T : 2

→ 2
definida por
2
T(x, y) = (x - y, x + y) e a base B = {u = (1, 1), v = (-1, 0)} de .

[ T ]B .
B
a) Determine

b) Verifique a validade da fórmula [ T ]B [v]B = [ T(v )]B , para todo o v ∈

B 2
.

90
24. Considere a transformação linear T : 2
→ 3
definida por
2
T(x, y) = (x + 2y, -x, 0) e as bases B = {(1, 3), (-2, 4)} de e
3
B’ = {(1, 1, 1), (2, 2, 0), (3, 0, 0)} de .

[ T ]B' .
B
a) Determine

b) Verifique a validade da fórmula [ T ]B' [v]B = [ T(v )]B' , para todo o v ∈

B 2
.

25. Sejam T : 2
→ 2
a transformação linear definida por

n
T(x, y) = (3x - 4y, 2x + y)

io
2
e B = base canónica, S = {(-1, 1), (2, 1)} e Q = {(1, 1), (1, -1)} bases de .
Determine:

rs
a) [ T ]B b) [ T ]B c) [ T ]Q d) [ T ]Q .
B S B S

26. Considere a transformação linear T :

T(x, y) = (2x - y, x + y, x)
2 ve
→ 3
definida por
e
e as bases A = {(1, 1), (1, 0)}, B = {(1, 0, 0), (1, 1, 0), (0, 1, 1)}, C = canónica
bl

2 3
de e D = canónica de . Determine:

a) [ T ]D b) [ T ]D c) [ T ]B d) [ T ]B .
C A C A
ta
rin

27. Considere as bases A = {(1, 1), (1, 0)}, B = {(1, 0, 0), (1, 1, 0), (0, 1, 1)},
2 3
C = canónica de e D = canónica de . Determine a transformação
p

linear que está associada a cada uma das seguintes matrizes:

⎡2 −1⎤ ⎡ 1 2⎤ ⎡ 2 −2⎤ ⎡0 2 ⎤
n-

a) [ T ]D = ⎢⎢ 1 1⎥⎥ b) [ T ]D = ⎢⎢2 1⎥⎥ c) [ T ]B = ⎢⎢0 1⎥⎥ d) [ T ]B = ⎢⎢1 0 ⎥⎥ .

C A C A

⎢⎣ 1 0 ⎥⎦ ⎢⎣ 1 1⎥⎦ ⎢⎣ 1 0 ⎥⎦ ⎢⎣1 1 ⎥⎦
no

28. Verifique se existe alguma transformação linear T : 2

→ 2
tal que
T(1, 2) = (0, 1), T(3, 0) = (5, 3) e T(2, -1) = (2, 5).

91
5.4 Inversa de uma Transformação Linear

Definição
Dadas duas transformações lineares S : U → V e T : V → W definimos a
composição de T e S por
ToS : U → W
u → ToS(u) = T( S(u) ).

Teorema

n
A composição de transformações lineares é uma transformação linear.

io
Demonstração. Exercício.

rs
Teorema
Sejam S : U → V e

ve
T : V → W duas transformações lineares e A, B e C
bases dos espaços vectoriais U, V e W respectivamente. Então

[ ToS]C = [ T ]C [S]B .
A B A
e
bl

Definição
Dada uma transformação linear T : V → W dizemos que T é invertível se
ta

existir uma transformação linear S, tal que ToS = idW e SoT = id V. A S

chamamos transformação inversa de T e simbolizamos por T-1.
rin

Teorema
p

Para uma transformação linear T são equivalentes as seguintes afirmações:

n-

i) T é invertível
ii) T é injectiva
no

iii) Ker(T) = {0}.

Teorema
Seja T : V → W uma transformação linear , A uma base de V e B uma
base de W. Se T é invertível então
B
⎡ T-1 ⎤ =
⎣ ⎦A ([ T ] )
A −1
B
.

92
Exercícios
29. Considere as transformações lineares

T: 3
→ 3
, T(x, y, z) = (x + y, z + y, x + z y - x),

S: 4
→ 2
, S(a, b, c, d) = (a + b, c - d)
2 3 4
e as bases canónicas de , e . Determine S o T de dois modos
distintos.

30. Considere as transformações lineares

T: 3
→ 3
, T(x, y, z) = (x + y, y -x),

n
S: 2
→ 4
, S(a, b) = (a, b - 2a,3b, a + b)

io
2 3 4
e as bases canónicas de , e . Determine S o T de duas maneiras
distintas.

rs
31. Considere as transformações lineares

T:

S : P2 →
3
→ P2, T(a, b, c) = (a - b) + (c - a)x + bx2,
4
, S(ax2 + bx + c) = (a - b, c)
ve
e
3 4
e as bases usuais de P2 , e . Determine S o T de duas maneiras
bl

distintas.
ta

32. Considere a transformação linear

2
→ 2
rin

T: , T(x, y) = (x + 2y, 2x + 5y)

2
e a base canónica de . Determine T -1 de dois modos distintos.
p

33. Considere a transformação linear

n-

T : P2 → 3
definida por T(ax2 + bx + c) = (c - a, b, 2c - a)
3
e as bases usuais de P2 e . Determine T -1 .
no

34. Em cada um dos casos seguintes mostre que T é invertível e determine

T -1 .

a) T : P2 → 3
, T(ax2 + bx + c) = (a + c, a, b - a).
⎡x ⎤ ⎡5 2⎤ ⎡ x ⎤
b) T : 2
→ 2
, T⎢ ⎥ = ⎢ ⎥ ⎢ ⎥.
⎣y ⎦ ⎣ 2 1 ⎦ ⎣y ⎦

⎡x ⎤ ⎡ 6 −3⎤ ⎡ x ⎤
c) T : 2
→ 2
, T⎢ ⎥ = ⎢ ⎥ ⎢ ⎥.
⎣y ⎦ ⎣ 4 −2⎦ ⎣y ⎦

93
5.5 Exercícios (Aulas Práticas)

1. Das aplicações seguintes, indique as que são lineares:

a) T : 2
→ 2
, T(x , y ) = (2x − y, x )

b) T : 3
→ 2
, T(x , y, z ) = (z , x − y )

c) T : → 2
, T(x ) = (1, −2)

n
d) T : 2
→ 3
, T(x1 , x 2 ) = (x1 x 2 , x 2 , x1 )

io
e) T : 3
→ 3
, T(x, y, z) = (x + y, x - y, y - z)

rs
⎛ ⎡a b ⎤ ⎞
f) T : M2×2( ) → , T ⎜⎢ ⎥⎟ = a + d
⎝ ⎣c d ⎦ ⎠

g) T : M3×3(

h) T : P2 → P4 ,
) → , T (A ) = det(A )

T ( p(x )) = x 2 p(x ) .
ve
e
bl

2. Averigúe se as aplicações seguintes são lineares:

ta

a) f : M2×2( ) → M3×2( ) definida por: f (X ) = P T X onde P é uma

matriz de M2×3( ).
rin

b) f : M2×2( ) → M2×2( ) definida por: f (X ) = AX + XB onde A e B são

matrizes quadradas de ordem 2.

p
n-

3. Considere as seguintes transformações lineares:

4
→ 3
T(x , y, z , t ) = (4x + y − 2z − 3t , 2x + y + z − t , 6x − 9z + 9t )
no

T : ,

U : 2
→ 2
, U(x , y ) = (2x − y, − 8x + 4y )
a) Indique quais dos vectores seguintes pertencem ao núcleo de T:
u=(3, -8, 2, 0), v=(0, 0, 0, 1), w=(0, -4, 1, 0)
b) Indique quais dos vectores seguintes pertencem à imagem de U:
a=(1, -4), b=(5, 0), c=(-3, 12).

94
4. Determine o núcleo, a imagem, a nulidade e a característica das
transformações lineares seguintes e verifique a validade do Teorema da
Dimensão:
a) T : 3
→ 3
, T(x , y, z ) = (x + 2z , y − z , x + y )

b) T : 3
→ 3
dada por T(x , y, z ) = (x + 2y − z , y + 2z , x + 3y + z )

c) T : 4
→ 2
, T (x , y, z , t ) = (4x + y + 5z + 2t , x + 2y + 3z ) .

5. Para cada uma das seguintes transformações lineares, determine a matriz

que a representa na base canónica:

n
a) T : 3
→ 3
, T (x , y, z ) = (x + 2z , y − z , x + y )

io
b) Simetria: S : 3
→ 3
, S (x , y, z ) = (− x , −y, −z )

rs
c) Homotetia: H : 3
→ 3
, H (x , y , z ) = λ ( x , y , z )
d) Rotação de um ângulo θ do plano em torno da origem:

R: 2
→ 2
ve
, R ( e1 ) = (cos θ ,senθ ), R(e 2 ) = (−senθ ,cos θ )
e
6. Seja T : 3
→ 2
a transformação linear dada por
bl

T(x , y, z ) = (2x − y + z , 3x − y − 2z ) .
Considere as bases
ta

{ }
A = a1 = (1, 1, 1), a2 = (0, 1, 1), a3 = (0, 0, 1) , B = b1 = (2, 1),b2 = (5, 3) , { }
rin

3 2
C = canónica de e D = canónica de .
Determine:
p

a) [T ]D b) [T ]D c) [T ]B [T ]B
C A C A
d) .
n-

7. Dadas as bases A = {a1 = (1, 1), a 2 = (0, 1)} ,

no

B = {b1 = (1, 2, 0), b2 = (1, 0, − 1), b3 = (1, −1, 3)} , C = canónica de 2

e
3
D = canónica de , determine a transformação linear cuja matriz é:

⎡ 2 0⎤ ⎡ 2 0⎤ ⎡ 2 0⎤ ⎡ 2 0⎤
a) [ T]D ⎥ ⎢ ⎥
= ⎢ 1 − 2⎥ b) [ T]D = ⎢ 1 − 2⎥ c) [ T]B = ⎢ 1 − 2⎥ d) [ T]B = ⎢⎢ 1 − 2⎥⎥ .
⎢ ⎥ ⎢
C A C A

⎢⎣−1 3 ⎥⎦ ⎢⎣−1 3 ⎥⎦ ⎢⎣−1 3 ⎥⎦ ⎢⎣−1 3 ⎥⎦

95
8. Seja T : 3
→ 3
uma aplicação linear. Considere em 3
as bases

{
C = Base canónica de 3
} e {
V = v1 = (1, 1, 1),v 2 = (1, 1, 0),v 3 = (1, 0, 0) .}
⎡ 3 2 2⎤
Supondo que [ T ]C = ⎢⎢ −3 − 3 1 ⎥⎥ :
V

⎢⎣ 3 3 3⎥⎦

a) Determine T(v1 ), T(v 2 ) e T(v 3 ) .

b) Defina a aplicação T.
c) Determine T(4,5,6).

n
io
5.6 Exercícios de Revisão

rs
1. Seja a aplicação: T :
casos T é linear:
a) k=x R: N
2

b) k=1 R: N
→ 3

ve
, T(x , y ) = (x + ky, x + k , y ) . Verifique em que

c) k=0 R: S
e
bl

2. a) Determine a transformação linear T : 2

→ 3
tal que
ta

T(-1, 1) = (3, 2, 1) e T(0, 1) = (1, 1,0). R: T(x ,y)=(-2x+ y,-x+ y,-x)

b) Encontre o vector v tal que T(v)=(-2, 1, -3). R: (3,4)
rin

3. Determine o núcleo e a imagem das seguintes transformações lineares e

p

verifique a validade do Teorema da Dimensão:

→ , T(x , y ) = (3x − y, −3x + y )

n-

2 2
a) T :

R: Ker (T ) = {(x ,3x ),x∈ }, Im(T ) = {(−y,y ),y∈ }

no

b) T : 2
→ 3
, T(x , y ) = (x + y, x , 2y )

{
R: Ker (T ) = {(0,0)} , Im(T ) = (x ,y,z )∈ 3 : 2x −2y − z =0 }
c) T : 3
→ 2
, T(x , y, z ) = (x + 2y − z , 2x − y + z )

R: Ker (T ) = {(x ,−3x ,−5x ),x∈ }, Im(T ) = 2

96
4. Considere a transformação linear T : 3
→ 2
tal que:

⎡ 1 0 − 1⎤
[ T ]B ⎥ em relação às bases: A = {(0, 1, 1), (1, 0, 0), (1, 0, 1)} e
A
=⎢
⎣ −1 1 1 ⎦
B = {(−1, 0), (0, − 1)} .

a) Encontre a expressão de T(x, y, z) e a matriz [ T ]C .

C

R: T(x, y, z)=(z -2y, y -x)

b) Determine Im(T) e uma base para esse subespaço.
2
R: Im(T)=

n
c) Determine Ker(T) e uma base para esse subespaço.
R: Ker(T)= {(x , x , 2x ), x∈ }

io
rs
5. Considere a transformação linear T : 3
→ 2
, T(x,y) = (2x − y, x + 3y, − 2y)

e as bases A = {(−1, 1), (2, 1)} e B = {(0, 0, 1), (0, 1, − 1), (1, 1, 0)} .

Determine [ T ]B .
A
ve ⎡ 3 0⎤
R: ⎢⎢ 5 2 ⎥⎥
⎢⎣ −3 −2 ⎥⎦
e
bl
ta
p rin
n-
no

97
98
no
n-
prin
ta
bl
e
ve
rs
io
n
Capítulo 6 Valores Próprios e Vectores Próprios

6.1 Definições, Cálculo e Propriedades

Neste capítulo iremos dar particular atenção ao modo como estes conceitos
relacionam praticamente toda a matéria abordada nos capítulos anteriores.

n
io
Definição
Seja A uma matriz quadrada de ordem n com entradas em k( ou ) .

rs
Um escalar λ diz-se um valor próprio de A se existir um vector u ∈ k n ,

ve
u ≠ 0 tal que Au = λu. Nestas condições dizemos que u é vector próprio de
A associado ao valor próprio λ.
e
Definição
bl

Chamamos espectro de uma matriz ao conjunto de todos os valores próprios

da matriz.
ta

Exercícios
rin

⎡ 1 −1⎤
1. Dada a matriz A = ⎢ ⎥ verifique que u = (-1, 1) é vector próprio de
⎣ −2 0 ⎦
p

A associado ao valor próprio λ = 2.

n-

⎡ 2 0 0⎤
⎢ ⎥
no

2. Dada a matriz A = 2 2 1 verifique que u = (0, 1, 1) é vector próprio

⎢ ⎥
⎢⎣ 1 1 2 ⎥⎦

de A associado ao valor próprio λ = 3.

Teorema
Seja A uma matriz quadrada. Então λ é valor próprio de A se e só se
det(A - λI) = 0.
Demonstração. Provemos que se λ é valor próprio de A então det(A - λI)= 0.

99
Seja λ um valor próprio de A e u um valor próprio de A associado a λ.
Então Au = λu donde (A - λI)u = 0 e como u ≠ 0, concluímos que o sistema
é possível e indeterminado, donde car(A - λI)< n, ou ainda, det(A - λI) =0. De
modo semelhante pode provar-se que se det(A - λI) = 0 então λ é valor
próprio de A.

Definição
Seja A uma matriz quadrada.
i) A p(λ) = det(A - λI) chamamos polinómio característico de A.

n
ii) À equação p(λ) = 0 chamamos equação característica de A.

io
iii) À multiplicidade algébrica de λ como raiz da equação p(λ)=0 chamamos
multiplicidade algébrica do valor próprio λ.

rs
Teorema

ve
Sejam A uma matriz quadrada de ordem n com entradas em k e p(λ) o
respectivo polinómio característico. Então o polinómio p(λ) tem grau n.
e
Teorema
bl

Seja A uma matriz quadrada de ordem n com entradas em k e λ um

ta

valor próprio de A. O conjunto

E(λ) = {u ∈ n
: (A - λI)u = 0}
rin

n
é um subespaço vectorial de .
Demonstração. Exercício.
p

Definição
n-

Sejam A ∈ M n×n (k) e λ um valor próprio de A. Ao subespaço vectorial E(λ)

no

chamamos espaço próprio de A associado ao valor próprio λ.

Notas
1. O conjunto de todos os vectores próprios de uma matriz A associados ao
valor próprio λ é dado por E(λ) - {0}.
2. Quando calculamos os vectores próprios de uma dada matriz, associados
a um certo valor próprio λ, teremos de resolver um sistema homogéneo
(A - λI)u = 0 que tem de ser indeterminado. Como tal uma das linhas da

100
 matriz ampliada após condensação tem de ser nula. Se tal não acontecer
algum erro foi cometido.

Exercício

⎡ 1 0 3⎤
⎢
3. Calcule todos os valores próprios da matriz A = 1 2 1 .
⎥
⎢ ⎥
⎢⎣ 3 0 1⎥⎦

Quando a matriz dada é de ordem 3 ou superior podemos sentir dificuldade

em decompor o polinómio característico em factores, ou seja, podemos ter

n
dificuldades em encontrar as raízes do polinómio característico (valores

io
próprios). Nestas situações podemos utilizar o seguinte resultado:

rs
Teorema

Seja p(x) = a0 x n + a1 x n −1 +
ve
+ an −1 x + an . Se p(x) admite raízes inteiras então
estas dividem o termo independente an.
e
Exercício
bl

4. Determine todas as raízes do polinómio p(x) = x3 − 9 x 2 + 23 x − 15 .

ta

Teorema
Seja A ∈ M n×n (k) então:
rin

i) O produto dos valores próprios de A é igual ao determinante de A.

ii) A soma dos valores próprios de A é igual ao traço de A.
p
n-

Exercício
5. Seja A uma matriz quadrada de ordem 3 com tr(A) = 5. Sabendo que
no

λ = −1 e λ = 2 são dois dos valores próprios de A determine:

a) O outro valor próprio.
b) det(A).

Corolário
Seja A ∈ M n×n (k) então:

i) λ = 0 é valor próprio de A se e só se det(A) = 0.

ii) A é invertível se e só se λ = 0 não for valor próprio de A.

101
Demonstração. Exercício.

Exercícios
6. Seja A uma matriz tal que det(A) = 1. Justifique que:
a) A é invertível.
b) A -1 = adj(A).

7. Para cada uma das seguintes matrizes reais determine todos os valores
próprios, espaços próprios, respectivas bases e dimensão:

n
⎡ 1 1 0⎤ ⎡ 2 −1 1⎤
⎡ 2 0⎤ ⎢ ⎥ ⎢
a) A = ⎢ ⎥ b) A = 0 1 0 c) A = 0 3 −1⎥⎥ .

io
⎢ ⎥ ⎢
⎣ −1 −1⎦ ⎢⎣ 0 0 2 ⎥⎦ ⎢⎣ 2 −1 3⎥⎦

rs
8. Para cada uma das seguintes matrizes complexas determine todos os

⎡ i 2⎤
a) A = ⎢ ⎥
⎡ 2
⎢
b) A = 1
0 0⎤
ve
valores próprios, espaços próprios, respectivas bases e dimensão:

0 −1⎥⎥ .
⎢
e
⎣ 1 −i ⎦ ⎢⎣ 1 1 0 ⎥⎦
bl

Teorema
ta

Os valores próprios de uma matriz triangular superior (inferior) são os

rin

elementos da diagonal principal.

Demonstração. Exercício.
p

Teorema
n-

Seja A ∈ M n×n (k) . Se λ é valor próprio de A então αλ é valor próprio de

αA, α ∈ \{0} .
no

Demonstração. Exercício.

Teorema
Seja A ∈ M n×n (k) invertível. Se λ é um valor próprio de A então λ −1 é

valor próprio de A -1 .
Demonstração. Exercício.

102
Teorema
Seja A ∈ M n×n (k) . Se λ é valor próprio de A associado ao vector próprio u

então λ n é valor próprio de A n associado ao vector próprio u.

Demonstração. Exercício.

Exercícios
9. Seja A uma matriz quadrada de ordem 3 tal que det(A) = 6. Sabendo
que 1 e 3 são valores próprios de A, determine:
a) O outro valor próprio da matriz A.

n
b) tr(A).

io
c) Os valores próprios de A -1.
d) Os valores próprios de A5.

rs
⎡ 4 0 1⎤
10. Para cada uma das matrizes A =⎢
ve
⎡ 3 0⎤
⎥ e
⎣ 8 −1⎦
⎢
B = −2
⎢
⎢⎣ −2
1
0
0 ⎥⎥
1⎥⎦
e
determine:
a) A equação característica.
bl

b) Os valores próprios.
ta

c) Os espaços próprios e respectivas bases.

rin

⎡ 3 0 0⎤
⎢
11. Considere a matriz A = −2 7 0 ⎥⎥ .
⎢
⎢⎣ 4 8 1⎥⎦
p

a) Indique os valores próprios da matriz sem efectuar cálculos.

n-

b) Determine os valores próprios da matriz A recorrendo à equação

característica e compare os resultados.
no

c) Determine os valores próprios da matriz A 5 .

12. Determine os valores próprios e os respectivos espaços próprios de A14

sabendo que

⎡ −1 −2 −2 ⎤
⎢
A= 1 2 1⎥⎥ .
⎢
⎢⎣ −1 −1 0 ⎥⎦

103
13. Mostre que a equação característica de uma matriz 2×2 pode ser
expressa na forma λ2 - tr(A)λ + det(A) = 0.

Teorema
Vectores próprios associados a valores próprios distintos são linearmente
independentes.

Exercícios

n
⎡ 2 0 0⎤
⎢
14. Considere a matriz A = 2 2 1 .
⎥

io
⎢ ⎥
⎢⎣ 1 1 2 ⎥⎦

rs
a) Determine todos os valores próprios de A.
b) Use o teorema anterior e o facto de que Au = λu, para encontrar bases

⎡ 2 −1 1⎤
ve
para cada um dos espaços próprios sem os determinar.
e
⎢
15. Consideremos a matriz A = 0 1 1⎥⎥ .
⎢
bl

⎢⎣ −1 1 1⎥⎦

a) Mostre que λ = 1 e λ = 2 são valores próprios de A.

ta

⎡1 ⎤ ⎡ −1⎤ ⎡ 2⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
rin

b) Verifique que X = 1 , Y = −1 e W = 2 são vectores próprios

⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ 0 ⎥⎦ ⎢⎣ 0 ⎥⎦ ⎢⎣ 0 ⎥⎦
p

⎡0⎤
⎢ ⎥
associados ao valor próprio λ = 4 e que Z = −1 é vector próprio
n-

⎢ ⎥
⎢⎣ −1⎥⎦
no

associado ao valor próprio λ = 2.

16. Seja A uma matriz idempotente de ordem n, isto é, A2 = A. Justifique

que det(A) = 0 ou det(A) = 1.

⎡ 2 1 1⎤
⎢
17. Seja A = 2 3 4 ⎥⎥ .
⎢
⎢⎣ −1 −1 −2 ⎥⎦

104
 a) Verifique que 1 é valor próprio da matriz A.
b) Sem utilizar directamente o polinómio característico calcule os outros
valores próprios da matriz A.

⎡ 5 −1 7⎤
⎢
18. Seja A = −1 −1 1⎥⎥ , a ∈ .
⎢
⎢⎣ a 1 5⎥⎦

a) Determine a de modo a que a matriz admita o valor próprio 12.

b) Para o valor encontrado na alínea anterior calcule os outros valores

n
próprios da matriz, sem utilizar a equação característica.

io
Teorema de Cayley-Hamilton

rs
Se A é uma matriz quadrada de ordem n, com entradas em k então A
satisfaz a equação característica, isto é, se p(λ) = a0 λ n + a1λ n −1 + + an −1λ + an é

ve n−1
o polinómio característico de A então p(A) = a0A + a1A +
n
+ an−1A + anI = 0n×n.
e
Exercícios

⎡ −4
bl

6⎤
19. Considere a matriz A = ⎢
5⎥⎦
.
⎣ −3
ta

a) Determine o polinómio característico de A.

b) Verifique que A satisfaz a equação característica.
rin

c) Use o resultado da alínea anterior para calcular A -1 .

p

⎡ 2 0 0⎤
⎢ ⎥
n-

20. Considere a matriz A = 2 2 1 .

⎢ ⎥
⎢⎣ 1 1 2 ⎥⎦
no

a) Determine o polinómio característico de A.

b) Verifique que A satisfaz a equação característica.

c) Use o resultado da alínea anterior para calcular A -1 .

105
6.2 Diagonalização

As matrizes diagonais pela sua estrutura permitem efectuar cálculos de um

modo muito simples e obter propriedades particulares.
Por exemplo se

⎡ d1 0 0⎤ ⎡ e1 0 0⎤
⎢
D= 0 d2 0 ⎥⎥ ⎢
e E = 0 e2 0 ⎥⎥
⎢ ⎢
⎢⎣ 0 0 d3 ⎥⎦ ⎢⎣ 0 0 e3 ⎥⎦

n
então

io
⎡ d1e1 0 0 ⎤ ⎡ d1m 0 0⎤
⎢ ⎢ ⎥
0 ⎥⎥ ,

rs
DE = 0
⎢ d 2 e2 Dm = ⎢ 0 dm
2 0 ⎥, det(D) = d1d 2 d3 .
⎢⎣ 0 0 d 3e3 ⎥⎦ ⎢0 0 d3m ⎥⎦
⎣

ve
Tem pois interesse estudar em que medida é possível relacionar uma matriz
quadrada com uma determinada matriz diagonal.
e
bl

Definição
Duas matrizes A e B, de ordem n, dizem-se semelhantes se existir uma
ta

matriz P, de ordem n, invertível tal que B = P -1AP .

rin

Teorema
Sejam A e B duas matrizes semelhantes de ordem n então:
p

i) A e B têm o mesmo traço.

n-

ii) A e B têm a mesma característica.

no

Teorema
Sejam A e B duas matrizes semelhantes de ordem n então:
i) A e B têm o mesmo determinante.
ii) A e B têm a mesma equação característica.
iii) A e B têm os mesmos valores próprios.
iv) Se u é um vector próprio de A associado ao valor próprio λ então P -1u
é vector próprio de B associado ao valor próprio λ.
Demonstração

106
 1
i) Como B = P -1AP temos |B|=| P -1AP |=| P -1 ||A||P|= |A||P|=|A|.
P

ii) Consideremos a equação característica de B,

0 = |B - λI|

= | P -1AP - λI|

= | P -1AP - λ P -1 IP|

= | P -1 (A - λI) P|

= | P -1 | |A - λI| | P|
= |A - λI|,

n
donde concluímos que A e B têm a mesma equação característica.

io
iii) Consequência de ii).
iv) Se u é um vector próprio de A associado ao valor próprio λ então

rs
Au = λu ⇒ P -1 A P P -1 u = P -1 λ u

⇒ ( P -1 A P) ( P -1 u) = λ ( P -1 u)

⇒ B( P -1 u) = λ ( P -1 u),
ve
ou seja, P -1 u é vector próprio de B associado ao valor próprio λ.
e
bl

Exercício
21. Considere os seguintes pares de matrizes:
ta

⎡ 1 1⎤ ⎡ 1 0⎤
A =⎢ ⎥ , B =⎢ ⎥;
rin

⎣ 0 2⎦ ⎣ 1 2⎦
⎡ 1 1 0⎤ ⎡ 1 1 1⎤
⎢ ⎥ ⎢
C= 0 1 1 ,D= 1 1 0 ⎥⎥ ;
p

⎢ ⎥ ⎢
⎢⎣ 0 0 1⎥⎦ ⎢⎣ 1 −1 1⎥⎦
n-

⎡ −2 1 −3⎤ ⎡ 1 1 0⎤
⎢
E = −1 − 1 1⎥⎥ , F = ⎢⎢ 0 −1 1⎥⎥ ;
no

⎢
⎢⎣ 1 −1 2 ⎥⎦ ⎢⎣ 0 0 −1⎥⎦

⎡ 1 0 −1 1⎤ ⎡ 2 −1 0 0⎤
⎢ 0 1 −1 ⎥
1⎥ ⎢ 2 0 0 0 ⎥⎥
G =⎢ , H =⎢ .
⎢ 1 0 0 1⎥ ⎢ 0 −1 2 −1⎥
⎢ ⎥ ⎢ ⎥
⎣ 1 −2 1 0⎦ ⎣ −1 0 2 0⎦
a) Indique quais os pares que são semelhantes.
b) Nos casos de semelhança determine a matriz não singular P que verifica
a definição de matrizes semelhantes.

107
Definição
Uma matriz A de ordem n diz-se diagonalizável se for semelhante a uma
matriz diagonal D, ou seja, se existir uma matriz P de ordem n e

invertível tal que D = P -1 A P. Neste caso dizemos que P é uma matriz

diagonalizante.

Teorema
Seja A uma matriz quadrada de ordem n. Se A tiver n valores próprios

n
distintos então A é diagonalizável.

io
Teorema

rs
Se λ é um valor próprio de A de multiplicidade m então dim(E(λ)) ≤ m.

Exercício
ve
22. Seja A uma matriz de ordem 6 com equação característica
e
λ2(λ - 1)(λ - 2)3 = 0.
bl

a) Indique todos os valores próprios de A e as respectivas

multiplicidades algébricas.
ta

b) Sabendo que a cada valor próprio corresponde um espaço próprio diga

quais as dimensões possíveis para os espaços próprios.
rin

Algoritmo para a diagonalização

p

Dada uma matriz A de ordem n,

n-

1) Determine os valores próprios de A;

2) Determine os espaços próprios e as respectivas bases e dimensões;
no

3) Determine (se possível) n vectores próprios linearmente independentes, u1,

u2, ..., un;

⎡ ⎤
4) Construa a matriz P = ⎢⎢[u1 ] [ u2 ] [un ]⎥⎥ ;
⎢⎣ ⎥⎦

5) Deste modo a matriz P -1 AP é diagonal e as entradas da diagonal são os

valores próprios correspondentes aos vectores próprios u1, u2, ..., un, por
esta ordem.

108
Observação
No processo de diagonalização de uma matriz A ∈ M n×n (k) podemos

considerar três casos:

1. A matriz A tem n valores próprios distintos.

Neste caso existem n vectores próprios linearmente independentes
associados aos n valores próprios e deste modo a matriz A é
diagonalizável. (Ver exercício 23 )

n
2. A matriz A não tem n valores próprios distintos.

io
2.1 A soma das dimensões dos espaços próprios é n.
Neste caso temos n vectores próprios linearmente independentes, logo

rs
a matriz é diagonalizável. (Ver exercício 24)
2.2 A soma das dimensões dos espaços próprios é inferior a n.

ve
Neste caso não temos n vectores próprios linearmente independentes,
logo a matriz não é diagonalizável. (Ver exercício 25)
e
Exercícios
bl

⎡ 1 1 2⎤
23. Diga se a matriz A =
⎢ 0 −2 1⎥⎥ é diagonalizável e em caso afirmativo
ta

⎢
⎣⎢ 0 0 −1⎦⎥
rin

determine uma matriz diagonalizante.

⎡ 1 0 0⎤
p

24. Diga se a matriz A =

⎢ 1 2 0 ⎥⎥ é diagonalizável e em caso afirmativo
⎢
n-

⎢⎣ −3 0 2 ⎥⎦
determine uma matriz diagonalizante.
no

⎡ 3 1 0⎤
⎢ ⎥
25. Diga se a matriz A = 0 3 1 é diagonalizável e em caso afirmativo
⎢ ⎥
⎣⎢ 0 0 3⎥⎦
determine uma matriz diagonalizante.

Teorema
Seja A uma matriz quadrada de ordem n. Então:

109
i) A e AT têm o mesmo polinómio característico.
ii) A e AT têm os mesmos valores próprios.
Demonstração
i) Consideremos o polinómio característico de A, p(λ) = | A - λI|.
Atendendo a que
p(λ) = | A - λI|
= | (A - λI) T |
= | A T - λI T |
= | A T - λI |,

n
ou seja, p(λ) é o polinómio característico de AT, concluímos que A e AT têm

io
o mesmo polinómio característico.
ii) Consequência da alínea anterior.

rs
Exercícios

⎡ 1 0 0⎤
⎢ ⎥
⎡ 5 0 0⎤
⎢
26. Sejam A = 0 1 1 e B = 0
⎢ ⎥
⎢⎣ 0 1 1⎥⎦
⎢ 6 −2 ⎥⎥ .
⎢⎣ 0 −2 9 ⎥⎦
ve
e
a) Calcule os valores próprios de A e B e os respectivos espaços
bl

próprios.
ta

b) Determine matrizes não singulares P e S tais que P -1 AP e S-1 BS

sejam matrizes diagonais.
rin

⎡ 0 0 1⎤
⎢ ⎥
p

27. Considere a matriz A = 0 1 0 .

⎢ ⎥
⎢⎣ 1 0 0 ⎥⎦
n-

a) Verifique que os valores próprios de A são 1 e -1.

no

b) Encontre dois vectores próprios linearmente independentes associados

ao valor próprio 1.

c) Construa uma matriz P tal que P -1 AP seja uma matriz diagonal.

⎡ 1 0⎤ ⎡ 1 0⎤
28. Verifique que as matrizes A = ⎢ ⎥ e B = ⎢ 0 1⎥ têm os mesmos valores
⎣ 1 1⎦ ⎣ ⎦
próprios mas não são semelhantes.

110
29. Sejam A e B matrizes semelhantes. Mostre que se A e P são
matrizes ortogonais então B também é uma matriz ortogonal.

⎡ 3 −1⎤ ⎡ 1 3⎤
30. Considere as matrizes A = ⎢ ⎥ e B =⎢ ⎥.
⎢⎣ 1 3 ⎥⎦ ⎢⎣ 3 −1⎥⎦
a) Diga, justificando, se A e B são matrizes semelhantes.
b) Calcule os valores próprios das matrizes A e B.

31. Determine uma matriz P que diagonalize a matriz A e a

n
correspondente matriz D tal que D = P -1 AP.

io
⎡ 1 0 0⎤ ⎡ 2 0 −2 ⎤
⎡ 1 0⎤ ⎢ ⎥ ⎢
a) A = ⎢ ⎥ b) A = 0 1 1
⎢ ⎥
c) A = 0
⎢ 3 0 ⎥⎥ .

rs
⎣ 6 −1⎦ ⎢⎣ 0 1 1⎥⎦ ⎢⎣ 0 0 3⎥⎦

32. Sejam A = ⎢
⎡ 6 2⎤
⎥
⎣ 4 −1⎦
e B =⎢
⎡
⎣
1 0⎤ve
4 −14 ⎥⎦
. Verifique que A e B são
e
diagonalizáveis mas que a matriz AB não é.
bl

33. Seja A uma matriz quadrada de ordem n. Mostre que A é

ta

diagonalizável se e só se A T for diagonalizável.

rin

6.3 Exercícios (Aulas Práticas)

p
n-

1. Para cada uma das matrizes seguintes determine todos os valores

no

próprios e as respectivas multiplicidades algébricas, bem como os espaços

próprios e as respectivas bases e dimensões.

⎡3 1 1 ⎤ ⎡ 1 2 2⎤ ⎡1 1 0 ⎤
⎡ 2 2⎤ ⎡ 4 2⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
a) ⎢ ⎥ b) ⎢ ⎥ c) 2 4 2 d) 1 2 − 1 e) 0 1 0 .
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ 1 3⎦ ⎣3 3 ⎦ ⎢⎣ 1 1 3 ⎥⎦ ⎢⎣ −1 1 4 ⎥⎦ ⎢⎣0 0 1⎥⎦

2. Para cada matriz do exercício anterior, verifique que o traço da matriz é a

soma dos valores próprios e que o determinante é o produto dos valores
próprios (tendo em conta a multiplicidade algébrica).

111
 ⎡ 2 − 1⎤ ⎡3 − 1 ⎤
3. Considere as matrizes A = ⎢ ⎥ e B=⎢ ⎥ . Determine todos os
⎣1 4 ⎦ ⎣13 − 3⎦
valores próprios e os respectivos espaços próprios.

4. Para as seguintes transformações lineares determine os valores próprios,

os espaços próprios e as respectivas bases.

a) T : 2
→ 2
definida por: T(x, y)=(3x+3y, x+5y)

b) T : 2
→ 2
definida por: T( x, y ) = ( y, − x)

n
3
→ 3
definida por: T( x, y, z ) = ( x + y + z , 2 y + z , 2 y + 3 z )

io
c) T :

d) T : 3
→ 3
definida por: T( x, y, z ) = ( x + y, y + z , − 2 y − z )

rs
⎡ −4 0 − 2⎤
⎢
5. Mostre que A = 0
⎢
⎢⎣ 5 1 3 ⎥⎦ ve
1 0 ⎥⎥ não é diagonalizável.
e
6. Averigúe se as matrizes do exercício 1. são diagonalizáveis e, em caso
bl

afirmativo, determine duas matrizes diagonalizadoras.

ta

7. Determine α , β , γ , δ ,θ e μ de modo que os vectores u=(1,1,1), v=(1,0,-1)

rin

⎡1 1 1 ⎤
e w=(1,-1,0) de 3 ⎢
sejam vectores próprios da matriz: A = α β γ .
⎥
⎢ ⎥
⎢⎣δ θ μ ⎥⎦
p
n-

8. Uma matriz quadrada com valores próprios distintos é diagonalizável.

⎡−1 1 1 ⎤
no

⎢
Mostre que o recíproco não é verdadeiro, recorrendo à matriz A = 1 −1 1 .
⎥
⎢ ⎥
⎢⎣ 1 1 −1⎥⎦

⎡ 1 − 1 − 1⎤
⎢
9. Considere a matriz A = 1 3 1 ⎥⎥ .
⎢
⎢⎣ −1 − 1 1 ⎥⎦

a) Verifique que 1 é valor próprio de A associado ao vector próprio

112
 (-1, 1, -1) e além do valor próprio 1, a matriz A possui o valor próprio
2 com multiplicidade algébrica igual a 2.

b) Indique uma matriz invertível P tal que P −1 AP seja diagonal, caso

tal matriz exista.

10. Estude para cada alínea o resultado traduzido pelo teorema seguinte: "A
dimensão de um subespaço próprio E (λ ) , não excede a multiplicidade

algébrica de λ ".

⎡ 1 0 0⎤
⎡3 1⎤ ⎢ ⎥

n
a) A = ⎢ b) A = −1 0 0 .
⎣0 3⎥⎦ ⎢ ⎥
⎢⎣ 1 1 1 ⎥⎦

io
rs
11. Seja A uma matriz quadrada de ordem 3 tal que det(A) = 12. Sabendo
que 1 e 3 são valores próprios de A, determine:
a) O outro valor próprio da matriz A.
b) tr(A).
ve
e
c) Os valores próprios de A -1 .

d) Os valores próprios de A 25 .
bl
ta

12. Sabendo que A ∈ M 3×3 ( ) e que:

a) os valores próprios de A são inteiros, um dos valores próprios de A

rin

tem multiplicidade algébrica 2, det(A)=10 e tr(A)=8, calcule todos os

valores próprios de A.
p

b) tr(A)=8, det(A)=10 e 1024 é valor próprio de A10 , determine todos os

n-

valores próprios de A.
no

⎡1 1⎤
f (λ ) = λ 4 − 3λ 3 + λ 2 + 4 e a matriz A = ⎢
3⎥⎦
13. Considere o polinómio .
⎣ −1
Verifique que f ( A) = 0 . Determine a equação característica de A e mostre
que A satisfaz a equação característica.

113
 ⎡ 4 −1 −2 ⎤
⎢
14. Considere a matriz A = 0 1 0 ⎥⎥ . Use o Teorema de Cayley-Hamilton
⎢
⎢⎣1 −1 1 ⎥⎦

para:

a) Calcular A−1 .
b) Determinar − A4 + 6 A3 − 11A2 + 4 I .

n
io
rs
ve
e
bl
ta
p rin
n-
no

114
Apêndice A Números Complexos

A.1 Introdução

n
Sabendo que os números são “utensílios” inventados pelos Matemáticos para

io
melhor resolver problemas, não nos surpreende que os números complexos
tenham surgido da necessidade de resolução de equações.

rs
Consideremos a equação do 2º grau x2 +1=0.

ve
Chamaremos unidade imaginária, i , ao número (não real) tal que i2 = -1.
e
Nota
bl

Os únicos valores possíveis para as potências in, n ∈ são 1, -1, i e -i.

ta

Exercício
rin

1. Determine os valores das seguintes potências de i:

a) i3 b) i4 c) i52 e) i1024.
p

Definição
n-

Um número complexo é um par ordenado de números reais denotado por

a + bi.
no

Notação
Denotamos por , o conjunto dos números complexos

={ z = a + bi , a, b∈ }.

Definição
Dado um número complexo z = a + bi , escrito na forma algébrica, dizemos
que:

115
i) a é a parte real de z e escrevemos Re(z) = a
ii) b é o coeficiente da parte imaginária e escrevemos Im(z) = b.

Exercício
2. Dados z1 = 2 +3i, z2 = -1, z3= 2-5i e z4= 0, indique:
a) Re(z1) b) Im(z2) c) Im(z3) d) Im(z4).

Notas
1) Se Re(z)=0 então dizemos que z é um imaginário puro.
2) Se Im(z)=0 então dizemos que z é um número real.

n
io
Definição (Igualdade de complexos na forma algébrica)

rs
Dizemos que dois números complexos são iguais se tiverem iguais partes
reais e iguais coeficientes das partes imaginárias. Assim, dados z1 = a1 + b1i

e z 2 = a 2 + b2i ,
ve
⎧a = a 2
z1 = z2 se e só se ⎨ 1
⎩b1 = b2
.
e
bl

Exercício
3. Considere os complexos z1 = (3a+2) + (3b-1)i e z2 = (b+1) - (a+2-b)i.
ta

a) Determine os valores reais de a e b tais que z1= z2.

rin

b) Escreva as partes reais e as partes imaginárias dos complexos z1 e z2.

No fim do século XVIII, início do século XIX, Argand teve a ideia de

p

representar um número complexo a+bi , por um ponto (a, b), num plano
n-

munido de um referencial ortonormado.

no

Assim, consideremos um referencial ortonormado 0, i , j ( )

eixo imaginário

b P(a,b)

a eixo real

116
Ao plano chamamos plano de Argand e ao ponto P chamamos imagem ou
afixo de z.

Exercício
4. Represente no plano de Argand as imagens dos complexos z1= 1+3i ,

z2= − 1 − 5 i , z3 = -2i e z4 = -4.

2 2

n
A.2 Operações com Números Complexos

io
rs
Definição (Adição de números complexos)

ve
Dados dois complexos z1 = a1 + b1i e z 2 = a 2 + b2i definimos

z1 + z 2 = a1 + a2 + (b1 + b2 ) i .
e
Exercício
bl

5.Efectue as operações seguintes e apresente o resultado na forma algébrica:

a) (3 + i) + (4+2i) b) (2-3i) - (4+5i) c) (-1+2i) - (-6-3i).
ta

Propriedades
rin

Para todos os números complexos z e w temos:

i) Re(z + w) = Re(z) + Re(w)
p

ii) Im(z + w) = Im(z) + Im(w).

n-

Demonstração. Exercício.
no

Definição
Dado um complexo z = a + bi , chamamos simétrico de z ao complexo
-z = −a − bi .

Exercício
6. Represente no plano de Argand o afixo de cada um dos seguintes
números complexos:
a) z1 = -2 - i b) z2 = -3i c) z3 = z1+ z2 d) z4 = - z2.

117
Definição (Multiplicação de números complexos)
Dados dois complexos z1 = a1 + b1i e z 2 = a 2 + b2i definimos

z1.z 2 = a1a 2 − b1b2 + (a1b2 + a2b1 ) i .

Exercícios
7. Dados z = 2-3i e w = -1+ i calcule z.w.

8. Resolva as seguintes equações:

n
a) x - 4i = (2 - i)2 b) (2 + xi)(3-2i) = 12 +5i

io
c) (2 + xi)2 = 4 d) (2+xi)(2-xi) = 5.

rs
9. Escreva na forma algébrica os seguintes complexos:
a) (2-3i)-2(2-3i)+9 b) (1-i)2.(2+i)2 c) (2-i)3 d) (1+i)4.

Propriedades
Para todo os número complexo z temos:
ve
e
i) Im(iz) = Re(z)
bl

ii) Re(iz) = -Im(z)

iii) Re(kz) = kRe(z), k∈ℜ
ta

iv) Im(kz) = kIm(z), k∈ℜ.

rin

Demonstração. Exercício.

Definição
p

Dado um número complexo z = a + bi , chamamos conjugado de z ao

n-

complexo
z = a − bi .
no

Definição
Dado um complexo z = a + bi , chamamos módulo de z, ao número real

z = a 2 + b2 .

Exercício
10. Determine o módulo de cada um dos seguintes complexos:
a) 3 - 4 i b) 2 + i c) -2 d) i.

118
Definição (Divisão de números complexos)

Dados dois complexos z e w, (w≠0) para obtermos o quociente z na forma

w
algébrica temos de multiplicar o numerador e o denominador da fracção pelo

conjugado do denominador, isto é, z = z .w = 1 2 z .w .

w w.w w

Propriedades (Conjugado)
Para todos os números complexos z e w temos:

n
i) z + z = 2Re(z)

io
ii) z - z = 2Im(z)i

rs
iii) z = z
iv) z + w = z + w
v) z .w = z . w

(w )
vi) z = z , w≠0.
w
ve
e
Demonstração. Exercício.
bl

Propriedades (Módulo)
ta

Para todos os números complexos z e w temos:

i) z ≥ 0
rin

ii) z .w = z . w

z
p

iii) z = , w≠0
w w
n-

iv) z + w ≤ z + w (Desigualdade Triangular)

no

Demonstração. Exercício.

Exercícios
11. Escreva na forma algébrica os seguintes complexos:

a) 3 + 2i b) 3 − 2i − 3 − 7i .
2 + 5i 1+ i 1− i

12. Determine todos os complexos z que satisfazem as seguintes equações:

a) iz-(1 + i)2 = 3 - i b) z2 = 1

119
 c) z(2 - i) = z +(3+2i) d) z(2 - i)=( z +1)(1+ i).

13. Resolva a equação z + z =4 e interprete geometricamente a solução.

(solução: z=2 + yi, y∈ℜ)

14. Determine o complexo z =x + yi de forma a que z2 + 2z-3 seja um

número real. (solução: x = -1 ∨ y=0)

n
A.3 Resolução de Equações

io
rs
Seja P(z) = an z n + an −1z n −1 + + a1z + a 0 , an , ,a 0 ∈ um polinómio complexo
de coeficientes reais. Assim temos a seguinte proposição:

Proposição
ve
Se z0 é raiz do polinómio P(z), (isto é, P(z0) = 0) então existe um polinómio
e
Q(z) tal que P(z) = (z - z0)Q(z), para todo o número complexo z.
bl
ta

Proposição
Seja P(z) um polinómio complexo de coeficientes reais. Se a equação P(z)=0
rin

admite uma solução z0, não real, então z 0 também é solução da equação.
Demonstração

+ a1z + a 0 . Calculemos P ( z 0 ) de dois modos

p

Seja P(z) = an z n + an −1z n −1 +

n-

distintos. Por um lado,

P( z0) = an z 0n + an −1z0n −1 + + a1z 0 + a0 (o conjugado da soma é igual à soma dos conjugados)

no

= an z0n + an −1z0n −1 + + a1z0 + a0 (o conjugado do produto é igual ao produto dos conjugados),

(o conjugado de um número real é o próprio número)

n n −1
= an z 0 + an −1 z 0 + + a1 z 0 + a 0

( )
=P z 0 .

Por outro lado, como z0 é solução da equação P(z) = 0 temos P(z0) = 0, donde

( )
P ( z 0 ) = 0 =0. Assim, podemos concluir que P z 0 =0, ou seja, z 0 é solução da

equação P(z) = 0.

120
Teorema Fundamental da Álgebra
Toda a equação polinomial de grau n com coeficientes reais tem exactamente
n raízes, que podem ser reais ou complexas. Mais ainda, as raízes complexas
aparecem sempre em pares conjugados.

Exercícios
15. Resolva em as seguintes equações:
a) z2 + 4 = 0 (solução: z=2i ∨ z=-2i)
(solução: z=1+ i ∨ z=1- i).

n
b) -z2 +2z - 2 = 0

io
16. Considere a equação z4 - z3 + 2z2 - z + 1=0.

rs
a) Verifique que i e -i são soluções da equação.
b) Determine o polinómio complexo de coeficientes reais, Q(z), tal que

(Sugestão: Use a Regra de Ruffini)

c) Resolva em a equação dada.
ve
z4 - z3 + 2z2 - z + 1= (z2 +1)Q(z)
e
(Solução: z = i ∨ z = -i ∨ z = 1 + 3 i ∨ z = 1 − 3 i ).
2 2 2 2
bl
ta

A.4 Representação Trigonométrica de Números Complexos

p rin

Consideremos num referencial ortonormado 0, i , j ( ) o complexo z = a + bi

n-
no

P ( a, b )
b = z senθ
z
θ

O a = z cosθ

121
Definição
Dado um complexo z = a + bi , não nulo, chamamos argumento de z, arg(z),
à medida em radianos do ângulo θ (ângulo que a semi-recta OP faz com o
sentido positivo do eixo real).

Repare-se que dados z e arg(z) ficamos com o afixo de z univocamente

determinado. No entanto as coordenadas ( z ,θ) e ( z , θ+2kπ), k ∈ Z ,

representam o mesmo afixo. Assim é necessário restringir os argumentos,

donde temos:

n
io
Definição
Seja z um número complexo e θ +2kπ, k ∈ Z , a expressão geral dos

rs
argumentos de z.
i) Chamamos argumento principal ao único argumento de z pertencente ao
intervalo ]-π, π].
ve
ii) Chamamos argumento positivo mínimo ao único argumento de z
e
pertencente ao intervalo ]0, 2π].
bl

Nota
ta

Se z = 0, então z = 0 e o argumento de z é indeterminado. Dizemos que z

tem argumento arbitrário.

rin

Exercício
p

17. Determine o módulo e o argumento principal dos seguintes complexos:

n-

a) -2 -2i b) 3 -3i c) - 3 + i

d) -i e) -7i f) -4 + 3 i.
no

Da figura anterior, podemos concluir que todo o complexo z = a + bi , não

nulo, com módulo ρ (= z ) e argumento θ pode escrever-se na forma

z = ρ cos(θ) +ρ sin(θ) i.

Notação
i) cisθ = cosθ + i sinθ
iθ
ii) e = cosθ + i sinθ (forma de Euler).

122
Assim todo o número complexo, não nulo, pode representar-se na forma
z=ρcisθ a que chamamos forma trigonométrica ou forma polar do
complexo z.

Exercícios
18. Represente na forma trigonométrica os seguintes complexos:
a) 3 -3i b) -3i c) -6 + 6i
d) - 3 + i e) 2 f) 1 + 3 i.

n
19. Represente na forma algébrica os seguintes complexos:

io
( )
a) 3 cis − π
6
b) 3 eπi c) cis 5π
4

rs
d) 2cis 9π
4
e) 2 cis − π
4 ( ) ( )
f) 2 3 cis − 2π .
6

Igualdade de complexos na forma trigonométrica

ve
Dados dois complexos z1 = ρ1 cisθ1 e z2 = ρ2 cisθ2 dizemos que
e
⎧ ρ1 = ρ2
bl

z1 = z2 se e só se ⎨ .
⎩θ1 = θ2 + 2kπ , k ∈
ta

Exercícios
rin

20. Determine a>0 e θ de modo que os complexos z = a + ai e w = 2 cisθ

sejam iguais. (Solução: a=1 ∧ θ = π + 2kπ , k ∈ Z ).

4
p
n-

21. Sendo z = ρ cisθ prove que z = ρ cis ( -θ ) .

no

22. Represente na forma trigonométrica o conjugado de cada um do

complexos:

a) -3 b) 2i ( )
c) 2cis − π .
3

Fórmula de Moivre para a Multiplicação

Se z1 = ρ1 cisθ1 e z2 = ρ2 cisθ2 então z1 z2 = ρ1 ρ2 cis(θ1+θ2).

123
Exercícios

3 ( )
23. Sendo z1 = 3 cis − π , z2 = 2 cis π e z3 = cis 5π calcule:
2 6
a) z1 z2 b) z2 z3 c) z1 z2 z3.

24. Use a fórmula de Moivre para a multiplicação para provar que:

a) cos(θ1+θ2) = cos(θ1)cos(θ2) - sin(θ1)sin(θ2)
b) sin(θ1+θ2) = sin(θ1)cos(θ2) + sin(θ2)cos(θ1).

25. Sendo z = ρ cisθ prove que - z = ρcis(θ+π). ( Sugestão: -z = (-1).z ).

n
io
Fórmula de Moivre para o Quociente

rs
z1 ρ1
Se z1 = ρ1 cisθ1 e z2 = ρ2 cisθ2 então = cis(θ1-θ2).
z 2 ρ2

Exercícios
ve
e
26. Sendo z = ρ cisθ prove que z -1 = 1 cis(-θ).
ρ
bl

27. Represente na forma trigonométrica cada um dos seguintes complexos:

ta

2cis π −cis π
a) 3 b) −2 c) 6
(
d) 2cis 5π ) (3cis (- 23π )) .
rin

4cis π
2 cis(-π ) 2cis π 6
3 4
p

Fórmula de Moivre para a Potenciação

n-

Se z = ρ cisθ então z n = ρ n cis(nθ) , n ∈ Z , (z≠0).

no

Exercícios

28. Seja z = 2cis 5π e w = 2 3 -2i. Calcule e apresente na forma algébrica

3
cada um dos seguintes números complexos:

( wz ) ( )
7
. ( −z 2 ) .
4 −3
a) z4 b) c) z1

29. Escreva na forma algébrica os complexos seguintes:

124
 ( )
4
a) ( −1 − 3i ) b) 2 + 2i c) (1 + i ) d) (1 − i ) .
6 8 10
2 − 2i

30. Use as fórmulas de Moivre para provar que:

a) cos(2θ) = cos2θ - sin2θ.
b) sin(2θ) = 2sin(θ)cos(θ).

Fórmula de Moivre para a Radiciação

Se z = ρ cisθ, não nulo, então z tem exactamente n raízes de índice n

n
dadas por:

ρ cis θ +2kπ , k = 0, 1,..., n − 1 .

io
n
n

rs
Exercícios
31. Determine e represente geometricamente:
a) As raízes quartas da unidade.
b) As raízes sextas da unidade.
ve
e
32. Resolva em as seguintes equações e represente geometricamente as
bl

soluções:
ta

a) z3 = 8 b) z4 = 16 c) z3 - z = 0.
rin

33. Determine todos os números complexos z tais que:

a) z4 = -1 b) z3 = -27i c) z6 = -64 d) z4 = 2 ( 3i − 1) .
p
n-

A.5 Interpretação Geométrica de Condições Envolvendo Números

no

Complexos

z − z1 = r, r ∈ +,

representa o conjunto dos pontos do plano cuja distância ao afixo de z1 é r,

ou seja, representa a circunferência de centro no afixo de z1 e raio r.

z − z1 < r, r ∈ +,

125
representa o conjunto dos pontos do plano cuja distância ao afixo de z1 é
inferior a r, ou seja, representa o conjunto dos pontos interiores à
circunferência de centro no afixo de z1 e raio r.

z − z1 > r, r ∈ +,

representa o conjunto dos pontos do plano cuja distância ao afixo de z1 é

superior a r, ou seja, representa o conjunto dos pontos exteriores à
circunferência de centro no afixo de z1 e raio r.

n
z − z1 = z − z 2 ,

io
representa o conjunto dos pontos do plano equidistantes dos afixos de z1 e
de z2, ou seja, a mediatriz do segmento definido pelos afixos de z1 e de z2.

rs
z − z1 < z − z 2 ,

ve
representa o conjunto dos pontos do plano cuja distancia ao afixo de z1 é
menor do que a distancia ao afixo de z2,ou seja, o semiplano definido pela
e
mediatriz, ao qual pertence o afixo de z1.
bl

Arg(z)=θ,
ta

representa a semi-recta com origem na origem do referencial que faz um

ângulo de medida θ com o semieixo real positivo.
rin

Arg(z- z1)=θ,
p

representa a semi-recta com origem no afixo de z1 e que forma um ângulo de

medida θ com a semi-recta de origem no afixo de z1 e é paralela ao semieixo
n-

real positivo.
no

Exercícios
34. Identifique as imagens dos complexos z tais que:
a) z + 1 + 2i = 2 b) z + 2 − i ≤ 3 c) z + 2 − 4i = 2i − z .

35. Represente no plano de Argand os conjuntos dos pontos definidos pelas

condições:
a) Im(z+2-3i)≤ 2 ∧ z − 3i ≤ 3 b) 1≤ z − 1 ≤2 ∧ 1≤ z + 1 ≤2

126
 c) − π ≤ Arg(z-1+i) ≤ π d) z + i > 2 ∧ Arg(z + i) = π
4 4 4

e) z − 2 − 2i ≤ 2 ∧ Im(z) ≤ Re(z) ∧ Re(z) ≤ 3 f) z + i = 1

z −2

A.6 Exercícios (Aulas Práticas)

1. Considere os complexos z =1- 2i e w= -5 +3i. Escreva na forma a + bi os

n
seguintes complexos:

io
a) z + w b) 4z - 5w c) z.w

b) z2 - 1 e) 23 f) z

rs
z z w

real e w seja um imaginário puro.

z
ve
2. Dados z = 2 - 4i e w = a + bi, determine a e b de modo que z + w seja
e
bl

3. Determine os valores reais de a tais que:

a) a - 4i = (2 - i)2 c) (2 + ai)2 = 4
ta

b) (2 + ai)(3 - 2i)=12 +5i d) (2 + ai)(2 - ai) =5

rin

4. Resolva em as equações:
a) (3 - 4i) z = 2 + i e) iz - (1 + i)2 = 3 - i
p

b) (1- i) z +3 +4i = 5-2iz f) z2=1

n-

c) (1- i)2. z = 3 - 2i g) i + z - 3i(2 - z) = iz + 1

d) z2 -10z +74=0 h) z(2 - i) = ( z +1)(1+ i)
no

5. a) Factorize em , z4-16, num produto de quatro factores.

b) Determine todas as raízes da equação z4-16=0.
c) Represente no plano de Argand, as soluções da equação anterior.

6. Determine, em , as raízes de cada uma das seguintes equações:

a) x2-2x+3=0 c) x2-x+1=0
b) 3x2-4x+2=0 d) 2x2-5x+2=0.

127
7. Determine e módulo e o argumento principal dos seguintes complexos:

(1 − i )
2
a) 1 + i b) 1 c) − 2 − 2 i .
( i)
3
1 − 2 2

8. Escreva na forma trigonométrica os complexos:

a) -2 b) 3 + i c) -1 + i d) − 3 − 1 i .
2 2

9. Determine as raízes de índice 5 de um complexo z sabendo que uma

n
delas é w1= 2 cis π . ( )

io
5

rs
10. Verifique que para todo o x ∈ :
−ix −ix
a) e + e = cos x b) e − e = sin x .
ix ix

2 2i
ve
11. Represente no plano de Argand os afixos dos complexos que verificam
e
as condições seguintes:
bl

a)Im(z - 3i) ≥ 1 ∧ Arg(z - i) ≤ π/4 b) 1 < z < 2

c) 2z − 4i < 1 d) z ≤ z + i .
ta

e) z − i ≤ 3 ∧ Im(z ) ≤ 2 f) Arg( z + 2i) = π

rin

( )
2
⎛ ⎞
g) ⎡⎣Re(z − 2iz ) ≥ 1 ∧ z − i ≤ 3⎤⎦ ∨ arg ⎜ 1 + i ⎟ ≤ arg z − 1 − 2i ≤ 0
⎝ 1 + 3i ⎠ 2
p
n-

12. Determine as raízes da equação z 3 + 8 − 8 i = 0 e represente-as

2 2
no

geometricamente.

13. Determine o lugar geométrico dos afixos dos complexos z = x + yi tais

que:

a) 1 + 3i seja imaginário puro b) 1 + 3i = 1

z z

128
14. Determine as raízes da equação z 4 + 16i = 0 na forma polar, e
represente-as geometricamente.

15. Sabendo que 2cis π é uma das raízes cúbicas de um complexo z:

6
a) Determine as outras raízes e represente-as geometricamente.
b) Determine o complexo z.

16. Os afixos dos complexos 2cisπ e 2cis 7 π são dois vértices consecutivos
6

n
de um polígono regular com o centro na origem do referencial .

io
a) De que polígono se trata?
b) Indique dois vértices do polígono, diferentes dos dados, de modo a que

rs
um esteja no segundo quadrante e outro no quarto quadrante.

A.7 Exercícios de Revisão

ve
e
bl

1. Determine as soluções de cada uma das seguintes equações:

ta

a) x 2 - 2x + 3 = 0 b) 3x 2 - 4x + 2 = 0
rin

2. Dados z = 2 - i e w = a + bi, determine a e b de modo que z - w seja

um imaginário puro e z.w seja um número real.
p

( x − 2yi )( 3 + i ) = 5 .
n-

3. Determine números reais x e y tais que

1− i
no

4. Escreva na forma trigonométrica os complexos:

a) -2 -2i b) πi c) sinθ + icosθ

5. Sabendo que z = 2 − 2i e w = − 2 + 2 i , represente na forma

3 3
trigonométrica os seguintes números complexos:
4
a) z.w b) -w4 c) z d) z 3 .w e) z 3
w w

129
6. Resolva em as seguintes equações:

∑ (1 + i ) = ∑ ( 12 k ) + x − 2yi
22 11
a) z .z = 1 + i 3 =0
b) z 3 + 17 c) k

i i =1 k =1

d) (z + 3i)6 = i +1 e) z3 + z2 + z + 1 = 0 f) z2 + 2z + 2 = 0.

( )
7. Dados os complexos z = cis π e w = cis − 2π
4 3 ( ) determine:
a) z.w 2 e z3
w
b) A parte real e a parte imaginária de z 2 + iw.

n
io
8. Seja z = (1 + 3 ) + ( 3 − 1) i .

rs
a) Calcule z 2 na forma algébrica e na forma trigonométrica.
b) Mostre que z 12 é um número real.

ve
9. Represente no plano de Argand os afixos dos complexos que verificam as
condições seguintes:
e
a) 1 ≤ z + 2 + 3i ≤ z ∧ Re( z + 2 i) ≤ 1
bl

b) z + 2i ≥ z − 4 + i ∧ Im ( z − 2) > 1 ∧ π ≤ arg(z − 4i ) ≤ 3 π .
4 2
ta
p rin
n-
no

130
 BIBLIOGRAFIA

Graham, A.; “MATRIX THEORY AND APPLICATIONS FOR ENGINEERS”. Ellis Horwood
Limited
Carreira, A. e Pinto, G.; “CÁLCULO MATRICIAL-TEORIA ELEMENTAR”. Ciência e Técnica

n
Carreira, A.; “CÁLCULO MATRICIAL-EXEMPLOS E APLICAÇÕES”. Ciência e Técnica

io
Anton, H.; “ELEMENTARY LINEAR ALGEBRA”. John Wiley & Sons,Inc.
Nicholson, W.; “LINEAR ALGEBRA WITH APPLICATIONS”. PWS Publishing Company

rs
James, G.; “MODERN ENGINEERING MATHEMATICS”. Addison Wesley
Monteiro, A.; “ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA. PROBLEMAS E EXERCÍCIOS”.
McGraw-Hill
ve
e
bl
ta
p rin
n-
no

131