Pontifcia Universidade Catlica do Rio Grande do Sul

Faculdade de Matemtica
lgebra Matricial
Introduo. Esta apostila1 tem o objetivo de servir de material de apoio disciplina
de lgebra Matricial, que comeou a ser oferecida a partir de 2007/1 para os novos
alunos dos cursos de Licenciatura em Matemtica, Licenciatura em Fsica,
Bacharelado em Fsica Mdica, Engenharia da Computao, Engenharia Civil,
Engenharia Eltrica, Engenharia de Computao, Engenharia Mecnica, Engenharia
Qumica, Engenharia de Controle e Automao e Engenharia de Produo. Um dos
objetivos da lgebra Matricial trabalhar conceitos de lgebra Linear em espaos
vetoriais de dimenso finita. As aulas so nos laboratrios de informtica da
Faculdade de Matemtica, e a ferramenta computacional utilizada o Matlab. O
Matlab um programa utilizado tanto no meio acadmico, por pesquisadores,
professores e alunos, quanto fora da universidade, por profissionais de diversas reas.
Assim sendo, o uso desta apostila se justifica, visto que no h um livro que seja
totalmente adequado aos objetivos da lgebra Matricial. A apostila est dividida em
captulos, de modo que possvel us-la de acordo com o cronograma de cada turma.
No final de cada captulo, h uma lista de exerccios que devem ser trabalhados para
fixao dos conceitos. No final da apostila, h uma lista de referncias bibliogrficas e
alguns links, onde podem ser encontrados textos de apoio ao uso do Matlab, e onde
podem ser baixados programas livres que funcionam de modo semelhante ao Matlab.

1
Apostila de apoio elaborada pelo Professor Luiz Eduardo Ourique, verso 2009/1.

2
ndice

Captulos Pgina

1. Operaes com matrizes .....................................................................4

2. Resoluo de sistemas lineares nxn no Matlab ...............................10
3. Teoria dos sistemas lineares ..............................................................13
4. Combinao linear ............................................................................ 20
5. Espaos vetoriais ............................................................................... 28
6. Transformaes lineares e representao matricial ..................... 35
7. Autovalores e autovetores ................................................................ 40
8. Clculo das iteradas de uma transformao linear ....................... 46
9. Diagonalizao de uma matriz ........................................................ 50
10. Potncias de uma matriz diagonalizvel ...................................... 61
11. Fatorao LU .................................................................................. 63
12. Decomposio em valores singulares ............................................ 69

3
Captulo 1. Operaes com Matrizes
Uma matriz um conjunto retangular de nmeros. Uma matriz geralmente denotada
por uma letra maiscula. Uma matriz rA pode ser representada pela notao A = (aij),
onde o elemento ou coeficiente aij est na i-sima linha e j-sima coluna.
2 3
Exemplo 1. A = . Temos a11 = 2 , a12 = 3 , a21 = 0 e a22 = 5.
0 5
1 0 4
Exemplo 2. B = . Temos b11= 1, b12 = 0, b13 = 4, b21= 3, b22= 5 e b23 = 9.
3 5 9

Para definir uma matriz no Matlab, devemos digitar os seus coeficientes e armazenar
1 3
a matriz numa varivel. Por exemplo, para criar a matriz M = , escrevemos no
2 4
Matlab o comando abaixo, pressionamos enter, e o resultado vir abaixo:
>> M = [ 1 3 ; 2 4]
M=
1 3
2 4
Podemos usar a vrgula para separar os elementos em cada linha. Isto , a matriz M
pode ser obtida assim:
>> M = [ 1,3;2,4]
M=
1 3
2 4
Se quisermos ver um elemento Mij em particular da matriz M, basta digitar M(i,j) e
pressionar enter. Por exemplo:
>> M(1,2)
A resposta do programa ser
ans =
3
Se quisermos alterar um elemento ou um conjunto de elementos da matriz M,
podemos fazer de vrias formas. Por exemplo, se quisermos redefinir o coeficiente
M12 como igual a 10, fazemos:
>> M(1,2)=10
M=
1 10
2 4
A seguir, alguns exemplos de comando e a resposta do programa so apresentados.
Para executar cada comando, pressione enter no Matlab:

Exemplo. Para calcular o determinante de M, fazemos :

>> det(M)
ans =
2

4
Obs: O desenvolvimento clculo do determinante 2x2 efetuado da seguinte forma:
1 3
= 1*4 2*3= 2.
2 4
A varivel ans uma varivel global do Matlab para armazenar o resultado do ltimo
comando executado. Para multiplicar todos os elementos de M por 4, basta escrever
4*M:

>> 4*M
ans =
4 12
8 16

Para calcular a matriz M2, fazemos no Matlab:

>> M^2
ans =
7 15
10 22
1 3 5 7
Para multiplicar duas matrizes, digamos, M= e N= , definimos a
2 4 0 3
matriz N:

>> N = [ 5 7 ; 0 3] ;

Se quisermos calcular o produto MN, escrevemos no Matlab M*N:

>> M*N
ans =
5 -2
10 2
1 3 5 7 1 * 5 + 3 * 0 1 * 7 + 3 * (3) 5 2
Desenvolvimento: * = = .
2 4 0 3 2 * 5 + 4 * 0 2 * 7 + 4 * (3) 10 2

5 2
Observao : em notao usual, escrevemos MN = .
10 2
A matriz transposta ( troca de linhas por colunas e vice-versa) obtida pelo comando
M' :

>> M'
ans =
1 2
3 4

5
O vetor b = chamado de vetor-coluna, pois tem 1 coluna e 2 linhas. Pode ser
9
definido usando o comando abaixo:
>> b=[ 5 ; 9]

5
b=
5
9
Se quisermos agora que a primeira coluna de M seja substituda pelo vetor b,
fazemos:
>> M(:,1) = b
M=
5 10
9 4
Da mesma forma, se quisermos agora que a primeira linha de M seja substituda por
um valor constante, digamos igual a 8, fazemos:

>> M(1,: ) = 8
M=
8 8
9 4

Para definir uma matriz cujos coeficientes so dados por uma frmula, podemos usar
o comando for. Para ver como funciona, digite help for no Matlab.

Exemplo. Definir a matriz N3x3, cujo coeficiente Nij = 2i + 5j.

>> for i=1:3
for j=1:3
N(i,j)=2*i+5*j;
end
end

Assim, para i =1 e j =1 , o Matlab calcula N(1,1) = 2*1 + 5*1 = 7; para i=1 e j=2, o
Matlab calcula M(1,2) = 2*1 + 5*2= 12 e assim por diante.
Para enxergar o resultado no Matlab, basta escrever N e pressionar enter:
>> N
N=
7 12 17
9 14 19
11 16 21
Por exemplo, o elemento N11 N11 = 2*1+5*1 = 7; j o elemento N23 igual a N23 =
2*2+5*3 = 19. E assim por diante.

Matriz identidade. A matriz identidade nxn, denotada por Inxn, ou simplesmente In,
1, se i = j
a matriz In = ( aij) , onde aij = . No Matlab, obtida com o comando
0, se i j
eye(n):
Exemplo. Obter a matriz identidade I3.
>> eye(3)

ans =
1 0 0
0 1 0
0 0 1

6
 5, se i = j
Exemplo. Obter no Matlab a matriz 4x4 diagonal C = ( cij) , onde cij = .
0, se i j
>> C = 5*eye(4)

5 0 0 0
5 0 0
C = 0
0 0 5 0

0 0 0 5

Matriz Inversa. Dada uma matriz Anxn, a matriz inversa de A a matriz Bnxn tal que
A*B=B*A = In . No Matlab, a matriz inversa calculada com o comando inv(A).
Notao: a matriz inversa de A denotada por A1.

2 3
Exemplo. Calcular a matriz inversa de A = no Matlab.
3 4
>> A = [2,3 ; 3,4]
A=
2 3
3 4
>> B=inv(A)
B =
4.0000 3.0000
3.0000 2.0000

Verificao: efetuamos as operaes A*B e B*A, para verificao das igualdades

AB= I e BA = I.

>> B*A
ans =
1 0
0 1
>> A*B
ans =
1 0
0 1
2 3 4 3
Assim, A = e sua matriz inversa A1 = .
3 4 3 2
IMPORTANTE: Uma matriz A tem matriz inversa se e s se det(A) 0. Por
2 3
exemplo, a matrix M= no tem matriz inversa, pois det(M) = 0.
4 6

7
Exerccios.
1 5 9 3 5 7 3

1. Defina no Matlab as matrizes A= 4 8 10 ,B= 6 8 12 , o vetor y= 5

3 7 12 5.4 3.1 9.4 7
e efetue as seguintes operaes :

a) 2*A
b) A + B
c) A2
d) det(A)
e) Ay
f) det(A)*det(B)
g) det(A*B) ( compare com o resultado do item f )
h) AB
i) BA ( compare com o resultado do item h )
j) A ( a transposta da matriz A )
k) diag(A)
l) A.2
m) substitua a primeira coluna de A pelo vetor y
n) substitua a segunda coluna de B pela terceira coluna de A.
o) inv(A) ( calcula a matriz inversa de A )

2. Defina no matlab a matriz C, tamanho 3x3, com todos os coeficientes iguais a zero.
Dica: escreva help zeros no Matlab.

3. Defina no matlab a matriz D, tamanho 3x4, com todos os coeficientes iguais a um.
Dica: escreva help ones no Matlab.

4.Defina a matriz F4x4 cujo termo genrico Fij = 4i2+ 3j. Calcule det(F). Caso exista,
calcule a matriz inversa de F.
3, se i = j
5. Definir no Matlab a matriz H4x4, cujo elemento hij= .
0, se i j
6. Defina a matriz A5x5, cujo coeficiente dado por
2, se i = j
1, se i = j 1

A (i, j) =
1, se i = j + 1
0, nos demais casos.
Para tanto, use o comando for encadeado com o comando if. Para ver como funciona
este comando no Matlab, digite help if.

Respostas dos exerccios:

2 10 18 2 0 2 8 108 167

1a. 2*A = 8 16 20 ; 1b. A+B= 2 16 22 ; 1c.A2= 6 114 164 ;

6 14 24 8.4 10.1 21.4 11 155 241

8
 91
1d. det(A)= 52; 1e. A*y= 98 ; 1f. det(A)*det(B)= 842.4;1g. det(A*B) = 842.4;
128

75.6 62.9 137.6 4 104 161

1h. AB = 114 115 218 ; 1i. BA = 10
178 278
97.8 78.2 175.8 21.2 117.6 192.4

1 4 3 1 1 25 81
1j. A = 5 8 7 ; 1k . diag(A) = 8 ; 1l. A. = 16 64 100
2

9 10 12 12 9 49 144
3 5 9 3 9 7
1m. A(:,1) = y produz A= 5 8 10 ; 1n. B(:,2) = A(:,3) produz B= 6 10 12

7 7 12 5.4 12 9.4
0.5000 0.0577 0.4231
1o. inv(A) produz A = 1.5000 0.2885
1
0.8846 .
1.0000 0.1538 0.5385
0 0 0 1 1 1 1
2.C=zeros(3) produz C = 0 0 0 ; 3. D=ones(3,4) produz 1
1 1 1
0 0 0 1 1 1 1
4. A seqncia abaixo no Matlab produz a matriz F:
for i = 1: 4 7 10 13 16
for j=1:4 19 22 25 28
F(i,j)= 4*i^2+3*j; F=
end 39 42 45 48

end 67 70 73 76

No existe matriz inversa de F, pois det(F) = 0. No Matlab, ao tentar calcular a inversa

de F com o comando inv(F), o programa apresenta um resultado, seguido de uma
mensagem ( warning ) . Neste exemplo, o clculo do determinante mostra que a
matriz inversa de F no existe.

3 0 0 0
0 3 0 0
5. H =
0 0 3 0

0 0 0 3

2 1 0 0 0
1 2 1 0 0
6. A =
0 1 2 1 0

0 0 1 2 1
0 0 0 1 2

9
Captulo 2. Resoluo de sistemas lineares nxn no Matlab
Um sistema de equaes Ax = b pode ser resolvido diretamente no Matlab. Para tanto,
devemos armazenar os coeficientes do sistema na varivel A e os do lado direito das
equaes na varivel b. Feito isto, o comando A\b resolve diretamente o sistema.
Como exemplo, resolvemos o sistema abaixo:

Exemplo 1.
2x 1 + 3x 2 = 5
Neste caso A = [ 2,3 ;5,8] e b = [5;9.4]
5x 1 + 8x 2 = 9.4
11.8
Soluo : no Matlab, basta executar x=A\b . A resposta x = .
6.2
Interpretao : A soluo do sistema x1 = 11.8 e x2 = 6.2.
Verificao: 2*11.8 + 3*(6.2) = 23.6 18.6 = 5
5*11.8 + 8*(6.2) = 59 49.6 = 9.4

11.8
Notao usual: a soluo x = .
6.2

Exemplo 2.
x1 + 2 x 3 = 25.4 25.4
102.72
3x1 2x 2 + 7.2 x 3 = 102.72 . Neste caso, A=[1,0,2;3,2,7.2;8,4.2,6] e b =
8x + 4.2 x 6x = 39.5 39.5
1 2 3

O comando x = A \ b ( A contra-barra b ) :
>> x=A\b
x=
6.2000
7.5000
9.6000
Temos x1= 6.2 , x2= 7.5 e x3= 9.6.
Verificao: 6.2 + 2*9.6 = 6.2 + 19.2 = 25.4
3*6.2 2*(7.5) +7.2*9.6 = 18.6 + 15 + 69.12 = 102.72
8*6.2 +4.2*(7.5)6*9.6 = 49.6 31.5 57.6 = 39.5
A verificao mostra que esta a soluo do sistema. Em notao usual, a soluo x
6.2
= 7.5 .
9.6

3x 1 x 2 = 5 3 1 5
5x + 3x = 27 5 3 27
1
Exemplo 3.
2
. Neste caso, A = e b = .
7
1 x 5 x 2 = 1 7 5 1
9 x 1 + 7 x 2 = 55
9 7 55
O comando x = A \ b calcula a soluo: x1= 3 e x2 = 4. A verificao fica por conta
do leitor.

10
Matriz ampliada de um sistema. Um sistema Ax = b pode ser representado atravs
da notao de matriz ampliada, que consiste da matriz de coeficientes e o vetor b.
2x1 + 3x2 = 5 2 3 5
Exemplo. A matriz ampliada do sistema a matriz .
5x1 +8x2 = 9.4 5 8 9.4

x1 + 2 x 3 = 25.4
Exemplo. A matriz ampliada do sistema 3x1 2x 2 + 7.2 x 3 = 102.72
8x + 4.2 x 6x = 39.5
1 2 3

1 0 2 25.4
3 2 7.2 102.72 .

8 4.2 6 39.5

Exerccios. Calcular a soluo dos sistemas de equaes lineares no Matlab:

2 x 1 + x 2 + 7 x 3 = 16 x 1 + 2 x 2 + 3x 3 = 1
1. x 1 + 3x 2 + 2 x 3 = 5 2. 4 x 1 + 5x 2 + 6 x 3 = 5
5x + 3x + 4 x = 11 7 x + 8x + 9 x = 11
1 2 3 1 2 3

3x1 9 x3 + 6x 4 + 9 x5 + 4x 6 x7 = 0.108
9x1 + 3x 2 + 8x3 + 9x 4 12 x5 + 6x6 + 3x 7 = 26.24

x1 9x 2 + x3 3x 4 + x5 5x 6 + 5x 7 = 92.808
3. 4x1 + 8x 2 10x 3 + 8x 4 x5 + 4x 6 4x 7 = 53.91
5x1 + 5x 2 + 4 x3 + 11x 4 + 3x 5 + 8x 6 + 7 x 7 = 143.55

6x1 2x 2 + 9x 3 7x4 5x 5 3x 6 + 8x 7 = 6.048

8x1 + 7x2 + 2 x3 + 5x 4 + 2x5 + x6 3x 7 = 137.94

4 x 1 x2 = 50
2 x + 4x 2 x3 = 10 2 x 1 + 3x 2 5x 3 = 50.8
4. 1 5.
2x 2 + 4x 3 x4 = 47
3.4 x 1 5x 2 + 9.2x 3 = 74.14
2x 3 + + 4x 4 x 5 = 39

2x 4 + 4x 5 = 87

PROBLEMAS. Para cada problema, escreva o sistema de equaes correspondente e

calcule a sua soluo:

6. Uma dieta requer 7 unidades de gordura, 9 unidades de protenas e 16 unidades de

carboidratos para a refeio principal e uma certa pessoa dispe de trs alimentos com
os quais pode montar sua dieta:
Alimento 1: cada medida contm 2 unidades de gordura, 2 unidades de protena e 4
unidades de carboidratos.
Alimento 2: cada medida contm 3 unidades de gordura, 1 unidade de protena e 2
unidades de carboidratos.

11
Alimento 3: cada medida contm 1 unidade de gordura, 3 unidades de protena e 5
unidades de carboidratos.
Sejam x,y e z o nmero de medidas que a pessoa consome dos alimentos 1,2 e 3,
respectivamente, em sua refeio principal. Encontre um sistema linear em x,y e z
cuja soluo diz quantas medidas de cada alimento deve ser consumida pela pessoa
para atender dieta.

7. Encontre trs nmeros reais cuja soma igual a 12, tais que a soma do dobro do
primeiro com o segundo e o dobro do terceiro 5 e tais que o terceiro nmero um a
mais do que o primeiro. Encontre um sistema linear cujas equaes descrevem este
problema e resolva-o.

Respostas dos exerccios e problemas:

1. x1= 3 ; x2= 4 ; x3= 2
2. A soluo no existe ( sistema impossvel) .
3. x1= 2.8352; x2= 13.2316; x3= 2.1099; x4=27.1104; x5=6.1382;
x6= 44.3192;x7=13.2430.
4. x1=12.4299; x2= 0.2803; x3=13.7386; x4=7.3939 ; x5=18.0530.
5. Este sistema tem infinitas solues: x1 = 0.1287x3 + 1.5633
e x2 = 1.75x3 + 15.89 , onde x3 um nmero real qualquer.

6. Somando as quantidades de gordura nos alimentos 1, 2 e 3, resulta 2x +3y + z = 7 ;

somando as quantidades de protena nos alimentos 1,2 e 3, resulta 2x + y + 3z = 9 ;
somando as quantidades de carboidrato, resulta 4x + 2y + 5z = 16. Assim, devemos
resolver o sistema :
2x + 3y + z = 7
2x + y + 3z = 9
4x + 2y + 5z = 16

cuja soluo x = 1 ; y = 1 ; z = 2. Assim, a dieta deve conter 1 unidade do

alimento 1, 1 unidade do alimento 2 e 2 unidades do alimento 3.

7. O sistema a ser resolvido

x + y + z = 12
2x + y + 2z = 5
x + z =1

cuja soluo x = 4, y = 19 e z = 3.

12
Captulo 3. Teoria dos sistemas lineares

Quanto existncia de solues, um sistema de equaes lineares pode ser

1) possvel e determinado: quando s existe uma nica soluo

2) possvel e indeterminado: quando existem infinitas solues

3) impossvel : quando no existe soluo.

Resumo da classificao dos sistemas lineares:

Possveis

( tem soluo) Deter min ado(Soluo nica )

In det er min ado(Infinitas Solues)

Sistemas :
Im possveis

(no tem soluo)


Classificao de sistemas com n equaes e n incgnitas. De acordo com o teorema de
Cramer, a soluo de um sistema de equaes lineares com n equaes e n incgintas
x i
Ax = b, onde x = [xi]i , i = 1,2,...,n, dada pela frmula:xi = , onde = det(A) e

xi o determinante da matriz obtida pela substituio da i-sima coluna de A, pelos
valores do vetor-coluna b, para cada i =1,...,n. Assim, se 0, a soluo do sistema
x i
nica, dada pela frmula xi = , para i=1,2,...,n. Se = 0 , ento o sistema

indeterminado ou impossvel. Para diferenciar um caso do outro, podemos usar o
teorema de Cramer: se = 0 e se todos os determinantes xi forem nulos, ento o
sistema indeterminado. Se = 0 e se xi 0, para algum i , i=1,...,n, ento o
sistema impossvel. Assim, podemos resumir que um sistema de equaes lineares
nxn :

1) possvel e determinado, isto , tem soluo nica, quando 0.

2) possvel e indeterminado, isto , tem infinitas solues, se = 0 e xi = 0, para

todo i=1,...,n.

3) impossvel, isto , no tem soluo, se = 0 e xi 0, para algum i , i=1,...,n.

13
 2x 1 + 3x 2 = 5
Exemplo 1.
5x 1 + 8x 2 = 9.4

2 3
1 ) = = 16 15 = 1 0 :sistema possvel e determinado ( soluo nica )
5 8

5 3
2 ) x1 = = 40 28.2 = 11.8
9 .4 8
2 5
x2 = = 18.8 25 = 6.2
5 9 .4
x 1 11.8 x 2 - 6.2
3 ) x1 = = = 11.8 e x2 = = = 6.2
1 1

A soluo x1 = 11.8 e x2 = 6.2.

Verificao : 2*11.8 +3*(6.2) = 23.6 18.6=5

5*11.8 +8*(6.2) = 59 49.6 = 9.4

2x1 3x 2 + x 3 = 1

Exemplo 2. x1 + 2x 2 3x 3 = 4
- x + x + 2x = 1
1 2 3

2 3 1
1 ) = 1 2 3 = 14. Portanto, este sistema tem soluo nica.
1 1 2
Clculo do determinante pela regra de Sarrus:
2 3 1 2 3
Obs: = 1 2 3 1 2 = 8 9 + 1 ( 2 6 6 ) = 0 ( 14 ) = 14.
1 1 2 1 1
1 3 1
2 ) x1 = 4 2 3 = 42
1 1 2
2 1 1 2 3 1
x2 = 1 4 3 = 28 e x3 = 1 2 4 = 14
1 1 2 1 1 1
O desenvolvimento de cada determinante acima fica a cargo leitor.
x 1 42 x 2 28 x 3 14
3 ) x1 = = = 3 ; x2 = = = 2; x3 = = =1
14 14 14
A soluo : x1 = 3; x2 = 2 ; x3 = 1.

14
 x1 + 2x 2 + 3x 3 = 1

Exemplo 3. 4x1 + 5x 2 + 6x 3 = 5
7x + 8x + 9x = 11
1 2 3

1 2 3
= 4 5 6 = 0 : sistema impossvel ou indeterminado
7 8 9
1 2 3 1 1 3 1 2 1
x1 = 5 5 6 = 6 ; x2 = 4 5 6 =12 ; x3 = 4 5 5 = 6
11 8 9 7 11 9 7 8 11
Concluso: como xi 0 , para i =1,2 e 3, e = 0, conclumos que o sistema
impossvel, isto , no admite soluo.

2x 1 + 3x 2 = 6
Exemplo 4.
4x 1 + 6x 2 = 12

2 3
= = 12 12 = 0 ;
4 6
6 3
x1 = = 36 36 = 0 ;
12 6
2 6
x2 = = 24 24 = 0
4 12

Concluso: como todos os s so nulos, o sistema indeterminado, isto , admite

infinitas solues. Neste caso, a soluo x1 = 3x2/2 + 3. Assim, se x2 = 0, ento
x1= 3; se x2 = 2, ento x1 = 0, se x2 = 6, ento x1 = 6, e assim por diante. Como
existem infinitas escolhas para x1, existem infinitas solues deste sistema. Podemos
escrever que algumas destas solues so os pares: ( 3 , 0) , ( 0, 2 ) , ( 6, 6) .

Observao: para obter a soluo acima, usar o comando solve no Matlab.

>> [ x1, x2 ] = solve ('2 * x1 + 3 * x 2 = 6' , '4 * x1 + 6 * x 2 = 12' )

x1 =

-3/2*x2+3

x2 =

x2

15
Observao sobre o mtodo de eliminao de Gauss: Podemos concluir que um
sistema s tem uma soluo, ou tem infinitas ou impossvel mediante a aplicao do
mtodo de eliminao de Gauss. O mtodo de Gauss o mais eficiente dos mtodos
usados na resoluo de sistemas de equaes lineares, por exigir um menor nmero de
operaes aritmticas na sua implementao.

x 1 + x 2 = 2
Exemplos. O sistema admite soluo nica, pois somando as duas
x 1 x 2 = 0
x + x 2 = 2
linhas, chegamos ao sistema 1 . Logo, x1 = 1 e x2 = 1. J o sistema
2x 1 = 2
x 1 + x 2 = 2 x + x2 = 2
claramente impossvel, pois 1 2. J o sistema 1
x1 + x 2 = 1 2 x 1 + 2 x 2 = 4
admite infinitas solues. De fato, multiplicando a primeira linha por 2 e subtraindo
x + x 2 = 2
da segunda linha, resulta : 1 . Logo, x2 = 2 x1. Assim, se x1= 0, x2 = 2; se
0=0
x1= 1, ento x2 = 1, e assim por diante. A mesma lgica aplica-se a sistemas com m
equaes e n incgnitas. Aps a eliminao e o escalonamento do sistema, a anlise
das equaes restante permite classificar o sistema quanto ao nmero de solues.
Vejamos um exemplo 3x3:

x 1 + 2 x 2 5x 3 = 2

2 x 1 3x 2 + 4 x 3 = 4
4x + x 6x = 8
1 2 3

1 2 5 2
A matriz aumentada do sistema 2 3 4 4
4 1 6 8
Multiplicando a primeira linha por 2 subtraindo da segunda linha; multiplicando a
primeira linha por 4 e subtraindo da terceira linha, resulta:

1 2 5 2
0 7 14 0 .

0 7 14 0

Subtraindo as duas ltimas linhas, resulta:

1 2 5 2
0 7 14 0

0 0 0 0

Dividindo por 7 a segunda linha, resulta :

16
1 2 5 2
0 1 2 0

0 0 0 0

Concluso: o sistema resultante x1 + 2x2 5x3 = 2

x2 2x3 = 0

Logo , a soluo x2 = 2x3 , x1 = 2 + x3 . Como x3 um nmero real qualquer,

podemos escrever que a soluo :

x1= 2 + k
x 1 2 1
x2 = 2k ou x = 0 + k 2
2
x 3 0 1
x3 = k

x 1 + 2 x 2 5x 3 = 2

Portanto, o sistema 2 x 1 3x 2 + 4 x 3 = 4 indeterminado, isto , admite uma
4x + x 6x = 8
1 2 3

x1 2
infinidade de solues. Por exemplo, se k = 0, uma soluo x 2 = 0 . Se k=1,

x 3 0
x 1 2 1 3
outra soluo x 2 = 0 + 2 = 2 , e assim por diante.

x 3 0 1 1

x 1 + 2 x 2 5x 3 = 2

Por outro lado, o sistema 2 x 1 3x 2 + 4 x 3 = 4 impossvel, pois as mesmas
4x + x 6x = 0
1 2 3

operaes com linhas levariam a :

1 2 5 2
0 1 2 0

0 0 0 1

A ltima equao 0x1 + 0x2 + 0x3 = 1, que impossvel.

17
Exerccios. Resolva os sistemas abaixo, calculando a soluo atravs do teorema de
Cramer e classifique o sistema. Escrever os determinantes que aparecem nos clculos
intermedirios. No clculo dos determinantes, use o Matlab:

2x 1 + x 2 + 7x 3 = 16
1. x 1 + 3x 2 + 2x 3 = 5
3x + 4x + 9x = 11
1 2 3

i + 2j, se i = j
2
2. Ax = b, onde A4x4 = i , se i = j + 1 e b4x1 = [ 2i1 ] i=1:4 .
0, demais casos

1/(i + j), se i = j

3. Ax = b, onde A5x5 = 4j, se i = j 1 e b5x1 = [ 3i2 3 ] i=1:5 .
0, demais casos

Respostas dos exerccios:

2 1 7 16
1. A= 1 3 2 ; b = 5 ;

3 4 9 11
2 1 7
= 1 3 2 = 0;
3 4 9
16 1 7 2 16 7 2 1 16
x1 = 5 3 2 = 0; x2 = 1 5 2 = 0; x3 = 1 3 5 = 0.
11 4 9 3 11 9 3 4 11

2x 1 + x 2 + 7x 3 = 16

Concluso: x 1 + 3x 2 + 2x 3 = 5 um sistema indeterminado.
3x + 4x + 9x = 11
1 2 3

3 0 0 0 1
4 6 0 0 3
2. A= ;b= .
0 9 9 0 5

0 0 16 12 7

18
 3 0 0 0
4 6 0 0
= = 1944
0 9 9 0
0 0 16 12

1 0 0 0 3 1 0 0
3 6 0 0 4 3 0 0
x1 = =648 ; x2 = = 540
5 9 9 0 0 5 9 0
7 0 16 12 0 7 16 12
3 0 1 0 3 0 0 1
4 6 3 0 4 6 0 3
x3 = =540 ; x4 = = 864
0 9 5 0 0 9 9 5
0 0 7 12 0 0 16 7

x i
Usando a frmula xi = , para i=1,2,3 e 4, conclumos que a soluo do sistema

x1=0.3333, x2=0.2778, x3= 0.2778, x4= 0.4444. Em forma vetorial, a soluo

0.3333
0.2778
x=
0.2778

0.4444

0.5 0.8 0 0 0 0
0 0.25 12 0 0 9

3. A = 0 0 0.1667 16 0 ; b = 24 .

0 0 0 0.125 20 45
0 0 0 0 0.1 72

8.467033536
0.529189596

A soluo x = 10^9 * 0.011024784 .

0.00011484
0.00000072

19
Captulo 4. Combinao Linear

Neste captulo, so estudados os conceitos de vetor, combinaes lineares entre

vetores, conjuntos linearmente independentes e linearmente dependentes de vetores.
feita uma aplicao destes conceitos na definio de conjuntos ortogonais, bases
ortogonais e ortonormais.

Definio. Um par ordenado (x,y) um vetor do R2 e uma tripla ordenada (x,y,z)

um vetor do R3. Os conjuntos R2 e R3 so exemplos de espaos vetoriais. Cada
elemento destes conjuntos um vetor. Representamos geometricamente estes vetores
por uma flecha orientada, geralmente com origem no ponto que representa o vetor
nulo do espao e com extremidade no ponto correspondente s coordenadas do vetor,
como na figura acima.

Exemplos:
1. v = ( 2, 3) um vetor do R2.
y

2 x

Figura 1. Um vetor do R2.

2. u = ( 2, 3, 4 ) um vetor do R3.

20
 z
4

3 y

Figura 2. Um vetor do R3.

Adio de Vetores

Se u = ( x1 , y1 ) e v = ( x2 , y2 ), ento u + v = ( x1 + x2, y1 + y2 )

Multiplicao por escalar

Se u = ( x1 , y1 ) e a um escalar, ento au = (ax1 , ay1 ) .

Igualdade de Vetores

Dados u = ( x1,y1 ) e v = ( x2,y2) , a igualdade u = v ocorre se e somente se x1 = x2 e

y1 = y2. Analogamente, definimos a soma de vetores, a multiplicao por escalar e a
igualdade no R3.

Exemplos.

3. u = ( 2 , 3) e v = (4 , 1 )

u + v = ( 2 + 4, 3 + 1 ) = ( 6 , 4 ) e 5u= ( 5*2, 5*3) = ( 10 , 15)

4. u = ( 2 , 5, 0 ) e v = ( 1 , 0 , 3 )

u v = ( 2 1, 5 0 , 0 3 ) = ( 1 , 5 , 3) e

4u + 5v = 4*(2,5,0) + 5*(1,0,3) = (8,20,0)+(5,0,15)=(13,20,15).

5. u = ( 2 , 5 ) e v = ( x + 1, y + 7)

21
 Se u = v , ento : x + 1 = 2 e y + 7 = 5 , logo x = 1 e y = 2.

Combinao Linear de Vetores

Dado um conjunto de n vetores, { u1 , u2 , ... , un } , dizemos que um vetor v

combinao linear dos vetores dados se existem nmeros reais a1, a2, ..,an tais que

v = a1u1 + a2u2 + ... + anun.

Exemplos.

6. Dados { ( 1, 0) , (0,1 ) } e v = (3,4) ento v combinao linear dos vetores

dados, pois (3,4) = 3(1,0) + 4(0,1). Isto , se u1 = (1,0) e u2 = (0,1), ento v =3u1+4u2.

7. Se B={u1=(1,0,0),u2 = (0,1,0),u3 = (0,0,1)} e v = (2,7,4) , ento v= 2u1+ 7u24u3.

Logo, v uma combinao linear dos vetores u1, u2 e u3.

8. O vetor v = ( 8,2 ) combinao linear dos vetores u1 = (1,1 ) e u2= ( 1,1) ?

Se for, ento: ( 8, 2) = a(1,1) + b(1,1) = (a,a)+(b, b)= ( a + b , a b )

Igualando as coordenadas correspondentes, resulta o sistema:
a+b=8

a b = 2
cuja soluo a = 3 e b = 5 . Concluso: O vetor ( 8,2) combinao linear dos
vetores u1 = (1,1) e u2=(1,1), pois (8, 2) = 3(1,1) + 5(1,1) . Simbolicamente,
escrevemos v = 3u1 + 5u2.

9. O vetor v = ( 1, 4 , 10 ) combinao linear dos vetores u1 = (1,2,3 ) e u2= ( 4,5,6)

e u3 =(7,8,9) ?
Se for, ento : (1,4,10) = a ( 1,2,3) + b(4,5,6) + c( 7,8,9)
(1,4,10) = ( a,2a,3a) + (4b,5b,6b) + ( 7c,8c,9c)
(1,4,10) = ( a + 4b +7c, 2a + 5b + 8c, 3a + 6b +9c )
Igualando as coordenadas, resulta o sistema de equaes :
a +4b +7c = 1

2a + 5b + 8c = 4
3a + 6b + 9c = 10

Analisando os determinantes, vemos que = 0 , e x1 = 9. Portanto, pelo teorema
de Cramer, o sistema acima no tem soluo. Concluso: o vetor v = ( 1, 4 , 10) no
combinao linear dos vetores u1 = (1,2,3 ) e u2= ( 4,5,6) e u3=(7,8,9)

10. O vetor v = (48,57, 66) combinao linear dos vetores u1=(1,2,3 ) e u2= ( 4,5,6)
e u3=(7,8,9) ? Se for, ento :

22
(48 ,57 ,66) = a(1,2,3) + b(4,5,6) + c(7,8,9)

(48 ,57 ,66) = (a,2a,3a) + (4b,5b,6b) + (7c,8c,9c)

(48 ,57 ,66) =( a + 4b+7c , 2a + 5b + 8c , 3a + 6b + 9c )

a +4b +7c = 48

Igualando as coordenadas, resulta o sistema: 2a + 5b + 8c = 57
3a + 6b + 9c = 66

A soluo a = c 4, b = 2c +13, e c um nmero real qualquer. Escolhendo c = 1,

resulta: a = 3, b = 11 e c = 1. Assim, v = 3u1 + 11u2 + u3 , ou seja, o vetor v
uma combinao linear dos vetores u1, u2 e u3.

11. O vetor v=( 10, 15 , 8 , 3) uma combinao linear dos vetores u1=(2,5, 0, 1) e
u2=(1, 0, 2, 0 ) ?

Se for, existem nmeros a e b tais que v = au1 + bu2. Isto :

( 10, 15 , 8 , 3) = a(2,5, 0, 1) + b(1, 0, 2, 0 ) ;

(10, 15 , 8, 3 ) = (2a, 5a , 0 , a ) + ( b, 0 , 2b, 0)

(10, 15 , 8, 3 ) = (2a + b , 5a , 2b , a )

2a + b = 10
5a = 15

Igualando as coordenadas correspondentes, resulta:
2b = 8
a = 3
A soluo a = 3 e b = 4. Logo, a combinao linear :
( 10, 15 , 8 , 3) = 4(2,5, 0, 1) + 3(1, 0, 2, 0 ), ou v = 4u1 + 3u2.

Vetores Linearmente Dependentes ( LD ) e Linearmente Independente ( LI )

Um conjunto de vetores dados { u1 , u2 , ... , un } Linearmente Dependente, ou

simplesmente LD, se existir um deles que combinao linear dos demais. Caso isto
no ocorra, o conjunto de vetores chamado de Linearmente Independente ( LI ). Isto
implica que { u1 , u2 , ... , un } um conjunto linearmente independente se e somente
se a combinao linear a1u1 + a2u2 + ... + anun = 0 tem com nica soluo todos os
coeficientes ai iguais a zero.

Exemplos.
11. O conjunto { ( 1,2 ) , (2,4) } LD, pois ( 2,4) = 2*(1,2) .

23
12. O conjunto { ( 1,0) , (0,1) } LI, pois ( 1,0) k*(0,1) , para qualquer valor de k.

13. O conjunto { (0,0) , ( 3,4) } LD, pois (0,0) = 0*(3,4).

14. O conjunto { (1,0,0) , (0,1,0), (3,4,0) } LD, pois (3,4,0) = 3*(1,0,0) + 4*(0,1,0).

Observao: a multiplicao 3*(1,0,0) ser escrita daqui por diante como 3(1,0,0), por
simplicidade.

Critrio prtico: para determinar se um conjunto de n vetores {u1,u2,...,un} do Rn

LI ou LD, usamos o determinante D = det(u1,u2,...,un). Se D 0 , ento o conjunto
LI; do contrrio , LD, isto , um deles combinao linear dos demais. No caso
particular de dois vetores, um conjunto { u1, u2 } LD se e somente se existe uma
constante k tal que u1 = ku2. Porm, para um conjunto de m vetores do Rn, com m
diferente de n, este critrio prtico no funciona, e devemos usar a definio.
Exemplos.

15. { ( 1,1) , (1,1) } LI ou LD ?

1 1
Soluo: = 2 , logo, o conjunto {(1,1), (1,1)} LI. Isto significa que os
1 1
dois vetores no so colineares. Nenhum dos dois vetores mltiplo do outro.

16. { (1,2,3),(4,5,6),(7,8,9)} LI ou LD ?
1 4 7
Soluo: 2 5 8 = 0 , logo, o conjunto { (1,2,3),(4,5,6),(7,8,9) } LD. Neste caso,
3 6 9
isto significa que os trs vetores so coplanares. Existe um vetor que combinao
linear dos demais, por exemplo, (7,8,9) = 2(4,5,6) (1,2,3).

17. { (1,2,3,4), (5,6,7,8), (9,10,11,12)} LI ou LD ?

Soluo: so trs vetores do R4. Usamos a definio:
a(1,2,3,4) + b(5,6,7,8) + c(9,10,11,12) = (0,0,0,0)
(a,2a,3a,4a) + (5b,6b,7b,8b) + (9c,10c,11c,12c) = ( 0,0,0,0 )
( a + 5b + 9c, 2a + 6b + 10c, 3a + 7b + 11c, 4a + 8b + 12c ) = ( 0, 0, 0, 0)

24
Igualando as coordenadas correspondentes, resulta o sistema:
a + 5 b + 9c = 0
2a + 6b + 10c = 0

3a + 7 b + 11c = 0
4a + 8b + 12c = 0

Multiplicando a primeira equao por 2 e subtraindo da segunda equao, a segunda

equao fica : 4b 8c =0. Logo, b = 2c. Substituindo na primeira equao, resulta
a = c. Assim, uma soluo possvel c = 1, b = 2, e a = 1. Logo:

1*(1,2,3,4) + (2)*(5,6,7,8)+1*(9,10,11,12) = (0,0,0,0).

Concluso: o conjunto de vetores { (1,2,3,4), (5,6,7,8), (9,10,11,12)} LD (

Linearmente Dependente ) . Uma combinao linear entre os vetores a seguinte :

1*(1,2,3,4) + 1*(9,10,11,12) = 2*(5,6,7,8) .

25
Exerccios. Verifique se os conjuntos so LI ou LD. Caso o conjunto seja LD, tente
identificar uma combinao linear entre os vetores, como no exemplo 16.

1. { ( 1, 1 ) , ( 5,5 ) }
2. { ( 2, 3 ) , (1, 4) }
3. { ( 0,0 ) , ( 2, 5) }
4. { ( 1,1,1) , (1,1,0) , (1,0,0) }
5. { (1,1,4,6) , (5,6,8,9) , (18, 22 , 24 , 24)}
6. { (3,1,1),(1,2,1),(11,7,1) }
7. { ( 1,2,5, 10) , ( 0,0,0,0)}
8. {( 1,1) , (2,2) }
9. Determinar o valor de m para que o conjunto de vetores {(1,2), ( 3, m)} seja LI.
10. Determinar o valor de m para que o conjunto de vetores {(1,2,4),(3,4,5),(1,0,m)}
seja LI.

Respostas dos exerccios:

1. { ( 1, 1 ) , ( 5,5 ) } LD, pois (5,5) = 5(1,1).
2. { ( 2, 3 ) , (1, 4) } LI, pois se fizermos a(2,3) + b(1,4)=(0,0), resulta
(2a, 3a) +( b,4b)=(0,0) , ou seja , ( 2a b, 3a +4b) =(0,0). Temos o sistema

2a b = 0 2 1
, cuja soluo nica a= 0 e b=0, pois 0 . Logo, o
3a + 4b = 0 3 4
conjunto { ( 2, 3 ) , (1, 4) } LI( Linearmente Independente ).

3. { (0,0) , (2,5) } LD , pois (0,0) = 0(2,5).

1 1 1
4. { ( 1,1,1) , (1,1,0) , (1,0,0) } LI, pois 1 1 0 = 1. Analogamente ao exerccio
1 0 0
2, se fizermos a combinao linear

a(1,1,1) + b(1,1,0) + c(1,0,0) = (0, 0 , 0 ), resulta

(a,a,a ) + (b,b,0) + (c,0,0) = (0 , 0, 0) , isto :
(a + b + c, a + b , a) = ( 0,0,0) , ou seja , o sistema
a + b +c=0

a+b =0 .
a=0

A terceira equao implica a = 0; substituindo na segunda equao, vem b = 0; da

primeira equao, j que a = 0 e b = 0, resulta c = 0. Portanto, como a nica
soluo deste sistema a soluo trivial, o conjunto { ( 1,1,1) , (1,1,0) , (1,0,0) }
LI. De fato, tal concluso segue da regra prtica, uma vez que o determinante do
1 1 1
sistema de equaes 1 1 0 = 1. Lembremos que, pela regra de Cramer, se o
1 0 0

26
 determinante da matriz dos coeficientes diferente de zero, o sistema tem soluo
nica.

5. Suponhamos uma combinao linear igual ao vetor nulo do R4:

a (1,1,4,6) + b (5,6,8,9) + c (18, 22 , 24 , 24) = ( 0, 0 , 0, 0)

( a,a,4a , 6a ) + ( 5b , 6b, 8b, 9b) + ( 18c, 22c, 24c, 24c) = ( 0, 0, 0, 0 )

( a + 5b 18c , a + 6b 22c, 4a +8b24c, 6a +9b 24c) = ( 0, 0 , 0 , 0 )

Igualando as coordenadas, resulta o sistema homogneo:

a + 5b 18c = 0
a + 6b 22c = 0


4a + 8b 24c = 0
6a + 9b 24c = 0

A soluo deste sistema a = 2c, b = 4c e c R. Portanto, escolhendo c = 1,

resulta a = 2, e b = 4. Portanto, o conjunto de vetores dados { (1,1,4,6) , (5,6,8,9) ,
(18, 22 , 24 , 24)} linearmente dependente. De fato, a igualdade
2 (1,1,4,6) + 4 (5,6,8,9) + 1(18, 22 , 24 , 24) = ( 0, 0 , 0, 0) significa que
podemos escrever um dos vetores como combinao linear dos demais. Por exemplo:
(18, 22 , 24 , 24) = 2 (1,1,4,6) 4 (5,6,8,9) .

3 1 1
6. { (3,1,1),(1,2,1),(11,7,1) } LI, pois 1 2 1 = 24.
11 7 1

7. { ( 1,2,5, 10) , ( 0,0,0,0)} LD, pois (0,0,0,0)= 0*(1,2,5,0)

8. {( 1,1) , (2,2) } LD, pois (2,2) = 2*(1,1).

1 3
9. O conjunto de vetores {(1,2), ( 3, m)} LI se e somente se = for
2 m
diferente de zero. Calculando: = m 6, resulta que o conjunto de vetores {(1,2), ( 3,
m)} LI se e somente se m 6.

10. Os vetores dados so LI se e somente se m 3.

27
Captulo 5. Espaos vetoriais

Neste captulo, dada uma noo intuitiva de espao vetorial, sem a formalizao
usual. So vistos exemplos de subespaos vetoriais do R2 e do R3, que so mais
simples e podem ser representados geometricamente. O conceito de base
introduzido, com exemplos de representao com o uso da base cannica e de outras
bases do R2 e R3.

Espaos gerados. Suponhamos que V seja um espao vetorial e B = { v1, v2 ,...,vn }

V um conjunto de vetores linearmente independentes, ento o conjunto de todas
as combinaes lineares dos vetores de B um subespao vetorial de V, gerado por B.
Isto , o espao gerado por B o conjunto {a1v1+ a2v2 + ... + anvn / ai R}. Este
conjunto um subespao vetorial de V, com dimenso igual a n.

Exemplo 1. V = R2.
B = { ( 1,2 ) }

O conjunto de todos os vetores mltiplos ou combinaes lineares do vetor (1,2) a

reta que passa pela origem com equao y = 2x. Esta reta um subespao vetorial do
R2, de dimenso 1.

Figura 3. A reta y = 2x um sub-espao vetorial do R2 de dimenso 1.

28
Exemplo 2. V = R3

B = { (1,0,0) , (0,1,0) }

O conjunto de todos os vetores que so combinaes lineares dos vetores (1,0,0) e

(0,1,0) um plano contido no R3, em que cada vetor tem a terceira coordenada nula.
Este plano um sub-espao vetorial do R3, de dimenso 2.

Figura 4. O plano xOy um sub-espao vetorial do R3 de dimenso 2.

Base. Um conjunto B={v1,v2,...,vn} de vetores de um espao vetorial V chamado de

base de V se Linearmente Independente e se gera V. Isto , todo vetor de V uma
combinao linear do conjunto de vetores v1,v2,...,vn e os vetores so LI.
Exemplo 3. V = R2.
B = { (1,0), (0,1) } a base cannica do R2
1 0
De fato: B = { (1,0), (0,1) } LI , pois = 1 0 e B gera o R2, pois qualquer
0 1
vetor (x,y) combinao linear dos vetores (1,0) e (0,1): (x,y) = x(1,0) + y(0,1).

Em particular: (3, 4) = 3(1,0) + 4(0,1)

29
Exemplo 4. V = R2.
B = { (1,1), (1,1) } uma base do R2

1 1
De fato, B= { (1,1), (1,1) } LI , pois = 2 e todo vetor (x,y) combinao
1 1
linear dos vetores de B. Por exemplo, expressar o vetor u=(1,5) nesta base.

Soluo: (1,5) = a(1,1) + b( 1,1)

(1,5) = (ab, a + b)
a b = 1
Resulta o sistema : . Somando as duas linhas do sistema, resulta: 2a = 6 ,
a + b = 5
logo a = 3 . Da segunda equao, vem : b = 5 3 = 2.

Concluso: (1,5) = 3(1,1) + 2(1,1) . Logo, as coordenadas do vetor (1,5) na base

B={(1,1),(1,1)} so 3 e 2. Resumindo: na base cannica {(1,0),(0,1)}, temos u =
(1,5). Na base B={(1,1), (1,1)}, temos u=(3, 2) .

y (1,5)=3u1+2u2

3u1
2u2

Figura 5. Uma combinao linear no R2.

Analogia: na base 10, o smbolo 12 representa o nmero doze ( 1 dezena mais duas
unidades ); na base 2, o smbolo 12 representado pelos smbolos 1100.

Base 10 : 12= 1*10 + 2*100

Base 2 : 11002 = 1*23 + 1*22 + 0*21 + 0*20 = 12
Exemplo 5. V = R3
B = { (1,0,0) , (0,1,0) , (0,0,1) } a base cannica do R3
1 0 0
De fato, B um conjunto LI, pois 0 1 0 = 1 e todo vetor (x,y,z) do R3 uma
0 0 1
combinao linear dos vetores do conjunto B: (x,y,z) = x(1,0,0) + y(0,1,0) + z(0,0,1)

30
Em particular: (3,4,5) = 3(1,0,0) + 4(0,1,0) + 5(0,0,1)
Exemplo 6. V = R3
B = { (0,2,0), (3,0,3),( 4,0,4)} base do R3.

0 3 4
De fato, B um conjunto LI, pois 2 0 0 = 48. Todo vetor do R3 uma
0 3 4
combinao linear destes trs vetores.

Exerccio. Determinar as coordenadas do vetor v=(3,4,5) na base B do exemplo 6.

Soluo : (3,4,5) = a(0,2,0) + b(3,0,3) + c(4,0,4)

(3,4,5) = (0,2a,0) + (3b,0,3b) + (4c,0,4c)
(3,4,5) = (3b4c, 2a , 3b+4c)

3b 4c = 3

Equivale ao sistema : 2a = 4
3b + 4c = 5

Logo: a = 2 , b = 4/3 e c=
Isto , na base B, as coordenadas do vetor v so (2, 4/3, 1/4) ,isto ,
4 1
(3,4,5) = 2(0,2,0) + (3,0,3) + ( 4, 0 , 4) .
3 4

Produto Escalar. O produto escalar de dois vetores (do Rn) u= (u1,u2,..,un) e

n
v=(v1,v2,...vn) u v = u v
i =1
i i

No Matlab, o produto escalar calculado de u e v calculado pelo comando dot(u,v).

Exemplo 7. Calcular o produto escalar dos vetores u =(1,2) e v = (3,5).

Soluo: u v = 1 3 + 2 5 = 3 + 10 = 13.

Exemplo 8. Calcular o produto escalar dos vetores u =(1,2, 1) e v = (0,3,5).

Soluo: u v = 1 0 + 2 3 + (1) 5 = 0 + 6 5 = 1.

Vetores Ortogonais. Dois vetores u e v so ortogonais se u v = 0.

Exemplo 9. Os vetores u = (1,1) e v = (1,1) so ortogonais, pois u v = 1 ( 1) +

1 1 = 1 + 1 = 0. Os vetores do exemplo 8 no so ortogonais. Geometricamente, dois
vetores do R2 ( ou do R3 ) so ortogonais se o ngulo entre eles for igual a 90o.

Exemplo 10. Os vetores u = (1, 2 , 3) e v = ( 1,1,0) no so ortogonais, pois u v =

1*1 + 2*1 + 3*0 = 3 . Como o produto escalar entre u e v no igual a zero, os
vetores no so ortogonais.

31
Conjunto Ortogonal. Um conjunto M={v1,v2,...,vn} de um espao vetorial V
ortogonal se v i v j = 0 , para cada par i , j, com i j. Por exemplo, o conjunto
M={(1,1,0), (2,2,4), (4,4,4) } ortogonal. A verificao fica a cargo do leitor.

Base Ortogonal. Uma base B={v1,v2,...,vn} de uma espao vetorial V ortogonal se

v i v j = 0 , para cada par i , j, com i j.

Exemplo 11. As bases cannicas do R2 e do R3 so ortogonais.

Exemplo 12. A base B = { (1,1), (1,1) } uma base ortogonal do R2.

Normalizao de um vetor. Dado um vetor u = (u1,u2,...un) do Rn, o mdulo de u

dado por | u | = u 12 + u 22 + ... + u 2n . Se | u | = 1, ento u um vetor unitrio. Todo
u
vetor u com mdulo no-nulo pode ser normalizado, fazendo-se v = . No Matlab,
|u|
o mdulo de u calculado atravs de norm(u).
Exemplo 12. u = (3,4)
Mdulo de u : | u | = 3 2 + 4 2 = 25 = 5.
| u | = 5.
u (3,4)
Versor de u : v= = (3/5 , 4/5 ) . Observe que | v | = 1.
|u| 5
O vetor v = ( 3/5, 4/5), chamado de versor de u, um vetor unitrio que tem a mesma
direo de u.

Base Ortonormal. uma base ortogonal formada por vetores unitrios.

Exemplo 13. B = { (1,1) , (1,1) } uma base ortogonal, mas no ortonormal; a

base B = { ( 1/ 2 , 1/ 2 ) , ( 1/ 2 , 1/ 2 ) } uma base ortonormal do R2.
No Matlab, obtemos | (1,1) | = 1.4141 e | (1,1) | = 1.4142
Logo, a base ortonormal no Matlab
B = { (0.7071, 0.7071) , (0.7071,0.7071)} .

Exemplo 14. O conjunto {(1,2,3), (2,,2)} LI. Acrescentar um terceiro vetor a este
conjunto para que ele se transforme numa base ortogonal do R3. Obter uma base
ortonormal do R3.
Soluo: procuramos um vetor v = (a,b,c) do R3 tal que
(a , b, c) ( 1,2,3) = 0
(a , b, c) ( 2,2,2) = 0
Equivale ao sistema : a + 2b + 3c = 0
2a 2b + 2c = 0
Somando as duas equaes , resulta:
a + 5c = 0, logo, a = 5c.

32
Substituindo na primeira equao, resulta: b = c. Se c = 1, ento a = 5 e b = 4.O
vetor v = (5, 4,1).
Verificao: (5,4,1) (1,2,3) = 5 + (8) + 3 = 0
( 5,4,1) ( 2,2,2) = 10 + 8 + 2 = 0

Assim, uma base ortogonal do R3 o conjunto

B = {(-1,2,3), (2,-2,2), (5,4,1)}.
Para obter uma base ortonormal do R3, basta dividir cada vetor de B pelo seu mdulo.
Assim, uma base ortonormal do R3 o conjunto
B={(-0.2673,0.5345,0.8018),(0.5774,0.5774,0.5774),(0.7715,0.6172,0.1543)}
Cada vetor do conjunto B unitrio e os vetores so ortogonais dois a dois.

Exerccios.

1.Calcular as coordenadas do vetor v=( 3, 5) na base B={(1,2),(2,1)}.

2. Dado o vetor vB = (2, 2, 1) na base B={(1,1,1),(1,1,0),(1,0,0)} expressar este

vetor na base cannica do R3 .

3. Verificar se o conjunto B={(1,1,3),(2,3,6),(3,4,9)} ou no base do R3.

4. Verificar se o conjunto B = {(1,1,1,3),(0,0,1,4),(1,0,5,9),(1,0,9,4)} ou no base

do R4. Calcular as coordenadas do vetor (5, 2, 23, 25) na base B.

5. Verificar se o conjunto B = {(0,0,1,4),(1,0,5,9),(1,0,9,4)} LI ou LD.

6 . O conjunto B={(1,1,1),(1,1,0)} LI. Adicionar um terceiro vetor no-nulo a este

conjunto de modo que o conjunto resultante seja ortogonal.
7. Normalizar o conjunto B ={ (1,2),(2,1)}.
8. Calcular as coordenadas do vetor v=(7,7,7) na base B={(1,1,1),(1,1,0),(1,0,0)}.
9. Calcular as coordenadas do vetor v=(2,6) na base B={(1,1),(1,1)} . Representar
graficamente.

33
Respostas dos exerccios:
1. Suponhamos (3,5) = a(1,2) + b(2,1)
(3,5) = ( a, 2a) + (2b, b) =
(3,5) = ( a 2b, 2a +b)
Igualando as coordenadas, resulta o sistema :
a 2b =3
2a + b = 5

Cuja soluo a = 2.6 e b = 0.2 . Assim, as coordenadas do vetor v= (3,5) na base

B={(1,2) , (2,1)} so (2.6 , 0.2). Notao vB = ( 2.6 , 0.2 )

2. v = 2(1,1,1) 2(1,1,0) 1(1,0,0) = ( 2,2,2) (2,2,0)(1,0,0) = ( 1,0,2)

3. O conjunto B no base do R3, pois um conjunto Linearmente Dependente, j

que o determinante formado pelos vetores igual a zero. Observe que u3 = u1 + u2.

4. Primeiro, devemos mostrar que o conjunto Linearmente Independente. A matriz

M formada pelos vetores tem det(M) = 11. Logo, o conjunto LI. Como a dimenso
do espao vetorial R4 igual a 4, este conjunto uma base. As coordenadas do vetor v
na base B so vB = ( 2 , 1, 1 , 3) .

5. Se o conjunto for LD, ento deve haver uma combinao linear entre os vetores,
por, exemplo : (0,0,1, 4) = a(1,0,5,9) + b(1,0,9,4)
(0,0,1, 4) = ( a ,0 ,5a , 9a) + (b ,0 , 9b ,4b)
(0,0,1, 4) = ( a + b, 0, 5a +9b , 9a+4b )
Igualando as coordenadas correspondentes, resulta o sistema :
a +b = 0 5a +9b =1 9a+4b = 4
Como este sistema no tem soluo, significa que o conjunto de vetores LI
(Linearmente Independente).

6. Suponhamos que o terceiro vetor seja o vetor ( a, b, c ) . Para que o conjunto seja
ortogonal, o produto escalar deve ser igual a zero, entre cada par de vetores diferentes.
Assim: (1,1,1)(a,b,c) = 0
(1,1,0)(a,b,c) = 0
Desenvolvendo o produto escalar, resulta: a + b + c = 0
a + b = 0
O sistema acima tem a soluo b = a , c = 2a, onde a R. Escolhendo a = 1, resulta
b = 1 e c = 2. Assim, o conjunto resultante B = {(1,1,1),(1,1,0),(1,1,2)}.

7. Basta dividir cada vetor pelo seu mdulo. O conjunto fica B={ (0.4472, 0.8944) ,
(0.8944, 0.4472)}.

8. Devemos supor (7 , 7 , 7 ) = a(1,1,1) + b(1,1,0) + c(1,0,0)}.

Montando e resolvendo o sistema, resulta a = 7,b = 14, c=14. Assim, as coordenadas
de v na base B so vB=(7,14,14.).

9. Analogamente ao exerccio 8, chegamos a vB= ( 4,2) .

34
Captulo 6. Transformaes Lineares e Representao Matricial

Sejam V e W espaos vetoriais; T: V W uma transformao linear se T satisfaz

as duas seguintes propriedades:
i) T ( u + v ) = T(u) + T(v) , para quaisquer u e v V
ii) T(au) = aT(u) , para qualquer a R e u V.

Exemplo de uma transformao linear T : R R , onde T(x) = 2x .

Neste exemplo, estamos considerando o conjunto dos nmeros reais como um
espao vetorial. A transformao definida por T(x)=2x. Assim, T(x+y)=
2(x+y) = 2x + 2y = T(x) + T(y) e T(ax)=2(ax)=a(2x)=aT(x). Logo, T uma
transformao linear.

Exemplo de uma transformao no-linear. T: R R, onde T(x) = 2x + 3.

Para mostrar que esta transformao no linear, basta mostrar um par de
vetores de R para os quais T(x+y) T(x)+T(y).Por exemplo, x = 2 e y = 4;
T(2 + 4) = T(6) = 15 e T(2)+T(4) = 7+11= 18.
Assim, T(2+4) T(2) + T(4). Logo, esta transformao no linear.

Propriedade de uma transformao linear. Se T: V W uma transformao

linear do espao vetorial V no espao vetorial W, ento T(0) = 0. Assim, no exemplo
2, como T(0) = 3, T no uma transformao linear, de acordo com a definio
acima.

Representao matricial de uma transformao linear

Uma transformao linear T: Rn Rm pode ser representada na base cannica por

uma matriz Amxn. Neste texto, sempre sero consideradas as bases cannicas do Rn.
Notao: A ou [T].

Exemplo 1. T: R2 R3 definida por T(x,y)=(x+y, xy, 2x); calculando a imagem

dos vetores da base cannica, obtemos T(1,0)=(1,1,2) e T(0,1)=(1,1,0), logo a matriz
1 1
de T a matriz A = 1 1 . Nesta notao, a transformao T(v) interpretada
2 0 3 x 2
x
como a multiplicao de A pelo vetor v= :
y
x + y 1 1
x
x y = 1 1 . Assim, a matriz que representa esta transformao
y
2x
2 0
1 1 1 1
A= 1 1 ou [T]= 1 1

2 0 3 x 2 2 0 3 x 2

35
Exemplo 2. T : R2 R2 definida por T(x,y)=(x+3y,4x+2y); calculando a imagem
dos vetores da base cannica, obtemos T(1,0)=(1,4) e T(0,1)=(3,2) ,logo a matriz de T
1 3
A= . Nesta notao, a transformao interpretada como a multiplicao
4 2 2 x 2
x
de A por v = :
y

x + 3y 1 3 x
=
4x + 2y 4 2 y
1 31 1 + 3 4
Por exemplo, T(1,1) = ( 1+3, 4+2) = (4,6) ou = =
4 21 4 + 2 6

Exemplo 3 .T: R3 R3 definida por T(x,y,z)= ( x+y+z , x+y+2z, xy) .

1 1 1
Na base cannica do R , a matriz de T A = 1 1 2 . Nesta notao, a
3

1 1 0
x
transformao interpretada como a multiplicao de A por v = y .
z

Exemplo 4. A transformao linear T: R3 R3 tem representao matricial igual a

1 0 4
1 2 3 . Calcule T(1,4,7).

0 2 4
1 0 4 1 29

Soluo : w = T(1,4,7); w = 1 2 3 4 = 14
0 2 4 7 36
29

Logo, T(1,4,7) = (29, 14, 36) ou como vetor-coluna, w = 14
36

Exemplo 5. Seja T: R2 R2 uma transformao linear tal que T(1,0)=(2,5) e

T(0,1)=( 4,1). Calcular T(x,y).
Soluo : na base cannica, (x,y) = x(1,0) + y(0,1)
T(x,y)=T(x(1,0) + y(0,1))=xT(1,0)+yT(0,1)=x(2,5)+y(4,1)
T(x,y)=( 2x 4y, 5x+y)
2 4
A matriz de T a matriz A = . Observe que as colunas da matriz A so as
5 1
imagens dos vetores da base cannica. Esta propriedade vale em geral.

36
Exerccios.

1. Seja T: R2 R2 a transformao linear T(x,y)= (2x+2y,x+5y). Calcule T(0,0),

T(1,1) , T(T(2,4)). Deduza uma regra prtica para calcular T(T(x,y)).

2. Seja T: R2 R2 a transformao linear T(x,y)= (2x+2y,x+5y). Calcule os

vetores v=(x,y) tais que T(x,y)=(0,0).

3. Sejam T1: R2 R2 , T1(x,y)= (2x+2y,x+5y) e T2: R2 R2 , T2(x,y)= (x+y,x

2y). Calcule T1(T2(3,4)) ; calcule T2(T2(3,4)); calcule T2(T2(T2(T2(3,4)))). Qual a
maneira mais rpida de efetuar este clculo ?

4. Seja T: R2 R2 dada por T(x,y) = (x+2y, y) . Calcule T(0,0),T(1,0), T(1,1) e

T(0,1).

5. A transformao que efetua uma rotao de um ngulo ( no Matlab, deve ser dado
cos() sin()
em radianos2 ) no R2 representada pela matriz A = . Calcule a
sin() cos()
imagem do vetor u=(3/5, 4/5) por uma rotao de 600 do plano. Representa
geometricamente. Compara o mdulo de u com o mdulo de T(u).

cos() sin() 0
6.A matriz A = sin() cos() 0 uma transformao linear do R3 no R3 que
0 0 1
representa uma rotao em torno do eixo z por um ngulo .
a) Se u = ( 2, 0, 4) , qual a imagem de u por uma rotao de 900 em torno do eixo z ?
Calcule no Matlab e represente graficamente no R3. Calcule o mdulo de T(u) e
compare com o mdulo de u.
b) Se u = ( 1, 0 , 1) , qual a imagem de u por uma rotao de 450 em torno do eixo z ?
Calcule no Matlab e represente graficamente no R3. Calcule o mdulo de T(u) e
compare com o mdulo de u.
3/ 7 2 / 7 6 / 7
7. Seja T: R R dada pela matriz A= 6 / 7 3 / 7 2 / 7 . Calcule w=T(1,2,3)
3 3

2 / 7 6 / 7 3 / 7
e compare | (1,2,3) | e | T(1,2,3) |. O que observa ?

8. Seja T: R3 R3 , uma transformao linear tal que T(1,0,0)=(2,3,4), T(0,1,0)=(1,

1,2) e T(0,0,1)=(1,2,0). Calcule a matriz de T e T(3,4,5).

2 x
radianos equivale a 1800 . Portanto, x graus equivale a y = radianos.
180

37
Respostas dos exerccios:
1.T(0,0) = (0,0) ; T(1,1)=(4,4) ; T(T(2,4))=(60,78)

2. O nico vetor cuja imagem o vetor nulo o vetor nulo.

3. T1(T2(3,4))=( 4, 32) ; T2(T2(3,4)) =(2, 17); T24(3,4)=(13,83) Se A a matriz de

T, basta fazer A4 multiplicado por u=(3,4).

4. T(0,0)=(0,0) , T(1,0) = (1,0) , T(1,1)=(3,1) e T(0,1)=(2,1).

cos( / 3) sin( / 3)
5. A matriz de T a matriz ;
sin( / 3) cos( / 3)
u = ( 0.6 , 0.8). T(u)=(0.3928 , 0.9196); | u | = 1 e | T(u) | = 1.

(0.39 , 0.9)
(0.6 , 0.8)

6. a) u = (2,0,4) ; v=T(u)= (0,2,4) , | u | = | v | = 4.4721

b) u = (1,0,1) ; v = T(u) = (0.7071 , 0.7071, 1). | u | = | v | = 1.4142.

z
z
(1,0,1)
(0,2,4) (0.7, 0.7, 1)
(2,0,4)

y
y

x
x
Soluo do item a. Soluo do item b.

38
 3/ 7 2 / 7 6 / 7
7. . Seja T: R R dada pela matriz A= 6 / 7 3 / 7 2 / 7 . Calcule
3 3

2 / 7 6 / 7 3 / 7
w=T(1,2,3) = ( 3.5714 , 0.8571 ; 0.7143 ) . Vemos que | u | = 3.74 e | T(u) | = 3.74.

2 1 1
8. A matriz de T a matriz [T]= 3 1 2 e T(3,4,5)=( 5 , 15 , 20).
4 2 0

39
Captulo 7. Autovalores e Autovetores

Definio de autovalor e autovetor. Seja T: Rn Rn uma transformao linear. Se

existe um vetor no-nulo v tal que T(v)=v, para algum escalar , ento dito um
autovalor da transformao linear e cada vetor no-nulo v tal que T(v)=v dito um
autovetor da transformao linear, associado a .

Como a cada Transformao Linear T: Rn Rn corresponde uma matriz Anxn que a

representa, os valores de e v da definio acima so chamados tambm de autovalor
( valor prprio ) e autovetor ( vetor prprio ) da matriz A, respectivamente.

Exemplo 1. Verificar que o vetor v=(1,1) um autovetor da transformao T: R2

R2 dada por T(x,y)=(2x+2y,x+5y), associado ao autovalor =4.

2 2 1
Soluo: a matriz de T A = . Multiplicando por v = , obtemos:
1 5 1
2 2 1 2 + 2 4 1
1 5 1 = 1 + 5 = 4 = 4 1 .

Resumindo: T(v) = 4v, onde v=(1,1), ou equivalentemente, Av = 4v.

y
y
T(v)=4v

x x

Figura 6. O vetor v=(1,1) . Figura 7. O vetor T(v) = 4v.

Exemplo 2. Verificar que o vetor v=(4,2) um autovetor da transformao

T:R2 R2 dada por T(x,y)=(2x+2y,x+5y), associado ao autovalor =3.
2 2 4
Soluo: a matriz de T A = . Multiplicando por v= , obtemos:
1 5 2
2 2 4 8 + 4 12 4
1 5 2 = 4 + 10 = 6 = 3 2 .

Resumindo: T(v) = 3v, onde v=(4,2), ou equivalentemente, Av=3v.

40
Exemplo 3. A rotao de 45o no plano xy no tem nenhum autovetor.

y y

T(v)

v
v

x x

41
CLCULO DOS AUTOVALORES E AUTOVETORES

Para o clculo dos autovalores e autovetores de uma transformao linear T: Rn Rn

representada pela matriz A, devemos resolver a equao Av= v, ou seja, Av = Iv,
onde I a matriz identidade nxn. Isto , devemos procurar solues no-triviais do
sistema
(A I) v = 0

Para que tal ocorra, a matriz A I deve ser singular ( det(A I)=0 ), isto , os
autovalores da matriz A so as razes da equao det(A-) =0, chamada de equao
caracterstica de A. Os autovetores associados ao autovalor formam o espao-
soluo ou auto-espao de A associado a .
Resumindo: para calcular os autovalores de uma Transformao Linear T: Rn Rn
representada pela matriz A, calculamos as razes da equao caracterstica det(A-I)
=0 , que uma equao de grau n. Depois, para cada autovalor calculado, o autovetor
dado pela soluo no-trivial do sistema (A ) v = 0 .

Exemplo 4. Calcular os autovalores da transformao linear T: R2 R2 dada por

T(x,y)=( 2x+2y, x+5y ). Determinar os autoespaos associados.
1 0 2 2
Soluo: neste caso n = 2, logo I = ; A= . A equao caracterstica
0 1 1 5
2 2
det(AI) = 0, ou seja, = 0. Resulta: (2 )(5)+2=0, ou seja,
1 5
2 7 + 12 = 0, donde, os autovalores so = 3 ou = 4.

No Matlab: para obter o polinmio caracterstico da transformao, basta definir a

matriz T e usar o comando poly(T). Os autovalores so obtidos pelo comando
roots(poly(T)).

2 2
Resultados do Matlab para o exemplo acima: T =
1 5
poly(T) = 1 7 12
roots(poly(T)) = 4 3

Traduzindo: o polinmio caracterstico de T p() = 2 7 + 12 e a equao

caracterstica de T 2 7 + 12 = 0 ; os autovalores de T so = 4 e = 3. Para
obter os autovetores, devemos calcular para cada autovalor diferente.

Para = 4 , o autovetor v = (x,y) (0,0) deve satisfazer T(x,y) = 4(x,y), ou seja

(2x+2y,x+5y) = ( 4x, 4y ) . Igualando as coordenadas correspondentes, resulta :

2x + 2y = 4x
x + 5y = 4y

A soluo deste sistema 2x = 2y , isto , x = y. Assim, todo vetor em que a

primeira coordenada igual a segunda um autovetor associado a = 4 . Por
exemplo, se v = ( 2 , 2 ) , ento T(v) = T(2,2) = ( 2*2+ 2*2, 2+ 5*2) =(8,8) = 4(2,2).
Portanto, o autovetor associado ao autovalor = 4 o autovetor v = x(1,1) , x 0, ou
simplesmente, v = ( 1 , 1). Se tomarmos o conjunto de todos os mltiplos do vetor
(1,1) , teremos a reta y = x, que passa pela origem do R2 e um subespao vetorial do
R2, chamado de autoespao associado ao autovetor v = (1,1) . Um autovetor
normalizado v = ( 1 , 1 ) .
2 2
Para = 3 , o autovetor v = (x,y) (0,0) deve satisfazer T(x,y) = 3(x,y) , ou seja,
(2x+2y,x+5y) = ( 3x, 3y ) . Igualando as coordenadas correspondentes, resulta :

2x + 2y = 3x
x + 5y = 3y

A soluo deste sistema x = 2y. Logo, v = x (2,1) , x 0 , o autovetor associado

ao autovalor = 3. Por exemplo, se v = ( 4,2 ) , ento T(v) = T(4,2) = (2*4 + 2*2, 4
+ 5*2) = ( 12, 6 ) = 3( 4,2) , isto , T(v)=3v. O autoespao associado a reta que passa
pela origem e tem a direo do vetor v = ( 4,2) .

CLCULO NO MATLAB
No Matlab, os autovalores e autovetores de uma matriz T so obtidos com o comando
[ P, D ] = eig( T ) . Os autovetores so dados na forma normalizada. No exemplo
acima, se T = [ 2 2; 1 5] , o comando [P,D] = eig(T) resulta :

P=
0.8944 0.7071
0.4472 0.7071

D=
3 0
0 4
Interpretao: autovalor = 3 associado ao autovetor v1 = ( 0.8944 , 0.4472 )
autovalor = 4 associado ao autovetor v2 = ( 0.7071 , 0.7071 )

Exemplo 5. Diagonalizao

2 2
No exemplo 4, vimos que tem autovalor = 3 associado ao autovetor
1 5
v1=(0.8944,0.4472) e autovalor =4 associado ao autovetor v2=(0.7071,0.7071).
0.8944 0.7071
Defina a matriz P cujas colunas so os autovetores: P = e
0.4472 0.7071
calcule P1*T*P. O resultado chamado de diagonalizao da transformao.
Significa que se tomarmos como base do R2 o conjunto B={v1,v2} a transformao
3 0
representada pela matriz diagonal D= . No Matlab, a matriz P obtida
0 4
diretamente com o comando [P,D]=eig(A).

43
Exerccios.

1. Calcule no Matlab os autovalores e autovetores da transformao linear T : R2

R2 dada por T(x,y) = ( 14x + 12y, 20x + 17y) . Calcule o polinmio caracterstico
de T, os autovetores na forma normalizada, associados a cada autovalor. Depois,
escreva identificando a proporo entre as coordenadas, como na traduo ( exemplo
acima ).

2. Considere a transformao linear T: R2 R2, dada por T(x,y) =(x,x+2y) . Escreva

o polinmio caracterstico de T. Calcule os autovalores e autovetores de T.
Diagonalize T, como no exemplo 5.
1 0 0 2 0
0 1 0 1 0
3. Verifica se v = autovetor da matriz A= . Em caso
1 0 1 2 0

0 0 0 0 1
afirmativo, identifica o autovalor correspondente.
4. Calcule no Matlab o polinmio caracterstico, os autovalores e autovetores da
4 0 1
matriz M= 2 1 0 . Escreva os autovetores na forma normalizada, e na forma
2 0 1
usual, associados a cada autovalor.

5. Calcule o polinmio caracterstico, os autovalores e autovetores da transformao

1 0 0 0 0
2 4 0 1 0

linear representada pela matriz 1 3 5 0 0 .

0 4 5 7 9
0 0 2 5 9

Respostas dos exerccios:

1. O polinmio caracterstico de T p() = 2 3 + 2. Os autovalores so 1 = 1
associado ao autovetor v1 = ( 0.6247 , 0.7809) , e 2 = 2, associado ao autovetor
v2= ( 0.6 , 0.8 ) . Na forma usual, temos :
1 = 1 associado ao autovetor v1 = ( 1 , 1.25) e
1 = 2 associado ao autovetor v2 = ( 3 , 4 ).

1 0 2
2. A matriz de T T =
1 2 . O polinmio caracterstico de T p() = 3 + 2.

Os autovalores so 1 = 1 associado ao autovetor v1 = ( 0 , 1 ) , e 2 = 2, associado
ao autovetor v2= ( 0.7071 , 0.7071 ) . Na forma usual, temos :
1 = 1 associado ao autovetor v1 = ( 0 , 1) e
1 = 2 associado ao autovetor v2 = ( 1 , 1 ).

44
3. O vetor v uma autovetor da matriz A, pois Av = 2v. Neste caso, o autovalor
associado = 2.

4. O polinmio caracterstico de M p() = 3 62 +11 +6. Os autovalores so

1=1, associado ao autovetor v1=(0,1,0), 2 = 3 associado ao autovetor v2=(0.5774,
0.5774, 0.5774) e 3 = 2, associado ao autovetor v3=(0.3333, 0.6667, 0.6667 ) . Na
forma usual, temos: autovalor 1 = 1, associado ao autovetor v1=(0,1,0) ,
autovalor 2 = 3, associado ao autovetor v2=(1,1,1) e
autovalor 3 = 2, associado ao autovetor v3 =(1, 2 , 2 ).

5. O polinmio caracterstico de A p() = 5 264 + 2113 7092 + 982 459.

Autovalores e autovetores associados abaixo.
Autovalor Autovetor
1 = 14.5219 v1= (0 , 0.07, 0.02 , 0.74 , 0.66)
2 = 1.6248 v2= (0 , 0.32, 0.29 , 0.77 , 0.44)
3 = 4.0498 v3= (0 , 0.28, 0.88 , 0.01 , 0.37)
4 = 4.8035 v4= (0 , 0.05, 0.87 , 0.04 , 0.47)
5 = 1 v5= (0.40 , 0.008, 0.09 , 0.78 , 0.46)

45
Captulo 8. Clculo das iteradas de uma transformao linear

Em alguns casos, aplicao sucessiva de uma transformao linear gera uma

seqncia de vetores que converge a um vetor fixo, chamado de vetor de equilbrio.
Isto pode ocorrer em algumas aplicaes ( por exemplo, em Cadeias de Markov ) ,
onde se procura o estado de equilbrio de uma distribuio de fatias de mercado, veja
em Ben Noble. Para ilustrar esta aplicao, calculamos as iteradas de uma
transformao linear num dado vetor u0, e analisamos o limite lim T n (u 0 ) . Estudando
n
os autovalores e autovetores da transformao ( ou da matriz que a representa ) ,
podemos justificar o que acontece em cada caso.

0.5
Exemplo. Dado o vetor u0 = , calculadas as iteradas da transformao
0.5
0.2 0.4
representada pela matriz T = .
0.8 0.6
Soluo : calculando as cinco primeiras iteradas, obtemos:

0.2 0.4 0.5 0.2 * 0.5 0.4 * 0.5 0.3

u1 = T*u0 = * = =
0.8 0.6 0.5 0.8 * 0.5 0.6 * 0.5 0.7
0.2 0.4 0.3 0.2 * 0.3 0.4 * 0.7 0.34
u2 = T*u1 = * = =
0.8 0.6 0.7 0.8 * 0.3 0.6 * 0.7 0.66
0.2 0.4 0.34 0.2 * 0.34 0.4 * 0.66 0.332
u3 = T*u2 = * = =
0.8 0.6 0.66 0.8 * 0.34 0.6 * 0.66 0.668
0.2 0.4 0.332 0.2 * 0.332 0.4 * 0.668 0.3336
u4 = T*u3 = * = =
0.8 0.6 0.668 0.8 * 0.332 0.6 * 0.668 0.6664
0.2 0.4 0.3336 0.2 * 0.332 0.4 * 0.668 0.3333
u5 = T*u4 = * = =
0.8 0.6 0.6664 0.8 * 0.332 0.6 * 0.668 0.6667
Tais resultados podem ser obtidos diretamente no Matlab com o seguinte lao, usando
o for ( os resultados vo ser omitidos aqui no texto ):

>> u0=[0.5;0.5] ;
>> T=[0.2,0.4;0.8,0.6] ;
>> for i=1:5
T^i*u0
end

0.3333
Resumindo, vemos que o as iteradas tendem ao vetor de equilbrio . Para
0.6667
justificar tal resultado, calculamos os autovalores e autovetores da transformao T no
Matlab:
>>T=[0.2,0.4;0.8,0.6];
>>[m,n]=eig(T)
m=

46
 0.7071 0.4472
0.7071 0.8944

n=

0.2000 0
0 1.0000

Temos : autovalor 1 = 0.2 associado ao autovetor v1=(1,1)

autovalor 2 = 1 , associado ao autovetor v2 = ( 1, 2 )

Tomando a base B ={ (1,1) , (1,2) } como base do R2, o vetor inicial u0= ( 0.5 ; 0.5 )
pode ser escrito como a seguinte combinao linear dos vetores de B:
1 1
(0.5 ; 0.5 ) = (1,1) + (1,2)
6 3

Assim, aplicando sucessivamente a transformao linear T no vetor u0, o autovetor v1

multiplicado sucessivamente pelo autovalor 1=0.2, tendendo ao vetor nulo; por
outro lado, o autovetor v2= (1,2) multiplicado sucessivamente pelo autovalor 2=1 .
1 1
Devido a combinao linear u0= v1 + v2, a tendncia a seqncia das iteradas
6 3
1
convergir para o vetor de equilbrio v2 = ( 1/3 ; 2/3 ), como verificado no Matlab.
3

Exerccios. Calcular as iteradas da transformao dada no vetor inicial dado.

Justificar o resultado obtido, analisando os autovetores e autovalores de T.

0.4 2 2
1. T = , u0 =
0 0.6 3

0.8 0.1 0.5

2. T = , u0 =
0.2 0.9 0.5

0.5 0.4 0.6 0

3. T = 0.2 0.2 0.3 , u0 = 1
0.3 0.4 0.1 0

3 0 0 1

4. T = - 2 7 0 , u0 = 1
4 8 1 3

47
Respostas dos exerccios:

0.4 2 2
1. T = , u0 =
0 0.6 3

1 = 0,4 v1 = ( 1 , 0 )
2 = 0,6 v2 = ( 2 , 1 )

Escrevendo o vetor dado u0 = (2, 3 ) como combinao dos autovetores:

( 2, 3) = a( 1, 0 ) + b( 2,1 ) = ( a,0) + (2b, b) = ( a + 2b, b)

a + 2b = 2
b=3
Logo , a = 2 2b = 2 2*3 = 26 = 4

( 2, 3) = ( 4)*( 1,0 ) + 3*(2,1 )

T(2,3) = (4)*T(1,0) + 3*T(2,1)= 4*(0,4)*(1,0)+3*0,6*(2,1) = ( 5,2 ; 1,8)

Aplicando a transformao sucessivas vezes, resultam as iteradas:

u0 u1 u2 u3 u4 u5 u6 u7 u8
2 5,2 1,52 1,5520 0,6752 0,5075 0,2636 0,1745 0,0982
3 1,8 1,08 0,6480 0,3888 0,2332 0,1400 0,0840 0,0504

Neste exemplo, as iteradas de T no vetor u0=(2,3) correspondem s combinaes de

multiplicaes sucessivas dos autovetores pelos seus autovalores.Como | 0,4 | = 0,4
< 1 e | 0,6| = 0,6 < 1, a multiplicao sucessiva faz com que as iteradas tendam a zero.
0
Escrevemos : lim T n (u 0 ) = . Seja qual o vetor u0 escolhido inicialmente, as
n +
0
iteradas vo tender ao vetor nulo, neste caso, pois os dois autovalores tem mdulo
menor do que 1. Esta propriedade pode ser verificada experimentalmente no Matlab.

0.8 0.1 0.5

2. T = , u0 =
0.2 0.9 0.5

1 = 0,7 v1 = (1 , 1 )
2 = 1 v2 = ( 1 , 2 )

Escrevendo o vetor dado u0 = (0,5 ; 0,5 ) como combinao dos autovetores:

( 0,5 ; 0,5) = a(1, 1 ) + b( 1,2 ) = (a,a) + (b, 2b) = (a + b, a + 2b)

Resulta o sistema : a + b = 0,5

48
 a + 2b = 0,5

1 1 1 1
A soluo : a = e b = . Ento : ( 0,5 ; 0,5) = *( 1, 1 ) + * ( 1,2 )
6 3 6 3
Aplicando a transformao sucessivas vezes, resultam as iteradas:

u0 u1 u2 u3 u4 u5 u10 u15 u20

0,5 0,45 0,415 0,3905 0,3734 0,3613 0,3529 0,3366 0,3339
0,5 0,55 0,585 0,6095 0,6267 0,6387 0,6471 0,6634 0,6661
Aplicar as iteradas de T no vetor u0 = ( 0,5 ; 0,5 ) a mesma coisa que multiplicar
sucessivas vezes o autovetor v1 = (1 , 1 ) por 0,7 e o autovetor v2 = ( 1 , 2 ) por 1.
Logo, a contribuio do autovetor v1 = (1,1 ) tende a desaparecer, pois |0,7| < 1,
1
resultando no limite apenas a parcela que equivale a * ( 1,2 ) . No Matlab, obtemos
3
( 0.3333;0.6667) , o que a mesma coisa. Se escolhermos como vetor inicial um
autovetor da transformao, duas coisas podem acontecer: se o vetor inicial for
mltiplo de v1 , ento as iteradas tendem ao vetor nulo, pois 1= 0,7. Se o vetor inicial
for mltiplo de v2, as iteradas sero iguais ao prprio vetor, pois 2 =1 e tendem ao
prprio vetor. Qualquer outra escolha do vetor inicial com coordenadas positivas cuja
soma seja igual 1, produzir uma seqncia de vetores que tender ao vetor
(0.3333;0.6667), chamado de vetor de equilbrio. Esta propriedade pode ser verificada
experimentalmente no Matlab.

3. As iteradas desta transformao tendem ao vetor de equilbrio v=(0.5042, 0.2269,

0.2689), uma vez que seus autovalores so 1 , 0.0414 e 0.2414, associados aos
autovalores.

4. A aplicao sucessiva desta transformao no converge a um vetor de equilbrio,

pois os autovalores de T so 1, 7 e 3. O autovetor associado ao autovalor 1=1 o
autovetor v1= (0,0,1) . Assim, escolhendo um vetor inicial que no seja mltiplo de v1,
a aplicao das iteradas de T deve divergir.

49
Captulo 9. Diagonalizao de uma matriz

Vimos que toda transformao linear T:Rn Rn tem uma matriz cannica que a
representa. Portanto, podemos associar a cada matriz nxn uma transformao linear do
Rn no Rn. Por exemplo, a matriz

cos( / 4) sin( / 4) 0
T1= sin( / 4) cos( / 4) 0
0 0 1
uma rotao por um ngulo de /4 em torno do eixo z num sistema de coordenadas
xyz. J a matriz

0.8 0.1
T2 =
0.2 0.9

pode ser interpretada como uma matriz de probabilidade que pode ser usada para
descrever o comportamento de uma populao de indivduos divididos em duas
classes( por exemplo, fumantes e no-fumantes). No caso da matriz T2, vimos que
seus autovalores e autovetores so respectivamente: autovalor 1= 0.7, associado com
o autovetor v1 = (1, 1) e autovalor 2 = 1, associado com o autovetor v2 = ( 1 , 2 ).
Isto significa que T2(v1) = 0.7*v1 e T2(v2)=1*v2. Dizemos que a matriz T2 tem uma
base de autovetores, pois os autovetores v1=(1,1) e v2=(1,2) so linearmente
independentes, logo o conjunto {(1,1) , (1,2)} uma base do R2. Relacionado com
esta propriedade, est o conceito importante de diagonalizao de uma matriz. Antes
de vermos como diagonalizar uma matriz, vamos ver dois exemplos de clculo de
autovalores e suas multiplicidades algbrica e geomtrica.

Exemplo 1. Encontrar a multiplicidade algbrica e geomtrica dos autovalores de

2 0 0
A = 1 3 0
3 5 3
Soluo: o polinmio caracterstico de A p() = 3 82 + 21 18.
No Matlab, fazemos:
>> A = [ 2 0 0 ; 1 3 0 ; 3 5 3];
>> poly(A)

ans =
1 -8 21 -18

Portanto, p() = 3 82 + 21 18. As razes deste polinmio so os autovalores da

matriz A, obtidas pelo comando abaixo:

>> roots(poly(A))
ans =
3.0000 + 0.0000i
3.0000 - 0.0000i
2.0000

50
Interpretao. Os autovalores da matriz A so
= 2 , com multiplicidade algbrica 1
= 3 , com multiplicidade algbrica 2

Os autovetores correspondentes podem ser calculados no Matlab :

>> [m, n] = eig(A)
m=
0 0 0.1231
0 0.0000 -0.1231
1.0000 -1.0000 0.9847
n=
3 0 0
0 3 0
0 0 2

Interpretao :
Autovalor = 2 associado ao autovetor v = [ 0.1231; 0.1231; 0.9847 ]
Autovalor = 3 associado ao autovetor v = [ 0; 0 ; 1 ]

Veja que os vetores [ 0 ; 0 ; 1 ] e [ 0 ; 0 ; 1] so LD, portanto, basta considerar

apenas um deles. Portanto:
autovalor = 2 tem multiplicidade geomtrica 1
autovalor = 3 tem multiplicidade geomtrica 1.
Isto , a cada autovalor corresponde um sub-espao vetorial do R3 de dimenso 1,
associado ao autovalor, gerado pelos mltiplos do autovetor.

Exemplo 2. Calcular a multiplicidade algbrica e geomtrica dos autovalores de

0 0 2
A = 1 2 1
1 0 3
Soluo: o polinmio caracterstico de A p() = 3 52 + 8 4.
No Matlab, fazemos:

>> A=[ 0 0 -2;1 2 1;1 0 3]

A=
0 0 -2
1 2 1
1 0 3
>> poly(A)
ans =
1 -5 8 -4
>> roots(poly(A))
ans =
2.0000
2.0000
1.0000
Interpretao: os autovalores de A so
= 1 , com multiplicidade algbrica 1

51
 = 2 , com multiplicidade algbrica 2
Para obter os autovetores, fazemos no Matlab:
>> [m,n]=eig(A)
m=
0 -0.8165 0.7071
1.0000 0.4082 0
0 0.4082 0.7071
n=
2 0 0
0 1 0
0 0 2

Interpretao :
= 1 , associado com o autovetor [ 0.8165 ; 0.4082 ; 0.4082]
= 2 , associado aos autovetores [0;1;0] e [ 0.7071;0 ;0.7071 ] .Como estes vetores
so LI, temos:
= 1 , com multiplicidade geomtrica 1
= 2 , com multiplicidade geomtrica 2

Isto , o sub-espao associado ao autovalor = 1 uma reta pela origem do R3, que
tem dimenso 1; o sub-espao associado ao autovalor = 2 um plano pela origem
do R3, que tem dimenso 2.

A importncia dos autovalores e autovetores se baseia no seguinte fato: possvel

diagonalizar uma matriz a partir de seus autovetores, como mostra o seguinte mtodo:

Diagonalizao de uma matriz Anxn com n autovetores linearmente

independentes

Passo 1. Calcule os n autovetores linearmente independentes da matriz A, digamos

v1,v2,...,vn.
Passo 2. Forme a matriz P = [v1,v2,...,vn] . Isto significa que cada coluna de P um
autovetor.
Passo 3. Calcule a matriz D= P1AP . A matriz D diagonal, sendo que a diagonal de
D formada pelos autovalores i .

Exemplo 3. Diagonalizao de uma matriz

0 0 2
A = 1 2 1
1 0 3
Soluo:
= 1 , associado com o autovetor v1= [ 0.8165 ; 0.4082 ; 0.4082]
= 2 , associado aos autovetores v2=[0;1;0] e v3=[0.7071;0 ;0.7071] (LI)
0.8165 0 0.7071
Logo:P=[v1,v2,v3]= 0.4082 1 0 uma matriz que diagonaliza a matriz A.

0.4082 0 0.7071
No Matlab :

52
>>[P,D]=eig(A)
P=
0 0.8165 0.7071
1.0000 0.4082 0
0 0.4082 0.7071
D=
2 0 0
0 1 0
0 0 2

Observao: as colunas de P esto trocadas em relao ao resultado acima, pois os

autovalores esto em correspondncia. Para efeito da diagonalizao, no h problema
nisto.

>>P=[0 1 0;0.8165 0.4082 0.4082; 0.7071 0 0.7071];

O comando inv(P) nos d a matriz inversa de P , ou seja , P1:

>> inv(P)
ans =
1.0000 1.0000 1.0000
-2.4495 0 -2.4495
-1.4142 0 -2.8284
A matriz diagonal obtida fazendo inv(P)*A*P:

>> inv(P)*A*P
ans =

2.0000 0 0
0 1.0000 0
0 -0.0000 2.0000

Observe que o resultado a matriz D, isto , P1AP = D.

Exemplo 4 . Uma matriz no diagonalizvel.

2 0 0
A matriz 1 3 0 tem autovalores 1 = 2 e 2 = 3 e os autovetores associados so
3 5 3
v1= [ 1; 1; 8 ] e v2 = [ 0; 0 ; 1 ] . Estes autovetores so linearmente independentes,
pois esto associados a autovalores diferentes. Porm, impossvel determinar um
terceiro autovetor LI. Portanto, esta matriz no diagonalizvel.
Matrizes semelhantes. Se A e C so matrizes quadradas de mesma ordem, dizemos
que A e C so matrizes semelhantes se existe uma matriz invertvel P tal que a
igualdade C=P1AP vlida.

53
Teorema.
a) Matrizes semelhantes tem o mesmo determinante.
b) Matrizes semelhantes tem o mesmo polinmio caracterstico e, portanto, tem
os mesmos autovalores com as mesmas multiplicidades algbricas.

Teorema. Uma matriz Anxn com n autovalores distintos diagonalizvel.

Exerccios. Encontre o polinmio caracterstico de cada matriz, calcule seus

autovalores e autovetores correspondentes, a matriz que diagonaliza a matriz dada e
efetue a diagonalizao:

14 12
1. A =
20 17

1 0
2. A =
6 1

1 0 0
3. A = 0 1 1
0 1 1
2 0 2
4. A = 0 3 0
0 0 3
2 0 0 0
0 2 0 0
5. A=
0 0 3 0

0 0 1 3

2 0 0 0
0 2 5 5
6. A=
0 0 3 0

0 0 0 3

Respostas dos exerccios ( soluo no Matlab ) :

14 12
1. A =
20 17
>> clear A
>> clear P;clear D;
>> A=[ 14 12; 20 17] ;
>> [P,D]=eig(A)
P=
0.6247 0.6000
0.7809 0.8000

54
D=
1.0000 0
0 2.0000

>> inv(P)

ans =
25.6125 19.2094
25.0000 20.0000

>> inv(P)*A*P

ans =

1.0000 0.0000
0.0000 2.0000

0.6247 0.6000
A matriz P = uma matriz que diagonaliza a matriz A. As
0.7809 0.8000
colunas de P so os autovetores da matriz A. A matriz P1*A*P uma matriz
diagonal, cujos elementos so os autovalores da matriz A: P1*A*P = D.

25.6125 19.2094 14 12 0.6247 0.6000 1 0

25.0000 20.0000 20 17 0.7809 0.8000 = 0 2

P1 A P = D

Equivale a dizer que : A = P*D*P1 .No Matlab:

>>D=inv(P)*A*P
D=
1.0000 0.0000
0.0000 2.0000

>>P*D*inv(P)
ans =
-14.0000 12.0000
-20.0000 17.0000

Observe que a multiplicao PDP1 resulta igual a A, isto , PDP1 = A.

1 0
2. A =
6 1
>> clear A;clear P;clear D;
>> A=[1 0;6 -1]
A=
1 0
6 1

55
>> [P,D]=eig(A)
P=
0 0.3162
1.0000 0.9487
D=
1 0
0 1

Lembre que : na diagonal da matriz D aparecem os autovalores de A.

>> P1=inv(P) % um nome para a inversa de m

P1 =
3.0000 1.0000
3.1623 0

>> clear D;
>> P1*A*P % verificao da diagonalizao
ans =
1.0000 -0.0000
0 1.0000

1 0
Concluso : a matriz A = diagonalizvel e uma matriz que diagonaliza A
6 1
0 0.3162 3.0000 1.0000
P = . A inversa de P P1= .
1 0.9487 3.1623 0.0000

3.0000 1.0000 1 0 0 0.3162 1 0

Verificao : 6 1 1 0.9487 = 0 1
3.1623 0.0000

Equivale a dizer que: A = P*D*P1 .

0 0.3162 1 0 3.0000 1.0000 1 0

1 0.9487 0 1 3.1623 0.0000 = 6 1

P D P1 = A

1 0 0
3. A = 0 1 1
0 1 1

>> clear A;clear P;clear D;clear P1;

>> A=[1 0 0;0 1 1;0 1 1];
>> [P,D]=eig(A)
P=
0 1.0000 0

56
 0.7071 0 0.7071
0.7071 0 0.7071
D=
0 0 0
0 1 0
0 0 2

>> P1=inv(P) % a matriz inversa de P

P1 =
0 0.7071 0.7071
1.0000 0 0
0 0.7071 0.7071

>> P1*A*P
ans =
0 0 0
0 1 0
0 0 2
1 0 0
Concluso: a matriz A = 0 1 1 diagonalizvel e uma matriz que diagonaliza A
0 1 1
0 1 0

a matriz P= 0.7071 0 0.7071 . A inversa de P a matriz P1=
0.7071 0 0.7071
0 0.7071 0.7071 0 0 0
1 0 0 =P .Na forma diagonal,a matriz fica D= 0 1 0 ,
1

0 0.7071 0.7071 0 0 2

pois os autovalores de A so 1 = 0 , 2 = 1 e 3 = 2. Ento:

P1 * A * P = D
0 0.7071 0 .7071 1 0 0 0 1 0 0 0
0
1 0 0 0 1 1 0.7071 0 0.7071 =
0 1 0

0 0.7071 0.7071 0 1 1 0.7071 0 0.7071 0 0 2

Equivale a dizer que : A = P*D*P1 .

1 0 0 0 1 0 0 0 0 0 0.7071 0.7071
0 1 1 = 0.7071 0 0.7071 0 1 0 1 0 0

0 1 1 0.7071 0 0.7071 0 0 2 0 0.7071 0.7071

57
 2 0 2
4. A = 0 3 0
0 0 3
>> clear A;clear P;clear D;clear P1;
>> A=[2 0 -2;0 3 0;0 0 3];
>> [P,D]=eig(A)
P=
1.0000 0 -0.8944
0 1.0000 0
0 0 0.4472
D=
2 0 0
0 3 0
0 0 3

>> P1=inv(m) % a matriz inversa de m

P1 =
1.0000 0 2.0000
0 1.0000 0
0 0 2.2361

2 0 2
Concluso: a matriz A = 0 3 0 diagonalizvel e uma matriz que
0 0 3
1 0 0.8944
diagonaliza A a matriz P= 0 1 0 . A inversa de P a matriz P1=

0 0 0.4472
1 0 2.0000 2 0 0
0 1
0 = P . Na forma diagonal, a matriz fica D= 0 3 0 , pois os
1

0 0 2.2361 0 0 3
1
autovalores de A so 1 = 2 , 2 = 3 e 3 = 3. Ento : P * A*P =D

1 0 2.0000 2 0 2 1 0 0.8944 2 0 0
0 1 0 * 0 3 0 * 0 1 0 = 0 3 0

0 0 2.2361 0 0 3 0 0 0.4472 0 0 3

Equivale a dizer que : A = P*D*P1 .

2 0 2 1 0 0.8944 2 0 0 1 0 2.0000
0 3 0 = 0 1 0 * 0 3 0 * 0 1 0

0 0 3 0 0 0.4472 0 0 3 0 0 2.2361

58
 2 0 0 0
0 2 0 0
5. A=
0 0 3 0

0 0 1 3
>> clear A; clear P;clear D;clear P1;A=[-2 0 0 0;0 -2 0 0 ;0 0 3 0 ; 0 0 1 3];
>> [P,D]=eig(A)
P=
1.0000 0 0 0
0 1.0000 0 0
0 0 0 0.0000
0 0 1.0000 -1.0000
D=
-2 0 0 0
0 -2 0 0
0 0 3 0
0 0 0 3

Temos dois autovetores v1 = [ 1;0 ; 0; 0] e v2 =[0 ; 1; 0;0 ] que so Linearmente

Independentes (LI) associados ao autovalor 1 = 2, portanto , este autovalor tem
multiplicidade algbrica igual a 2 e multiplicidade geomtrica igual a 2; os
autovetores [ 0 ; 0; 0 ; 1 ] e [ 0; 0 ; 0 ; 1] so Linearmente Dependentes (LD) ,
logo, devemos considerar apenas um, isto , o autovalor 2 = 3 tem multiplicidade
algbrica igual a 2, mas multiplicidade geomtrica igual a 1. Assim, a matriz A
no diagonalizvel.

2 0 0 0
0 2 5 5
6. A=
0 0 3 0

0 0 0 3

>> clear A;clear P;clear D;clear P1;

>> A=[-2 0 0 0;0 -2 5 -5 ;0 0 3 0 ; 0 0 0 3];
>> [P,D]=eig(A)

P=
1.0000 0 0 0
0 1.0000 0.7071 -0.7071
0 0 0.7071 0
0 0 0 0.7071
D=
-2 0 0 0
0 -2 0 0
0 0 3 0
0 0 0 3

59
Concluso : a matriz A diagonalizvel, pois cada um dos autovalores tem dois
autovetores LI associados. Assim, uma matriz que diagonaliza a matriz A a matriz
1 0 0 0
0 1 0.7071 0.7071
P= .
0 0 0.7071 0

0 0 0 0.7071
Resumindo:

Multiplicidade algbrica: nmero de vezes que um autovalor aparece como raiz de

p() = 0.
Multiplicidade geomtrica: nmero de autovetores LI associados a um autovalor.
Exemplo.
0 0 2
A = 1 2 1
1 0 3
O polinmio caracterstico de A p() = 3 52 + 8 4 . As razes de p() = 0
so 1 ( uma vez ) e 2 ( duas vezes ). Os autovalores de A so :
= 1 , com multiplicidade algbrica 1
= 2 , com multiplicidade algbrica 2
Para obter os autovetores, fazemos no Matlab:
>> clear A; clear P;clear D; A=[0 0 -2;1 2 1; 1 0 3]
>> [P,D]=eig(A)
P=
0 -0.8165 0.7071
1.0000 0.4082 0
0 0.4082 -0.7071
D=
2 0 0
0 1 0
0 0 2

Interpretao:
= 1 , associado com o autovetor [ 2 ;1 ; 1]
= 2 , associado aos autovetores [0 ; 1 ; 0 ] e [ 0.7071;0 ;0.7071 ] .Como estes
vetores so LI, temos:
= 1 , com multiplicidade geomtrica 1
= 2 , com multiplicidade geomtrica 2

Relaes entre multiplicidade algbrica e geomtrica

Teorema Se A uma matriz quadrada, ento:
a) A multiplicidade geomtrica de um autovalor de A no mximo igual a
multiplicidade algbrica.
b) A diagonalizvel se, e somente se, a multiplicidade geomtrica de cada autovalor
de A igual multiplicidade geomtrica.

Portanto, este teorema justifica porque a matriz do exemplo 5 acima no

diagonalizvel.

60
Captulo 10. Potncias de uma matriz diagonalizvel
Existem muitas aplicaes que exigem o clculo de potncias elevadas de matrizes
quadradas. Para minimizar o tempo de processamento e diminuir o consumo de
energia, bem como diminuir os erros de arredondamento, existem algumas tcnicas
que podem reduzir a quantidade de operaes necessrias nestas aplicaes.
Consideremos A uma matriz nxn diagonalizvel e P a matriz que diagonaliza a matriz
A. Ento:

D =P1AP (1)

onde D uma matriz diagonal, cujos elementos so os autovalores de A. A matriz D

denotada por D = diag(1, 2,...,n). A equao (1) equivale a:

A = PDP1 (2)

Suponhamos que precisemos calcular A2 .Pela equao (2) :

A2 = (PDP1)( PDP1) = PD(P1 P)DP1 = PDIDP1 = PD2P1

A2=PD2P1 (3)

Logo para calcular Ak, onde k um inteiro positivo, devemos fazer:

Ak=PDkP1 (4)

Esta equao, que vlida para uma matriz A diagonalizvel, expressa a k-sima
potncia de A em termos das k-simas potncias de D, portanto, sendo mais fcil de
calcular, pois sendo D uma matriz diagonal, ento Dk= diag( 1k , k2 ,..., kn ). Por
1 0 0 14 0 0

exemplo, se D= 0 2 0 , ento D4 = 0 2 4
0 .
0 0 2 0 0 2 4

Exemplo 1. Usar a frmula (4) para calcular a potncia A13 da matriz diagonalizvel

0 0 2
A = 1 2 1 .
1 0 3
2 1 0
Soluo: como vimos, uma matriz que diagonaliza a matriz A P = 1 0 1 . A
1 1 0
1 0 1 1 0 0
inversa de P P = 1 0 2 e D = P AP= 0 2 0 . Assim:
1 1

1 1 1 0 0 2

61
 2 1 0 1 0 1 0 1 8190 16382
13
0 0
A =PD P = 1 0 1 0
13 13 1
213

0 1 0 2 = 9191 8192 8191

1 1 0 0 0 213 1 1 1 8191 0 16383

Para calcular A2 = A*A, por definio, necessrio efetuar 3 multiplicaes e 2

adies no clculo de cada elemento do produto, isto , 5 operaes. Assim, para
calcular 9 elementos, so necessrias 45 operaes aritmticas. Logo, para calcular
A13 = A*A*...*A, so necessrias 12*45= 540 operaes. Pela frmula (4), foram
necessrias 3 operaes de potenciao com expoente 13, que equivalem a 36
operaes de multiplicao, alm da multiplicao da matriz diagonal por P1, e deste
resultado por P. No total, foram necessrias 36 + 90 = 126 operaes aritmticas, ou
seja, uma reduo de 77% do esforo computacional. Alm disto, a multiplicao por
uma matriz diagonal mais simples, pois muitos de seus elementos so zeros:
113 0 0 1 0 1 1 0 1

0 2
13
0 1 0 2 = 213 0 214 . Alm disto, possvel realizar os
0 0 213 1 1 1 213 213 213

clculos no brao.

62
Captulo 11. Fatorao LU

Na aula anterior, vimos que, de acordo com o Teorema de Cramer, um sistema Ax= b,
x
nxn, possui soluo nica se =det(A) 0; neste caso, a soluo dada por xi = i ,

onde = det(A) e xi o determinante da matriz obtida pela substituio da i-sima
coluna de A, pelos valores do vetor-coluna b, para cada i =1,...,n. Porm, esta forma
de calcular a soluo muito dispendiosa, pois exige o clculo de (n+1) determinantes
de ordem n. Uma tcnica utilizada no clculo da soluo baseada na decomposio
ou fatorao LU da matriz A. Isto , consiste em escrever

A = LU

onde L triangular inferior ( matriz tal que Lij = 0, se i < j ) e U triangular superior
( matriz Uij = 0, se i > j ) . Objetivo: resolver o sistema Ax = b, usando a fatorao
A=LU.

Passo 1. Reescrever Ax = b como LUx = b.

Passo 2. Definir uma nova incgnita y por Ux = y; o sistema Ax=b fica igual a Ly=b.

Passo 3. Resolver o sistema Ly = b, na incgnita y.

Passo 4. Resolver o sistema Ux = y.

Este procedimento de resoluo conhecido como mtodo da decomposio LU.

Exemplo 1. Verificar a igualdade:

2 6 2 2 0 0 1 3 1
3 8 0 = 3 1 0 0 1 3

4 9 2 4 3 7 0 0 1
A = L U

2 6 2 x 1 2
e usar este resultado para resolver o sistema 3 8 0 x 2 = 2

4 9 2 x 3 3
A x = b
2 0 0 1 3 1
Soluo : definimos L = 3 1 0 e U = 0 1 3 . Multiplicando estas

4 3 7 0 0 1
matrizes, obtemos :

63
 2 0 0 1 3 1 2 1 + 0 0 + 0 0 2 3 + 0 1 + 0 0 2 1 + 0 3 + 0 1
LU= 3 0 1 3 = 3 1 + 1 0 + 0 0 3 1 + 1 3 + 0 1
1 0 3 3 + 11 + 0 0
4 3 7 0 0 1 4 1 + ( 3) 0 + 7 0 4 3 + ( 3) 1 + 7 0 4 1 + (3) 3 + 7 1
2 6 2
= 3 8 0 = A

4 9 2
2 6 2 2 0 0 1 3 1
Isto , A = LU, ou 3 8 0 = 3 1 0 0 1 3

4 9 2 4 3 7 0 0 1
A = L U

2 0 0 1 3 1 x 1 2
Temos, ento: 3 1 0 0 1 3 x = 2
2
4 3 7 0 0 1 x 3 3
L U x = b

1 3 1 x 1 y1
Definimos o sistema do passo 2: 0 1 3 x = y
2 2
0 0 1 x 3 y 3
U x = y

onde
2 0 0 y1 2
3 1 0 y = 2
2
4 3 7 y 3 3
L y = b

ou equivalentemente : 2y1 = 2
3y1 + y2 = 2
4y1 3y2 + 7y3 = 3

cuja soluo y1 = 1 ; y2 = 5 ; y3 = 2.
1 3 1 x 1 1
Resolvemos agora U x = y , isto : 0 1 3 x 2 = 5

0 0 1 x 3 2

ou : x1 + 3x2 + x3 = 1
x2 + 3x3 = 5
x3 = 2
Resolvendo este sistema por retrossubstituio, obtemos:

x3 = 2 , x2 = 1, x1 = 2 .

64
 2 6 2 x 1 2
Concluso: a soluo do sistema 3 8 0 x 2 = 2 x3 = 2, x2 = 1, x1 = 2.

4 9 2 x 3 3
Em notao usual, o sistema dado

2x1 + 6x2 + 2x3 = 2

3x1 8x2 =2
4x1 + 9x2 + 2x3 = 3

Verificao: A soluo x1 = 2 , x2 = 1, x3 = 2 , pois

2*2 + 6*(1)+2*2= 46+4=2

3*2 8*(1) = 6 + 8 = 2
4*2 + 9*(1)+2*2 = 8 9 + 4 = 3

2
Em notao matricial, a soluo x = 1 .
2

2 8 x 1 2 2 8
Exemplo 2. Resoluo do sistema 1 1 x = 2 . Temos A= 1 1
2
2 2x + 8x 2 = 2
e b= . Note que este sistema equivale a 1 .
2 x 1 x 2 = 2

2 8
Soluo no Matlab: definimos a matriz A = no Matlab e depois fazemos:
1 1
>> [L,U]=lu(A)
L=
1.0000 0
0.5000 1.0000

U=
2 8
0 3

2 8 1 0 2 8
Ento : A= =
1 1 0.5 1 0 3
A = L U

Resolvemos o sistema Ly = b

1 0 y1 2
0.5 1 y = 2
2

65
 y 2
No Matlab, usando o comando y = L\b, resulta y = 1 = .
y 2 3

Resolvemos no Matlab o sistema Ux = y :

2 8 x 1 2
0 3 x = 3
2

No Matlab, a soluo obtida pelo comando x = U\y:

x 3
x = 1 =
x 2 1

2 8 x1 2 x 1 3
Concluso: a soluo do sistema x = 2 x = 1 .
1 1 2 2

2 8 3 2 3 + 8 (1) 2
Verificao : 1 1 1 = (1) 3 + (1) (1) = 2

O comando lu tem duas opes no Matlab. A opo [l,u]=lu(A) apresenta uma matriz
L que sofre permutaes e no tem, em geral, o formato triangular inferior. A opo
[l,u,p]=lu(A) apresenta a matriz L como matriz triangular inferior, a matriz U como
triangular superior e a matriz de permutao P tal que A = P1LU, ou seja, PA = LU.
Deste modo, se usarmos a opo [l,u,p] do comando, para resolver o sistema Ax=b,
devemos multiplicar o vetor b por P. Em alguns casos, a matriz P a matriz
identidade, o que no altera o vetor b. Para resolver o sistema Ax = b, usando o
comando [L,U,P]=lu(A), devemos seguir os seguintes passos:

1) Definir a matriz A e o vetor b;

2) Usar o comando [L,U,P]=lu(A) ;
3) Definir o vetor b1=P*b ;
4) Calcular y = L\b1 .
5) Calcular x = U\y.

A soluo do sistema Ax = b o vetor x, obtido no passo 5.

66
Exerccios. Resolver os sistemas abaixo, usando a fatorao LU da matriz dos
coeficientes do sistema. Apresentar as matrizes L,U,P, os vetores y e x. Na soluo
apresentada abaixo, foi usada a opo [l,u,p] do comando lu.

3x 6x 2 = 0
1. 1
2 x 1 + 5 x 2 = 1

x 1 3x 2 =1

2. x 2 + 3x 3 = 5
2x 10x + 2x = 7
1 2 3

x1 + x3 =5
2x + 3x 2x + 6x = 1

3. 1 2 3 4

x 2 + 2x 3 =3
x 3 + 5x 4 = 7

Respostas dos exerccios:

3 6 1 0 3 6 0
1. Fatorao LU 2 5 = 2 / 3 1 0 1 ; b= 1

A = L U
0 2
y = L\b = ; x = U\y = a soluo do sistema. De fato:
1 1
3*2 6*1 = 0
2*2 + 5*1 = 1

1 3 0 1 0 0 2 10 2
2. Fatorao LU 0 1 3 = 0.5 1 0 0
2 1 ;

2 10 2 0 0.5 1 0 0 3.5

A = L U

0 0 1 1 7
P = 1 0 0 ; b= 5 ; b1 = P*b= 1
0 1 0 7 5

7 8.9286
y = L\b1 = 4.5 ; x = U\y = 2.6429 . Verificao: a cargo do leitor.

2.75 0.7857

67
3. Fatorao LU
1 0 1 0 1 0 0 0 2 3 2 6
2 3 2
6 0.5 1 0 0 0 1.5 0 3
= ;
0 1 2 0 0 0.6667 1 0 0 0 2 2

0 0 1 5 0 0 0.5 1 0 0 0 4

A = L U

0 1 0 0
1 0 0 0
P= ( Esta matriz permuta as linhas 1 e 2 , mantendo as linhas 3 e 4)
0 0 1 0

0 0 0 1

5 1 1 3
1 5 4.5 1
b= ; b1 = P*b = ; y = L\b1 = ; x = U\y = . Verificao: a
3 3 6 2

7 7 4 1
cargo do leitor.

68
Captulo 12. Decomposio em valores singulares
Se A uma matriz quadrada nxn de posto k ( isto , tem k linhas linearmente
independentes ), ento A tem uma decomposio em valores singulares A = USVT,
na qual:

a) V= [ v1 ,v2 ,...,vn] diagonaliza a matriz ATA.

b) As entradas no-nulas de S so 1= 1 , 2= 2 ,..., n= n , onde 1,2,...n

so os autovalores de ATA associados aos vetores-coluna de V.

c) Os vetores-coluna de V so ordenados de tal modo que 1 2 ... n > 0. Os

valores 1 , 2 ,... , n so os valores singulares de A.

1
d) ui = Av i , i=1,2,...,k
i

e) [ u1,u2,..., uk ] uma base ortonormal do espao gerado pelas colunas de A.

f) [ u1,u2,..., uk, uk+1,...,un ] uma extenso de a uma base ortonormal de Rn.

OBSERVAO: No caso especial em que det(A) diferente de zero, ento o nmero

de linhas LI de A igual a n. Assim, no h zeros na diagonal de S. Neste caso, k = n
e no necessria a extenso mencionada no item f.

Exemplo 2. Encontre a decomposio em valores singulares da matriz A

3 2
= .
0 3

Soluo: o primeiro passo encontrar os autovalores da matriz

3 0 3 2 3 2 3
ATA= = .
2 3 0 3 2 3 7

No Matlab:

>> A=[ sqrt(3) 2; 0 sqrt(3)];

>> A %calcula a matriz transposta de A

ans =

1.7321 0
2 1.7321

>> aux=A*A % calcula o produto ATA

>>

aux =

69
 3.0000 3.4641
3.4641 7.0000

>> poly(aux) % calcula o polinmio caracterstico de ATA

ans =
1 10 9

O polinmio caracterstico de ATA p() = 2 10 + 9. Calculamos os autovalores

e autovetores de ATA no Matlab :

>> [m,n]=eig(aux)

m=
0.8660 0.5000
0.5000 0.8660

n= 1 0
0 9

Os autovalores de ATA so 1= 1 e 2 = 9, com autovetores dados pelas colunas da

matriz m:
0.8660 0.5000
v1 = e v2 =
0.5000 0.8660

>> v1=m(:,2); v2=m(:,1);

Os valores singulares de A so 1= 1 = 1 = 1 e 2= 2 = 9 = 3. No Matlab:

>>sigma=sqrt(diag(n))
sigma =
1
3
Os vetores u1 e u2 podem ser calculados pelas frmulas abaixo:

1 1 3 2 0.8660 0.5000
u1 = Av1 = = ,
1 10 3 0.5000 0.8660
1 1 3 2 0.5000 0.8660
u2 = Av 2 = =
2 30 3 0.8660 0.5000
No Matlab:

>> u1=1/sigma(1)*A*v1; u2=1/sigma(2)*A*v2;

>> U=[u1,u2]
U=
0.5000 0.8660
0.8660 0.5000
>> V=[v1,v2]

70
V=
0.8660 0.5000
0.5000 0.8660
e portanto:

0.5000 0.8660 0.8660 0.5000

U = [ u1, u2] = e V =[v1,v2]= 0.5000 0.8660
0.8660 0.5000

0
A matriz S uma matriz diagonal dada pelos valores singulares: S= 1 .
0 2
No Matlab, como a matriz A 2x2, fazemos um for com 2 voltas:
>> for i=1:2
S(i,i)=sigma(i);
end
>>S
S =
1 0
0 3
Concluso: a decomposio em valores singulares de A

3 2 0.5000 0.8660 1 0 0.8660 0.5000

= 0 3 0.5000 0.8660
0 3 0.8660 0.5000
T
A = U S V

Observao: neste exemplo VT = V, mas isto no ocorre de modo geral.

Exerccios.
1. Efetuar a decomposio em autovalores A = PDP1 para a matriz A =
4 2 2
2 4 2 .

2 2 4

2. Use o resultado obtido no item A para calcular a potncia A4.

2 0 2
3. Seja M = 0 3 0 . Use a diagonalizao de M para calcular M6.
0 0 3
1 2
4. Efetuar a decomposio em valores singulares da matriz .
2 2

4 6
5. Efetuar a decomposio em valores singulares da matriz A= . Verifique
0 4
no Matlab a igualdade A= USVT.

71
 1 2 0
6. Efetuar a decomposio em valores singulares da matriz A= 2 1 0 .
0 0 3
Verifique no Matlab a igualdade A= USVT.

Respostas dos exerccios:

4 2 2
1. A diagonalizao de A= 2 4 2

2 2 4

0.4082 0.4082 0.8165 4 2 2 0.4082 0.7071 0.5774 2 0 0

0.7071 0.7071 0 2 4 2 = 0 2 0
0.4082 0.7071 0.5774
0.5774 0.5774 0.5774 2 2 4 0.8165 0 0.5774 0 0 8
P1 A P = D
2 0 0
Isto , P AP = D, onde D = 0 2 0 .
1
0 0 8

0.4082 0.7071 0.5774 2 4 0 0 0.4082 0.4082 0.8165

2.A =PD P = 0.4082 0.7071 0.5774
4 4 1 0.7071 0.7071
0 24 0 0
0.8165 0 0.5774 0 0 8 4 0.5774 0.5774 0.5774

1376 1360 1360

A = 1360 1376 1360
4

1360 1360 1376

2 0 2
3. M= 0 3 0 . A diagonalizao de M
0 0 3
2 0 2 1 0 0.8944 2 0 0 1 0 2.0000
0 3 0 = 0 1 0 0 3 0 0 1 0 =PDP1. Logo,

0 0 3 0 0 0.4472 0 0 3 0 0 2.2361
M = P D P1

1 0 0.8944 2 6 0 0 1 0 2.0000 64 0 1330

6 1
6
M = PD P = 0 1 0 0 3 6
0 0 1
0 = 0 729 0
0 0 0.4472 0 0 36 0 0 2.2361 0 0 729

72
 1 2
4. A decomposio em valores singulares da matriz
2 2

1 2 0.4472 0.8944 3 0 0.4472 0.8944 T

2 2 = 0.8944 0.4472 0 2 0.8944 0.4472 = U S V .

4 6
5. A decomposio em valores singulares da matriz A=
0 4
4 6 0.8944 0.4472 8 0 0.4472 0.8944 T
0 4 = 0.4472 0.8944 0 2 0.8944 0.4472 = U S V

1 2 0
6. A decomposio em valores singulares da matriz A= 2 1 0
0 0 3
1 2 0 0 0.7071 0.7071 3 0 0 0 0 1
2 1 0 = 0 0.7071 0.7071 0 3 0 0.7071 0.7071 0

0 0 3 1 0 0 0 0 1 0.7071 0.7071 0
A = U S VT

73
Referncias:

1. Noble, Ben. Applied Applied linear algebra. 3. ed. Englewood Cliffs: Prentice-
Hall, 1981. 521 p.

2. Boldrini, Jose Luis. lgebra linear. 3. ed. So Paulo : Harbra, 1986. 411 p.

3. Claudio, Dalcidio Moraes. Clculo numrico computacional: teoria e prtica. 3. ed.

So Paulo: Atlas, 2000. 464 p.

4. Barroso, Lenidas et. al. Clculo numrico ( com aplicaes ). 2. ed. So Paulo:
Harbra, c. 1987. 367 p.

5. Anton, Howard. lgebra linear: com aplicaes. 8. ed. Porto Alegre: Bookman,
2001. 572 p.

Nos links abaixo, voc encontra programas que simulam o Matlab e so programas
livres :
http://freemat.sourceforge.net/download.html

http://www.scilab.org/

Links para manuais do Matlab:

http://www.mat.ufmg.br/~regi/topicos/intmatl.html

http://www.del.ufms.br/tutoriais/matlab/apresentacao.htm

74