MATEMÁTICA II Álgebra Linearltodi.est.ips.pt/mat2/documentos/SEBENTA/Mat2_AlgLinear.pdf ·...
Transcript of MATEMÁTICA II Álgebra Linearltodi.est.ips.pt/mat2/documentos/SEBENTA/Mat2_AlgLinear.pdf ·...
MATEMÁTICA II
Álgebra Linear
Júlia Justino
Departamento de Matemática/ESTSetúbal
Conteúdo
1 Matrizes 11.1 Definições preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Operações com matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81.4 Dependência e independência linear . . . . . . . . . . . . . . . . . . . . . . . 101.5 Característica e operações elementares . . . . . . . . . . . . . . . . . . . . . 131.6 Sistemas de equações lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 171.7 Sistemas homogéneos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221.8 Cálculo da matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2 Determinantes 252.1 Definição axiomática e propriedades . . . . . . . . . . . . . . . . . . . . . . . 252.2 Métodos de cálculo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.1 Processo de eliminação de Gauss . . . . . . . . . . . . . . . . . . . . 292.2.2 Método baseado nos termos da matriz . . . . . . . . . . . . . . . . . 302.2.3 Teorema de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3 Outras propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362.4 Matriz adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382.5 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3 Valores e vetores próprios 423.1 Vetores e espaços vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423.2 Definição e interpretação geométrica de valor e vetor próprio de uma matriz 433.3 Método de cálculo dos valores e vetores próprios de uma
matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4 Cálculo Vetorial 484.1 Produto interno e norma de vetores . . . . . . . . . . . . . . . . . . . . . . . 484.2 Ângulo e ortogonalidade entre vetores . . . . . . . . . . . . . . . . . . . . . . 514.3 Produto externo e produto misto de vetores . . . . . . . . . . . . . . . . . . 55
A presente sebenta destina-se a servir de manual de estudo para os alunos da UC deMatemática II do 1o ano dos cursos ministrados na ESTSetúbal/IPS.
Agradeço a colaboração da Cristina Almeida e do Miguel Moreira, nomeadamente nadisponibilização de materiais usados na UC de Álgebra Linear e Geometria Analítica e naantiga disciplina de Matemática II (que serviram de base a este trabalho), na revisão destasebenta e nas sugestões de melhoramento que me fizeram chegar.
1 Matrizes
1.1 Definições preliminares
Definição 1 Sejam m,n ∈ N e aij ∈ R, ∀i ∈ {1, ...,m} , ∀j ∈ {1, ..., n} , o elementosituado na linha i e coluna j. Define-se matriz de tipo m× n à seguinte tabela com m×nelementos reais dispostos em m linhas e n colunas:
A =
a11 a12 · · · a1j · · · a1na21 a22 · · · a2j · · · a2n
· · · · · · . . . · · · · · ·ai1 ai2 · · · aij · · · ain
· · · · · · · · · . . . · · ·am1 am2 · · · amj · · · amn
= [aij]m×n = [aij] .
Neste caso, diz-se que A ∈Mm×n (R).
Nas condições da definição anterior,
• Se m = n, A diz-se uma matriz (quadrada) de ordem n: A ∈Mn (R) .
• Se m = 1, A diz-se uma matriz linha: A ∈ M1×n (R) .
• Se n = 1, A diz-se uma matriz coluna: A ∈Mm×1 (R) .
Exemplo 1 A =
[−1
√3 2
12
0 −3
]é uma matriz de tipo 2× 3;
B =[1 −2 0
]1×3 é uma matriz linha; C =
[3
−1
]
2×1é uma matriz coluna.
Definição 2 Seja A = [aij] ∈ Mn (R). Aos elementos aii,∀i ∈ {1, ..., n} , da diagonal de A,dá-se o nome de elementos principais (ou diagonais) de A.
• Se aij = 0,∀i > j, A diz-se uma matriz triangular superior;
• Se aij = 0,∀i < j, A diz-se uma matriz triangular inferior;
• Se aij = 0,∀i �= j, A diz-se uma matriz diagonal.
1 M at2 - 9 m aio 2014
Definição 3 Seja A = [aij] ∈Mn (R) tal que{aij = 0, ∀i �= j
aij = 1, ∀i = j. Então,
A = In é a matriz identidade de ordem n.
Definição 4 Seja A = [aij] ∈Mm×n (R) tal que aij = 0, ∀i, j. Então,
A = [0]m×n é uma matriz nula.
Exemplo 2 A =
−1
√3 0
0 0√2
0 0 −1
é uma matriz de ordem 3, triangular superior cujos
elementos principais são −1, 0 e −1; B =[1 0
0 1
]= I2 é a matriz identidade de ordem 2;
C =
[0 0 0
0 0 0
]= [0]2×3 é uma matriz nula.
Definição 5 Duas matrizes A = [aij] e B = [bij] de tipo m × n são iguais se aij = bij,
para quaisquer i ∈ {1, . . . ,m} e j ∈ {1, . . . , n} .
Exemplo 3 As matrizes A =[1 012
3
]e B =
[ln e cos π
2
0, 5√9
]são iguais.
Definição 6 Seja A = [aij] ∈Mm×n (R). Define-se
1. −A = [−aij] como sendo a oposta da matriz A;
2. AT = [aji] como sendo a transposta da matriz A.
Exemplo 4 Seja A =
−1 4
0 1
2 4
. Então,
−A =
1 −4
0 −1
−2 −4
e AT =
[−1 0 2
4 1 4
].
Observação 1 Qualquer matriz A verifica(AT)T= A.
2 M at2 - 9 m aio 2014
Definição 7 Seja A = [aij] ∈Mn (R). Então,
1. A diz-se simétrica se AT = A.
2. A diz-se anti-simétrica se AT = −A.
Exemplo 5 Amatriz
2 1 3
1 7 0
3 0 −1
é simétrica e a matriz
0 1 3
−1 0 −1
−3 1 0
é anti-simétrica.
Observação 2 ∀n ∈ N, In é simétrica, pois (In)T = In.
1.2 Operações com matrizes
Definição 8 Sejam A = [aij] , B = [bij] ∈Mm×n (R). Define-se
A+B = [aij + bij] = [cij] ∈Mm×n (R)
como sendo a adição de A com B.
Exemplo 6 Considerem-se as matrizes A =[−1 3 −212
0 1
]e B =
[−1 0 2
− 12
√3 −3
].
Então,
A+ B =
[−2 3 0
0√3 −2
].
Propriedade 1 Sejam A,B,C ∈Mm×n (R) quaisquer e O = [0]m×n. Então,
1. A+ B = B+A; (a adição de matrizes é comutativa)
2. A+ (B+ C) = (A+ B) + C; (a adição de matrizes é associativa)
3. A+O = O+A = A; (a matriz nula é o elemento neutro da adição de matrizes)
4. ∃ (−A) ∈Mm×n (R) : A+(−A) = (−A)+A = O; (a adição de matrizes tem elementosimétrico)
5. (A+ B)T= AT + BT .
Dem. As propriedades da adição de matrizes são consequência imediata das propriedadesda adição de números reais.
3 M at2 - 9 m aio 2014
Observação 3 A operação subtração de matrizes pode ser definida à custa da operaçãoadição e de matriz oposta, pois
A− B = A+ (−B) .
Definição 9 Sejam A = [aij] ∈Mm×n (R) e λ ∈ R quaisquer. Define-se
λA = [λaij] ∈Mm×n (R)
como sendo o produto do escalar λ pela matriz A.
Exemplo 7 Seja A =[−1 3 −212
0 1
]. Então,
2A =
[−2 6 −4
1 0 2
].
Propriedade 2 Sejam A,B ∈Mm×n (R) e λ, µ ∈ R quaisquer. Então,
1. λ(A+ B) = λA+ λB;
2. (λ+ µ)A = λA+ µA;
3. (λµ)A = λ(µA);
4. (λA)T = λ ·AT .
Dem. As propriedades do produto escalar deduzem-se das propriedades da multiplicaçãode números reais.
Definição 10 Duas matrizes A e B dizem-se encadeadas se A é do tipo m× n e B é dotipo n× p, ou seja, se o número de colunas de A é igual ao número de linhas de B.
Exemplo 8 As matrizes[
1 2 4
−3 0 1
]e
2
0
−1
são encadeadas.
4 M at2 - 9 m aio 2014
Definição 11 Sejam A = [aik] ∈ Mm×n (R) e B = [bkj] ∈ Mn×p (R) duas matrizesencadeadas. Define-se
AB = [ai1b1j + · · ·+ aikbkj + · · ·+ ainbnj]
=
[n∑
k=1
aikbkj
]
= [cij] ∈Mm×p (R)
como sendo o produto da matriz A pela matriz B, onde o elemento cij se obtem somandotodos os produtos dos elementos da linha i da matriz A pelos correspondentes elementos dacoluna j da matriz B.
Exemplo 9 Considerem-se as matrizes A =[
1 2 4 5
−3 0 1 −2
]e B =
1 2 0
−2 3 0
0 −1 3
−1 0 2
. As
matrizes A e B são encadeadas e tem-se que
AB =
[1 2 4 5
−3 0 1 −2
]
︸ ︷︷ ︸2×4
1 2 0
−2 3 0
0 −1 3
−1 0 2
︸ ︷︷ ︸4×3
=
[−8 4 22
−1 −7 −1
]
2×3.
Observação 4 No exemplo anterior, a operação BA não está definida porque B e A nãosão encadeadas.
Propriedade 3 Sejam m,n, p, q ∈ N, A ∈ Mm×n (R) , B ∈ Mn×p (R) e λ ∈ R quaisquer.Então,
1. (AB)C = A(BC), ∀C ∈Mp×q (R) ; (o produto de matrizes é associativo)
2. A(B+C) = AB+AC e (D+E)F = DF+EF desde que os produtos indicados existam;(o produto de matrizes é distributivo em relação à adição)
3. A (λB) = (λA)B = λ (AB) ; (lei do salto)
4. A · In = Im ·A = A; (a matriz identidade é o elemento neutro do produto de matrizes)
5. (AB)T = BTAT ;
6. AAT é uma matriz simétrica.
5 M at2 - 9 m aio 2014
Dem. 1. Sejam A = [aik]m×n , B = [bkj]n×p e C = [cjt]p×q quaisquer. Então, as matrizes(AB)C e A(BC) são ambas do tipo m× q. Além disso,
(AB)C =
[n∑
k=1
aikbkj
]
[cjt] =
[p∑
j=1
(n∑
k=1
aikbkj
)
cjt
]
=
[p∑
j=1
n∑
k=1
aikbkjcjt
]
=
[n∑
k=1
p∑
j=1
aikbkjcjt
]
=
[n∑
k=1
aik
(p∑
j=1
bkjcjt
)]
= [aik]
[p∑
j=1
bkjcjt
]
= A(BC).
2. Sejam A = [aik]m×n , B = [bkj]n×p e C = [ckj]n×p quaisquer. Então, a matriz B+ C é do
tipo n× p e as matrizes A(B+ C), AB, AC e AB+AC são do tipo m× p. Em particular,as matrizes A(B+ C) e AB+AC são do mesmo tipo. Além disso,
A(B+ C) = [aik] [bkj + ckj] =
[n∑
k=1
aik(bkj + ckj)
]
=
[n∑
k=1
(aikbkj + aikckj)
]
=
[n∑
k=1
aikbkj +
n∑
k=1
aikckj
]
=
[n∑
k=1
aikbkj
]
+
[n∑
k=1
aikckj
]
= AB+AC.
Do mesmo modo se prova que (D+ E)F = DF+ EF.
3. Sejam A = [aik]m×n e B = [bkj]n×p quaisquer. Então, a matriz λB é do tipo n × p e asmatrizes AB, A (λB) e λ (AB) são do tipo m×p. Além disso, pelas propriedades associativa,comutativa e distributiva de números reais,
A (λB) = [aik] [λbkj] =
[n∑
k=1
aik (λbkj)
]
=
[n∑
k=1
(λaik)bkj
]
= λ
[n∑
k=1
aikbkj
]
= λ (AB) .
Analogamente se prova que (λA)B = λ (AB).
4. Considere-se A = [aij]m×n e In a matriz identidade de ordem n. Então,
A · In =
a11 a12 · · · a1na21 a22 · · · a2n
· · · · · · . . . · · ·am1 am2 · · · amn
1 0 · · · 0
0 1 · · · 0
· · · · · · . . . · · ·0 0 · · · 1
=
a11 · · · a1n
· · · . . . · · ·am1 · · · amn
= A.
Do mesmo modo se prova que Im ·A = A.
6 M at2 - 9 m aio 2014
5. Sejam A = [aik]m×n e B = [bkj]n×p quaisquer. Então, a matriz AB é do tipo m × p, a
matriz (AB)T é do tipo p×m, a matriz BT é do tipo p× n, a matriz AT é do tipo n×m
e a matriz BTAT é do tipo p×m. Em particular, as matrizes (AB)T e BTAT são do mesmotipo. Além disso, pela propriedade comutativa de números reais,
(AB)T=
[n∑
k=1
aikbkj
]T=
[n∑
k=1
akibjk
]
=
[n∑
k=1
bjkaki
]
= [bjk] [aki] = BTAT .
6. Seja A = [aij]m×n qualquer. Então, a matriz AT é do tipo n×m, donde a matriz AAT é
uma matriz quadrada de ordem m. Além disso, pela propriedade 5,(AAT
)T=(AT)TAT = AAT ,
ou seja, AAT é simétrica.
Observação 5 Algumas propriedades válidas para a multiplicação de números reais não sãoválidas para o produto de matrizes.
1. O produto de matrizes não é uma operação comutativa. De facto, em geral,AB �= BA. É aliás bastante frequente encontrar duas matrizes A e B encadeadas(com a operação AB bem definida) onde nem sequer está definida a operação BA (vero Exemplo 9).
2. Não é válida a lei do anulamento do produto, ou seja,
AB = 0� A = 0∨ B = 0.
Por exemplo,[1 1
1 1
] [1 −2
−1 2
]=
[0 0
0 0
].
3. Não é válida a lei do corte, ou seja,
AB = AC� B = C.
Por exemplo,[1 1
1 1
] [1 −2
−1 2
]=
[0 0
0 0
]=
[1 1
1 1
] [0 −1
0 1
].
Definição 12 Sejam A,B ∈Mn (R) quaisquer. Diz-se que A e B são permutáveis se
AB = BA.
Definição 13 Sejam p ∈ N e A uma matriz quadrada. Define-se a potência de expoentep de A por
Ap = A · · · · ·A︸ ︷︷ ︸p fatores
.
7 M at2 - 9 m aio 2014
Exemplo 10 Considere-se A =[
2 4
−1 2
]. Então,
A2 = AA =
[2 4
−1 2
] [2 4
−1 2
]=
[0 16
−4 0
].
Observação 6 Note-se no exemplo anterior que os elementos da matriz A2 não são osquadrados dos elementos da matriz A e que podem existir elementos negativos na matriz A2.
1.3 Matriz inversa
Definição 14 Seja A ∈Mn (R). Diz-se que A é uma matriz invertível se
∃B ∈Mn (R) : AB = BA = In.
Caso A seja não invertível, A diz-se uma matriz singular.
Exemplo 11 A matriz A =[
2 4
−1 2
]é invertível. De facto, para B =
[14− 1
218
14
]tem-se
AB =
[2 4
−1 2
] [14−1
218
14
]=
[1 0
0 1
]
e
BA =
[14−1
218
14
] [2 4
−1 2
]=
[1 0
0 1
].
Teorema 4 Seja A ∈ Mn (R) invertível. Então, existe apenas uma única matrizB ∈Mn (R) tal que AB = BA = In.
Dem. Seja A ∈ Mn (R) invertível. Suponhamos que existem B,C ∈ Mn (R) tais queAB = BA = In e AC = CA = In. Então, usando as propriedades do produto dematrizes, tem-se que
B = B · In = B (AC) = (BA)C = In · C = C,
donde se conclui que B = C.
Definição 15 Dada uma matriz A invertível, dá-se o nome de matriz inversa de A àúnica matriz B que verifica a propriedade AB = BA = In, representando-se B por A−1.
Exemplo 12 Considere-se a matriz A =[
2 4
−1 2
]do exemplo anterior. Então,
A−1 =
[14− 1
218
14
].
8 M at2 - 9 m aio 2014
Observação 7 O cálculo da matriz inversa de uma matriz invertível será explicado na partefinal deste capítulo.
Propriedade 5 Sejam A,B ∈ Mn (R) matrizes invertíveis e p ∈ N qualquer. Então, asmatrizes A−1, AB, AT e Ap também são invertíveis tais que
1.(A−1
)−1= A;
2. (AB)−1 = B−1A−1 ;
3.(AT)−1
=(A−1
)T;
4. (Ap)−1=(A−1
)p.
Dem. 1. Se A é invertível, então AA−1 = A−1A = In, ou seja, A−1A = AA−1 = In, dondeA é a matriz inversa de A−1.
2. Vejamos que (AB)(B−1A−1
)=(B−1A−1
)(AB) = In. De facto,
(AB)(B−1A−1
)= A
(BB−1
)A−1 = A · In ·A−1 = (AIn)A−1 = AA−1 = In
e (B−1A−1
)(AB) = B−1
(A−1A
)B = B−1 · In · B = B−1 (InB) = B−1B = In.
3. Vejamos que AT (A−1)T = (A−1)TAT = In. De facto,
AT (A−1)T =(A−1A
)T= ITn = In
e(A−1)TAT =
(AA−1
)T= ITn = In.
4. Utiliza-se o método de indução para demonstrar que
∀p ∈ N, (Ap)−1=
A · · · · ·A︸ ︷︷ ︸p fatores
−1
= A−1 · · · · ·A−1︸ ︷︷ ︸ =(A−1
)p
p fatores
.
Observação 8 A definição de potência de uma matriz pode agora ser generalizada aexpoentes inteiros. Sejam A ∈Mn (R) invertível e p ∈ N. Define-se
A0 = In e A−p = (Ap)−1=(A−1
)p.
Assim, ∀a, b ∈ Z,AaAb = Aa+b e (Aa)
b= Aab.
9 M at2 - 9 m aio 2014
1.4 Dependência e independência linear
A partir de agora, dada uma matriz A = [aij] ∈ Mm×n (R) , não se fará qualquer distinçãoentre a linha i de A e a matriz linha
Li =[ai1 ai2 · · · ain
];
do mesmo modo, a coluna j de A será associada à matriz coluna
Cj =
a1j...aij...
amj
.
Definição 16 Sejam A ∈ Mm×n (R) e p ∈ {1, . . . ,m}. Chama-se combinação linear daslinhas (resp. colunas) L1, L2, . . . , Lp de A a qualquer expressão da forma
λ1L1 + λ2L2 + · · ·+ λpLp,
onde λ1, λ2, . . . , λp são quaisquer números reais designados por coeficientes da combinaçãolinear.
Exemplo 13 Considere-se a matriz identidade I3 =
1 0 0
0 1 0
0 0 1
.
A matriz linha[2 −3 1
]é uma combinação linear das linhas de I3 com λ1 = 2, λ2 = −3
e λ3 = 1 pois[2 −3 1
]= 2
[1 0 0
]+ (−3)
[0 1 0
]+ 1 ·
[0 0 1
].
A matriz coluna
4
0
−8
é uma combinação linear das colunas de I3 pois
4
0
−8
= 4
1
0
0
+ (−8)
0
0
1
.
Definição 17 Sejam A ∈ Mm×n (R) e p ∈ {1, . . . ,m}. Diz-se que as linhas (resp. colunas)L1, L2, . . . , Lp de A são linearmente independentes se:
λ1L1 + λ2L2 + · · ·+ λpLp = O =⇒ λ1 = λ2 = · · · = λp = 0.
Se existem escalares λ1, λ2, . . . , λp não todos nulos tais que λ1L1 + λ2L2 + · · · + λpLp = O,as linhas (resp. colunas) L1, L2, . . . , Lp dizem-se linearmente dependentes.
10 M at2 - 9 m aio 2014
Exemplo 14 Considere-se a matriz A =
2 4
3 0
4 8
.
1. Vejamos que as colunas de A, C1 =
2
3
4
e C2 =
4
0
8
, são linearmente indepen-
dentes.
∀λ1, λ2 ∈ R : λ1C1 + λ2C2 = O⇒ λ1
2
3
4
+ λ2
4
0
8
=
0
0
0
⇒
2λ1 + 4λ2
3λ14λ1 + 8λ2
=
0
0
0
⇒
2λ1 + 4λ2 = 0
3λ1 = 0
4λ1 + 8λ2 = 0
⇒
λ2 = 0
λ1 = 0
−
⇒ λ1 = λ2 = 0.
2. Vejamos que as linhas de A, L1 =[2 4
], L2 =
[3 0
]e L3 =
[4 8
], são
linearmente dependentes.
∀λ1, λ2, λ3 ∈ R : λ1L1 + λ2L2 + λ3L3 = O
⇒ λ1[2 4
]+ λ2
[3 0
]+ λ3
[4 8
]=[0 0
]
⇒[2λ1 + 3λ2 + 4λ3 4λ1 + 8λ3
]=[0 0
]
⇒{2λ1 + 3λ2 + 4λ3 = 0
4λ1 + 8λ3 = 0⇒{
−
λ1 + 2λ3 = 0
⇒{−4λ3 + 3λ2 + 4λ3 = 0
λ1 = −2λ3⇒{λ2 = 0
λ1 = −2λ3, λ3 ∈ R .
Assim, por exemplo para λ3 = 1, tem-se
(−2) L1 + L3 = O.
Teorema 6 Sejam A ∈Mm×n (R) e p ∈ {2, . . . ,m}. As linhas (resp. colunas) L1, L2, . . . , Lpde A são linearmente dependentes se e só se uma delas é combinação linear das restantes.
Dem. ⇒ Suponha-se que as linhas (resp. colunas) L1, L2, . . . , Lp de A são linearmentedependentes. Por definição, existem escalares λ1, λ2, . . . , λp não todos nulos tais que
λ1L1 + λ2L2 + · · ·+ λpLp = O.
Sem perda de generalidade, podemos supor que λ1 �= 0. Da igualdade anterior resulta que
L1 = −λ2
λ1L2 − · · ·−
λp
λ1Lp,
ou seja, L1 é combinação linear das restantes linhas (resp. colunas).
11 M at2 - 9 m aio 2014
⇐ Suponha-se, igualmente sem perda de generalidade, que L1 é combinação linear dasrestantes linhas (resp. colunas). Então,
∃λ2, . . . , λp ∈ R : L1 = λ2L2 + · · ·+ λpLp ⇒ (−1)L1 + λ2L2 + · · ·+ λpLp = O,
em que o coeficiente de L1 é −1 �= 0. Conclui-se assim que L1, L2, . . . , Lp são linearmentedependentes.
Observação 9 Note-se no exemplo anterior que L3 = 2L1 = 2L1 + 0 · L2, ou seja, L3 écombinação linear de L1 e L2, donde se deduz que as linhas de A são linearmente dependentes.
Corolário 7 Qualquer matriz com uma linha (ou coluna) nula tem as suas linhas (resp.colunas) linearmente dependentes.
Dem. Sejam L1, . . . , Lp as linhas de uma matriz A tais que L1 = O. Então,
L1 + 0 · L2 + · · ·+ 0 · Lp = O,
em que o coeficiente de L1 é 1 �= 0. Conclui-se assim que L1, L2, . . . , Lp são linearmentedependentes. Se a linha nula de A fosse uma das outras, a demonstração era análoga.
Propriedade 8 Sejam A ∈ Mm×n (R) , p ∈ {1, . . . ,m} e λ ∈ R quaisquer. As linhasL1, . . . , Li, . . . , Lj, . . . , Lp de A são linearmente independentes (resp. dependentes) se e só se
L1, . . . , Li + λLj, . . . , Lj, . . . , Lp
são linearmente independentes (resp. dependentes).
Dem. Basta provar o resultado para a independência linear, pois a dependência linear é asua negação. Tem-se que
λ1L1 + · · ·+ λiLi + · · ·+ λjLj + · · ·+ λpLp
= λ1L1 + · · ·+ λiLi + · · ·+ λjLj + · · ·+ λpLp + λ · λiLj − λ · λiLj= λ1L1 + · · ·+ λi (Li + λLj) + · · ·+ (λj − λλi)Lj + · · ·+ λLp.
Assim, os coeficientes de uma combinação linear são todos nulos se e só se o mesmo acontecer
com os da outra.
Observação 10 A propriedade anterior, também válida para as colunas de uma matriz,pode ser enunciada da seguinte forma:
A dependência ou independência linear das linhas (colunas) de uma matriznão se altera se adicionarmos a uma delas qualquer outra multiplicada por
um escalar.
12 M at2 - 9 m aio 2014
Propriedade 9 Sejam A ∈ Mm×n (R) , p ∈ {1, . . . ,m} e λ ∈ R \ {0} quaisquer. Aslinhas L1, . . . , Li, . . . , Lp de A são linearmente independentes (resp. dependentes) se e sóse L1, . . . , λLi, . . . , Lp são linearmente independentes (resp. dependentes).
Dem. Basta provar o resultado para a independência linear, pois a dependência linear é asua negação. Como λ �= 0, tem-se que
λ1L1 + · · ·+ λiLi + · · ·+ λpLp
= λ1L1 + · · ·+λi
λ(λLi) + · · ·+ λpLp.
Assim, os coeficientes de uma combinação linear são todos nulos se e só se o mesmo acontecercom os da outra.
Observação 11 A propriedade anterior, também válida para as colunas de uma matriz,pode ser enunciada da seguinte forma:
A dependência ou independência linear das linhas (colunas) de uma matriznão se altera se multiplicarmos uma delas por um escalar diferente de zero.
Corolário 10 A independência ou dependência linear das linhas (ou colunas) de uma matriznão se altera se a uma delas adicionarmos uma combinação linear das restantes.
Dem. O resultado é consequência imediata da sucessiva aplicação das duas propriedadesanteriores.
Exemplo 15 Considere-se a matriz A do Exemplo 14.
Já se viu que as colunas de A, C1 e C2, são linearmente independentes. Seja B =
−2 0
−3 −6
−4 0
,
cujas colunas designaremos por C3 e C4. Como C3 = −C1 e C4 = −2C1 + C2, pelas pro-priedades anteriores, conclui-se que as colunas de B também são linearmente independentes.
1.5 Característica e operações elementares
Definição 18 Seja A ∈ Mm×n (R). Define-se característica de A como sendo o númeromáximo de linhas linearmente independentes de A, representado pela notação c(A).
Antes de generalizar, descreve-se em seguida como se obtém a característica de uma classeparticular de matrizes – as matrizes em escada.
13 M at2 - 9 m aio 2014
Definição 19 Seja A ∈Mm×n (R). Diz-se que A é uma matriz em escada se:
1. As linhas nulas, caso existam, são as últimas linhas;
2. Para cada linha não nula, o primeiro elemento não nulo (a que se dá o nome deelemento redutor ou pivot) aparece sempre à direita do primeiro elemento não nulode qualquer linha acima dele.
Exemplo 16 Considerem-se as matrizes
A =
1 0 2 −3
0 2 0 8
0 0 3 −4
, B =
1 0 0
0 0 0
0 1 0
, C =[0 0
0 0
],
D =
0 2 −2 0 5
0 0 0 1 2
0 0 0 0 0
, E =
1 0 0 0
0 2 0 0
0 0 0 4
e F =
1 0 5
0 1 1
0 2 2
.
As matrizes A, C, D e E estão em escada; as matrizes B e F não estão em escada.
Propriedade 11 Seja A ∈ Mm×n (R) uma matriz em escada. Então,
1. As linhas não nulas são linearmente independentes.
2. As colunas que contêm os elementos redutores são linearmente independentes.
3. A característica de A é igual ao número de linhas não nulas, que é igual ao númerode elementos redutores.
Dem. A demonstração destas propriedades será feita para uma matriz em escada parti-cular de tipo 5 × 5; a generalização para uma qualquer matriz em escada é feita de formasemelhante. Suponhamos então que
A =
a11 a12 a13 a14 a150 a22 a23 a24 a250 0 0 0 a350 0 0 0 0
0 0 0 0 0
,
onde a11 �= 0, a22 �= 0 e a35 �= 0.1. Vejamos que as linhas não nulas de A, L1, L2 e L3, são linearmente independentes.
∀λ1, λ2, λ3 ∈ R : λ1L1 + λ2L2 + λ3L3 = O
⇒[a11λ1 λ1a12 + λ2a22 · · · · · · λ1a15 + λ2a25 + λ3a35
]= [0]1×5
⇒
a11λ1 = 0
λ1a12 + λ2a22 = 0
λ1a13 + λ2a23 = 0
λ1a14 + λ2a24 = 0
λ1a15 + λ2a25 + λ3a35 = 0
⇒a11 �=0a22 �=0
λ1 = 0
λ2 = 0
0 = 0
0 = 0
λ3a35 = 0
⇒a35 �=0
−
−
−
−
λ3 = 0
⇒ λ1 = λ2 = λ3 = 0.
14 M at2 - 9 m aio 2014
2. Vejamos que as colunas de A que contêm os elementos redutores, C1, C2 e C5, sãolinearmente independentes.
∀λ1, λ2, λ3 ∈ R : λ1C1 + λ2C2 + λ3C5 = O
⇒
λ1a11 + λ2a12 + λ3a15λ2a22 + λ3a25
λ3a350
0
=
0
0
0
0
0
⇒
λ1a11 + λ2a12 + λ3a15 = 0
λ2a22 + λ3a25 = 0
λ3a35 = 0
0 = 0
0 = 0
⇒a35 �=0
λ1a11 + λ2a12 = 0
λ2a22 = 0
λ3 = 0
−
−
⇒a22 �=0
λ1a11 = 0
λ2 = 0
−
−
−
⇒a22 �=0
λ1 = 0
−
−
−
−
⇒ λ1 = λ2 = λ3 = 0.
3. Por 1, tem-se que {L1, L2, L3} é linearmente independente. Se acrescentarmos a esteconjunto alguma das restantes linhas da matriz (que são nulas), esse novo conjunto serálinearmente dependente pelo Corolário 7. Assim, c(A) = 3. Por outro lado, por 2, tem-se que {C1, C2, C5} é linearmente independente. Se acrescentarmos a este conjunto algumadas restantes colunas da matriz, C3 ou C4 (cujos 3 últimos elementos são nulos), esse novoconjunto será linearmente dependente pelo Teorema 6, pois C3 e C4 são combinações linearesde C1 e C2. Assim, o número de elementos redutores coincide com a característica de A.
Exemplo 17 Considerando-se as matrizes em escada do Exemplo 16, tem-se que
c(A) = c(E), c(C) = 0 e c(D) = 2.
Segue-se agora a forma como pode ser obtida a característica de uma matriz qualquer.
Definição 20 Seja A ∈ Mm×n (R). Chamam-se operações elementares sobre A àsseguintes operações:
OE1 Troca entre si de duas linhas (ou colunas) de A;
OE2 Multiplicação de uma linha (ou coluna) de A por λ ∈ R \ {0};
OE3 Soma de uma linha (ou coluna) de A com outra linha (ou coluna), multiplicada porλ ∈ R.
Propriedade 12 Seja A ∈ Mm×n (R). As operações elementares sobre A não alteram adependência ou independência linear das linhas e colunas de A.
15 M at2 - 9 m aio 2014
Dem. O resultado é consequência das Propriedades 8 e 9 e do Corolário 10.
Propriedade 13 Seja A ∈ Mm×n (R). A característica de A coincide com a característicade qualquer matriz em escada obtida a partir de A por operações elementares sobre linhas(ou colunas).
Dem. O resultado é consequência das Propriedades 11 e 12.
Teorema 14 O número máximo de linhas linearmente independentes de uma matriz é igualao número máximo de colunas linearmente independentes dessa matriz.
Dem. Seja A ∈Mm×n (R) qualquer. Aplicando repetidamente operações elementares sobrelinhas, transforma-se A numa matriz em escada A
′
. Após uma adequada troca de colunas,a matriz A
′
pode ser transformada numa matriz em escada da forma
A′′
=
a′
11 ∗ · · · ∗ ∗ · · · ∗0 a
′
22 · · · ∗ ∗ · · · ∗... 0
. . ....
... · · · ......
...... a
′
pp ∗ · · · ∗0 0 · · · 0 0 · · · 0...
......
......
......
0 0 · · · 0 0 · · · 0
,
onde a′
11, a′
22, . . . , a′
pp são os pivots e os asteriscos representam as restantes entradas, even-tualmente não nulas. Primeiro usam-se os pivots para anular os elementos não nulos situadosacima de cada uma das suas colunas através de operações elementares sobre linhas e emseguida usam-se os pivots para anular os elementos não nulos situados nas restantes colunasatravés de operações elementares sobre colunas. Obtem-se então seguinte matriz:
a′
11 0 · · · 0 0 · · · 0
0 a′
22 · · · 0 0 · · · 0... 0
. . ....
... · · · ......
...... a
′
pp 0 · · · 0
0 0 · · · 0 0 · · · 0...
......
......
......
0 0 · · · 0 0 · · · 0
. (1)
Verifica-se que nesta matriz em escada o número máximo de linhas linearmente independentesé igual ao número máximo de colunas linearmente independentes, sendo ambos iguais a p.Pela Propriedade 12 as operações elementares efetuadas não alteraram a independência lineardas linhas e das colunas da matriz inicial A. Assim, a mesma igualdade é válida para a matrizA.
Observação 12 O processo de transformação de uma qualquer matriz numa matriz com aforma (1), através de operações elementares, designa-se por condensação.
16 M at2 - 9 m aio 2014
Corolário 15 A característica de uma matriz é igual ao número máximo de linhaslinearmente independentes ou, equivalentemente, ao número máximo de colunas linearmenteindependentes.
Dem. O resultado é consequência imediata do Teorema 14.
A partir dos resultados anteriores, obtem-se o seguinte processo para calcular a caracterís-tica de uma dada matriz: efetuam-se repetidamente operações elementares sobre as linhasda matriz até a transformar numa matriz em escada. Assim, a característica da matriz emescada obtida no final do processo será igual à característica da matriz inicial.
Exemplo 18 Seja A =
4 −6 −16 012
0 −3 12
−1 3 2 1
. Então,
A =
4 −6 −16 012
0 −3 12
−1 3 2 1
12L1−→
2 −3 −8 012
0 −3 12
−1 3 2 1
−→
L3 ⇄ L1
−1 3 2 112
0 −3 12
2 −3 −8 0
−→
L2 +12L1
L3 + 2L1
−1 3 2 1
0 32
−2 1
0 3 −4 2
−→
L3 − 2L2
−1 3 2 1
0 32
−2 1
0 0 0 0
= A
′
.
Logo, c(A) = c(A′
) = 2.
Exemplo 19 Seja B =
1 −1
2 4
3 −1
. Então, as linhas de B são linearmente dependentes.
Como c(B) coincide com o número de elementos redutores e B só tem duas colunas, c(B) ≤ 2.Assim, as três linhas de B não podem ser linearmente independentes.
1.6 Sistemas de equações lineares
Definição 21 Consideremos o seguinte sistema (S) dem equações lineares com n incógnitasx1, ..., xn:
(S)
a11x1 + · · ·+ a1jxj + · · ·+ a1nxn = b1...
ai1x1 + · · ·+ aijxj + · · ·+ ainxn = bi...
am1x1 + · · ·+ amjxj + · · ·+ amnxn = bm
,
onde ∀i ∈ {1, . . . ,m} ∀j ∈ {1, . . . , n} , aij , bi ∈ R.
17 M at2 - 9 m aio 2014
O sistema (S) pode representar-se matricialmente por AX = B, onde A = [aij]m×n ,
X =
x1...xn
n×1
e B =
b1...bm
m×1
.
Seja AX = B a representação matricial do sistema de equações lineares (S).
1. A designa-se por matriz dos coeficientes de (S);
2. X designa-se por matriz das incógnitas de (S);
3. B designa-se por matriz dos termos independentes de (S);
4. A|B =
a11 · · · a1n | b1...
. . .... |
...am1 · · · amn | bm
designa-se por matriz ampliada de (S).
Exemplo 20 A representação matricial do sistema{2x− 3y+ z = −1
z− x = 2é AX = B, com
X =
x
y
z
, A =[
2 −3 1
−1 0 1
]e B =
[1
2
].
Definição 22 Chama-se solução do sistema (S) a um conjunto de escalares λ1, . . . , λnque, depois de substituirem as incógnitas x1, . . . , xn, transformam as m equações do sistemaem igualdades verdadeiras. Assim, a solução do sistema (S) na forma matricial é uma matrizcoluna
X0 =
λ1...λn
,
tal que AX0 = B é uma igualdade matricial verdadeira.
Observação 13 Resolver o sistema (S) é determinar todas as suas soluções.
Definição 23 O sistema (S) diz-se possível se admitir uma ou mais soluções. O sistemadiz-se impossível se não admitir nenhuma solução.Um sistema possível diz-se determinado se admitir uma única solução e indeterminadose admitir mais do que uma solução (e nesse caso admite uma infinidade de soluções).Dois sistemas dizem-se equivalentes se tiverem as mesmas soluções.
18 M at2 - 9 m aio 2014
Para resolver um sistema de equações lineares pode-se aplicar o processo apresentado nasecção anterior para calcular a característica de uma matriz, que neste contexto se designapor método de eliminação de Gauss.
Com efeito, para resolver o sistema AX = B bastará transformar a matriz ampliadaA|B numa matriz em escada executando repetidamente operações elementares sobre linhas.Obtem-se então um sistema equivalente ao inicial cujas soluções são facilmente obtidas porretrosubstituição, isto é, por substituição ascendente das incógnitas.
Observação 14 Repare-se que, quando aplicada sobre A|B, a operação OE1 correspondeà troca de duas equações do sistema, a operação OE2 corresponde à multiplicação de umaequação do sistema por um escalar não nulo e a operação OE3 corresponde à adição auma equação doutra equação multiplicada por uma constante. Portanto, qualquer uma dasoperações elementares sobre A|B substitui o sistema inicial por outro equivalente.
Observação 15 Note-se que, durante a resolução do sistema, poderá ser conveniente trocaras colunas da matriz ampliada que contêm os coeficientes das incógnitas. Contudo, essatroca deve ser registada pois altera a posição das incógnitas. Sublinhe-se também que nestecontexto nunca se poderão efetuar as operações OE2 e OE3 sobre as colunas.
Exemplo 21 Considere-se o sistema
x+ y− 2z = −2
−2x+ 3z = 1
x+ 3y− z = −1
cuja forma matricial é AX = B,
com A =
1 1 −2
−2 0 3
1 3 −1
, X =
x
y
z
e B =
−2
1
−1
. Então,
A|B =
1 1 −2 | −2
−2 0 3 | 1
1 3 −1 | −1
−→
L2 + 2L1L3 − L1
1 1 −2 | −2
0 2 −1 | −3
0 2 1 | 1
−→
L3 − L2
1 1 −2 | −2
0 2 −1 | −3
0 0 2 | 4
= A
′
|B′
.
Assim, o sistema inicial é equivalente ao sistema
x+ y− 2z = −2
2y− z = −3
2z = 4
⇒
x+ y− 4 = −2
2y− 2 = −3
z = 2
⇒
x+ y = 2
2y = −1
−
⇒
x− 12= 2
y = − 12
−
⇒
x = 52
−
−
,
donde
x = 52
y = −12
z = 2
é a solução (única) do sistema.
19 M at2 - 9 m aio 2014
Definição 24 Seja A ∈ Mm×n (R) uma matriz em escada. Diz-se que A é uma matrizreduzida se
1. Os elementos redutores são todos iguais a 1;
2. Os elementos situados acima dos redutores são todos iguais a zero.
Exemplo 22 A matriz
0 1 −2 0 −1
0 0 0 1 2
0 0 0 0 0
é reduzida.
Ao aplicar o método de eliminação de Gauss pode-se, alternativamente ao processode retrosubstituição, transformar a matriz ampliada do sistema numa matriz reduzida,prosseguindo com as operações elementares sobre linhas de forma ascendente na matrizem escada.
Exemplo 23 Considere-se a representação matricial AX = B do sistema do Exemplo 21.Já se viu que
A′
|B′
=
1 1 −2 | −2
0 2 −1 | −3
0 0 2 | 4
.
Em vez de se usar o processo de retrosubstituição, vamos transformar a matriz A′
|B′
numamatriz reduzida. Assim,
1 1 −2 | −2
0 2 −1 | −3
0 0 2 | 4
−→12L2
12L3
1 1 −2 | −2
0 1 −12| − 3
2
0 0 1 | 2
L1 − L2−→
1 0 −32| −1
2
0 1 −12| −3
2
0 0 1 | 2
L1 +32L3
L1 +12L3
−→
1 0 0 | 52
0 1 0 | −12
0 0 1 | 2
,
donde X0 =
52
−12
2
é a solução do sistema.
Teorema 16 (Rouché) Um sistema de equações AX = B é possível se e só se a carac-terística da matriz dos coeficientes A for igual à característica da matriz ampliada A|B. Emparticular, sempre que c(A) = c(A|B),
1. O sistema é possível e determinado se a característica de A for igual ao número deincógnitas do sistema.
2. O sistema é possível e indeterminado se a característica de A for menor que o númerode incógnitas do sistema.
Dem. A demonstração destes resultados necessita das noções de espaço vetorial e respetivaspropriedades, matéria que não faz parte do programa desta UC. Aconselha-se a sua consultana bibliografia complementar sobre Álgebra Linear.
20 M at2 - 9 m aio 2014
O teorema anterior pode sistematizar-se do seguinte modo:
Determinadoր c(A) = n.o incogn.
Possívelc(A) = c(A|B)
ր ց IndeterminadoSistema c(A) �= n.o incogn.
AX = B ցImpossível
c(A) �= c(A|B)
Exemplo 24 Consideremos o sistema
x+ y+ z = 1
x− y+ 2z = a
2x+ bz = 2
, onde a, b ∈ R. Vamos utilizar
os resultados do Teorema 16 para discutir este sistema em função dos parâmetro a e b.A representação matricial do sistema é AX = B, com X =
[x y z
]Te
A|B =
1 1 1 | 1
1 −1 2 | a
2 0 b | 2
−→
L2 − L1L3 − 2L1
1 1 1 | 1
0 −2 1 | a− 1
0 −2 b− 2 | 0
−→
L3 − L2
1 1 1 | 1
0 −2 1 | a− 1
0 0 b− 3 | 1− a
= A
′
|B′
.
Assim,
• se b− 3 �= 0∧ a ∈ R, ou seja, se b �= 3∧ a ∈ R,
c(A) = c(A′
) = 3
c(A|B) = c(A′
|B′
) = 3
n.o incogn. = 3
.
Logo, o sistema é possível e determinado.
• Se b = 3,
A′
|B′
=
1 1 1 | 1
0 −2 1 | a− 1
0 0 0 | 1− a
,
donde c(A) = c(A′
) = 2.
— Caso a = 1,{
c(A|B) = c(A′
|B′
) = 2
n.o incogn. = 3e portanto o sistema é possível e
indeterminado;
— Caso a �= 1,{
c(A|B) = c(A′
|B′
) = 3
n.o incogn. = 3e portanto o sistema é impossível.
21 M at2 - 9 m aio 2014
1.7 Sistemas homogéneos
Nesta secção estudam-se, em particular, os sistemas de equações lineares homogéneos, degrande importância no capítulo dos Valores e Vetores Próprios.
Definição 25 Um sistema linear de equações lineares com representação matricial AX = B
diz-ze homogéneo se B = O, ou seja, é da forma AX = O.
Qualquer sistema homogéneo é possível pois admite, pelo menos, a solução nula X = O,também designada por solução trivial. Assim, a resolução de um sistema homogéneo permi-tirá saber se este é determinado (isto é, se admite apenas a solução trivial) ou indeterminado(isto é, se além da solução trivial admite outras soluções não nulas).
Exemplo 25 Considere-se o sistema homogéneo
x+ y− 2z = 0
−2x+ 5z = 0
x+ 3y− z = 0
cuja representação
matricial é AX = O, com X =[x y z
]Te
A|O =
1 1 −2 | 0
−2 0 5 | 0
1 3 −1 | 0
−→
L2 + 2L1L3 − L1
1 1 −2 | 0
0 2 1 | 0
0 2 1 | 0
−→
L3 − L2
1 1 −2 | 0
0 2 1 | 0
0 0 0 | 0
−→12L2
1 1 −2 | 0
0 1 12
| 0
0 0 0 | 0
L1 − L2−→
1 0 −5
2| 0
0 1 12
| 0
0 0 0 | 0
.
Assim, o sistema inicial é equivalente ao sistema
x− 52z = 0
y+ 12z = 0
0 = 0
⇒
x = 52z
y = −12z
z ∈ R,
donde X =
52z
−12z
z
, ∀z ∈ R são as soluções de AX = O.
Observação 16 Para o caso particular de um sistema de equações lineares cuja matrizdos coeficientes é quadrada, tem-se a seguinte correspondência com o sistema homogéneoassociado (deduzida por aplicação do Teorema 16):
A ∈Mn (R) AX = B AX = 0
Tipo poss. e det. poss. e det.de poss. e indet. poss. e indet.
Sistema impossível poss. e indet..
22 M at2 - 9 m aio 2014
Teorema 17 Seja AX = B um sistema não homogéneo possível. Então,
Z é solução de AX = B⇔ Z = X0 + Y,
onde X0 é uma solução particular de AX = B e Y é uma solução do sistema homogéneoAX = 0.
Dem. ⇒ Seja Z uma solução de AX = B. Sendo X0 uma solução particular deste sistema,tem-se
A(Z− X0) = AZ−AX0 = B− B = O.
Então Z−X0 é uma solução do sistema homogéneo AX = O e, designando esta solução porY, tem-se Z− X0 = Y, ou seja, Z = X0 + Y.⇐ Inversamente, seja Z = X0 + Y uma matriz coluna nas condições do enunciado. Então,
AZ = A(X0 + Y) = AX0 +AY = B+O = B,
isto é, Z é solução de AX = B.
Exemplo 26 Consideremos o sistema não homogéneo
x+ y− 2z = 1
−2x+ 5z = 1
x+ 3y− z = 4
cuja represen-
tação matricial é AX = B, com X =[x y z
]Te
A|B =
1 1 −2 | 1
−2 0 5 | 1
1 3 −1 | 4
−→
L2 + 2L1L3 − L1
1 1 −2 | 1
0 2 1 | 3
0 2 1 | 3
−→
L3 − L2
1 1 −2 | 1
0 2 1 | 3
0 0 0 | 0
−→12L2
1 1 −2 | 1
0 1 12
| 32
0 0 0 | 0
L1 − L2−→
1 0 −5
2| −1
2
0 1 12
| 32
0 0 0 | 0
.
Assim, o sistema inicial é equivalente ao sistema
x− 52z = −1
2
y+ 12z = 3
2
0 = 0
⇒
x = − 12+ 5
2z
y = 32− 1
2z
z ∈ R,
donde X =
−1
2+ 5
2z
32− 1
2z
z
, ∀z ∈ R são as soluções de AX = B.
O sistema homogéneo associado AX = O já foi resolvido no Exemplo 25, verificando-se que
X =
− 1
2+ 5
2z
32− 1
2z
z
=
− 1
232
0
+
52z
−12z
z
= X0 + Y
tal que X0 é solução de AX = B e Y é solução de AX = O.
23 M at2 - 9 m aio 2014
Observação 17 Por aplicação do teorema anterior, tem-se a seguinte correspondência entreas soluções de um sistema possível e o sistema homogéneo associado:
SOLUÇÕES AX = B AX = 0Poss. e Det. X = X0 X = 0
Poss. e Indet. X = X0 + Y X = Y.
1.8 Cálculo da matriz inversa
Propriedade 18 Seja A ∈Mn (R) invertível. Então, existe uma única solução da equaçãomatricial
AX = In.
Essa solução é X = A−1.
Dem. Como A é invertível, então existe A−1 ∈Mn (R) tal que
AA−1 = In.
Logo, X = A−1 é solução da equação AX = In. Resta ver que esta solução é única.Seja X = B uma qualquer solução da equação AX = In. Então,
AB = In ⇒ A−1 (AB) = A−1 · In⇒
(A−1A
)B = A−1 ⇒ In · B = A−1,
donde B = A−1.
A partir da propriedade anterior, conclui-se que para qualquer A ∈ Mn (R) invertível, asua matriz inversa A−1 pode ser determinada aplicando o método de eliminação de Gauss àmatriz ampliada A|In até a transformar na matriz reduzida In |A
−1.
Exemplo 27 Calculemos a inversa da matriz A =[4 −2
3 1
].
A|I2 =
[4 −2 | 1 0
3 1 | 0 1
]L1 − L2−→
[1 −3 | 1 −1
3 1 | 0 1
]−→
L2 − 3L1[
1 −3 | 1 −1
0 10 | −3 4
]−→110L2
[1 −3 | 1 −1
0 1 | − 310
25
]
L1 + 3L2−→
[1 0 | 1
1015
0 1 | − 310
25
]
= I2 |A−1.
Assim,
A−1 =
[110
15
− 310
25
]
.
24 M at2 - 9 m aio 2014
2 Determinantes
2.1 Definição axiomática e propriedades
Definição 26 Sejam A = [aij] ∈ Mn (R) e Li = (ai1, . . . , ain) ∈ Rn o vetor correspondenteà linha i da matriz A, ∀i ∈ {1, . . . , n}.Define-se determinante da matriz A, e representa-se por detA ou |A|, como sendo aaplicação que transforma as n linhas de A num escalar e que satisfaz os seguintes axiomas∀1 � i � n:
A1. det(L1, .., λLi, .., Ln) = λ det(L1, .., Li, .., Ln) = λdetA, ∀λ ∈ R;
A2. det(L1, .., Li + L′i, .., Ln) = det(L1, .., Li, .., Ln) + det(L1, .., L′i, .., Ln);
A3. ∃j ∈ {1, .., n} : i �= j∧ Li = Lj ⇒ det(L1, .., Li, .., Lj, .., Ln) = 0;
A4. det In = 1.
Exemplo 28 Sejam A =
2 −2 1
0 −1 2
6 3 −3
e B =
2 −2 1
1 0 −2
6 3 −3
. Então,
1
2A =
1 −1 1
2
0 −12
1
3 32
−32
.
No entanto, pelo axioma A1,
1
2|A| =
1
2
∣∣∣∣∣∣
2 −2 1
0 −1 2
6 3 −3
∣∣∣∣∣∣=
∣∣∣∣∣∣
1 −1 12
0 −1 2
6 3 −3
∣∣∣∣∣∣=
∣∣∣∣∣∣
2 −2 1
0 −12
1
6 3 −3
∣∣∣∣∣∣=
∣∣∣∣∣∣
2 −2 1
0 −1 2
3 32
−32
∣∣∣∣∣∣
e, pelos axiomas A2 e A3,
|A| + |B| =
∣∣∣∣∣∣
2 −2 1
0 −1 2
6 3 −3
∣∣∣∣∣∣+
∣∣∣∣∣∣
2 −2 1
1 0 −2
6 3 −3
∣∣∣∣∣∣=
∣∣∣∣∣∣
2 −2 1
1 −1 0
6 3 −3
∣∣∣∣∣∣
=
∣∣∣∣∣∣
1 −1 0
1 −1 0
6 3 −3
∣∣∣∣∣∣+
∣∣∣∣∣∣
1 −1 1
1 −1 0
6 3 −3
∣∣∣∣∣∣
= 0+
∣∣∣∣∣∣
1 −1 1
1 −1 0
6 3 −3
∣∣∣∣∣∣=
∣∣∣∣∣∣
1 −1 1
1 −1 0
6 3 −3
∣∣∣∣∣∣.
25 M at2 - 9 m aio 2014
Propriedade 19 Sejam A ∈Mn(R) e λ ∈ R quaisquer. Então,
det (λA) = λn detA.
Dem. Seja A = (L1, . . . , Ln). Então, λA = (λL1, . . . , λLn). Assim, aplicando sucessiva-mente o axioma A1 a todas as linhas da matriz λA, tem-se que
det (λA) = det(λL1, λL2, . . . , λLn) = λ det(L1, λL2, . . . , λLn)
= λ2 det(L1, L2, λL3, . . . , λLn) = · · · = λn detA. �
Observação 18 Note-se que em geral, dadas A,B ∈Mn(R),
det(A+ B) �= detA+ detB.
Tome-se o exemplo em que A = B =
[1 0
0 1
]. Assim, A + B =
[2 0
0 2
]= 2I2. Assim,
pela propriedade anterior e axioma A4,
|A+ B| = 4 det I2 = 4× 1 = 4 �= 2 = 1+ 1 = |A| + |B| .
Propriedade 20 Seja A ∈ Mn(R). Então, ∀i, j ∈ {1, ..., n} : i �= j e ∀λ ∈ R,
1. Li = �0⇒ detA = 0;
2. detA = det(L1, ..., Li, ..., Lj, ..., Ln) = −det(L1, ..., Lj, ..., Li, ..., Ln);
3. Se as linhas de A são linearmente dependentes, então detA = 0;
4. detA = det(L1, ..., Li, ..., Lj, ..., Ln) = det(L1, ..., Li + λLj, ..., Lj, ..., Ln).
Dem. 1. Se Li = �0, pelo axioma A1,
detA = det(L1, . . . ,�0, . . . , Ln) = det(L1, . . . , 0×�0, . . . , Ln)= 0× det(L1, . . . ,�0, . . . , Ln) = 0.
2. Pelo axioma A3,det(L1, . . . , Li + Lj, . . . , Li + Lj, . . . , Ln) = 0.
Por outro lado, pelos axiomas A2 e A3,
det(L1, . . . , Li + Lj, . . . , Li + Lj, . . . , Ln)
= det(L1, . . . , Li, . . . , Li + Lj, . . . , Ln) + det(L1, . . . , Lj, . . . , Li + Lj, . . . , Ln)
= det(L1, . . . , Li, . . . , Li, . . . , Ln) + det(L1, . . . , Li, . . . , Lj, . . . , Ln)
+det(L1, . . . , Lj, . . . , Li, . . . , Ln) + det(L1, . . . , Lj, . . . , Lj, . . . , Ln)
= 0+ det(L1, . . . , Li, . . . , Lj, . . . , Ln) + det(L1, . . . , Li, . . . , Lj, . . . , Ln) + 0
= det(L1, . . . , Li, . . . , Lj, . . . , Ln) + det(L1, . . . , Li, . . . , Lj, . . . , Ln).
26 M at2 - 9 m aio 2014
Assim,
det(L1, . . . , Li + Lj, . . . , Li + Lj, . . . , Ln) = 0⇔det(L1, . . . , Li, . . . , Lj, . . . , Ln) + det(L1, . . . , Li, . . . , Lj, . . . , Ln) = 0,
ou seja, det(L1, . . . , Li, . . . , Lj, . . . , Ln) = −det(L1, . . . , Li, . . . , Lj, . . . , Ln).
3. Se as linhas de A são linearmente dependentes, então uma das linhas, Li, é combinaçãolinear das restantes, ou seja ∃λ1, . . . , λn−1 ∈ R : Lj = λ1L1 + · · · + λn−1Ln. Assim, pelosaxiomas A2, A1 e A3,
detA = det(L1, . . . , Li, . . . , Ln) = det(L1, . . . , λ1L1 + · · ·+ λn−1Ln, . . . , Ln)
= det(L1, . . . , λ1L1, . . . , Ln) + · · ·+ det(L1, . . . , λn−1Ln, . . . , Ln)
= λ1 det(L1, . . . , L1, . . . , Ln) + · · ·+ λn−1 det(L1, . . . , Ln, . . . , Ln)
= λ1 × 0+ · · ·+ λn−1 × 0 = 0.
4. Pelos axiomas A2, A1 e A3,
det(L1, ..., Li + λLj, ..., Lj, ..., Ln)
= det(L1, ..., Li, ..., Lj, ..., Ln) + det(L1, ..., λLj, ..., Lj, ..., Ln)
= detA+ λdet(L1, ..., λLj, ..., Lj, ..., Ln) = detA+ λ× 0 = detA.
Assim, detA = det(L1, ..., Li + λLj, ..., Lj, ..., Ln).
Exemplo 29 Considere a matriz A =
3 4 2 1
1 3 1 1
3 1 3 3
a b c d
tal que detA = 3. Pretende-se
calcular o determinante da seguinte matriz:
B =
1 3 1 1
a b c d
2a+ 3 2b+ 4 2c+ 2 2d+ 1
6 2 6 6
.
Aplicando os axiomas e as propriedades dos determinantes, tem-se
detB =
∣∣∣∣∣∣∣∣
1 3 1 1
a b c d
2a 2b 2c 2d
6 2 6 6
∣∣∣∣∣∣∣∣12L3
+
∣∣∣∣∣∣∣∣
1 3 1 1
a b c d
3 4 2 1
6 2 6 6
∣∣∣∣∣∣∣∣ L4 ⇄ L2
= 2
∣∣∣∣∣∣∣∣
1 3 1 1
a b c d
a b c d
6 2 6 6
∣∣∣∣∣∣∣∣ (L3 = L2)
−
∣∣∣∣∣∣∣∣
1 3 1 1
6 2 6 6
3 4 2 1
a b c d
∣∣∣∣∣∣∣∣
12L2
= 2 · 0− 2
∣∣∣∣∣∣∣∣
1 3 1 1
3 1 3 3
3 4 2 1
a b c d
∣∣∣∣∣∣∣∣ L3 ⇄ L1
= 2
∣∣∣∣∣∣∣∣
3 4 2 1
3 1 3 3
1 3 1 1
a b c d
∣∣∣∣∣∣∣∣ L3 ⇄ L2
= −2 detA = −2× 3 = −6.
27 M at2 - 9 m aio 2014
2.2 Métodos de cálculo
A partir das propriedades anteriores, é possível calcular o determinante de certas matrizesparticulares.
Propriedade 21 Seja A ∈ Mn(R). Então,
1. n = 2⇒ detA =
∣∣∣∣a11 a12a21 a22
∣∣∣∣ = a11a22 − a21a12 ;
2. Se A é matriz diagonal, triangular superior ou triangular inferior,
detA = a11a22...ann.
Dem. 1. Pelos axiomas A2 e A1, pela Parte 2 da Propriedade 20 e pelos axioma A3 e A4,
detA =
∣∣∣∣a11 a12a21 a22
∣∣∣∣ =∣∣∣∣a11 0
a21 a22
∣∣∣∣+∣∣∣∣
0 a12a21 a22
∣∣∣∣
=
∣∣∣∣a11 0
a21 0
∣∣∣∣+∣∣∣∣a11 0
0 a22
∣∣∣∣+∣∣∣∣
0 a12a21 0
∣∣∣∣+∣∣∣∣0 a120 a22
∣∣∣∣
= a11a21
∣∣∣∣1 0
1 0
∣∣∣∣ + a11a22
∣∣∣∣1 0
0 1
∣∣∣∣−∣∣∣∣a21 0
0 a12
∣∣∣∣+ a12a22
∣∣∣∣0 1
0 1
∣∣∣∣
= a11a21 × 0+ a11a22 × 1− a21a12 det I2 + a12a22 × 0 = a11a22 − a21a12.
2. Suponhamos primeiro que A é matriz diagonal. Então, pelos axiomas A1 e A4,
detA =
∣∣∣∣∣∣∣∣∣
a11 0 · · · 0
0 a22 · · · 0...
.... . .
...0 0 · · · ann
∣∣∣∣∣∣∣∣∣
= a11a22 · · · ann det In
= a11a22 · · · ann × 1 = a11a22 · · · ann.
Suponhamos agora que A é matriz triangular superior. Então,
A =
a11 a12 · · · a1n0 a22 · · · a2n...
.... . .
...0 0 · · · ann
.
Vamos distinguir dois casos:
Caso 1: Algum dos elementos da diagonal principal é nulo, isto é, ∃i ∈ {1, . . . , n} : aii = 0.Então, c(A) < n e portanto as n linhas de A são linearmente dependentes. Pela Parte 3 daPropriedade 20, tem-se que
detA = 0 = a11 · · ·ann,pois aii = 0.
28 M at2 - 9 m aio 2014
Caso 2: Todos os elementos da diagonal principal são não nulos. Então, aplicando sucessi-vamente o axioma A2 e o Caso 1,
detA =
∣∣∣∣∣∣∣∣∣
a11 a12 · · · a1n0 a22 · · · a2n...
.... . .
...0 0 · · · ann
∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣
a11 0 · · · 0
0 a22 · · · a2n...
.... . .
...0 0 · · · ann
∣∣∣∣∣∣∣∣∣
+
∣∣∣∣∣∣∣∣∣
0 a12 · · · a1n0 a22 · · · a2n...
.... . .
...0 0 · · · ann
∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣
a11 0 0 · · · 0
0 a22 a3n · · · a2n...
......
. . ....
0 0 0 · · · ann
∣∣∣∣∣∣∣∣∣
+ 0
=
∣∣∣∣∣∣∣∣∣
a11 0 0 · · · 0
0 a22 0 · · · 0...
......
. . ....
0 0 0 · · · ann
∣∣∣∣∣∣∣∣∣
+
∣∣∣∣∣∣∣∣∣
a11 0 0 · · · 0
0 0 a3n · · · a2n...
......
. . ....
0 0 0 · · · ann
∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣
a11 0 0 · · · 0
0 a22 0 · · · 0...
......
. . ....
0 0 0 · · · ann
∣∣∣∣∣∣∣∣∣
+ 0 = · · · =
∣∣∣∣∣∣∣∣∣
a11 0 · · · 0
0 a22 · · · 0...
.... . .
...0 0 · · · ann
∣∣∣∣∣∣∣∣∣
= a11a22 · · · ann,
pela Parte 1.
Se A for uma matriz triangular inferior, o raciocínio é análogo.
Exemplo 30 det[2 6
1 3
]= 2× 3− 1× 6 = 0 e
det
1 0 0 0
0 −1 0 0
0 0 3 0
0 0 0 2
=
∣∣∣∣∣∣∣∣
−1 4 −1 2
0 1 0 1
0 0 3 −2
0 0 0 2
∣∣∣∣∣∣∣∣=
∣∣∣∣∣∣∣∣
3 0 0 0
9 −1 0 0
−1 2 −1 0
0 4 −3 −2
∣∣∣∣∣∣∣∣
= 1× (−1)× 3× 2 = −6.
2.2.1 Processo de eliminação de Gauss
Este método consiste na transformação da matriz dada numa matriz triangular superior,através de operações elementares sobre linhas (ver Definição 20). De acordo com as pro-priedades dos determinantes,
• a operação OE1 troca o sinal ao determinante (pela Parte 2 da Propriedade 20);
• a operação OE2 multiplica o determinante pelo inverso do escalar λ (pelo axioma A1);
• a operação OE3 não altera o determinante (pela Parte 4 da Propriedade 20).
29 M at2 - 9 m aio 2014
Exemplo 31
det
1 0 −2
−1 2 5
2 3 2
=L1+L2−2L1+L3
∣∣∣∣∣∣
1 0 −2
0 2 3
0 3 6
∣∣∣∣∣∣=1
3L3
3
∣∣∣∣∣∣
1 0 −2
0 2 3
0 1 2
∣∣∣∣∣∣
=L3⇄L2
−3
∣∣∣∣∣∣
1 0 −2
0 1 2
0 2 3
∣∣∣∣∣∣=
L3−2L2−3
∣∣∣∣∣∣
1 0 −2
0 1 2
0 0 −1
∣∣∣∣∣∣= (−3)× 1× 1× (−1) = 3,
pela Parte 2 da Propriedade 21.
Teorema 22 (unicidade do determinante) Seja f : Mn(R) → R uma aplicação quesatisfaz os axiomas A1, A2, A3 e A4. Então, f é a aplicação determinante da Definição 26.
Dem. Sejam f e g duas aplicações que satizfazem os axiomas A1, A2, A3 e A4 onde, paraqualquer matriz A = (L1, . . . , Ln) de ordem n, se tem
f : A �→ f(A)
g : A �→ g(A).
Sejah(A) = f(A) − g(A).
Como f e g satisfazem os axiomas A1, A2, A3 e A4, o mesmo acontece com h. Usandooperações elementares, é então possível transformar A numa matriz diagonal, donde ∃α ∈ Rtal que
h(A) = α · h (In) .Mas, pelo axioma A4,
h (In) = f(In) − g(In) = 1− 1 = 0.
Logo,h(A) = α · h (In) = 0⇒ f(A) = g(A),
donde se conclui que a aplicação determinante é única.
2.2.2 Método baseado nos termos da matriz
Definição 27 Seja n um número natural. Uma permutação do conjunto {1, . . . , n} é umaaplicação bijectiva σ = (p1, . . . , pn) que a cada elemento i ∈ {1, . . . , n} faz corresponder oelemento pi ∈ {1, . . . , n}. Representa-se esquematicamente σ por
(1 2 · · · n
p1 p2 · · · pn
).
30 M at2 - 9 m aio 2014
Exemplo 32 No conjunto {1, 2, 3, 4}, a aplicação(1 2 3 4
1 3 4 2
),
onde p1 = 1, p2 = 3, p3 = 4 e p4 = 2, é uma permutação; a bijectividade é assegurada pelofacto da sequência (1, 3, 4, 2) não conter elementos repetidos.
Observação 19 As permutações de um conjunto com n elementos são sequências de n ele-mentos não repetidos. Assim, cada conjunto com n elementos tem n! permutações diferentes.Designa-se por Sn o conjunto de todas as permutações de um conjunto de n elementos.
Definição 28 Seja Aij ∈ Mn(R). Chama-se termo da matriz A a qualquer produto deelementos de A onde cada linha e coluna está representada por um e um só elemento.
Exemplo 33 Os termos da matriz[a11 a12a21 a22
], são
a11a22 e a12a21.
Exemplo 34 Os termos da matriz
a11 a12 a13a21 a22 a23a31 a32 a33
são
a11a22a33, a11a23a32, a12a21a33, a12a23a31, a13a21a32 e a13a22a31.
Definição 29 Dado n ∈ N, considere-se o conjunto {1, . . . , n} e σ = (p1, . . . , pn) ∈ Sn.
1. Diz-se que dois elementos de σ fazem uma inversão sempre que i < j e pi > pj,∀i, j ∈ {1, . . . , n}.
2. Define-se número de inversões em σ como sendo o número total de inversões quecada elemento de σ faz com os elementos seguintes, denotando-se por inv (σ).
3. Define-se sinal de σ como sendo o escalar
sgn (σ) = (−1)inv(σ).
4. Diz-se que σ é par se sgn (σ) = 1 e é ímpar se sgn (σ) = −1.
Exemplo 35 Seja σ = (4, 1, 3, 2) ∈ S4. A representação de σ é dada por(1 2 3 4
4 1 3 2
).
Relativamente aos que se encontram à sua frente, o elemento 4 faz 3 inversões, 1 não fazqualquer inversão, 3 faz uma inversão e 2 também não faz inversões. Assim,
sgn (σ) = (−1)3+0+1+0 = (−1)4 = 1,
donde σ é par.
31 M at2 - 9 m aio 2014
Teorema 23 Sejam A = [aij] ∈ Mn(R) e Sn o conjunto de todas as permutações de{1, . . . , n}. Então,
detA =∑
σ=(p1 ,...,pn )∈Sn
sgn (σ) · a1p1 · · ·anpn .
Dem. Este resultado irá ser demonstrado para o caso particular de uma matriz de ordem3 que tem 3! = 6 permutações distintas. O caso geral, com n! permutações distintas, prova-se de modo análogo.Pelo axioma A2,
detA =
∣∣∣∣∣∣
a11 a12 a13a21 a22 a23a31 a32 a33
∣∣∣∣∣∣
=
∣∣∣∣∣∣
a11 0 0
a21 a22 a23a31 a32 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 a12 0
a21 a22 a23a31 a32 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 0 a13a21 a22 a23a31 a32 a33
∣∣∣∣∣∣
=
∣∣∣∣∣∣
a11 0 0
a21 0 0
a31 a32 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
a11 0 0
0 a22 0
a31 a32 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
a11 0 0
0 0 a23a31 a32 a33
∣∣∣∣∣∣
+
∣∣∣∣∣∣
0 a12 0
a21 0 0
a31 a32 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 a12 0
0 a22 0
a31 a32 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 a12 0
0 0 a23a31 a32 a33
∣∣∣∣∣∣
+
∣∣∣∣∣∣
0 0 a13a21 0 0
a31 a32 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 0 a130 a22 0
a31 a32 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 0 a130 0 a23a31 a32 a33
∣∣∣∣∣∣
=
∣∣∣∣∣∣
a11 0 0
0 a22 0
0 0 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 a12 0
0 0 a23a31 0 0
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 0 a13a21 0 0
0 a32 0
∣∣∣∣∣∣
+
∣∣∣∣∣∣
a11 0 0
0 0 a230 a32 0
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 a12 0
a21 0 0
0 0 a33
∣∣∣∣∣∣+
∣∣∣∣∣∣
0 0 a130 a22 0
a31 0 0
∣∣∣∣∣∣,
pois dos 33 = 27 determinantes finais, apenas estes últimos 6 = 3! determinantes poderãoser não nulos; os restantes têm uma coluna nula (no caso geral, restam n! determinantes).
32 M at2 - 9 m aio 2014
Assim, pelo axioma A1 e efetuando trocas de linhas,
detA = a11a22a33 · det I3 + a12a23a31
∣∣∣∣∣∣
0 1 0
0 0 1
1 0 0
∣∣∣∣∣∣+ a13a21a32
∣∣∣∣∣∣
0 0 1
1 0 0
0 1 0
∣∣∣∣∣∣
+a11a23a32
∣∣∣∣∣∣
1 0 0
0 0 1
0 1 0
∣∣∣∣∣∣+ a12a21a33
∣∣∣∣∣∣
0 1 0
1 0 0
0 0 1
∣∣∣∣∣∣+ a13a22a31
∣∣∣∣∣∣
0 0 1
0 1 0
1 0 0
∣∣∣∣∣∣
= (−1)0 · a11a22a33 + (−1)2 · a12a23a31 · det I3 + (−1)2 · a13a21a32 · det I3
+(−1)1 · a11a23a32 · det I3 + (−1)
1 · a12a21a33 · det I3 + (−1)3 · a13a22a31 · det I3= sgn (1, 2, 3) · a11a22a33 + sgn (2, 3, 1) · a12a23a31 + sgn (3, 1, 2) · a13a21a32
+ sgn (1, 3, 2) · a11a23a32 + sgn (2, 1, 3) · a12a21a33 + sgn (3, 2, 1) · a13a22a31=
∑
σ=(p1 ,p2 ,p3 )∈S3
sgn (σ) · a1p1a2p2a3p3 . �
Corolário 24 (regra de Sarrus) Seja A = [aij] ∈M3(R). Então,
detA = a11a22a33 + a12a23a31 + a21a32a13︸ ︷︷ ︸termos pares
− (a13a22a31 + a23a32a11 + a21a12a33︸ ︷︷ ︸termos ímpares
).
Exemplo 36 Seja A =
1 −1 2
0 1 3
−1 4 1
. Então, pela regra de Sarrus,
detA = 1× 1× 1+ (−1)× 3× (−1) + 2× 0× 4
−(2× 1× (−1) + 3× 4× 1+ 0× (−1)× 1)
= 1+ 3+ 0− (−2+ 12+ 0) = 4− 10 = −6.
2.2.3 Teorema de Laplace
Definição 30 Seja A = [aij] ∈Mn(R).
1. Define-se menor i,j de A como sendo o determinante da matriz Aij ∈ Mn−1(R) quese obtém retirando a linha i e a coluna j da matriz A.
2. Chama-se complemento algébrico do elemento aij ao escalar:
△ij = (−1)i+j.detAij.
33 M at2 - 9 m aio 2014
Exemplo 37 Seja A =
1 0 −2
−1 2 5
2 3 2
. Então, o menor 2, 3 de A é
detA23 =
∣∣∣∣1 0
2 3
∣∣∣∣ = 3,
donde o complemento algébrico de a23 é
△23 = (−1)2+3 detA23 = −3.
Teorema 25 (de Laplace) Seja A = [aij] ∈Mn(R). Então, ∀i, j ∈ {1, ..., n} :
1. detA =n∑j=1
aij∆ij = ai1∆i1 + · · ·+ ain∆in. (desenvolvimento ao longo da linha i)
2. detA =n∑i=1
aij∆ij = a1j∆1j + · · ·+ anj∆nj. (desenvolvimento ao longo da coluna j)
Dem. 1. Os termos da matriz A que contêm o elemento aij são da forma
a1p1 · · ·aij · · ·anpn
e estão associados às permutações
σ = (p1, . . . , pi−1, j, pi+1, . . . , pn)
do conjunto {1, . . . , n}, onde pi = j. Estas permutações podem ser obtidas a partir daspermutações
ǫ = (p1, . . . , pi−1, pi+1, . . . , pn)
do conjunto {1, . . . , j − 1, j+ 1, . . . , n}, bastando acrescentar o elemento j.Efetuando i− 1 trocas numa permutação σ obtém-se a permutação
σ′
= (j, p1, . . . , pi−1, pi+1, . . . , pn) .
Assim,inv(σ′
)= inv (σ) + (i− 1) ,
donde
inv (ǫ) = inv(σ′
)− (j− 1) = inv (σ) + (i− 1) − (j− 1)
= inv (σ) + i− j = inv (σ) + (i+ j) − 2j,
pois j− 1 é o número de inversões de j em σ′
.Logo,
inv (σ) = inv (ǫ) − (i+ j) + 2j,
34 M at2 - 9 m aio 2014
donde
sgn (σ) = (−1)inv(σ)
= (−1)inv(ǫ) · (−1)−(i+j) · (−1)2j
= (−1)inv(ǫ) · (−1)(i+j) .
Assim,∑
σ=(p1 ,...,pi−1 ,j,pi+1 ,...,pn )
sgn (σ) · a1p1 · · ·aij · · ·anpn
= aij (−1)(i+j) ·
∑
ǫ=(p1 ,...,pi−1 ,pi+1 ,...,pn )
(−1)inv(ǫ) · a1p1 · · ·a(i−1)pi−1a(i+1)pi+1 · · ·anpn
= aij (−1)(i+j) detAij = aij∆ij.
Agrupando sucessivamente os termos de A que contêm os elementos ai1, . . . , aij, . . . , ain,conclui-se pelo Teorema 23 que
detA = ai1∆i1 + · · ·+ ain∆in.
2. A demonstração é análoga ao caso anterior.
Exemplo 38 Seja A =
1 2 3
0 1 1
−1 1 2
. Aplicando o teorema de Laplace...
(i) ... ao longo da terceira linha,
detA = (−1) · ∆31 + 1 · ∆32 + 2 · ∆33
= (−1) · (−1)4∣∣∣∣2 3
1 1
∣∣∣∣+ 1 · (−1)5∣∣∣∣1 3
0 1
∣∣∣∣ + 2 · (−1)6∣∣∣∣1 2
0 1
∣∣∣∣
= −(−1) + (−1) + 2 = 2.
(ii) ...ao longo da primeira coluna,
detA = 1 ·∆11 + 0 · ∆21 + (−1) · ∆31
= (−1)2
∣∣∣∣1 1
1 2
∣∣∣∣+ 0+ (−1) · (−1)4∣∣∣∣2 3
1 1
∣∣∣∣
= 1+ (−1) (−1) = 2.
Observação 20 Este método é vantajoso quando queremos calcular o determinante de umamatriz que tem uma linha ou coluna com vários zeros.
35 M at2 - 9 m aio 2014
2.3 Outras propriedades
Propriedade 26 Sejam A,B ∈Mn(R). Então,
1. detA = detAT ;
2. c(A) = n⇔ detA �= 0;
3. det(AB) = detA · detB;
4. A invertível ⇔ detA �= 0, e nesse caso:
detA−1 =1
detA.
Dem. 1. Seja A = [aij]n×n. Então, AT = [aji]n×n tem os mesmos elementos que a matrizA. Além disso, A e AT têm os mesmos termos. Assim, pelo Teorema 23,
detA =∑
σ=(p1 ,...,pn )∈Sn
sgn (σ) · a1p1 · · ·anpn = detAT .
2. ⇒ Vejamos que c(A) = n⇒ detA �= 0, ou seja, que detA = 0⇒ c(A) �= n.Suponhamos que detA = 0. Através do processo de eliminação de Gauss, transforma-se amatriz A numa matriz triangular superior A
′
, usando apenas operações elementares de tipoOE1 e OE3. Então, c(A) = c(A′) e detA = ±detA′ = 0, donde A′ tem de ter pelo menosum zero na diagonal principal. Logo,
c(A′) < n⇒ c(A) �= n.
⇐ Vejamos que detA �= 0⇒ c(A) = n, ou seja, que c(A) �= n⇒ detA = 0.Suponhamos que c(A) �= n. Então, c(A) < n e portanto as linhas da matriz A são linear-mente dependentes. Pela Parte 3 da Propriedade 20, detA = 0.
3. Suponhamos primeiro que detB �= 0. Então, considerando a aplicação f(A) =det(AB)det(B) ,
facilmente se verifica que f satisfaz os quatro axiomas da definição de determinante. Assim,pelo Teorema 22,
f(A) = det(A)
pelo que a propriedade é válida.Supondo agora que detB = 0, conclui-se pela propriedade anterior que c(B) < n. Assim, osistema homogéneo BX = 0 tem soluções não nulas; o mesmo acontece ao sistema homogé-neo ABX = 0, donde c(AB) < n. Aplicando novamente a propriedade 2, conclui-se quedet(AB) = 0. Portanto,
det(AB) = detA · detB = 0.
36 M at2 - 9 m aio 2014
4. ⇒ Suponhamos que A é invertível. Então,
∃A−1 ∈Mn(R) : AA−1 = In.
Assim, por 3,detA · detA−1 = det(AA−1) = det In = 1,
donde detA �= 0 e detA−1 = 1detA .
⇐ Suponhamos que detA �= 0. Então, por 2, c(A) = n. Assim, aplicando o processo deeliminação de Gauss à matriz A até a transformar numa matriz reduzida, obtem-se a matrizIn. Aplicando o mesmo processo à matriz ampliada A|In, obtém-se a matriz reduzida In |B
tal que AB = BA = In. Pela unicidade de matriz inversa, tem-se que B = A−1.
Exemplo 39 Sejam A,B ∈Mn(R) tais que A é invertível. Então, detA �= 0 e
det(A−1BTA
)= detA−1 · detBT · detA
=1
detA· detB · detA = detB.
Exemplo 40 Considere a matriz A =
a 1 −a
a+ 1 a 1+ a
−a 2a 5a
, com a ∈ R. Pretende-se
encontrar os valores do parâmetro a que tornam as linhas de A linearmente dependentes.Para que as linhas de A sejam linearmente dependentes, c(A) < 3. Assim, pela Parte 2 dapropriedade anterior, detA = 0. Ora, pela regra de Sarrus,
detA =
∣∣∣∣∣∣
a 1 −a
a+ 1 a 1+ a
−a 2a 5a
∣∣∣∣∣∣
= 5a3 − a (1+ a) − 2a2 (1+ a) − a3 − 2a2 (1+ a) − 5a (1+ a)
= 4a3 − 6a (1+ a) − 4a2 (1+ a) = 4a3 − 6a− 6a2 − 4a2 − 4a3
= −10a2 − 6a.
Assim,
detA = 0⇔ −10a2 − 6a = 0⇔ −2a (5a+ 3) = 0
⇔ a = 0∨ a = −3
5.
37 M at2 - 9 m aio 2014
2.4 Matriz adjunta
Definição 31 Seja A ∈Mn(R). Chama-se adjunta de A à matriz transposta dos comple-mentos algébricos de A:
adjA =
△11 △12 ... △1n
△21 △22 ... △2n
... .... . . ...
△n1 △n2 ... △nn
T
.
Exemplo 41 Seja A =
1 0 −1
0 1 2
−1 0 3
. Então,
△11 = (−1)2
∣∣∣∣1 2
0 3
∣∣∣∣ = 3; △12 = (−1)3
∣∣∣∣0 2
−1 3
∣∣∣∣ = −2; △13 = (−1)4
∣∣∣∣0 1
−1 0
∣∣∣∣ = 1;
△21 = (−1)3
∣∣∣∣0 −1
0 3
∣∣∣∣ = 0; △22 = (−1)4
∣∣∣∣1 −1
−1 3
∣∣∣∣ = 2; △23 = (−1)5
∣∣∣∣1 0
−1 0
∣∣∣∣ = 0;
△31 = (−1)4
∣∣∣∣0 −1
1 2
∣∣∣∣ = 1; △32 = (−1)5
∣∣∣∣1 −1
0 2
∣∣∣∣ = −2; △33 = (−1)6
∣∣∣∣1 0
0 1
∣∣∣∣ = 1.
Logo,
adjA =
3 −2 1
0 2 0
1 −2 1
T
=
3 0 1
−2 2 −2
1 0 1
.
Propriedade 27 Seja A ∈ Mn(R). Então,
(adjA) ·A = A · (adjA) = (detA) · In.
Dem. Seja
C = A · (adjA) =
a11 a12 · · · a1na21 a22 · · · a2n...
.... . .
...an1 an2 · · · ann
∆11 ∆21 · · · ∆n1
∆12 ∆22 · · · ∆n2
......
. . ....
∆1n ∆2n · · · ∆nn
.
Então, os elementos principais da matriz C são da forma
cii = ai1∆i1 + · · ·+ ain∆in, ∀i ∈ {1, . . . , n} .
Pelo teorema de Laplace,cii = detA.
38 M at2 - 9 m aio 2014
Para i �= j, tem-secij = ai1∆j1 + · · ·+ ain∆jn,
que corresponde ao desenvolvimento do teorema de Laplace, ao longo da linha j, do deter-minante da matriz que se obtém de A substituindo a linha j pela linha i. Esta matriz temas linhas i e j iguais, pelo que o seu determinante é nulo. Logo, cij = 0. Assim,
A · (adjA) =
detA 0 · · · 0
0 detA · · · 0...
.... . .
...0 0 · · · detA
= (detA) · In.
De forma análoga se mostraria a igualdade (adjA) ·A = (detA) · In, pelo que a proposiçãofica demonstrada.
Corolário 28 Seja A ∈Mn(R) invertível. Então,
A−1 =1
detA· adjA.
Dem. Como A é invertível, detA �= 0. Então, pelo teorema anterior,
(adjA) ·A = (detA) · In⇒ (adjA) ·AA−1 = (detA) · InA−1⇒ adjA = (detA)A−1,
donde sai o resultado pretendido.
Exemplo 42 Considere-se a matriz A =
1 0 −1
0 1 2
−1 0 3
do Exemplo 41.
Já se viu que adjA =
3 0 1
−2 2 −2
1 0 1
. Além disso,
detA =
∣∣∣∣∣∣
1 0 −1
0 1 2
−1 0 3
∣∣∣∣∣∣=
L3+L1
∣∣∣∣∣∣
1 0 −1
0 1 2
0 0 2
∣∣∣∣∣∣= 2 �= 0,
donde A é invertível. Assim, pelo corolário anterior,
A−1 =1
|A|adjA =
1
2
3 0 1
−2 2 −2
1 0 1
=
32
0 12
−1 1 −112
0 12
.
39 M at2 - 9 m aio 2014
2.5 Regra de Cramer
Definição 32 Dado um sistema com n equações e n incógnitas, representado matricial-mente pela equação AX = B, diz-se que é um sistema de Cramer se
detA �= 0.
Exemplo 43 Considere-se o sistema
x+ y+ z = 1
x+ 2y+ z = 2
3x− 3y+ z = 3
cuja representação matricial é
AX = B, com A =
1 1 1
1 2 1
3 −3 1
, X =
x
y
z
e B =
1
2
3
. Pela regra de Sarrus,
detA =
∣∣∣∣∣∣
1 1 1
1 2 1
3 −3 1
∣∣∣∣∣∣= (2+ 3− 3) − (6− 3+ 1) = −2.
Como detA �= 0, conclui-se que o sistema é de Cramer.
Propriedade 29 (regra de Cramer): Um sistema de Cramer é sempre possível e deter-minado. Além disso, sendo X a solução única do sistema, as suas componentes são dadaspor
xi =detAi
detA, ∀1 � i � n,
onde Ai é a matriz que se obtém de A substituindo a coluna i pela matriz coluna B.
Dem. Dado um sistema de Cramer AX = B, tem-se que detA �= 0. Assim, pela Parte 2 daPropriedade 26, tem-se que c(A) = n, donde
c(A) = c(A|B) = n.
Pelo Teorema 16, conclui-se que o sistema é possível e determinado.
Seja X a solução única do sistema. Como A é invertível (pois detA �= 0), tem-se
AX = B⇒ A−1 (AX) = A−1B
⇒(A−1A
)X = A−1B
⇒ InX = A−1B
⇒ X = A−1B.
Ou seja, a solução do sistema é dada por X = A−1B.
40 M at2 - 9 m aio 2014
Como A−1 = 1detA · adjA, então
X =1
detA(adjA)B.
Designando os elementos de B por b1, . . . , bn, resulta da igualdade anterior que cada elementoda solução X =
[x1 · · · xn
]Té dado por
xi =∆1ib1 + · · ·+ ∆n1bn
detA, ∀1 � i � n,
onde o numerador corresponde ao desenvolvimento do determinante de Ai ao longo da colunaque contém os elementos b1, . . . , bn de B.
Exemplo 44 Considere-se o sistema
x+ y+ z = 1
x+ 2y+ z = 2
3x− 3y+ z = 3
do exemplo anterior. Já se viu
que este sistema é de Cramer. Assim, pela regra de Cramer,
x =
∣∣∣∣∣∣
1 1 1
2 2 1
3 −3 1
∣∣∣∣∣∣
−2=(2+ 3− 6) − (6− 3+ 2)
−2=−6
−2= 3,
y =
∣∣∣∣∣∣
1 1 1
1 2 1
3 3 1
∣∣∣∣∣∣
−2=(2+ 3+ 3) − (6+ 3+ 1)
−2=−2
−2= 1
e
z =
∣∣∣∣∣∣
1 1 1
1 2 2
3 −3 3
∣∣∣∣∣∣
−2=(6+ 6− 3) − (6− 6+ 3)
−2=
6
−2= −3.
41 M at2 - 9 m aio 2014
3 Valores e vetores próprios
3.1 Vetores e espaços vetoriais
Em geral, um vetor é definido como sendo um elemento matemático univocamente determi-nado pela sua direção, sentido e comprimento. Em R
2, um vetor do plano é representadopor �u = (a, b), com a, b ∈ R:
;
em R3, um vetor do espaço é representado por �u = (a, b, c), com a, b, c ∈ R:
.
Além disso, em R2 e R3, estão definidas as operações adição e multiplicação escalar da
seguinte forma:
∀ (a, b) , (p, q) ∈ R2, (a, b) + (p, q) = (a+ p, b+ q)
λ (a, b) = (λa, λb) , ∀λ ∈ Re
∀ (a, b, c) , (p, q, t) ∈ R3, (a, b, c) + (p, q, t) = (a+ p, b+ q, c+ t)
λ (a, b, c) = (λa, λb, λc) ,∀λ ∈ R ,
donde, por exemplo,
(2,−1) + (3, 1) = (5, 0) e − 2
(1,−1,
1
2
)= (−2, 2,−1) .
Ora, existem conjuntos de objetos matemáticos de natureza muito diferente de R2 ouR3, onde também estão definidas as operações adição e multiplicação escalar, que possuem
a mesma estrutura algébrica. A esses conjuntos dá-se o nome de espaços vetoriais.
42 M at2 - 9 m aio 2014
Definição 33 Sejam E um conjunto, + : E× E −→ E
(�x,�y) �→ �x+ �y
uma aplicação ( adição) e
· : R× E −→ E
(λ,�x) �→ λ�x
uma outra aplicação (multiplicação escalar).
Diz-se que E é um espaço vetorial real se (E,+, ·) verificar os seguintes axiomas,∀�x,�y,�z ∈ E, ∀λ, µ ∈ R:
1. (�x+ �y) + �z = �x+ (�y+ �z); (+ é associativa em E)
2. �x+ �y = �y+ �x; (+ é comutativa em E)
3. ∃�0 ∈ E : �x+ �0 = �0+ �x = �x; (+ tem elemento neutro em E)
4. ∃− �x ∈ E : �x+ (−�x) = (−�x) + �x = �0; (todos os elementos de E têm simétrico)
5. λ(�x+ �y) = λ�x+ λ�y; (· é distributiva em E relativamente a +)
6. (λ+ µ)�x = λ�x+ µ�x;
7. (λµ)�x = λ(µ�x); (· é associativa em E)
8. 1 · �x = �x. (· tem elemento neutro em E)
Exemplo 45 Para quaisquer n,m ∈ N, os conjuntos Rn, Mm×n (R) e Pn (R), o conjuntodos polinómios de grau menor ou igual a n com coeficientes reais, são espaços vetoriais reaispara as operações adição e multiplicação escalar usuais.
Definição 34 Dá-se o nome de vetor a qualquer elemento de um espaço vetorial.
Exemplo 46 −→x =(−1, 0, π,
√2)é um vetor de R4, A =
[−1 0 5
2 1 −3
]é um vetor de
M2×3 (R) e p (x) = x3 − 1 é um vetor de P3 (R).
3.2 Definição e interpretação geométrica de valor e vetor própriode uma matriz
Definição 35 Seja A ∈Mn (R). Um escalar λ diz-se um valor próprio de A se
∃ �x ∈ Rn \{�0}: A�x = λ�x . (2)
Ao vetor �x dá-se o nome de vetor próprio de A associado ao valor próprio λ.
43 M at2 - 9 m aio 2014
Exemplo 47 Seja A =[2 0
0 −1
].
O vetor −→x1 = (1, 0) é um vetor próprio de A associado ao valor próprio λ1 = 2, pois
A−→x1 =
[2 0
0 −1
] [1
0
]=
[2
0
]= (2, 0) = 2
−→x1 .
Também o vetor −→x2 = (0, 1) é um vetor próprio de A associado ao valor próprio λ2 = −1,pois
A−→x2 =[2 0
0 −1
] [0
1
]=
[0
−1
]= (0,−1) = (−1)−→x2 .
No entanto, o vetor −→x3 = (−1, 1) não é um vetor próprio de A pois
A−→x3 =
[2 0
0 −1
] [−1
1
]=
[−2
−1
]= (−2,−1) ,
não sendo possível encontrar algum λ ∈ R tal que (−2,−1) = λ−→x3 .
Observação 21 Tal como no exemplo anterior, no que se segue não se fará qualquerdistinção entre a representação vetorial e matricial de um vetor.
A multiplicação de uma matriz A por um vetor �x deve ser vista como a transformaçãodo vetor �x no vetor A�x. Assim sendo, para um escalar λ, a condição A�x = λ�x correspondegeometricamente à não alteração da direção do vetor �x após a sua transformação pela matrizA, ou seja, �x e A�x têm a mesma direção, isto é, �x e A�x são colineares; λ pode ser visto comoo coeficiente de elasticidade dessa transformação. Na figura seguinte pode-se comprovargeometricamente os resultados obtidos no exemplo anterior:
,
em particular, que −→x1 e A−→x1 são colineares, que −→x2 e A−→x2 também são colineares mas que −→x3e A−→x3 não são colineares.
3.3 Método de cálculo dos valores e vetores próprios de umamatriz
Para encontrar os valores e vetores próprios de uma qualquer matriz quadrada é necessárioum método eficaz que não se baseie na interpretação geométrica, até porque se estivermos atrabalhar com uma matriz de ordem superior a 3 não conseguimos representar graficamenteos vetores. Assim, o método de cálculo será definido à custa da Definição 35.
44 M at2 - 9 m aio 2014
Propriedade 30 Sejam A ∈Mn (R), I a matriz identidade de ordem n e O = [0]n×1.
1. Os valores próprios de A são as raízes da equação
det(A− λI) = 0,
designada por equação característica de A.
2. Os vetores próprios de A associados ao valor próprio λ são as soluções não nulas dosistema homogéneo (A− λI)X = O.
Dem. Sejam �x um vetor próprio de A associado ao valor próprio λ e X a representaçãomatricial de �x. Pela condição (2), tem-se que:
A�x = λ�x⇔ AX = λX⇔ AX− λX = O⇔ AX− λIX = O⇔ (A− λI)X = O.
Assim, �x é vetor próprio de A associado ao valor próprio λ se e só se X for solução não nulado sistema homogéneo (A− λI)X = O. Mas este sistema possui soluções não nulas se e sóse det(A− λI) = 0, ou seja, se e só se A− λI for não invertível.
Propriedade 31 Sejam A ∈Mn (R) e I a matriz identidade de ordem n. Então,
det(A− λI) = p(λ),
onde p(λ) é um polinómio em λ de grau n, designado por polinómio característico de A.O coeficiente do termo de grau n do polinómio p(λ) é (−1)n e o termo constante ép(0) = detA.
Dem. Conforme foi visto no capítulo dos Determinantes, cada termo da matriz A−λI é umproduto de elementos dessa matriz em que cada linha e coluna se encontra representada uma
única vez. Assim, o det(A − λI) =
∣∣∣∣∣∣∣∣∣
a11 − λ a12 · · · a1na21 a22 − λ · · · a2n...
......
...an1 an2 · · · ann − λ
∣∣∣∣∣∣∣∣∣
pode ser calculado
multiplicando cada termo da matriz A−λI por 1 ou −1 e somando em seguida os resultadosobtidos. Como os elementos da matriz A−λI são constantes ou da forma aii−λ, conclui-seque cada termo de A − λI é um polinómio de grau menor ou igual a n. Como o termoresultante do produto dos elementos da diagonal principal,
(a11 − λ) (a22 − λ) · · · (ann − λ) , (3)
é um polinómio de grau n, fica provado que p(λ) é um polinómio em λ de grau n. Além disso,o coeficiente de λn em p(λ) é o coeficiente de λn em (3), ou seja, (−1)n . Por fim, usandoλ = 0 em p(λ) = det(A− λI), obtém-se p(0) = detA.
Do Teorema Fundamental da Álgebra resulta que um polinómio característico p(λ) degrau n tem exatamente n zeros reais ou complexos, podendo alguns deles ser iguais. Assim,se p(λ) tem k zeros distintos, λ1, λ2, . . . , λk (com k ≤ n), então pode fatorizar-se na forma
p(λ) = (−1)n (λ− λ1)n1 (λ− λ2)
n2 · · · (λ− λk)nk , (4)
em que n1 + n2 + · · ·+ nk = n.
45 M at2 - 9 m aio 2014
Definição 36 Seja A ∈Mn (R) cujo polinómio característico está na forma (4).
1. O conjunto de todos os valores próprios de A designa-se por espetro de A.
2. Os expoentes n1, n2, . . . , nk designam-se por multiplicidades algébricas dos valorespróprios λ1, λ2, . . . , λk de A, respetivamente.
Dos resultados anteriores, obtém-se o seguinte método para o cálculo dos valores e vetorespróprios de uma matriz quadrada.
Sejam A ∈Mn (R), I a matriz identidade de ordem n e O = [0]n×1.
1. Calcular o polinómio característico de A, p(λ) = det(A− λI);
2. Resolver a equação característica p(λ) = 0. As soluções desta equação constituem oespetro de A;
3. Para cada valor próprio λ obtido no ponto anterior, resolver o sistema homogéneo(A−λI)X = O. As soluções não nulas deste sistema são os vetores próprios associadosao valor próprio λ.
Exemplo 48 Seja A =[0 2
2 0
]. Então,
p(λ) = 0⇔ det(A−λI) = 0⇔∣∣∣∣−λ 2
2 −λ
∣∣∣∣ = 0⇔ λ2−4 = 0⇔ (λ+ 2) (λ − 2) = 0⇔ λ = ±2,
donde espA = {−2, 2}, ou seja, A tem como valores próprios distintos −2 e 2, cada um commultiplicidade algébrica 1.
Calculemos agora os respetivos vetores próprios. Para isso vamos resolver, para cada valor
de λ, o sistema homogéneo (A− λI)X = O, onde X =[x1x2
]. Assim,
• Se λ = 2,
(A− 2I)X = O⇔[−2 2
2 −2
] [x1x2
]=
[0
0
]⇔{−2x1 + 2x2 = 0
2x1 − 2x2 = 0⇔{x1 = x2x2 ∈ R ,
donde os vetores próprios associados são os vetores da forma (x2, x2) = x2(1, 1), comx2 ∈ R \ {0} .
• Se λ = −2,
(A+ 2I)X = O⇔[2 2
2 2
] [x1x2
]=
[0
0
]⇔{2x1 + 2x2 = 0
2x1 + 2x2 = 0⇔{x2 = −x1x1 ∈ R ,
donde os vetores próprios associados são os vetores da forma (x1,−x1) = x1(1,−1),com x1 ∈ R \ {0} .
46 M at2 - 9 m aio 2014
Seguem-se agora algumas propriedades dos valores próprios de uma matriz.
Propriedade 32 Os valores próprios de uma matriz triangular são os elementos da diagonalprincipal.
Dem. Seja A = [aij] uma matriz triangular de ordem n. A matriz A − λI será tambémtriangular, pelo que o seu determinante é igual ao produto dos elementos da diagonal prin-cipal, isto é,
det(A− λI) = (a11 − λ)(a22 − λ) · · · (ann − λ).
Portanto, det(A − λI) = 0 se e só se λ coincidir com algum dos elementos da diagonalprincipal de A.
Propriedade 33 Sejam A ∈Mn (R) e λ1, . . . , λk (com k ≤ n) os seus valores próprios commultiplicidades algébricas n1, . . . , nk, respetivamente. Então,
detA = λn11 · · ·λnkk .
Dem. Consideremos o polinómio característico da matriz A :
p(λ) = det(A− λI) = (−1)nλn + cn−1λn−1 + · · ·+ c1λ+ c0. (5)
Sendo λ1, . . . , λk as raízes de p(λ), por (4),
p(λ) = (−1)n (λ− λ1)n1 (λ− λ2)
n2 · · · (λ− λk)nk .
Assim, comparando com a forma (5) de p(λ), tem-se que
c0 = λn11 · · · λnkk .
Como p(0) = detA = c0, conclui-se que detA = λn11 · · ·λnkk .
Exemplo 49 Seja A =
1 2 1
2 0 −2
−1 2 3
. Então,
p(λ) = 0⇔ det(A− λI) = 0⇔
∣∣∣∣∣∣
1− λ 2 1
2 −λ −2
−1 2 3− λ
∣∣∣∣∣∣= 0
⇔ −λ3 + 4λ2 − 4λ = 0⇔ −λ (λ− 2)2= 0⇔ λ = 0∨ λ = 2,
donde A tem como valores próprios 0, com multiplicidade algébrica 1, e 2, com multiplicidadealgébrica 2. Assim,
detA = 0× 22 = 0.
47 M at2 - 9 m aio 2014
4 Cálculo Vetorial
Num espaço vetorial real estão bem definidas as operações adição e multiplicação escalar.Segue-se agora de que forma é possível definir também uma operação produto, suaspropriedades e aplicações.
4.1 Produto interno e norma de vetores
Definição 37 Seja E um espaço vetorial real. Chama-se produto interno em E a toda aaplicação |: E× E −→ R
(�x,�y) �→ �x|�y
que verifique as seguintes condições ∀�x,�y,�z ∈ E e ∀α ∈ R:
1. �x|�y = �y|�x; (simetria)
2. (�x+ �y) |�z = �x|�z+ �y|�z; (aditividade)
3. (α�x) |�y = α (�x|�y) = �x| (α�y) ; (homogeneidade)
4. �x|�x � 0 e(�x|�x = 0⇒ �x = �0
). (positividade)
Um espaço vetorial real com produto interno diz-se um espaço euclideano real.
Exemplo 50 Em R3, a aplicação definida por
(x1, x2, x3) | (y1, y2, y3) = x1y1 + x2y2 + x3y3
é um produto interno (designado por produto interno canónico em R3) pois verifica as
condições de simetria, aditividade, homogeneidade e positividade. Por exemplo,
(2, 1, 0) | (−1, 1, 4) = −2+ 1+ 0 = −1.
Exemplo 51 Em M2 (R), a aplicação definida por[a1 a2a3 a4
]|
[b1 b2b3 b4
]= a1a4 + b1b4
não é um produto interno pois falha a positividade. Por exemplo,[−1 −1
0 1
]|
[−1 −1
0 1
]= −1− 1 = −2 < 0.
Exemplo 52 Em P2 (R), a aplicação definida por(a0 + a1x+ a2x
2)|(b0 + b1x+ b2x
2)= a0b2 + b0
não é um produto interno pois falha a simetria. Por exemplo,(1+ x2
)|(−1+ x− 2x2
)= −3 �= 0 =
(−1+ x− 2x2
)|(1+ x2
).
48 M at2 - 9 m aio 2014
Exemplo 53 Seja E um espaço euclidiano real e �x e �y vetores de E tais que �x|�x = 1, �y|�y = 2
e �x|�y = −2. Então, usando a aditividade, a homogeneidade e a simetria,
(�x+ 2�y) | (�x− �y) = (�x+ 2�y) |�x+ (�x+ 2�y) | (−�y)
= �x|�x+ (2�y) |�x+ �x| (−�y) + (2�y) | (−�y)
= �x|�x+ 2 (�y|�x) − (�x|�y) − 2 (�y|�y)
= �x|�x+ 2 (�x|�y) − (�x|�y) − 2 (�y|�y)
= �x|�x+ �x|�y− 2 (�y|�y)
= 1+ (−2) − 2× 2 = −5.
Observação 22 Se �x = �0 ou �y = �0, então �x|�y = 0.
De facto, se �x = �0, pela condição de homogeneidade,
�x|�y = �0|�y =(0.�0)|�y = 0
(�0|�y)= 0.
O mesmo acontece se �y = �0.
Definição 38 Sejam E um espaço euclideano real e �x ∈ E.
1. Chama-se norma de �x ao escalar não negativo
‖�x‖ =√�x|�x.
2. Diz-se que �x é vetor unitário (ou normado) se ‖�x‖ = 1.
3. Se �x �= �0, define-se versor de �x como sendo o vetor
vers�x =1
‖�x‖�x.
Em Rn, a norma associada ao produto interno canónico é dada por, ∀�x = (x1, . . . , xn):
‖�x‖ =√x21 + · · ·+ x2n.
Observação 23 A norma de um vetor corresponde ao comprimento desse vetor, sendo queo produto interno associado corresponde à escala utilizada nessa medição.
Exemplo 54 Considere-se em R3 o produto interno canónico e os vetores �x = (2, 1, 0) e
�y = (−1, 1, 4). Então,
‖�x‖ = ‖(2, 1, 0)‖ =√22 + 12 + 02 =
√5
e
‖�y‖ = ‖(−1, 1, 4)‖ =√(−1)
2+ 12 + 42 =
√18.
49 M at2 - 9 m aio 2014
Logo, �x e �y não são unitários. Além disso,
vers�x =�x
‖�x‖ =1√5(2, 1, 0) =
(2√5,1√5, 0
).
Observação 24 Dado um vetor �x de um qualquer espaço euclideano real, pela condição depositividade, tem-se que �x|�x � 0. Assim, ||�x|| =
√�x|�x � 0.
Propriedade 34 Sejam E um espaço euclideano real, �x,�y ∈ E e α ∈ R. Então,
1. ‖�x‖ = 0⇔ �x = �0;
2. ‖α�x‖ = |α| · ‖�x‖;
3. ∀�x �= �0, vers�x é um vetor unitário;
4. |�x|�y| � ‖�x‖ · ‖�y‖; (desigualdade de Cauchy-Schwarz)
5. ‖�x+ �y‖ � ‖�x‖+ ‖�y‖. (desigualdade triangular)
Dem. 1. ⇒ Suponhamos que ‖�x‖ = 0. Então, pela condição de positividade,√�x|�x = 0⇒ �x|�x = 0⇒ �x = �0.
⇐ Suponhamos que �x = �0. Então, pela Observação 22,
||�x|| =√�x|�x =
√�0|�0 =
√0 = 0.
2. ‖α�x‖ =√(α�x) | (α�x) =
√αα (�x|�x) =
√α2 (�x|�x) =
√α2 ·
√�x|�x = |α| · ‖�x‖ .
3. Pela Observação 24 e por 1, ∀�x �= �0, ||�x|| > 0. Logo, 1‖�x‖ > 0. Assim, por 2,
||vers�x|| =
∥∥∥∥1
‖�x‖ · �x∥∥∥∥ =
∣∣∣∣1
‖�x‖
∣∣∣∣ · ‖�x‖ =1
‖�x‖ · ‖�x‖ = 1,
donde se conclui que vers�x é um vetor unitário.
4. Seja k ∈ R qualquer. Pela condição de positividade, tem-se que
(k�x+ �y) | (k�x+ �y) � 0.
Por outro lado, pelas condições de aditividade, homogeneidade e simetria,
(k�x+ �y) | (k�x+ �y) = (k�x) | (k�x+ �y) + �y| (k�x+ �y)
= (k�x) | (k�x) + (k�x) |�y+ �y| (k�x) + �y|�y
= k2 (�x|�x) + k (�x|�y) + k (�y|�x) + �y|�y
= k2 (�x|�x) + 2k (�x|�y) + �y|�y
= k2 ||�x||2+ 2k (�x|�y) + ||�y||
2.
50 M at2 - 9 m aio 2014
Assim, ∀k ∈ R,k2 ||�x||
2+ 2k (�x|�y) + ||�y||
2� 0.
Em particular, para k = −�x|�y
||�x||2,
(�x|�y)2
||�x||4||�x||
2− 2
�x|�y
||�x||2(�x|�y) + ||�y||
2� 0⇔ (�x|�y)
2
||�x||2− 2
(�x|�y)2
||�x||2+ ||�y||
2� 0
⇔ −(�x|�y)
2
||�x||2+ ||�y||
2� 0
⇔ −(�x|�y)2+ ||�x||
2 · ||�y||2 � 0
⇔ (�x|�y)2� ||�x||
2 · ||�y||2 ,donde se conclui que |�x|�y| � ‖�x‖ · ‖�y‖ .5. Usando a definição de norma, as condições de produto interno e a desigualdade deCauchy-Schwarz,
||�x+ �y||2= (�x+ �y) | (�x+ �y) = ||�x||
2+ 2 (�x|�y) + ||�y||
2
� ||�x||2+ 2 ||�x|| · ||�y|| + ||�y||2 = (||�x||+ ||�y||)2 .
Como a norma é não negativa, conclui-se que ‖�x+ �y‖ � ‖�x‖+ ‖�y‖.
Uma das aplicações do conceito de norma é a generalização da noção usual de distânciaentre dois pontos.
Definição 39 Sejam E um espaço euclideano real e �x,�y ∈ E. Chama-se distância entre�x e �y ao escalar
d (�x,�y) = ‖�x− �y‖ .
Exemplo 55 Considere-se em R3 o produto interno canónico e os vetores �x = (2, 1, 0) e
�y = (−1, 1, 4). Então,
d (�x,�y) = ‖(2, 1, 0) − (−1, 1, 4)‖ = ‖(3, 0,−4)‖ =√32 + 02 + (−4)
2=√25 = 5.
Observação 25 Note-se que a distância entre dois vetores vai depender do produto internoassociado à norma.
4.2 Ângulo e ortogonalidade entre vetores
Definição 40 Sejam E um espaço euclideano real e �x,�y ∈ E tais que �x �= �0 e �y �= �0.Define-se ângulo entre �x e �y como sendo o escalar θ = ∢(�x,�y) ∈ [0, π] tal que
cosθ =�x|�y
‖�x‖ · ‖�y‖ .
Observação 26 · �x|�y = ‖�x‖ · ‖�y‖ · cosθ, se �x �= �0 e �y �= �0.· �x|�y = 0, se �x = �0 ou �y = �0.
51 M at2 - 9 m aio 2014
Exemplo 56 Considere-se em R3 o produto interno canónico e os vetores �x = (2, 1, 0) e
�y = (−1, 1, 4). Nos Exemplos 50 e 54 já se viu que �x|�y = −1, ‖�x‖ =√5 e ‖�y‖ =
√18.
Então,
cos∢(�x,�y) =�x|�y
‖�x‖ · ‖�y‖ =−1√5√18=−1√90,
donde se conclui que
∢(�x,�y) = arccos(−1√90
)≃ 1, 6764 rad ≃ 96, 05◦.
Definição 41 Sejam E um espaço euclideano real, �x,�y ∈ E \{�0}e θ = ∢(�x,�y). Define-se
projeção ortogonal de �y sobre �x como sendo o vetor:
proj�x �y = (‖�y‖ · cosθ) vers�x.
Observação 27 Se θ ∈[0, π
2
], se θ ∈
[π2, π],
; .
Exemplo 57 Considere-se em R3 o produto interno canónico e os vetores �x = (2, 1, 0) e
�y = (−1, 1, 4) do exemplo anterior. Então,
proj�x �y = (‖�y‖ · cosθ) vers�x
=√18 · −1√
5√18· 1√
5(2, 1, 0)
= −1
5(2, 1, 0) =
(−2
5,−
1
5, 0
).
Propriedade 35 Sejam E um espaço euclideano real e �x,�y ∈ E tais que �x �= �0 e �y �= �0.Então,
proj�x �y =�x|�y
‖�x‖2· �x = (vers�x | �y) vers�x.
Dem. Usando as definições de projeção ortogonal, de ângulo entre vetores e de versor tem-seque:
52 M at2 - 9 m aio 2014
proj�x �y = (‖�y‖ · cosθ) vers�x
= ‖�y‖ · �x|�y
‖�x‖ · ‖�y‖ ·1
‖�x‖�x
=�x|�y
‖�x‖2· �x.
Além disso, �x|�y
‖�x‖2 · �x =1‖�x‖ (�x|�y) · �x
‖�x‖ =((
1‖�x‖�x
)| �y)· �x‖�x‖ = (vers�x | �y) vers�x.
Exemplo 58 Considere-se em R3 o produto interno canónico e os vetores �x = (2, 1, 0) e
�y = (−1, 1, 4) do Exemplo 56. Então,
proj�x �y =�x|�y
‖�x‖2· �x = −1
(√5)2 (2, 1, 0)
= −1
5(2, 1, 0) =
(−2
5,−
1
5, 0
)
e
proj�y �x =�y|�x
‖�y‖2· �y = −1
(√18)2 (−1, 1, 4)
= −1
18(−1, 1, 4) =
(1
18,−
1
18,−
2
9
).
Definição 42 Sejam E um espaço euclideano real e �x,�y ∈ E.
1. �x e �y são ortogonais (�x ⊥ �y) se �x|�y = 0.
2. Um conjunto de vetores diz-se ortogonal se os seus vetores forem ortogonais dois adois.
3. Um conjunto de vetores diz-se ortonormado se for ortogonal e todos os seus vetoresforem unitários.
Exemplo 59 Considere-se em R3 o produto interno canónico.
1. O conjunto {(2, 1, 0) , (−1, 1, 4)} não é ortogonal porque (2, 1, 0) | (−1, 1, 4) = −1 �= 0.
2. O conjunto{(
1√6,− 1√
6, 2√
6
),(0,− 2√
5,− 1√
5
),(
5√30, 1√
30,− 2√
30
)}é ortonormado.
53 M at2 - 9 m aio 2014
De facto,(
1√6,−
1√6,2√6
)|
(0,−
2√5,−
1√5
)=
1√6(1,−1, 2) |
1√5(0,−2,−1)
=1√30(1,−1, 2) | (0,−2,−1)
=1√30(0+ 2− 2) = 0,
(0,−
2√5,−
1√5
)|
(5√30,
1√30,−
2√30
)=
1√5(0,−2,−1) |
1√30(5, 1,−2)
=1√150
(0,−2,−1) | (5, 1,−2)
=1√150
(0− 2+ 2) = 0
e(
1√6,−
1√6,2√6
)|
(5√30,
1√30,−
2√30
)=
1√6(1,−1, 2) |
1√30(5, 1,−2)
=1√180
(1,−1, 2) | (5, 1,−2)
=1√180
(5− 1− 4) = 0.
Logo,{(
1√6,− 1√
6, 2√
6
),(0,− 2√
5,− 1√
5
),(
5√30, 1√
30,− 2√
30
)}é um conjunto ortogonal.
Além disso,∥∥∥∥
(1√6,−
1√6,2√6
)∥∥∥∥ =1√6‖(1,−1, 2)‖ = 1√
6
√1+ 1+ 4 = 1,
∥∥∥∥
(0,−
2√5,−
1√5
)∥∥∥∥ =1√5‖(0,−2,−1)‖ = 1√
5
√0+ 4+ 1 = 1
e ∥∥∥∥
(5√30,
1√30,−
2√30
)∥∥∥∥ =1√30‖(5, 1,−2)‖ = 1√
30
√25+ 1+ 4 = 1.
54 M at2 - 9 m aio 2014
4.3 Produto externo e produto misto de vetores
A partir de agora considera-se sempre o produto interno canónico em R3 e o conjunto{−→
e1 ,−→e2 ,−→e3}
, onde −→e1 = (1, 0, 0), −→e2 = (0, 1, 0) e −→e3 = (0, 0, 1).
Definição 43 Sejam �x = (x1, x2, x3) e �y = (y1, y2, y3) ∈ R3. Define-se produto externode �x com �y como sendo o vetor
�x× �y =
∣∣∣∣∣∣
−→e1 −→e2 −→e3x1 x2 x3y1 y2 y3
∣∣∣∣∣∣= −→e1
∣∣∣∣x2 x3y2 y3
∣∣∣∣−−→e2
∣∣∣∣x1 x3y1 y3
∣∣∣∣+−→e3
∣∣∣∣x1 x2y1 y2
∣∣∣∣ .
Exemplo 60 Sejam �x = (2, 1, 0) e �y = (−1, 1, 4). Então,
�x× �y =
∣∣∣∣∣∣
−→e1
−→e2
−→e3
2 1 0
−1 1 4
∣∣∣∣∣∣= −→e1
∣∣∣∣1 0
1 4
∣∣∣∣−−→e2
∣∣∣∣2 0
−1 4
∣∣∣∣+−→e3
∣∣∣∣2 1
−1 1
∣∣∣∣
= 4−→e1 − 8
−→e2 + 3
−→e3 = (4,−8, 3) .
Observação 28 Se �x = �0 ou �y = �0, então �x× �y = �0.De facto, caso �x = �0 ou �y = �0, �x × �y corresponde ao cálculo do determinante de umamatriz com uma linha nula.
Propriedade 36 Sejam �x,�y ∈ R3 quaisquer. Então, �x× �y é um vetor ortogonal a �x e a �y.
Dem. Sejam �x = (x1, x2, x3) e �y = (y1, y2, y3). Então,
�x× �y = (x2y3 − x3y2)−→e1 − (x1y3 − x3y1)
−→e2 + (x1y2 − x2y1)−→e3 (6)
= (x2y3 − x3y2, x3y1 − x1y3, x1y2 − x2y1) .
Assim,
(�x× �y) |�x = (x2y3 − x3y2, x3y1 − x1y3, x1y2 − x2y1) |(x1, x2, x3)
= x1x2y3 − x1x3y2 + x2x3y1 − x2x1y3 + x3x1y2 − x3x2y1 = 0.
Do mesmo modo se prova que (�x× �y) |�y = 0.
Exemplo 61 Sejam �x = (2, 1, 0) e �y = (−1, 1, 4). No exemplo anterior já se viu que�x× �y = (4,−8, 3). Então,
(�x× �y) |�x = (4,−8, 3) | (2, 1, 0) = 8− 8+ 0 = 0⇒ (�x× �y) ⊥ �x
e(�x× �y) |�y = (4,−8, 3) | (−1, 1, 4) = −4− 8+ 12 = 0⇒ (�x× �y) ⊥ �y.
55 M at2 - 9 m aio 2014
Propriedade 37 Sejam �x,�y ∈ R3 tais que �x �= �0 e �y �= �0. Então,‖�x× �y‖ = ‖�x‖ · ‖�y‖ · senθ, onde θ = ∢(�x,�y).
Dem. Sejam �x = (x1, x2, x3), �y = (y1, y2, y3) e A = ‖�x‖ · ‖�y‖ · senθ.Como θ = ∢(�x,�y) ∈ [0, π], senθ � 0. Logo, A � 0.
Além disso, cosθ = �x|�y
‖�x‖·‖�y‖ e sen2 θ+ cos2 θ = 1. Portanto,
sen2 θ = 1−
(�x|�y
‖�x‖ · ‖�y‖
)2
.
Assim,
A2 = ‖�x‖2 · ‖�y‖2 · sen2 θ = ‖�x‖2 · ‖�y‖2 − (�x|�y)2
=(x21 + x22 + x23
) (y21 + y22 + y23
)− (x1y1 + x2y2 + x3y3)
2
= x21y21 + x21y
22 + x21y
23 + x22y
21 + x22y
22 + x22y
23 + x23y
21 + x23y
22 + x23y
23
−(x21y
21 + 2x1y1x2y2 + 2x1y1x3y3 + x22y
22 + 2x2y2x3y3 + x23y
23
)
=(x22y
23 − 2x2y2x3y3 + x23y
22
)+(x23y
21 − 2x1y1x3y3 + x21y
23
)
+(x21y
22 − 2x1y1x2y2 + x22y
21
)
= (x2y3 − x3y2)2+ (x3y1 − x1y3)
2+ (x1y2 − x2y1)
2= ‖�x× �y‖2 ,
pela fórmula (6). Então, A2 = ‖�x× �y‖2 donde, como A � 0 e ‖�x× �y‖ � 0, se conclui queA = ‖�x× �y‖.
Propriedade 38 Sejam �x,�y ∈ R3 quaisquer.
1. Se �x e �y são vetores linearmente dependentes, então
�x× �y = �0.
2. Se �x e �y são vetores linearmente independentes, então
‖�x× �y‖ = Area .
Dem. 1. Se �x e �y são vetores linearmente dependentes, um deles é combinação linear dooutro, ou seja, ∃λ ∈ R : �x = λ�y. Mas então, �x×�y corresponde ao cálculo do determinante deuma matriz com duas linhas linearmente dependentes. Assim, pela Parte 3 da Propriedade20, conclui-se que �x× �y = �0.2. Se os vetores �x e �y são linearmente independentes, então �x e �y são vetores não nulos eθ = ∢(�x,�y) ∈ ]0, π[. Logo, senθ > 0 e �x e �y formam um paralelogramo da seguinte forma:
, se θ � 90◦; , se θ > 90◦.
56 M at2 - 9 m aio 2014
Sabe-se que a área do paralelogramo é dada pelo produto da base pela altura. Além disso,senθ = sen (π− θ). Como a base do paralelogramo definido por �x e �y é ‖�x‖ e a sua alturaé h = ‖�y‖ senθ, a área do paralelogramo definido por �x e �y é
‖�x‖ · ‖�y‖ · senθ = ‖�x× �y‖ ,
pela propriedade anterior.
Exemplo 62 Calculemos a área do paralelogramo definido pelos vetores �x = (2, 1, 0) e�y = (−1, 1, 4).
• No Exemplo 60 já se viu que �x× �y = (4,−8, 3). Assim, a área é dada por
‖�x× �y‖ = ‖(4,−8, 3)‖ =√16+ 64+ 9 =
√89.
• Alternativamente, pela Propriedade 37, tem-se que ‖�x× �y‖ = ‖�x‖ · ‖�y‖ · senθ. NoExemplo 56 já se viu que ‖�x‖ =
√5, ‖�y‖ =
√18 e cosθ = −1√
90. Como sen2 θ+ cos2 θ = 1 e
senθ > 0, então
senθ =√1− cos2 θ =
√
1−1
90=
√89
90.
Assim, a área é dada por
‖�x× �y‖ =√5√18
√89
90=√89.
Propriedade 39 Sejam �x,�y,�z ∈ R3 e λ ∈ R quaisquer. Então,
1. �x× �y = −(�y× �x); (troca de vetores)
2. �x× (�y+ �z) = �x× �y+ �x× �z e (�x+ �y)× �z = �x× �z+ �y× �z;
3. (λ�x)× �y = λ (�x× �y) = �x× (λ�y).
4. �x× �y = �0⇔ �x e �y são linearmente dependentes. (�x e �y são colineares)
Dem. Sejam �x = (x1, x2, x3), �y = (y1, y2, y3) e �z = (z1, z2, z3).
1. Pela Parte 2 da Propriedade 20,
�x× �y =
∣∣∣∣∣∣
−→e1 −→e2 −→e3x1 x2 x3y1 y2 y3
∣∣∣∣∣∣=
L3⇄L2−
∣∣∣∣∣∣
−→e1 −→e2 −→e3y1 y2 y3x1 x2 x3
∣∣∣∣∣∣= −(�y× �x) .
2. Pelo axioma A2 da Definição 26,
�x× (�y+ �z) =
∣∣∣∣∣∣
−→e1
−→e2
−→e3
x1 x2 x3y1 + z1 y2 + z2 y3 + z3
∣∣∣∣∣∣
=
∣∣∣∣∣∣
−→e1
−→e2
−→e3
x1 x2 x3y1 y2 y3
∣∣∣∣∣∣+
∣∣∣∣∣∣
−→e1
−→e2
−→e3
x1 x2 x3z1 z2 z3
∣∣∣∣∣∣= �x× �y+ �x× �z.
57 M at2 - 9 m aio 2014
Analogamente se via que (�x+ �y)× �z = �x× �z+ �y× �z.
3. Pelo axioma A1 da Definição 26,
(λ�x)× �y =
∣∣∣∣∣∣
−→e1
−→e2
−→e3
λx1 λx2 λx3y1 y2 y3
∣∣∣∣∣∣= λ
∣∣∣∣∣∣
−→e1
−→e2
−→e3
x1 x2 x3y1 y2 y3
∣∣∣∣∣∣= λ (�x× �y) .
Do mesmo modo se via que �x× (λ�y) = λ (�x× �y) .
4. ⇒ Pela Propriedade 37, onde θ = ∢(�x,�y) ∈ [0, π] ,
�x× �y = �0
⇒ ‖�x× �y‖ = 0⇒ ‖�x‖ · ‖�y‖ · senθ = 0
⇒ ‖�x‖ = 0∨ ‖�y‖ = 0∨ senθ = 0
⇒ �x = �0∨ �y = �0∨ θ = 0∨ θ = π
⇒ �x = �0∨ �y = �0∨ �y = λ�x, com λ �= 0.
Assim, {�x,�y} é linearmente dependente.
⇐ O resultado sai diretamente da Parte 1 da Propriedade 38.
Exemplo 63 Sejam �x,�y ∈ R3 tais que �x × �y = (−3, 1, 0). Então, como �y e �y são linear-mente dependentes,
�y× (�x+ 3�y) = �y× �x+ �y× (3�y)= − (�x× �y) + 3 (�y× �y)= − (�x× �y) + 3 · �0= (3,−1, 0) .
Definição 44 Sejam �x = (x1, x2, x3), �y = (y1, y2, y3) e �z = (z1, z2, z3) ∈ R3. Define-seproduto misto de �x, �y e �z como sendo o escalar
�x|�y× �z =
∣∣∣∣∣∣
x1 x2 x3y1 y2 y3z1 z2 z3
∣∣∣∣∣∣= x1
∣∣∣∣y2 y3z2 z3
∣∣∣∣− x2
∣∣∣∣y1 y3z1 z3
∣∣∣∣ + x3
∣∣∣∣y1 y2z1 z2
∣∣∣∣ .
Exemplo 64 Sejam �x = (2, 1, 0), �y = (−1, 1, 4) e �z = (0, 1, 1). Então, aplicando a regra deSarrus,
�x|�y× �z =
∣∣∣∣∣∣
2 1 0
−1 1 4
0 1 1
∣∣∣∣∣∣= (2+ 0+ 0) − (0+ 8− 1) = −5.
58 M at2 - 9 m aio 2014
Propriedade 40 Sejam �x,�y,�z ∈ R3. Então,
1. �x|�y× �z = −(�x|�z× �y) = − (�z|�y× �x) = − (�y|�x× �z); (troca de vetores)
2. �x|�y× �z = �x× �y|�z; (troca de operações)
3. �x|�y× �z = 0 ⇐⇒ �x, �y e �z são linearmente dependentes. (�x, �y e �z são complanares)
Dem. Sejam �x = (x1, x2, x3), �y = (y1, y2, y3) e �z = (z1, z2, z3) ∈ R3.
1. Pela Parte 2 da Propriedade 20,
�x|�y× �z =
∣∣∣∣∣∣
x1 x2 x3y1 y2 y3z1 z2 z3
∣∣∣∣∣∣=
L3⇄L2−
∣∣∣∣∣∣
x1 x2 x3z1 z2 z3y1 y2 y3
∣∣∣∣∣∣= −(�x|�z× �y) .
Analogamente se via que �x|�y× �z = −(�z|�y× �x) e que �x|�y× �z = −(�y|�x× �z).
2. Pela fórmula (6),
�x× �y|�z = (x2y3 − x3y2, x3y1 − x1y3, x1y2 − x2y1) |(z1, z2, z3)
= x2y3z1 − x3y2z1 + x3y1z2 − x1y3z2 + x1y2z3 − x2y1z3
= x1 (y2z3 − y3z2) − x2 (y1z3 − y3z1) + x3 (y1z2 − y2z1)
= �x|�y× �z.
3. ⇒ Seja A =
x1 x2 x3z1 z2 z3y1 y2 y3
. Pela Parte 2 da Propriedade 26,
�x× �y|�z = 0⇒ detA = 0⇒ c (A) < 3.
Assim, as linhas de A são linearmente dependentes, ou seja, {�x,�y,�z} é linearmente depen-dente.
⇐ Sejam �x, �y e �z vetores linearmente dependentes. Então, um destes vetores é combinaçãolinear dos restantes. Suponhamos, sem perda de generalidade, que ∃λ, µ ∈ R : �z = λ�x+ µ�y.Assim, pelos axiomas A2 e A1 da Definição 26,
�x× �y|�z =
∣∣∣∣∣∣
x1 x2 x3y1 y2 y3z1 z2 z3
∣∣∣∣∣∣=
∣∣∣∣∣∣
x1 x2 x3y1 y2 y3
λx1 + µy1 λx2 + µy2 λx3 + µy3
∣∣∣∣∣∣
=
∣∣∣∣∣∣
x1 x2 x3y1 y2 y3λx1 λx2 λx3
∣∣∣∣∣∣+
∣∣∣∣∣∣
x1 x2 x3y1 y2 y3µy1 µy2 µy3
∣∣∣∣∣∣
= λ
∣∣∣∣∣∣
x1 x2 x3y1 y2 y3x1 x2 x3
∣∣∣∣∣∣+ µ
∣∣∣∣∣∣
x1 x2 x3y1 y2 y3y1 y2 y3
∣∣∣∣∣∣= λ · 0+ µ · 0 = 0,
pelo axioma A3 da Definição 26.
59 M at2 - 9 m aio 2014
Exemplo 65 Sejam �x = (2, 1, 0), �y = (−1, 1, 4) e �z = (0, 1, 1). Pela Parte 2 da propriedadeanterior e pelo Exemplo 60,
�x|�y× �z = �x× �y|�z = (4,−8, 3) | (0, 1, 1) = 0− 8+ 3 = −5.
Propriedade 41 Sejam �x,�y,�z ∈ R3 tais que �x, �y e �z são linearmente independentes. Então,
|�x|�y× �z| = Volume .
Dem. Seja θ = ∢(�x,�y× �z). Tem-se que �y× �z ⊥ �y, �y× �z ⊥ �z e
Sabe-se que o volume de um paralelepípedo é dado pelo produto da área da base pela altura.Como a base do paralelepípedo definido por �x, �y e �z é o paralelogramo determinado por �y e�z e a sua altura é h = ‖�x‖ · |cosθ|, o volume do paralelepípedo definido por �x, �y e �z é dadopor
‖�y× �z‖ · h = ‖�y× �z‖ · ‖�x‖ · |cosθ| = | �x| (�y× �z) | ,pela Observação 26.
Exemplo 66 O volume do paralelepídedo definido por �x = (2, 1, 0), �y = (−1, 1, 4) e�z = (0, 1, 1) é, usando os cálculos do Exemplo 64,
|�x|�y× �z| = |−5| = 5.
60 M at2 - 9 m aio 2014