Este documento apresenta um resumo sobre álgebra linear, incluindo:
1) Definições e propriedades de matrizes, operações com matrizes como adição, multiplicação e transposição.
2) Operações elementares com linhas de uma matriz e conceito de matrizes na forma escada.
3) Noções básicas sobre determinantes, sistemas lineares, vetores, operações com vetores, espaços vetoriais e subespaços vetoriais.
O documento discute os conceitos fundamentais de álgebra linear, incluindo tipos de vetores, operações entre vetores, representação de vetores no R2 e R3, produto escalar, produto vetorial e produto misto. É dividido em sete seções que introduzem esses tópicos de forma progressiva, com exemplos ilustrativos e exercícios resolvidos.
O documento apresenta os principais conceitos sobre matrizes, incluindo: 1) Definição de matriz e exemplos; 2) Representação genérica de matrizes; 3) Matrizes especiais como identidade, quadrada, triangular e nula; 4) Igualdade e operações com matrizes.
O documento discute determinantes de matrizes. Introduz determinantes, definindo-os como números associados a matrizes quadradas obtidos por operações entre os elementos. Explica como calcular determinantes de matrizes de 1a, 2a e 3a ordem, apresentando exemplos. Também apresenta propriedades dos determinantes como fila nula, filas paralelas, matriz transposta, entre outras.
1) Uma matriz é um conjunto de elementos agrupados em tabela com linhas e colunas. Existem diferentes tipos como quadrada, retangular, nula e identidade.
2) Podemos realizar operações como soma, subtração e multiplicação entre matrizes seguindo certas regras. O determinante fornece informações sobre a inversibilidade.
3) Uma matriz inversa existe quando a multiplicação da matriz original com outra resulta na identidade, e possui propriedades únicas.
O documento apresenta os principais conceitos sobre matrizes em álgebra linear. Introduz o conceito de matriz e como representar tabelas numéricas dispostas em linhas e colunas por meio de matrizes. Apresenta diferentes tipos de matrizes como matrizes quadradas, diagonais, identidade e transposta. Também explica operações básicas com matrizes como adição, subtração, multiplicação por escalar e multiplicação de matrizes.
O documento apresenta conceitos básicos sobre matrizes, incluindo: (1) definição de matrizes e exemplos de diferentes tipos; (2) representação genérica de matrizes; (3) igualdade e operações entre matrizes como soma e subtração.
Este documento descreve operadores diagonalizáveis em álgebra linear. Os principais pontos são:
1) Operadores diagonalizáveis possuem uma base de auto-vetores, onde a matriz do operador nessa base é uma matriz diagonal com os auto-valores na diagonal principal.
2) Para um operador ser diagonalizável, deve ter tantos auto-vetores lineamente independentes quanto a dimensão do espaço vetorial.
3) A diagonalização simplifica o estudo de operadores, transformando sua matriz na forma mais simples de uma matriz diagonal.
Cálculo e equações em Química - Apostila + exercícios com gabarito.Mara Farias
1) O documento apresenta um curso de cálculo e equações diferenciais com aplicações, dividido em 25 capítulos.
2) Aborda tópicos como funções, limites, derivadas, integrais e suas aplicações.
3) Fornece exemplos, exercícios e referências para ajudar os estudantes a aprender os conceitos.
O documento discute os conceitos fundamentais de álgebra linear, incluindo tipos de vetores, operações entre vetores, representação de vetores no R2 e R3, produto escalar, produto vetorial e produto misto. É dividido em sete seções que introduzem esses tópicos de forma progressiva, com exemplos ilustrativos e exercícios resolvidos.
O documento apresenta os principais conceitos sobre matrizes, incluindo: 1) Definição de matriz e exemplos; 2) Representação genérica de matrizes; 3) Matrizes especiais como identidade, quadrada, triangular e nula; 4) Igualdade e operações com matrizes.
O documento discute determinantes de matrizes. Introduz determinantes, definindo-os como números associados a matrizes quadradas obtidos por operações entre os elementos. Explica como calcular determinantes de matrizes de 1a, 2a e 3a ordem, apresentando exemplos. Também apresenta propriedades dos determinantes como fila nula, filas paralelas, matriz transposta, entre outras.
1) Uma matriz é um conjunto de elementos agrupados em tabela com linhas e colunas. Existem diferentes tipos como quadrada, retangular, nula e identidade.
2) Podemos realizar operações como soma, subtração e multiplicação entre matrizes seguindo certas regras. O determinante fornece informações sobre a inversibilidade.
3) Uma matriz inversa existe quando a multiplicação da matriz original com outra resulta na identidade, e possui propriedades únicas.
O documento apresenta os principais conceitos sobre matrizes em álgebra linear. Introduz o conceito de matriz e como representar tabelas numéricas dispostas em linhas e colunas por meio de matrizes. Apresenta diferentes tipos de matrizes como matrizes quadradas, diagonais, identidade e transposta. Também explica operações básicas com matrizes como adição, subtração, multiplicação por escalar e multiplicação de matrizes.
O documento apresenta conceitos básicos sobre matrizes, incluindo: (1) definição de matrizes e exemplos de diferentes tipos; (2) representação genérica de matrizes; (3) igualdade e operações entre matrizes como soma e subtração.
Este documento descreve operadores diagonalizáveis em álgebra linear. Os principais pontos são:
1) Operadores diagonalizáveis possuem uma base de auto-vetores, onde a matriz do operador nessa base é uma matriz diagonal com os auto-valores na diagonal principal.
2) Para um operador ser diagonalizável, deve ter tantos auto-vetores lineamente independentes quanto a dimensão do espaço vetorial.
3) A diagonalização simplifica o estudo de operadores, transformando sua matriz na forma mais simples de uma matriz diagonal.
Cálculo e equações em Química - Apostila + exercícios com gabarito.Mara Farias
1) O documento apresenta um curso de cálculo e equações diferenciais com aplicações, dividido em 25 capítulos.
2) Aborda tópicos como funções, limites, derivadas, integrais e suas aplicações.
3) Fornece exemplos, exercícios e referências para ajudar os estudantes a aprender os conceitos.
Apostila de geometria analítica espacial (1)day ....
O documento apresenta os principais conceitos de geometria analítica espacial, incluindo vetores no espaço, produto escalar e vetorial, equações de retas e planos, e superfícies quádricas. É uma apostila sobre o tema com definições, exemplos e exercícios para fixar os conceitos apresentados.
1) O documento discute métodos computacionais para resolver sistemas lineares, incluindo o método de Cramer e o processo de Gram-Schmidt.
2) Explica o método de Cramer para resolver sistemas lineares determinados e compatíveis através do cálculo de determinantes de matrizes associadas.
3) Descreve o processo de Gram-Schmidt para transformar qualquer base em uma base ortogonal através da ortogonalização sucessiva de vetores.
O documento discute matrizes, determinantes e sistemas lineares. Aborda conceitos como matriz identidade, matriz nula, operações entre matrizes, regras para calcular determinantes, propriedades dos determinantes, sistemas lineares e os métodos para resolvê-los, como escalonamento e regra de Cramer.
Decomposições de matrizes utilizando conceitos de Auto Vetores e Auto ValoresFelipe Schimith Batista
Este documento apresenta três decomposições matriciais usando autovalores e autovetores: a decomposição de Cholesky para matrizes simétricas, a decomposição A=QR para qualquer matriz e a decomposição em valores singulares (SVD) para qualquer matriz. O documento descreve a teoria e implementação computacional dessas decomposições na linguagem Java.
O documento discute algoritmos computacionais para resolver sistemas lineares utilizando decomposições de matrizes. Apresenta a decomposição A=LU comparando-a com a eliminação de Gauss e discute a implementação da decomposição LU em Java, notando que seu custo de processamento é da ordem de N3, assim como a eliminação de Gauss.
Este documento apresenta os principais métodos para resolver equações diferenciais ordinárias de primeira ordem, incluindo: (1) o método de separação de variáveis, (2) o método de substituição algébrica para equações homogêneas, e (3) o método para equações exatas. Além disso, discute aplicações destas equações diferenciais em problemas como o resfriamento/aquecimento de Newton, dinâmica populacional e crescimento de peixes.
O documento discute propriedades de autovalores e autovetores de sistemas lineares representados por matrizes. Explica que autovalores e autovetores permitem decompor uma matriz em espaços ortogonais e analisar propriedades como unicidade e estabilidade da solução do sistema linear. A decomposição em valores singulares é apresentada como forma de detectar problemas mal-postos no sistema.
As principais definições sobre conjuntos apresentadas são:
1) Um conjunto é formado por objetos ou elementos bem definidos. Um conjunto pode ser finito ou infinito.
2) Dois conjuntos são iguais se contiverem exatamente os mesmos elementos.
3) Um subconjunto é um conjunto cujos elementos também pertencem a outro conjunto maior.
4) As operações básicas entre conjuntos são união, interseção e diferença.
Este documento é uma apostila sobre matrizes que define matrizes e várias operações com elas, como adição, subtração, multiplicação por escalar, produto e transposta de matrizes. Também apresenta conceitos como matriz simétrica, triangular, determinantes, propriedades dos determinantes, matriz inversa e exercícios sobre o assunto.
O documento discute o método das componentes simétricas para análise de sistemas elétricos de potência desbalanceados. Introduz os conceitos de sequência positiva, negativa e zero e como eles permitem representar valores desbalanceados de tensão e corrente por meio de três componentes simétricas balanceadas. Apresenta as equações para transformar valores de fase em componentes simétricas e vice-versa.
O documento discute conceitos de teoria do caos, incluindo sistemas dinâmicos complexos cujo comportamento é imprevisível mas determinístico. Aborda como pequenas variações iniciais podem ter grandes consequências, como ilustrado pelo "efeito borboleta", e apresenta a transformação do Gato de Arnold como exemplo de sistema caótico.
Este documento discute tópicos de álgebra linear necessários para o estudo da econometria. O professor recomenda que os alunos leiam os livros indicados na bibliografia e acessem notas de aula online para aprofundar seus conhecimentos em álgebra linear. O texto então introduz conceitos como autovalores, autovetores, equação característica e diagonalização de matrizes. Exemplos ilustram esses conceitos-chave.
1. O documento apresenta as definições fundamentais da geometria analítica plana, incluindo vetores no plano cartesiano, produto escalar, projeção, equações de retas e circunferências, e distâncias.
2. São definidos conceitos como origem, sentido positivo/negativo, abscissa, vetor, soma e diferença de vetores, produto escalar, projeção, equações de retas e circunferências.
3. Exemplos e exercícios são fornecidos para exemplificar cada definição.
O documento discute análise de correlação e regressão, incluindo como ajustar uma reta aos pontos de dados usando mínimos quadrados ordinários para minimizar erros. Ele também menciona analisar dados no software SPSS, produzindo gráficos de dispersão múltiplos e matrizes de correlação para identificar relações entre variáveis.
1) Uma matriz é uma tabela com linhas e colunas que organiza dados numéricos chamados elementos.
2) Para representar uma matriz, indica-se o número de linhas e colunas e os elementos são dispostos dentro de parênteses ou barras duplas.
3) Existem diferentes tipos de matrizes como quadrada, diagonal, nula e identidade. Sua classificação depende do número e valores dos elementos.
Este documento contém notas de aula sobre tópicos de álgebra linear como diagonalização de matrizes e operadores, formas bilineares e quadráticas reais, e teorema espectral. Os principais pontos abordados são a definição e propriedades de formas bilineares e sua representação matricial, além de conceitos como diagonalização de matrizes e operadores lineares.
O documento descreve os conceitos fundamentais de espaço vetorial e subespaço vetorial.
1) Um espaço vetorial é um conjunto não vazio com operações de soma e multiplicação por escalar que satisfazem propriedades algébricas específicas.
2) Um subespaço vetorial é um subconjunto de um espaço vetorial que é ele mesmo um espaço vetorial sob as mesmas operações.
O documento descreve que o vetor (1, 0, 0) gera o subespaço unidimensional correspondente à reta horizontal no plano cartesiano R2. Além disso, explica que qualquer vetor em R3 pode ser escrito como uma combinação linear dos vetores da base canônica {(1,0,0), (0,1,0), (0,0,1)}.
Este documento presenta conceptos clave sobre la planificación educativa en el nivel inicial. En pocas oraciones, resume que la planificación consiste en anticipar las acciones educativas de manera flexible y creativa, articulando metas, contenidos, estrategias y evaluaciones. Además, destaca el rol del docente como diseñador de propuestas de enseñanza de calidad que favorezcan los derechos y aprendizajes de los niños.
Este documento presenta un proyecto de actividades para celebrar las Fiestas Patrias en Perú con el objetivo de que los estudiantes conozcan, valoren y vivan su historia y tradiciones. El proyecto incluye actividades como la creación de poesías y textos, elaboración de trabajos manuales, y la escenificación de la independencia de Perú del 13 de julio al 25 de julio para lograr que los estudiantes se identifiquen con personajes históricos y comprendan sentimientos de libertad y compromiso con su patria.
Fechas importantes de nuestro país que merecen ser contadas y puestas al servicio de los pequeños para que profundicen partes importantes de la sociedad de la que forman parte día a día.
Apostila de geometria analítica espacial (1)day ....
O documento apresenta os principais conceitos de geometria analítica espacial, incluindo vetores no espaço, produto escalar e vetorial, equações de retas e planos, e superfícies quádricas. É uma apostila sobre o tema com definições, exemplos e exercícios para fixar os conceitos apresentados.
1) O documento discute métodos computacionais para resolver sistemas lineares, incluindo o método de Cramer e o processo de Gram-Schmidt.
2) Explica o método de Cramer para resolver sistemas lineares determinados e compatíveis através do cálculo de determinantes de matrizes associadas.
3) Descreve o processo de Gram-Schmidt para transformar qualquer base em uma base ortogonal através da ortogonalização sucessiva de vetores.
O documento discute matrizes, determinantes e sistemas lineares. Aborda conceitos como matriz identidade, matriz nula, operações entre matrizes, regras para calcular determinantes, propriedades dos determinantes, sistemas lineares e os métodos para resolvê-los, como escalonamento e regra de Cramer.
Decomposições de matrizes utilizando conceitos de Auto Vetores e Auto ValoresFelipe Schimith Batista
Este documento apresenta três decomposições matriciais usando autovalores e autovetores: a decomposição de Cholesky para matrizes simétricas, a decomposição A=QR para qualquer matriz e a decomposição em valores singulares (SVD) para qualquer matriz. O documento descreve a teoria e implementação computacional dessas decomposições na linguagem Java.
O documento discute algoritmos computacionais para resolver sistemas lineares utilizando decomposições de matrizes. Apresenta a decomposição A=LU comparando-a com a eliminação de Gauss e discute a implementação da decomposição LU em Java, notando que seu custo de processamento é da ordem de N3, assim como a eliminação de Gauss.
Este documento apresenta os principais métodos para resolver equações diferenciais ordinárias de primeira ordem, incluindo: (1) o método de separação de variáveis, (2) o método de substituição algébrica para equações homogêneas, e (3) o método para equações exatas. Além disso, discute aplicações destas equações diferenciais em problemas como o resfriamento/aquecimento de Newton, dinâmica populacional e crescimento de peixes.
O documento discute propriedades de autovalores e autovetores de sistemas lineares representados por matrizes. Explica que autovalores e autovetores permitem decompor uma matriz em espaços ortogonais e analisar propriedades como unicidade e estabilidade da solução do sistema linear. A decomposição em valores singulares é apresentada como forma de detectar problemas mal-postos no sistema.
As principais definições sobre conjuntos apresentadas são:
1) Um conjunto é formado por objetos ou elementos bem definidos. Um conjunto pode ser finito ou infinito.
2) Dois conjuntos são iguais se contiverem exatamente os mesmos elementos.
3) Um subconjunto é um conjunto cujos elementos também pertencem a outro conjunto maior.
4) As operações básicas entre conjuntos são união, interseção e diferença.
Este documento é uma apostila sobre matrizes que define matrizes e várias operações com elas, como adição, subtração, multiplicação por escalar, produto e transposta de matrizes. Também apresenta conceitos como matriz simétrica, triangular, determinantes, propriedades dos determinantes, matriz inversa e exercícios sobre o assunto.
O documento discute o método das componentes simétricas para análise de sistemas elétricos de potência desbalanceados. Introduz os conceitos de sequência positiva, negativa e zero e como eles permitem representar valores desbalanceados de tensão e corrente por meio de três componentes simétricas balanceadas. Apresenta as equações para transformar valores de fase em componentes simétricas e vice-versa.
O documento discute conceitos de teoria do caos, incluindo sistemas dinâmicos complexos cujo comportamento é imprevisível mas determinístico. Aborda como pequenas variações iniciais podem ter grandes consequências, como ilustrado pelo "efeito borboleta", e apresenta a transformação do Gato de Arnold como exemplo de sistema caótico.
Este documento discute tópicos de álgebra linear necessários para o estudo da econometria. O professor recomenda que os alunos leiam os livros indicados na bibliografia e acessem notas de aula online para aprofundar seus conhecimentos em álgebra linear. O texto então introduz conceitos como autovalores, autovetores, equação característica e diagonalização de matrizes. Exemplos ilustram esses conceitos-chave.
1. O documento apresenta as definições fundamentais da geometria analítica plana, incluindo vetores no plano cartesiano, produto escalar, projeção, equações de retas e circunferências, e distâncias.
2. São definidos conceitos como origem, sentido positivo/negativo, abscissa, vetor, soma e diferença de vetores, produto escalar, projeção, equações de retas e circunferências.
3. Exemplos e exercícios são fornecidos para exemplificar cada definição.
O documento discute análise de correlação e regressão, incluindo como ajustar uma reta aos pontos de dados usando mínimos quadrados ordinários para minimizar erros. Ele também menciona analisar dados no software SPSS, produzindo gráficos de dispersão múltiplos e matrizes de correlação para identificar relações entre variáveis.
1) Uma matriz é uma tabela com linhas e colunas que organiza dados numéricos chamados elementos.
2) Para representar uma matriz, indica-se o número de linhas e colunas e os elementos são dispostos dentro de parênteses ou barras duplas.
3) Existem diferentes tipos de matrizes como quadrada, diagonal, nula e identidade. Sua classificação depende do número e valores dos elementos.
Este documento contém notas de aula sobre tópicos de álgebra linear como diagonalização de matrizes e operadores, formas bilineares e quadráticas reais, e teorema espectral. Os principais pontos abordados são a definição e propriedades de formas bilineares e sua representação matricial, além de conceitos como diagonalização de matrizes e operadores lineares.
O documento descreve os conceitos fundamentais de espaço vetorial e subespaço vetorial.
1) Um espaço vetorial é um conjunto não vazio com operações de soma e multiplicação por escalar que satisfazem propriedades algébricas específicas.
2) Um subespaço vetorial é um subconjunto de um espaço vetorial que é ele mesmo um espaço vetorial sob as mesmas operações.
O documento descreve que o vetor (1, 0, 0) gera o subespaço unidimensional correspondente à reta horizontal no plano cartesiano R2. Além disso, explica que qualquer vetor em R3 pode ser escrito como uma combinação linear dos vetores da base canônica {(1,0,0), (0,1,0), (0,0,1)}.
Este documento presenta conceptos clave sobre la planificación educativa en el nivel inicial. En pocas oraciones, resume que la planificación consiste en anticipar las acciones educativas de manera flexible y creativa, articulando metas, contenidos, estrategias y evaluaciones. Además, destaca el rol del docente como diseñador de propuestas de enseñanza de calidad que favorezcan los derechos y aprendizajes de los niños.
Este documento presenta un proyecto de actividades para celebrar las Fiestas Patrias en Perú con el objetivo de que los estudiantes conozcan, valoren y vivan su historia y tradiciones. El proyecto incluye actividades como la creación de poesías y textos, elaboración de trabajos manuales, y la escenificación de la independencia de Perú del 13 de julio al 25 de julio para lograr que los estudiantes se identifiquen con personajes históricos y comprendan sentimientos de libertad y compromiso con su patria.
Fechas importantes de nuestro país que merecen ser contadas y puestas al servicio de los pequeños para que profundicen partes importantes de la sociedad de la que forman parte día a día.
La planificación en ciencias sociales en el nivel inicial requiere reflexión sobre los objetivos curriculares, la toma de decisiones sobre contenidos, estrategias y evaluación, y la búsqueda de consensos. La planificación es flexible e hipotética, promueve la integración de aprendizajes y ofrece diversificación. Los proyectos se organizan en torno a problemas e investigaciones con participación del grupo, y pueden desarrollarse dentro o entre salas. La unidad didáctica integra todos sus elementos en torno a un contexto seleccionado
Este documento presenta el plan de trabajo para las fiestas patrias del 2014 en la Escuela "Los Ángeles de Chimbote". El plan tiene como objetivo desarrollar el orgullo y respeto por el Perú en los estudiantes a través de actividades como la ambientación del aula con símbolos patrios, la presentación de videos e historia de la independencia, y la degustación de comida típica. El evento principal se llevará a cabo el 25 de julio e incluirá la exposición de platillos, vestimenta y animales de diferentes
Tecnicas e instrumentos de evaluación nivel inicialPamela Postigo
El documento describe diferentes técnicas e instrumentos utilizados para evaluar el proceso de aprendizaje de los niños en el nivel inicial, incluyendo la observación directa, entrevistas, fichas de observación, cuadernos anecdóticos, escalas de calificación e informes de progreso. Explica que la observación puede ser casual, planificada, focalizada, participativa o no, individual o grupal, y directa o diferida. También menciona ejemplos de instrumentos como listas de verificación, escalas de estimación, registros anecd
O documento apresenta os conceitos básicos de matrizes, incluindo sua definição, tipos de matrizes e suas propriedades. É introduzido o conceito de matriz como uma tabela de números e são descritos os tipos especiais de matrizes como matriz quadrada, triangular, diagonal e identidade.
O documento apresenta informações sobre matrizes, incluindo sua definição, classificação, notação e operações. É descrito como João e Maria obtiveram notas em diferentes matérias e como essas informações podem ser organizadas em matrizes. Também são explicados conceitos como produto de matrizes, matriz identidade e propriedades de operações com matrizes.
O documento apresenta uma introdução às matrizes, definindo-as como conjuntos de elementos ordenados por linhas e colunas. Explica como representar matrizes de diferentes tamanhos, como ler elementos específicos e apresenta exemplos numéricos. Também discute matrizes especiais como identidade, transposta e simétrica.
Este documento apresenta um resumo da disciplina de Álgebra Linear para o curso de Engenharia de Petróleo. Aborda conceitos como sistemas lineares, espaços vetoriais, transformações lineares, autovalores e autovetores. Inclui também o conteúdo programático organizado em quatro unidades, os objetivos da disciplina, procedimentos de ensino e avaliação.
O documento define e explica conceitos básicos sobre matrizes, incluindo: (1) O que é uma matriz, sua estrutura e elementos; (2) Tipos de matrizes como matriz linha, coluna, quadrada e especial; (3) Igualdade e comparação entre matrizes.
1) O documento apresenta dicas sobre matrizes elaboradas pelo professor Gilberto do Sistema de Ensino Energia.
2) São definidos conceitos como matriz quadrada, triangular, identidade e operações como transposta e oposta.
3) Breve histórico sobre o desenvolvimento formal da teoria de matrizes, iniciado por Arthur Cayley no século XIX.
O documento descreve as matrizes, suas propriedades e operações. As matrizes são tabelas de números utilizadas em diversas áreas e são compostas por linhas e colunas. São apresentados conceitos como matriz quadrada, identidade, transposta, adição, multiplicação e inversa de matrizes. Determinantes são números associados a matrizes quadradas.
Geometria Analitica - Matrizes e DeterminantesFernando Alves
Esta aula aborda o conceito de matrizes, explorando sua definição, tipos, operações e propriedades. Inicialmente, definimos matrizes e sua representação. Em seguida, discutimos vários tipos de matrizes, como quadradas, retangulares, diagonais, entre outras.
Avançamos para as operações com matrizes, incluindo adição, subtração, multiplicação e transposição. Finalmente, examinamos as propriedades dessas operações, como comutatividade, associatividade e distributividade.
Ao final da aula, os alunos terão uma compreensão sólida das matrizes, preparando-os para estudos mais avançados em matemática e ciência da computação.
A matriz apresentada mostra as notas de três alunos, Ana, Carlos e Pedro, em Matemática nos anos de 2006 e 2007. Cada elemento da matriz representa a nota de um aluno em um determinado ano.
Este documento apresenta conceitos fundamentais sobre matrizes, incluindo:
1) Uma matriz é uma tabela com linhas e colunas que organiza dados de forma estruturada;
2) Cada elemento de uma matriz tem uma posição definida por sua linha e coluna;
3) Existem diferentes tipos de matrizes como matrizes quadradas, diagonais e nulas.
Este documento discute três tópicos principais:
1) A importância da educação para transformar a sociedade de acordo com Paulo Freire.
2) O significado e uso de matrizes para organizar dados.
3) Diferentes tipos de operações e propriedades relacionadas a matrizes.
Este documento discute três tópicos principais:
1) A importância da educação para transformar a sociedade de acordo com Paulo Freire.
2) O significado e uso de matrizes para organizar dados.
3) Diferentes tipos de operações e propriedades de matrizes.
1) Uma matriz é uma tabela com linhas e colunas que representa elementos ordenados.
2) Existem diferentes tipos de matrizes como matrizes quadradas, diagonais, nulas e transpostas.
3) Podemos realizar operações com matrizes como soma, subtração e multiplicação seguindo regras de ordem das linhas e colunas.
Este documento discute matrizes, determinantes e sistemas lineares. Apresenta conceitos básicos de matrizes como definição, tipos, operações e inversa. Também aborda determinantes e como representar sistemas de equações lineares na forma matricial.
O documento introduz o conceito de matrizes, definindo-as como tabelas que relacionam dados numéricos de forma lógica. É explicado o que é uma matriz, sua ordem e elementos, apresentando exemplos de matrizes especiais como quadradas e identidade. Por fim, são descritas operações com matrizes como adição, subtração e multiplicação por um número.
O documento discute conceitos básicos de matrizes e sistemas de equações lineares, incluindo definições de matrizes, operações com matrizes e tipos especiais de matrizes como triangulares, diagonais, identidade e nulas.
O documento aborda operações com matrizes, definindo matrizes, transposição, adição, subtração e multiplicação de matrizes. Apresenta exemplos destas operações e exercícios sobre matrizes, incluindo determinação do tipo de matriz resultante de operações e cálculo de inversas.
1) O documento discute matrizes, determinantes e sistemas lineares, apresentando conceitos e exemplos destes tópicos da álgebra linear.
2) É apresentada uma citação de Paulo Freire sobre a importância da educação para a transformação da sociedade.
3) São mostrados exemplos de cálculo de determinantes utilizando a regra de Sarrus e propriedades dos determinantes.
O documento discute conceitos de matrizes, determinantes e sistemas lineares. Aborda: 1) definição e tipos de matrizes; 2) cálculo de determinantes usando regras de Sarrus e Laplace; 3) resolução de sistemas lineares por escalonamento e método de Cramer. Também apresenta aplicações dos determinantes no cálculo de áreas de polígonos.
Slides Lição 11, CPAD, A Realidade Bíblica do Inferno, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 11, CPAD, A Realidade Bíblica do Inferno, 2Tr24, Pr Henrique, EBD NA TV, Lições Bíblicas, 2º Trimestre de 2024, adultos, Tema, A CARREIRA QUE NOS ESTÁ PROPOSTA, O CAMINHO DA SALVAÇÃO, SANTIDADE E PERSEVERANÇA PARA CHEGAR AO CÉU, Coment Osiel Gomes, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Com. Extra Pr. Luiz Henrique, de Almeida Silva, tel-What, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique, https://ebdnatv.blogspot.com/
Caderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdfenpfilosofiaufu
Caderno de Resumos XVIII Encontro de Pesquisa em Filosofia da UFU, IX Encontro de Pós-Graduação em Filosofia da UFU e VII Encontro de Pesquisa em Filosofia no Ensino Médio
Slides Lição 11, Central Gospel, Os Mortos Em CRISTO, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 11, Central Gospel, Os Mortos Em Cristo, 1Tr24, Pr Henrique, EBD NA TV, Revista ano 11, nº 1, Revista Estudo Bíblico Jovens E Adultos, Central Gospel, 2º Trimestre de 2024, Professor, Tema, Os Grandes Temas Do Fim, Comentarista, Pr. Joá Caitano, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Com. Extra Pr. Luiz Henrique, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique
2. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 2 de 40
Sumário
1. Matrizes .......................................................................................................................................................... 3
1.1. Operações com matrizes ............................................................................................................................. 4
1.2. Operações elementares com linhas de uma matriz...................................................................................... 5
1.3. Questões ..................................................................................................................................................... 6
2. Determinantes ................................................................................................................................................ 7
2.1. Regra de Chió.............................................................................................................................................. 8
2.2. Teorema de Laplace .................................................................................................................................... 9
2.3. Questões ....................................................................................................................................................10
3. Sistemas Lineares ...........................................................................................................................................11
3.1. Método do escalonamento.........................................................................................................................11
3.2. Regra de Cramer ........................................................................................................................................13
3.3. Questões ....................................................................................................................................................13
4. Vetores...........................................................................................................................................................14
4.1. Adição de Vetores ......................................................................................................................................15
4.2. Multiplicação por escalar ...........................................................................................................................15
4.3. Questões ....................................................................................................................................................16
5. Operações com vetores..................................................................................................................................16
5.1. Módulo.......................................................................................................................................................16
5.2. Produto escalar (ou produto interno) .........................................................................................................16
5.3. Produto vetorial (ou produto externo)........................................................................................................17
5.4. Questões ....................................................................................................................................................19
6. Espaços vetoriais ............................................................................................................................................19
6.1. Questões ....................................................................................................................................................21
7. Subespaços vetoriais ......................................................................................................................................22
7.1. Questões ....................................................................................................................................................24
8. Interseção, união e soma de subespaços........................................................................................................25
8.1. Interseção ..................................................................................................................................................25
8.2. Soma..........................................................................................................................................................26
8.3. União .........................................................................................................................................................27
8.4. Questões ....................................................................................................................................................27
9. Combinação linear..........................................................................................................................................27
9.1. Questões ....................................................................................................................................................28
10. Subespaços gerados ...................................................................................................................................29
10.1. Questões ....................................................................................................................................................30
11. Dependência e Independência Linear.........................................................................................................31
11.1. Questões ....................................................................................................................................................32
12. Base de um espaço vetorial........................................................................................................................33
12.1. Questões ....................................................................................................................................................36
13. Dimensão ...................................................................................................................................................36
13.1. Questões ....................................................................................................................................................37
14. Mudança de base .......................................................................................................................................38
14.1. A inversa da matriz de mudança de base ...................................................................................................39
14.2. Questões ....................................................................................................................................................40
3. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 3 de 40
1. Matrizes
Sejam m e n inteiros positivos. Chama-se matriz m × n (sobre R) qualquer lista ordenada de m-n
números reais, dispostos em m linhas e n colunas. Os números que constituem uma matriz são chamados
de termos da matriz.
Uma matriz A, m × n, pode ser denotada como se segue:
A =
a11 ⋯ a1n
⋮ ⋱ ⋮
am1 ⋯ amn
Ou, simplesmente, A = (aij), onde 1 < 𝑖 < 𝑚 e 1 < 𝑗 < 𝑛. Notamos que os índices i e j indicam a
posição que o termo ocupa na matriz. O termo aij está na i-ésima linha e na j-ésima coluna.
Seja A = (aij ) uma matriz n × n. Chama-se diagonal principal, ou simplesmente diagonal da matriz A,
a lista ordenada (a11, a22, . . . , ann ). Chama-se diagonal secundária da matriz A, a lista ordenada
(a1n, a2(n−1), an1). A soma dos índices dos termos da diagonal secundária é sempre igual a n+1.
Igualdade de Matrizes:
Sendo A = (aij), e B = (bij ), matrizes, A e B são iguais, se e somente se, aij = bij para quaisquer
valores de i e de j.
Tipos de Matrizes:
o Chama-se matriz linha toda matriz 1 × 𝑛, ou seja, toda matriz constituída de uma só linha.
o Chama-se matriz coluna toda matriz 𝑚 × 1, ou seja, toda matriz constituída de uma só
coluna.
o Chama-se matriz nula aquela cujos termos são todos nulos.
o Uma matriz 𝑚 × 𝑛 chama-se quadrada se 𝑚 = 𝑛.
o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se triangular superior se todos os termos que ficam
abaixo da diagonal principal são iguais a zero, ou seja, 𝑎𝑖𝑗 = 0 sempre que 𝑖 > 𝑗.
o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se triangular inferior se todos os termos que ficam
acima da diagonal principal são iguais a zero, ou seja, 𝑎𝑖𝑗 = 0 sempre que 𝑖 < 𝑗.
o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se diagonal se todos os termos fora da diagonal
principal são iguais a zero, ou seja, 𝑎𝑖𝑗 = 0 sempre que 𝑖 ≠ 𝑗.
o Chama-se matriz identidade 𝑛 × 𝑛 a matriz diagonal 𝑛 × 𝑛 cujos termos da diagonal principal
são todos iguais a 1. Ela é denotada por 𝐼 𝑛 ou simplesmente por I.
o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se simétrica se 𝑎𝑖𝑗 = 𝑎𝑗𝑖 para quaisquer que sejam i
e j, isto é, se os termos simetricamente situados em relação à diagonal principal são iguais.
o Exemplos:
2 −1
−1 0
,
5 1 3
1 0 2
3 2 1
, 𝐼 𝑛, toda matriz diagonal.
o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se anti-simétrica se 𝑎𝑖𝑗 = −𝑎𝑗𝑖 para quaisquer que
sejam i e j, ou seja, se os termos simetricamente situados em relação à diagonal principal são
números reais simétricos e os termos da diagonal são todos nulos.
4. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 4 de 40
o Exemplos:
0 1
−1 0
,
0 4 8
4 0 −1
−8 1 0
, matriz quadrada nula.
1.1. Operações com matrizes
Adição de Matrizes:
Sejam A = (aij ), e B = (bij ) matrizes m × n. Definimos a soma das matrizes A e B como sendo a
matriz A + B = (cij), em que cij = aij + bij. Ou seja, somar A com B consiste em somar termos
correspondentes.
Propriedades (1): Para quaisquer matrizes m × n, A = (aij ), B = (bij ) e C = (cij ), as seguintes
propriedades são válidas:
o Associatividade: A + (B + C) = (A + B) + C;
o Comutatividade: A + B = B + A;
o Elemento neutro: A + O = A, onde O é a matriz m × n nula;
o Matriz oposta: A + (-A) = O, onde −A = (aij ). Chamamos (–A) de matriz oposta de A;
o Multiplicação de um escalar por uma matriz: Sejam x ∈ R e A = (aij ) uma matriz
m × n. Definimos o produto da matriz A pelo escalar x como x. A = (x. aij). Isto é,
multiplicar x por A consiste em multiplicar x por todos os termos de A.
Propriedades (2): Para quaisquer que sejam as matrizes m × n, A = (aij ) e B = (bij ) e os números
reais x e y, valem as seguintes propriedades:
o x.(A + B) = x.A + x.B (Distributiva para escalar)
o (x + y).A = x.A + y.A (Distributiva para matrizes)
o x.(y.A) = (xy).A (Associativa)
o 1.A = A (1 é o escalar que representa o elemento neutro dessa operação)
Multiplicação de Matrizes:
Seja A = (aij ) uma matriz m × n. Denotaremos por Ai a i-ésima linha de A e Aj
a j-ésima coluna de A.
Isto é:
𝐴𝑖 = 𝑎𝑖1 𝑎𝑖2 … 𝑎𝑖𝑛 e 𝐴 𝑗
=
𝑎1𝑗
𝑎2𝑗
⋮
𝑎 𝑚𝑗
Sejam A = (aij) uma matriz m × n e B = (bjk ) uma matriz n × p. Definimos o produto da matriz A pela
matriz B como A. B = C = (cij ) = aij bjk
n
j=1 .
Observação 1: O produto A.B é uma matriz m × p;
Observação 2: O termo de A.B que se situa na i-ésima linha e na j-ésima coluna é Ai. Bk
.
Observação 3: Quando existe uma matriz A−1
tal que A. A−1
= I, dizemos que A é uma matriz
invertível, e chamamos A−1
de matriz inversa de A.
5. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 5 de 40
Propriedades:
o Se A é uma matriz m × n, então A. In = Im . A. Isso indica que a matriz identidade é o
elemento neutro para a multiplicação de matrizes.
o Se A é uma matriz m × n e B e C são matrizes n × p, então A(B + C) = AB + AC, ou
seja, a multiplicação se distribui à esquerda em relação à soma de matrizes.
o Para as mesmas matrizes A, B e C, temos (A + B) = BA + CA, ou seja, a multiplicação
se distribui à direita em relação à soma de matrizes.
o Seja A uma matriz m × n, B uma matriz n × p e x ∈ ℝ, então x. (AB) = A(x. B).
o Se A, B e C são, respectivamente, matrizes m × n, n × p e p × q, então A(BC) =
(AB)C (comutatividade).
Transposição de Matrizes:
Seja A uma matriz m × n, definimos a transposta de A como sendo a matriz n × m At
= (bji ), em que
bji = aij.
Exemplo:
2 3 4 5
−1 0 2 1
𝑡
=
2 −1
3 0
4 2
5 1
Propriedades: Sejam x um número real, A e B matrizes m × n e C uma matriz n × p. Então valem as
seguintes propriedades:
o At t
= A
o (A + B)t
= At
+ Bt
o (xA)t
= x(A)t
o (BC)t
= Ct
Bt
1.2. Operações elementares com linhas de uma matriz
Seja A uma matriz m × n. Chama-se operação elementar com linhas de A qualquer uma das
operações descritas a seguir:
Permutação de duas linhas de A;
Multiplicação de uma linha de A por um número real não nulo;
Substituição de Ai por Ai + xAj, em que j ≠ i e x é um número real qualquer.
Exemplo:
3 0 3 12
2 1 −1 3
1
3
𝐴1
1 0 1 4
2 1 −1 3
𝐴2−2𝐴1 1 0 1 4
0 1 −3 −5
A primeira operação acima consistiu em multiplicar a primeira linha por 1/3 e a segunda operação em
substituir a segunda linha por ela mais (-2) vezes a primeira (A2 − 2A1).
6. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 6 de 40
Sejam A e B matrizes m × n. Dizemos que A é linha-equivalente a B se B pode ser obtida a partir de A
através de operações elementares com linhas. (No exemplo anterior, notamos que a primeira matriz é
linha-equivalente à terceira)
Matriz na forma escada:
Seja A uma matriz m × n. Dizemos que A é uma matriz na forma escada, se as seguintes condições
são satisfeitas:
As possíveis linhas nulas ficam abaixo das possíveis linhas não nulas.
O primeiro termo não nulo de cada linha não nula é igual a 1.
Os demais termos da coluna à qual pertence o primeiro termo não nulo de uma linha não nula são
todos nulos.
A coluna à qual pertence primeiro termo não nulo de uma linha não nula fica à direita do primeiro
termo não nulo da linha anterior, isto é, se p é o número de linhas não nulas e se o primeiro termo não
nulo da i-ésima linha não nula ocorre na ki-ésima coluna, então k1 < k2 < ⋯ < kp.
Exemplos:
1 0 1 4
0 1 −3 5
,
1 0 0 −1
0 0 1 5
0 0 0 0
,
1 −2 0 0
0 0 1 3
0 0 0 0
, O, I.
Teorema: Toda matriz m × n é linha-equivalente a uma matriz na forma escada.
Exemplo:
2 3 −1
−4 0 2
1 1 3
1
2
A1 1 3/2 −1/2
−4 0 2
1 1 3
A2+4A1
A3−A1
1 3/2 −1/2
0 6 0
0 −1/2 7/2
1
6
A2
1 3/2 −1/2
0 1 0
0 −1/2 7/2
A1−
3
2
A2
A3+
1
2
A2
1 0 −1/2
0 1 0
0 0 7/2
1
7
A3 1 0 −1/2
0 1 0
0 0 1
A1+
1
2
A3 1 0 0
0 1 0
0 0 1
1.3. Questões
1) Se A =
1 −2
3 −6
e B =
4 2
2 1
, calcule AB e BA.
7. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 7 de 40
2) Se A=
3 −2
−4 3
, ache B, de modo que B2
= A.
3) Suponha que A≠0 e AB=AC onde A,B,C são matrizes tais que a multiplicação esteja definida.
a) B=C?
b) Se existir uma matriz Y, tal que YA=I, onde I é a matriz identidade, então B=C?
4) Diz-se que as matrizes A e B são comutativas se AB = BA. Encontre todas as matrizes
x y
z w
que
sejam comutativas com
1 1
0 1
5) Seja A =
2 2
3 −1
.
a) Encontre A2 e A3 .
b) Se f x = x3
− 3x2
− 2x + 4 , encontre f A
c) Se g x = x2
− x − 8, encontre g(A)
6) Para cada uma das matrizes a seguir, encontra uma matriz na forma escada, à qual a matriz dada
é linha equivalente.
a)
2 1 5
6 3 15
b)
2 0 −2 0
0 2 −1 0
c)
2 1 5
1 −3 6
d)
1 2 1 0
−1 0 3 5
1 −2 1 1
e)
2 −1 3
1 4 2
1 −5 1
4 16 8
f)
0 2 0 2
1 1 0 3
3 −4 0 2
2 −3 0 1
7) Sejam A e B matrizes quadradas do mesmo tamanho, em que A é invertível. Mostre, por indução,
que (𝐴𝐵𝐴−1
) 𝑛
= 𝐴𝐵 𝑛
𝐴−1
para todo inteiro positivo n.
2. Determinantes
Determinante é uma função que associa a cada matriz quadrada um escalar. Seu cálculo é feito
somando os termos ligados pelas diagonais paralelas à diagonal principal, e subtraindo deste valor a soma
dos produtos dos termos ligados pelas setas paralelas à diagonal secundária:
8. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 8 de 40
Temos que:
det A = (a11 ∙ a22 ∙ a33 + a12 ∙ a23 ∙ a31 + a21 ∙ a32 ∙ a13) − (a13 ∙ a22 ∙ a31 + a12 ∙ a21 ∙ a33 + a23 ∙ a32
∙ a11)
Sejam A, B e C matrizes quadradas de ordem n, e x um escalar qualquer, essas são algumas das
propriedades dos seus determinantes:
o det(x ∙ A) = xn
∙ det A
o det A = det(At
)
o Se uma fila (linha ou coluna) da matriz é composta de zeros, então o determinante
desta matriz será zero.
o Se A tem duas filas iguais, então detA = 0
o Se permutarmos duas linhas ou colunas de A, então o determinante muda de sinal.
o Se A e B são matriz quadradas da mesma ordem, então det AB = detA. detB
Observação 1: O determinante de uma matriz triangular ou diagonal é o produto dos termos de sua
diagonal principal.
Observação 2: O determinante permite saber se a matriz tem ou não inversa, pois as que não têm são
precisamente aquelas cujo determinante é igual a 0.
A. A−1
= I, aplicando determinante dos dois lados, temos:
det A. A−1
= detI
detA. det A−1
= 1
det A−1
=
1
det A
Assim, se o determinante da matriz A for nulo, a matriz inversa não pode existir.
2.1. Regra de Chió
Através dessa regra é possível diminuir de n para (n − 1) a ordem de uma matriz quadrada A sem
alterar o valor do seu determinante.
A regra prática de Chió consiste em:
1) Escolher um elemento aij = 1 (caso não exista, aplicar as propriedades para que apareça o
elemento 1).
2) Suprimir a linha i e a coluna j do elemento aij = 1, obtendo-se o menor complementar do
referido elemento.
9. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 9 de 40
3) Subtrair de cada elemento do menor complementar obtido o produto dos elementos que ficam
nos pés das perpendiculares traçadas do elemento considerado às filas suprimidas.
4) Multiplicar o determinante obtido no item anterior por (−1)i+j
onde i e j designam as ordens da
linha e da coluna às quais pertence o elemento aij = 1 do primeiro item.
Exemplo:
det 𝐴 =
1 5 7
2 4 3
3 2 4
=
4 − 5.2 3 − 2.7
2 − 3.5 4 − 3.7
. (−1)1+1
=
−6 −11
−13 −17
= 6.17 − 13.11 = −41
2.2. Teorema de Laplace
Chama-se de menor complementar (Dij) de um elemento aij de uma matriz quadrada A o determinante
que se obtém eliminando-se a linha i e a coluna j da matriz.
Assim, dada a matriz quadrada de terceira ordem a seguir:
A =
2 0 3
5 7 9
3 5 1
, podemos escrever:
D23 = menor complementar do elemento a23 = 9 da matriz A. Pela definição, D23 será igual ao
determinante que se obtém de A, eliminando-se a linha 2 e a coluna 3, ou seja:
D23 =
2 0
3 5
= 2.5 − 3.0 = 10
Chama-se de cofator de um elemento aij de uma matriz o seguinte produto:
cof aij = (−1)i+j
. Dij
Assim, por exemplo, o cofator do elemento a23 = 9 da matriz do exemplo anterior é igual a:
cof a23 = (−1)2+3
. D23 = (−1)5
. 10 = −10
Observações sobre o teorema:
o O determinante de uma matriz quadrada é igual à soma dos produtos dos elementos de uma
fila qualquer (linha ou coluna) pelos seus respectivos cofatores.
o Este teorema permite o cálculo do determinante de uma matriz de qualquer ordem. Como já
conhecemos as regras práticas para o cálculo dos determinantes de ordem 2 e de ordem 3, só
recorremos à este teorema para o cálculo de determinantes de 4ª ordem em diante. Seu uso
possibilita diminuir a ordem do determinante. Assim, para o cálculo de um determinante de
4ª ordem, a sua aplicação resultará no cálculo de quatro determinantes de 3ª ordem.
o Para expandir um determinante pelo teorema de Laplace, é mais prático escolher a fila (linha
ou coluna) que contenha mais zeros, para que seu produto seja nulo.
10. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 10 de 40
2.3. Questões
1) Dadas as matrizes A =
1 2
1 0
e B =
3 −1
0 1
, calcule
a) det 𝐴 + det 𝐵
b) det(A + B)
2) Sejam A e B matrizes do tipo n × n. Verifique se as colocações abaixo são verdadeiras ou falsas:
a) det(AB) = det(BA)
b) det A’ = det A
c) det(2A) = 2 det A
d) det(A²) = (det A)²
3) Calcule o det A, onde:
a) A =
3 −1 5 0
0 2 0 1
2 0 −1 3
1 1 2 0
b) A =
i 3 2 −i
3 −i 1 i
2 1 −1 0
−i i 0 1
4) Prove que
𝑎1 0 0 0
𝑏1 𝑏2 𝑏3 𝑏4
𝑐1 𝑐2 𝑐3 𝑐4
𝑑1 𝑑2 𝑑3 𝑑4
= 𝑎1
𝑏2 𝑏3 𝑏4
𝑐2 𝑐3 𝑐4
𝑑2 𝑑3 𝑑4
5) Mostre que det
1 1 1
a b c
a² b² c²
= a − b b − c (c − a).
6) Verdadeiro ou falso?
a) Se det A = 1, então A-1 = A.
b) Se A é uma matriz triangular superior e A-1 existe, então também A-1 será uma
matriz triangular superior.
c) Se A é uma matriz escalar n × n da forma kIn, então det A = kn
.
d) Se A é uma matriz triangular, então det A = a11+. . . +ann .
7) Calcule
a2
(a + 2)2
(a + 4)2
(a + 2)2
(a + 4)2
(a + 6)2
(a + 4)2
(a + 6)2
(a + 8)2
.
11. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 11 de 40
8) Mostre que
cos2a cos2
a sen2
a
cos2b cos2
b sen2
b
cos2c cos2
c sen2
c
= 0.
3. Sistemas Lineares
Definição 1: Seja 𝑛 um inteiro positivo. Chama-se equação linear a 𝑛 incógnitas toda equação
do tipo 𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ 𝑎 𝑛 𝑥 𝑛 = 𝑏 em que 𝑎1, 𝑎2, ..., 𝑎 𝑛, 𝑏 são constantes reais e 𝑥1, 𝑥2, ...,
𝑥 𝑛 são incógnitas. Chamamos cada 𝑎𝑖 de coeficiente de 𝑥𝑖 e 𝑏 de termo independente da
equação.
Definição 2: Sejam 𝑚 e 𝑛 inteiros positivos. Chama-se sistema linear a 𝑚 equações e 𝑛
incógnitas todo sistema com m equações lineares, todas às mesmas n incógnitas.
Denotaremos o sistema citado como se segue:
a11x1 + a12x2 + ⋯ + a1nxn = b1
a21x1 + a22x2 + ⋯ + a2nxn = b2
⋮
a31x1 + a32x2 + ⋯ + a3nxn = b3
Chama-se solução do sistema toda lista ordenada (x1, x2, … , xn) de números reais que satisfaz a
todas as equações do sistema linear e chama-se conjunto solução do sistema o conjunto constituído de
todas as soluções.
Dizemos que o sistema linear é, respectivamente, impossível, possível determinado ou possível
indeterminado conforme seu conjunto solução seja vazio, unitário ou tenha pelo menos dois elementos.
3.1. Método do escalonamento
O método do escalonamento consiste em transformar uma matriz qualquer em uma matriz na
forma escada através de operações elementares com linhas. O objetivo disso é resolver sistemas lineares.
Para tanto, devemos saber que cada sistema linear tem duas matrizes correspondentes: uma chamada
matriz dos coeficientes ou matriz incompleta do sistema e outra chamada matriz completa do sistema.
Listemos a seguir as matrizes referentes a um sistema genérico:
a11 a12 … a1n
a21 a22 … a2n
⋮ ⋮ ⋮ ⋮
am1 am2 … amn
Matriz incompleta
Matriz completa
12. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 12 de 40
Se A é a matriz dos coeficientes, X =
x1
x2
⋮
xn
e B =
b1
b2
⋮
bm
, então o sistema pode ser representado
(matricialmente) pelas seguintes equações:
A1. X = b1
A2. X = b2
⋮
Am . X = bm
O método do escalonamento para resolver um sistema linear cuja matriz completa é C consiste
em encontrar uma matriz C’, tal que C’ seja linha-equivalente a C e o sistema cuja matriz é C’ já explicite o
seu conjunto solução. Para tanto, essa matriz deverá estar na forma escada.
Exemplo: Resolvamos o sistema
2x + 3y − z = 6
−4x + 2z = −1
x + y + 3z = 0
, que tem a seguinte matriz completa:
2 3 −1 6
−4 0 2 −1
1 1 3 0
Devemos operar essa matriz com linhas, de maneira a deixar a matriz dos coeficientes na forma
escada.
2 3 −1 6
−4 0 2 −1
1 1 3 0
→
1 3/2 −1/2 3
−4 0 2 −1
1 1 3 0
→
→
1 3/2 −1/2 3
0 6 0 11
0 −1/2 7/2 3
→
1 3/2 −1/2 3
0 1 0 11
0 −1/2 7/2 3
/6 →
→
1 0 −1/2 1/4
0 1 0 11/6
0 0 7/2 −25/12
→
1 0 −1/2 1/4
0 1 0 11/6
0 0 1 −25/42
→
1 0 0 −1/21
0 1 0 11/6
0 0 1 −25/42
Assim, o sistema inicial é equivalente a
x = −1/21
y = 11/6
z = −25/42
. Portanto, está resolvido.
Observações:
o Um sistema linear AX = B chama-se homogêneo se B = O. Isto é, se todos os termos
independentes são nulos. Neste caso, uma solução óbvia é a trivial, composta apenas de
zeros. (Por exemplo, para n = 3, a solução trivial é (0,0,0).)
o Se, num sistema linear homogêneo, o número de incógnitas é maior do que o número de
equações, ele admite solução não trivial.
o Se m = n, então o sistema linear AX = B tem uma única solução, então A é linha-
equivalente a In.
13. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 13 de 40
3.2. Regra de Cramer
A regra de Cramer é utilizada para a resolução de um sistema linear a partir do cálculo de
determinantes. Vamos considerar aqui um sistema linear Ax = B, sendo x uma matriz de incógnitas.
Seja A uma matriz invertível n × n e seja B ∈ ℝn
. Seja Ai a matriz obtida substituindo a i-ésima
coluna de A por B. Se x for a única solução de Ax = B, então
xi =
det(Ai)
det(A)
para i = 1,2, … , n
Com i variando até n, é possível encontrar as matrizes-solução do sistema, e descobrir se ele é
possível determinado (quando há somente uma matriz-solução), possível indeterminado (infinitas
matrizes-solução) ou impossível (nenhuma solução).
Exemplo: Considerando o sistema de equações:
x1 + 2x2 + x3 = 5
2x1 + 2x2 + x3 = 6
x1 + 2x2 + 3x3 = 9
Solução:
det A =
1 2 1
2 2 1
1 2 3
= −4
det A1 =
5 2 1
6 2 1
9 2 3
= −4 det A2 =
1 5 1
2 6 1
1 9 3
= −4 det A3 =
1 2 5
2 2 6
1 2 9
= −8
Portanto:
x1 =
−4
−4
= 1 x2 =
−4
−4
= 1 x3 =
−8
−4
= 2
Então temos como solução a matriz x =
1
1
2
e o sistema é possível determinado.
3.3. Questões
1) Determine os valores de k tais que o sistema nas incógnitas x, y e z tenha: (i) única solução, (ii)
nenhuma solução, (iii) mais de uma solução.
a)
𝑘𝑥 + 𝑦 + 𝑧 = 1
𝑥 + 𝑘𝑦 + 𝑧 = 1
𝑥 + 𝑦 + 𝑘𝑧 = 1
b)
𝑥 + 𝑦 + 𝑘𝑧 = 2
3𝑥 + 4𝑦 + 2𝑧 = 𝑘
2𝑥 + 3𝑦 − 𝑧 = 1
2) Ache as soluções dos problemas dados ou prove que não existem soluções
14. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 14 de 40
c)
𝑥 + 𝑦 + 𝑧 = 1
2𝑥 − 3𝑦 + 7𝑧 = 0
3𝑥 − 2𝑦 + 8𝑧 = 4
d)
x − y + 2z = 4
3x + y + 4z = 6
x + y + z = 1
e)
2x − y + 5y = 19
x + 5y − 3z = 4
3x + 2y + 4z = 25
f)
x + 3y + z = 0
2x + 7y + 4z = 0
x + y − 4z = 0
3) Dado o sistema:
1 2
1 0
0 −1
2 −1
1 2
3 4
2 −1
4 −3
𝑥
𝑦
𝑧
𝑤
=
2
2
4
8
a) Encontre uma solução dele sem resolvê-lo (atribua valores para x, y, z e w).
b) Resolva efetivamente o sistema, isto é, encontre sua matriz-solução.
c) Resolva também o sistema homogêneo associado.
d) Verifique que toda matriz-solução obtida em (b) é a soma de uma matriz-solução
encontrada em (c) com a solução particular que você encontrou em (a).
4) Dado o sistema linear:
3𝑥 + 5𝑦 + 12𝑧 − 𝑤 = −3
𝑥 + 𝑦 + 4𝑧 − 𝑤 = −6
2𝑦 + 2𝑧 + 𝑤 = 5
a) Discuta a solução do sistema.
b) Acrescente a equação 2z + kw = 9 a este sistema, encontre um valor de k que
torne o sistema impossível.
5) Dê o conjunto solução do seguinte sistema linear:
𝑥1 + 𝑥2 + 5𝑥3 − 8𝑥4 = 1
𝑥1 + 4𝑥2 + 13𝑥3 − 3𝑥4 = 1
−2𝑥1 + 𝑥2 − 2𝑥3 + 21𝑥4 = −2
3𝑥2 + 8𝑥3 + 5𝑥4 = 0
4. Vetores
Um vetor é definido por três características: intensidade, direção e sentido. Força, deslocamento
e velocidade são representados por vetores, mas um vetor pode ser bem mais do que isso. Ao longo do
curso de Álgebra Linear, o seu conceito será desenvolvido de forma bem mais ampla. Soluções de
sistemas lineares poderão, por exemplo, ser representadas por vetores.
15. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 15 de 40
Desenhando um vetor no plano cartesiano, ele deve apresentar uma origem e uma extremidade.
Os segmentos orientados cuja origem é o ponto (0,0) são chamados de vetores no plano, e são muito
mais fáceis de trabalhar. Para representá-lo, basta indicar o par ordenado que corresponda à sua
extremidade, pois já conhecemos seu ponto inicial. A definição segue para vetores no espaço, caso em
que a origem dos vetores é o ponto (0,0,0), e assim por diante.
De tal forma, para representar um vetor V = OP com ponto inicial na origem, usa-se usualmente
a notação de coordenadas V = (a, b, c), mas também existe a notação de matriz coluna V =
a
b
c
e matriz
linha V = a b c .
Com essas notações, a soma de vetores e a multiplicação do vetor por um escalar são operações
que ficam bem mais simples.
4.1. Adição de Vetores
Propriedades:
o Associatividade: A + B + C = A + B + C, ∀ A, B, C ∈ ℝn
o Comutatividade: A + B = B + A, ∀ A, B ∈ ℝn
.
o Elemento neutro:
o Seja O o vetor nulo. Então A + O = A, para qualquer A ∈ ℝn
. Assim, O é o elemento neutro
em relação à operação de adição, o qual chamaremos de elemento nulo de ℝn
.
o Elemento oposto:
o Dado A = a1, a2, … , an , denotaremos por – A o vetor (−a1, −a2, … , −an). Então
A + (−A) = O. Chamaremos (−A) de elemento oposto a A.
o Considerando que: A − B = A + −B e as quatro propriedades anteriores, teremos três
propriedades conseqüentes:
1. 𝐴 + 𝐵 = 𝐴 + 𝐶 ⟹ 𝐵 = 𝐶
2. 𝐴 + 𝐵 = 𝐶 ⟹ 𝐴 = 𝐶 − 𝐵
3. 𝐴 + 𝐴 = 𝐴 ⟹ 𝐴 = 𝑂
Exemplo:
Sendo v = 1,2 e w = (3,5), temos:
v + w = 1,2 + 3,5
v + w = (4,7)
Do mesmo modo, 2v = (2,4).
4.2. Multiplicação por escalar
Sejam A = (a1, a2, … , an) ∈ ℝn
e λ ∈ ℝ. Definimos a multiplicação de A por λ como sendo:
λ ∙ A = (λa1, λa2, … , λan)
16. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 16 de 40
A seguir as propriedades de vetores:
1. Associativa na adição:
2. Comutativa:
3. Existência de elemento neutro na adição:
4. Existência de elemento oposto:
5. Distributiva por vetor:
6. Distributiva por escalar:
7. Associativa na multiplicação:
8. Existência de elemento neutro na multiplicação:
4.3. Questões
1) Determine o vetor X, tal que , para vetores V e U dados.
2) Determine os vetores X e Y, tal que e para vetores V e U
dados.
5. Operações com vetores
5.1. Módulo
Seja , definimos o módulo ou a norma de um vetor como sendo:
Observação: para , note que o módulo de um vetor é o seu comprimento. Chamaremos de
vetor unitário todo vetor cuja norma é 1.
5.2. Produto escalar (ou produto interno)
Sejam e dois vetores não nulos nos reais. Considere os vetores
A+B e A - B.
Temos que se, e somente se , pois as diagonais de um paralelogramo só são
iguais se o paralelogramo é um retângulo. Como consequência dessa condição podemos observar que:
17. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 17 de 40
𝐴 ⊥ 𝐵 ⟺ 𝑎1 𝑏1 + 𝑎2 𝑏2 + … + 𝑎 𝑛 𝑏 𝑛 = 0
Esta condição é necessária para que dois vetores sejam perpendiculares.
Sejam 𝐴 = (𝑎1, 𝑎2, … , 𝑎 𝑛 ) e 𝐵 = (𝑏1, 𝑏2, … , 𝑏 𝑛 ) dois vetores quaisquer em ℝ 𝑛
. O produto escalar é
definido como a multiplicação termo a termo e a soma dos produtos:
𝐴 ∙ 𝐵 = 𝑎1 𝑏1 + 𝑎2 𝑏2 + … + 𝑎 𝑛 𝑏 𝑛
Assim, dois vetores não nulos 𝐴 e 𝐵 em ℝ 𝑛
são perpendiculares apenas se 𝐴 ∙ 𝐵 = 0.
Propriedades do produto escalar:
i. 𝐴 ∙ 𝐵 = 𝐵 ∙ 𝐴, para quaisquer 𝐴, 𝐵 ∈ ℝ 𝑛
ii. 𝐴 ∙ 𝐵 + 𝐶 = 𝐴 ∙ 𝐵 + 𝐴 ∙ 𝐶, para quaisquer 𝐴, 𝐵, 𝐶 ∈ ℝ 𝑛
iii. 𝐴 ∙ 𝜆𝐵 = 𝜆 𝐴 ∙ 𝐵 = 𝜆𝐴 ∙ 𝐵, para quaisquer 𝐴, 𝐵 ∈ ℝ 𝑛
e qualquer 𝜆 ∈ ℝ
iv. 𝐴 ∙ 𝐴 ≥ 0, para qualquer 𝐴 ∈ ℝ 𝑛
e 𝐴 ∙ 𝐴 = 0 ⟺ 𝐴 = 𝑂
A norma (ou módulo) de um vetor pode ser caracterizada pelo produto escalar: 𝐴 = 𝐴 ∙ 𝐴, como é
provado a seguir:
𝐴 ∙ 𝐴 = 𝑎1 𝑎1 + 𝑎2 𝑎2 + … + 𝑎 𝑛 𝑎 𝑛
𝐴 ∙ 𝐴 = 𝑎1
2 + 𝑎2
2 + … + 𝑎 𝑛
2
𝐴 ∙ 𝐴 = 𝐴
5.3. Produto vetorial (ou produto externo)
Consideremos dois vetores em 𝐴 = (𝑎1, 𝑎2, 𝑎3) e 𝐵 = (𝑏1, 𝑏2, 𝑏3). Queremos encontrar um vetor 𝐶, em
ℝ3
, de preferência não nulo, de tal forma que C seja simultaneamente perpendicular a A e a B.
Devemos ter 𝐶. 𝐴 = 0 e 𝐶. 𝐵 = 0. Se 𝐶 = (𝑥, 𝑦, 𝑧), então:
𝑎1 𝑥 + 𝑎2 𝑦 + 𝑎3 𝑧 = 0
𝑏1 𝑥 + 𝑏2 𝑦 + 𝑏3 𝑧 = 0
Tentaremos resolver este sistema. Para isso, começaremos multiplicando a primeira equação por 𝑏2, a
segunda por −𝑎2 e, em seguida, somaremos as duas equações.
A seguinte equação é obtida:
𝑎1 𝑏2 − 𝑎2 𝑏1 . 𝑥 = 𝑎2 𝑏3 − 𝑎3 𝑏2 . 𝑧
Depois, multiplicando a primeira equação do sistema acima por −𝑏1, a segunda por 𝑎1 e, em seguida,
somando as duas equações, chegamos a:
18. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 18 de 40
Enfim, temos as seguintes equações:
Agora fica fácil visualizar os valores das variáveis. Se x assumir o valor do coeficiente de z na primeira
equação, y assumi o valor do coeficiente de z na segunda equação, basta que z assuma o valor dos
coeficientes de x e de y (que são iguais) para as equações serem verdadeiras. O conjunto-solução é:
Há mais soluções do sistema. Contudo, esta é especialmente chamada de produto vetorial de A por B e
será denotado por 𝐴 × 𝐵.
Note que 𝐴 × 𝐵 é o determinante formal:
em que
Observe ainda que: , visto que cada gerador (pois temos os
três vetores que formam a base de ) está num eixo diferente, x, y ou z.
Nós o chamamos de determinante formal uma vez que não é um determinante formado só por números.
A primeira linha é constituída de vetores.
19. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 19 de 40
Como vimos, o produto vetorial de dois vetores já surgiu com uma propriedade importante: é um vetor
simultaneamente perpendicular aos dois vetores. Vejamos a seguir mais propriedades do produto
vetorial:
i. 𝐴 × 𝐵 = −(𝐵 × 𝐴) ∈ ℝ3
ii. 𝐴 × (𝜆𝐵) = 𝜆(𝐴 × 𝐵) = (𝜆𝐴) × 𝐵, para quaisquer 𝐴, 𝐵 ∈ ℝ3
e qualquer 𝜆 ∈ ℝ
iii. 𝐴 × 𝜆𝐴 = 0, para qualquer 𝐴 ∈ ℝ3
e qualquer 𝜆 ∈ ℝ
iv. 𝐴 × 𝐵 + 𝐶 = 𝐴 × 𝐵 + (𝐴 × 𝐶) e
(𝐵 + 𝐶) × 𝐴 = (𝐵 × 𝐴) + (𝐶 × 𝐴), para quaisquer 𝐴, 𝐵, 𝐶 ∈ ℝ3
v. (𝐴 × 𝐵) × 𝐶 = (𝐴. 𝐶)𝐵 − (𝐵. 𝐶)𝐴, para quaisquer 𝐴, 𝐵, 𝐶 ∈ ℝ3
vi. (𝐴 × 𝐵). (𝐴 × 𝐵) = (𝐴. 𝐴)(𝐵. 𝐵) − (𝐴. 𝐵)2
vii. Se A e B são dois vetores não nulos de ℝ3
e θ é a medida do ângulo formado por A e B, então:
𝐴 × 𝐵 = 𝐴 . 𝐵 . 𝑠𝑒𝑛θ
viii. (Produto misto) 𝐴. 𝐵 × 𝐶 =
𝑎1 𝑎2 𝑎3
𝑏1 𝑏2 𝑏3
𝑐1 𝑐2 𝑐3
, em que 𝐴 = (𝑎1, 𝑎2, 𝑎3), 𝐵 = (𝑏1, 𝑏2, 𝑏3), e
𝐶 = (𝑐1, 𝑐2, 𝑐3)
5.4. Questões
1) Ache dois vetores mutuamente ortogonais e ortogonais ao vetor (5, 2, -1).
2) Calcule 𝑢. 𝑣, onde:
a) 𝑢 = (2, −3, 6) e 𝑣 = (8,2, −3)
b) 𝑢 = (1, −8,0,5) e 𝑣 = (3,6,4)
c) 𝑢 = (3, −5,2,1) e 𝑣 = (4,1, −2,5)
3) Sejam 𝑢 = (1, −2,5), 𝑣 = (3, 1, −2). Encontre:
a) 𝑢 + 𝑣
b) −6𝑢
c) 2𝑢– 5𝑣
d) 𝑢. 𝑣
4) Ache dois vetores mutuamente ortogonais de comprimento unitário, e ambos ortogonais ao vetor (2,-
1,3).
5) Determine o número real positivo c de maneira que os pontos (−1,1, 𝑐) e (−1,1, −𝑐) e a origem sejam
vértices de um triângulo retângulo em (0,0,0).
6) Sabendo que o ângulo entre os vetores (2, 1,-1) e (1,-1,m+2) é 60°, determine 𝑚.
7) Determine os ângulos do triângulo cujos vértices são (-1,-2,4), (-4,-2,0) e (3,-2,1).
6. Espaços vetoriais
Um espaço vetorial é um conjunto de vetores. As oito propriedades citadas acima devem ser satisfeitas,
além de duas operações: soma e multiplicação por escalar. Considerando dois vetores quaisquer de um
20. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 20 de 40
espaço vetorial V, a soma deles deve ser um terceiro vetor que ainda faz parte de V. Se multiplicarmos um
vetor de V por um escalar, o resultante também deve ser elemento de V.
Em resumo, um espaço vetorial real é um conjunto V, não vazio, com duas operações:
Soma: 𝑉 𝑥 𝑉 → 𝑉 Se 𝑥, 𝑦 ∈ 𝑉, então 𝑥 + 𝑦 ∈ 𝑉;
Produto por escalar: ℝ 𝑥 𝑉 → 𝑉 Se 𝛼 é escalar e 𝑥 ∈ 𝑉, então 𝛼𝑥 ∈ 𝑉.
Se uma dessas duas operações não for válida para um conjunto W, então é porque o conjunto não é um
espaço vetorial. Dizemos que um espaço vetorial é fechado em relação às duas operações (soma e
multiplicação por escalar). Para saber se um conjunto é um espaço vetorial, verifica-se se as duas
operações são válidas e depois se as oito propriedades dos vetores também são válidas.
Observação: O conjunto de todas as matrizes de ordem 2 é um espaço vetorial. Deste modo, os vetores
desse espaço são matrizes 2x2.Tal conjunto é designado assim: 𝑉 = 𝑀 2,2 .
Exemplo: Seja o conjunto W = { 𝑎, 1 /𝑎 ∈ ℝ}. Com as duas operações de soma e multiplicação por
escalar definidas, verifique se W é um espaço vetorial.
Solução: Considere os elementos 3,1 e (5,1) ∈ 𝑊.
Assim,
i) Soma: 3,1 + 5,1 = (8,2) ∉ 𝑊
ii) Produto: 𝛼 3,1 = 3𝛼, 𝛼 ∉ 𝑊 𝑠𝑒 𝛼 ≠ 1, assim não é válido para todo 𝛼
Logo, W não é um conjunto fechado em relação a essas duas operações e, portanto, não é um espaço
vetorial.
Exemplo: Verifique se o conjunto ℝ3
é um espaço vetorial.
Solução: Sejam 𝑢 = 𝑥1, 𝑦1, 𝑧1 , 𝑣 = 𝑥2, 𝑦2, 𝑧2 e 𝑤 = (𝑥3, 𝑦3, 𝑧3) vetores de ℝ3
e 𝛼, 𝛽 ∈ ℝ.
i) Soma: 𝑢 + 𝑣 = (𝑥1 + 𝑥2, 𝑦1 + 𝑦2, 𝑧1 + 𝑧2) ∈ ℝ3
Multiplicação por escalar: 𝛼𝑢 = (𝛼𝑥1, 𝛼𝑦1, 𝛼𝑧1) ∈ ℝ3
ii)
1. 𝑢 + 𝑣 = 𝑥1 + 𝑥2, 𝑦1 + 𝑦2, 𝑧1 + 𝑧2
= 𝑥2 + 𝑥1, 𝑦2 + 𝑦1, 𝑧2 + 𝑧1 = 𝑣 + 𝑢
2. 𝑢 + 𝑣 + 𝑤 = 𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2 + 𝑥3, 𝑦3, 𝑧3
= 𝑥1 + 𝑥2 + 𝑥3, 𝑦1 + 𝑦2 + 𝑦3, 𝑧1 + 𝑧2 + 𝑧3
= 𝑥1 + (𝑥2 + 𝑥3 , 𝑦1 + (𝑦2 + 𝑦3), 𝑧1 + (𝑧2 + 𝑧3)]
= 𝑢 + (𝑣 + 𝑤)
3. ∃0 = 0,0,0 ∈ ℝ3
/ 𝑢 + 0 = 𝑥1, 𝑦1, 𝑧1 + 0,0,0 = 𝑥1 + 0, 𝑦1 + 0, 𝑧1 + 0
= 𝑥1, 𝑦1, 𝑧1
4. ∃ −𝑢 = −𝑥1, −𝑦1, −𝑧1 ∈ ℝ3
/ 𝑢 + −𝑢 = 𝑥1, 𝑦1, 𝑧1 + −𝑥1, −𝑦1, −𝑧1
= 𝑥1 − 𝑥1, 𝑦1 − 𝑦1, 𝑧1 − 𝑧1
= 0,0,0 = 0
5. 𝛼 𝑢 + 𝑣 = 𝛼 𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2
= 𝛼 𝑥1 + 𝑥2 , 𝛼 𝑦1 + 𝑦2 , 𝛼 𝑧1 + 𝑧2
= (𝛼𝑥1 + 𝛼𝑥2, 𝛼𝑦1 + 𝛼𝑦2, 𝛼𝑧1 + 𝛼𝑧2)
= (𝛼𝑥1, 𝛼𝑦1, 𝛼𝑧1) + (𝛼𝑥2, 𝛼𝑦2, 𝛼𝑧2)
= 𝛼 𝑥1, 𝑦1, 𝑧1 + 𝛼 𝑥2, 𝑦2, 𝑧2
= 𝛼𝑢 + 𝛼𝑣
6. 𝛼 + 𝛽 𝑢 = 𝛼 + 𝛽 𝛼𝑥1, 𝛼𝑦1, 𝛼𝑧1 = [ 𝛼 + 𝛽 𝑥1, 𝛼 + 𝛽 𝑦1, 𝛼 + 𝛽 𝑧1]
= [𝛼𝑥1 + 𝛽𝑥1, 𝛼𝑦1 + 𝛽𝑦1, 𝛼𝑧1 + 𝛽𝑧1]
= 𝛼𝑥1, 𝛼𝑦1, 𝛼𝑧1 + (𝛽𝑥1, 𝛽𝑦1, 𝛽𝑧1)
= 𝛼 𝑥1, 𝑦1, 𝑧1 + 𝛽 𝑥1, 𝑦1, 𝑧1
= 𝛼𝑢 + 𝛽𝑢
7. 𝛼𝛽 𝑢 = 𝛼𝛽 𝑥1, 𝑦1, 𝑧1 = 𝛼𝛽𝑥1, 𝛼𝛽𝑦1, 𝛼𝛽𝑧1 = [𝛼 𝛽𝑥1 , 𝛼 𝛽𝑦1 , 𝛼 𝛽𝑧1 ]
= 𝛼[(𝛽𝑥1), (𝛽𝑦1), (𝛽𝑧1)]
= 𝛼[𝛽 𝑥1, 𝑦1, 𝑧1 ]
21. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 21 de 40
= 𝛼(𝛽𝑢)
8. 1𝑢 = 1 𝑥1, 𝑦1, 𝑧1 = 1𝑥1, 1𝑦1, 1𝑧1 = 𝑥1, 𝑦1, 𝑧1 = 𝑢
Exemplo: Considere em V = ℝ2
o produto por escalar usual, mas com a adição, a operação definida por:
𝑥1, 𝑦1 + 𝑥2, 𝑦2 = (𝑥1 + 𝑥2, 𝑦1 + 2𝑦2). Determine se V, com essas operações, é um espaço vetorial.
Solução:
i)
1. Soma: 𝑥1, 𝑦1 + 𝑥2, 𝑦2 = (𝑥1 + 𝑥2, 𝑦1 + 2𝑦2) ∈ 𝑉
2. Produto por escalar: 𝛼 𝑥1, 𝑦1 = (𝛼𝑥1, 𝛼𝑦1) ∈ 𝑉
Logo, V é um espaço fechado em relação a essas duas operações. Portanto, temos que verificar as oito
propriedades.
ii)
1. Associativa na adição: 𝑢 + 𝑣 = 𝑥1, 𝑦1 + 𝑥2, 𝑦2 = (𝑥1 + 𝑥2, 𝑦1 + 2𝑦2)
𝑣 + 𝑢 = 𝑥2, 𝑦2 + 𝑥1, 𝑦1 = (𝑥2 + 𝑥1, 𝑦2 + 2𝑦1)
Como 𝑢 + 𝑣 = 𝑣 + 𝑢 já não é satisfeita, não precisamos mais testar as outras propriedades. V não é
espaço vetorial.
Exemplo: O conjunto que contém um único objeto, com as operações definidas por:
𝑜𝑏𝑗𝑒𝑡𝑜 + 𝑜𝑏𝑗𝑒𝑡𝑜 = 𝑜𝑏𝑗𝑒𝑡𝑜
𝑜𝑏𝑗𝑒𝑡𝑜 = 𝑜𝑏𝑗𝑒𝑡𝑜, com 𝛼 ∈ ℝ
Solução:
i) Da própria definição no enunciado, o conjunto é fechado em relação às operações de soma e
multiplicação por escalar e, portanto, não precisamos verificá-las;
ii) Substituindo 𝑜𝑏𝑗𝑒𝑡𝑜 por 𝑥:
1. 𝑢 + 𝑣 = 𝑥 + 𝑥 = 𝑥
𝑣 + 𝑢 = 𝑥 + 𝑥 = 𝑥
⇒ 𝑢 + 𝑣 = 𝑣 + 𝑢
2.
𝑢 + 𝑣 + 𝑤 = 𝑥 + 𝑥 + 𝑥 = 𝑥 + 𝑥 = 𝑥
𝑢 + 𝑣 + 𝑤 = 𝑥 + 𝑥 + 𝑥 = 𝑥 + 𝑥 = 𝑥
⇒ 𝑢 + 𝑣 + 𝑤 = 𝑢 + 𝑣 + 𝑤
3. Seja 𝑛 o vetor nulo. Logo, 𝑢 + 𝑛 = 𝑢 ⇒ 𝑥 + 𝑛 = 𝑥 ⇒ 𝑛 = 𝑥. Assim, existe vetor nulo, que
equivale ao próprio 𝑥.
4. Seja 𝑝 o vetor oposto. Logo, 𝑢 + 𝑝 = 𝑛 ⇒ 𝑥 + 𝑝 = 𝑥 ⇒ 𝑝 = 𝑥. Assim, existe vetor oposto, que
também equivale ao próprio 𝑥. O vetor oposto de 𝑢 é 𝑢.
5.
𝛼 𝑢 + 𝑣 = 𝛼 𝑥 + 𝑥 = 𝛼𝑥 = 𝑥
𝛼𝑢 + 𝛼𝑣 = 𝛼𝑥 + 𝛼𝑥 = 𝑥 + 𝑥 = 𝑥
⇒ 𝑢 + 𝑣 = 𝑢 + 𝑣
6.
+ 𝛽 𝑢 = + 𝛽 𝑥 = 𝑥
𝑢 + 𝛽𝑢 = 𝑥 + 𝛽𝑥 = 𝑥 + 𝑥 = 𝑥
⇒ ( + 𝛽)𝑥 = 𝑎𝑢 + 𝛽𝑣
7.
𝛽𝑢 = 𝛽𝑥 = 𝑥 = 𝑥
𝛼𝛽 𝑢 = 𝛼𝛽 𝑥 = 𝑥
⇒ 𝛽𝑢 = β 𝑢
8. 1𝑢 = 1𝑥 = 𝑥 = 𝑢
6.1. Questões
1) Verifique que 𝑀 2,2 =
𝑎 𝑏
𝑐 𝑑
𝑎, 𝑏, 𝑐 e 𝑑 ∈ ℝ é um espaço vetorial com as operações.
2) Seja 𝐹 o conjunto de todas as funções reais, de variável real, ou seja 𝐹 = {𝑓: ℝ → ℝ}. O vetor soma
𝑓 + 𝑔, para quaisquer funções 𝑓 e 𝑔 em 𝐹 é definido por:
𝑓 + 𝑔 𝑥 = 𝑓 𝑥 + 𝑔 𝑥
e para qualquer escalar 𝑟 ∈ ℝ e qualquer 𝑓 ∈ 𝐹 o produto 𝑟𝑓 é tal que:
22. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 22 de 40
𝑟𝑓 𝑥 = 𝑟. 𝑓 𝑥
Mostre que 𝐹, com essas operações, é um espaço vetorial.
7. Subespaços vetoriais
Dado um espaço vetorial V, há subconjuntos de V tais que eles próprios também são espaços vetoriais, só
que menores. Esses subconjuntos são chamados de subespaços de V.
Dado um espaço vetorial V, um subconjunto W, não-vazio, será um subespaço vetorial de V se forem
válidas as mesmas duas operações de antes:
Soma: 𝑉 𝑥 𝑉 → 𝑉 Se 𝑥, 𝑦 ∈ 𝑉, então 𝑥 + 𝑦 ∈ 𝑉;
Produto por escalar: ℝ 𝑥 𝑉 → 𝑉 Se 𝛼 é escalar e 𝑥 ∈ 𝑉, então 𝛼𝑥 ∈ 𝑉.
Se ambas as operações forem válidas em W, não é necessário verificar as oito propriedades dos vetores
para dizer que W é espaço vetorial, pois elas já são válidas em V, que contém W.
Todo espaço vetorial admite pelo menos dois subespaços (que são chamados triviais):
1. O conjunto formado somente pelo vetor nulo (a origem).
2. O próprio espaço vetorial: V é subconjunto de si mesmo.
Todo subespaço vetorial tem como elemento o vetor nulo, pois ele é necessário à condição de
multiplicação por escalar: quando 𝛼 = 0 ⇒ 𝛼𝑢 = 0.
Para conferirmos se um subconjunto W é subespaço, basta verificar que 𝑣 + 𝛼𝑢 ∈ 𝑊, para quaisquer
𝑣 𝑒 𝑢 ∈ 𝑉 e qualquer 𝛼 ∈ ℝ, em vez de checar as duas operações separadamente.
Exemplo: Em ℝ3
, os únicos subespaços são a origem, as retas e os planos que passam pela origem e o
próprio ℝ3
.
Exemplo: Seja 𝑉 = 𝑀(3,3), ou seja, o conjunto das matrizes de ordem 3, e W o subconjunto das matrizes
triangulares superiores. W é subespaço de V?
Solução:
Está implícito que V é um espaço vetorial. Assim, verificamos as duas operações para W:
i)
𝑎 𝑏 𝑐
0 𝑑 𝑒
0 0 𝑓
+
𝑔 𝑖
0 𝑗 𝑘
0 0 𝑙
=
𝑎 + 𝑔 𝑏 + 𝑐 + 𝑖
0 𝑑 + 𝑗 𝑒 + 𝑘
0 0 𝑓 + 𝑙
∈ 𝑊
ii) 𝛼
𝑎 𝑏 𝑐
0 𝑑 𝑒
0 0 𝑓
=
𝛼𝑎 𝛼𝑏 𝛼𝑐
0 𝛼𝑑 𝛼𝑒
0 0 𝛼𝑓
∈ 𝑊
Logo, W é subespaço de V.
Observação: as matrizes triangulares inferiores formam um conjunto que também é subespaço, o que
também é o caso das matrizes diagonais e das simétricas.
Exemplo: Verifique se o conjunto-solução do sistema linear homogêneo abaixo é um subespaço de
𝑉 = 𝑀(3,1).
2𝑥 + 4𝑦 + 𝑧 = 0
𝑥 + 𝑦 + 2𝑧 = 0
𝑥 + 3𝑦 − 𝑧 = 0
Solução: Temos o seguinte sistema:
2 4 1
1 1 2
1 3 −1
𝑥
𝑦
𝑧
=
0
0
0
23. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 23 de 40
Desta forma, estamos procurando, dentro do espaço vetorial 𝑀(3,1), os vetores que satisfazem o
sistema, isto é, o conjunto dos vetores-solução. Depois precisamos saber se esse conjunto é subespaço de
𝑀(3,1).
Assim, considere os vetores-solução:
𝑥1
𝑦1
𝑧1
e
𝑥2
𝑦2
𝑧2
i)
2 4 1
1 1 2
1 3 −1
𝑥1
𝑦1
𝑧1
+
𝑥2
𝑦2
𝑧2
=
2 4 1
1 1 2
1 3 −1
𝑥1
𝑦1
𝑧1
+
2 4 1
1 1 2
1 3 −1
𝑥2
𝑦2
𝑧2
=
0
0
0
+
0
0
0
=
0
0
0
ii)
2 4 1
1 1 2
1 3 −1
𝛼
𝑥1
𝑦1
𝑧1
= 𝛼
2 4 1
1 1 2
1 3 −1
𝑥1
𝑦1
𝑧1
= 𝛼
0
0
0
=
0
0
0
O resultado de (i) e (ii) ainda pertence ao conjunto dos vetores-solução e, portanto, ele é subespaço de
𝑀(3,1).
Exemplo: Seja 𝑉 = ℝ2
e 𝑊 = { 𝑥, 𝑥2
/ 𝑥 ∈ ℝ}. Verifique se W é subespaço de V.
Solução: Se escolhermos 𝑢 = 1,1 e 𝑣 = (2,4), temos 𝑢 + 𝑣 = (3,5) ∉ 𝑊. Logo, W não é subespaço.
Exemplo: Seja 𝑉 = 𝑀(𝑛, 𝑛) e W o subconjunto de todas as matrizes em que 𝑎11 < 0. Verifique se W é
subespaço de V.
Solução:
i) A condição de soma é satisfeita, pois ainda gera uma matriz em que 𝑎11 < 0.
ii) Se fizermos 𝛼𝑀, com 𝛼 < 0, temos que 𝑎11 da nova matriz será maior que zero.
Assim, W não é subespaço.
Exemplo: Verifique se o conjunto solução do sistema linear não-homogêneo abaixo é um subespaço.
2𝑥 + 4𝑦 + 𝑧 = 1
𝑥 + 𝑦 + 2𝑧 = 1
𝑥 + 3𝑦 − 𝑧 = 0
Solução:
Temos o seguinte sistema:
2 4 1
1 1 2
1 3 −1
𝑥
𝑦
𝑧
=
1
1
0
e os seguintes vetores-solução:
𝑥1
𝑦1
𝑧1
e
𝑥2
𝑦2
𝑧2
.
Assim,
i)
2 4 1
1 1 2
1 3 −1
.
𝑥1
𝑦1
𝑧1
+
𝑥2
𝑦2
𝑧2
=
2 4 1
1 1 2
1 3 −1
.
𝑥1
𝑦1
𝑧1
+
2 4 1
1 1 2
1 3 −1
.
𝑥2
𝑦2
𝑧2
=
1
1
0
+
1
1
0
=
2
2
0
O vetor dos termos independentes resultante
2
2
0
é diferente do vetor do sistema linear
1
1
0
.
Logo, o conjunto dos vetores-solução não é um subespaço de M(3,1).
Exemplo: Seja 𝑆 = 𝑥1, 𝑥2 / 𝑥2 = 2𝑥1 . Sendo S subconjunto de ℝ2
, verifique se S é subespaço de ℝ2
.
Solução:
i) 𝑐1, 2𝑐1 + 𝑐2, 2𝑐2 = 𝑐1 + 𝑐2, 2𝑐1 + 2𝑐2 = 𝑐1 + 𝑐2, 2(𝑐1 + 𝑐2) ∈ 𝑆
ii) 𝑐1, 2𝑐1 = 𝑐1, 2 𝑐1 ∈ 𝑆
Exemplo: Verifique se 𝑊 = 𝑥, 𝑦 ∈ ℝ2
/ 𝑦 = −2𝑥 + 1 é subespaço de ℝ2
.
Solução:
i) 𝑊 = 𝑥, −2𝑥 + 1 / 𝑥 𝜖 ℝ . Como (0,0) ∉ 𝑊, pode-se concluir que o subconjunto 𝑊não é um
subespaço vetorial de ℝ2
.
Exemplo: Verifique se 𝑊 = 𝑥, 𝑦, 𝑧 ∈ ℝ3
/ 𝑥 − 2𝑦 − 4𝑧 = 6 é subespaço de ℝ3
.
Solução:
24. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 24 de 40
i) 𝑊 = 6 + 2𝑦 + 4𝑧, 𝑦, 𝑧 ; 𝑦, 𝑧 𝜖 ℝ . Tomando 𝑦 = 0 e 𝑧 = 0 temos (6,0,0). Como (0,0,0) ∉
𝑊, então 𝑊não é um subespaço vetorial de ℝ3
.
7.1. Questões
1) Mostre que os seguintes subconjuntos de ℝ4
são subespaços
a) W = {(x, y, z, t) ∈ ℝ4
/ x + y = 0 e z – t = 0}
b) U = {(x, y, z, t) ∈ ℝ4
/ 2x + y – t = 0 e z = 0}
2) Considere o subespaço S = [(1, 1, -2, 4), (1, 1, -1, 2), (1, 4, -4, 8)] de ℝ4
.
a) O vetor (
2
3
, 1, -1, 2) pertence a S?
b) O vetor (0, 0, 1, 1) pertence a S?
3) Nos problemas que seguem, determine se W é ou não um subespaço do espaço vetorial:
a) 𝑉 = ℝ3
, 𝑊1 = 𝑜 𝑝𝑙𝑎𝑛𝑜 𝑥0𝑦, 𝑊2 = { 𝑥, 𝑦, 𝑧 ; 𝑥 = 𝑦 = 𝑧} e 𝑊3 = { 𝑥, 𝑦, 𝑧 ; 𝑥 = 𝑦}
b) 𝑉 = ℝ2
; 𝑊 = {(𝑥, 𝑦); 𝑥2
+ 𝑦2
≤ 1};
4) Considere os seguintes conjuntos de vetores. Quais deles são subespaços de ℝ3
?
a) (x,y,z), tais que z = x3
b) (x,y,z), tais que z = x + y;
c) (x,y,z), tais que z >= 0;
d) (x,y,z), tais que z = 0 e xy >= 0;
e) (x,y,z), tais que x = z = 0;
f) (x,y,z), tais que x = -z;
g) (x,y,z), tais que y = 2x + 1;
h) (x,y,z), tais que z2
= x2
+ y2
.
5) Determine se W é subespaço de ℝ3
ou não, onde W consiste nos vetores (𝑎, 𝑏, 𝑐) ∈ ℝ3
para os quais:
a) a = 2b
b)a ≤ b ≤ c
c)ab = 0
d)a = b = c
25. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 25 de 40
6) Seja W o conjunto de todos os vetores em ℝ4
de forma (x, x+y, y, 2x + 3y), onde 𝑥, 𝑦 ∈ ℝ.
W é um subespaço de ℝ4
?
7) Seja W o conjunto de todos os vetores do ℝ3
da forma (x, y, x2
+ y2
), onde 𝑥, 𝑦 ∈ ℝ.
W é um subespaço de ℝ3
?
8) Seja W o conjunto de todos os vetores ℝ4
da forma (x, y, x+1, 2x + y – 3), onde 𝑥, 𝑦 ∈ ℝ.
W é um subespaço de ℝ4
?
9) Dados os conjuntos W em cada espaço vetorial V indicado proceda assim:
i) Reescreva W apresentando seu vetor genérico;
ii) Verifique se W é subespaço vetorial de V.
a) 𝑊 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ ℝ4
; 𝑥 = 𝑦 e 𝑧 = 2𝑡} sendo 𝑉 = ℝ4
;
b) W é o conjunto de todas as matrizes identidade de ordem 𝑛 × 𝑛, sendo 𝑉 = 𝑀(𝑛, 𝑛);
c) 𝑊 = {(𝑥, 𝑦) ∈ ℝ2
; 𝑦 ≤ 0} sendo 𝑉 = ℝ2
;
d 𝑊 = {(𝑎, 2𝑎, 3𝑎); 𝑎 ∈ ℝ} sendo 𝑉 = ℝ3
.
10) Considere o subespaço de ℝ3
gerado pelos vetores v1=(1,1,0), v2=(1,-1,1) e v3=(1,1,1). O espaço
gerado por esses vetores é igual ao ℝ3
? Por quê?
8. Interseção, união e soma de subespaços
8.1. Interseção
Dados W1 e W2 subespaços de um espaço vetorial V, a interseção 𝑊1 ∩ 𝑊2 sempre será subespaço de V.
Prova: Inicialmente observamos que 𝑊1 ∩ 𝑊2 nunca é vazio, pois ambos contêm o vetor nulo de V. Assim,
basta verificar as condições de soma e produto por escalar apresentadas anteriormente para os
subespaços. Suponha então 𝑤 𝑒 𝑣 ∈ 𝑊1 ∩ 𝑊2
W1 é subespaço ↔
𝑤 + 𝑣 ∈ 𝑊1
𝛼𝑣 ∈ 𝑊1
W2 é subespaço ↔
𝑤 + 𝑣 ∈ 𝑊2
𝛼𝑣 ∈ 𝑊2
, deste modo →
𝑤 + 𝑣 ∈ 𝑊1 ∩ 𝑊2
𝛼𝑣 ∈ 𝑊1 ∩ 𝑊2
Exemplo: Seja 𝑉 = ℝ3
, 𝑊1 ∩ 𝑊2 é a reta de interseção dos planos 𝑊1 e 𝑊2.
26. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 26 de 40
Exemplo:
Seja 𝑉 = 𝑀(𝑛, 𝑛) e
𝑊1 = 𝑀𝑎𝑡𝑟𝑖𝑧𝑒𝑠 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟𝑒𝑠 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟𝑒𝑠
𝑊2 = {𝑀𝑎𝑡𝑟𝑖𝑧𝑒𝑠 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟𝑒𝑠 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟𝑒𝑠}
, então
𝑊1 ∩ 𝑊2 = 𝑀𝑎𝑡𝑟𝑖𝑧𝑒𝑠 𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑖𝑠 .
8.2. Soma
Podemos construir um conjunto que contenha 𝑊1 e 𝑊2 e ainda é subespaço de V. Este conjunto será
formado por todos os vetores de V que forem a soma de vetores de W1 com vetores de W2.
𝑊1 + 𝑊2 = 𝑢 ∈ 𝑉 / 𝑢 = 𝑣 + 𝑤 𝑐𝑜𝑚 𝑣 ∈ 𝑊1 𝑒 𝑤 ∈ 𝑊2
Prova:
Dados:
𝑢 = 𝑤 + 𝑣 ∈ 𝑊1 + 𝑊2 𝑜𝑛𝑑𝑒 𝑣 ∈ 𝑊1 𝑒 𝑤 ∈ 𝑊2
𝑢′ = 𝑤′ + 𝑣′ ∈ 𝑊1 + 𝑊2 𝑜𝑛𝑑𝑒 𝑣′ ∈ 𝑊1 𝑒 𝑤′ ∈ 𝑊2
Temos que:
𝑢 + 𝑢′ = 𝑤 + 𝑣 + 𝑤′ + 𝑣′ = 𝑣 + 𝑣′ + 𝑤 + 𝑤′ ∈ 𝑊1 + 𝑊2
𝛼𝑢 = 𝛼 𝑤 + 𝑣 = 𝛼𝑤 + 𝛼𝑣 𝑜𝑛𝑑𝑒 𝛼𝑤 ∈ 𝑊1 𝑒 𝛼𝑣 ∈ 𝑊2 𝑙𝑜𝑔𝑜 𝛼𝑢 ∈ 𝑊1 + 𝑊2
Caso os dois subespaços sejam retas não-colineares, a soma deles equivale ao plano formado por elas.
Se as parcelas 𝑊1 e 𝑊2 têm interseção 𝑊1 ∩ 𝑊2 = 0 , a soma 𝑊1 + 𝑊2 é dita soma direta e é denotada
por 𝑊1⨁𝑊2.
27. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 27 de 40
Exemplo: Seja 𝑊1 =
𝑎 𝑏
0 0
e 𝑊2 =
0 0
𝑐 𝑑
, onde a, b, c, d ∈ ℝ, então 𝑊1 + 𝑊2 =
𝑎 𝑏
𝑐 𝑑
= 𝑀(2,2).
Esta é uma soma direta, pois 𝑊1 ∩ 𝑊2 =
0 0
0 0
= 0.
8.3. União
A união de dois subespaços 𝑊1 e 𝑊2, diferente da soma, é um conjunto que contém exatamente todos os
elementos de 𝑊1 e de 𝑊2. Deste modo, nem sempre a união de subespaços é um subespaço.
Exemplo:
𝑊1 = (𝑥, 0) / 𝑥 ∈ ℝ = 𝑥(1,0) / 𝑥 ∈ ℝ
𝑊2 = (0, 𝑦) / 𝑦 ∈ ℝ = 𝑦(0,1) / 𝑦 ∈ ℝ
W1 e W2 são retas que passam pela origem. Assim, 𝑊1 ∩ 𝑊2 = 0 e 𝑊1 ∪ 𝑊2 é o feixe formado pelas
duas retas, que não é subespaço vetorial de ℝ3
. De fato, se somarmos os dois vetores 𝑣 𝑒 𝑤, vemos que
𝑣 + 𝑤 está no plano que contém 𝑊1 e 𝑊2, mas 𝑣 + 𝑤 ∉ 𝑊1 ∪ 𝑊2.
8.4. Questões
1) Sejam 𝑊1 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ ℝ4
|𝑥 + 𝑦 = 0 e 𝑧 − 𝑡 = 0} e 𝑊2 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ ℝ4
|𝑥 − 𝑦 − 𝑧 + 𝑡 = 0}
subespaços de ℝ4
.
a) Determine 𝑊1 ∩ 𝑊2
b) Exiba uma base para 𝑊1 ∩ 𝑊2
c) Determine 𝑊1 + 𝑊2
d) 𝑊1 + 𝑊2 é soma direta? Justifique.
e) 𝑊1 + 𝑊2 = ℝ4
?
9. Combinação linear
Considere um conjunto de vetores qualquer, pertencente a um espaço vetorial V. Já foi mostrado que
somar estes vetores entre si em qualquer combinação resultará em um vetor pertencente a V. Também
28. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 28 de 40
foi mostrado que multiplicar cada vetor por um escalar também gera um resultado pertencente a V, caso
contrário V não seria um espaço vetorial.
De fato, sejam 𝑣1, 𝑣2, … , 𝑣 𝑛 ∈ 𝑉 e sejam os escalares 𝑎1, 𝑎2, … , 𝑎 𝑛 ∈ ℝ. Então qualquer vetor 𝑣 da forma
𝑣 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + … + 𝑎 𝑛 𝑣𝑛
é um elemento do mesmo espaço vetorial V.
Por ter sido gerado pelos vetores primitivos 𝑣1, … , 𝑣 𝑛, o vetor 𝑣 é denominado o resultado de uma
combinação linear de 𝑣1, … , 𝑣 𝑛.
O conjunto de escalares {𝑎1, … , 𝑎 𝑛 } é arbitrário, mas sendo um conjunto de números reais, o vetor 𝑣
sempre pertencerá a V.
O vetor 𝑣 não é único, pois para cada combinação de escalares pode gerar um vetor 𝑣 diferente.
Exemplo: O vetor 𝑣 = (−4, −18,7) é combinação linear dos vetores 𝑣1 = 1, −3,2 e 𝑣2 = (2,4, −1), já
que 𝑣 pode ser escrito como 𝑣 = 2𝑣1 − 3𝑣2.
9.1. Questões
1) Quais dos seguintes vetores são combinação linear de 𝑥1, 𝑥2 e 𝑥3?
𝑥1 = 4,2, −3 , 𝑥2 = (2,1, −2) e 𝑥3 = (−2, −1,0)
a) (1,1,1)
b) 4,2, −6
c) −2, −1,1
d) (−1,2,3)
2) Escreva 𝐸 como combinação linear de 𝐴 =
1 1
0 −1
, 𝐵 =
1 1
−1 0
, 𝐶 =
1 −1
0 0
, onde:
a) 𝐸 =
3 −1
1 −2
b) 𝐸 =
2 1
−1 −2
3) Considere os vetores 𝑢 = (1, −3,2) e 𝑣 = (2, −1,1) em ℝ3
.
a) Escreva (1,7, −4) como combinação linear de 𝑢 e 𝑣.
b) Escreva (2, −5,4) como combinação linear de 𝑢 e 𝑣.
c) Para que valor de 𝑘 o vetor (1, 𝑘, 5) é uma combinação linear de 𝑢 e 𝑣?
d) Procure uma condição para 𝑎, 𝑏 e 𝑐 de modo que (𝑎, 𝑏, 𝑐) seja combinação linear de 𝑢 e 𝑣.
4) Determinar o valor de 𝑘 para que o vetor 𝑢 = (−1, 𝑘, −7) seja combinação linear de 𝑣1 = (1,3,2) e
𝑣2 = (2,4,1).
29. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 29 de 40
10.Subespaços gerados
Um conjunto de vetores {𝑣1, 𝑣2, … , 𝑣 𝑛 } pode construir vetores 𝑣 por meio de combinação linear. Fazendo
todas as combinações possíveis (isto é, fazendo cada escalar ter todos os valores reais possíveis), o
conjunto constrói uma infinidade de vetores que compõem um conjunto expandido. Esse conjunto é um
subespaço vetorial. O conjunto 𝑣1, … , 𝑣 𝑛 é chamado de conjunto de vetores de base, pois, em termos
formais, ele gerou o subespaço W, definido abaixo.
Definição: Um subespaço gerado por um conjunto de vetores 𝐵 = 𝑣1, … , 𝑣 𝑛 é o conjunto de todos os
vetores V que são combinações lineares dos vetores 𝑣1, … , 𝑣 𝑛 ∈ 𝑉.
𝑊 = 𝑣1, … , 𝑣 𝑛 = {𝑣 ∈ 𝑉 / 𝑣 = 𝑎1 𝑣1+. . . +𝑎𝑖 𝑣𝑖+. . . + 𝑎 𝑛 𝑣𝑛 , 𝑐𝑜𝑚 𝑎𝑖 ∈ ℝ, 1 ≤ 𝑖 ≤ 𝑛}
Obs.: A notação de colchetes informa que o conjunto W é o conjunto gerado por 𝑣1, … , 𝑣 𝑛 . Não
confundir com o próprio conjunto gerador 𝑣1, … , 𝑣 𝑛 . Ou seja, 𝑣1, 𝑣2 é um conjunto com infinitos
vetores formados da combinação destes dois e {𝑣1, 𝑣2} é um conjunto com apenas dois vetores.
Exemplo: Seja 𝑉 = ℝ3
e 𝑣 ∈ 𝑉 (sendo 𝑣 ≠ 0), então 𝑣 = {𝑎𝑣, 𝑎 ∈ ℝ} é a reta que contém o vetor 𝑣,
pois é o conjunto de todos os vetores com a mesma direção de 𝑣 que tem origem em (0,0).
Exemplo: Se 𝑣1, 𝑣2 ∈ ℝ3
são tais que 𝛼𝑣1 ≠ 𝑣2 qualquer que seja 𝛼 ∈ ℝ, então 𝑣1, 𝑣2 será o plano que
passa pela origem e contém 𝑣1 e 𝑣2:
A condição 𝛼𝑣1 ≠ 𝑣2 é importante para garantir que os dois vetores gerem um plano. Caso ela não seja
satisfeita, os vetores 𝑣1 e 𝑣2 seriam colineares, e não existira nenhuma combinação deles que pudesse
gerar um vetor que não pertencesse à reta que eles geram.
30. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 30 de 40
Nota-se que um conjunto gerador de dois elementos que um é combinação linear do outro equivale a um
conjunto gerador com apenas um desses dois elementos.
Assim, se 𝑣3 ∈ 𝑣1, 𝑣2 , então 𝑣1, 𝑣2, 𝑣3 = 𝑣1, 𝑣2 , pois todo vetor que pode ser escrito como
combinação linear de 𝑣1, 𝑣2, 𝑣3 é uma combinação linear apenas de 𝑣1 e 𝑣2, já que 𝑣3 é combinação
linear de 𝑣1 e 𝑣2.
Exemplificando:
Seja 𝐵 = {𝑣1, 𝑣2, 𝑣3} tal que 𝑣3 = 𝑝𝑣1 + 𝑞𝑣2.
Um elemento qualquer do conjunto gerado por B é da forma:
𝑣 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + 𝑎3 𝑣3 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + 𝑎3(𝑝𝑣1 + 𝑞𝑣2)
= 𝑎1 + 𝑝𝑎3 𝑣1 + 𝑎2 + 𝑞𝑎3 𝑣2 = 𝑏1 𝑣1 + 𝑏2 𝑣2
Exemplo: Seja 𝑉 = ℝ2
, 𝑣1 = (1,0) e 𝑣2 = (0,1).
Assim, 𝑉 = 𝑣1, 𝑣2 , pois dado 𝑣 = (𝑥, 𝑦) ∈ 𝑉, temos 𝑥, 𝑦 = 𝑥 1,0 + 𝑦(0,1), ou seja, 𝑣 = 𝑥𝑣1 + 𝑦𝑣2.
Exemplo: Seja 𝑣1 =
1 0
0 0
e 𝑣2 =
0 1
0 0
, então 𝑣1, 𝑣2 =
𝑎 𝑏
0 0
, 𝑐𝑜𝑚 𝑎 𝑒 𝑏 ∈ ℝ
Observa-se que se em um conjunto gerador existir algum vetor que é combinação linear de outros
elementos do próprio conjunto gerador, esse elemento é inútil. Eliminá-lo do conjunto gerador não
modifica o conjunto gerado. Tal propriedade pode ser verificada lembrando que a combinação linear é
uma soma de vetores, e que a parcela da soma do vetor que é gerado por outros pode ser substituída
pelos próprios vetores que o geram.
Assim, qualquer elemento do conjunto gerado por B pode ser escrito como combinação linear de apenas
𝑣1 e 𝑣2. Surge então a necessidade de verificar quando um vetor é combinação linear de outros.
10.1. Questões
1) Quais dos seguintes conjuntos de vetores é um conjunto gerador de ℝ4
?
a) {(1,0,0,1); (0,1,0,0); (1,1,1,1); (0,1,1,1)}
b) {(1, −1,0,2); (3, −1,2,1); (1,0,0,1)}
c) {(0,0,1,1); (−1,1,1,2);(1,1,0,0); (2,1,2,1)}
2) Resolva o seguinte sistema, usando a Regra de Cramer:
𝑥 − 2𝑦 + 𝑧 = 1
2𝑥 + 𝑦 = 3
𝑦 − 5𝑧 = 4
31. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 31 de 40
11. Dependência e Independência Linear
Um conjunto de vetores é dito linearmente independente (freqüentemente indicado por LI) quando
nenhum elemento contido nele é gerado por uma combinação linear dos outros (lembrar o conceito de
combinação linear apresentado anteriormente). Naturalmente, um conjunto de vetores é dito
linearmente dependente (LD) se pelo menos um de seus elementos é combinação linear dos outros.
Sejam V um espaço vetorial e 𝑣1, … , 𝑣 𝑛 ∈ 𝑉.
Dizemos que o conjunto 𝑣1, … , 𝑣 𝑛 ou que os vetores 𝑣1, … , 𝑣 𝑛 são linearmente independentes (LI) se a
equação
𝑎1 𝑣1+. . . + 𝑎 𝑛 𝑣𝑛 = 0
admitir apenas a solução trivial, isto é: 𝑎1 = . . . = 𝑎 𝑛 = 0
Se existir algum 𝑎𝑗 ≠ 0, dizemos que 𝑣1, … , 𝑣 𝑛 ou que os vetores 𝑣1, … , 𝑣 𝑛 são linearmente
dependentes (LD).
Em outras palavras, o conjunto 𝑣1, … , 𝑣 𝑛 é LD se, e somente se um destes vetores for combinação linear
dos outros.
Prova:
Sejam 𝑣1, … , 𝑣 𝑛 LD e 𝑎1 𝑣1+. . . +𝑎𝑗 𝑣𝑗 +. . . + 𝑎 𝑛 𝑣 𝑛 = 0. Suponha que 𝑎𝑗 ≠ 0 (para ser LD).
Então 𝑣𝑗 =
−1
𝑎 𝑗
𝑎1 𝑣1+. . . +𝑎𝑗−1 𝑣𝑗−1 + 𝑎𝑗+1 𝑣𝑗+1+. . . + 𝑎 𝑛 𝑣 𝑛 .
Portanto, 𝑣𝑗 é combinação linear.
Por outro lado, se tivermos 𝑣1, … , 𝑣𝑗 , … , 𝑣 𝑛 tal que para algum 𝑗
𝑣𝑗 = 𝑏1 ∙ 𝑣1 + ⋯ + 𝑏𝑗−1 ∙ 𝑣𝑗−1 + 𝑏𝑗+1 ∙ 𝑣𝑗+1 + ⋯ + 𝑏 𝑛 ∙ 𝑣 𝑛
Então, 𝑏1 ∙ 𝑣1 + ⋯ − 𝑣𝑗 + ⋯ + 𝑏 𝑛 ∙ 𝑣 𝑛 = 0
Logo, 𝑏𝑗 = −1 e, portanto, V é LD.
A Independência Linear tem uma interpretação geométrica útil:
i) Seja 𝑉 = 𝑅2
e 𝑣1, 𝑣2 ∈ 𝑉. 𝑣1, 𝑣2 é LD se e somente se 𝑣1 e 𝑣2 estiverem na mesma reta quando
colocados com seus pontos iniciais na origem 𝑣1 = 𝜆 ∙ 𝑣2 *são pararlelos:
32. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 32 de 40
ii) Seja 𝑉 = 𝑅3
e 𝑣1, 𝑣2, 𝑣3 e 𝑉. 𝑣1, 𝑣2, 𝑣3 é LD se estes 3 vetores estiverem no mesmo plano quando
colocados com seus pontos iniciais na origem:
Exemplo: Os vetores 1 (2,2,0)v
, 2 (0,5, 3)v
e 3 (0,0,4)v
são LI ou LD?
Solução: Verificando a expressão 1 2 3(2,2,0) (0,5, 3) (0,0,4) (0,0,0)a a a
1 1
1 2 2
2 3 3
2 0 0
2 5 0 0
3 4 0 0
a a
a a a
a a a
Logo, como o sistema admite somente a solução trivial, os vetores são LI.
11.1. Questões
1) Considere dois vetores (𝑎, 𝑏) e (𝑐, 𝑑) no plano. Se 𝑎𝑑 − 𝑏𝑐 = 0, mostre que eles são LD. Se 𝑎𝑑 − 𝑏𝑐 ≠
0, mostre que eles são LI.
2) Para quais valores de 𝑎 o conjunto de vetores {(3,1,0); (𝑎2
+ 2,2,0)} é LD?
3) Verifique se os polinômios seguintes são linearmente dependentes ou independentes.
a) 𝑡2
− 2𝑡 + 3, 2𝑡2
+ 𝑡 + 8 e 𝑡2
+ 8𝑡 + 7
33. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 33 de 40
b) 𝑡2
− 1, 𝑡 + 1 e 𝑡 + 2
4) Ache as relações lineares não triviais satisfeitas pelos seguintes conjuntos de vetores.
a) (2,1,1), 3, −4,6 e (4, −9,11) ∈ ℝ3
b) (2,1), (−1,3) e (4,2) ∈ ℝ2
c) (1,0,2,4), 0,1,9,2 e (−5,2,8, −16) ∈ ℝ4
R4
d) (1,4), 3, −1 e (2,5) ∈ ℝ2
5) Verifique se o conjunto a seguir é LD ou LI: {(1,2𝑥, −𝑥2
), (2, −𝑥, 3𝑥2
), (3, −4𝑥, 7𝑥2
)}.
12. Base de um espaço vetorial
Considere um espaço vetorial V. Admita a existência de um subconjunto B desse espaço (não
necessariamente um subespaço) tal que B gere V por combinação linear. Notar que para um espaço
particular V, B não é único, vários conjuntos B distintos podem gerar V. De fato, o próprio V pode gerar
ele mesmo. Porém, é mais simples trabalhar com conjuntos menores, e é de interesse resumir um grande
conjunto V em um pequeno conjunto B. Foi verificado acima que dentro de B quaisquer elementos
formados por combinações lineares dos outros são “inúteis”. Ou seja, se B for um conjunto LD, existe pelo
menos um vetor “inútil”, que pode ser eliminado para tornar B menor e mais simples. O processo pode
continuar até que B se torne LI. Se B é LI, e ainda consegue gerar V (Lembre-se que a eliminação de
elementos LD de um conjunto gerador não modifica o conjunto gerado) é denominado base.
Uma base de um espaço vetorial é um conjunto LI gerador deste espaço. É também a maneira mais
simples de “resumir” o espaço.
Condições:
i) {𝑣1, … , 𝑣 𝑛} é LI
ii) 𝑣1, … , 𝑣 𝑛 = 𝑉 (O conjunto gera V) Atenção! Todo conjunto LI de um vetorial V é base de um
subespaço gerado por ele.
Exemplo: Prove que {(1,1),( 1,0)}B é base de 2
R
Solução:
i) (1,1) ( 1,0) (0,0)a b ( , ) (0,0) 0a b a a b B é LI
ii) (1,1) ( 1,0) ( , )a b x y
34. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 34 de 40
2
( , ) ( , ) gera
a b x b y x
a b a x y B R
a y
Exemplo: Prove que {(0,1),(0,2)} Não é base de
2
R
Solução:
i)
(0,1) (0,2) (0,0)
(0, 2 ) (0,0) 2
a b
a b a b
Mas como 𝑎 e 𝑏 não são necessariamente zero, o conjunto é LD.
Exemplo: 1,0,0 , 0,1,0 não é base de ℝ3
. É LI, mas não gera todo ℝ3
, isto é, 1,0,0 , 0,1,0 ≠ ℝ3
𝑎 ∙ 1,0,0 + 𝑏 ∙ 0,1,0 = 𝑥, 𝑦, 𝑧
𝑎, 𝑏, 0 = 𝑥, 𝑦, 𝑧 ⟹ 𝑧 = 0
Como o ℝ3
não é composto apenas de pontos com a coordenada z nula, os dois vetores não podem ser
base.
Exemplo: 𝑉 = 𝑀 2,2 .
1 0
0 0
;
0 1
0 0
;
0 0
1 0
;
0 0
0 1
é uma base de 𝑉.
Observação: Existem espaços que não tem base finita, principalmente quando trabalhamos com espaços
de funções. Então, precisaremos de um conjunto infinito de vetores para gerar o espaço. Isto não implica
que estamos trabalhando com combinações lineares infinitas, mas sim, que cada vetor do espaço é uma
combinação linear finita daquela “base infinita”. Ou seja, para cada vetor dado, podemos escolher uma
quantidade finita de vetores da base para escrevê-lo. Por exemplo, o conjunto de todos polinômios de
coeficientes reais formam um espaço vetorial. Uma base naturalmente definida é {1, 𝑥, 𝑥2
, 𝑥3
, . . . }, que é
infinita, pois não há restrição para o grau do polinômio. Porém, para formar um polinômio particular é
possível utilizar um número finito de elementos da base.
Teorema: Sejam 𝑣1, … , 𝑣 𝑛 vetores não nulos que geram um espaço vetorial 𝑉. Dentre estes vetores
podemos extrair uma base de 𝑉.
Prova:
i) Se 𝑣1, … , 𝑣 𝑛 são LI, eles cumprem as condições para uma base e não temos mais nada a fazer.
35. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 35 de 40
ii) Se 𝑣1, … , 𝑣 𝑛 são LD, então existe uma combinação linear deles com algum coeficiente diferente de zero,
dando o vetor nulo: 𝑥1 ∙ 𝑣1 + … + 𝑥 𝑛 ∙ 𝑣 𝑛 = 0
Por exemplo, seja 𝑥 𝑢 ≠ 0, então:
𝑣 𝑛 = −
𝑥1
𝑥 𝑛
∙ 𝑣1 −
𝑥2
𝑥 𝑛
∙ 𝑣2 − ⋯ − −
𝑥 𝑛−1
𝑥 𝑛
∙ 𝑣 𝑛−1.
Ou seja, 𝑣 𝑛 é uma combinação linear de 𝑣1, … , 𝑣 𝑛−1 e, portanto 𝑣1, … , 𝑣 𝑛−1 ainda geram 𝑉.
Se 𝑣1, … , 𝑣 𝑛−1 ainda for LD, podemos prosseguir da mesma forma até chegar a um subconjunto
𝑣1, … , 𝑣𝑟 com 𝑟 ≤ 𝑛 que ainda geram 𝑉, ou seja, formaremos uma base.
Isto é, de um espaço gerador qualquer é possível retirar elementos “inúteis” até que ele se torne uma
base. Veremos agora uma propriedade curiosa dos espaços vetoriais: o número de elementos de
qualquer base de um espaço vetorial particular é constante, independe da base escolhida. Este número é
uma propriedade inerente à natureza do espaço.
Teorema: Seja um espaço vetorial 𝑉 gerado por um conjunto de vetores 𝑣1, … , 𝑣 𝑛. Então, qualquer
conjunto LI tem no máximo "𝑛" vetores.
Prova: Como 𝑣1, … , 𝑣 𝑛 = 𝑉, então podemos extrair uma base para 𝑉. Seja {𝑣1, … , 𝑣𝑟} com 𝑟 ≤ 𝑛, esta
base. Considere agora 𝑤1, 𝑤2, … , 𝑤 𝑚 , 𝑚 vetores de 𝑉, com 𝑚 > 𝑛.
Então, existem constantes tais que:
(𝑖)
𝑤1 = 𝑎11 ∙ 𝑣1 + 𝑎12 ∙ 𝑣2+. . . +𝑎1𝑟 ∙ 𝑣𝑟
𝑤2 = 𝑎21 ∙ 𝑣1 + 𝑎22 ∙ 𝑣2+. . . +𝑎2𝑟 ∙ 𝑣𝑟
⋮
𝑤 𝑚 = 𝑎 𝑚1 ∙ 𝑣1 + 𝑎 𝑚2 ∙ 𝑣2+. . . +𝑎 𝑚𝑟 ∙ 𝑣𝑟
Consideremos agora uma função linear de 𝑤1, … , 𝑤𝑛 dando zero:
(𝑖𝑖)0 = 𝑥1 ∙ 𝑤1 + 𝑥2 ∙ 𝑤2+. . . +𝑥 𝑚 ∙ 𝑤 𝑚
Substituindo (𝑖) em (𝑖𝑖), temos:
0 = 𝑥1 ∙ 𝑎11 ∙ 𝑣1 + 𝑎12 ∙ 𝑣2+. . . +𝑎1𝑟 ∙ 𝑣𝑟 +. . . +𝑥 𝑚 ∙ 𝑎 𝑚1 ∙ 𝑣1 + 𝑎 𝑚2 ∙ 𝑣2+. . . +𝑎 𝑚𝑟 ∙ 𝑣𝑟
0 = 𝑎11 ∙ 𝑥1 + 𝑎21 ∙ 𝑥2+. . . +𝑎 𝑚1 ∙ 𝑥 𝑚 ∙ 𝑣1 + ⋯ + 𝑎1𝑟 ∙ 𝑥1 + 𝑎2𝑟 ∙ 𝑥 𝑟 +. . . +𝑎 𝑚𝑟 ∙ 𝑥 𝑚 ∙ 𝑣𝑟
Como 𝑣1, 𝑣2, … , 𝑣 𝑛 são LI, então os coeficientes dessa equação devem ser nulos:
36. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 36 de 40
𝑎11 ∙ 𝑥1+. . . 𝑎 𝑚1 ∙ 𝑥 𝑚 = 0
⋮
𝑎1𝑟 ∙ 𝑥1+. . . 𝑎 𝑚𝑟 ∙ 𝑥 𝑚 = 0
Temos então um sistema linear homogêneo com 𝑟 equações e 𝑚 incógnitas 𝑥1, … , 𝑥 𝑚 e, como
𝑟 ≤ 𝑛 < 𝑚, ele admite uma solução não trivial, ou seja, existe uma solução com algum 𝑥𝑖 não nulo.
Portanto 𝑤1, … , 𝑤 𝑚 são LD.
12.1. Questões
1) Quais são as coordenadas de x = (1,0,0) em relação à base β = {(1,1,1),(-1,1,0),(1,0,-1)}?
13. Dimensão
A dimensão de um espaço vetorial 𝑉 é definida como o número de vetores de uma base de 𝑉 e é
denotada por 𝑑𝑖𝑚 𝑉. Se 𝑉 não possui base, 𝑑𝑖𝑚 𝑉 = 0.
Qualquer base de um espaço vetorial tem sempre o mesmo número de elementos e o número de bases
para cada espaço vetorial é infinito.
Exemplo: 𝑑𝑖𝑚ℝ2
= 2, pois toda base do ℝ2
tem dois vetores, como { 1,0 ; 0,1 } ou { 1,1 ; 0,1 }.
Exemplo: 𝑑𝑖𝑚ℝ 𝑛
= 𝑛.
Exemplo: 𝑑𝑖𝑚𝑀 2,2 = 4.
Exemplo: 𝑑𝑖𝑚𝑀 𝑚, 𝑛 = 𝑚𝑥𝑛.
Exemplo: 𝑑𝑖𝑚𝑃𝑛 = 𝑛 + 1 (polinômios de grau n).
Exemplo: dim 0 = 0, pois a origem é apenas um ponto.
Observação: Quando um espaço vetorial V admite uma base finita, dizemos que V é um espaço vetorial de
dimensão finita.
Teorema: Qualquer conjunto de vetores LI de um espaço vetorial V de dimensão finita pode ser
completado de modo a formar uma base de V.
Prova: Seja 𝑑𝑖𝑚𝑉 = 𝑛 e 𝑣1, … , 𝑣𝑖 vetores LI, com 𝑖 ≤ 𝑛.
i) Se 𝑣1, … , 𝑣𝑖 = 𝑉, então 𝑖 = 𝑛 e o conjunto forma uma base.
ii) Se existe 𝑣𝑖+1 ∈ 𝑉 tal que 𝑣𝑖+1 ∉ 𝑣1, … , 𝑣𝑖 , isto é, 𝑣𝑖+1 não é uma combinação linear de 𝑣1, … , 𝑣𝑖,
então {𝑣1, … , 𝑣𝑖, 𝑣𝑖+1} é LI. Se 𝑣1, … , 𝑣𝑖, 𝑣𝑖+1 = 𝑉, então {𝑣1, … , 𝑣𝑖, 𝑣𝑖+1} é a base procurada. Caso
contrário, existe 𝑣𝑖+2 ∉ 𝑣1, … , 𝑣𝑖, 𝑣𝑖+1 e {𝑣1, … , 𝑣𝑖, 𝑣𝑖+1, 𝑣𝑖+2} é LI. Se 𝑣1, … , 𝑣𝑖, 𝑣𝑖+1, 𝑣𝑖+2 = 𝑉,
37. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 37 de 40
nossa prova está concluída. Se não, prosseguimos analogamente. Como não poderemos ter mais do
que n vetores LI em V, então após um número finito de passos teremos obtido uma base de V.
Teorema: Se 𝑑𝑖𝑚𝑉 = 𝑛, qualquer conjunto de n vetores LI formará uma base de V.
Prova: Se não formasse uma base, poderíamos completar o conjunto até formá-la e dessa forma teríamos
uma base com mais do que n vetores em V, o que é um absurdo.
Teorema: Se U e W são subespaços de um espaço vetorial V que tem dimensão finita, então 𝑑𝑖𝑚𝑈 ≤
𝑑𝑖𝑚𝑉 e 𝑑𝑖𝑚𝑊 ≤ 𝑑𝑖𝑚𝑉. Além disso:
dim 𝑈 + 𝑊 = 𝑑𝑖𝑚𝑈 + 𝑑𝑖𝑚𝑊 − dim(𝑈 ∩ 𝑊)
Para permitir uma interpretação geométrica, consideramos o espaço tridimensional ℝ3
. A dimensão de
qualquer subespaço S de ℝ3
só poderá ser 0,1,2 ou 3. Portanto, temos os seguintes casos:
i) 𝑑𝑖𝑚𝑆 = 0, então 𝑆 = {0}. Ou seja, o subespaço é a origem (apenas um ponto);
ii) 𝑑𝑖𝑚𝑆 = 1, então S é uma reta que passa pela origem;
iii) 𝑑𝑖𝑚𝑆 = 2, então S é um plano que passa pela origem;
iv) 𝑑𝑖𝑚𝑆 = 3, então S é o próprio ℝ3
.
13.1. Questões
1) Ilustre com um exemplo a proposição: “se U e W são subespaços de um espaço vetorial V que tem
dimensão finita então dim 𝑈 + 𝑊 = 𝑑𝑖𝑚𝑈 + 𝑑𝑖𝑚𝑊 − dim(𝑈 ∩ 𝑊)”.
2) Escreva uma base para o espaço vetorial das matrizes 2 × 2. Qual a dimensão desse espaço?
3) Resolva a questão anterior considerando o espaço das matrizes 3 × 3. E qual seria a dimensão de um
espaço de matrizes 𝑛 × 𝑛?
4) Seja V o espaço das matrizes 2 × 2, e seja W o subespaços gerado por
1 −5
−4 2
,
1 1
−1 5
,
2 −4
−5 7
,
1 −7
−5 1
Encontre uma base e a dimensão de W.
5) Considere o subespaço de ℝ4
gerado pelos vetores 𝑣1 = (1, −1,0,0), 𝑣2 = (0,0,1,1),
𝑣3 = −2,2,1,1 e 𝑣4 = (1,0,0,0).
a) O vetor (2, −3,2,2) pertence a [𝑣1, 𝑣2, 𝑣3, 𝑣4]? Justifique.
b) Exiba uma base para [𝑣1, 𝑣2, 𝑣3, 𝑣4]. Qual a dimensão?
c) 𝑣1, 𝑣2, 𝑣3, 𝑣4 = ℝ4
? Por quê?
38. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 38 de 40
14. Mudança de base
Sejam 𝛽 = {𝑢𝑖, … , 𝑢 𝑛 } e 𝛽′ = {𝑤𝑖, … , 𝑤𝑛 } duas bases ordenadas de um mesmo espaço vetorial V de
dimensão 𝑛. Dado 𝑣 ∈ 𝑉, podemos escrevê-lo como:
(i)
1 1
1 1
...
...
n n
n n
v x u x u
v y w y w
Devemos relacionar 𝑣 𝛽 =
𝑥1
…
𝑥 𝑛
com 𝑣 𝛽′ =
𝑦1
…
𝑦𝑛
.
Já que {𝑢1, … 𝑢 𝑛 } é base de V, podemos escrever os vetores 𝑤𝑖 como combinação linear dos vetores 𝑢𝑖:
(ii)
1 11 1 21 2 1
2 12 1 22 2 2
1 1 2 2
...
...
...
...
n n
n n
n n n nn n
w a u a u a u
w a u a u a u
w a u a u a u
Substituindo (ii) na segunda equação de (i), temos:
1 1 ... n nv y w y w
= 1y ( 11 1 21 2 1... n na u a u a u
) + ... + ny ( 1 1 2 2 ...n n nn na u a u a u
)
11 1 1 1 1 1( ... ) ... ( ... )n n n nn n na y a y u a y a y u
Mas 1 1 ... n nv x u x u
, e, como as coordenadas em relação a uma base são únicas, temos:
1 11 1 1
1 1
...
...
...
n n
n n nn n
x a y a y
x a y a y
↔
𝑥1
…
𝑥 𝑛
=
𝑎11 … 𝑎1𝑛
⋮ ⋱ ⋮
𝑎 𝑛1 … 𝑎 𝑛𝑛
𝑦1
…
𝑦𝑛
A matriz dos coeficientes está atuando como uma matriz de mudança de base, pois transforma o vetor
𝑣 𝛽′ =
𝑦1
…
𝑦𝑛
em outro 𝑣 𝛽 =
𝑥1
…
𝑥 𝑛
, numa segunda base. Assim:
𝑎11 … 𝑎1𝑛
⋮ ⋱ ⋮
𝑎 𝑛1 … 𝑎 𝑛𝑛
= 𝐼 𝛽
𝛽′
Esta é a matriz de mudança de base da base 𝛽′para a base 𝛽.
Uma vez obtida 𝐼 𝛽
𝛽′
, podemos encontrar as coordenadas de qualquer vetor 𝑣 em relação à base 𝛽
multiplicando a matriz pelas coordenadas de 𝑣 em relação à base 𝛽′ (ambas as bases supostamente
conhecidas).
39. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 39 de 40
𝑣 𝛽 = 𝐼 𝛽
𝛽′
𝑣 𝛽′
Observação: Note que a matriz 𝐼 𝛽
𝛽′
é obtida de (ii) transpondo a matriz dos coeficientes.
Questão: Calcule 𝑣 𝛽 de 𝑣 = (5, −8) para 𝛽 = { 2, −1 ; 3,4 } e 𝛽′
= { 1,0 ; 0,1 }.
Solução 1:
i) Inicialmente, procurando 𝐼 𝛽
𝛽′
, então colocamos 𝛽′em função de 𝛽:
w1 = 1, 0 = a11 2, −1 + a21 3, 4 = 2a11 + 3a21, −a11 + 4a21
w2 = 0, 1 = a12 2, −1 + a22 3, 4 = 2a12 + 3a22, −a12 + 4a22
𝑎11 =
4
11
; 𝑎12 =
−3
11
; 𝑎21 =
1
11
; 𝑎22 =
2
11
Dessa forma,
11 12
21 22
4 3
11 11
1 2
11 11
a a
I
a a
ii)
4 3
5 411 115, 8 5, 8
1 2 3 1
11 11
I
Isto é, (5, 8) 4(2, 1) 1(3,4) ;
Solução 2: Basta resolver o sistema: (5, 8) (2, 1) (3,4)a b
2 3 5
4 8
a b
a b
4
1
a
b
Observação: O cálculo feito da matriz de mudança de base só é vantajoso quando se trabalha com vários
vetores, para não ter que resolver um sistema de equações a cada vetor.
14.1. A inversa da matriz de mudança de base
40. II Curso Pré-Engenharia Apostila de Álgebra Linear
Página 40 de 40
Um fato importante é que a matriz 𝐼 𝛽
𝛽′
é invertível e 𝐼 𝛽
𝛽′ −1
= 𝐼 𝛽′
𝛽
. Dessa forma, podemos usá-la
para encontrar 𝑣 𝛽′ pois 𝑣 𝛽′ = 𝐼 𝛽′
𝛽
𝑣 𝛽 .
14.2. Questões
1) Se [𝐼] 𝛼
𝑎′
=
1 1 0
0 −1 1
1 0 −1
, ache [𝑣] 𝑎′ onde [𝑣] 𝛼 =
−1
2
3
.
2) Se α é base de um espaço vetorial, qual é a matriz de mudança de base [𝐼] 𝛼
𝛼
?
3) Seja V o espaço vetorial de matrizes 2 × 2 triangulares superiores. Sejam 𝛽 e 𝛽′ duas bases de V tais
que 𝛽 =
1 0
0 0
,
0 1
0 0
,
0 0
0 1
e 𝛽′
=
1 0
0 0
,
1 1
0 0
,
1 1
0 1
.
a) Ache [𝐼] 𝛽
𝛽′
.
b) Mostre que 𝐼 𝛽
𝛽′ −1
= 𝐼 𝛽′
𝛽
.
4) Uma elipse em uma base cartesiana está rotacionada em um ângulo de 45° e sua base é formada pelos
vetores {(1,0); (0,1)}. Ache a matriz de mudança de base para uma nova base onde os vetores sejam
respectivamente (−1,1) e (2,2).