Notas de Aula de Álgebra Linear - Fábio Henrique Carvalho - 12.11.2013

Notas de Aula de
lgebra Linear
Fbio Henrique de Carvalho
Copyright
c 2013
Publicado por Fundao Universidade Federal do Vale do So Francisco (Univasf)
www.univasf.edu.br
Todos os direitos reservados. Nenhuma parte desta publicao poder ser reproduzida ou transmitida
de qualquer modo ou por qualquer outro meio, eletrnico ou mecnico incluindo fotocopia, gravao ou
qualquer outro tipo de sistema de armazenamento e transmisso de informao, sem previa autorizao,
por escrito dos autores.
Editorao Eletrnica: Pedro Henrique Arajo Sobral, Thiago Bonfim e Caque Veras de Menezes
Primeira impresso, abril de 2013.
R938v
Carvalho, Fbio Henrique
Fbio Henrique Carvalho
Juazeiro, Univasf. 2013
Inclui bibliografia
ISBN 658-62-6235-254-0
1. Calculo Diferencial e Integral. 2. Algebra Linear.
3. Calculo Numerico. 4. Geometria Analitica.
04-0357.
Sumrio
0 Preliminares: Sistemas Lineares, Matrizes e Eliminao Gaussiana 1

0.1 Equaes Lineares e Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2 Produto e Inverso de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.3 Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
0.4 Resoluo de Sistemas Lineares: O mtodo de Gauss-Seidel . . . . . . . . . . . . . . . . . 10
1 Espaos Vetoriais 23
1.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.2 Definio de Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 Subespaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4 Dependncia e Independncia Linear.
Base de um espao vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
iii
0
Preliminares: Sistemas Lineares,
Matrizes e Eliminao Gaussiana
0.1 Equaes Lineares e Matrizes

O objeto central de estudo da lgebra linear a resoluo de sistemas lineares. Em linhas gerais, um
sistema linear um conjunto de equaes lineares.
Definio 0.1.1 Considere as incgnitas x1 , x2 , . . . , xn e sejam a1 , a2 , . . . , an R (ou C, quando for

conveniente). A expresso
X
n
a1 x1 + a2 x2 + . . . + an xn = b aj xj = b (0.1.1)
j=1
chamada de equao linear nas incgnitas x1 , x2 , . . . , xn .
Os escalares a1 , a2 , . . . , an so chamados coeficientes da equao linear; b chamado termo indepen-

dente.
Uma soluo da equao linear uma n-upla (1 , 2 , . . . , n ) que torna a equao 0.1.1 verdadeira;
isto , substituindo 1 , 2 , . . . , n por x1 , x2 , . . . , xn , respectivamente, a igualdade satisfeita.
A natureza das incgnitas x1 , x2 , . . . , xn e, consequentemente, do termo independente b, depende do
contexto do problema a ser resolvido, como veremos nos exemplos a seguir.
Quando b nulo, a equao linear dita homognea.
Exemplo 0.1.1
Dada a funo afim f : R R, f(x) = ax + b, onde a, b R com a 6= 0, ao encontrarmos a raiz
b
de f estamos encontrando a soluo da equao linear ax = b, a saber, a . Aqui tanto a incgnita
x quanto a soluo so nmeros reais.
Exemplo 0.1.2
Quando consideramos o plano cartesiano R2 ,
a1 x + a2 y = b, onde a1 , a2 , b R, com a21 + a22 6= 0, (0.1.2)
a equao de uma reta ortogonal ao vetor (a1 , a2 ).
Encontrar um ponto (1 , 2 ) sobre tal reta determinar uma soluo da equao linear a1 x +
a2 y = b. Obviamente, esta equao apresenta uma infinidade de solues. Para ilustrar, considere
a1 = 2, a2 = 3 e b = 6; isto , a reta r : 2x + 3y = 6.
fcil verificar (verifique!) que (0, 2) , (3, 0) , (6, 2) , (3/2, 3) , (1/2, 5/3), so algumas das solues
da equao linear e, portanto, pontos sobre a reta r.
2 0. Preliminares: Sistemas Lineares, Matrizes e Eliminao Gaussiana
Exemplo 0.1.3
Dados a, b, c Z, uma equao da forma ax + by = c chamada equao diofantina linear (em
homenagem ao matemtico grego Diofanto) quando consideramos apenas suas solues no conjunto
dos nmeros inteiros Z. No estudo de tais equaes, um primeiro resultado garante que ax + by = c
tem soluo em Z se e somente se MDC (a, b) divide c. No nosso exemplo anterior, 2x + 3y = 6 possui
soluo em Z.
Exemplo 0.1.4
Consideremos o espao tridimensional R3 . Dados a1 , a2 , a3 , b R com a21 + a22 + a23 6= 0, a equao
linear
a1 x + a2 y + a3 z = b (0.1.3)
a equao de um plano. Tal plano ortogonal ao vetor (a1 , a2 , a3 ) (tambm chamado vetor normal
ao plano).
Uma soluo da Equao (0.1.3) um ponto pertencente ao plano : a1 x + a2 y + a3 z = b. No caso
particular em que a1 = a2 = a3 = b = 1, (1, 0, 0), (0, 1, 0), (0, 0, 1), (3, 1, 1), (2, 4, 1) so alguns
dos (infinitos) pontos sobre o plano : x + y + z = 1 e, consequentemente, tais trincas ordenadas so
algumas das (infinitas) solues da equao linear x + y + z = 1.
Antes de estabelecermos mais alguns exemplos, revisemos a noo de matriz, estudada no ensino
mdio.
Definio 0.1.2 Uma tabela composta por m linhas e n colunas da forma

a11 a12 a13 a1n
a21
a22 a23 a2n

.. .. .. .. ..
. . . . .
am1 am2 am3 amn

uma matriz A = aij mn . Observe que aij o elemento que est na i-sima linha e j -sima coluna
Dependendo do contexto podemos considerar aij R ou aij C. A ordem da matriz
da matriz.
A = aij mn mn (l-se m por n).

Na notao A = aij mn , evidentemente, 1 6 i 6 m e 1 6 j 6 n.

A matriz A = aij mn nula quando aij = 0 para todos i, j (representamos por Omn ). Quando

m = n, A = aij mn chamada matriz quadrada; neste caso, (1) se aij = 0, i > j, a matriz chamada
triangular superior e (2) se aij = 0, i < j, a matriz chamada triangular inferior.
Ainda sobre matrizes quadradas, os elementos da forma aii constituem a diagonal (ou diagonal prin-
cipal da matriz); a outra diagonal chamada diagonal secundria. Se uma matriz quadrada no nula ,
ao mesmo tempo, triangular superior e tambm triangular inferior, diremos que A = aij mn uma
matriz diagonal.
Evidentemente,

1 1 0 2
1 5 3
1 2 0 1 2 1
, 0 2 4 , so matrizes reais triangulares superiores 22, 33
0 1 0 0 3 1
0 0 0
0 0 0 4
e 44, respectivamente.

1 0 0
0 0
, 2 1 0 so matrizes triangulares inferiores 22 e 33, respectivamente.
1 2
0 1 2
Reviso Captulo 0: 12 de novembro de 2013

0.1. Equaes Lineares e Matrizes 3

0 0
0 0
0 2
0 0

0
uma matriz diagonal.
0
0 0
0 0
0 0

Quando A = aij mn uma matriz diagonal e aii = 1 para todo i, a matriz chamada matriz identidade
de ordem n e representada por In .
Obviamente,
1 0 0 0
1 0 0
1 0 0 1 0 0
I1 = [1] , I2 = , I3 = 0 1 0 , I4 =
0 0 1 0 , . . .

0 1
0 0 1
0 0 0 1
As operaes mais elementares com matrizes so definidas a seguir:

Definio 0.1.3 (Produto por Escalar) Dado um escalar c e uma matriz A = aij defi- mn

nimos a matriz cA pondo cA = caij mn , produto da matriz A pelo escalar c. Isto significa que
multiplicamos cada um dos elementos de A por c.
imediato verificar que

2 4 1 1 2 1/2 1 2 0 0
1 3 2 6 1
2 = , 1 3 8 = 1/2 3/2 4 e 0 0 1 = 0 0
2 0 4 0 2
4 1 1 2 1/2 1/2 1 2 0 0

Definio 0.1.4 (Adio de Matrizes) Dadas duas matrizes de mesma ordem A = aij mn
e

B = bij mn
definimos a matriz A + B pondo A + B = aij + bij mn
.
Assim,
1 3 1 5 2 3 6 1 4
+ =
2 1 4 2 0 5 0 1 1
e
1 2 1 1 2 1 0 0 0
0 3 5 + 0 3 5 = 0 0 0
1 1 2 1 1 2 0 0 0

A matriz A = aij mn a matriz oposta da matriz A = aij mn . Temos A + (A) = Omn .
Posteriormente, estudaremos mais algumas propriedades e tipos de matrizes.
Voltemos s equaes lineares com mais um exemplo.
Exemplo 0.1.5

5 3
Considere a matriz B = . A equao 2X + 3Y = B s pode admitir, de acordo com as
3 1
operaes acima, solues no conjunto das matrizes 22. De fato, uma soluo para a equao dada
pelo par ordenado
1 0 1 1
, (verifique!).
0 1 1 1
0.1 Exerccios
0.1.1 Encontre coordenadas de 4 pontos sobre a reta r1 : 4x 3y = 1, contida em R2 .

a) Determine a equao da reta r2 , paralela a r1 , passando pelo ponto (1, 1).
b) Ache a equao de uma reta s, perpendicular a r1 e r2 .
0.1.2 Determine matrizes 21 A, e B, tais que

3
2A B =
0
0.1.3 Considere em R3 o plano 1 : 2x + y + 3z = 6.

a) Encontre coordenadas de 4 pontos pertencentes a 1 .
b) Determine a equao de um plano 2 paralelo a 1 , passando por (1, 1, 1).
c) Ache as equaes paramtricas de uma reta t, perpendicular a 1 , que passa pelo ponto (3, 6, 2).
0.1.4 Considere a equao linear a1 x1 + a2 x2 + + an xn + an+1 xn+1 = b. Se, por exemplo, an+1 6= 0,
podemos reescrever a equao na forma
b a1 an
xn+1 = x1 xn . (0.1.4)
an+1 an+1 an+1
Neste caso, dizemos que a equao tem grau de liberdade n e que as incgnitas x1 , x2 , . . . , xn so as
variveis livres (xn+1 a varivel dependente).
Escreva cada uma das equaes lineares abaixo na forma descrita na Equao (0.1.4), determine o
grau de liberdade e as variveis livres. Fixe alguns valores para as variveis livres obtendo assim solues
(destaque-as) para a equao linear.
a) 2x 4y + 2z w = 5

1 2
b) A + 3B 2C = (aqui, com valores entenda-se valores matriciais)
1 1
c) 4x + 5y = 1
d) x + y + z = 3
0.2 Produto e Inverso de Matrizes

Definio 0.2.1 (Produto de Matrizes) Sejam A = aij mp
e B = bij pn matrizes, defini-

mos a matriz produto por C = cij mn = AB pondo
X
p
cij = aik bkj = ai1 b1j + ai2 b2j + + aip bpj .
k=1
Ou seja, o elemento da i-sima linha e j -sima coluna de C obtido atravs da soma dos produtos
de cada um dos elementos da linha i, ordenadamente, da matriz A por cada um dos elementos, que
esto na mesma posio, da j -sima coluna de B.
Observe que s possvel definir o produto entre duas matrizes quando o nmero de colunas do
primeiro fator igual ao nmero de linhas do segundo fator. Evidentemente, AB pode existir sem que
BA exista, e vice-versa; e, mesmo que ambos os produtos coexistam, no necessariamente so iguais.

0.2. Produto e Inverso de Matrizes 5
Exemplo 0.2.1

4
2 1 3
Sejam A = e B = 3 . Observe que a ordem de A 23 e a ordem de B 31,
1 0 2
1
portanto possvel determinar a matriz produto C e sua ordem 21. De fato,

2 4 + (1) (3) + 3 1 8 + 3 + 3 14
C= = = .
14 + 0 (3) + 21 4 + 0 + 2 6
E por outro lado, observe que no possvel obter o produto de B por A (nesta ordem). Ao
contrrio do produto usual, o produto entre matrizes no se preserva a alterao da ordem dos fatores;
isto , aqui no vale a comutatividade do produto.
Exemplo 0.2.2

3 7 5 2 2 1 2 4
1 1 2 4 1 1 1 2
Considere as matrizes A = 5
e B= .
1 1 3 3 1 3 3
1 3 1 2 5 1 3 1
fcil verificar que

6 11 8 11 9 27 6 22
25 2 19 12 5 13 6 13
AB = 6= = BA.
1 10 17 22 26 8 13 5
8 5 14 15 22 30 25 1
(Faa os clculo envolvidos).
Exemplo 0.2.3

1 0 0 2 1 2 4
Tomando I3 = 0 1 0 e M = 1 2 3 4 imediato que I3 M = M (verifique) e que
0 0 1 4 1 5 1
no existe o produto de M por I3 .
fcil ver que:
se A tem n linhas, In A = A;
se B tem n colunas, BIn = B.
As matrizes identidades fazem (relativamente ao produto de matrizes) o papel do nmero 1 no produto

de nmeros reais (ou complexos).
Exemplo 0.2.4
Considere
0 0 1 1 2 4
A = 0 1 0 e B = 1 1 7 .
1 0 0 2 3 1
Verifique que
2 3 1 4 2 1
AB = 1 1 7 e BA = 7 1 1 .
1 2 1 1 3 2
Observe que em AB ocorre a troca entre as linhas equidistantes da linha central, mantendo a linha
central de A. J em BA ocorre algo semelhante, mas agora em relao s colunas de A.

Quando definido em alguns conjuntos especiais, denominados domnios de integridade, o produto de

dois elementos preserva uma certa propriedade, conhecida como integridade. Para a, b R, por exemplo,
ab = 0 a = 0 ou b = 0. Tal propriedade uma ferramenta muito til, na resoluo de equaes, por
exemplo.
O produto de matrizes no preserva tal propriedade; o produto entre duas matrizes pode resultar na
matriz nula sem que nenhum dos fatores seja nulo, como ilustra o exemplo abaixo.
Exemplo 0.2.5

1 3
3 1 2 0 0
Se A = e B = 1 3 ento AB = .
1 2 3 0 0
1 3
Fazendo uma nova analogia com o conjunto dos nmeros reais, dizemos que um nmero real x possui
inverso multiplicativo quando existe um nmero real y tal que xy = 1. Evidentemente, o nmero real
0 no pode possuir inverso multiplicativo. Alm disso h reflexividade nesta relao; isto , y inverso
multiplicativo de x se, e s se, x inverso multiplicativo de y. Todo nmero real no nulo possui inverso
multiplicativo e este nico, por isso denotamos y = x1 , quando xy = 1.
Para matrizes temos o seguinte.
Definio 0.2.2

a) Dizemos que A = aij kp uma inversa esquerda de B = bij pk quando AB = Ik .

b) Dizemos que N = nij pn uma inversa direita de M = mij np quando MN = In .
c) Quando AB = Im = BA, dizemos simplesmente que B inversa de A (e vice-versa) e representamos

B = A1 , j que a inversa ser nica.
Exemplo 0.2.6

2 1
1 2 1
Observe que A = uma inversa direita de B = 1 1 (e, reciprocamente, B
1 4 2
3 3

1 0
uma inversa esquerda de A) j que AB = . Porm A no a nica inversa direita de B
0 1

1 8 3
j que M = outro exemplo de inversa direita de B.
1 1 1
Exemplo 0.2.7

2 1 1 3 1
A matriz M = e a matriz N = 5 so tais que MN = NM = I2 (verifique!).
1 3 1 2
Podemos escrever N = M1 .
0.2 Exerccios

0.2.1 Considere as matrizes A = aij , B = bij 22 e C = cij 22 definidas por aij = 2i 3j,
22
bij = i + j2 e cij = i j. Escreva de modo explcito as matrizes A, B e C e determine as matrizes.
a) A 2B + 3C b) AB e BA c) AC e CA d) BC e CB e) ABC
0.2.2 Quais das matrizes do exerccio anterior possuem inversa?

0.3. Sistemas Lineares 7

a11 a12
0.2.3 Seja A = . Verifique que, se a11 a22 a21 a12 6= 0, a matriz
a21 a22

1 a22 a12
a11 a22 a12 a21 a21 a11
a inversa de A.
0.2.4 Mostre que o produto de duas matrizes triangulares (superiormente ou inferiormente), 3 3,
ainda uma matriz triangular.
0.2.5 Encontre exemplos de matrizes no nulas 22, A e B, satisfazendo

a) AA = 0; 0 0
d) AB = BA com AB 6= ;
0 0
b) A 6= I2 tal que A2 C = C, para toda matriz 22
C;
0 0
c) BB = I2 ; e) AB = com A e B no nulas.
0 0
0.2.6 Usamos a notao A2 = AA, A3 = AA2 , . . . , An+1 = AAn . Com base nisso,

1 2 4
a) ache A2 sabendo que A = 2 .
1 2
b) determine (A + B)2 , com A e B matrizes.
c) calcule as potncias A2 , A3 , B2 , B3 , C2 e C3 com

1 1 1 0
A=2 , B= e C = AB.
1 1 0 1
d) o que ocorre com as potncias An , Bn e Cn para n N, n > 2, arbitrrio.

cos sin
0.2.7 Seja R. A matriz A () = a matriz da rotao (no sentido anti-horrio)
sin cos
pelo ngulo em R2 .
a) Descreva a matriz da rotao, no sentido horrio, pelo mesmo ngulo .
b) Calcule A () A ().
c) Mostre que A (1 + 2 ) = A (1 ) A (2 ).
0.3 Sistemas Lineares

Um sistema linear um conjunto de duas ou mais equaes lineares que, a rigor, devem ser satisfeitas
simultaneamente no seguinte sentido: uma soluo do sistema linear soluo de cada uma das equaes
lineares que o compem.
Mais formalmente, temos a seguinte definio.

Definio 0.3.1 Sejam i, j, m, n N com 1 6 i 6 m e 1 6 j 6 n. Dados mn escalares aij , um

sistema linear nas incgnitas x1 , x2 , . . . , xn um conjunto de equaes lineares na forma

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2
.. .. .. .. (0.3.1)

..
.

. . . = .

am1 x1 + am2 x2 + + amn xn = bm
Podemos ainda escrever o sistema linear na forma

a11 a12 a1n x1 b1
a21 a22 a2n x2 b2

.. .. = .. AX = B (0.3.2)

.. .. ..
. . . . . .
am1 am2 amn xn bn
chamada forma matricial do sistema linear.

A matriz A = A = aij mn chamada matriz do sistema linear (ou matriz dos coeficientes), a

x1 b1
x2 b2
matriz coluna X = . a matriz das incgnitas e B = . a matriz dos termos independentes.

.
. ..
xn bn
Uma soluo do sistema linear uma n-upla (1 , 2 , . . . , n ) que soluo de cada uma das
equaes lineares que o compem.
Geralmente dizemos que (0.3.1) um sistema linear com m equaes e n incgnitas.
Quando B = O, dizemos que (0.3.1) um sistema linear homogneo.
Exemplo 0.3.1
Se a renda mensal de uma famlia onde apenas dois integrantes contribuem R$ 3.500, 00, a
informao de que um dos integrantes recebe R$ 700, 00 a mais do que outro torna possvel conhecer
a renda pessoal de cada um dos mantenedores. De fato, o problema simples transforma-se no sistema
linear
x + y = 3.500
x y = 700,
onde x a renda mensal pessoal de um dos integrantes e y a renda pessoal do outro. Problemas como
esse, abordados no ensino fundamental, so banais. fcil verificar que x = 2.100 e y = 1.400.
A forma matricial do sistema

1 1 x 3500
= .
1 1 y 700
Exemplo 0.3.2
Suponha x, y e z nmeros reais tais que

x + 2y z = 2
x+ y z=0.

2x 3y + 4z = 8
Sem muita dificuldade, possvel verificar que (1, 2, 3) uma soluo do sistema linear; isto ,

0.3. Sistemas Lineares 9
x = 1, y = 2 e z = 3. A forma matricial do sistema linear

1 2 1 x 2
1 1 1 y = 0 .
2 3 4 z 8
Exemplo 0.3.3
Para x, y, z, t R, o sistema linear

x 2y + z + t = 4
x + y z + 2t = 8
tem uma infinidade de solues. fcil verificar que (6, 0, 2, 0), (1, 2, 3, 4) e (3, 0, 1, 2) so algumas
das solues (encontre outras!). A forma matricial

x
1 2 1 1 y = 4 .

1 1 1 2 z 8
t
Exemplo 0.3.4
No caso do sistema linear
x+y +t=6
,
y+zt=1
podemos escrev-lo, por exemplo, na forma:

x=6yt
z=1y+t
Fixando-se valores arbitrrios para as variveis independentes y e t possvel obter solues distintas
para o sistema linear. Algumas possibilidades so: (6, 0, 1, 0), (4, 1, 1, 1), (1, 3, 0, 2) e (3, 5, 0, 4). No
caso acima dizemos que o sistema linear tem grau de liberdade 2, j que esse o maior nmero possvel
de variveis independentes do sistema. Sempre que o sistema linear tiver grau de liberdade maior ou
igual a 1 diremos que o sistema possvel e indeterminado.
Exemplo 0.3.5
imediato verificar que o sistema linear

2x + y = 2

2 1 x 2
=
6 3 y 1 6x + 3y = 1
no possui soluo (ou seja, o sistema impossvel ).
0.3 Exerccios
0.3.1 Ache nmeros x e y tais que

2x y = 7
.
x + 3y = 7

Escreva o sistema na forma matricial.

0.3.2 Verifique que o sistema linear abaixo tem grau de liberdade. Fixe valores para as variveis inde-
pendentes e encontre (pelo menos) 5 solues distintas para o sistema.

2x y + z t = 7
.
x + 3y z + t = 5
0.3.3 possvel encontrar nmeros reais x, y e z tais que

x y + 2z = 4
2x + y z = 7 .

x + 2y 3z = 1
Por qu?
0.3.4 possvel encontrar nmeros reais x, y e z tais que

2x + y + z = 3
x 2y + 3z = 6 ?

x + 3y 2z = 9
0.4 Resoluo de Sistemas Lineares: O mtodo de Gauss-Seidel

Dado o sistema linear
a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2
.. .. .. .. . , (0.3.1)

. . . . = ..

am1 x1 + am2 x2 + + amn xn = bm
chamamos
a11 a12 a1n | b1
a21
a22 a2n | b2
.. .. .. .. ..
. . . . | .
am1 am2 amn | bm
de matriz aumentada (ou matriz ampliada) do sistema linear. Em geral, para resolver um sistema linear
lanamos mo de alguns artifcios elementares, tais como: soma de equaes e multiplicao de equaes
por escalares no-nulos. Usaremos estes mesmos artifcios sobre a matriz aumentada do sistema linear,
com o objetivo de transformar a matriz dos coeficientes em uma matriz mais prxima possvel de uma
matriz diagonal.
Definio 0.4.1 Seja A uma matriz. As operaes elementares sobre (as linhas de) A so:
1a ) troca de posio entre duas linhas distintas;
2a ) multiplicao de uma linha qualquer por um escalar no nulo.
O fato fundamental a respeito das operaes elementares sobre linhas que elas no alteram a na-
tureza de um sistema linear. Dizemos que dois sistemas lineares so equivalentes quando um obtido a
partir do outro atravs de operaes elementares. Evidentemente, como matrizes aumentadas so apenas

0.4. Resoluo de Sistemas Lineares: O mtodo de Gauss-Seidel 11
representaes de sistemas lineares, o mesmo vale para matrizes: matrizes equivalentes diferem umas das
outras apenas por operaes elementares (sobre linhas).
Para encontrar (quando possvel) a soluo (ou as solues) de um sistema linear, utilizaremos as
operaes elementares de acordo com o seguinte algoritmo:
(I) encontramos o 1o elemento no nulo de cada linha no nula, que chamaremos piv da linha (em
geral, usaremos as operaes de modo a obter o piv de cada linha igual a 1);
(II) fixado o piv da linha, transformamos todos os demais elementos da coluna em que ele se encontra
em zeros;
(III) repetimos o procedimento para a prxima linha;
(IV) linhas nulas sero dispostas abaixo das linhas no nulas.
O algoritmo descrito acima ser utilizado de modo sequencial, primeiramente com a 1a linha no nula
da matriz, depois com a 2a linha, e assim sucessivamente. As linhas em que, dentre os elementos relativos
aos coeficientes aij do sistema, no for possvel encontrar um piv, sero deixadas (atravs da operao
de troca de posio) nas ltimas posies de linhas da matriz.
Quando for possvel transformar a matriz do sistema linear (A = aij ) linear em uma matriz identi-
dade, o sistema linear ter soluo nica (sistema possvel e determinado). Em caso contrrio, o sistema
linear ou ter infinitas solues (possvel e indeterminado), ou ainda no ter soluo alguma (sistema
linear impossvel).
Vamos a alguns exemplos ilustrativos:
Exemplo 0.4.1

x 2y = 7
Encontre a soluo do sistema linear , atravs de operaes elementares sobre sua
x+ y=1
matriz aumentada.
Trata-se de um sistema linear de duas equaes a duas incgnitas cuja soluo evidente (3, 2);
isto ,
x= 3
.
y = 2
A matriz aumentada do sistema

1 2 | 7
,
1 1 | 1
e o piv da 1a linha 1. Para anular os demais elementos da coluna do piv da primeira linha, basta
somar segunda linha a 1a linha multiplicada por (1) com a segunda linha. Para representar isso,
frente da segunda linha escrevemos L2 L2 + (1) L1 (ou L2 L2 L1 ), obtendo

1 2 | 7 1 2 | 7
(Passo 1)
1 1 | 1 L2 L2 + (1) L1 0 3 | 6
Agora, partindo para a 2a linha, possvel determinar seu piv, para simplificar clculos futuros,
multiplicamos a 2a linha por 31 obtendo:

1 2 | 7 1 2 | 7
(Passo 2)
0 3 | 6 L2 13 L2 0 1 | 2
Para finalizar, basta anular os demais elementos da coluna do piv da 2a linha. Basta substituir a
linha 1a linha pela soma dela com a 2a linha multiplicada por 2.

1 2 | 7 L1 L1 + 2L2 1 0 | 3
(Passo 3)
0 1 | 2 0 1 | 2


x= 3
Assim a soluo do sistema linear (j sabamos!). Observe que, em cada passo, possvel
y = 2
visualizar um sistema linear equivalente ao original, sendo que o ltimo tem soluo visualmente bvia.

x 2y = 7 x 2y = 7 x 2y = 7 1x + 0y = 3
.
x+ y=1 0x + 3y = 6 0x + 1y = 2 0x + 1y = 2
(Passo 0) (Passo 1) (Passo 2) (Passo 3)
Para facilitar a visualizao das operaes elementares realizadas, geralmente representamos, frente
da linha que protagoniza a situao as notaes de referncia:
(i) Li Lj : troca de posio entre a i-sima e j -sima linhas;
(ii) Li kLi : multiplicao da i-sima linha pela constante no nula k;
(iii) Lj Lj + kLi : substituio da j -sima linha pela soma desta com k vezes a i-sima linha.
Observe que em (iii) h duas operaes elementares desenvolvidas simultaneamente.

Exemplo 0.4.2
Resolva o sistema linear

x 2y + z = 6
3x + y + z = 6 .

2x y + 2z = 6
Aqui a matriz aumentada do sistema :

1 2 1 | 6
3 1 1 | 6 .
2 1 2 | 6
Desenvolvendo as operaes elementares sobre a matriz aumentada, de acordo com as notaes
acima, obtemos

1 2 1 | 6 1 2 1 | 6
3 1 1 | 6 L2 L2 3L1 0 7 2 | 24 L2 L3
2 1 2 | 6 L3 L3 2L1 0 3 0 | 6
(Passo 0) (Passo 1)

1 2 1 | 6 1 2 1 | 6 L1 L1 + 2L2
0 3 0 | 6 L2 13 L2 0 1 0 | 2
0 7 2 | 24 0 7 2 | 24 L3 L3 7L2
(Passo 2) (Passo 3)

1 0 1 | 2 1 0 1 | 2 L1 L1 L3
0 1 0 | 2 0 1 0 | 2
0 0 2 | 10 L3 12 L3 0 0 1 | 5
(Passo 4) (Passo 5)

1 0 1 | 3
0 1 0 | 2
0 0 1 | 5
(Passo 6)

x= 3
Portanto, a soluo do sistema (3, 2, 5); isto , y = 2 .

z = 5
Evidentemente, se a nica motivao fosse a soluo do sistema (e no a descrio do mtodo),
poderamos t-la obtido em alguns dos passos intermedirios. Aps o passo 5, por exemplo, o sistema
equivalente

1x + 0y + 1z = 2
0x + 1y + 0z = 2.

0x + 0y 2z = 10
Sem muita dificuldade, observamos que y = 2 e z = 5 e, de x + z = 2, segue imediante x = 3.
A segurana do mtodo, e a simplicidade na resoluo dos sistemas lineares em poucos passos (alguns
deles, inclusive, possveis de serem omitidos ou condensados), nos garantem a observao da validade (ou
no, no caso de algum clculo ter sido efetuado incorretamente) em quaisquer dos sistemas equivalentes
obtidos nos passos intermedirios.
Quando duas matrizes A e B so equivalentes por linhas (isto , uma obtida da outra atravs de
operaes elementares), escrevemos A B.

Exemplo 0.4.3
Resolva o sistema linear

2x y + 3z w = 5

x+ y z+ w=3
.

3x y + z 2w = 2

x + 2y + z + w = 0
A matriz aumentada do sistema

2 1 3 1 | 5
1
1 1 1 | 3
.
3 1 1 2 | 2
1 2 1 1 | 0
Temos:

2 1 3 1 | 5 1 1 1 1 | 3 1 0 1 |
1/3 2
1
1 1 1 | 3 0 3
5 3 | 1 0 1
0 2/3 | 1

3 1 1 2 | 2 0 4 4 5 | 7 0 0 4 7/3 | 3
1 2 1 1 | 0 0 3 0 2 | 3 0 0 5 1 | 2

1 0 0 2/15 | 12/5 1 0 0 0 | 2
0
1 0 2/3 | 1 0
1 0 0 | 1
.
0 0 1 1/5 | 2/5 0 0 1 0 | 1
0 0 0 23/15 | 23/5 0 0 0 1 | 3

x= 2

y = 1
Portanto, a (nica) soluo do sistema linear (2, 1, 1, 3); isto .

z= 1

w= 3
claro que existem

! ainda sistemas lineares que no possuem soluo nica (como, por exemplo,
xy+ z=4
ou ainda sistemas lineares que no possuem soluo alguma. Ilustremos cada caso:
x + y + 2z = 9
Exemplo 0.4.4

xy+ z=4
Em temos a matriz aumentada
x + y + 2z = 9

1 1 1 | 4 1 1 1 | 4 1 0 3/2 | 13/2

1 1 2 | 9 0 2 1 | 5 0 1 1/2 | 5/2
Assim,
xy+ z=4 x + 23 z = 13
2 x= 13
2 32 z
.
x + y + 2z = 9 y + 12 z = 5
2 y= 5
2 12 z
Fixando-se valores reais arbitrariamente, os valores de x, y obtidos partir das duas ltimas
equaes (juntamente com o valor de z fixado) formam solues do sistema linear. Por exemplo,
z = 3 x = 11 e y = 8
z = 1 x=5 ey=3
13 5
z=0 x= 2 ey= 2

7
z=2 x= 2 e y = 23
(11, 8, 1), (5, 3, 1), 13 5

7 3
,
2 2 , 0 , 2 , 2 , 2 so alguns das (infinitas) solues do sistema linear.
Em sistemas lineares que possuem mais de uma soluo sempre possvel escolher uma (ou mais)
incgnita(s), que chamaremos de varivel independente ou varivel livre, escrevendo cada uma das demais
incgnitas apenas em funo desta (ou destas). A quantidade de variveis livres em um sistema linear
chamada grau de liberdade do sistema.
No exemplo anterior, temos um sistema linear de grau de liberdade 1. Claramente, no nosso sistema
linear anterior, quaisquer das outras duas incgnitas poderiam (caso tivssemos seguido outros procedi-
mentos) ser utilizadas como a varivel livre.
Exemplo 0.4.5

2x 3y + z = 3
O sistema linear 3x 2y + 4z = 1 tem uma infinidade de solues.

x + y + 3z = 4
De fato,

2 3 1 | 3 1 1 3 | 4 1 0 2 | 9/5
3 2 4 | 1 0 5 5 | 11 0 1 1 | 11/5
1 1 3 | 4 0 5 5 | 11 0 0 0 | 0
Portanto, podemos escrever

x = 95 2z
(o sistema linear tem grau de liberdade 1)
y = 11
5 z
(Observe que, fazendo z = t, os pontos (x, y, z) descritos na soluo acima esto sobre a reta
9

x = 5 2t
y = 11
5 t

z= 0+ t
contida em R3 ).
Exemplo 0.4.6

x + y + 3z 2t = 3

x y + 5z 4t = 1
O sistema linear tem grau de liberdade 2.

x 2y + 6z 5t = 0

x + 2y + 2z t = 4
Temos:

1 1 3 2 | 3 1 1 3 2 | 3 1 0 4 3 | 2
1 1 5 4 | 1 0 2 2 2 | 2 0 1 1 1 | 1

1 2 6 5 | 0 0 3 3 3 | 3 0 0 0 0 | 0
1 2 2 1 | 4 0 1 1 1 | 1 0 0 0 0 | 0
Assim, podemos escrever

x = 2 4z + 3t
.
y=1+ z t

Observe que as linhas nulas na matriz do sistema A correspondem na matriz aumentada [A | B] a termos
independentes nulos. Caso uma linha nula de A tenha em [A | B] termo independente correspondente nulo,
o sistema ser impossvel.
Exemplo 0.4.7

x + 3y = 7
O sistema linear , evidentemente, impossvel.
2x + 6y = 16
Temos
1 3 | 7 1 3 | 7
,
2 6 | 16 0 0 | 2

x + 3y = 7
que representa um sistema linear sem soluo alguma.
0x + 0y = 2
Exemplo 0.4.8

x+ yz+t=2
2x y + z + t = 3 um sistema possvel e indeterminado.

x + 2y z + t = 4
De fato, todo sistema possvel que apresenta uma quantidade de incgnitas maior que o nmero
de equaes apresenta pelo menos uma varivel livre.
No nosso caso particular,

1 1 1 1 | 2 1 1 1 1 | 2 1 0 1 1 | 0
2 1 1 1 | 3 0 1 0 0 | 2 0 1 0 0 | 2
1 2 1 1 | 4 0 3 3 1 | 1 0 0 3 1 | 5

1 0 0 2/3 | 5/3
0 1 0 0 | 2
0 0 1 1 /3 | 5/3
5 2

x = 3 3t
Assim, a soluo geral do sistema y = 2 .

z = 53 + 13 t
Observe porm, que uma ligeira modificao nos coeficientes produz um sistema

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

x+yz+t=4
impossvel (verifique!).
Exemplo 0.4.9

2x y + 3z = 9
O sistema linear x + 2y z = 2 no tem soluo.

x + 3y 2z = 5

2 1 3 | 9 1 2 1 | 2 1 0 1 | 4
1 2 1 | 2 0 5 5 | 5 0 1 1 | 1
1 3 2 | 5 0 1 1 | 3 0 0 0 | 2
e a ltima linha suficiente para sustentar a afirmao.
Para concluir estas consideraes iniciais, vale ressaltar algumas propriedades importantes.

A prpria natureza das equaes elementares nos d margem a afirmar que a matriz equivalente obtida
ao final do processo (que chamamos matriz linha reduzida forma escada) nica.
A partir desta matriz na forma escada definimos dois conceitos adicionais, que retomaremos no decorrer
deste texto.

Definio 0.4.2 Seja A = aij mn
uma matriz.
(i) O posto de A o nmero de linhas no nulas da matriz linha reduzida forma escada obtida
partir de A.
(ii) A nulidade de A o nmero de colunas de A, subtrado o posto.
Denotamos:
(i) posto (A) o posto de A;
(ii) nul (A) = n posto (A) a nulidade de A.
Pelos clculos feitos anteriormente

1 2
(a) A = tem posto posto (A) = 2 e nulidade nul (A) = 0;
1 1

1 2 1
(b) B = 3 1 1 tem posto posto (B) = 3 e nulidade nul (B) = 0;
2 1 2

2 1 3 1
1 1 1 1
(c) C = tem posto posto (C) = 4 e nulidade nul (C) = 0;
3 1 1 2
1 2 1 1

1 1 1
(d) D = tem posto posto (D) = 2 e nulidade nul (D) = 1;
1 1 2

2 3 1
(e) E = 3 2 4 tem posto posto (E) = 2 e nulidade nul (E) = 1;
1 1 3

1 1 3 2
1 1 5 4
1 2 6 5 tem posto posto (F) = 2 e nulidade nul (F) = 2.
(f) F =
1 2 2 1
Observao 0.4.1.
1) Quando o sistema possvel, a nulidade igual ao nmero de variveis livres no sistema linear;
2) O sistema linear no possui soluo quando o posto da matriz aumentada [A | B] maior que o posto
da matriz dos coeficientes A;
3) O sistema linear possui soluo nica quando o nmero de incgnitas n, o posto de A e o posto de
[A | B] so iguais;
4) O sistema linear no apresenta soluo quando posto (A) 6= posto ([A | B]).

0.4 Exerccios
0.4.1 Utilizando operaes elementares, classifique cada um dos sistemas lineares abaixo quanto ao
nmero de solues. Caso o sistema seja possvel, determine sua soluo geral:

x 2y = 8
2x y + z = 0 3x 4y + z t = 2
a) g)
4x + 3y = 1 d) x y + 2z = 12 2x + 3y 2z + t = 4

x+y+ z= 9

x+ y+z=6
4x + 5y = 6 x 3y + 2z = 3
h) 4x y + z = 5
b) e) 3x + y z = 3

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

2x y + 3z = 1
x + y t=1
2x y = 10 f) 3x + y + 4z = 2 i) x + z =3
c)

6x 3y = 30 6x + 7y + 7z = 5 x 2z + t = 2
0.4.2 Encontre o posto e a nulidade de cada uma das seguintes matrizes:

1 1 2 1 2 1 4 2 2 1 1
a) A = 3 2 1 2 1 1 3 4 1 1 3
d) D = g) G =
1 1 4 4 2 1 2 2 1 2 4
1 1 0 1 2 4 5 9

1 1 1 1 2 1 3
1 1 1
b) B = 1 1 1 e) E = 2 1 4 1
h) H = 1 2 1
1 1 1 1 0 0 1
2 1 1

1 1 2
1 2 3 1 3 1 3 2 1
f) F
c) C = 2 1 4 2 1 1 i) I = 2 1 0
1 4 1 1 0 1 1 0 1
0.4.3 Calcule o posto e a nulidade tanto da matriz do sistema quanto da matriz aumentada em cada um
dos casos abaixo e, atravs disso, classifique o sistema quanto ao nmero de solues:

x + 2y z + t = 1
x+ y z=1

2x 3y + z t = 2 b) 2x + y z = 2
a)

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

4x + y 2z + 3t = 4
0.4.4 Justifique cada uma das afirmaes feitas na Observao 0.4.1.
0.4 Exerccios Complementares
0.4.5 Considere a equao linear 2f + 3g = et + sin t onde f e g so funes reais de uma varivel t.
Encontre 5 solues distintas para a equao.
0.4.6 Repita o exerccio anterior para a equao linear 3f 4g + 5h = 2t2 t + 1.

0.4.7 Dados dois nmeros inteiros x e y, se y 6= 0 sempre possvel encontrar inteiros q e r tais que
x qy = r, r = 0, 1, 2, . . . , |y| 1. (r o resto)
Quando r = 0, y divide x e escrevemos y|x (y divisor de x).

Verifique as seguintes propriedades:
(i) Se y|x1 e y|x2 ento y| (k1 x1 + k2 x2 ) , k1 , k2 Z;
(ii) 1|x, x Z;
(iii) Se x Z e x 6= 0 ento x|x;
(iv) Um nmero inteiro p > 1 primo quando seus nicos divisores so 1 e p. Mostre que, se p1 e p2
so primos e y|p1 p2 ento y|p1 ou y|p2 .
0.4.8 Encontre x, y Z tais que

54x + 21y = 906.
0.4.9 Determine o menor inteiro positivo n que dividido por 5 deixa o resto 2 e dividido por 7 deixa o
resto 5.
0.4.10 Determine se os seguintes trios de retas em R2 se interceptam em um nico ponto.
a) 2x + 3y = 1, 6x+5y = 0 e 2x 5y = 7
b) 7x 5y = 2 , 2x + y = 3 e x+y=2
c) x+y=2 , 2x+3y = 7 e 3x + y = 0
d) xy=1 , x + 2y = 2 e 2x + 3y = 3
0.4.11 Verifique se os seguintes trios de plano em R3 possuem interseo em comum. Caso possuam,
descreva a interseo.
a) x 2y + z = 0 , 2x + y z = 2 e 3x y + 2z = 4
b) 2x 3y + z = 0 , xy+z=2 e x+y+z=4
c) x + 2y + 3z = 1, x + y z = 3 e x + 10y + 5z = 9
d) x+z=1 , x+y=3 e y+z=2
0.4.12 Ache o posto e a nulidade da matriz

1 1 1 5 4
1 1 4 1 5 .
2 3 2 3 6
Descreva um sistema linear (com sua respectiva soluo, caso seja possvel) que esteja representado
pela matriz acima.
0.4.13 Verifique a validade da seguinte afirmao:
Todo sistema linear homogneo possui pelo menos uma soluo.
0.4.14 Encontre a soluo geral dos seguintes sistemas lineares:

x 2y + z = 0

x + y z + 2t = 0
a)
2x y + 3z + t = 0
2x + y z = 0
b)

x + 2y z + t = 0

3x y + 2z t = 0

x1
0.4.15 Considere o sistema linear homogneo (na forma matricial) A ... = O, onde A = aij mn e

xn
O a matriz coluna nula. Mostre que se a e b so escalares e = (1 , 2 , . . . , n ) e = (1 , 2 , . . . , n )
so solues do sistema, ento
(a1 + b1 , . . . , an + bn )
soluo do mesmo sistema.
0.4.16 Resolva cada sistema usando operaes elementares nas equaes ou na matriz associada:

x + 7y = 4

x1 5x2 + x3 + x4 = 8
a)
2x 4x + x x = 6
2x 9y = 2 1 2 3 4
e)

x + x + 2x + x4 =5
2x + 6y = 6

1 2 3
b) x1 x2 + x3 x4 = 1
5x + 7y = 1

a+ b c+ d=2

x 5y + 4z = 3 3a 2b + 2c d = 1
c) 2x 7y + 3z = 2 f)

8a b + 7c d = 1
2x + y + 7z = 1

5a + 2b + 7c 4d = 2

x + y 2z = 3
d) 5x 2y + z = 4

2x + y z = 2
0.4.17 Utilize o algoritmo de eliminao gaussiana a fim de encontrar a matriz inversa de:

1 2 2 2 1
a) A =
2 2 d) D = 2 1 1
3 2 1

1 0 1 0
2 6 1 1 0 1
b) B =
1 3 e) E =
0 0 1 1

1 1 1 1

0 1 2 0 1 0
c) C = 1 0 3 f) F = 1 0 0
4 3 8 0 0 1
Para o prximo exerccio, considere as seguintes definies:

O posto de uma matriz o nmero de linhas no nulas da sua forma escalonada reduzida. Por outro
lado, a nulidade da matriz igual ao nmero de colunas menos o posto.
0.4.18 Classifique, atravs da forma escalonada reduzida, cada um dos sistemas lineares abaixo. Deter-
mine o posto e a nulidade, tanto da matriz dos coeficientes, quanto da matriz aumentada e, caso o sistema
seja possvel, encontre sua soluo geral:

y + 2z + 3t = 1
x + 2y 3z = 4

2x + y + 3z = 1 b) 2x + 3y + 4z = 5
a)

3x + 4y + 2z = 1 4x + 7y 2z = 12

4x + 2y + t = 1


x + 2y + 3z + 4t = 1
x + 3y + z = 1
c) 5x + 6y + 7z + 8t = 2 e) 2x + 6y + 9z = 7

9x + 10y + 11z + 12t = 3 2x + 8y + 8z = 6

x+ y+w= 0

x + 2y + z + w = 1

x + 2y + 3z + w = 2 f)
d) 3x + 4y + 5z + 3w = 4
3x + 3y + z + 2w = 1

x z+ w= 0 y + 3z w = 3
0.4.19 Encontre uma condio, envolvendo a,b e c, para que o sistema linear

x+ y+ z+ t=a
5y + 2z + 4t = b

3x 2y + z t = c
tenha soluo e encontre as solues no caso em que elas existam.

0.4.20 Mostre que o sistema

x + 2y + 3z 3t = a
2x 5y 3z + 12t = b

7x + y + 8z + 5t = c
admite soluo se, e somente se, 37a + 13b = 9c. Ache a soluo geral do sistema quando a = 2 e b = 4.
0.4.21 Discuta a existncia e a unicidade de solues para o sistema linear cuja matriz aumentada

0 3 6 6 4 5
3 7 8 5 8 9
3 9 12 9 6 15

1
Espaos Vetoriais
1.1 Introduo
Em linhas gerais, um espao vetorial um conjunto no qual definimos duas operaes simples, que devem
manter certas propriedades. Tanto as operaes quanto as propriedades so semelhantes quelas que
acostumamos a observar desde os primrdios da vida escolar; no caso das operaes, adio de elementos
do conjunto e multiplicao por escalar, temos uma gama enorme de comparaes; no captulo anterior,
por exemplo, lidamos com ambas as operaes tanto em equaes lineares quanto com matrizes. De fato,
voltaremos nossa ateno a essas duas estruturas constantemente. Os elementos de um espao vetorial
sero chamados vetores.
1.2 Definio de Espao Vetorial

Definio 1.2.1 Seja E um conjunto no-vazio no qual estejam definidas duas operaes;
+ : E E E
(i) a adio, , que a cada par de vetores u, v E associa a soma u + v E
(u, v) 7 u + v
(como a soma pertence a E para quaisquer parcelas u,v E, dizemos que E fechado na operao
de adio);
: R E E
(ii) A multiplicao por escalar, , que a cada nmero real r (escalar) e
(r, v) 7 r.v = rv
cada v V, associa o vetor rv E (E fechado na multiplicao por escalar).
O conjunto E um espao vetorial quando as operaes acima atendem, u, v, w E e r, s R, as

seguintes propriedades:
(a) (u + v) + w = u + (v + w) (associatividade na adio)
(b) u + v = v + u (comutatividade na adio)
(c) E tal que + u = u + = u (existncia do elemento neutro da adio)
(d) v E, v E tal que v + v = v + v = (existncia do elemento oposto da adio)
(e) r(sw) = (rs)w (associatividade na multiplicao por escalar)
r(u + v) = ru + rv
(f) (distrubutividade da adio em relao multiplicao por escalar)
(r + s)w = rw + sw
24 1. Espaos Vetoriais
(g) 1v = v (multiplicao por 1)
Como em nossa definio o escalar foi escolhido no conjunto dos nmeros reais (R), podemos tambm
chamar E de espao vetorial real. Ressalta-se que o escalar r poderia ser escolhido no conjunto dos
complexos. Mais geralmente, dado um corpo K (vr apndice), tomando r K e definindo a multiplicao
por escalar com as propriedades acima, E passa a ser um espao vetorial sobre K.
Observamos ainda que as escolhas das notaes nas propriedades (c) e (d) no so apenas capricho
(retomaremos a necessidade num exemplo adiante); no entanto, j possivel verificar que tais elementos
so nicos, o que faremos como exerccio (exerccios 1.3.4 e 1.3.5). Por conta da unicidade, podemos
lanar mo da notao 0 para o elemento neutro da adio em E e v para o elemento oposto de v E.
Exemplo 1.2.1
Considere E = R. O prprio conjunto R, com as operaes de adio e multiplicao (as operadas
usualmente) um espao vetorial. De fato, as propriedades associativa, comutativa e distributiva em
R so usadas como modelo para os demais espaos vetoriais.
Exemplo 1.2.2
Considere em R2 = (x, y); x, y R as operaes de adio
+ : R2 R2 : R R2 R2
e de modo que, se u = (x1 , y1 , z1 ) e
(u, v) 7 u + v (r, u) 7 ru,
v = (x2 , y2 , z2 ), ento u + v = (x1 + x2 , y1 + y2 , z1 + z2 ) e ru = (rx1 , ry1 , rz1 )
(rx1 , ry1 )
(r > 1)
y1 + y2 (x2 , y2 ) (x1 + x2 , y1 + y2 )
y2 (x1 , y1 )
(rx1 , ry1 )
(0 < r < 1)
y1 (x1 , y1 )
x1 x2 x1 + x2
(rx1 , ry1 )
(r < 0)
Evidentemente, se so dados (x1 , y1 ), (x2 , y2 ), (x3 , y3 ) R2 e r, s R, ento:

(a)
[(x1 , y1 ) + (x2 , y2 )] + (x3 , y3 ) = (x1 + x2 , y1 + y2 ) + (x3 , y3 )
= (x1 + x2 + x3 , y1 + y2 + y3 )
= (x1 + [x2 + x3 ], y1 + [y2 + y3 ]) (Associatividade em R)
= (x1 , y1 ) + (x2 + x3 , y2 + y3 )
= (x1 , y1 ) + [(x2 , y2 ) + (x3 , y3 )]
e, portanto, vale a associatividade da adio em R2 .
(b)
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) + (x3 , y3 )
= (x2 + x1 , y2 + y1 ) (Comutatividade em R)
= (x2 , y2 ) + (x1 , y1 ),

1.2. Definio de Espao Vetorial 25
e vale a comutatividade em R2 .
Deixamos a cargo leitor a verificao que (0, 0) o (nico!) elemento neutro da adio em R2
e que o elemento oposto da adio de (x, y) R2 (x, y) (e nenhum outro!), bem como as
demais propriedades restantes. (Ver exerccio 1.3.1)
Exemplo 1.2.3
Analogamente ao exemplo anterior, em R3 = {(x, y, z); x, y, z R} definimos a adio
+ : R3 R3 R3
e a multiplicao por escalar
(u, v) 7 (u + v)
: R R3 R3
de modo que, se u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ),
(r, u) 7 (ru),
ento u + v = (x1 + x2 , y1 + y2 , z1 + z2 ) e ru = (rx1 , ry1 , rz1 ).

As propriedades so verificadas do mesmo modo que em R2 (verifique!) (Ver exerccio 1.3.2).
Exemplo 1.2.4
Seja n N = {1, 2, 3, 4, } e considere Rn = {x1 , x2 , , xn ; xi R}.
Defina para (x1 , x2 , , xn ), (y1 , y2 , , yn ) Rn e para r R
i) (x1 , x2 , , xn ) + (y1 , y2 , , yn ) = (x1 + x2 , y1 + y2 , , xn + yn ), e
ii) r(x1 , x2 , , xn ) = (rx1 , rx2 , , rxn ).
de simples verificao que Rn com as operaes acima um espao vetorial. (Ver exerccio 1.3.2)
Exemplo 1.2.5

Seja n N e considere Pn = a0 + a1 x + a2 x2 + + an xn ; ai R e x uma indeterminada ,
o conjunto dos polinmios de grau menor ou igual que n (includo o polinmio identicamente nulo)
na indeterminada x. Usualmente, na adio de polinmios, somamos os coeficientes dos termos seme-
lhantes (de mesmo grau) repetindo a indeterminada e seu respectivo expoente e na multiplicao por
uma constante, usamos a distributividade. Isto ,
i) (a0 + a1 x + + an xn ) + (b0 + b1 x + + bn xn ) = (a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn
ii) r(a0 + a1 x + a2 x2 + + an xn ) = (ra0 ) + (ra1 )x + (ra2 )x2 + + (ran )xn

1.2 Exerccios
Nos exerccios a seguir, e no restante destas notas, a no ser que faamos meno expressa em contrrio,
as operaes em Rn , Pn e M(m,n) sero sempre as usuais.
1.2.1 Complete a demonstrao do exemplo 1.2.2
1.2.2 Idem para o exemplo 1.2.3
1.2.3 Mostre que, se w = (2, 1, 1) ento possvel obter escalares x, y, z tais que
w = xv1 + yv2 + zv3
onde v1 = (1, 1, 1), v2 = (1, 2, 3) e v3 = (3, 0, 2).

Dado um vetor u = (x, y, z) arbitrrio, podemos afirmar que u combinao linear de v1 , v2 , v3 ?
Justifique sua resposta e, em caso afirmativo, encontre coeficientes , e (em funo de x, y e z) tais
que
(x, y, z) = v1 + v2 + v3 .
1.2.4 Dados os vetores u = (1, 2, 3), v = (3, 2, 1) e w = (3, 2, 7) em R3 , obtenha nmeros e tais
que w = u + v. Quantas solues admite este problema?
1.2.5 Sejam u = (1, 1), v = (1, 2) e w = (2, 1). Ache os nmeros a, b, c, a 0 , b 0 , c 0 , todos no-nulos, tais
que au + bv + cw = a 0 u + b 0 v + c 0 w, com a 6= a 0 , b 6= b 0 e c 6= c 0 .
1.2.6 Seja V o primeiro quadrante do plano xy, isto , V = {(x, y), x > 0, y > 0}.
(a) Se u e v esto em V, ser que u + v est em V? Justifique.
(b) Determine um w, em V, e algum escalar c tal que cw no pertena a V. (Isso suficiente para mostrar
que V no um espao vetorial).
1.2.7 Construa uma figura geomtrica que ilustre por que uma reta em R2 , que no passa pela origem,
no fechada em relao soma de vetores.
1.2.8 Seja W o conjunto de todos os vetores da forma (5b + 2c, b, c), onde b e c so escalares arbitrrios.
Determine vetores u e v tais que W = {w; w = bu + cv}
1.2.9 Mostre que em um espao vetorial E valem:
(i) o vetor nulo de E nico;
(ii) o vetor oposto de um vetor w E nico.
(iii) Se 0 o elemento nulo de E:

0v = 0, para todo vetor v E;
(iv) Se u o elemento oposto de u em E:

(1)u = u, para todo vetor u E;
1.2.10 Quais dos seguintes subconjuntos de R3 so fechados na adio e na multiplicao por escalar
definidas em R3 ? Justifique.
(i) {(x, y, z); x y = 0, z = 0}.
(ii) {(x, y, z); x = 2y = z}.
(iii) {(x, y, z); x + y 2z + 0}.
(iv) {(x, y, z); x > 0, y > 0, z > 0}.

1.3. Subespaos Vetoriais 27
(v) {(x, xy + 1, z); x, z R}.

1.2.11 Seja S = (x, y) R2 ; x > 0, y > 0 . Defina em S as seguintes operaes, para todos (x, y), (x1 , y1 ), (x2 , y2 )
S, R:
Adio : (x1 , y1 ) (x2 , y2 ) := ((x1 x2 ), y1 y2 )
Multiplicao por escalar : (x, y) := (x , y )
Mostre que S um espao vetorial. Qual o elemento nulo de S? Qual o elemento oposto de (a, b) S?
1.2.12 Considere o conjunto U formado por todas as matrizes da forma

a a a a
a b b b

a b c c
a b c d
onde a, b, c, d R.
(i) Mostre que U um espao vetorial.
(ii) Encontre uma base e determine a dimenso de U.
(iii) Sob as condies dos nmeros a, b, c, d, os vetores coluna da matriz representada acima formam um
conjunto linearmente independente?
1.2.13 Pequenos desafios.
(i) Encontre um espao vetorial com exatamente 9 elementos.
(ii) Encontre um espao vetorial com 8 elementos cujos elementos sejam matrizes com, no mnimo, trs
linhas.
1.3 Subespaos Vetoriais

A tarefa de verificar se um dado conjunto um espao vetorial envolve a observao de uma lista de
7 propriedades, vistas anteriormente. Ocorre que, em um grande nmero de casos nos ocuparemos de
espaos vetoriais cujos elementos j pertencem a outro espao vetorial conhecido, e a observao torna-se
mais simples. De fato, se j sabemos que os elementos esto em um espao vetorial ento as propriedades
da definio 1.2.1 j esto estabelecidas. Para formalizar a situao damos a seguinte definio.
Definio 1.3.1 Seja E um espao vetorial e seja S um subconjunto no vazio de E. Diz-se que S
um subespao vetorial de E quando, com as mesmas operaes definidas em E, para todos u, v S
e para todo r R tem-se:
(i) u + v S (S fechado na adio)
(ii) rv S (S fechado na multiplicao por escalar)
Observamos que, dado qualquer espao vetorial E, S = {0} (subespao vetorial nulo) e S = E so subespaos
vetoriais de E, chamados subespaos vetoriais triviais. imediato verificar que se E = R, os nicos
subespaos vetoriais possveis so os triviais.

Exemplo 1.3.1
Seja E = R2 com as operaes usuais.
Considere, para cada a R fixado, os conjuntos da forma Sa = {(x, ax); x R} R2 . No caso
particular a = 0 temos S0 = {(x, 0); x R} que o eixo x (ou seja, a reta y = 0).
Dados u1 = (x1 , ax1 ) e u2 = (x2 , ax2 ) em Sa e r R temos:
(i) u1 + u2 = (x1 , ax1 ) + (x2 , ax2 ) = (x1 + x2 , ax1 + ax2 ) = (x1 + x2 , a {x1 + x2 }).
e
(ii) ru1 = r(x1 , ax1 ) = (rx1 , rax1 ) = (rx1 , a {rx1 }).
Ou seja, u1 + u2 Sa e ru1 Sa , o que prova que Sa subespao vetorial de R2 .
Sa
S1
(a > 1)
Sa
(0 < a < 1)
S0
x
Sa
(a < 0)
Observamos que os conjuntos da forma Sa , com a R, juntamente com o eixo y ({(a, y); y R})
formam o conjunto de todas as retas que passam pela origem em R2 . Deixamos como exerccio a
verificao de que, alm dos subespaos vetoriais triviais, os nicos subespaos vetoriais de R2 so as
retas que passam pela origem.

Exemplo 1.3.2
E = M(3,3)
Considere o espao vetorial das matrizes 3 3 com as operaes usuais. O subconjunto

a11 a12 a13

S = 0 a22 a23 ; ai j R = {[ai j]33 ; ai j = 0 ; se i > j}

0 0 a33
das matrizes triangulares superiores, um subespao vetorial de M(33) .

a11 a12 a13 b11 b12 b13
De fato, sejam A = 0 a22 a23 e B = 0 b22 b23 matrizes triangulares superiores,
0 0 a33 0 0 b33
ento

a11 + b11 a12 + b12 a13 + b13
(i) A + B = 0 a22 + b22 a23 + b23 e
0 0 a33 + b33


ra11 ra12 ra13
(ii) para todo r R, rA = 0 ra22 ra23 so matrizes triangulares superiores.
0 0 ra33
Analogamente, possvel mostrar que as (1) matrizes triangulares inferiores e (2) matrizes diago-
nais formam dois outros subespaos vetoriais de M2,2 .
Exemplo 1.3.3
Considere o espao vetorial dos polinmios de grau menor ou igual a 3 na indeterminada x

P3 = a0 + a1 x + a2 x2 + a3 x3 ; a0 , a1 , a2 , a3 , a4 R .

O conjunto S = a0 + a3 x3 ; a0 , a3 R um subespao vetorial de P3 pois se p = a0 + a3 x3 e
q = b0 x3 ento
(i) p + q = (a0 + b0 ) + (a3 + b3 )x3 S
(ii) r R, rp = ra0 + (ra3 )x3 S
Exemplo 1.3.4
Em R3 , alm dos subespaos vetoriais triviais, {0, 0, 0} e R3 , temos os seguintes subespaos vetoriais:
a) retasque passam pela origem fixado v = (m, n, p) em 3

3
R considere
S = (x, y, z) R ; x = tm, y = tn, z = tp e t R
S
p
y
n
m
No caso em que m = n = p = 0, v o vetor nulo e S = {(0, 0, 0)}. Supondo v 6= 0, S tem por

representao geomtrica em R3 a reta que passa pela origem e tem a direo do vetor v = (m, n, p)
(chamado um vetor diretor da reta). O escalar t dito parmetro.

Como S = W R3 ; w = tv fcil ver que se w1 , w2 S ento w1 = t1 v e w2 = t2 v. Logo,
(i) w1 + w2 = (t1 + t2 )v S e
(ii) r R, rw1 = r(t1 v) = (rt1 )v S
Acabamos de mostrar que toda reta que passa pela origem subespao vetorial de R3 .
b) Planos que passam pela origem

Considere fixados em R3 os vetores u = (a, b, c) e v = (m, n, p) e considere o conjunto

S = w = (x, y, z) R3 ; w = su + tv; s, t R
= {(x, y, z) = s(a, b, c) + t(m, n, p); s, t R} .

x = sa + tm
Assim, se w = (x, y, z) S temos y = sb + tn .

z = sc + tp
Quando u e v so ambos nulos, S = {(0, 0, 0)}. Se apenas um deles nulo, S uma reta que passa
pela origem.
No caso em que u e v so ambos no nulos em R3 S representa o plano que passa pela origem e
tem a direo dos vetores u e v (chamados vetores diretores do plano).
Obviamente, se w1 = s1 u + t1 v, w2 = s2 u + t2 v e r R ento
(i) w1 + w2 = (s1 + s2 )u + (t1 + t2 )v S
(ii) rw1 = (rs1 )u + (rt1 )v S
Pelo que acabamos de mostrar, qualquer plano que passa pela origem subespao vetorial de R3 .
De fato, os nicos subespaos vetoriais no triviais de R3 so os do exemplo 1.4.4.

Mais Geralmente, seja E um espao vetorial e considere u1 , u2 , , uk E. O conjunto
H = {w E; w = t1 u1 + t2 u2 + + tk uk , ti R}
um espao vetorial (subespao vetorial de E).

O espao H chamado subespao vetorial gerado por u1 , u2 , , uk . Usaremos a notao H =
[u1 , u2 , , uk ]. Diremos que {u1 , u2 , , uk} um conjunto de geradores de H.
Exemplo 1.3.5

O conjunto S = (x, y, z) R3 ; 3x y + z = 0 um subespao de R3 . Isso pode ser observado
diretamente a partir da definio.
Por outro lado, se z = y 3x podemos escrever para todo w = (x, y, z) S
w = (x, y, y 3x) = x(1, 0, 3) + y(0, 1, 1).
Portanto, S = [(1, 0, 3), (0, 1, 1)], o que mostra imediatamente que S subespao vetorial de R3 .
A saber, S o plano pela origem cujos vetores diretores so (1, 0, 3) e (0, 1, 1) ou, equivalentemente,
o plano pela origem cujo vetor normal (3, 1, 1).
Finalizamos esta seo com algumas observaes complementares. Dados dois conjuntos A e B de-
notamos por A B o conjunto de elementos comuns (a interseo) e por A B a reunio de todos os
elementos (a unio). Alm disso definimos a soma A + B, cada um dos elementos de A com todos os
elementos de B.
Mais formalmente, sejam U e V subespaos vetorias do espao vetorial E. Definimos
(i) U V = {w E; w U e w V}
(ii) U V = {w E; w U ou w V}
(iii) U + V = {w E; w = u1 + v2 com u U e v V}
Na seo de exerccios a seguir o leitor ser convidado a demonstrar que U V e U + V so subespaos

vetoriais de E e que, em geral, U V no subespao vetorial de E.

1.3 Exerccios
1.3.1 Em cada um dos itens abaixo, use a definio para mostrar que S um subespao vetorial do
espao vetorial E indicado. A seguir obtenha um conjunto de geradores para S e escreva S como espao
vetorial gerado por tal conjunto.

(a) E = R2 ; S = (x, y) R3 ; 3x 2y = 0

a b
(b) E = M2,2 ; S = M2,2 ; a + b c + d = 0
c d

(c) E = R3 ; S = (x, y, z) R3 ; 2x 3y + z = 0
(d) E = P2 ; S = {a0 + a1 x + a2 x2 P2 ; a2 = 2a1 = a0 }

(e) E = R4 ; S = (x1 , x2 , x3 , x4 ) R4 ; x1 2x2 + x3 3x4 = 0

(f) E = R3 ; S = (x, y, z) R3 ; z = 3xey = 4x

b1 x1
b2 x2
1.3.2 Considere uma matriz A = (aij )mn e uma matriz coluna B = .. . Se X = .. uma

. .
bm xn
matriz coluna de n incgnitas ento AX = B uma representao matricial de um sistema linear de m
equaes a n incgnitas.
0
0
Suponha b1 = b2 = = bm = 0 e mostre que o conjunto soluo do sistema linear nulo, AX = .

..
0
, subespao vetorial de M1,n (ou de Rn ).
1.3.3 Sejam U e V subespaos vetoriais de um espao vetorial E. Mostre que UV e U+V so subespaos
vetoriais de E.
Verifique com um exemplo que U V no subespao vetorial de E no caso geral.
1.3.4 Quando U V = {0} dizemos que a soma U + V soma direta e usamos a notao U V para
indicar.
Identifique U + V nos seguintes casos e verifique se a soma direta.

U = (x, y, z) R3 ; x = y e z = 2y
(a)
V = (x, y, z) R3 ; 3x y z = 0

U = (x, y, z) R3 ; x = y = 2z
(b)
V = (x, y, z) R3 ; x y + z = 0

a b
U= M(2,2) ; a 2b + c = 0
(c) c 0
d 0
V= M(2,2) ; d R
0 d

a b c
U= M(2,3) ; a, b, c R
(d) 0 b a
d c d
V= M(2,3) ; d, c R
c 0 c

1.3.5 Seja Q o primeiro quadrante do plano xy, isto , Q = {(x, y); x > 0, y > 0}.
(a) Se u, v Q, u + v Q? Justifique.
(b) Determine W Q e algum escalar r tal que rw no pertena a Q.
1.3.6 Repita o exerccio anterior para o conjunto T = {(x, y); x > 0}. Represente T geometricamente.

1.3.7 Represente W = (x, y) R2 ; xy > 0 geometricamente. W espao vetorial? Justifique sua
resposta.
1.3.8 Mostre que o conjunto

a a a a

a b b b ; a, b, c, d R
U=

a b c c

a b c d
um espao vetorial.
1.3.9 Seja E um espao vetorial e considere v1 , v2 , , vx E. Mostre que H = [v1 , v2 , , vx ] um
espao vetorial.
1.3.10 Seja F = {f : R R; f funo}.
Mostre que U = {f F; f(1) = 0} um espao vetorial.

1.4 Dependncia e Independncia Linear.

Base de um espao vetorial
Considere E um espao vetorial e sejam v1 , v2 , , vx vetores de E. J temos que H = [v1 , v2 , , vx ]
um espao vetorial, nos ocuparemos agora com a questo de ser o conjunto {v1 , v2 , , vx } um conjunto
mnimo de geradores de H; isto , se H pode ser gerado ou no com menos de K elementos. Para responder
precisamos da noo de indepencncia linear que abordaremos na definio a seguir.
Definio 1.4.1 Seja E espao vetorial e sejam v1 , v2 , , vk E. Dizemos que o conjunto

{v1 , v2 , , vk } linearmente independente (LI) quando a nica combinao linear nula de tais vetores
a que tem todos os coeficientes iguais a 0. Em outras palavras
a1 v1 + a2 v2 + + ak vk = 0 a1 = a2 = = ak = 0.
No caso contrrio, isto , quando existe alguma combinao linear nula de v1 , , vk em que nem
todos os coeficientes so nulos, dizemos que o conjunto {v1 , , vk } linearmente dependente (LD).
Exemplo 1.4.1
Seja E um espao vetorial e seja v E. O conjunto {v} LI se v 6= 0 e LD quando v = 0.
Exemplo 1.4.2
Seja E = R2 e considere u = (1, 0) e v = (0, 1). Do exemplo anterior, {u} e {v} so conjuntos
LI. Dados a, b R, au + bv = (0, 0) a(1, 0) + b(0, 1) = (0, 0) (a, 0) + (0, b) = (0, 0).
Evidentemente, a = 0 e b = 0 e, portanto {u, v} tambm conjunto LI.
Ainda em E = R2 , considere u = (2, 1) e v = (1, 4). Se a, b R so tais que
au + bv = (0, 0) ento
2a + b = 0 a=0

a + 4b = 0 b=0
Assim, {u, v} um conjunto linearmente independente em R2 .
Exemplo 1.4.3

1 1 0 1 0 0 1 0
Sejam A1 = , A2 = , A3 = , A4 = matrizes de M(2,2) .
0 1 1 1 1 1 0 1

0 0
Se x, y, z, t so nmeros reais tais que xA1 + yA2 + zA3 + tA4 = ento
0 0

xt=0
x=0

x + y = 0 y=0

y+z=0
z=0

x+y+z+t=0 t=0
Portanto {A1 , A2 , A3 , A4 } um conjunto LI em M(2,2) .
Exemplo 1.4.4

1 1 0 1 2 1
Ainda em M(2,2) , o conjunto , , linearmente dependente. De fato,
2 1 1 2 1 4
a combinao nula
1 1 0 1 2 1 0 0
2 +3 1 =
2 1 1 2 1 4 0 0
suficiente para mostrar a dependncia linear.

1.4. Dependncia e Independncia Linear.
Base de um espao vetorial 35

2 1 1 1 0 1 2 1
Observe que =2 +3 , isto , combinao linear das duas
1 4 2 1 1 2 1 4
outras matrizes. De fato isso sempre ocorre em conjuntos LD. Temos o seguinte resultado.
Proposio 1.4.1 Seja E um espao vetorial e sejam u1 , u2 , , um E.
O conjunto {u1 , , um } LD se, e somente se, algum dos vetores combinao linear dos demais.
Demonstrao:
Suponha {u1 , , um } LD. Logo existem a1 , a2 , , am R no todos nulos tais que
a1 u1 + a2 u2 + + am um = 0. Podemos supor aj 6= 0 e escrever
a1 a2 aj1 aj+1 am
uj = u1 u2 uj1 uj+1 um
aj aj aj aj aj
e, portanto, uj combinao linear dos demais.

Reciprocamente, se por exemplo um = b1 u1 + b2 u2 + + bm1 um1 ento
b1 u1 + b2 u2 + + bm1 um1 + (1)um = 0 uma combinao nula de u1 , ,um com pelo menos um
coeficiente no nulo (1).
O resultado anterior fornece um algoritmo til para, a partir de um conjunto LD (em que nem
todos os elementos so nulos) obtermos um conjunto LI.
Considere o conjunto {u1 , u2 , ,uk } LD em E, e suponha todos os vetores no nulos. (De fato,
caso houvesse algum vetor nulo, poderamos omiti-lo). Portanto, algum dos vetores (digamos, uk )
combinao linear dos demais. Suprimimos o vetor e ficamos com o conjunto {u1 , u2 , , uk1 }.
Agora, se {u1 , u2 , , uk1 } LI, atingimos nosso objetivo. Em caso contrrio, algum dos vetores
combinao linear dos demais e, portanto, podemos suprimi-lo, ficando com um conjunto com k 2
elementos.
Obviamente, o processo finito e, no mnimo, teremos um conjunto LI unitrio.
Vamos a mais alguns exemplos
Exemplo 1.4.5
Em E = R3 so linearmente independentes os seguintes conjuntos (por exemplo):
(LI1) {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

(LI2) {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
(LI3) {(1, 1, 3), (1, 2, 1), (1, 1, 0)}
O primeiro caso bvio. no 2o , x(1, 1, 1) + y(1, 1, 0) + z(1, 0, 0) = (0, 0, 0)

x+y+z=0 x=0
x+y=0 y=0

x=0 z=0
J no 3o caso, x(1, 1, 3) + y(1, 2, 1) + z(1, 1, 0) = (0, 0, 0)

x + y + z = 0 x=0
x + 2y z = 0 y=0 .

3x + y = 0 z=0
Por outro lado, os conjuntos abaixo so linearmente dependentes
(LD1) {(1, 0, 1), (1, 1, 1), (0, 1, 2)}

(LD2) {(1, 1, 3), (2, 1, 1), (5, 1, 5)}
(LD3) {(1, 1, 0), (1, 2, 1), (1, 1, 1), (1, 3, 4)}
No 1o caso, fcil verificar que (1, 0, 1) + (1, 1, 1) = (0, 1, 2).

No 2o caso, temos 1(1, 1, 3) + 2(2, 1, 1) 1(5, 1, 5) = (0, 0, 0).

J no 3o caso, x(1, 1, 0) + y(1, 2, 1) + z(1, 1, 1) + t(1, 3, 4) = (0, 0, 0) se, e somente se,

x+y+z+t=0
x + 2y z + 3t = 0 que um sistema linear homogneo

y + z + 4t = 0
com mais incgnitas que equaes. Portanto, tem uma infinidade de solues. De fato, fcil ver que
x = 3t, y = 43 t e z = 83 t com t R satisfaz o sistema linear acima.
1.4 Exerccios
1.4.1 Verifique se o conjunto dado ou no linearmente independente no espao vetorial E em cada item
abaixo.
(a) {(7, 5), (3, 1)}, E = R2 .
(b) {(1, 5), (2, 10)}, E = R2 .
(c) {(1, 8), (1, 5)}, E = R2 .
(d) {(1, 2, 1), (2, 1, 0), (1, 0, 1)}, E = R3 .
(e) {(1, 1, 1), (0, 1, 2), (1, 1, 0)}, E = R3 .
(f) {(1, 2, 2), (1, 1, 0), (5, 4, 6)}, E = R3 .
(g) {(0, 1, 1), (2, 1, 2), (0, 1, 0)}, E = R3 .

(h) (1 + 2x, 2 + x + x2 , x + 2x2 , E = P2 .

(i) 2 3x + x2 , 3 3x + 2x2 , 4 9x + x2 , E = P2 .

1 2 1 1 1 1 5 1 1
(j) , , , E = M(m,n)
3 5 0 1 1 1 4 2 0

1 2 1 1
(k) , , E = M(m,n)
2 5 1 1
1.4.2 Mostre que o conjunto S = {(a + b, a + 2b + c, a 3c), a, b, c R} um espao vetorial. Obtenha

um conjunto LI em S contendo trs elementos.
1.4.3 Mostre que o conjunto

a a + b + c a b + 2c
S= 2a b ab a + 2b + c , a, b, c R

a + b 2c bc c
um espao vetorial e determine uma base para S.

1.4.4 Mostre que o conjunto S = {(a, b, c, d); a + b c + 2d = 0} um subespao vetorial de R4 e
determine uma base para S.
1.4.5 Determine uma base e a dimenso dos seguintes conjuntos:
(a) [(1, 1, 1), (1, 2, 1), (0, 1, 0)]
(b) [(1, 1, 2, 1), (2, 1, 1, 1), (3, 2, 1, 2), (4, 2, 2, 2)]
(c) 1 + x + x2 , 1 + x + x2 , x 3x2 , 2 2x2


1.4. Dependncia e Independncia Linear.
Base de um espao vetorial 37
(d) 1 3x + x3 , 1 x + 2x2 , 2 x + x2 , 5 + 2x3

1 1 1 3 2 1 2 6 6
(e) 2 2 1 , 0 1 1 ,
8 6 2
2 1 1 1 2 4 6 0 4

1 2 1 1 1 1 2 1 0 1
(f) , , , ,
1 5 1 1 2 1 1 1 1 0
1.4.6 Considere {v1 , v2 , , vn } base do espao vetorial E e sejam 0 < k < n < m nmeros inteiros.
Justifique
(i) Qualquer conjunto linearmente indepentente {u1 , u2 , , uk } E pode ser completado at obter-se
uma base em E.
(ii) Qualquer subconjunto {w1 , w2 , , wm } de E linearmente dependente.
(iii) Todas as bases de E tem a mesma quantidade (n) de elementos (o que chamamos dimenso do
espao vetorial E).
1.4.7 Quais dos seguintes vetores pertecem ao espao vetorial [(2, 1, 0, 3), (3, 1, 5, 2), (1, 0, 2, 1)]?
(a) (2, 3, 7, 3)
(b) (0, 0, 0, 0)
(c) (1, 1, 1, 1)
(d) (4, 6, 1, 4)
1.4.8 Se possvel, encontre exemplos de:

(a) Cinco vetores que sejam combinao linear de (1, 2, 0) e (1, 2, 1).
(b) Trs vetores que no sejam combinao linear de (1, 2, 0) e (1, 2, 1).
(c) Uma matriz A22 e um vetor v R2 tal que v no pertena ao conjunto gerado pelas colunas de A.
(d) Um vetor no nulo (x, y, z) R3 que pertena ao espao soluo do sistema homogneo

x + 2y z =0
2x + y + 2z = 0 .

2x + 7y 6z = 0
(e) Uma matriz 3 3 cujas colunas no gerem R3 .

(f) Um subespao de dimenso 3 no espao vetorial das matrizes 3 3.
(g) Uma equao cartesiana para o espao vetorial descrito no exerccio anterior.
1.4.9 Considere 1 = {u1 , u2 , u3 } uma base de um espao vetorial E e seja 2 = {v1 , v2 , v3 } E de modo
que v1 = 3u1 2u2 + 4u3 , v2 = u1 + u2 u3 e v3 = u1 + 5u2 u3 .
(a) 2 tambm base de E?

(b) Escreva u1 , u2 e u3 como combinao linear de v1 , v2 e v3 . De quantas maneiras isso pode ser feito?
(c) Se [v]1 = (1, 2, 7), escreva v como combinao linear dos vetores v1 , v2 e v3 .

Notas de Aula de Álgebra Linear - Fábio Henrique Carvalho - 12.11.2013

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Notas de Aula de Álgebra Linear - Fábio Henrique Carvalho - 12.11.2013

Загружено:

Авторское право:

Доступные форматы

Notas de Aula de

Publicado por Fundao Universidade Federal do Vale do So Francisco (Univasf)

Primeira impresso, abril de 2013.

0 Preliminares: Sistemas Lineares, Matrizes e Eliminao Gaussiana 1

0.1 Equaes Lineares e Matrizes

Definio 0.1.1 Considere as incgnitas x1 , x2 , . . . , xn e sejam a1 , a2 , . . . , an R (ou C, quando for

chamada de equao linear nas incgnitas x1 , x2 , . . . , xn .

Os escalares a1 , a2 , . . . , an so chamados coeficientes da equao linear; b chamado termo indepen-

Definio 0.1.2 Uma tabela composta por m linhas e n colunas da forma

Reviso Captulo 0: 12 de novembro de 2013

imediato verificar que

Reviso Captulo 0: 12 de novembro de 2013

a) Determine a equao da reta r2 , paralela a r1 , passando pelo ponto (1, 1).

b) Ache a equao de uma reta s, perpendicular a r1 e r2 .

0.1.2 Determine matrizes 21 A, e B, tais que

0.1.3 Considere em R3 o plano 1 : 2x + y + 3z = 6.

b) Determine a equao de um plano 2 paralelo a 1 , passando por (1, 1, 1).

0.2 Produto e Inverso de Matrizes

Reviso Captulo 0: 12 de novembro de 2013

(Faa os clculo envolvidos).

fcil ver que:

se B tem n colunas, BIn = B.

As matrizes identidades fazem (relativamente ao produto de matrizes) o papel do nmero 1 no produto

Reviso Captulo 0: 12 de novembro de 2013

Quando definido em alguns conjuntos especiais, denominados domnios de integridade, o produto de

c) Quando AB = Im = BA, dizemos simplesmente que B inversa de A (e vice-versa) e representamos

0.2.2 Quais das matrizes do exerccio anterior possuem inversa?

Reviso Captulo 0: 12 de novembro de 2013

b) determine (A + B)2 , com A e B matrizes.

c) calcule as potncias A2 , A3 , B2 , B3 , C2 e C3 com

d) o que ocorre com as potncias An , Bn e Cn para n N, n > 2, arbitrrio.

a) Descreva a matriz da rotao, no sentido horrio, pelo mesmo ngulo .

0.3 Sistemas Lineares

Reviso Captulo 0: 12 de novembro de 2013

Definio 0.3.1 Sejam i, j, m, n N com 1 6 i 6 m e 1 6 j 6 n. Dados mn escalares aij , um

Podemos ainda escrever o sistema linear na forma

chamada forma matricial do sistema linear.

Reviso Captulo 0: 12 de novembro de 2013

x = 1, y = 2 e z = 3. A forma matricial do sistema linear

no possui soluo (ou seja, o sistema impossvel ).

0.3.1 Ache nmeros x e y tais que 

Reviso Captulo 0: 12 de novembro de 2013

Escreva o sistema na forma matricial.

0.3.3 possvel encontrar nmeros reais x, y e z tais que

0.4 Resoluo de Sistemas Lineares: O mtodo de Gauss-Seidel

2a ) multiplicao de uma linha qualquer por um escalar no nulo.

Reviso Captulo 0: 12 de novembro de 2013

Reviso Captulo 0: 12 de novembro de 2013

(i) Li Lj : troca de posio entre a i-sima e j -sima linhas;

(ii) Li kLi : multiplicao da i-sima linha pela constante no nula k;

Observe que em (iii) h duas operaes elementares desenvolvidas simultaneamente.

Reviso Captulo 0: 12 de novembro de 2013

Reviso Captulo 0: 12 de novembro de 2013

 claro que existem

Reviso Captulo 0: 12 de novembro de 2013

(11, 8, 1), (5, 3, 1), 13 5

Portanto, podemos escrever

Assim, podemos escrever 

Reviso Captulo 0: 12 de novembro de 2013

Reviso Captulo 0: 12 de novembro de 2013

(ii) A nulidade de A o nmero de colunas de A, subtrado o posto.

(i) posto (A) o posto de A;

(ii) nul (A) = n posto (A) a nulidade de A.

0.3.1 Ache nmeros x e y tais que

claro que existem

Assim, podemos escrever

a) retasque passam pela origem fixado v = (m, n, p) em 3