Escalonamento de matrizes na Algebra Linear

UFPA
Algebra Linear 1
UFPA
Matematica Licenciatura
Algebra Linear
Prof
a
: Nazare Bezerra
Captulo 1
Escalonamento de matrizes
Objetivos
Conhecer as operacoes elementares sobre as linhas de uma matriz
Usar as operacoes elementares no escalonamento de matrizes
Calcular o posto de uma matriz
A tecnica que usaremos na resolucao de sistemas lineares, que sera
estudada no Captulo 5, tem como primeiro passo a transformacao da matriz
associada ao sistema a uma matriz mais simples, a qual chamamos de matriz
escalonada. Neste captulo vamos aprender a escalonar matrizes, preparando-
nos para a resolucao de sistemas lineares. Outra utilizacao deste processo,
como veremos no proximo captulo, e o calculo da inversa de uma matriz nao-
singular. Ao longo deste captulo A representara uma matriz cujos elementos
tanto podem ser n umeros reais como complexos.
1 Operac oes elementares sobre linhas
Chama-se operacao elementar sobre as linhas de uma matriz A, m n, a
um dos seguintes procedimentos:
E
1
: Permutar duas linhas da matriz.
A notacao L
i
L
j
indica que a linha L
i
da matriz A deve trocar de posicao
com a linha L
j
.
Exemplos 1.
(1) Efetuando em A =
_
_
3 1
4 2
0 6
_
_
a operacao L
1
L
3
obtemos
_
_
0 6
4 2
3 1
_
_
.
Exerccios propostos 1.
2
UFPA

Algebra Linear 3
(1) Determine a matriz obtida efetuarmos sobre A a operacao elementar indi-
cada:
(a) A =
_
0 1
3 2
_
L
1
L
2
_ _
(b) A =
_
_
0 0 4
0 2 1
8 3 3
_
_
L
1
L
3
_
_
_
_
(c) A =
_
_
_
_
7 11 2
3 2 8
9 11 1
2 9 0
_
_
_
_
L
2
L
4
_
_
_
_
_
_
_
_
E
2
: Multiplicar uma linha da matriz por um escalar nao nulo c.
A notacao: L
i
c.L
i
- signica que devemos multiplicar todos os elementos
da i-esima linha da matriz pelo escalar (n umero real ou complexo) c.
Exemplos 2.
Efetuando sobre a matriz A =
_
_
3 1
4 2
0 6
_
_
a operacao L
2
2.L
2
obte-
mos a matriz
_
_
3 1
8 4
0 6
_
_
.
Observacao 1. O escalar c usado nesta operacao deve necessariamente
ser nao nulo. Por exemplo, a operacao L
1
0.L
1
sobre A, resultando
a matriz
_
_
0 0
4 2
0 6
_
_
nao e considerada uma operacao elementar
valida, pois neste caso tomamos c = 0.
(1) Determine a matriz obtida efetuando sobre A a operacao elementar
indicada:
(a) A =
_
0 1
3 2
_
L
1
2.L
1
_ _
(b)
_
_
0 0 4
0 2 1
8 3 3
_
_
L
3
3L
3
_
_
_
_
(c)
_
_
_
_
7 11 2
3 2 8
9 11 1
2 9 0
_
_
_
_
L
2

7
3
L
2
_
_
_
_
_
_
_
_
4

Algebra Linear UFPA
E
3
: Somar a uma linha de A um m ultiplo escalar de uma outra linha
de A.
O processo consiste em tomar duas linhas L
i
=
_
a
i1
a
i2
... a
in
_
e
L
j
=
_
a
j1
a
j2
... a
jn
_
de A e efetuar a seguinte operacao:
L
i
+c.L
j
= (a
i1
+ca
j1
a
i2
+ca
j2
... a
in
+ca
jn
)
A linha resultante desta operacao substitui entao a i-esima linha da ma- L
i
L
i
+ c.L
j
- indica
a substuicao da i-esima linha
pela soma da i-esima linha
com c vezes a j-esima (i ,= j).
triz, mantendo-se inalteradas todas as demais linhas.
Para indicar esta operacao escreveremos L
i
L
i
+c.L
j
.
Exemplos 3.
Efetuando emA =
_
_
3 1
4 2
0 6
_
_
operacao L
1
L
1
+2.L
2
obtemos
_
_
11 3
4 2
0 6
_
_
.
Observacao 2. Na pratica e comum executarmos as operacoes E
2
e E
3
simultaneamente. Por exemplo, em vez de efetuarmos em uma matriz A os
passos E
2
: L
j
c
1
.L
j
e depois E
3
: L
j
L
j
+c
2
.L
i
na matriz resultante,
efetuamos de uma so vez sobre A a operacao L
j
c
1
.L
j
+c
2
.L
i
, obtendo
o mesmo resultado. (Verique!)
(1) Determine a matriz obtida efetuando sobre A a operacao elementar
indicada:
(a) A =
_
0 1
3 2
_
L
1
L
1
2.L
2
_ _
(b)
_
_
0 0 4
4 2 1
8 3 3
_
_
L
3
L
3
2L
2
_
_
_
_
(c)
_
_
_
_
7 11 2
3 2 8
9 11 1
2 9 0
_
_
_
_
L
3

9
7
L
1
_
_
_
_
_
_
_
_
Exerccios resolvidos 1.
(1) Considere a matriz A =
_
_
2 3 2
2 3 0
2 0 0
_
_
. Encontre as matrizes A
1
, A
2
,
A
3
e A
4
, onde
(a) A
1
e a matriz obtida de A efetuando-se a operacao L
1
L
3
;
(b) A
2
e a matriz obtida de A
1
efetuando-se a operacao L
2
L
2
1.L
1
;
UFPA

Algebra Linear 5
(c) A
3
2
3
L
3
1.L
1
;
(d) A
4
3
3
L
3
1.L
2
Solucao:
(a) Neste caso apenas trocamos de posicao as linhas 1 e 3 da matriz.
Fazendo isto obtemos A
1
=
_
_
2 0 0
2 3 0
2 3 2
_
_
.
(b) Aqui devemos inicialmente efetuar duas operacoes matriciais: uma
multiplicacao por escalar e uma soma de matrizes. As matrizes envolvi-
das nas operacoes sao as linhas L
1
e L
2
da matriz A
1
:
L
2
1.L
1
= (2 3 0) + (1).(2 0 0) = (0 3 0)
Substituindo agora a linha 2 da matriz A
1
pela linha que resultou da
operacao acima obtemos A
2
=
_
_
2 0 0
0 3 0
2 3 2
_
_
.
(c) Como na letra (b), efetuamos as operacoes:
L
3
1.L
1
= (2 3 2) + (1).(2 0 0) = (0 3 2)
Substituindo a linha 3 da matriz A
2
pela linha acima obtemos A
3
=
_
_
2 0 0
0 3 0
0 3 2
_
_
.
(d) Tomando as linhas L
2
e L
3
da matriz A
3
e efetuando as operacoes:
L
3
1.L
2
= (0 3 2) + (1).(0 3 0) = (0 0 2).
Agora substituindo a linha 3 de A
3
por esta linha camos com
A
4
=
_
_
2 0 0
0 3 0
0 0 2
_
_
.
(1) Considere a matriz B =
_
_
3 2 1 0
1 3 0 2
2 1 2 0
_
_
. Encontre as matrizes
B
1
, B
2
, B
3
e B
4
, onde
(a) B
1
e a matriz obtida de B efetuando-se operacao L
1
L
2
;
(b) B
2
e a matriz obtida de B
1
2
L
2
+ 3.L
1
;
(c) B
3
2
3
L
3
2.L
1
;
(d) B
4
3
3
7.L
3
+5.L
2
;
Observe a matriz B
4
. O que ela tem em comum com a matriz A
4
?
(2) Considere a matriz C =
_
_
_
_
1 2 4 3 0
1 0 3 1 0
2 0 6 0 3
2 4 8 6 0
_
_
_
_
. Encontre as matrizes
6

Algebra Linear UFPA
C
1
, C
2
, C
3
e C
4
, onde
(a) C
1
e a matriz obtida de C efetuando se operacao L
2
L
2
L
1
;
(b) C
2
e a matriz obtida de C
1
3
L
3
2.L
1
;
(c) C
3
2
4
L
4
2.L
1
;
(d) C
4
3
3
L
3
2.L
2
;
Observe a forma da matriz C
4
. O que ela tem em comum com as matrizes
A
4
e B
4
?
2 Matriz escalonada
Na letra (d) do exerccio anterior voce deve ter encontrado a seguinte
matriz:
C
4
=
_
_
_
_
1 2 4 3 0
0 2 1 4 0
0 0 0 2 3
0 0 0 0 0
_
_
_
_
.
Circule o primeiro elemento nao nulo de cada linha nao nula da matriz e
responda:
- Quantos zeros existem antes do primeiro elemento nao nulo na primeira
linha?
- Quantos zeros existem antes do primeiro elemento nao nulo na se-
gunda linha?
- Quantos zeros existem antes do primeiro elemento nao nulo na ter-
ceira linha?
Obviamente que suas respostas foram 0, 1 e 3, respectivamente.
Responda as mesmas perguntas, considerando agora as matrizes A
4
e B
4
do Exerccio 4.
Observamos nestas matrizes que o n umero de zeros precedendo o primeiro
elemento nao nulo aumenta a cada linha, ate que sobrem somente linhas
nulas, se houver. Matrizes com este formado sao chamadas de escalonadas,
conforme denicao a seguir.
Denicao 1. Diz-se que uma matriz A, mn, esta na forma escalonada
ou e uma matriz escalonada, se satisfaz as seguintes condicoes:
(i) todas as linhas nulas de A (se houver) cam abaixo de todas as
linhas nao nulas;
(ii) se L
1
, L
2
, ..., L
r
sao as linhas nao nulas de A e se o primeiro
elemento nao nulo na linha L
i
(i = 1, 2, ..., r) ocorre na coluna j
i
, entao
j
1
< j
2
< ... < j
r
.
Os elementos a
1j
1
, a
2j
2
,..., a
rj
r
(primeiro elemento nao nulo de cada
linha nao nula) sao chamados elementos disting uidos da matriz A. Os elementos disting uidos de
uma matriz escalonada cam
em forma de escada, que
desce para a direita pela
mattriz.
UFPA

Algebra Linear 7
Exemplos 4.
(1) As matrizes A
4
, B
4
e C
4
do Exerccio 4 estao na forma escalonada;
(2) A matriz A =
_
_
_
_
1 1 2 3 2
0 1 3 2 1
0 0 4 2 1
0 0 0 3 3
_
_
_
_
esta na forma escalonada. Os
elementos disting uidos de A estao nas posicoes a
11
, a
22
, a
33
e a
44
.
(3) A matriz B =
_
_
_
_
0 _3 2 0 0
0 0 0 _1 0
0 0 0 0 _7
0 0 0 0 0
_
_
_
_
esta na forma escalonada. Os ele-
mentos disting uidos de B estao circulados.
(4) A matriz D =
_
_
_
_
1 7 14 0
0 2 7 8
0 0 0 0
0 0 6 13
_
_
_
_
nao esta escalonada, pois nao
satisfaz a condicao (i) da denicao;
(5) A matriz E =
_
_
_
_
_
_
1 0 0 2
0 1 0 7
0 2 4 0
0 0 0 3
0 0 0 0
_
_
_
_
_
_
nao esta na forma escalonada, pois o
n umero de zeros precedendo o primeiro elemento nao nulo nao aumentou
da segunda para a terceira linha como exige a condicao (ii) da Denicao 9.
Escalonamento de uma matriz
Se uma matriz nao esta na forma escalonada, sempre e possvel reduzi-
la a esta forma, aplicando sobre ela um n umero nito de operacoes ele-
mentares, a exemplo do que zemos com as matrizes A, B e C no Exerccio
4. Ao escalonar uma matriz procure descobrir o que precisa ser feito em
cada etapa e qual e a operacao elementar mais indicada para voce alcancar
o objetivo naquele momento.
(1) Reduzir cada uma das matrizes abaixo à uma forma escalonada:
(a) A =
_
6 1
2 0
_
;
(b) B =
_
_
1 6 4 2
0 0 0 0
3 2 6 1
_
_
;
(c) C =
_
_
0 0 3 4 1
0 0 2 1 0
0 0 0 8 4
_
_
;
8

Algebra Linear UFPA
Matrizes linha-equivalentes
Denicao 2. Dizemos que uma matriz B e linha equivalente a uma
matriz A, e escrevemos B A, se B pode ser obtida de A por meio de
uma sequencia nita de operacoes elementares sobre as linhas de A.
Exemplos 5.
(1) A matriz B =
_
2 1
0 1
_
e linha-equivalente a matriz A =
_
5 3
2 1
_
,
pois foi obtida de A por meio de operacoes elementares (verique);
(2) A Matriz D =
_
_
2 1 0 5
0 2 6 3
0 0 2 25
_
_
e linha equivalente a matriz
C =
_
_
2 1 0 5
0 2 6 3
0 0 2 25
_
_
, pois foi obtida desta por meio de operacoes
elementatares (C tambem pode ser obtida de D por meio de operacoes
elementares, assim podemos dizer que C e D sao linha-equivalentes).
Posto de uma matriz
A forma escalonada de uma matriz nao e unica, porem o n umero de linhas
nao nulas e o mesmo, qualquer que seja a forma escalonada da matriz. Isto
justica a seguinte denicao.
Denicao 3. Chama-se posto de uma matriz A, denotado por posto(A),
ao n umero de linhas nao nulas que restam na matriz apos o seu escalona-
mento.
Exemplos 6.
(1) O posto da matriz A =
_
_
2 2 1
3 2 0
1 0 6
_
_
e 3, pois este e o n umero de
linhas nao nulas da matriz
_
_
1 0 6
0 2 13
0 0 1
_
_
, que e uma forma escalonada
da matriz A;
(2) O posto da matriz B =
_
_
3 1 4
9 3 12
15 5 20
_
_
e 1. (Verique!)
(1) Para cada par de matrizes abaixo dizer quais as operacoes elementares
que se deve aplicar sobre as linhas de A para obter B:
UFPA

Algebra Linear 9
(a) A =
_
2 1
4 6
_
e B =
_
2 1
0 4
_
;
(b) A =
_
2 4 6
1 2 4
_
e B =
_
1 2 3
1 2 4
_
;
(c) A =
_
_
2 4 3 1
1 2 3 4
0 1 4 6
_
_
e B =
_
_
1 2 3 4
0 1 4 6
2 4 3 1
_
_
.
(2) Identique as matrizes abaixo que estao na forma escalona:
A =
_
_
1 4 0 0
0 1 1 0
0 0 1 2
_
_
, B =
_
_
1 0 0 0
0 0 0 0
0 0 0 1
_
_
, C =
_
_
0 1
0 0
0 0
_
_
,
D =
_
_
1 2
0 1
0 0
_
_
, E =
_
_
1 2 0
0 0 1
0 0 0
_
_
, F =
_
_
1 0 0
0 1 0
0 1 0
_
_
.
(3) Determine o posto de cada uma das matrizes da questao anterior.
(4) Determine as condicoes de que devem ser impostas a a, b e c para
que a A =
_
_
1 2 a
3 5 b
0 3 c
_
_
tenha posto 2.
(5) Que valores podemos atribuir a x e y para que a matriz A =
_
_
1 2 4
2 3 1
3 x y
_
_
tenha posto 2.
(6) Dada uma matriz A e uma operacao elementar E
j
, vamos denotar
por E
j
(A) a matriz obtida de A apos efetuarmos sobre A a operacao
E
j
. Por exemplo, se A =
_
1 3
2 2
_
e E
2
: L
2
L
2
2.L
1
, entao
E
2
(A) =
_
1 3
0 4
_
. Dada a matriz D =
_
_
_
_
0 1 5 6
0 i 1 6
0 0 3 + 2i 0
1 4 3i 8
_
_
_
_
e E
3
:
L
2
L
2
+ (i)L
1
, obtenha E
3
(D).
_
_
_
_
3 0 1
1
2
6 2
4 7 9
6 0 2
_
_
_
_
.
(a) Determine B = E
1
(A), onde E
1
: L
1
L
2
.
(b) Descreva a operacao elementar que devemos efetuar sobre as linhas de
B para obter novamente a matriz A.
(c) Determine a matriz C = E
2
(A), onde E
2
: L
2
2.L
2
.
(d) Descreva a operacao elementar que devemos efetuar sobre as linhas de
C para obter novamente a matriz A.
10

Algebra Linear UFPA
(e) Determine a matriz D = E
3
(A), onde E
3
: L
4
L
4
2.L
1
.
(f) Descreva a operacao elementar que devemos efetuar sobre as linhas da
matriz D para obter novamente a matriz A.
(8) No exerccio anterior voce deve ter constatado que a cada operacao
elementar corresponde uma operacao elementar de mesmo tipo, que faz
o processo inverso, ou seja, desfaz a operacao executada anteriormente.
Formalizamos isto no seguinte teorema:
Teorema 1. A cada operacao elementar sobre linhas E
j
(j = 1, 2 ou 3)
corresponde uma operacao elementar E
t
j
de mesmo tipo, tal que Toda operacao elementar e
reversvel.
E
t
j
(E
j
(A)) = E
j
(E
t
j
(A)) = A
para qualquer matriz A, mn.
Faca a demonstracao do teorema acima. (sugestao: faca a demon-
stracao para cada uma das operacoes em separado).
Captulo 2
Matriz Inversvel
Objetivos
Reconhecer quando uma matriz e inversvel
Usar operacoes elementares para calcular a inversa de matrizes inversveis
Na captulo anterior aprendemos a escalonar matrizes usando as operacoes
elementares sobre linhas. Agora, veremos como utilizar estas operacoes el-
ementares no calculo da inversa de uma matriz inversvel.
1 Denicao
Denicao 4. Diz-se que uma matriz quadrada A e inversvel se existe
uma matriz B, chamada a inversa de A, tal que
AB = BA = I
onde I e a matriz identidade de mesma ordem que A.
Uma matriz inversvel e tambem chamada de nao-singular e matrizes
nao inversveis sao chamadas de singulares.
Exemplos 7.
(1) A matriz A =
_
3 5
2 3
_
e inversvel, pois B =
_
3 5
2 3
_
e tal que
AB = BA = I
2
(verique).
(2) A matriz C =
_
_
1 3 4
3 1 6
1 5 1
_
_
e inversvel, pois tomando D =
11
12

Algebra Linear UFPA
_
_
31
2

17
2
11
9
2
5
2
3
7 4 5
_
_
, entao CD = DC = I
3
.
Proposicao 1. Se A e uma matriz inversvel entao sua inversa e unica.
Demonstracao:
Suponha que B e C sejam inversas de uma matriz inversvel A. Entao
temos que AB = BA = I e tambem AC = CA = I. Como o produto de
matrizes e associativo segue que:
B = BI = B(AC) = (BA)C = IC = C
Assim, B = C e portanto a inversa e unica.
A inversa de uma matriz inversvel A, que e unica, sera denotada por
A
1
. E por denicao,
AA
1
= A
1
A = I
O smbolo A
1
indica a in-
versa da matriz A.
A denicao acima diz que A e inversvel, se existe uma matriz A
1
, tal
que AA
1
= A
1
A = I. Mas como saber se tal matriz existe? E se existe
como encontra-la? Vejamos um resultado que nos ajuda a responder a
primeira pergunta.
Proposicao 2. Uma matriz A, n n, e inversvel se, e somente se,
posto(A) = n.
Exemplos 8.
(1) A =
_
2 0
0 1
_
e uma matriz 2 2 que e inversvel, pois posto(A) = 2.
(2) B =
_
3 5
9 15
_
e uma matriz 2 2 que e nao inversvel, pois
posto(A) = 1.
(3) C =
_
_
1 0 2
2 0 0
3 1 1
_
_
e uma matriz 3 3 que e inversvel, pois
posto(A) = 3.
(4) D =
_
_
1 2 3
6 1 0
2 9 12
_
_
e uma matriz 3 3 que e nao inversvel, pois
posto(A) = 2.
UFPA

Algebra Linear 13
2 Calculo da Inversa
Se A e uma matriz nn nao-singular (inversvel), entao posto (A) = n =
posto (I
n
). Isto implica dizer que A e linha-equivalente a matriz iden-
tidade I
n
, e portanto e possvel, usando operacoes elementares sobre as
linhas de A, obter a matriz identidade. Mostraremos no proximo captulo
que esta mesma sequencia de operacoes elementares, quando aplicadas so-
bre a identidade produzem a matriz A
1
. Segue da um algoritmo para o
calculo da inversa. Vejamos o exemplo abaixo:
Calcular a inversa da matriz A =
_
1 3
4 0
_
Inicialmente devemos aplicar em A uma sequencia de operacoes ele-
mentares ate obter a matriz identidade.
A =
_
1 3
4 0
_
L
2
L
2
4.L
1
_
1 3
0 12
_
L
1
4.L
1
+L
2
_
4 0
0 12
_
L
1

1
4
.L
1
_
1 0
0 12
_
L
2

1
12
.L
2
_
1 0
0 1
_
= I
2
.
Em seguida, aplicamos esta mesma sequencia de operacoes elementares
sobre a identidade I
2
. A matriz obtida no nal e A
1
.
I
2
=
_
1 0
0 1
_
L
2
L
2
4.L
1
_
1 0
4 1
_
L
1
4.L
1
+L
2
_
0 1
4 1
_
L
1

1
4
.L
1
_
0
1
4
4 1
_
L
2

1
12
.L
2
_
0
1
4
1
3

1
12
_
= A
1
.
A m de agilizar o processo, aplicamos as operacoes elementares si-
multaneamente sobre A e I. Para isto construimos a matriz aumentada
[A[I], anexando à direta de A a matriz identidade I. O processo encerra-se
quando A for reduzida à matriz identidade. Vejamos um exemplo.
Calcular a inversa da matriz B =
_
_
2 5 1
4 1 2
6 4 2
_
_
.
Vamos aplicar as operac oes elementares simultaneamente sobre as ma-
trizes B e I
3
, construindo a matriz aumentada [B [ I
3
].
14

Algebra Linear UFPA
[B[I
3
] =
_
_
2 5 1[ 1 0 0
4 1 2[ 0 1 0
6 4 2[ 0 0 1
_
_
L
2
L
2
2.L
1
_
_
2 5 1[ 1 0 0
0 11 4[ 2 1 0
6 4 2[ 0 0 1
_
_
L
3
3.L
1
+L
3
_
_
2 5 1[ 1 0 0
0 11 4[ 2 1 0
0 11 5[ 3 0 1
_
_
L
3
1.L
2
+L
3
_
_
2 5 1[ 1 0 0
0 11 4[ 2 1 0
0 0 1[ 1 1 1
_
_
L
1
5.L
2
+ 11.L
1
_
_
22 0 9[ 1 5 0
0 11 4[ 2 1 0
0 0 1[ 1 1 1
_
_
L
1
9.L
3
+L
1
_
_
22 0 0[ 10 14 9
0 11 4[ 2 1 0
0 0 1[ 1 1 1
_
_
L
2
4.L
3
+L
2
_
_
22 0 0[ 10 14 9
0 11 0[ 2 5 4
0 0 1[ 1 1 1
_
_
L
1

1
22
.L
1
_
_
1 0 0[
10
22
14
22

9
22
0 11 0[ 2 5 4
0 0 1[ 1 1 1
_
_
L
2

1
11
.L
2
_
_
1 0 0[
5
11
7
11

9
22
0 1 0[
2
11

5
11
4
11
0 0 1[ 1 1 1
_
_
.
Entao B
1
=
_
_
5
11
7
11

9
22
2
11

5
11
4
11
1 1 1
_
_
.
(1) Vericar se as matrizes abaixo sao inversveis, caso armativo, cal-
cular sua inversa.
(a) A =
_
6 1
0 3
_
;
(b) B =
_
_
1 1 0
6 4 2
4 6 1
_
_
;
(c) C =
_
_
1 3 5
0 2 3
1 1 1
_
_
;
UFPA

Algebra Linear 15
(d) D =
_
_
6 1 0
1 2 3
2 9 12
_
_
;
(2) Use a proposicao 2 para mostrar que a matriz A =
_
a b
c d
_
e in-
versvel, se e somente se, ad bc ,= 0.
(3) Mostre que se A e uma matriz inversvel, entao A
1
e tambem in-
versvel e (A
1
)
1
= A.
(4) Mostre que se A e B sao matrizes n n inversveis, entao AB e
tambem inversvel e (AB)
1
= B
1
A
1
.
(5) (Lei do cancelamento) Sejam A, B e C matrizes n n com A in-
versvel. Mostre que:
(a) Se AB = AC, entao B = C;
(b) Se BA = CA, entao B = C.
(6) Mostre que a Lei do cancelamento nao e valida se nao assumirmos
A nao-singular, dando exemplos de matrizes quadradas A, B e C, A nao
nula, para as quais AB = AC, mas B ,= C.
Captulo 3
Matrizes elementares
Objetivos
Denir matriz elementar
Caracterizar uma matriz inversvel por sua linha-equivalencia com a
matriz identidade
No captulo anterior vimos um algoritmo para o calculo da inversa
de uma matriz, quando esta e inversvel, e foi dada (sem demonstracao)
uma condic ao necessaria e suciente para que uma matriz seja inversvel.
Neste captulo faremos as demonstracoes dos fatos armados no capitulo
anterior. Vamos comecar estudando as chamadas matrizes elementares.
1 Matriz elementar
_
_
1 2 3 4
1 0 4 5
7 1 1 2
_
_
e I a matriz identidade de
3
a
ordem. Determine:
(a) E
1
(A), E
1
(I) e E
1
(I).A, sendo E
1
: L
1
L
3
.
(b) E
2
(A), E
2
(I) e E
2
(I).A, sendo E
2
: L
2
2.L
2
.
(c) E
3
(A), E
3
(I) e E
3
(I).A, sendo E
3
: L
3
L
3
+ 2.L
2
.
(2) O que voce observou na questao anterior?
Vamos formalizar os resultados obtidos neste exerccio na seguinte
proposicao:
Proposicao 3. Sejam A uma matriz mn e E
j
uma operacao elementar
16
UFPA

Algebra Linear 17
sobre linhas, com j 1, 2, 3 . Entao
E
j
(A) = E
j
(I).A
onde I e a matriz identidade mm.
Demonstracao:
Vamos considerar:
E
j
- uma operacao elementar, com j 1, 2, 3;
I = (
ij
) - a matriz identidade mm;
E = (e
ij
) - a matriz obtida de I pela acao de E
j
, isto e, E = E
j
(I);
B = (b
ij
) - a matriz obtida de A pela acao de E
j
, isto e, B = E
j
(A);
C = (c
ij
) o produto de E por A, isto e, C = EA.
Mostraremos que C = B. Trataremos cada uma das operacoes ele-
mentares em separado.
Caso 1 - E
1
: L
r
L
s
(permutar as linhas r e s da matriz, com
1 r, s m)
Como B = E
1
(A) e E = E
1
(I), tem-se para todo i, j, k:
b
ij
=
_
_
_
a
ij
, se i ,= r e i ,= s
a
sj
, se i = r
a
rj
, se i = s
e e
ik
=
_
_
_
ik
, se i ,= r e i ,= s
sk
, se i = r
rk
, se i = s
Da denicao do produto segue que:
c
ij
=
m
k=1
e
ik
.a
kj
=
_
_
_
m
k=1
ik
.a
kj
= a
ij
, se i ,= r e i ,= s
m
k=1
sk
.a
kj
= a
sj
, se i = r
m
k=1
rk
.a
kj
= a
rj
, se i = s
.
Observe que a deni cao de c
ij
coincide com a de b
ij
, ou seja, c
ij
= b
ij
,
para todo i, j.
Caso 2 - E
2
: L
r
c.L
r
, (c ,= 0 e 1 r m)
Agora temos para todo i, j, k:
b
ij
=
_
a
ij
, se i ,= r
c.a
rj
, se i = r
e e
ik
=
_

ik
, se i ,= r
c.
rk
, se i = r
Ent ao c
ij
=
m
k=1
e
ik
.a
kj
=
_
m
k=1
ik
.a
kj
= a
ij
, se i ,= r
m
k=1
c.
rk
.a
kj
= c.a
rj
, se i = r
.
Assim c
ij
= b
ij
, para todo i, j.
Caso 3 - E
3
: L
r
L
r
+c.L
s
, (1 r, s m e r ,= s)
Da denicao desta operacao tem-se para todo i, j, k:
b
ij
=
_
a
ij
, se i ,= r
a
rj
+c.a
sj
, se i = r
e e
ik
=
_

ik
, se i ,= r
rk
+c.
sk
, se i = r
Entao c
ij
=
m
k=1
e
ik
.a
kj
=
_
m
k=1
ik
.a
kj
= a
ij
, se i ,= r
m
k=1
(
rk
+c.
sk
).a
kj
= a
rj
+c.a
sj
, se i = r
.
Logo c
ij
= b
ij
, para todo i, j.
18

Algebra Linear UFPA
Em todos os casos obtivemos que c
ij
= b
ij
, para todo i, j. Logo B = C,
ou seja, E
j
(A) = E
j
(I).A, para j = 1, 2 ou 3.
Esta proposicao diz que temos duas maneiras de executar uma operacao
elementar sobre as linhas de uma matriz A, mn. A primeira, como ja
vinhamos fazendo, executando a operacao diretamente sobre as linhas da
matriz A e a segunda, aplicando a operacao elementar à matriz identidade
I
m
, obtendo uma matriz, que chamamos de elementar, e posteriormente
pre-multiplicando (multiplicando à esquerda ) esta matriz elementar por
A.

E claro que na pratica o primero processo e mais viavel. Mas esta
segunda forma sera de grande utilidade na demostracao dos proximos re-
sultados.
Denicao 5. Chama-se matriz elementar a toda matriz obtida da matriz
identidade, de qualquer ordem, por meio de uma unica operacao elemen-
tar.
Exemplos 9.
1) As matrizes
_
0 1
1 0
_
,
_
2 0
0 1
_
,
_
1 0
0 3
_
,
_
1 4
0 1
_
,
_
1 0
3 1
_
sao matrizes elementares, pois foram obtidas de I =
_
1 0
0 1
_
por meio de uma unica operacao elementar (verique em cada caso, qual
a operacao elementar usada).
2) As matrizes
_
_
0 0 1
0 1 0
1 0 0
_
_
,
_
_
1 0 0
0 8 0
0 0 1
_
_
,
_
_
1 6 0
0 1 0
0 0 1
_
_
sao
matrizes elementares obtidas de I
3
por meio de uma unica operacao ele-
mentar (verique).
3) A matriz
_
1 0
3 2
_
nao e elementar, pois so pode ser obtida de I
2
com no mnimo duas operac oes elementares.
Vamos mostrar agora que toda matriz elementar e inversvel.
Proposicao 4. Toda matriz elementar e inversvel. Se E e uma matriz elementar,
entao existe E
1
.
Demonstracao:
Seja A, n n, uma matriz elementar. Mostaremos que existe uma matriz
B, tal que AB = BA = I e portanto A e inversvel.
Como A e uma matriz elementar, entao A = E
j
(I), para alguma
operacao elementar E
j
. Se E
t
j
e a operacao elementar inversa de E
j
,
entao pelo Teorema 1 (veja questao (8) no Captulo 1):
I = E
t
j
(E
j
(I))
= E
t
j
(A) - pois E
j
(I) = A
= E
t
j
(I).A - pela Proposicao 4
UFPA

Algebra Linear 19
Fazendo B = E
t
j
(I), temos que I = B.A. De modo analogo, tem-se que
I = E
j
(E
t
j
(I)) = E
j
(B) = E
j
(I).B = A.B. Entao A.B = B.A = I, onde
B = E
t
j
(I) e uma matriz elementar.
A demonstracao da Proposicao 4 mostra como calcular a inversa de
uma matriz elementar A. Ela e obtida efetuando sobre as linhas da matriz
identidade de mesma ordem que A, a operacao elementar inversa que
se executou sobre a identidade para obter a matriz A. Em linguaguem
simbolica:
Se A = E
j
(I) entao A
1
= E
t
j
(I), sendo E
t
j
a operacao inversa de E
j
.
Exemplos 10.
(1) Se A =
_
2 0
0 1
_
, entao A e uma matriz elementar, obtida da matriz
identidade I
2
por meio da operacao E
1
: L
1
2.L
1
, isto e, A = E
1
(I
2
).
Como E
t
1
: L
1

1
2
.L
1
e a operacao inversa de E
1
, entao A
1
= E
t
1
(I
2
) =
_
1
2
0
0 1
_
.
(2) Se B =
_
_
1 0 0
0 1 0
0 4 1
_
_
, quem e B
1
?
Veremos agora que matrizes linha-equivalentes (veja Denicao 2) estao
relacionadas por meio de matrizes elementares.
Proposicao 5. Sejam A e B matrizes mn. Entao B e linha-equivalente
a A, se e somente se, B = PA, onde P e um produto de matrizes ele-
mentares.
Demonstracao:
Vamos supor inicialmente que B A e mostrar que B = PA, com P um
produto de matrizes elementares.
Sendo B A, entao B e obtida de A por uma sequencia E
j
1
, E
j
2
, ..., E
j
k
de operacoes elementares, ou seja
B = E
j
k
(...(E
j
2
(E
j
1
(A)))...) = E
j
k
(I)...E
j
2
(I).E
j
1
(I).A
conforme Proposicao 4. Assim B = PA, com P = E
j
k
(I)...E
j
2
(I).E
j
1
(I),
um produto de matrizes elementares.
Suponha agora que B = PA, com P = E
j
1
(I).E
j
2
(I)...E
j
k
(I) um pro-
duto de matrizes elementares. Usando novamente a Proposicao 4, segue
que B = E
j
1
(E
j
2
(...(E
j
k
(A))...)) e assim B A.
20

Algebra Linear UFPA
2 Matriz linha-reduzida escalonada
Denicao 6. Diz-se que uma matriz escalonada esta na forma linha-
reduzida escalonada se satisfaz as condicoes adicionais:
(i) Os elementos disting uidos da matriz sao todos iguais a 1;
(ii) Os elementos disting uidos da matriz sao os unicos elementos nao
nulos em suas respectivas colunas.
Exemplos 11.
(1) A matriz identidade I
n
(n 1) e linha-reduzida escalonada;
(2) A matriz A =
_
_
1 0 0 5
0 1 0 3
0 0 1 6
_
_
esta na forma linha-reduzida escalon-
ada. Os elementos disting uidos de A sao a
11
= a
22
= a
33
= 1 e sao os
unicos elementos nao nulos em suas respectivas colunas.
(3) A matriz B =
_
_
_
_
0 1 0 0 0
0 0 0 1 1
0 0 0 0 0
0 0 0 0 0
_
_
_
_
esta na forma linha-reduzida
escalonada.
(4) A matriz C =
_
_
0 1 0 1 5
0 0 1 0 0
0 0 0 1 0
_
_
esta na forma escalonada, mas nao
e linha-reduzida escalonada (por que?)
(5) A matriz D =
_
_
_
_
0 0 1 0 3
0 1 0 0 3
0 0 0 1 0
0 0 0 0 0
_
_
_
_
nao e linha-reduzida escalonada
(por que?)
Teorema 2. Toda matriz A, mn, e linha-equivalente a uma e somente A forma linha-reduzida
escalonada de qualquer
matriz e unica.
uma matriz linha-reduzida escalonada.
Demonstracao:
Dada uma matriz A, m n, e sempre possvel, usando operacoes ele-
mentares, obter uma matriz linha-reduzida escalonada R, tal que R A.
Resta mostrar a unicidade de R. Suponha S outra matriz linha-reduzida
escalonada com A S, entao tambem temos que R S. Isto implica
que S pode ser obtida de R por meio de operacoes elementares. Como
ambas estao na forma linha-reduzida escalonada entao a unica operacao
elementar que podemos efetuar sobre as linhas nao nulas de R para obter
S e L
i
1.L
i
, para algum i m. Assim R = S.
UFPA

Algebra Linear 21
Se A e linha-equivalente a uma matriz escalonada R, dizemos que R
e uma forma escalonada de A. Se R e linha-reduzida escalonada entao
dizemos que Re a forma linha-reduzida escalonada de A, pois esta e unica.
3 Matriz inversvel
Lema 1. Seja R uma matriz quadrada, linha-reduzida escalonada. Entao
R e inversvel, se e somente se, R = I. A unica matriz linha-
reduzida escalonada que
e inversvel e a matriz
identidade.
Demonstracao:
Se R = I o resultado e imediato. Suponha R, n n, linha-reduzida
escalonada e inversvel. Entao existe R
1
tal que
R.R
1
= I
Isto implica que R nao pode conter linhas nulas e portanto tem n linhas
nao nulas. Sejam r
1j
1
, r
2j
2
, ..., r
nj
n
os elementos disting uidos de R. Como
1 j
1
< j
2
< ... < j
n
n, devemos ter j
1
= 1, j
2
= 2, ..., j
n
= n.
Assim, os elementos distinguidos de R sao r
11
= r
22
= ... = r
nn
= 1. Logo
R = I.
Teorema 3. Seja A uma matriz nn. Entao A e inversvel, se e somente A
n
e inversvel A
n
I
n
.
se, e linha-equivalente a matriz identidade I
n
.
Demonstracao:
Seja A uma matriz n n. Pelo Teorema 2, existe uma matriz linha-
reduzida escalonada R, tal que R A. Pela Proposicao 5, R = PA,
com P um produto de matrizes elementares, portanto inversvel e assim
A = P
1
R. Como produto de matrizes inversveis e inversvel, segue que
A e inversvel se e somente se, R e inversvel. Mas pelo lema anterior, R
e inversvel se e somente se R = I.
A proposicao 2 enunciada no captulo anterior, pode agora ser demon-
strada como um corolario deste teorema.
Corolario 1. Uma matriz A, nn, e inversvel se, e somente se, posto(A) =
n.
Demonstracao:
Pelo teorema, A e inversvel se, e so se, A I
n
, mas isto acontece se, e so
se, posto(A) = posto (I
n
) = n.
Calculo da inversa
Mostraremos agora porque o algortmo dado no captuloa anterior,
determina de fato a inversa de uma matriz nao-singular A.
22

Algebra Linear UFPA
Se A e um matriz inversvel, entao ela e linha-equivalente à identidade,
isto e, I A. Pela Proposicao 5, existe uma matriz P, produto de ma-
trizes elementares, tal que I = PA. Como P e um produto de matrizes
elementares, e inversvel, consequentemente tambem temos I = AP. As-
sim AP = PA = I. Isto implica A
1
= P. Se P = E
j
k
(I)...E
j
2
(I).E
j
1
(I),
entao
I = PA = E
j
k
(...(E
j
2
(E
j
1
(A))) e A
1
= P = E
j
k
(...(E
j
2
(E
j
1
(I))).
Observando estas duas identidades, à esquerda vemos que efetuando
sobre as linhas de A, sucessivamente, as operacoes elementares E
j
1
, E
j
2
,
..., E
j
k
obtem-se no nal a matriz identidade. E à direita ve-se que quando
efetuamos sobre a matriz identidade esta mesma sequencia de operacoes
elementares obtemos no nal a inversa A
1
. Isto justica o algortmo dado
no captulo anterior.
(1) A Proposicao 5 arma que B A, se e somente se, existe uma ma-
triz P, tal que B = PA. Baseada na demonstracao feita para aquela
proposicao, determine uma matriz R, linha-reduzida escalonada, que seja
linha-equivalente a matriz A =
_
3 2
2 1
_
e uma matriz P tal que R = PA.
(2) Sejam A e B matrizes quadradas. Mostre que se AB = 0, entao A = 0
ou B = 0 ou ambas, A e B sao singulares (nao inversveis).
(3) Diz-se que uma matriz quadrada A possui uma inversa à esquerda, se
existe uma matriz B de mesmo tipo, tal que BA = I. De modo analogo,
dizemos que A possui inversa à direita se existe uma matriz C para a qual
AC = I. Mostre que se A possui uma inversa à esquerda B e uma inversa
à direita C, entao B = C.
(4) Mostre que se A e uma matriz inversvel, entao sua tranposta A
T
e tambem inversvel e a inversa da transposta e a transposta da inversa,
isto e, (A
T
)
1
= (A
1
)
T
.
(5) Sejam A, B matrizes n n. Mostre que se B e AB sao inversveis,
entao A e tambem inversvel.
(6) Sejam A, B e P matrizes, com P inversivel. Resolva em B a equacao
A = PBP
1
.
(7) Seja A M
n
(R). Prove que se A e inversvel, entao det(A) ,= 0, onde
det(A) denota o determinante da matriz A.
(8) Sejam n 1 um inteiro e A, n n, uma triangular superior. Mostre
que A e inversvel, se e somente se, a
ii
,= 0, para todo i = 1, 2, ..., n.
(09) Seja A, nn, uma matriz nao-singular. Mostre que se A e simetrica,
entao A
1
e simetrica.
UFPA

Algebra Linear 23
(10) Uma matriz A, n n e dita ortogonal se AA
T
= A
T
A = I
n
.
(a) De exemplo de uma matriz ortogonal 2 2.
(b) Mostre que o produto de duas matrizes ortogonal e uma matriz ortog-
onal.
(c) Mostre que a inversa de uma matriz ortogonal e uma matriz ortogonal.
(11) Diz-se que uma matriz quadrada A possui uma inversa à esquerda, se
existe uma matriz B de mesmo tipo, tal que BA = I. De modo analogo,
dizemos que A possui inversa à direita se existe uma matriz C para a qual
AC = I. Mostre que toda matriz quadrada com inversa à esquerda ou à
direita e inversvel.
(12) Uma matriz A M
n
(R) e dita positiva-denida se e simetrica e
x
T
Ax > 0, para todo x R
n
. Mostre que toda matriz positiva-denida e
nao-singular.
Captulo 4
Sistema de Equac oes Lineares
Objetivos
Denir equacao linear
Calcular o conjunto solucao de uma equacao linear
Identicar as variaveis livres no conjunto solucao
Apresentar solucoes particulares de uma equacao linear
Denir sistema de equacoes lineares
Os sistemas de equacoes lineares ocupam um papel central em
algebra linear. Alem de suas aplicacoes em diversos campos, tais como
nas engenharias, ciencia da computacao, economia, biologia, estatstica
e etc, muitos dos problemas da propria algebra linear, recaem no estudo
de sistemas lineares. Assim todo o material visto nesta unidade sera de
grande utilidade ao longo de todo o curso.
1 Equacao linear
Uma pessoa entra em uma academia de ginastica disposta a perder 260
quilocalorias em atividades fsica naquele dia, usando para isto a esteira
e/ou a bicicleta. Sabe-se que a cada 1 hora de caminhada na esteira ela
perde 220 Kcal e em 1 de hora de pedaladas na bicicleta ela perde 300
Kcal. Determine todas as possibilidades que ela tem de perder as calorias
desejadas usando estes dois aparelhos.
Denicao 7. Uma equacao linear sobre R e uma expressao da forma
a
1
x
1
+a
2
x
2
+... +a
n
x
n
= b. (4.1)
x
1
, x
2
, ... , x
n
sao chamadas as variaveis, incognitas ou indeterminadas O subndice n indica o
n umero de incognitas da
equacao. Ele pode ser qual-
quer n umero inteiro positivo.
24
UFPA

Algebra Linear 25
da equacao.
a
1
, a
2
, ..., a
n
sao n umeros reais, chamados os coecientes das incognitas.
b R e o termo constante da equacao.
Em geral quando temos uma quantidade pequena de variaveis (uma,
duas ou tres ), para simplicar a notacao, e costume usar letras distintas
para representar as variaveis tais como x, y, z, no lugar de x
1
, x
2
, x
3
.
Exemplos 12.
(1) 2x+3y = 7 e uma equacao linear com duas incognitas. Os coecientes
das incognitas x e y sao 2 e 3, respectivamente e 7 e o termo constante da
equacao.
(2) x+y +
2z = 0 e uma equacao linear em tres variaveis e 1, 1 e
2
sao os coecientes de x, y e z, respectivamente. Zero e o termo constante.
(3) 2x
1
+3x
2
x
3
+16x
4
13 = 0 e uma equacao linear nas incognitas
x
1
, x
2
, x
3
, x
4
com 13 sendo o termo constante da equacao.
(4) 2x + 2y
2
= 0 nao e uma equa cao linear, pois nao e uma expressao
da forma (4.1) ja que uma das variaveis esta elevada ao quadrado.
(5) 2x + 3y + 4xy = 0 nao e uma equacao linear. Em uma das parce-
las temos um produto das variaveis, e portanto nao esta de acordo com a
forma dada em (4.1).
Solucao de uma equacao linear
Toda sequencia (c
1
, c
2
, ..., c
n
) com c
1
, c
2
, ..., c
n
R, para a qual temos
a identidade:
a
1
c
1
+a
2
c
2
+... +a
n
c
n
= b
e uma solucao da equac ao (4.1).
Observe que uma solu cao da equacao e uma sequencia (c
1
, c
2
, .., c
n
),
isto porque a ordem dos elementos na solucao e importante. Para vericar
se uma n-upla (c
1
, c
2
, ..., c
n
) e solucao da equacao (4.1) devemos substituir
a primeira variavel x
1
pelo valor c
1
, a segunda variavel x
2
por c
2
, ..., x
n
por c
n
, exatamente nesta ordem.
O conjunto de todas as solucoes de uma equacao linear e chamado S = (c
1
, c
2
, ..., c
n
) R
n
[
a
1
c
1
+a
2
c
2
+...a
n
c
n
= b. o conjunto solucao da equacao. Usaremos a letra S para representar tal
conjunto.
Exemplos 13.
(1) O par ordenado (2, 1) e uma solucao da equacao 2x + 3y = 7, pois
2.2 + 3.1 = 7.
26

Algebra Linear UFPA
(2) O par (
1
2
,
1
2
) e uma solucao da equacao 220x + 300y = 260.
(3) O terno (2, 2, 0) e uma solucao da equacao x + y +
2z = 0, ja que
(1).2 + 1.2 +
2.0 = 0.
(4) A quadrupla (0, 1, 0, 1) e uma solucao da equacao 2x
1
+3x
2
x
3
+
16x
4
13 = 0, uma vez que 2.0 + 3.(1) .0 + 16.1 13 = 0.
(1) Considere a equacao linear 4x 6y + 2z = 20:
(a) Determine o conjunto solucao desta equacao.
(b) Determine o n umero de variaveis livres no conjunto solucao.
(c) De duas solucoes particulares para esta equacao.
Solucao:
(a) Como 4x 6y +2z = 20 e uma equacao linear com tres incognitas, as
solucoes desta equacao sao ternos (x, y, z) de n umeros reais. Se (x, y, z)
R
3
e uma solucao tem-se:
4x 6y + 2z = 20
Isolando uma das variaveis nesta equacao (no caso z) tem-se:
z = 10 + 3y 2x.
Entao S = (x, y, z) R
3
[ z = 10 + 3y 2x = (x, y, 10 + 3y 2x) [
x, y R.
(b) Na resolucao da equacao optamos por isolar a variavel z. Fazendo
isto, o valor de z cou em funcao das variaveis x e y. Diz-se que z e a
variavel dependente, pois ela depende dos valores escolhidos para x e y
e estes por sua vez sao escolhidos livremente, ja que nenhuma restricao
e imposta a eles na solucao. Dizemos por isto que x e y sao as variaveis
livres. Temos portanto duas variaveis livres.
(c) Para encontrar uma solucao particular, escolhemos livremente val-
ores para x e y, que sao as variaveis livres e substituimos estes valores
na equacao z = 10 + 3y 2x para encontrar o valor de z. Por exemplo,
tomando x = 2 e y = 1, obtemos z = 10 + 3.1 2.2 = 9. Entao (2, 1, 9) e
uma solucao particular. Outra solucao e (6, 1, 1) (Verique!).
(1) Considere a equacao linear 2x + 6y = 14.
(a) Determine os coecientes das incognitas x e y, respectivamente.
(b) Determine o conjunto solucao desta equacao.
(c) Determine o n umero de variaveis livres no conjunto solucao.
(d) De duas solucoes particulares para esta equacao.
(2) Considere a equacao linear x
1
+ 5x
2
+
2x
3
x
4
30 = 0.
UFPA

Algebra Linear 27
(a) Determine os coecientes das incognitas x
1
, x
2
, x
3
e x
4
, respectiva-
mente.
(b) Determine o termo constante da equacao.
(c) Determine o conjunto solucao desta equacao.
(d) Determine o n umero de variaveis livres no conjunto solucao.
(e) De duas solucoes particulares para esta equacao.
(3) Determine o conjunto solucao das seguintes equacoes:
(a) 0.x = 3
(b) 3x =
2
(c) 0.x = 0
(d) 0.x + 0.y = 0
(e) 0.x + 0.y = 3
(f) 0.x
1
+ 0.x
2
+... + 0.x
n
= 0
(g) 0.x
1
+ 0.x
2
+... + 0.x
n
= b, com b ,= 0.
2 Sistema de equac oes lineares
Resolva o Exerccio 10, proposto no incio do captulo, considerando agora
que a pessoa deseja perder as 260 Kcal em 1 hora.
Denicao 8. Um sistema de m equacoes lineares a n incognitas
e um sistema do tipo: Em muitas aplicacoes
praticas um sistema linear
tem em geral de 50 a 5.000
equacoes.
_
_
a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
= b
m
(4.2)
onde cada linha do sistema e uma equacao linear sobre R nas mesmas
incognitas.
Quando m = n, isto e, o
n umero de incognitas e igual
ao de equacoes, diz-se que o
sistema e quadrado.
Quando b
1
= b
2
= b
3
= ... = b
n
= 0 o sistema e dito homogeneo. Caso
contrario, ele e nao homogeneo.
Exemplos 14.
(1)
_
2x + 3y = 13
x + 2y = 4
e um sistema linear nao homogeneo com duas
equacoes a duas incognitas.
(2)
_
2x + 2y 4z = 0
y + z = 0
e um sistema linear homogeneo com Se em uma equacao do sis-
tema o coeciente de uma
incognita e zero, e cos-
tume nao escrever a incognita
naquela equacao.
duas equacoes a tres inc ognitas.
28

Algebra Linear UFPA
(3)
_
_
x + 2y 3z = 0
2x y + 4z = 2
5y + 10z = 2
4x 2z = 14
e um sistema linear nao homogeneo
com quatro equacoes a tres incognitas.
(4)
_
3x + y = 3
2x + 3y
2
= 0
nao e um sistema linear pois a segunda equacao
nao e linear.
(5)
_
_
_
x + seny + 4z = 0
3x + 3y z = 0
2y + 2z = 0
nao e um sistema linear, pois a
primeira equacao nao e linear.
Solucao do sistema
Denicao 9. Toda n-upla (c
1
, c
2
, ..., c
n
) com c
1
, c
2
, ..., c
n
R, que sa-
tisfaz simultaneamente a todas as m equacoes do sistema (4.2) e chamada
uma solucao do sistema. O conjunto S de todas as solucoes e chamado
conjunto solucao do sistema.
Exemplos 15.
(1) O par (2, 3) e uma solucao do sistema
_
2x + 3y = 13
x + 2y = 4
, pois
_
2.2 + 3.3 = 13
2 + 2.3 = 4
O par (1, 5) nao e solucao deste sistema, pois ele satisfaz apenas uma
das equacoes do sistema, ja que
_
2.(1) + 3.5 = 13
1.(1) + 2.5 ,= 4
(1) Para cada uma das equacoes abaixo determine o n umero de variaveis
da equacao e os coecientes de cada uma das variaveis:
(a) 2x + 3y = 7;
(b) 5x + 6y + 3z = 0;
(c) 2x
1
+
7x
2
x
3
x
4
= 9.
(2) Encontre o conjunto solucao de cada uma das equacoes abaixo e iden-
tique o n umero de variaveis livres em cada um deles:
(a) 7x + 3y 3z = 0;
(b) 9x 4y 5z +
2w = 1;
(c) 4y = 8;
(3) De uma solucao particular, para cada uma das equacoes abaixo, caso
tais solucoes existam.
UFPA

Algebra Linear 29
(a) x
1
+ 6x
2
= 3;
(b) 0.x
1
+ 0.x
2
+ 0.x
3
= 3;
(c) x
1
+ 6x
2
= 3;
(4) Considere a equacao ax +by = c, com a, b, c R. Faca um estudo das
possveis solucoes desta equacao.
(5) Encontre uma solucao particular para cada um dos sistemas abaixo:
(a)
_
_
_
x 2y +3z = 0
5x +2y z = 0
y +7z = 0
;
(b)
_
2x y +4z = 12
x +3y z = 2
;
(c)
_
_
_
2x +3y z = 1
4x 11y +5z = 9
6y 2z = 6
.
(6) De exemplo de um sistema linear de duas equacoes a duas incognitas
que nao tenha solucao.
(7) De exemplo de um sistema linear de duas equacoes a duas incognitas
que tenha innitas solucoes.
(8) Considere o sistema de m equacoes lineares nas incognitas x
1
, x
2
, ..., x
n
_
_
a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
= b
2
... + ... + ... + ... = ...
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
= b
m
Mostre que toda solucao deste sistema e tambem uma solucao da equacao
c
1
(a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
) + c
2
(a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
) + ... +
c
m
(a
m1
x
1
+a
m2
x
2
+... +a
mn
x
n
) = c
1
b
1
+c
2
b
2
+... +c
m
b
m
, para quaisquer
n umeros reais c
1
, c
2
, ..., c
m
.
Captulo 5
Resolucao de Sistemas
Lineares
Objetivos
Apresentar uma tecnica para resolucao de sistemas lineares.
Neste captulo, usaremos a tecnica de escalonamento de matrizes na
resolucao de sistema lineares. O metodo que iremos aprender consiste em
transformar o sistema a ser resolvido em um sistema linear mais simples
e que tem as mesmas solucoes do sistema original. Resolve-se entao este Carl Friedrich Gauss,
nasceu na Alemanha em
1777. Foi uma crianca
prodgio, aos 17 anos ja tinha
comecado a fazer descober-
tas supreendentes. Deu
grandes contribuicoes tanto
à matematica pura quanto à
aplicada. Permaneceu ativo
ate sua morte, em 1855.
sistema mais simples, o qual tem uma forma escalonada. Este metodo,
chamado de eliminacao gaussiana, tem a vantagem de ser aplicavel na
resolucao de um sistema linear qualquer.
1 Resolucao por retro-substituicao
Inicialmente vamos resolver sistemas que apresentam uma forma particu-
larmente simples. Observe!
(1) Encontrar o conjunto solucao dos sistemas abaixo:
(a)
_
2x + 3y = 10
2y = 4
Solucao:
A segunda equacao envolve somente a variavel y (o coeciente de x e
nulo), resolvendo esta equacao encontramos y = 2.
Como este valor deve satisfazer tambem a primeira equacao, substi-
tuimos y por 2 na primeira equacao e resolvemos esta equacao em x:
30
UFPA

Algebra Linear 31
2x + 3.2 = 10 x = 2.
Assim S = (2, 2). O sistema tem solucao unica.
(b)
_
_
_
2x + 3y z = 4
2y + 3z = 8
5z = 20
Solucao:
Resolvendo a terceira equacao em z encontramos z = 4. Substituindo
este na valor na segunda equacao e resolvendo-a em y, tem-se:
2y + 3.4 = 8 y = 2.
Substutindo agora na primeira equacao, os valores de z e y ja encon-
trados obtemos x = 1. Segue que (1, 2, 4) e o unico terno que e solucao
do sistema. Assim S = (1, 2, 4).
(c)
_
3x + y z = 12
y + 2z = 0
Solucao:
Isolando y na segunda equacao obtemos y = 2z. Substituindo este
na valor na primeira equacao tem-se x = 4+z. Logo S = (4+z, 2z, z) [
z R. Para cada valor real atribudo a z encontramos uma solucao par-
ticular do sistema. Como z percorre R, que e um conjunto innito, entao o
sistema tem innitas solucoes. Neste caso, z e a variavel livre do conjunto
solucao.
(d)
_
x + 3y z + w = 7
2z + w = 4
Solucao:
Resolvendo a ultima equacao em w obtemos w = 4 2z. Substuindo
este valor na primeira equacao camos com uma equacao em tres variaveis:
x + 3y 3z = 3.
Podemos resolver esta equacao em qualquer das variaveis. Isolando x
temos x = 3 3y + 3z. Assim S = (3 3y + 3z, y, 4 2z) [ y, z R,
sendo y e z as variaveis livres.
Este tipo de resolucao na qual o valor das variaveis ja encontrados
sao substitudos nas demais equacoes ate se encontrar o valor de todas as
variaveis e chamado resolucao por retro-substituicao.
(1) Usando retro-substituicao resolva os sistemas lineares abaixo:
(a)
_
2x + 3y = 1
2y = 0
32

Algebra Linear UFPA
(b)
_
_
_
2x + 3y z = 10
2y + 3z = 0
4z = 8
(c)
_
x + y 6z + 2w = 0
y w = 12
A resolucao de sistemas lineares por retro-substituicao se aplica quando
o sistema tem uma forma especial, chamada forma escalonada. Para esta
denicao precisamos antes considerar algumas matrizes associadas a uma
sistema linear, o que sera feito a seguir.
2 O Sistema em notacao matricial
O sistema linear dado em (4.2) pode ser reescrito como
AX = b
onde
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
.... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
e chamada a matriz dos coecientes,
X =
_
_
_
_
x
1
x
2
....
x
n
_
_
_
_
e a matriz (ou vetor) das incognitas e
b =
_
_
_
_
b
1
b
2
....
b
m
_
_
_
_
e a matriz (ou vetor) dos termos constantes.
Outra matriz associada ao sistema e
[A[b] =
_
_
_
_
a
11
a
12
... a
1n
[ b
1
a
21
a
22
... a
2n
[ b
2
.... ... ... ... [ ...
a
m1
a
m2
... a
mn
[ b
m
_
_
_
_
chamada de matriz aumentada ou ampliada.
UFPA

Algebra Linear 33
Exemplos 16.
(1) Considere o sistema
_
2x + 3y = 1
2y = 0
.
Sua matriz dos coecientes e A =
_
2 3
0 2
_
, X =
_
x
y
_
e o vetor
das incognitas e b =
_
1
0
_
e o vetor dos termos constantes. [A [ b] =
_
2 3[ 1
0 2[ 0
_
e a matriz aumentada. Observe que a matriz aumentada
deste sistema esta na forma escalonada.
(2) Considere o sistema
_
_
_
6x 8y + 4z = 5
2x y = 3
3x 2z = 4
.
A =
_
_
6 8 4
2 1 0
3 0 2
_
_
e a matriz dos coecientes e a matriz aumentada
e [A [ b] =
_
_
6 8 4[ 5
2 1 0[ 3
3 0 2[ 4
_
_
, a qual nao esta na forma escalonada.
Denicao 10. Diz-se que um sistema linear esta na forma escalonada,
se sua matriz aumentada e uma matriz escalonada.
(1) Para cada um dos sistemas abaixo determine: a matriz dos coe-
cientes, a matriz aumentada, uma forma escalonada da matriz aumentada,
o posto da matriz dos coecientes e o posto da matriz aumentada.
(a)
_
_
_
2x y z = 1
4x y + 3z = 7
5x + y 7z = 7
(b)
_
_
x + 2y 2z = 2
3x 2y z = 5
2x 5y + 3z = 4
x + 4y + 6z = 0
(c)
_
_
_
x + y + z = 10
2x y + 3z = 5
3x + 4z = 12
Sistemas equivalentes
Denicao 11. Dois sistemas lineares sao ditos equivalentes se eles tem
o mesmo conjunto solucao. Se A
1
X = b
1
e A
2
X = b
2
sao sistemas lineares equiva-
lentes, entao seus conjuntos
solucao sao iguais.
34

Algebra Linear UFPA
Exemplos 17.
Os sistemas
_
_
_
4x + 2y = 14
5x y = 7
3x + 5y = 21
e
_
2x + y = 7
3y = 9
sao
equivalentes, pois ambos tem S = (2, 3) como conjunto solucao.
Lema 2. Sejam P uma matriz mm, A uma matriz mn, ambas com Se P e uma matriz mn, N,
uma matriz n k e b, n 1,
entao P[N [ b] = [PN [ Pb].
elementos em R e A
t
= PA. Se N, N
t
sao as matrizes obtidas de A e A
t
pela supressao de suas ultimas colunas C
n
(A) e C
n
(A
t
), respectivamente,
entao N
t
= PN e C
n
(A
t
) = PC
n
(A).
Demonstracao:
SejamC
1
(A), C
2
(A), ..., C
n1
, C
n
(A) as colunas de Ae L
1
(P), L
2
(P), ..., L
m
(P)
as linhas de P. Entao N =
_
C
1
(A) C
2
(A) ... C
n1
(A)
_
. Da denicao
do produto matricial segue que
PN =
_
_
_
_
L
1
(P).C
1
(A) L
1
(P).C
2
(A) ... L
1
(P).C
n1
(A)
L
2
(P).C
1
(A) L
2
(P).C
2
(A) ... L
2
(P).C
n1
(A)
... ... ... ...
L
m
(P).C
1
(A) L
m
(P).C
2
(A) ... L
m
(P).C
n1
(A)
_
_
_
_
e
PC
n
(A) =
_
_
_
_
L
1
(P).C
n
(A)
L
2
(P).C
n
(A)
...
L
m
(P).C
n
(A)
_
_
_
_
.
Entao
[PN[PC
n
(A)] =
_
_
_
_
L
1
(P).C
1
(A) ... L
1
(P).C
n1
(A) [L
1
(P).C
n
(A)
L
2
(P).C
1
(A) ... L
2
(P).C
n1
(A) [L
2
(P).C
n
(A)
... ... ... [...
L
m
(P).C
1
(A) ... L
m
(P).C
n1
(A) [L
m
(P).C
n
(A)
_
_
_
_
= PA = A
.
Da deni cao de N
t
e C
n
(A
t
), segue que N
t
= PN e C
n
(A
t
) = PC
n
(A).
Teorema 4. Sistemas lineares que possuem matrizes aumentada linha- Se A

1
X = b
1
e A
2
X =
b
2
sao sistemas lineares com
[A
1
[b
1
] [A
2
[b
2
], entao seus
conjuntos solucao sao iguais.
equivalentes sao equivalentes.
Demonstracao:
Sejam A
1
X = b
1
e A
2
X = b
2
, sistemas lineares com matrizes aumentada
linha-equivalentes, isto e, [A
1
[b
1
] [A
2
[b
2
]. Mostraremos que estes sis-
temas tem as mesmas solucoes. Como [A
1
[b
1
] [A
2
[b
2
], pela proposicao
UFPA

Algebra Linear 35
5 existe uma matriz inversvel P, tal que [A
2
[b
2
] = P[A
1
[b
1
]. Pelo lema
anterior, temos que
A
2
= PA
1
e b
2
= Pb
1
(5.1)
Multiplicando as identidades acima por P
1
à esquerda obtemos:
A
1
= P
1
A
2
e b
1
= P
1
b
2
. (5.2)
Se X
0
e uma solucao de A
1
X = b
1
, entao A
1
X
0
= b
1
. Multiplicando
esta identidade pela matriz P (à esquerda) obtemos, (PA
1
)X
0
= Pb
1
. E
pela identidade (5.1), segue que A
2
X
0
= b
2
, logo X
0
e tambem solucao de
A
2
X = b
2
. De modo analogo, se Y
0
e uma solucao de A
2
X = b
2
, entao
A
2
Y
0
= b
2
. E isto implica que (P
1
A
2
)Y
0
= P
1
b
2
, ou ainda, por (5.2),
A
1
Y
0
= b
1
, logo Y
0
e solucao de A
1
X = b
1
.
3 Eliminacao gaussiana
Ja vimos que e particularmente simples resolver um sistema linear A eliminacao gaussiana
apareceu primeiramente no
texto Nine Chapters on the
Mathematical Art, escrito
200 a.c.. Foi usada por Gauss
quando estudava a orbita
do asteroide Pallas. Usando
as observacoes de Pallas
feitas entre 1803 e 1809,
Gauss obteve um sistema
linear com seis equacoes a
seis incognitas e apresentou
um metodo sistematico para
resolve-lo, que consistia em
eliminacoes sucessivas na
matriz dos coecientes.
quanto este encontra-se escalonado. Mas quando o sistema nao esta na
forma escalonada, como resolve-lo?
Considere o sistema AX = b. Se [A
t
[b
t
] e uma forma escalonada da
matriz aumentada [A[b], entao estas matrizes sao linha-equivalentes e pelo
Teorema 4, os sistemas AX = b e A
t
X = b
t
tem o mesmo conjunto solucao.
Entao, por que nao resolver o sistema mais simples, no caso o que esta
na forma escalonada, ja que as solucoes encontradas sao as mesmas do
sistema original? Este e o princpio do metodo de eliminicao gaussiana
ou eliminacoes sucessivas, o qual e justicado pelo Teorema 4. Ele con-
siste em reduzir o sistema original, atraves de operacoes elementares, a
um sistema escalonado e entao resolver este ultimo por retro-substituicao.
Como exemplicacao do metodo resolveremos o sistema dado abaixo :
_
11
3
x
1
+ 5x
2
= 260
x
1
+ x
2
= 60
Passo 1 - Escrever a matriz aumentada associada ao sistema:
[A[b] =
_
11
3
5[ 260
1 1[ 60
_
.
Passo 2 - Reduzir a matriz aumentada à forma escalonada usando operacoes
elementares sobre as linhas da matriz:
[A[b] =
_
11
3
5[ 260
1 1[ 60
_
L
2
L
2
3
11
L
1
_
11
3
5[ 260
0
4
11
[
120
11
_
.
36

Algebra Linear UFPA
Passo 3 - Escrever o sistema associado à matriz escalonada encontrada
no passo 2:
_
11
33
x
1
+ 5x
2
= 260
4
11
x
2
=
120
11
.
Passo 4 - Resolver o sistema encontrado no passo 3 por retro-substituicao:
Resolvendo a ultima equacao encontramos x
2
= 30, substituindo este
valor na primeira e resolvendo-a em x
1
, obtemos x
1
= 30. Logo S =
(30, 30). Pelo Teorema 4, este e tambem o conjunto solucao do sistema
original, ja que suas matrizes aumentadas sao linha-equivalentes.
Vejamos mais alguns exemplos de resolucao de sistemas lineares pela
eliminacao gaussiana.
(1) Encontrar o conjunto solucao dos sistemas:
(a)
_
2x + 3y = 7
3x y = 5
Solucao:
Passo 1 - Escrever a matriz aumentada associada ao sistema:
[A[b] =
_
2 3[ 7
3 1[ 5
_
.
Passo 2 - Reduzir a matriz aumentada à forma escalonada usando operacoes
elementares sobre as linhas da matriz:
[A[b] =
_
2 3[ 7
3 1[ 5
_
L
2
3L
1
+ 2L
2
_
2 3[ 7
0 11[ 11
_
.
Passo 3 - Escrever o sistema associado à matriz escalonada encontrada
no passo 2:
_
2x + 3y = 7
11y = 11
.
Passo 4 - Resolver o sistema encontrado por retro-substituicao:
Resolvendo a ultima equacao encontramos y = 1, substituindo este
valor na primeira e resolvendo-a em x, obtemos x = 2. Portanto S =
(2, 1). O sistema tem solucao unica.
Observamos que posto(A) = posto([A[b]) = n umero de incognitas = 2.
(b)
_
_
_
x + y z = 7
2x + 3y 3z = 2
x 3y + 3z = 2
UFPA

Algebra Linear 37
Solucao:
Passo 1 - Escrever a matriz aumentada do sistema:
[A[b] =
_
_
1 1 1[ 7
2 3 3[ 2
1 3 3[ 2
_
_
.
Passo 2 - Reduzir a matriz aumentada à forma escalonada:
_
_
1 1 1[ 7
2 3 3[ 2
1 3 3[ 2
_
_
L
2
2L
1
+L
2
_
_
1 1 1[ 7
0 1 1[ 12
1 3 3[ 2
_
_
L
3
L
1
+L
3
_
_
1 1 1[ 7
0 1 1[ 12
0 4 4[ 5
_
_
L
3
L
3
+ 4L
2
_
_
1 1 1[ 7
0 1 1[ 12
0 0 0[ 53
_
_
.
Passo 3 - Escrever o sistema cuja matriz aumentada seja a matriz escalon-
ada encontrada no passo 4:
_
_
_
x + y z = 7
y z = 12
0.z = 53
.
Observamos agora que a ultima equacao 0.z = 53, nao tem solucao ,
logo o sistema tambem nao tem solucao, portanto S = .
Neste sistema temos posto(A) = 2 < posto([A[b]) = 3.
(c)
_
_
_
x + y z = 1
2x + 3y + 2z = 3
x + 2y + 3z = 2
Solucao:
Passo 1 - Escrever a matriz aumentada do sistema:
[A[b] =
_
_
1 1 1[ 1
2 3 2[ 3
1 2 3[ 2
_
_
.
Passo 2 - Escalonar a matriz aumentada:
_
_
1 1 1[ 1
2 3 2[ 3
1 2 3[ 2
_
_
L
2
2L
1
+L
2
_
_
1 1 1[ 1
0 1 4[ 1
1 2 3[ 2
_
_
L
3
L
1
+L
3
_
_
1 1 1[ 1
0 1 4[ 1
0 1 4[ 1
_
_
L
3
L
3
L
2
_
_
1 1 1[ 1
0 1 4[ 1
0 0 0[ 0
_
_
.
38

Algebra Linear UFPA
Passo 3 - Escrever o sistema associado à matriz escalonada:
_
x + y z = 1
y + 4z = 1
.
Da ultima equacao segue que y = 1 4z. Substituindo este valor na
primeira equacao encontramos x = 5z. Portanto S = (5z, 1 4z, z) [ z
R. O sistema tem innitas solucoes.
Destacamos que posto(A) = posto([A[b]) = 2 < n umero de incognitas
= 3.
Observacao 3. Se apos o escalonamento camos com uma equacao da
forma 0.x
1
+ 0.x
2
+ ... + 0.x
n
= 0, ela e suprimida do sistema, sem afetar
a solucao do mesmo, uma vez que toda n-upla de n umeros reais e solucao
desta equacao.
(1) Usando retro-substituicao resolva os sistemas lineares abaixo:
(a)
_
4x 5y = 4
2y = 8
(b)
_
13x + 6y 4z = 0
5x + 4z = 0
(c)
_
_
_
4x + 6y + 8z w = 12
2y + 4z w = 8
4z w = 8
(2) Usando eliminacao gaussiana encontre o conjunto solucao de cada um
dos sistemas lineares abaixo:
(a)
_
_
_
2x + 3y 2z = 5
x 2y + 3z = 2
4x y + 4z = 1
(b)
_
_
3x 2y + 3z = 8
x + 3y 4z = 2
2x y + 3z = 4
4x 4y 6z = 6
(c)
_
_
_
2x + y = 0
x + y + z = 0
y + 2z = 0
Nas questoes de (04) a (08) escreva o sistema linear que descreve o
problema proposto e em seguida encontre seu conjunto solucao.
(04) Ha dez anos, Carlos era quatro vezes mais velho que Bianca. Atual-
mente, ele tem o dobro da idade de Bianca. Determine as idades atuais
de Carlos e Bianca.
UFPA

Algebra Linear 39
(05) Um homem investiu R$ 4.000, 00, parte a 5% de juros simples ao ano
e o restante a 3%. A renda total anual desses investimentos e R$ 168, 00.
Quando ele investiu em cada aplicacao?
(06) A soma de dois n umeros e 109. Se o maior deles for divido pelo
menor, o quociente e 7 e o resto e 5. Encontre os n umeros.
(07) Um agricultor tem uma area de 100 hectares na qual deseja plan-
tar tres produtos A, B e C. Sabendo-se que cada hectare do produto
A produz 10 toneladas por colheita e cada hectare de B e C produzem
respectivamente 12 e 20 toneladas, quais as possibilidades de loteamento
da terra de modo a colher 1.500 toneladas de alimento por colheita?
(08) Um agricultor tem uma area de 100 hectares na qual deseja plan-
tar tres produtos A, B e C. Sabendo-se que cada hectare do produto A
produz 10 toneladas por colheita e ele os vende por R$ 3.000, 00 a tonelada.
Cada hectare de B e C produzem 12 e 20 toneladas, respectivamente e ele
os vende por R$ 1.500 a tonelada do produto B e R$ 800, 00 a tonelada de
C. Determine as possibilidades de loteamento da terra de modo a colher
1.500 toneladas de alimento e ter umA receita de R$ 2.300.000, 00 por
colheita?
Captulo 6
Discussao de um sistema
linear
Classicar um sistema de equacoes lineares, quanto ao seu conjunto
solucao.
Em muitas ocasioes nao estamos interessados na solucao do sistema,
mas apenas em saber se o sistema tem solucao e caso armativo, quantas
sao estas solucoes. Veremos que isto e possvel usando o posto das ma-
trizes associadas ao sistema.
Conforme visto nos exemplos do captulo anterior, na resolucao de um
sistema linear, seu conjunto solucao pode ser vazio, um conjunto unitario
(contendo um unico elemento) ou um conjunto com mais de um elemento.
De acordo com o conjunto solucao, um sistema linear recebe as seguintes
denominacoes:
Denicao 12. Diz-se que um sistema linear e
(a) impossvel (ou incompatvel ou inconsistente) se ele nao admite
solucao alguma, isto e, seu conjunto solucao S = ;
(b) possvel (ou compatvel ou consistente) se ele admite pelo menos
uma solucao, sendo neste caso chamado de
(b.1) possvel determinado se admitir uma unica solucao e
(b.2) possvel indeterminado se admitir mais de uma solucao.
Discurtir um sistema linear e
classica-lo, segundo seu con-
junto solucao.
Discutir um sistema signica efetuar um estudo visando classica-lo
segundo as denominacoes dadas na Denicao 12. Vamos ver que isto pode
ser feito, mesmo nao conhecendo o conjunto solucao do sistema.
Considere AX = b um sistema linear com m equacoes a n incognitas.
40
UFPA

Algebra Linear 41
Ao compararmos o posto da matriz dos coecientes A com o posto da
matriz aumentada [A[b] temos somente dois casos possveis:
(1) posto(A) < posto([A[b]); Por que nao temos
posto(A) > posto[A[b])?
(2) posto(A) = posto([A[b]).
Se ocorre (1), isto e, posto(A) < posto([A[b]), entao apos o escalona-
mento, a matriz aumentada tem a forma: Se posto(A) < posto([A[b]),
entao S = sistema im-
possvel.
_
_
_
_
_
_
a
1j
1
a
1j
1
+1
... a
1n
[ b
1
0 ... a
2j
2
... a
2n
[ b
2
0 ... .... ... ... [ ...
0 0 0 ... 0 [ b
k
0 0 0 ... 0 [ 0
_
_
_
_
_
_
. (6.1)
Isto implica que o sistema escalonado tem uma equacao do tipo:
0.x
1
+ 0.x
2
+... + 0.x
n
= b
k
a qual nao tem solucao e portanto o sistema tambem nao tem solucao.
Por outro lado, se posto(A) = posto([A[b]) = n umero de incognitas,
entao apos o escalonamento a matriz aumentada tem n linhas nao nulas,
logo tem a forma: Se posto(A) = posto([A[b]) =
nr. de incognitas, entao S e
um conjunto unitario sis-
tema possvel determinado.
[A[b] =
_
_
_
_
_
_
a
1j
1
... a
1n
[ b
1
a
2j
2
... a
2n
[ b
2
a
3j
3
... a
3n
[ b
3
.... ... ... ... ... [ ...
... a
nj
n
[ b
n
_
_
_
_
_
_
com 1 j
1
< j
2
< j
3
< ... < j
n
n. Entao j
1
= 1, j
2
= 2, ..., j
n
=
n e a
ij
i
,= 0, para todo i. Resolvendo o sistema por retro-substituicao
encontramos:
x
n
=
1
a
nn
.b
n
, x
n1
=
1
a
n1n1
_
b
n1
a
n1n
x
n
_
, ..., x
1
=
1
a
11
_
b
1
a
12
x
2

... a
1n
x
n
_
. O sistema tem portanto solucao unica.
Por m, vamos ver o caso em que posto(A) = posto ([A[b] < n umero Se posto(A) = posto([A[b]) <
nr. de variaveis, entao S e
um conjunto innito sis-
tema possvel indeterminado.
de incognitas. Suponha posto(A) = posto ([A[b]) = p < n. Entao a
matriz aumentada do sistema, apos o escalonamento, tem p linhas nao
nulas. Ficamos com um sistema escalonado com p equacoes, com as quais
so podemos determinar o valor de p variaveis, as quais cam escritas em
funcao das demais (n p), que serao as variaveis livres do sistema. Neste
caso, o sistema tem innitas solucoes. Temos assim o seguinte teorema: Diz-se que a diferencao (np)
(n umero de variaveis menos
o posto das matrizes), que
corresponde ao n umero de
variaveis livres do sistema, e o
grau de liberdade do sistema.
Teorema 5. O sistema AX = b, com A m n, admite solucao se, e
somente se,
42

Algebra Linear UFPA
posto (A) =posto([A[b]).
Alem disso,
(i) O sistema sera possvel determinado se posto(A) = n;
(ii) O sistema sera possvel indeterminado se posto(A) < n.
Em um sistema homogeneo AX = 0 nao temos o caso posto(A) < Se um sistema linear sobre
R tem mais de uma solucao,
entao ele tem uma innidade
delas.
posto([A[b]) (por que ?), logo o sistema homogeneo sempre e possvel (tem
solucao). A solucao (0, 0, ..., 0) e chamada solucao trivial do sistema.
(1) Faca uma discussao dos sistemas abaixo e em seguida encontre o con-
junto solucao de cada um:
(a)
_
_
_
x + 2y 5z = 10
2x + 6y 6z = 14
2x + 4y 10z = 4
Solucao:
Para a discussao do sistema usaremos o Teorema 5, para tanto pre-
cisamos determinar o posto da matriz dos coecientes e da matriz aumen-
tada de cada sistema.
[A [ b] =
_
_
1 2 5[ 10
2 6 6[ 14
2 4 10[ 4
_
_
L
2
L
2
2L
1
_
_
1 2 5[ 10
0 2 4[ 6
2 4 10[ 4
_
_
L
3
L
3
2L
1
_
_
1 2 5[ 10
0 2 4[ 6
0 0 0[ 16
_
_
.
Entao posto(A) = 2 < posto([A[b]) = 3, logo o sistema e impossvel,
isto e, S = .
(b)
_
_
x + 2y + 2z = 2
3x 2y z = 5
2x 5y + 3z = 4
x + 4y + 6z = 0
Solucao:
[A [ b] =
_
_
_
_
1 2 2[ 2
3 2 1[ 5
2 5 3[ 4
1 4 6[ 0
_
_
_
_
L
2
L
2
3L
1
_
_
_
_
1 2 2[ 2
0 8 7[ 1
2 5 3[ 4
1 4 6[ 0
_
_
_
_
UFPA

Algebra Linear 43
L
3
L
3
2L
1
_
_
_
_
1 2 2[ 2
0 8 7[ 1
0 9 1[ 8
1 4 6[ 0
_
_
_
_
L
4
L
4
L
1
_
_
_
_
1 2 2[ 2
0 8 7[ 1
0 9 1[ 8
0 2 4[ 2
_
_
_
_
L
3
8L
3
9L
2
_
_
_
_
1 2 2[ 2
0 8 7[ 1
0 0 55[ 55
0 2 4[ 2
_
_
_
_
L
4
4L
4
+L
2
_
_
_
_
1 2 2[ 2
0 8 7[ 1
0 0 55[ 55
0 0 9[ 9
_
_
_
_
L
4
55L
4
9L
3
_
_
_
_
1 2 2[ 2
0 8 7[ 1
0 0 55[ 55
0 0 0[ 0
_
_
_
_
.
Temos posto(A) = posto ([A[b]) = 3 = n umero de variaveis, logo
o sistema e possvel determinado. Resolvendo por retro-substituicao o
sistema:
_
_
_
x + 2y + 2z = 2
8y 7z = 1
55z = 55
o qual corresponde ao sistema associado à matriz escalonada acima, en-
contramos z = 1, y = 1 e x = 2. Assim, S = (2, 1, 1).
(c)
_
_
_
2x + 3y 2z = 5
x 2y + 3z = 2
4x y + 4z = 1
Solucao:
[A [ b] =
_
_
2 3 2[ 5
1 2 3[ 2
4 1 4[ 1
_
_
L
1
L
2
_
_
1 2 3[ 2
2 3 2[ 5
4 1 4[ 1
_
_
L
2
2L
1
+L
2
_
_
1 2 3[ 2
0 7 8[ 9
4 1 4[ 1
_
_
L
3
4L
1
+L
3
_
_
1 2 3[ 2
0 7 8[ 9
0 7 8[ 9
_
_
L
3
L
3
L
2
_
_
1 2 3[ 2
0 7 8[ 9
0 0 0[ 0
_
_
.
Temos posto(A) =posto ([A[b]) = 2 < n umero de variaveis, logo o
sistema e possvel indeterminado. Resolvendo por retro-substituicao o
sistema:
_
x 2y + 3z = 2
7y 8z = 9
que corresponde ao sistema associado à matriz escalonada acima, encon-
tramos y =
8z+9
7
e x =
5z+4
7
. Assim, S = (
5z+4
7
,
8z+9
7
, z) [ z R.
44

Algebra Linear UFPA
(2) Determine os valores de k para que o sistema
_
_
_
x 2y +3z = 1
2x +ky +6z = 6
x +3y (k 3)z = 0
,
seja:
(a) impossvel;
(b) possvel determinado;
(c) possvel indeterminado.
Solucao:
Inicialmente vamos escalonar a matriz aumentada do sistema:
[A [ b] =
_
_
1 2 3[ 1
2 k 6[ 6
1 3 (k 3)[ 0
_
_
L
2
L
2
2L
1
_
_
1 2 3[ 1
0 (k + 4) 0[ 4
1 3 (k 3)[ 0
_
_
L
3
L
3
+L
1
_
_
1 2 3[ 1
0 (k + 4) 0[ 4
0 1 k[ 1
_
_
L
2
L
3
_
_
1 2 3[ 1
0 1 k[ 1
0 (k + 4) 0[ 4
_
_
.
Se k = 4, entao posto(A) = 2 < posto([A [ b]) = 3, e o sistema
e impossvel. Se k ,= 4 a matriz acima ainda nao esta escalonado,
continuando o processo:
L
3
(k + 4)L
2
+L
3
_
_
1 2 3[ 1
0 1 k[ 1
0 0 k(k + 4)[ k
_
_
.
Se k = 0, posto(A) = posto([A [ b]) = 2 < n
de variaveis , logo o
sistema e possvel indeterminado e se k ,= 0, entao posto(A) = posto([A [
b]) = 3 = n
de variaveis e o sistema e possvel determinado. Resumido

temos que o sistema e:
(i) possvel determinado para todo k real, com k ,= 0 e k ,= 4;
(ii) possvel indeterminado para k = 0;
(iii) impossvel para k = 4.
(1) Encontre as condicoes a serem satisfeitas por a, b, c, d para que o sis-
tema abaixo tenha solucao
_
_
4x 2y +6z +2w = a
x +3y 2z +3w = b
5y z +7w = c
3x +8y +2z 4w = d
(2) Determine o valor de k de modo que o sistema
_
_
_
2x ky +3z = 8
2x +3y z = 2
2x 2ky kz = 2
seja:
(a) impossvel;
UFPA

Algebra Linear 45
(b) possvel determinado
(c) possvel indeterminado.
(3) Determine as condicoes sobre a, b e c para que o sistema abaixo,
nas incognitas x, y e z, seja possvel.
_
_
_
x + 2y = a
2x + y = b
x + y = c
(3) Seja A uma matriz quadrada de ordem n. Mostre que A e nversvel se,
e somente se, o sistema linear homogeneo AX = 0 tem somente a solucao
trivial.
(4) Seja AX = b um sistema linear com A uma matriz n n e b R
n
.
Mostre que toda solucao deste sistema tem a forma z = x
0
+ y, com x
0
uma solucao particular de AX = b e y uma solucao do sistema linear
homogeneo AX = 0.
(5) Seja AX = b um sistema linear com coecientes reais. Mostre que se o
conjunto solucao deste sistema tem pelo menos dois elementos, entao ele e
um conjunto innito, isto e, se o sistema tem mais de uma solucao, entao
tem um innidade delas.
Captulo 7
Espa co vetorial real
Objetivos
Denir espacos vetoriais
Apresentar alguns exemplos de espacos vetoriais
Deduzir propriedades dos espacos vetoriais
1 Denicao
Denicao 13. Um espaco vetorial real e um conjunto nao vazio V
munido de duas operacoes: a adicao e a multiplicacao por escalar,
como descritas a seguir:
(i) a adicao associa a todo par de elementos u, v V , o elemento u + v
em V , denominado a soma de u e v, e tem as seguintes propriedades para
quaisquer u, v, w em V :
(A1) (u +v) +w = u + (v +w) (e associativa);
(A2) u +v = v +u (e comutativa);
(A3) existe 0 V , tal que u + 0 = u, para todo u V ;
(0 e chamado o elemento neutro da adicao)
(A4) para todo u V , existe u V , tal que u + (u) = 0
(u e chamado o oposto de u).
(ii) a multiplicacao por escalar associa a todo escalar R e a
todo u V , o elemento u em V e tem as seguintes propriedades para
quaisquer u, v V e quaisquer , R:
(M1) ()u = (u);
(M2) ( +)u = u +u;
(M3) (u +v) = u +v;
(M4) 1u = u.
46
UFPA

Algebra Linear 47
As propriedades acima sao conhecidas como os axiomas do espaco ve-
torial.
Os elementos de um espaco vetorial sao chamados de vetores e os ele-
mentos de R, escalares.
(1) Releia a denicao de espaco vetorial
(2) O que e necessario para a construcao de um espaco vetorial real?
(3) Quantas operacoes tem um espaco vetorial? Quais sao elas?
(4) Por que chamamos espaco vetorial real?
(5) Em um espaco vetorial, quais sao as propriedades da adicao?
(6) Em um espaco vetorial, quais sao as propriedades da multiplicacao por
escalar?
(7) Qual e a diferenca da propriedade (M2) para (M3)?
(8) Quais sao as operacoes envolvidas na propriedade (M2)?
(9) Explique o que diz a propriedade (M4).
2 Exemplos de espacos vetorias reais
Conforme a denicao, para a construcao de um espaco vetorial real sao
necessarios um conjunto e duas operacoes. Em cada um dos exemplos
dados a seguir observe atentamente o conjunto usado para construir o
espaco vetorial e como sao denidas a adicao e a multiplicacao por
escalar.
(I) O espaco R
n
:
(i) O conjunto: R
n
= (x
1
, x
2
, ..., x
n
) [ x
1
, x
2
, ..., x
n
R - e o con-
junto das n-uplas de n umeros reais, para n 1;
(ii) a adicao:
(x
1
, x
2
, ..., x
n
) + (y
1
, y
2
, ..., y
n
) = (x
1
+y
1
, x
2
+y
2
, ..., x
n
+y
n
)
(iii) a multiplicacao por um escalar R:
(x
1
, x
2
, ..., x
n
) = (x
1
, x
2
, ..., x
n
)
(1) Usando a denicao acima, calcule:
(a) (2, 3) + (7, 1)
(b) 3(4, 3)
(c) (3, 7, 4, 1) + 3(2, 5, 1, 2)
48

Algebra Linear UFPA
(2) Qquando duas n-uplas (x
1
, x
2
, ..., x
n
) e (y
1
, y
2
, ..., y
n
) sao iguais?
(3) Quem e o elemento neutro da adicao em R
3
? E em R
7
?
(4) Quem e o oposto do vetor (3, 0, 3, 2, 1) R
5
?
(5) Quem o oposto do vetor (0, 0, 0, 0) R
4
?
(6) Calcule (2 4)(3, 4, 5) e 2 (4 (3, 4, 5)). Os resultados obtidos sao
diferentes? Os procedimentos usados foram diferentes?
(7) Usando a denicao da adicao dada acima, mostre que e valida a pro-
priedade (A1) em R
n
(II) O Espaco das matrizes M
mn
(R):
(i) O conjunto: M
mn
(R) que e o conjunto das matrizes m n com
elementos reais.
(ii) a adicao: - e a adicao usual de matrizes, isto e, se A = (a
ij
) e B = (b
ij
)
sao matrizes mn, entao
A +B = (a
ij
+b
ij
)
(iii) a multiplicacao por um escalar R: se A = (a
ij
) M
mn
e
R, entao
A = (a
ij
)
Obs: Quando m = n, escreveremos simplesmente M
n
(R) para indicar o
conjunto das matrizes reais quadradas de ordem n.
(1) Quem e o vetor nulo no espaco M
34
(R)? E em M
2
(R)?
(2) Quem e o oposto da matriz A =
_
2 1 5 7
6 4 3 0
_
? A que espaco
vetorial elas pertencem?
(3) Quando duas matrizes A = (a
ij
) e B = (b
ij
) M
mn
(R) sao iguais?
(4) De um exemplo do uso da propriedade (M4) no espaco vetorial M
5
(R).
(5) Mostre que e valida a propriedade (A4) em M
n
(R).
(III) O Espaco dos polin omios:
(i) O conjunto: T(R) - que representa o conjunto de todos os polinomios
com coecientes reais.
(ii) adicao: - e a adiao usual de polinomios, isto e,
se p(x) = a
n
x
n
+... +a
1
x+a
0
e q(x) = b
n
x
n
+... +b
1
x+b
0
T(R), entao:
p(x) +q(x) = (a
n
+b
n
)x
n
+... + (a
1
+b
1
)x +... + (a
0
+b
0
)
(iii) a multiplicacao por um escalar:
p(x) = a
n
x
n
+a
n1
x
n1
+... +a
1
x +a
0
T(R) e R, entao
p(x) = a
n
x
n
+a
n1
x
n1
+...a
1
x +a
0
UFPA

Algebra Linear 49
Obs: Usaremos a notacao T
n
(R) (n 1 inteiro) para indicar o con-
junto dos polinomios de grau menor ou igual a n com coecientes reais,
acrescido do polinomio nulo. Este conjunto, com as mesmas operacoes
dadas acima, e tambem um espaco vetorial real.
(1) Explique o signicado da notacao T
3
(R)? De exemplo de tres elemen-
tos deste conjunto.
(2) Quando dois polinomios p(x) = a
n
x
n
+... +a
1
x +a
0
e q(x) = b
m
x
m
+
... +b
1
x +b
0
T(R) sao ditos iguais?
(3) Descreva em linguagem natural o procedimento usado para efetuar a
adicao de dois polinomios.
(4) Dados os polinomios p(x) = 3x
4
+2x
3
+5x+8 e q(x) = 2x
3
+6x
2
+2,
determine:
(a) p(x) +q(x)
(b) 2p(x)
(c) 3p(x) 5q(x)
(d) o oposto de p(x) e o oposto de q(x)
(5) Quem e o elemento neutro de T
2
(R)? E de T
5
(R)?
(6) De um exemplo do uso da propriedade (M4) no espaco T
3
(R)?
(7) Usando as operacoes denidas acima em T(R), mostre que e valida
neste espaco a propriedade (M1).
(IV) O Espaco vetorial complexo:
(i) o conjunto: C = a + bi [ a, b R, que e o conjunto dos n umeros
complexos
(ii) a adicao:
Dados z
1
= a
1
+b
1
i e z
2
= a
2
+b
2
i C denimos:
z
1
+z
2
= (a
1
+a
2
) + (b
1
+b
2
)i
(iii) a multiplicacao por escalar
Dados z = a +b
i
C e R denimos:
z = a + (b)i.
(1) Quando dois n umeros complexos a
1
+b
1
i e a
2
+b
2
i sao ditos iguais?
(2) Se z
1
= 2 + 3i e z
2
= 4 + 2i, calcule:
(a) z
1
+z
2
(b) 2z
1
(c) o oposto de 3z
1
4z
2
50

Algebra Linear UFPA
(3) Se z
1
= 2i e z
2
= 6, calcule:
(a) z
1
+z
2
(b) 4z
1
3z
2
(c) o oposto de 3z
1
4z
2
(4) Quem e o elemento neutro de C?
(5) Mostre que e valida a propriedade (M2) em C?
(V) O Espaco das func oes reais:
(i) o conjunto: F(X; R) que e o conjunto de todas as funcoes f : X R,
onde X e um conjunto n ao vazio qualquer.
(ii) a adicao:
Dados f : X R e g : X R F(X; R), denimos a soma de f e g
como a funcao f +g : X R, dada por:
(f +g)(x) = f(x) +g(x), x X
(iii) a multiplicacao por escalar
Dados f : X R F(X; R) e R denimos a multiplicacao escalar de
f por como a funcao f : X R, dada por:
(f)(x) = .f(x), x X
(1) Quando duas funcoes f : X R e g : X R sao iguais?
(2) Quem e o elemento neutro de F(X; R)?
(3) Se f(x) = 2x + 3 e g(x) = x
2
+ 2x 3, calcule:
(a) f +g
(b) 2f
(c) o oposto de 3f 2g
(4) Mostre que e valida a propriedade (M3) em F(X; R).
(VI) O espaco C
n
:
(i) o conjunto: C
n
= (z
1
, z
2
, ..., z
n
) [ z
1
, z
2
, ..., z
n
C - o conjunto
das n-uplas de n umeros complexos, com n 1
(ii) a adicao:
Se u = (z
1
, z
2
, ..., z
n
) e v = (z
t
1
, z
t
2
, ..., z
t
n
) C
n
, denimos:
u +v = (z
1
+z
t
1
, z
2
+z
t
2
, ..., z
n
+z
t
n
)
(iii) a multiplicacao por escalar:
Se R e u = (z
1
, z
2
, ..., z
n
) C
n
denimos:
u = (z
1
, z
2
, ..., z
n
).
UFPA

Algebra Linear 51
(1) Dados z
1
= (2 + 3i, 2, 3
i
) e z
2
= (5 3i, 4i, 5), calcule:
(a) z
1
+z
2
(b) 2z
1
(c) 3z
2
(d) o oposto de z
1
(e) o oposto de 3z
1
+ 4z
2
(2) Quem e o elemento neutro de C
2
? De C
3
? E de C
7
?
(3) De um exemplo do uso da propriedade (M4) neste espaco.
(4) Mostre que e valida a propriedade (A2) em C
n
.
3 Propriedades elementares de um espaco
vetorial
Em decorrencia dos axiomas de um espaco vetorial seguem algumas
propriedades, que apesar de basicas, sao grande importancia no estudo
desta estrutura.
Seja V um espaco vetorial real. Para todo R e para todo u V ,
tem-se:
(1) 0 = 0 (0 representa o vetor nulo de V ).
(1) Explique o que diz a propriedade acima.
(2) Usando os espacos vetoriais vistos acima, de tres exemplos de uso desta
propriedade.
(3) Damos a seguir a demonstracao da propriedade acima. Observe o que
est a sendo feito em cada linha e diga qual(is) axioma(s) de espaco vetorial
ou propriedade esta(ao) sendo aplicado(s):
Demonstracao:
Justicativa
0 = (0 + 0) -
0 = 0 +0 -
(0) +0 = (0) + (0 + 0) -
(0) +0 = ((0) +0) +0 -
0 = 0 +0 -
0 = 0 -
(2) 0u = 0 (no lado esquerdo 0 R e no lado direito 0 e o vetor nulo

52

Algebra Linear UFPA
de V ).
(1) Explique o que diz a propriedade acima.
(2) De tres exemplos desta propriedade, usando espacos vetorais distintos.
(3) Como no exerccio acima, justique cada passo da demonstracao:
Demonstracao:
Justicativa
0 = (0 + 0) -
0 = 0 + 0 - -
(0) + 0 = (0) + (0 + 0) -
(0) + 0 = ((0) + 0) + 0 -
0 = 0 + 0 -
0 = 0 -
(3) Se u = 0, entao = 0 ou u = 0.
Em um espaco vetorial nunca
ocorre de o produto de um es-
calar nao nulo por um vetor
tambem nao nulo, da um ve-
tor nulo.
(1) Explique o signicado da propriedade
(2) De exemplos de uso desta propriedade usando espacos vetoriais distin-
tos
(3) Observe abaixo a demonstracao da propriedade e faca a justicativa
de todos os passos usados na demonstracao.
Demonstracao:
Sejam u V e R com u = 0. Se = 0, nada ha a demonstrar.
Vamos supor ,= 0. Como e nao nulo, existe
1
R. Assim se
Justicativa
u = 0
1
(u) =
1
0 -
1
(u) = 0 -
(
1
)u = 0 -
1u = 0 -
u = 0 -
(1) Verique se (V, +, .) e um espaco vetorial real sendo:
(a) V = x R [ x > 0 com as operacoes abaixo denidas:
A soma de x e y V e dada por:
x +y = x.y (o ponto indica o produto em R) (7.1)
UFPA

Algebra Linear 53
O produto escalar de c R por x V e dado por:
cx = x
c
. (7.2)
Solucao:
Como o produto de dois n umeros positivos e a potencia de um n umero
positivo sao sempre n umeros reais positivos, segue que para quaisquer
x, y V e c R, x + y e cx V . Assim V e fechado com relacao as
operacoes denidas. Resta vericar se estas operacoes tem as propriedades
necessarias a um espaco vetorial.
Propriedades da adicao:
Para quaisquer x, y V , tem-se:
(A1) (x +y) +z = (x.y) +z - por (7.1)
= (x.y).z - por (7.1)
= x.(y.z) - pela associatividade da multiplicacao em R
= x.(y +z) - por (7.1)
= x + (y +z) - por (7.1)
Portanto, (x +y) +z = (x + (y +z).
(A2) x +y = x.y - por (7.1)
= y.x - pela comutatividade da multiplicacao em R
= y +x - por (7.1)
Portanto, x +y = y +x.
(A3) 1 V e o elemento neutro da adicao, pois para todo x V ,
x + 1 = x.1 = x;
(A4) Para todo x V , o elemento
1
x
V e tal que x +
1
x
= x.
1
x
= 1.
Logo todo elemento de V tem inverso aditivo.
Propriedades da multiplicacao por escalar:
Sejam c, c
1
, c
2
R, x, y V . Entao:
(M1) (c
1
c
2
)x = x
(c
1
c
2
)
-por (7.2)
= (x
c
2
)
c
1
- propriedade de potencia em R
= c
1
(x
c
2
)- por (7.2)
= c
1
(c
2
x) - por (7.2)
Portanto, (c
1
c
2
)x = c
1
(c
2
x)
(M2) (c
1
+c
2
)x = x
(c
1
+c
2
)
-por (7.2)
= x
c
1
.x
c
2
= x
c
1
+x
c
2
- por (7.1)
= c
1
x +c
2
x - por (7.2)
Portanto, (c
1
+c
2
)x = c
1
x +c
2
x.
54

Algebra Linear UFPA
(M3) c(x +y) = c(x.y) -por (7.1)
= (x.y)
c
- por (7.2)
= x
c
.y
c
= x
c
+y
c
- por (7.1)
= cx +cy - por (7.2)
Portanto, c(x +y) = cx +cy.
(M4) 1x = x
1
= x -por (7.2) e denicao de potencia em R.
Segue entao que (V , +, .) e um espaco vetorial real.
(b) V = (x, y) [ x, y R = R
2
.
A soma de (x
1
, y
1
) e (x
2
, y
2
) V e dada por:
(x
1
, y
1
) + (x
2
, y
2
) = (x
1
+x
2
, y
1
+y
2
) (7.3)
O produto escalar de c R por (x, y) V e dado por:
c(x, y) = (cx, y). (7.4)
Solucao:
Observamos que V = R
2
e a adicao e a mesma denida anteriormente
para vetores em R
n
, a qual ja vimos tem as propriedades (A1), (A2), (A3)
e (A4). Resta entao vericar as propriedades da multiplicacao por es-
calar. Obviamente que (cx, y) V , para quaisquer c, x, y R. Sejam
c, c
1
, c
2
R, = (x
1
, y
1
), = (x
2
, y
2
) V . Entao:
(M1) (c
1
c
2
) = (c
1
c
2
)(x
1
, y
1
)
= ((c
1
c
2
)x
1
, y
1
) - por (7.4)
= (c
1
(c
2
x
1
), y))- pela associatividade da multiplicacao em R
= c
1
(c
2
x
1
, y
1
) - por (7.4)
= c
1
(c
2
(x
1
, y
1
)) = c
1
(c
2
) - pela Denicao (7.4).
(M2) (c
1
+c
2
) = (c
1
+c
2
)(x
1
, y
1
)
=
_
(c
1
+c
2
)x
1
, y
1
_
- por (7.4)
= (c
1
x
1
+c
2
x
1
, y
1
)- pela propriedade P6
= (c
1
x
1
, y
1
) + (c
2
x
1
, 0) - por (7.3)
= c
1
+c
2
(x
2
, 0).
E facil ver que existem escalares c

1
, c
2
R e vetores R
2
, para os
quais (c
1
+ c
2
) ,= c
1
+ c
2
. Logo a multiplicacao por escalar dada em
(7.4) nao satisfaz (M2).
Como falha uma das propriedades, R
2
como as operacoes denidas
acima nao e um espaco vetorial.
UFPA

Algebra Linear 55
(1) Em cada um dos itens abaixo verique se o conjunto V munido das
operacoes dadas e um espaco vetorial real. Para aqueles que nao sao
espacos vetoriais dizer quais as propriedades da denicao que nao se veri-
cam.
(a) V = (x, y) R
2
[ x > 0, y > 0 com as operacoes:
(x
1
, y
1
) + (x
2
, y
2
) = (x
1
+x
2
, y
1
+y
2
), (x
1
, y
1
), (x
2
, y
2
) V ;
c(x, y) = (x
c
, y
c
), (x, y) V, c R.
(b) V = (x, y, z) [ x, y, z R
, com as operacoes:
(x
1
, y
1
, z
1
)+(x
2
, y
2
, z
2
) = (x
1
.x
2
, y
1
.y
2
, z
1
.z
2
), (x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
)
V ;
c(x, y, z) = (x
2c
, y
2c
, z
2c
), (x, y, z) V, c R.
(c) V = A M
2
(R) [ A e nao-singular com as seguintes operacoes:
A +B = AB (produto usual de matrizes), A, B V ;
cA = (c.a
ij
), A = (a
ij
) V e c R.
(d) Sejam U e W espacos vetorias reais e V = (, ) [ U, W
com as operacoes:
(, ) + (
t
,
t
) = ( +
t
+ +
t
);
c(, ) = (c, c), (, ) V, c R.
As operacoes do lado direito sao as denidas em U na primeira coor-
denada e as denidas em W na segunda coordenada.
(e) Seja f : R R uma funcao nao nula xada, a qual tem as seguintes
propriedades f(x + y) = f(x) + f(y) e f(x.y) = f(x).f(y), para todo
x, y R. Considere V = R
2
(0, 0) com as seguintes operacoes:
(x
1
, y
1
) + (x
2
, y
2
) = (x
1
.x
2
, y
1
.y
2
), (x
1
, y
1
), (x
2
, y
2
) R;
c(x, y) = (x
f(c)
, y
f(c)
), (x, y) V, c R.
(2) Seja V um espaco vetorial real. Mostre que:
(a) Em V existe um unico vetor nulo;
(b) Cada elemento de V tem um unico inverso aditivo.
(3) Mostre que em um espaco vetorial real V vale a lei do cancelamento,
isto e, para quaisquer u, v, w V , se u +v = u +w, entao v = w.
(4) Seja V um espaco vetorial real. Mostre que para qualquer R
e qualquer u V temos:
56

Algebra Linear UFPA
u = (u) = (u)
(5) Seja V um espaco vetorial real e u V . Mostre, usando inducao em
n, que nu = (u +u +... +u)
. .
nparcelas
, para todo natural n 1.
(6) Sejam u e v vetores nao nulos de um espaco vetorial real V . Mostre
que u e um m ultiplo escalar de v se, e somente se, v e tambem um m ultiplo
escalar de u.
(7) Sejam u e v vetores de um espaco vetorial V e R um escalar.
Mostre que (u v) = u v.
Captulo 8
Subespacos
Objetivos
Denir subespacos vetoriais
Reconhecer quando um subconjunto de um espaco e subespaco
Denicao 14. Seja V um espaco vetorial real. Um subconjunto nao vazio
W de V e um subespaco de V se W e tambem um espaco vetorial,
considerando as mesmas operacoes denidas em V .
Se V e um espaco vetorial, entao os subconjuntos 0 e V sao sube-
spacos de V - chamados subespacos triviais. 0 e chamado o subespaco
nulo de V .
Dado um subconjunto W de um espaco vetorial real V , como saber
se W e um subespaco de V ? Segundo a Denicao 14, devemos vericar
se W, com as operacoes denidas em V , e um espaco vetorial. E isto
implica checar se W esta de acordo com a Denicao 13, ou seja, veri-
car o fechamento de W com relacao à soma e a multiplicacao escalar
denidas em V e posteriormente a validade das oito propriedades men-
cionadas naquela denicao. O proximo teorema vai nos ajudar a sim-
plicar consideravelmente este trabalho, pois ela garante que para um
subconjunto nao vazio seja subespaco, e necessario e suciente apenas o
fechadamento deste com relacao as operacoes do espaco.
Teorema 6. Sejam V um espaco vetorial real e W um subconjunto nao
vazio de V . Entao W e um subespaco de V , se e somente se, W verica O fechamento com relacao
as operacoes do espaco e
condicao necessaria e su-
ciente para que um subcon-
junto nao vazio do espaco seja
subespaco.
as seguintes condicoes:
(a) Para todo u, v W, a soma u +v esta em W;
(b) Para todo u W e para todo R, o produto u tambem esta
57
58

Algebra Linear UFPA
em W.
Antes de prosseguir leia mais uma vez o enunciado do teorema. Ob-
serve que as condicoes dadas nas letras (a) e (b) sao simplesmente o
fechamento de W com relacao as operacoes do espaco e esta e a unica
condicao exigida para que um subconjunto nao vazio de um espaco ve-
torial seja subespaco.

E bom que voce grave este teorema, pois ele sera
de grande utilidade no decorrer do curso. Antes de demonstra-lo, vamos
aprender a utiliza-lo.
(1) Verique se o conjunto W = (x, y, 0) [ x, y R e um subespaco do
R
3
.
Solucao:
Usaremos o Teorema 6 para isto. W e subespaco se satisfaz a todas as
hipoteses daquele teorema.
(i) W e um subconjunto nao vazio do R
3
?
Como (0, 0, 0) W, logo W nao e vazio.
(ii) Para quaisquer u, v W, tem-se u +v W?
Vamos tomar dois elementos arbitrarios em W, efetuar a soma destes
elementos, usando a adicao denida em R
3
, e ver se o resultado obtido e
tambem um elemento de W.
Observamos que W e formado pelos vetores do R
3
que tem a terceira
coordenada nula. Assim, se u e v W, entao eles devem ter a forma
u = (x
1
, y
1
, 0) e v = (x
2
, y
2
, 0), com x
1
, x
2
, y
1
, y
2
R. Somando u + v =
(x
1
+x
2
, y
1
+y
2
, 0), o qual esta em W, pois e um vetor do R
3
com a terceira
coordenada nula.
(iii) Para todo u W e para todo R, u W?
Sejam R e u = (x, y, 0) W. Entao u = (x, y, 0) W.
Respondidos armativamente (i), (ii) e (iii), conclui-se que W e um
subespaco de R
3
. Geometricamente W representa o plano XY . Constata-
mos que somando vetores deste plano ou multiplicando-os por escalares,
os vetores resultante permanecem neste plano.
(2) O conjunto W =
_
_
a 0
b 0
_
[ a, b R
_
e um subespaco de M
2
(R)?
Solucao:
Como no exemplo anterior, mostraremos que W satisfaz as hipoteses
do Teorema 6. Observe que W e o conjunto formado por todas as matrizes
UFPA

Algebra Linear 59
2 2 com elementos reais, que tem a segunda coluna nula. Entao para
vericar se uma matriz A, 2 2, e um elemento de W, devemos vericar
se ela tem estas propriedades, isto e, se seus elementos sao n umeros reais
e se sua segunda coluna e nula.
(i) W e nao vazio, pois a matriz nula
_
0 0
0 0
_
W;
(ii) Para quaisquer matrizes A, B W, A +B W.
Sejam A =
_
a
1
0
b
1
0
_
e B =
_
a
2
0
b
2
0
_
matrizes arbitrarias de W,
com a
1
, a
2
, b
1
, b
2
R. Usando a denicao de soma de matrizes, segue que
A + B =
_
a
1
+a
2
0
b
1
+b
2
0
_
W, pois seus elementos sao n umeros reais e
sua segunda coluna e nula.
(iii) Para toda matriz A W e todo R, temos A W.
Sejam A =
_
a 0
b 0
_
W e R. Entao A =
_
a 0
b 0
_
W.
Como W satifaz todas as condicoes do Teorema 6, este conjunto e um
subespaco de M
2
(R).
(3) O conjunto W = a
3
x
3
+a
2
x
2
+a
1
x+a
0
[ a
0
, a
1
, a
2
, a
3
R e a
1
= 2a
3
e um subespaco de T
3
(R)?
Solucao:
Observe que W e o subconjunto de T
3
(R) formado por todos os polinonios
em que o coeciente de x e o dobro do coeciente de x
3
. Entao os elemen-
tos de W sao polinomios da forma p(x) = a
3
x
3
+ a
2
x
2
+ 2a
3
x + a
0
, com
a
3
, a
2
, a
0
R. Vamos vericar se W satisfaz as hipoteses do Teorema 6.
(i) W e nao vazio, pois o polinomio nulo esta em W;
(ii) Para quaisquer p(x), q(x) W, a soma p(x) +q(x) W.
Sejamp(x) = a
3
x
3
+a
2
x
2
+2a
3
x+a
0
e q(x) = b
3
x
3
+b
2
x
2
+2b
3
x+b
0
W,
com a
3
, b
3
, a
2
, b
2
, a
0
, b
0
R. Usando a denicao de soma de polinomios,
segue que p(x)+q(x) = (a
3
+b
3
)x
3
+(a
2
+b
2
)x
2
+2(a
3
+b
3
)x+(a
0
+b
0
) W,
pois e um elemento de T
3
(R) no qual o coeciente de x e o dobro do
coeciente de x
3
, como sao os polinomios de W.
(iii) Para todo p(x) W e todo R, p(x) W.
Sejam p(x) = a
3
x
3
+ a
2
x
2
+ 2a
3
x + a
0
e R. Usando a denicao
do produto de um polinomio por em escalar, obtem-se p(x) = a
3
x
3
+
a
2
x
2
+ 2a
3
x +a
0
W.
De (i), (ii) e (iii) conclumos que W e um subespaco de T
3
(R).
60

Algebra Linear UFPA
(4) W = f T(R, R) [ f(1) = f(6) e um subespaco de T(R, R).
Solucao:
Observamos que W e formado por todas as funcoes de T(R, R) para
as quais a imagem de 1 concide com a imagem de 6. Assim para vericar
se uma funcao f T(R, R) arbitraria esta em W, devemos vericar se tal
condicao e satisfeita.
(i) Observe que a funcao nula 0 : R R, e tal que 0(x) = 0 para todo
x R, entao 0(1) = 0 = 0(6). Assim a funcao nula esta em W e portanto
W e um subconjunto nao vazio.
Vericaremos agora o fechamento de W com relacao as operacoes do
espaco. Sejam f, g W arbitrarias e R. Devemos mostrar que:
(ii) f +g W;
Como ja dissemos f +g W, se (f +g)(1) = (f +g)(6). E de fato,
(f +g)(1) = f(1) +g(1) - pela denicao de soma de funcoes
= f(6) +g(6) - pois f, g W
= (f +g)(6) - denicao de soma de funcoes.
Portanto f +g W.
(iii) f W;
(f)(1) = .f(1) - denicao do produto de uma funcao por um escalar
= .f(6) - pois f W
= (f)(6) - denicao do produto de uma funcao por um escalar
Portanto W e um subepaco de V .
(6) O conjunto W = (x, y, z) R
3
[ x y = 3 e um subconjunto
de R
3
?
Solucao:
(i) W e nao vazio, pois (4, 1, 0) W;
(ii) Se u, v W, tem-se u +v W?
Observe que W e formado por todos os vetores do R
3
para os quais a
diferenca entre a primeira e a segunda coordenadas e igual a 3. Assim, se
u = (x
1
, y
1
, z
1
) e v = (x
2
, y
2
, z
2
) W, segue que x
1
y
1
= 3 e x
2
y
2
= 3.
Efetuando a soma obtemos u + v = (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
). Fazendo a
primeira menos a segunda coordenada, obtemos: (x
1
+ x
2
) (y
1
+ y
2
) =
(x
1
y
1
) + (x
2
y
2
) = 3 + 3 = 6. Logo u +v , W.
Como falha uma das hipoteses do Teorema 6, segue que W nao e um
subespaco do R
3
.
(7) W = f T(R, R) [ f(1) = f(6) + 1 e um subespaco de T(R, R)?
UFPA

Algebra Linear 61
Solucao:
(i) W e nao vazio.
De fato, considere a funcao f : R R, denida por f(x) =
x
5
+ 3 e
tal que f(1) = f(6) + 1.
(ii) Se f, g W, entao f +g W?
Sejam f, g W. Da denicao de W, segue (f +g)(1) = f(1) +g(1) =
(f(6) + 1) + (g(6) + 1) = f(6) + g(6) + 1 + 1 = ((f + g)(6) + 1) + 1 ,=
(f + g)(6) + 1. Logo nao e verdade que a soma de f + g W, para
quaisquer f, g W. Assim W nao e subespaco.
Agora que voce ja esta familiarizado com o enunciado do Teorema 6,
faremos sua demonstracao.
Demonstracao do Teorema 6: Veja aqui a demonstracao do
Teorema 6. () W e um subespaco de V W satifaz os itens (a) e (b)
Por hipotese, W e subespaco, logo e espaco vetorial e portanto e
fechado com relacao à soma e à multiplicacao por escalar.
() W e um subconjunto nao vazio de V que satisfaz (a) e (b) W
e subespaco de V .
De acordo com a Denicao 14, para mostrar W e subespaco, deve-
mos mostrar que W e um espaco vetorial. O Fechamanento de W com
relacao as operacoes de V esta garantido pela hipotese. Alem disso, as
propriedades (A1), (A2), (M1), (M2), (M3) e (M4) da Denicao 13 sao
validas para todos os elementos de V W, logo sao para os de W. Resta
entao garantir as propriedades (A3) e (A4). Comecaremos por (A4).
(A4) - Para todo u W, u W:
Seja u W. Por (b), u W para todo R. Em particular
tomando = 1, segue que (1)u = (1u) = u W.
(A4) - O vetor nulo de V esta em W:
Como W ,= , existe u W. Pela propriedade (A4), u W e
pela letra (a) da hipotese, segue que 0 = u + (u) W. Portanto W e
subespaco.
Obs: As condicoes (a) e (b) do Teorema 6 sao equivalentes à condicao:
u +v W, para todo u, v W e todo R. (Prove isto!)
(1) Considere W =
_
_
a b
a +b 0
_
[ a, b R
_
.
(a) W e subconjunto de que espa co vetorial?
62

Algebra Linear UFPA
(b) W e um conjunto vazio? Caso negativo, de exemplo de um elemento
de W.
(c) A matriz A =
_
3 7
10 0
_
e um elemento de W? Justique.
(d) A matriz B =
_
1 1
2 0
_
(e) A matriz A =
_
2 1
1 1
_
(f) De exemplos de duas matrizes de ordem 2 2 que estejam em W e de
duas, tambem 2 2, que nao estejam em W.
(g) Use o Teorema 6 para vericar se W e subespaco de M
2
(R).
(2) Considere W = a
3
x
3
+a
2
x
2
+a
1
x+a
0
[ a
0
, a
1
, a
2
, a
3
R e a
3
+2a
2
=
0.
(a) W e subconjunto de que espaco vetorial?
de W.
(c) O polinomio p(x) = 2x
3
+x
2
+4x+7 e um elemento de W? Justique.
(d) O polinomio q(x) = 5x
2
+ 3 e um elemento de W? Justique.
(e) O polinomio r(x) = 5x
3
+ 10x
2
+ 15x + 4 e um elemento de W? Jus-
tique.
(f) De exemplos de dois polinomios de T
3
(R) que estejam em W e de dois,
que nao estejam em W.
(g) Use o teorema 6 para vericar se W e subespaco de T
3
(R).
(3) Considere W = (x, y, z) R
3
[ 2x + 3y z = 0
(a) W e subconjunto de que espaco vetorial?
de W.
(c) O terno (1, 1, 5) e um elemento de W? Justique.
(d) O terno (2, 0, 4) e um elemento de W? Justique.
(e) o terno (3, 2, 10) e um elemento de W? Justique.
(f) De exemplos de dois vetores do R
3
que estejam em W e de dois, que
nao estejam em W.
(g) Use o Teorema 6 para vericar se W e subespaco de R
3
.
(4) Considere W = (x, y, z) R
3
[ x +y +z = 3
(a) W e um conjunto vazio? Caso negativo, de exemplo de um elemento
de W.
(b) De exemplos de dois vetores do R
3
que estejam em W e de dois, que
nao estejam em W.
(c) Use o Teorema 6 para vericar se W e subespaco de R
3
.
(5) Verique quais dos subconjuntos W abaixo sao subespacos do R
n
(n 3);
UFPA

Algebra Linear 63
(a) W consiste de todos os vetores do R
n
em que as primeiras k coorde-
nadas (k n) sao nulas;
(b) W consiste de todos as vetores (x
1
, x
2
, ...x
n
) do R
n
, para as quais
x
n2
3x
n
= x
n1
.
(c) W consiste de todos as vetores (x
1
, x
2
, ...x
n
) do R
n
, para as quais
x
1
.x
n
= 0.
(d) W consiste de todos os vetores do R
n
, cujas coordenadas formam
uma progressao geometrica de razao xada.
(e) W consiste de todos os vetores do R
n
, cujas coordenadas formam
uma progressao geometrica.
(f) W consiste de todos os vetores do R
n
, cujas primeiras k coordenadas
sao iguais.
(6) Verique quais dos subconjuntos W abaixo sao subespacos de M
n
(R):
(a) W = A M
n
(R) [ A e diagonal ;
(b) W = A M
n
(R) [ A e simetrica ;
(c) W = A M
n
(R) [ A e anti-simetrica ;
(d) W = A M
n
(R) [ A e inversvel ;
(e) W = A M
n
(R) [ AB = BA, com B M
n
(R), xa.
(Caso nao saiba, pesquise a denicao de matriz diagonal, simetrica e anti-
simetrica)
(7) Verique quais dos subconjuntos W abaixo sao subespacos de T
n
(R):
(a) W = a
n
x
n
+a
n1
x
n1
+... +a
1
x +a
0
T
n
(R) [
n
i=1
a
i
= 0;
(b) W = a
n
x
n
+a
n1
x
n1
+... +a
1
x+a
0
T
n
(R) [ a
n
=
a
0
2
e a
n1
=
a
1
3
;
(c) W = a
n
x
n
+a
n1
x
n1
+... +a
1
x +a
0
T
n
(R) [ a
n
= 1;
(8) Verique quais dos subconjuntos W abaixo sao subespacos de T(R, R):
(a) W = f T(R, R) [ f e uma funcao par
(b) W = f T(R, R) [ f e uma funcao mpar ;
(c) W = f T(R, R) [ f e uma funcao am (uma funcao f : R R
e dita am se existem constantes a, b R, tais que f(x) = ax + b, para
todo x R);
(d) W = f C
2
(R) [ f
tt
3f
t
f = 0; (C
2
(R) indica o conjunto
de todas funcoes f : R R que sao duas vezes derivaveis e f
t
indica a
derivada de f);
(e) W = f T(R, R) [ f g = g f, com g T(R, R), xada.
(Caso nao saiba, pesquise a denicao de funcao par e funcao mpar)
(9) Sejam a
1
, a
2
, ..., a
n
, c n umeros reais. Mostre que W = (x
1
, x
2
, ..., x
n
)
R
n
[ a
1
x
1
+a
2
x
2
+... +a
n
x
n
= c e um subespaco de R
n
se, e somente se,
c = 0. De a interpretacao geometrica deste fato para n = 2 e n = 3.
64

Algebra Linear UFPA
(10) Seja A uma matriz m n. Mostre que o conjunto solucao do sis-
tema linear homogeneo AX = 0 e um subespaco do R
n
. Verique se isto
tambem vale para um sistema AX = b, com b ,= 0.
(11) Mostre que os unicos subespacos de R sao os triviais.
Captulo 9
Operac oes com subespacos
Objetivos
Denir soma de subespacos
Denir intersecao de subespacos
Denir soma direta de subespacos
Intersecao de subespacos
Denicao 15. Sejam W
1
e W
2
subespacos de um espaco vetorial V . A
intersecao de W
1
com W
2
e o conjunto, denotado por W
1
W
2
, dado por:
W
1
W
2
= u V [ u W
1
e u W
2
.
Exemplos 18.
(1) Dados W
1
= (x, y, 0) [ x, y R e W
2
= (0, y, z) [ y, z R,
subespacos de R
3
, vamos determinar a intersecao W
1
W
2
.
Pela Denicao 15, W
1
W
2
= (x, y, z) R
3
[ (x, y, z) W
1
e
(x, y, z) W
2
) = (x, y, z) R
3
[ z = 0 e x = 0 = (0, y, 0) [ y R.
(2) Sejam W
1
=
_
_
a
11
a
12
0 0
_
[ a
11
, a
12
R
_
e W
2
=
_
_
a
11
0
a
21
0
_
[
a
11
, a
21
R
_
, subespacos de M
2
(R). Entao W
1
W
2
= A = (a
ij
)
M
2
(R) [ A W
1
e A W
2
=
_
_
a
11
a
12
a
21
a
22
_
[ a
21
= a
22
= 0 e
a
12
= a
22
= 0
_
=
_
_
a
11
0
0 0
_
[ a
11
R
_
.
(3) Sejam W
1
= (x, y, z) R
3
[ x = y + z e W
2
= (x, y, z) R
3
[ x =
2y, subespacos de R
3
. Entao W
1
W
2
= (x, y, z) R
3
[ (x, y, z) W
1
65
66

Algebra Linear UFPA
e (x, y, z) W
2
) = (x, y, z) R
3
[ x = y + z e x = 2y. Segue que a
intersecao W
1
W
2
e formado pelas ternas de n umeros reais que satisfazem
simultaneamente as equacoes:
_
x y z = 0
x 2y = 0
o qual e um sistema linear homogeneo. Resolvendo este sistema encon-
tramos como solucao W
1
W
2
= (2y, y, y) [ y R.
(1) Em cada um dos exemplos anteriores, use o Teorema 6 para vericar
se W
1
W
2
e um subspaco do espaco vetorial em questao. Nos exemplos
(1) e (3) interprete geometricamente os conjuntos W
1
, W
2
e W
1
W
2
.
Em todos os itens do exemplo anterior voce deve ter constatado que a
intersecao dos subespacos e tambem um subespaco. Vamos mostrar que
isto nao e mera coincidencia, mas ocorre sempre.
Proposicao 6. Sejam W
1
e W
2
subespacos de um espaco vetorial V . A intersecao de subespacos e
tambem um subespaco. Entao a intersecao W
1
W
2
e tambem um subspaco de V .
Demonstracao:
Para mostrar que W
1
W
2
e subespaco de V , usaremos o Teorema 6.
Como W
1
e W
2
sao subespacos, ambos contem o vetor nulo 0 de V . Assim
0 W
1
W
2
,= . Sejam u, v W
1
W
2
e R, entao u, v W
1
e
u, v W
2
, logo u + v W
1
e u + v W
2
. Consequentemente, u + v
W
1
W
2
. Alem disso, u W
1
e u W
2
, pois ambos sao subspacos,
logo u W
1
W
2
. Como W
1
W
2
esta de acordo com as hipoteses do
Teorema 6, segue que W
1
W
2
e um subespaco de V .
(1) Calcule W
1
W
2
para cada um dos itens abaixo, sendo:
(a) W
1
= (x, y, z) R
3
[ 3x2y+z = 0 e W
2
= (x, y, z) [ 5x2y = 0;
(b) W
1
=
__
a
11
a
12
a
21
a
22
_
M
2
(R) [
2
i=1
a
ii
= 0
_
e
W
2
=
__
a
11
a
12
a
21
a
22
_
M
2
(R) [ a
12
= a
21
= 0
_
;
(c) W
1
= a
3
x
3
+ a
2
x
2
+ a
1
x + a
0
T
3
(R) [ a
3
= a
0
e a
2
= a
1
e
W
2
= a
3
x
3
+a
2
x
2
+a
1
x +a
0
T
3
(R) [ a
3
= a
1
= 0.
(2) Sejam V um espaco vetorial real, I um conjunto de ndices e T =
W
i
V [ i I uma famlia de subespacos de V . Mostre que W =
iI
W
i
UFPA

Algebra Linear 67
(3) Dados W
1
e W
2
, subespacos de um espaco vetorial V , dene-se a
uni ao de W
1
e W
2
como o conjunto W
1
W
2
= u V [ u W
1
ou
u W
2
(denicao analoga a de uniao de conjuntos). Mostre, atraves de
um exemplo, que a uniao de dois subespacos nem sempre e um subespaco.
(4) Sejam W
1
, W
2
dois subespacos de um espaco vetorial real V . Mostre
que W
1
W
2
e um subespaco de V se, e somente se, W
1
W
2
ou W
2
W
1
.
Soma de subespacos
Denicao 16. Sejam W
1
e W
2
subespacos de um espaco vetorial V . A
soma de W
1
e W
2
e o conjunto, denotado por W
1
+W
2
, dado por:
W
1
+W
2
= u +v [ u W
1
, v W
2
Exemplos 19.
(1) Dados W
1
= (x, y, 0) [ x, y R e W
2
= (0, y, z) [ y, z R,
subespacos de R
3
, vamos determinar a soma W
1
+W
2
.
Da Denicao 16, segue que W
1
+W
2
= (x
1
, y
1
, 0)+(0, y
2
, z
2
) [ x
1
, y
1
, y
2
, z
2

R = (x
1
, y
1
+ y
2
, z
2
) [ x
1
, y
1
, y
2
, z
2
R = (x, y, z) [ x, y, z R = R
3
,
o qual ja sabemos que e um (sub)espaco vetorial.
(2) Sejam W
1
=
_
_
a
11
a
12
0 0
_
[ a
11
, a
12
R
_
e W
2
=
_
_
a
11
0
a
21
0
_
[
a
11
, a
21
R
_
subespacos de M
2
(R). Entao W
1
+ W
2
= A + B [ A W
1
e B W
2
=
_
_
a
11
a
12
0 0
_
+
_
b
11
0
b
21
0
_
[ a
11
, a
12
, b
11
, b
21
R
_
=
_
_
a
11
+b
11
a
12
b
21
0
_
[ a
11
, a
12
, b
11
, b
21
R
_
=
_
_
c
11
c
12
c
21
0
_
[ c
11
, c
12
, c
21

R
_
. Verique se W
1
+W
2
e um subespaco de M
2
(R).
(3) Sejam W
1
= (x, y, z) R
3
[ x = y + z e W
2
= (x, y, z) R
3
[ x =
2y R
3
. Entao W
1
+W
2
= (y
1
+z
1
, y
1
, z
1
) +(2y
2
, y
2
, z
2
) [ y
1
, z
1
, y
2
, z
2

R = (y
1
+ z
1
+ 2y
2
, y
1
+ y
2
, z
1
+ z
2
) [ y
1
, z
1
, y
2
, z
2
R = (x, y, z) [
x, y, z R = R
3
.
Observe que dada (x, y, z) R
3
, tem-se que:
(x, y, z) = (x2y, 0, x2y) +(2y, y, z x+2y) W
1
+W
2
. Isto conrma
a igualdade W
1
+W
2
= R
3
.
Tal como no caso da intersecao, tem-se que soma de subespacos e
tambem um subspaco.

E o que mostraremos na proxima proposicao.
68

Algebra Linear UFPA
Proposicao 7. Sejam V um espaco vetorial real, W
1
e W
2
subespacos de
V . Entao a soma W
1
+W
2
e um subspaco de V .
Demonstracao:
Para mostrar que W
1
+W
2
e subespaco de V , usaremos o Teorema 6. A soma de subespacos e
tambem um subespaco. (i) 0 = 0 + 0 W
1
+W
2
, logo 0 W
1
+W
2
,= ;
Sejam u, v W
1
+ W
2
e R. Pela denicao de soma de subespacos,
existem u
1
, v
1
W
1
e u
2
, v
2
W
2
, tais que, u = u
1
+ u
2
e v = v
1
+ v
2
.
Assim,
(ii) u +v = (u
1
+u
2
) +(v
1
+v
2
) = (u
1
+v
1
) +(u
2
+w
2
) W
1
+W
2
, pois
u
1
+v
1
W
1
e u
2
+v
2
W
2
;
(iii) u = (u
1
+u
2
) = u
1
+u
2
W
1
+W
2
- pois u
1
W
1
e
2
u
2
W
2
,
ja que ambos sao subspacos.
Segue de (i), (ii) e (iii) que W
1
+W
2
(1) Calcule W
1
+W
2
para cada um dos itens abaixo, sendo:
(a) W
1
= (x, y, z) R
3
[ 3x2y+z = 0 e W
2
= (x, y, z) [ 5x2y = 0;
(b) W
1
=
__
a
11
a
12
a
21
a
22
_
M
2
(R) [
2
i=1
a
ii
= 0
_
e
W
2
=
__
a
11
a
12
a
21
a
22
_
M
2
(R) [ a
12
= a
21
= 0
_
;
(c) W
1
= a
3
x
3
+ a
2
x
2
+ a
1
x + a
0
T
3
(R) [ a
3
= a
0
e a
2
= a
1
e
W
2
= a
3
x
3
+a
2
x
2
+a
1
x +a
0
T
3
(R) [ a
3
= a
1
= 0.
Soma direta de subespacos
Denicao 17. Diz-se que um espaco V e soma direta dos subespacos W
1
e W
2
se as seguintes condicoes forem satisfeitas:
(i) V = W
1
+W
2
(V e soma dos subespacos W
1
e W
2
);
(ii) W
1
W
2
= 0 (os subespacos so tem em comum o vetor nulo).
Se V e soma direra de W
1
e W
2
, escreve-se V = W
1
W
2
(le-se: V e Usa-se o smbolo para in-
dicar a soma direta. soma direta de W
1
e W
2
).
Exemplos 20.
(1) Sejam W
1
= (x, y, 0) x, y R e W
2
= (0, 0, z) [ z R. Como
W
1
+W
2
= (x, y, 0)+(0, 0, z) [ x, y, z R = (x, y, z) [ x, y, z R = R
3
e W
1
W
2
= (x, y, z) [ x = y = z = 0 = (0, 0, 0), entao R
3
= W
1
W
2
.
(2) Sejam W
1
= (x, y, 0) [ x, y R e W
2
= (0, y, z) [ y, z R.
Tem-se W
1
+W
2
= (x
1
, y
1
, 0) +(0, y
2
, z
2
) [ x
1
, y
1
, y
2
, z
2
R = (x, y, z) [
x, y, z R = R
3
, porem W
1
W
2
= (0, y, 0) [ y R , = (0, 0, 0). Logo
R
3
e soma de W
1
e W
2
, mas a soma nao e direta.
UFPA

Algebra Linear 69
(1) Escreva o vetor (2, 3, 7) R
3
como uma soma, isto e,
(2, 3, 7) = u +v
com u em W
1
= (x, y, 0) x, y R e v em W
2
= (0, 0, z) [ z R.
Verique de quantos modos voce pode escrever esta soma.
(2) Como no exemplo anterior, escreva o vetor (2, 3, 7) como uma soma:
(2, 3, 7) = u +v
com u W
1
= (x, y, 0) x, y R e v W
2
= (0, y, z) [ y, z R .
Verique de quantos modos voce pode escrever esta soma.
(3) Expresse a conclucao que voce tirou das questoes (1) e (2) atraves
de uma proposicao.
Formalizaremos agora o voce deve ter observado nas questoes anteri-
ores na seguine proposicao:
Proposicao 8. Se V e soma direta de W
1
e W
2
, entao todo vetor de V
se escreve de modo unico como soma de elementos de W
1
e W
2
.
Demonstracao:
Por hipotese, V e soma direta de W
1
e W
2
, entao pelo item (i) da Denicao
17, segue que para todo v V , existem vetores w
1
W
1
e w
2
W
2
, tais
que
v = w
1
+w
2
(9.1)
Resta mostrar a unidade desta soma. Suponha, por absurdo, que tambem
existam u
1
W
1
e u
2
W
2
tais que
v = u
1
+u
2
(9.2)
Fazendo (9.1) - (9.2) obtemos:
0 = (w
1
u
1
) + (w
2
u
2
) w
1
u
1
= u
2
w
2
.
Por um lado, w
1
u
1
W
1
e por outro, u
2
w
2
W
2
. Segue entao
desta igualdade que w
1
u
1
W
1
W
2
= 0. Entao w
1
= u
1
e u
2
= w
2
.
Logo a decomposicao em (9.1) e igual a decomposicao em (9.2).
(1) Sejam W
1
= (x, y, z) R
3
[ x + y + z = 0, W
2
= (x, y, z) R
3
[
x = z e W
3
= (0, 0, z) [ z R subespacos de R
3
. Determine:
(a) W
1
+W
2
;
(b) W
1
+W
3
;
70

Algebra Linear UFPA
(c) W
2
+W
3
;
(d) W
1
W
2
;
(e) W
1
W
3
;
(f) W
2
W
3
.
(g) R
3
= W
1
W
2
? R
3
= W
1
W
3
? R
3
= W
2
W
3
?
(2) Sejam W
1
, W
2
subespacos de um espaco vetorial V . Prove que:
(a) W
j
W
1
+W
2
, para j = 1, 2;
(b) Se W
1
W
2
, entao W
1
+W
2
= W
2
;
(c) Se W
1
W
2
, entao W
1
W
2
= W
1
;
(d) Se W
1
+W
2
= W
1
, entao W
2
W
1
;
(3) Sejam W
1
= A M
3
(R) [ A e diagonal , W
2
= A M
3
(R) [ A
e triangular superior e W
3
= A M
3
(R) [ A e triangular inferior
subespacos de M
3
(R). Determine:
(a) W
1
+W
2
;
(b) W
1
+W
3
;
(c) W
2
+W
3
;
(d) W
1
W
2
;
(e) W
1
W
3
;
(g) W
2
W
3
.
(h) M
3
(R) = W
1
W
2
? M
3
(R) = W
1
W
3
? M
3
(R) = W
2
W
3
?
(4) Sejam n 2 um natrual, W
1
= A M
n
(R) [ A e simetrica e
W
2
= A M
n
(R) [ A e anti-simetrica subespacos de M
n
(R). Mostre
que M
n
(R) = W
1
W
2
.
(5) Sejam W
1
= f T(R, R) [ f e par e W
2
= f T(R, R) [ f
e mpar subespacos de T(R, R). Mostre que T(R, R) = W
1
W
2
.
Captulo 10
Gerador de um espaco
Objetivos
Denir combinacao linear
Calcular o subespaco gerado por um conjunto
Calcular geradores de um subespacos
Nesta unidade iremos introduzir o conceito de combinacao linear, o
qual e um dos pilares para se denir base de um espaco vetorial.
1 Combinacao Linear
Considere o vetor u = (2, 3) R
2
. Usando as operacoes deste espaco
vetorial podemos escrever
(2, 3) = 2.(1, 0) + 3.(0, 1),
ou seja, expressamos u como uma soma de m ultiplos escalares dos vetores
v
1
= (1, 0) e v
2
= (0, 1).
Tambem podemos escrever:
(2, 3) =
7
5
.(1, 2) +
1
5
.(3, 1) + 0.(5, 8),
novamente temos u como soma de m ultiplos escalares, agora dos vetores
w
1
= (1, 2), w
2
= (3, 1) e w
3
= (5, 8).
De modo analogo, podemos escrever o polinomio p(x) = 3x
2
+4x3
T
2
(R), como
3x
2
+ 4x 3 =
3
2
.(2x
2
+x) +
5
4
.(2x + 3) + (
27
8
).2
71
72

Algebra Linear UFPA
isto e, como uma soma de m ultiplos escalares dos polinomios (2x
2
+ x),
(2x + 3) e 2.
Observe que todas estas expressoes sao somas nitas de m ultiplos es-
calares de vetores do espaco em questao. Expressoes como estas, as quais
utilizam unicamente a adicao e a multiplicacao por escalar, que sao as
operacoes denidas no espaco vetorial, sao chamadas de combinac oes
lineares.
Denicao 18. Seja V um espaco vetorial real. Diz-se que um vetor u V
e uma combinacao linear dos vetores v
1
, v
2
, ..., v
n
V se existem
escalares
1
,
2
, ...,
n
R, tais que
u =
1
v
1
+
2
v
2
+... +
n
v
n
Exemplos 21.
(1) O vetor u = (6, 4, 5) R
3
e combinacao linear dos vetores v
1
= (1, 0, 0),
v
2
= (0, 1, 0) e v
3
= (0, 0, 1), pois
u = 6v
1
+ 4v
2
+ 5v
3
(2) O vetor u = (6, 4, 5) e tambem combinacao linear dos vetores v
1
=
(1, 0, 0), v
2
= (0, 1, 0), v
3
= (0, 0, 1) e v
4
= (7, 3, 0), pois
u = 6v
1
+ 4v
2
+ 5v
3
+ 0v
4
(3) A matriz A =
_
3 7
1 2
_
e combinacao linear das matrizes
B
1
=
_
1 0
0 0
_
, B
2
=
_
0 1
0 0
_
, B
3
=
_
0 0
1 0
_
e B
4
=
_
0 0
0 1
_
,
pois
A = 3B
1
+ 7B
2
+ (1)B
3
+ 2B
4
.
(1) Vericar se u = (3, 2) R
2
e combinacao linear dos vetores v
1
= (1, 1)
e v
2
= (2, 1).
Solucao:
Segundo Denicao 18, u e combinacao linear de v
1
e v
2
, se existem
escalares
1
e
2
R, tais que:
u =
1
v
1
+
2
v
2
, (10.1)
isto e,
UFPA

Algebra Linear 73
(3, 2) =
1
(1, 1) +
2
(2, 1) = (
1
+ 2
2
,
1
+
2
).
Da igualdade de pares ordenados segue que
_

1
+ 2
2
= 3
1
+
2
= 2
.
O problema recaiu em saber se o sistema acima, nas incognitas
1
e
2
, tem solucao. Tomando a matriz aumentada do sistema [A [ b] =
_
1 2 [ 3
1 1 [ 2
_
, vemos que posto(A) = posto([A [ b]) = 2 =n umero de
incognitas, logo o sistema e possvel determinado. Isto signica que exis-
tem unicos escalares
1
e
2
para os quais a combinacao linear em (10.1)
e possvel. Resolvendo o sistema encontramos
1
=
2
= 1.
(2) Vericar se o polinomio 5x
3
+ 6x
2
+ 2x + 3 e combinacao linear dos
polinomios (1 x
3
), (1 x
2
), (1 x), (2x + 1) e 1.
Solucao:
O problema consiste em investigar a existencia ou nao de escalares
c
1
, c
2
, c
3
, c
4
e c
5
tais que:
5x
3
+6x
2
+2x+3 = c
1
(1x
3
)+c
2
(1x
2
)+c
3
(1x)+c
4
(2x+1)+c
5
.1, (10.2)
ou ainda,
5x
3
+6x
2
+2x+3 = (c
1
)x
3
+(c
2
)x
2
+(c
3
+2c
4
)x+(c
1
+c
2
+c
3
+c
4
+c
5
).
Da igualdade de polinomios resulta que (c
1
, c
2
, c
3
, c
4
, c
5
) e solucao do
sistema linear:
_
_
c
1
= 5
c
2
= 6
c
3
+ 2c
4
= 2
c
1
+ c
2
+ c
3
+ c
4
+ c
5
= 3
.
Como posto(A) = posto([A [ b]) = 4 < n
de variaveis, este sistema e

possvel indeterminado. Ser possvel, signica que p(x) e combincao linear
dos polinomios em questao e o fato de ser indeterminado, indica que temos
innitas possibilidades de escrever a combincao linear em (10.2).
Resolvendo o sistema encontramos S = (5, 6, 2c
4
2, c
4
, 163c
4
) [
c
4
R como seu conjunto solucao. Para cada valor real atribuido à
variavel livre c
4
obtemos um valor particular para a quntupla (c
1
, c
2
, c
3
, c
4
, c
5
),
solucao de (10.2) (verique).
(3) Verique se u = (3, 8, 4) e combinacao linear dos vetores v
1
= (1, 0, 3),
74

Algebra Linear UFPA
v
2
= (2, 5, 1) e v
3
= (3, 10, 5).
Solucao:
Sejam x, y, z R, tais que
(3, 8, 4) = x(1, 0, 3) +y(2, 5, 1) +z(3, 10, 5). (10.3)
Segue da que
_
_
_
x + 2y + 3z = 3
5y + 10z = 8
3x y 5z = 4
.
Como posto(A) = 2 < posto ([A [ b]) = 3, o sistema e impossvel. Isto
signica que nao existem escalares x, y e z tais que a expressao em (10.3)
seja possvel. Portanto u nao e combinacao linear de v
1
, v
2
e v
3
.
(4) Verique se u = 36i C e combinacao linear dos vetores v
1
= 2+3i,
v
2
= 1 + 2i.
Solucao:
Sejam x, y R, tais que
3 6i = x(2 + 3i) +y(1 + 2i) = (2x y) + (3x + 2y)i.
Da igualdade de n umeros complexos segue que:
_
2x y = 3
3x + 2y = 6
.
Como posto(A) = posto ([A [ b]) = 2 = n umero de variaveis, o sistema
e possvel determinado. Logo u pode ser escrito de modo unico como
combinacao linear de v
1
e v
2
.
(1) Verique se u = (2, 1, 0) e combinacao linear dos vetores v
1
=
(2, 2, 1), v
2
= (0, 2, 1) e v
3
= (4, 6, 1).
(2) Verique se a matriz A =
_
3 1
1 1
_
e combinacao linear das matrizes
B
1
=
_
2 0
0 0
_
, B
2
=
_
0 1
1 0
_
, B
3
=
_
0 0
0 3
_
, B
4
=
_
1 0
0 2
_
.
Caso armativo, escreve A como combinacao linear de B
1
, B
2
, B
3
e B
4
.
(3) Verique se o polin omio p(x) = 4x
4
+ 5x
3
2x e combinacao lin-
ear dos polinomios x
4
, x
3
+ 2x, x
2
, x + 2 e 1.
(4) Verique se u = 3 + 2i C e combinacao linear dos vetores v
1
= 1,
v
2
= 1 +i e v
3
= 2i.
UFPA

Algebra Linear 75
Subespaco gerado
Dado um subconjunto nao vazio S de um espaco vetorial V , denotamos
por S) o conjunto de todas as combinacoes lineares nitas de elementos
de S. Assim,
S) =
1
u
1
+
2
u
2
+...
n
u
n
[ n N
,
1
,
2
, ...,
n
R, u
1
, u
2
, ..., u
n
S
Exemplos 22.
(1) Se S = (1, 2) R
2
, entao S) = x(1, 2) [ x R = (x, 2x) [ x
R = (x, y) R
2
[ y = 2x (reta passando na origem com coeciente
angular igual a 2);
(2) Se S = (1, 0, 0), (0, 1, 0), (0, 1, 0) R
3
, entao S) = (x(1, 0, 0) +
y(0, 1, 0) +z(0, 0, 1) [ x, y, z R = (x, y, z) [ x, y, z R = R
3
;
(3) Se S = (1, 5, 0), (0, 6, 1) R
3
, entao S) = x(1, 5, 0)+y(0, 6, 1) [
x, y R = (x, 5x +6y, y) [ x, y R = (x, y, z) R
3
[ 5x +y 6z =
0 (plano passando na origem e perpendicular ao vetor (5, 1, 6));
(4) Se S =
_
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
0 1
_
_
, entao S) =
_
x
_
1 0
0 0
_
+
y
_
1 0
0 0
_
+z
_
1 0
0 0
_
[ x, y, z R
_
=
_
x y
0 z
_
[ x, y, z R
_
;
(5) Se S = 1, x, x
2
, x
3
, ..., x
n
, x
n+1
, ... entao S) = c
0
.1 + c
1
x + c
2
x
2
+
c
3
x
3
+... +c
n
x
n
+c
n+1
x
n+1
+... [ c
0
, c
1
, c
2
, ..., c
n
, c
n+1
... R = T(R).
(1) Para cada um dos exemplos acima, responda as seguintes questoes:
(a) S S)?
(b) S) e um subespaco do espaco em questao?
(2) Voce deve ter respondido de forma armativa, a cada uma das per-
guntas da questao anterior. Sua funcao agora e mostar que estas duas
armacoes sao verdadeiras sempre.
Sejam S um subconjunto nao vazio de um espaco vetorial V e S) o
conjunto de todas as combinacoes lineares nitas de vetores de S. Mostre
que:
(a) S S);
(b) S) e um subespaco de V ;
(c) Se W e um subespaco de V contendo S, entao S) W, isto e, S) e
o menor subespaco de V contendo S.
Vamos agora dar um nome para o subconjunto S), o qual ja sabemos
que e sempre subespaco, qualquer que seja o subconjunto S do espaco. Usa-se a notacao S) para
indicar o subespaco gerado
pelo conjunto S, o qual e o
conjunto de todas as com-
binacoes lineares nitas de
elementos de S.
76

Algebra Linear UFPA
Denicao 19. Seja S um subconjunto nao vazio de um espaco vetorial
real V . O conjunto S) e chamado subespaco de V gerado por S.
Observac oes:
(1) Por convencao, diremos que o conjunto vazio gera o espaco vetorial
nulo 0. . Por convencao, ) = 0.
(2) Se S = u
1
, u
2
, ..., u
n
e um conjunto nito entao S) e muitas vezes
denotado simplesmente por u
1
, u
2
, ..., u
n
) e diz-se o subespaco gerado
pelos vetores u
1
, u
2
, ..., u
n
, no lugar de o subespaco gerado pelo conjunto
S.
(1) Determine S) - o subespaco gerado por S - para cada um dos conjun-
tos S abaixo:
(a) S = (
4
3
, 1) R
2
;
(b) S = (3, 1, 0), (2, 0, 1) R
3
;
(c) S = (1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1) R
4
;
(d) S = 1, i C;
(e) S = x
3
+ 1, x
2
+ 2, x T
3
(R);
(f) S =
_
_
1 0
0 0
_
,
_
0 1
1 0
,
_
,
_
0 0
0 1
_
_
M
2
(R).
Vejamos agora uma outra forma de caracterizar o subespaco S).
Teorema 7. Seja V um espaco vetorial real. Se S e um subconjunto nao
vazio de V , entao S) e a intersecao de todos os subespacos de V que
contem S.
Demonstracao:
Sejam S) o subespaco gerado por S e T = W [ W e um subespaco de
V contendo S a colecao dos subespacos de V contendo S. Mostraremos
que S) =
WT
W. De fato,
(i) S)
WT
W:
S W, para todo W T, logo S
WT
W, o qual e subespaco de
V , pois e a intersecao de subespacos. Entao pela letra (c) da questao (2)
- Exerccio 36, S)
WT
W;
(ii)
WT
W S):
UFPA

Algebra Linear 77
Seja u

WF
W. Entao u W, para todo W T S). Logo
u S).
Das inclusoes (i) e (ii), segue a igualdade.
Conjunto gerador
Denicao 20. Seja S um subconjunto de um espaco vetorial V . Se S) =
V , diz-se que S e um conjunto gerador de V (ou que S gera V ).
Observe que um subconjunto S e um gerador de um espaco vetorial V
se todo elemento de V for uma combinacao linear de um n umero nito de
elementos de S.
Exemplos 23.
(1) S
1
= (1, 0), (0, 1) e um gerador de R
2
, pois para todo (x, y) R
2
,
tem-se que (x, y) = x(1, 0) +y(0, 1);
(2) S
2
= (1, 0), (0, 1), (3, 7), (7, 5), (
2, 4) e um gerador do R
2
, pela
mesma razao acima;
(3) S = (1, 0, 0), (0, 1, 0), (0, 0, 1) e um conjunto gerador do R
3
;
(4) S = 1, x, x
2
, x
3
e um conjunto gerador de T
3
(R), pois todo polinomio
p(x) = a
3
x
3
+a
2
x
2
+a
1
x +a
0
T
3
(R) e um combinacao linear destes ve-
tores;
(5) S = 1, x, x
2
, x
3
, ..., x
n
, x
n+1
, ... e um gerador de T(R), o espaco dos
polinonios com coecientes reais;
(6) S = 1, i e um gerador de C como espaco vetorial sobre R.
Denicao 21. Diz-se que um espaco vetorial real V e nitamente gerado
se ele possui um conjunto gerador nito.
(1) Seja S = (1, 2, 1), (2, 1, 1) R
2
. Qual e a condicao para que o
vetor u = (x, y, z) R
3
esteja em S) ? Descreva S).
Solucao:
Como S) = c
1
(1, 2, 1) + c
2
(2, 1, 1) [ c
1
, c
2
R, entao (x, y, z)
S), se existem escalares c
1
, c
2
R, tais que (x, y, z) = c
1
(1, 2, 1) +
c
2
(2, 1, 1). Isto equivale a impor que o sistema abaixo, nas incognitas c
1
e
78

Algebra Linear UFPA
c
2
, tenha solucao:
_
_
_
c
1
+ 2c
2
= x
2c
1
+ c
2
= y
c
1
+ c
2
= z
Uma forma escalonada da matriz aumenta [A [ b] do sistema e
_
_
1 2 [ x
0 5 [ 2x +y
0 0 [ x + 3y 5z
_
_
. Entao para que o sistema tenha solucao (ou
equivalentemente (x, y, z) S)) devemos ter posto(A) =posto([A [ b]),
mas para isto e necessario que x+3y5z = 0. Com isto temos a descricao
do subespaco gerado por S, isto e, S) = (x, y, z) R
3
[ x+3y5z = 0.
(2) Determine as condicoes para que o vetor v = (x, y, z) R
3
, esteja
em (1, 0, 0), (0, 0, 1)).
(3) Determine as condicoes para que o polinomio p(x) = a
3
x
3
+ a
2
x
2
+
a
1
x + a
0
T
3
(R) esteja no subespaco gerador por S = 2x
3
+ 3, x
2
+ x.
Descreva S).
(4) Determine as condicoes para que a matriz A =
_
x y
z w
_
esteja
no subespaco gerado por S =
_
_
1 2
0 0
_
,
_
3 4
0 1
_
,
_
0 0
0 3
_
_
. -
Descreva S).
Determinando um gerador do espaco
Nas questoes anteriores resolvemos problemas nos quais tnhamos um
subconjunto de um espaco vetorial e queramos descrever o subespaco
gerado por ele. Resolveremos agora o problema inverso, isto e, conhecemos
o (sub)espaco e queremos determinar um gerador deste espaco. Vejamos
alguns exemplos.
(1) Determine um gerador de W = (x, y, 0) [ x, y R, subespaco de R
3
.
Solucao:
Um subconjunto S R
3
e um gerador de W se todo elemento de W for
uma combinacao linear de um n umero nito de elementos de S. Entao va-
mos tomar um elemento arbitrario u = (x, y, 0) W e tentar expressa-lo
como combinacao linear de vetores de R
3
. Inicialmente vamos escrever u
como uma soma, separando as parcelas pelos escalares distintos presentes
em u. Assim (x, y, 0) = (x, 0, 0) +(0, y, 0). Como x, y R, podemos ainda
escrever (x, y, 0) = x(1, 0, 0) + y(0, 1, 0), o qual e um combinacao linear
dos vetores (1, 0, 0) e (0, 1, 0). Com isto mostramos que todo elemento de
UFPA

Algebra Linear 79
W e uma combinacao linear destes vetores. Entao S = (1, 0, 0), (0, 0, 1)
e um conjunto gerador de W.
(2) Determine um gerador de W = (x, y, z, w) R
4
[ x + 2y w = 0.
Solucao:
Seja u = (x, y, z, w) = (x, y, z, x + 2y) W. Como antes escreveremos
u como uma soma de vetores do R
4
, de modo que em cada parcela apareca
apenas uma das variaveis x, y ou z:
(x, y, z, x+2y) = (x, 0, 0, x)+(0, y, 0, 2y)+(0, 0, z, 0). Usando agora a mul-
tiplicacao escalar denida em R
4
, obtem-se (x, y, z, x+2y) = x(1, 0, 0, 1)+
y(0, 1, 0, 2) + z(0, 0, 1, 0). Assim S = (1, 0, 0, 1), (0, 1, 0, 2), (0, 0, 1, 0) e
um gerador de W. Este nao e o unico gerador, tente encontrar um outro.
(3) Determine um conjunto gerador de W = p(x) = a
4
x
4
+a
3
x
3
+a
2
x
2
+
a
1
x +a
0
P
4
[ a
4
+ 2a
3
a
1
= 0.
(4) Determine um conjunto gerador do subespaco W = A M
3
(R) [ A
e simetrica .
(5) Determine um conjunto gerador do subespaco W = A M
3
(R) [ A
e anti-simetrica .
(1) Para cada um dos itens abaixo, verique se u = (6, 1, 5) R
3
e com-
binacao linear dos vetores dados. Caso armativo, verique tambem se a
combinacao linear e unica.
(a) (1, 1, 0), (0, 1, 0);
(b) (1, 1, 0), (0, 1, 0), (2, 5, 0);
(c) (1, 1, 0), (0, 1, 0), (1, 2, 3);
(d) (1, 1, 0), (0, 1, 0), (1, 2, 3), (4, 0, 5).
(2) Qual e a condicao para que o polinomio p(x) = a
4
x
4
+ a
3
x
3
+ a
2
x
2
+
a
1
x+a
0
esteja no subespaco gerado por S = 2x
4
+3x
3
+x
2
, 5x
3
+x, 1?
Descreva S).
(3) Qual e a condicao para que a matriz A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
pertenca
ao subespaco gerado por S =
_
_
_
1 0 0
0 0 0
0 0 0
_
_
,
_
_
0 0 0
0 1 0
0 0 0
_
_
,
_
_
0 0 0
0 0 0
0 0 1
_
_
_
?
Descreva S).
(4) Determine um conjunto gerador para cada um dos (sub)espacos abaixo
(todos vistos como espacos vetoriais sobre R).
80

Algebra Linear UFPA
(a) R;
(b) R
2
;
(c) R
3
;
(d) R
n
(n 3);
(e) W = (x, y, z) R
3
[ y = 0 e x = 2z;
(f) W = (x, y, z, w) R
4
[ x = z;
(g) M
3
(R);
(h) M
n
(R) (n um natural 2);
(i) W = A M
n
(R) [ A = A
T
;
(j) W = A M
n
(R) [ A = A
T
;
(k) W = A M
n
(R) [ A e diagonal ;
(l) T
3
(R);
(m) T
n
(R) (n 1);
(5) Determine um gerador para o conjunto solucao dos sistemas lineares
abaixo:
(a)
_
_
_
x + 3y 2z = 0
x 8y + 8z = 0
3x 2y + 4z = 0
;
(b)
_
_
_
x + 3y 2z = 0
2x 3y + z = 0
3x 2y + 2z = 0
.
(6) Considere W
1
= (x, y, z, t) R
4
[ x = z + t e W
2
= (x, y, z, t)
R
4
[ x+3z+t = 0 subespaco do R
4
. Determine um conjunto de geradores
dos seguintes subespacos:
(a) W
1
;
(b) W
2
;
(c) W
1
+W
2
;
(d) W
1
W
2
.
(7) Sejam U = (x, y, 0) [ x, y R e W = (1, 2, 3), (1, 1, 1)), sube-
spacos do R
3
. Encontre um gerador de U W.
(8) Sejam S
1
e S
2
dois subconjuntos nao vazios de um espaco vetorial
real. Mostre que:
(a) Se S
1
S
2
, entao S
1
) S
2
);
(b) S
1
S
2
) = S
1
) +S
2
).
(9) Dada uma matriz A, m n, chama-se espaco das linhas de A ao
subespaco do R
n
gerado pelos linhas de A. Considerando as matriz A =
_
_
3 2 1 0
1 3 0 2
2 1 2 0
_
_
e B =
_
_
1 3 0 2
0 7 1 6
0 0 9 2
_
_
, determine:
(a) Se A e B sao matrizes linha-equivalentes;
(b) O espaco das linhas de A.
UFPA

Algebra Linear 81
(c) O espaco das linhas de B.
(d) Compare os subespacos obtidos nas letras (b) e (c).
(10) Mostre que matrizes linha-equivalentes tem o mesmo espaco das li-
nhas.
(11) Mostre que matrizes escalonadas linha-reduzidas tem o mesmo espaco
das linhas se, e somente se, elas tem as mesmas linhas nao nulas.
(12) Mostre que T(R), o espaco dos polinomios sobre R, nao pode ter
um conjunto gerador nito.
Captulo 11
Independencia linear
Objetivos
Denir conjunto linearmente dependente e linearmente independente
Apresentar algumas propriedades da dependencia/independencia linear
Independencia linear
No ultimo captulo vimos que os conjuntos S
1
= (1, 0), (0, 1) e S
2
=
(1, 0), (0, 1), (3, 7), (7, 5), (
2, 4) sao ambos geradores do R

2
. Isto
signica que todo vetor (x, y) R
2
se escreve como combinacao linear de
elementos destes conjuntos. No primeiro caso, e facil ver que dado (x, y)
R
2
, (x, y) = x(1, 0)+y(0, 1) e a unica combinacao linear possvel. Ja para o
segundo gerador, (x, y) = x(1, 0)+y(0, 1)+0.(3, 7), (x, y) = (x3)(1, 0)+
(y 7)(0, 1)+1(3, 7)+0(7, 5) e (x, y) = (x+
7
5
y)(1, 0)+(
1
5
y)(7, 5) sao
algumas das varias combinacoes lineares possveis de (x, y) como elementos
de S
2
. O ideal sao geradores como no primeiro caso, onde cada elemento
do espaco se escreve de modo unico como combinacao linear do conjunto
gerador. Isto e uma consequencia do conceito de independencia linear que
veremos agora.
Denicao 22. Seja V um espaco vetorial real. Um subconjunto S de
V e dito linearmente dependente (ou l.d.) se existem vetores distintos
u
1
, u
2
, ..., u
n
em S e escalares
1
,
2
, ...,
n
em R, estes nem todos nulos,
tais que
1
u
1
+
2
u
2
+... +
n
u
n
= 0. (11.1)
Um conjunto que nao e linearmente dependente e dito linearmente in-
dependente (ou l.i.).
82
UFPA

Algebra Linear 83
Observacao 4.
(1) Esta denicao diz que um conjunto de vetores S e linearmente in-
dependente, se e somente se, todo conjunto nito se S e l.i., isto e,
se e somente se, para quaisquer vetores distintos u
1
, u
2
, ..., u
n
em S se
1
u
1
+
2
u
2
+... +
n
u
n
= 0, com
1
,
2
, ...,
n
R, entao
1
=
2
= ... =
n
= 0.
(2) Segue da Denicao 22 que o conjunto vazio e l.i. (por que?)
(3) Se S = u
1
, u
2
, ..., u
n
e um conjunto nito de vetores e comum dizer
que os vetores u
1
, u
2
, ...u
n
sao linearmente dependentes (ou independentes)
no lugar de dizer que S e l.d. (ou l.i.).
Exemplos 24.
(1) S = (1, 0), (0, 1), (2, 3) R
2
e um conjunto linearmente depeden-
dente, pois
(0, 0) = 2(1, 0) + (3)(0, 1) + 1(2, 3)
(2) S = 1, x, x + 1, x
2
T
2
(R) e um conjunto l.d., pois
0 = 1.1 + 1.x + (1).(x + 1) + 0.x
2
(3) Mostraremos que S = (1, 0, 0), (0, 1, 0), (0, 0, 1) R
3
e l.i.
Pela item (1) da Obs 4, S e l.i. se a unica combinacao linear possvel
do vetor nulo do R
3
como elementos de S e aquela em que os coecientes
sao todos nulos. Sejam c
1
, c
2
, c
3
R, tais que:
(0, 0, 0) = c
1
(1, 0, 0) +c
2
(0, 1, 0) +c
3
(0, 0, 1) = (c
1
, c
2
, c
3
).
Segue da que c
1
= c
2
= c
3
= 0.
(4) O conjunto S = (1, 0, 0, .., 0), (0, 1, 0, ..., 0), (0, 0, 1, ..., 0), ..., (0, 0, 0, ..., 1)
R
n
e linearmente independente;
(5) O conjunto S = 1, x, x
2
, x
3
, ..., x
n
T
n
(R) e linearmente indepen-
dente;
(6) O conjunto S =
_
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
_

M
2
(R) e linearmente independente.
84

Algebra Linear UFPA
(1) Verique se S = (1, 3), (2, 0), (4, 1) e um conjunto l.d ou l.i..
Solucao:
Vamos analisar quais sao as possibilidades que temos de escrever o
vetor nulo do R
2
como combincao linear de elementos de S. Sejam x, y, z
escalares em R tais que:
(0, 0) = x(1, 3) +y(2, 0) +z(4, 1) = (x + 2y + 4z, 3x z).
Da igualdade dos pares ordenados acima obtemos o sistema linear ho-
mogeneo:
_
x + 2y + 4z = 0
3x z = 0
.
Resta entao analisarmos se este sistema e determinado (solucao unica)
ou indeterminado (innitas solucoes). Como posto(A) = 2 < n
de
variaveis, o sistema e indeterminado, implicando que temos innitos mo-
dos de expressar a combinacao linear acima. Portanto existe uma com-
binacao com pelo menos um dos coecientes nao nulo, logo S e um con-
junto linearmente dependente.
(2) Verique se S = sin x, cos x, x T(R, R) e l.d. ou l.i.
Solucao:
Para simplicar a notacao vamos considerar f(x) = sin x, g(x) = cos x
e h(x) = x. Sejam c
1
, c
2
, c
3
escalares tais que
c
1
.f +c
2
.g +c
3
.h = 0.
Esta igualdade arma que a funcao à esquerda e igual a funcao que
esta à direita, no caso, a funcao nula de R em R. Isto signica que suas
imagens coincidem para todo x real, isto e, (c
1
.f +c
2
.g +c
3
h)(x) = 0(x),
ou ainda,
c
1
.senx +c
2
.cosx +c
3
.x = 0(x).
Vamos entao escolher tres valores particulares convenientes para x, de
modo a obtermos um sistema linear com tres equacoes nas incognitas c
1
,
c
2
e c
3
. Tomando:
x = 0 c
1
. sin 0 +c
2
. cos 0 +c
3
.0 = 0(0)
x =

2
c
1
. sin

2
+c
2
. cos

2
+c
3
.
2
= 0(
2
)
x = c
1
. sin +c
2
. cos +c
3
. = 0().
Calculando a imagen de cada funcao nos pontos acima obtemos o sis-
tema linear homogeneo:
_
_
_
0.c
1
+ 1.c
2
+ 0.c
3
= 0
1.c
1
+ 0.c
2
+

2
.c
3
= 0
0.c
1
+ (1).c
2
+ .c
3
= 0
UFPA

Algebra Linear 85
o qual e possvel determinado (verique). Portanto c
1
= c
2
= c
3
= 0 e sua
unica solucao. Consequentemente S e um conjunto linearmente indepen-
dente.
(3) Verique se S e um conjunto l.d. ou l.i, sendo
(a) S = (1, 3, 9) R
3
;
(b) S =
_
_
_
2 1 0
8
1
3
5
3 5 7
_
_
_
M
3
(R);
(c) S = 6x
4
8x
3
+ 3x 4 T
4
(R);
(d) S = sin x T(R, R).
(4) Escreva uma proposicao que expresse a conclusao que voce tirou da
questao anterior.
(5) Verique se S e um conjunto l.d. ou l.i, sendo
(a) S = (0, 0, 0), (1, 2, 3) R
3
;
(b) S =
_
_
_
_
_
0 0 ... 0
0 0 ... 0
. . ... .
0 0 ... 0
_
_
_
_
_
M
n
(R);
(c) S = 0, x
3
2x
5
, x
7
+ 4x
2
T
n
(R) (0 representa o polinomio nulo);
(d) S = 0, senx, e
x
T(R, R) (0 representa a funcao nula de R em R).
(6) Escreva uma proposicao que expresse a conclusao que voce tirou da
questao anterior.
(7) Verique se S =
_
_
1 2 4
3 0 1
_
,
_
2 4 8
6 0 2
_
_
M
23
(R)
e l.d. ou l.i.
(8) Determine o valor de m para que S = (3, 5m, 1), (2, 0, 4), (1, m, 3)
R
3
seja linearmente independente.
Propriedades da dependencia/independencia linear
Em um espaco vetorial V sao validas as seguintes propriedades:
(P1) Todo subconjunto de V formado por um unico vetor nao nulo e , com ,= 0 e l.i.
linearmente independente.
Demonstracao:
Seja S = u V , com u ,= 0. Se R e tal que u = 0, segue da
propriedade de espaco vetorial que = 0, pois u ,= 0. Logo S e l.i.
86

Algebra Linear UFPA
(P2) Todo subconjunto de V que contem o vetor nulo e linearmente de- Se 0 S, entao S e l.d.
pendente.
Demonstracao:
Seja S um subconjunto de V contendo o vetor nulo. Tomando u = 0 em S
e = 1 R, podemos escrever u = 0. Entao pela Denicao 22, S e l.d.
(P3) Um subconjunto S = u
1
, u
2
, ..., u
n
de vetores nao nulos de V e
linearmente dependente se, e somente se, um dos vetores de S e com- u, v e l.d. se, e so se, u e
um m ultiplo escalar de v. binacao linear dos precedentes.
Demonstracao:
() Um dos vetores de S e combinacao linear dos precedentes S e l.d.
Suponha que u
i
(1 < i n) e combinacao linear de u
1
, u
2
, ..., u
i1
.
Entao existem escalares
1
,
2
, ...,
i1
R, tais que
1
u
1
+
2
u
2
+ ... +
i1
u
i1
= u
i

1
u
1
+
2
u
2
+... +
i1
u
i1
+(1)u
i
= 0. Entao S e l.d.,
segundo Denicao 22.
() S = u
1
, u
2
, ..., u
n
e l.d. um dos vetores de S e combinacao
linear dos precedentes.
Como S e l.d., existem escalares
1
,
2
, ..,
n
R, nem todos nulos,
tais que
1
u
1
+
2
u
2
+ ... +
n
u
n
= 0. Seja i o maior inteiro para o qual
i
,= 0. Se i = 1, entao
1
u
1
= 0 e como u
1
,= 0,
1
= 0, contrariando o
fato de que os coecientes
1
,
2
, ...,
n
nao sao todos nulos. Assim i > 1
e podemos escrever u
i
= (
i
)u
1
+ (
i
)u
2
+... + (
i1
i
)u
i1
, ou seja, u
i
e combinacao linear dos vetores precedentes.
Observamos que se os vetores u
1
, u
2
, ..., u
n
sao l.d, isto nao signica
que qualquer um deles seja combinacao linear dos demais (mas sim, pelo
menos um deles). Exemplo, u
1
= (1, 2, 3), u
2
= (0, 4, 6) e u
3
= (3, 6, 9) sao
l.d., pois u
3
= 3u
1
+ 0u
2
, porem u
2
nao e combinacao linear de u
1
e u
3
.
(P4) Todo subconjunto de V que contem um conjunto linearmente de- Se S
e l.d. e S
S, entao S
e tambem l.d. pendente e linearmente dependente.
Demonstracao:
Segue diretamente da Denicao 22.
(P5) Todo subconjunto de um conjunto linearmente independente e tambem Se S e l.i. e S
S, entao S
e tambem l.i. linearmente independente.

Demonstracao:
Seja S V , l.i. Suponha existir S
t
S, l.d.. Pela propriedade (P4)
acima, S e l.d., um absurdo.
(P6) Se S = u
1
, u
2
, ..., u
n
e um subconjunto de V linearmente inde-
pendente, entao todo v S) se escreve de modo unico como elementos
de S.
UFPA

Algebra Linear 87
Demonstracao:
Como v S), segue da denicao de subespaco gerado que existem es-
calares
1
,
2
, ...,
n
R tais que
v =
1
u
1
+
2
u
2
+... +
n
u
n
. (11.2)
Resta mostrar que estes escalares sao unicos. Suponha que existam
1
,
2
, ...,
n
R, tais que
v =
1
u
1
+
2
u
2
+... +
n
u
n
. (11.3)
Fazendo (11.2) - (11.3) tem-se:
0 = (
1
1
)u
1
+ (
2
2
)u
2
+... + (
n
n
)u
n
. (11.4)
Como os vetores u
1
, u
2
, ..., u
n
sao l.i.., os coecientes em (11.4) sao
todos nulos, isto e,
1

1
=
2

2
= ... =
n

n
= 0 e portanto
1
=
1
,
2
=
2
, ...,
n
=
n
. Logo a expressao em (11.2) e igual a
expressao em (11.3).
(1) Verique se S e um conjunto linearmente dependente ou linearmente
independente, sendo
(a) S = (1, 2, 4, 1), (2, 1, 0, 3), (3, 6, 1, 4) R
4
;
(b) S = t
3
5t
2
2t + 3, t
3
4t
2
3t + 4, 2t
3
7t
2
7t + 9 T
3
(R);
(c) S =
_
_
2 1 1
3 2 4
_
,
_
1 1 3
2 0 5
_
,
_
4 1 2
1 2 3
_
_
M
23
(R);
(d) S = f(t) = e
t
, g(t) = sent, h(t) = t
2
T(R, R).
(e) S = 1, e
x
, e
2x
, e
3x
T(R, R).
(2) Mostre que as linhas nao nulas de uma matriz escalonada A, m n
(vistas como vetores do R
n
) sao linearmente independente.
(3) Mostre que se u, v, w e um conjunto linearmente independente, entao
u + 2v + 3w, 3u 3v 2w, 2u + v + 2w e tambem linearmente inde-
pendente.
(4) Sejam S
1
= u
1
, ..., u
m
e S
2
= v
1
, ..., v
n
subconjuntos de um espaco
vetorial de dimensao nita. Mostre que se S
1
S
2
e linearmente indepen-
dente, entao S
1
) S
2
) = 0.
(5) Sejam S
1
, S
2
, ..., S
n
, ... subconjuntos linearmente independentes de
um espaco vetorial V . Mostre que se S
1
S
2
... S
n
S
n+1
..., entao
S =
n
S
n
e linearmente independente.
Captulo 12
Base e dimensao
Objetivos
Denir base de um espaco vetorial
Apresentar as bases canonicas de alguns espacos vetorias reais
Denir dimensao de um espaco vetorial
Mostrar que todo espaco vetorial nitamente gerado possui base
Como ja mencionamos o conjunto S
2
= (1, 0), (0, 1), (3, 7),
(7, 5), (
2, 4) e um gerador de R
2
e e linearmente dependente (ver-
ique). Observe que podemos tomar subconjuntos menores de S
2
que
tambem geram o R
2
, como por exemplo, (1, 0), (0, 1) ou (3, 7), (7, 5),
os quais sao geradores linearmente independentes. Nesta secao vamos
estudar os geradores linearmente independentes maximais de um espaco
vetorial, chamados de bases.
Denicao 23. Seja V um espaco vetorial real. Dizemos que um subcon- Para ser base de um espaco
um conjunto deve gerar o
espaco e ser linearmente in-
dependente.
junto B V e uma base de V se:
(i) B e um gerador de V , isto e B) = V ;
(ii) B e um conjunto linearmente independente.
A condicao (i) exige que todo vetor em V possa ser escrito como com-
bincao linear dos elementos de B e a condicao (ii), que ele seja escrito de
modo unico.
Exemplos 25.
(1) B = (1, 0), (0, 1) e base do R
2
, pois e um gerador linearmente inde-
pendente deste espaco, conforme ja visto;
(2) B = (1, 0, 0), (0, 1, 0), (0, 0, 1) e base do R
3
;
88
UFPA

Algebra Linear 89
(3) B = (1, 0, 0, ..., 0, 0), (0, 1, 0, ..., 0, 0), (0, 0, 1, ..., 0, 0), ..., (0, 0, 0, ..., 1, 0),
(0, 0, 0, ..., 0, 1) e uma base do R
n
;
(4) B =
_
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
_
e base de M
2
(R);
(5) B = 1, x, x
2
, ..., x
n
e base de T
n
(R);
(6) B = 1, x, x
2
, ..., x
n
, x
n+1
, ... e base de T(R);
(7) B = 1, i e uma base de C como espaco vetorial sobre R;
(8) B = e base do espaco nulo 0.
As bases dadas nos exemplos acima sao chamadas as bases can onicas
destes espacos.
(1) De exemplo de uma base, distinta da canonica, para cada um dos
espacos vetoriais reais abaixo:
(a) R
(b) R
2
(c) R
3
(d) M
2
(R);
(e) T
2
(R).
(f) C
Denimos a dimensao de um espaco vetorial nitamente gerado como
o n umero de elementos de alguma base do espaco. Para mostar que
esta denicao independe da base escolhida, mostraremos que duas bases
quaisquer de um espaco vetorial nitamente gerado tem sempre o mesmo
n umero de elementos.
Proposicao 9. Sejam V um espaco vetorial real nitamente gerado e nao
nulo e v
1
, v
2
, ..., v
m
um conjunto gerador de V . Entao todo conjunto
linearmente independente em V tem no maximo m elementos.
Demonstracao:
Mostraremos que todo subconjunto de V com mais de m elementos e
linearmente dependente.
Suponha S um conjunto arbitrario de V com mais de m elementos.
Entao existem u
1
, u
2
, ..., u
n
em S, com n > m. Mostraremos que existem
escalares c
1
, c
2
, ..., c
n
R, nem todos nulos, tais que c
1
u
1
+ c
2
u
2
+ ... +
c
n
u
n
= 0 e portanto S e linearmente dependente.
Como v
1
, v
2
, ..., v
m
e um gerador de V , entao cada elemento de S
se escreve como combinacao linear de v
1
, v
2
, ..., v
m
, isto e, para todo j =
90

Algebra Linear UFPA
1, 2, ..., n existem escalares a
1j
, a
2j
, ..., a
mj
tais que
u
j
= a
1j
v
1
+a
2j
v
2
+... +a
mj
v
m
=
m
i=1
a
ij
v
i
. (12.1)
Para c
1
, c
2
, ..., c
n
R arbitrarios, temos
c
1
u
1
+c
2
u
2
+... +c
n
u
n
=
n
j=1
c
j
u
j
=
n
j=1
c
j
_
m
i=1
a
ij
v
i
_
- usando (12.1)
=
n
j=1
m
i=1
(a
ij
c
j
)v
i
- pois c
j
e constante em
relacao ao ndice i
=
m
i=1
(
n
j=1
a
ij
c
j
)v
i
.
Tomando os coecientes de todos os v
i
nulos, isto e,
n
j=1
a
ij
c
j
= 0,
(i = 1, 2, ..., m), camos com o vetor nulo no lado direito desta igualdade,
isto e,
c
1
u
1
+c
2
u
2
+... +c
n
u
n
= 0. (12.2)
Mas fazendo
n
j=1
a
ij
c
j
= 0, para i = 1, 2, ..., m, obtemos:
_
_
a
11
c
1
+ a
12
c
2
+ ... + a
1n
c
n
= 0
a
21
c
1
+ a
22
c
2
+ ... + a
2n
c
n
= 0
... + ... + ... + ... = ...
a
m1
c
1
+ a
m2
c
2
+ ... + a
mn
c
n
= 0
o qual e um sistema linear homogeneo com m equacoes nas incognitas
c
1
, c
2
, ..., c
n
. Como o posto da matriz dos coecientes m < n, segue que
este sistema e possvel indeterminado. Isto implica que existemc
1
, c
2
, ..., c
n
,
nem todos nulos de modo que possamos escrever (19.1).
Corolario 2. Seja V um espaco vetorial real nitamente gerado e nao
nulo. Entao duas bases quaisquer de V tem o mesmo n umero de vetores. Todas as bases de um espaco
vetorial nitamente gerado
tem o mesmo n umero de ve-
tores.
Demonstracao:
Sejam B e B
t
bases de V . Como V e nitamente gerado, pela Proposicao
9 as bases sao conjuntos nitos, ja que sao linearmente independentes.
Suponha m e m
t
o n umero de elementos de B e B
t
, respectivamente.
Entao, pela Proposicao 9, segue que:
m
t
m, pois B e gerador e B
t
e linearmente independente;
m m
t
, pois B
t
e gerador e B e linearmente independente.
Portanto m = m
t
.
Denicao 24. Seja V um espaco vetorial real. Se V tem uma base nita,
dizemos que V e de dimensao nita e chamamos de dimensao de V , deno-
tado por dimV , ao n umero de elementos de alguma base de V . Se V nao
possui uma base nita, dizemos que V e um espaco vetorial de dimensao
innita.
Exemplos 26.
UFPA

Algebra Linear 91
(1) Segundo as bases dadas no Exemplo 25, temos:
(a) dim R
2
= 2;
(b) dim R
3
= 3;
(c) dim R
n
= n;
(d) dim M
2
(R) = 4;
(e) dim T
n
(R) = n + 1;
(f) dim C = 2;
(g) dim 0 = 0.
(2) T(R) e um espaco vetorial de dimensao innita.
Corolario 3. Seja V um espaco vetorial de dimensao nita n 1. Entao:
(a) Todo subconjunto de V com mais de n vetores e linearmente de-
pendente;
(b) Nenhum subconjunto de V com menos de n elementos pode gerar
V .
Demonstracao:
Suponha B uma base de V . Entao B e um gerador de V , linearmente
independente e com n elementos. Pela Proposicao 9, segue que:
(a) Todo subconjunto de V com mais do que n elementos e linearmente
dependente, ja que B e um gerador contendo n vetores;
(b) Suponha existir um conjunto B
t
, geradorde V , com m < n ele-
mentos. Entao B e linearmente dependente, uma contradicao. Logo nao
existe um gerador de V com m < n elementos.
(1) Use o Corolario 3 para vericar se os conjuntos abaixo sao l.d. ou
l.i.
(a) S = (1, 2), (3, 5), (7, 29) R
2
;
(b) S = (1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 1, 1) R
3
;
(c) S = 1, x +x
2
, 1 + 2x +x
3
, 2x x
3
, x 2x
2
+ 3x
3
P
3
(R);
(d) S = 1, 1 + 2i, 5i C.
(2) De um gerador do R
3
com 3, 4, 5, 6,... elementos. Existe um
gerador deste espaco com menos de 3 elementos? Justique.
(3) Use o Corolario 3 para vericar se S =
_
_
1 5
0 8
_
,
_
12
1
2
3 7
_
,
_
2 2
3 39
_
_
gera M
2
(R).
92

Algebra Linear UFPA
Lema 3. Seja S um subconjunto linearmente independente de um espaco
vetorial V . Se u e um elemento de V e u , S), entao S u e um
conjunto linearmente independente.
Demonstracao:
Mostraremos que todo subconjunto nito de S u e linearmente in-
dependente. Sejam v
1
, v
2
, ..., v
n
elementos distintos em S e c
1
, c
2
, ..., c
n
, b
escalares em R tais que:
c
1
v
1
+c
2
v
2
+... +c
n
v
n
+bu = 0.
Devemos ter b = 0, pois do contrario poderamos escrever
u =
_
c
1
b
_
v
1
+
_
c
2
b
_
v
2
+... +
_
c
n
b
_
v
n
uma contradicao, pois u , S). Assim c
1
v
1
+c
2
v
2
+... +c
n
v
n
= 0 e como
S e linearmente independente, segue que c
1
= c
2
= ... = c
n
= 0.
Teorema 8. Seja V um espaco vetorial nitamente gerado. Todo subcon- Este teorema e conhecido
como teorema do completa-
mento ou da extensao, pois
diz que todo subconjunto nao
vazio e linearmente indepen-
dente de um espaco, pode
ser completado (ou esten-
dido) ate formar uma base
deste espaco.
junto nao vazio de V linearmente independente e parte de uma base de
V .
Demonstracao:
Como V e nitamente gerado, ele possui um conjunto gerador nito, dig-
amos com m elementos. Seja B
0
,= um subconjunto de V linearmente
independente. Se B
0
gera V , entao B
0
e base de V e a demonstracao
esta encerrada. Se B
0
) V (esta estritamente contido), entao existe
v
1
V , tal que v
1
, B
0
). Pelo Lema 3, B
1
= B
0
v
1
e linearmente
independente. Se B
1
gera V , entao B
1
e uma base de V . Caso contrario
existe v
2
V , tal que v
2
, B
1
) e pelo lema, B
2
= B
1
v
2
e linear-
mente independente. Continuando este processo ou obtemos um conjunto
B = B
0
v
1
, v
2
, ...v
k
que e uma base de V ou obtemos um conjunto
em V linearmente independente, arbitrariamente grande. Mas este ultimo
caso nao ocorre, pois, segundo Proposicao 9, todo subconjunto de V com
mais de m elementos e l.d.
Corolario 4. Todo espaco vetorial nitamente gerado tem uma base.
Demonstracao:
Seja V um espaco vetorial de dimensao nita n 0. Se V = 0 entao
o conjunto vazio e base de V . Se V ,= 0 entao existe 0 ,= v
1
V .
Pelo Teorema 8, v
1
e parte de uma base de V , ou seja, existem vetores
v
2
, ...v
n
V , tais que v
1
, v
2
, ...v
n
e base de V .
UFPA

Algebra Linear 93
Corolario 5. Seja W um subespaco de um espaco vetorial V de dimensao
nita. Entao dimW dimV e se dimW = dimV , entao W = V .
Demonstracao:
Se W = 0, entao dimW = 0 dimV . Se W ,= 0, existe 0 ,= u W.
Pelo Teorema 8, u e parte de uma base B de W V , a qual contem
no maximo dimV elementos. Assim W e de dimensao nita, e dimW
dimV .
Se dimW = dimV , entao B gera V , pois do contrario, existiria v V
com v , W e pelo Lema 3, B v e linearmente independente, uma
contradicao, pois todo subconjunto de V com mais de dimV elementos e
linearmente dependente. Assim W = B) = V .
(1) De modo analogo à demonstracao do Teorema 8, estenda o conjunto
B a uma base de V , sendo:
(a) B = (1, 1) e V = R
2
;
(b) B = (1, 3, 6) e V = R
3
;
(c) B = (1, 1, 2, 3), (0, 4, 1, 0) R
4
;
(d) B = 1, x
5
e V = a
5
x
5
+a
4
x
4
+a
3
x
3
+a
2
x
2
+a
1
x+a
0
T
5
(R) [
a
4
= 2a
3
a
0
e a
2
= 0;
(e) B =
_
_
_
5 0 0
0 1 0
0 0 4
_
_
_
e V = A M
3
(R) [ A e diagonal
_
.
(2) Sabendo-se que W e um subespaco nao trivial de M
34
(R), quais
as possveis dimensoes de W.
Teorema 9. Se W
1
e W
2
sao subespacos de dimensao nita de um espaco
vetorial V , entao W
1
+W
2
e de dimensao nita e
dim(W
1
+W
2
) = dimW
1
+dimW
2
dim(W
1
W
2
).
Demonstracao:
Pelo Corolario 5, W
1
W
2
tem dimensao nita. Suponha B
0
= u
1
, u
2
, ..., u
k
uma base de W
1
W
2
. Como B
0
W
1
, B
0
W
2
e e linearmente inde-
pendente, pelo Teorema 8, existem vetores v
1
, ..., v
m
, z
1
, ..., z
n
, tais que
B
1
= u
1
, ..., u
k
, v
1
, ..., v
m
e base de W
1
e B
2
= u
1
, ..., u
k
, z
1
, ..., z
n
e
base de W
2
. Mostraremos que B = u
1
, ..., u
k
, v
1
, ..., v
m
, z
1
, ..., z
n
e base
de W
1
+W
2
. De fato,
(i) B gera W
1
+W
2
:
Seja u W
1
+ W
2
, entao u = w
1
+ w
2
, com w
1
W
1
e w
2
W
2
.
Como B
1
e B
2
sao bases de W
1
e W
2
, respectivamente, existem escalares
94

Algebra Linear UFPA
a
1
, .., a
k
, b
1
, ..., b
m
tais que w
1
= a
1
u
1
+...a
k
u
k
+b
1
v
1
+... +b
m
v
m
e existem
escalares a
t
1
, ..., a
t
k
, c
1
, ..., c
n
, tais que w
2
= a
t
1
u
1
+...+a
t
k
u
k
+c
1
z
1
+...+c
n
z
n
.
Assim
u = w
1
+w
2
= (a
1
+a
t
1
)u
1
+...(a
k
+a
t
k
)u
k
+b
1
v
1
+... +b
m
v
m
+c
1
z
1
+...c
n
z
n
.
Logo u = w
1
+w
2
B).
(ii) B e linearmente independente:
Sejam a
1
, ..., a
k
, b
1
, ..., b
m
, c
1
, ..., c
n
escalares tais que
a
1
u
1
+... +a
k
u
k
+b
1
v
1
+... +b
m
v
m
+c
1
z
1
+... +c
n
z
n
= 0. (12.3)
Entao c
1
z
1
+... +c
n
z
n
= (a
1
u
1
+... +a
k
u
k
+b
1
v
1
+... +b
m
v
m
). Isto
implica que c
1
z
1
+... +c
n
z
n
pertente a W
1
W
2
. Entao existem escalares
x
1
, ..., x
k
tais que
c
1
z
1
+... +c
n
z
n
= x
1
u
1
+... +x
k
u
k
x
1
u
1
+... +x
k
u
k
+ (c
1
)z
1
+... + (c
n
)z
n
= 0
Como B
2
e um conjunto linearmente independente, segue que c
1
=
... = c
n
= x
1
= ... = x
k
= 0. Fazendo c
1
= ... = c
n
= 0 em (12.3)
obtem-se:
a
1
u
1
+... +a
k
u
k
+b
1
v
1
+... +b
m
v
m
= 0
Agora usando a independencia linear de B
1
, segue que a
1
= ... = a
k
=
b
1
= ... = b
m
= 0 e portanto B e linearmente independente.
Sendo B base de W
1
+ W
2
, entao dim(W
1
+ W
2
) = k + m + n =
(m+k) + (n +k) k = dimW
1
+dimW
2
dim(W
1
W
2
).
(1) Mostre que se V e um espaco vetorial real de dimensao nita n, entao
todo subconjunto de V linearmente independente e com n vetores e base
de V .
(2) Determine a dimensao dos subespacos do R
4
gerados por:
(a) S = (1, 2, 3, 0), (5, 6, 1, 5);
(b) S = (1, 2, 3, 0), (1, 1, 6, 3), (1, 7, 12, 9);
(c) S = (1, 2, 3, 1), (2, 4, 6, 2), (3, 6, 9, 7), (5, 10, 15, 13).
(3) Sejam U = (x, y, z) R
3
[ x+z = 0 e x2y = 0 e W = (x, y, z)
R
3
[ x+2y3z = 0 subespacos de R
3
. Determine uma base e a dimensao
de:
(a) U;
UFPA

Algebra Linear 95
(b) W;
(c) U +W;
(d) U W.
(4) Sejam W
1
= a
2
x
2
+ a
1
x + a
0
[ a
1
= 2a
2
e W
2
= a
2
x
2
+ a
1
x + a
o
[
a
1
+a
2
= a
0
subespacos de T
2
(R). Determine uma base e a dimensao de:
(a) W
1
;
(b) W
2
;
(c) W
1
+W
2
;
(d) W
1
W
2
.
(5) Mostre que 1, 1 x, (1 x)
2
, (1 x)
3
, ..., (1 x)
n
e uma base de
T
n
(R).
(6) Sejam U = (x, y, z, v, w) R
5
[ 2x 4y + 7z + 4v 5w = 0 e
W = (x, y, z, v, w) R
5
[ 9x + 3y + 2z 7v + w = 0. Determine uma
base de U +W que contenha uma base de U W.
(7) Sejam U e W dois subespacos de M
4
(R), com dimU = 12 e dimW = 8.
Mostre que dim(U W) 4.
(8) Sejam U e W subespacos de um espaco vetorial de dimensao nita
n. Supondo que dimU e dimW sao ambas maiores que
n
2
, mostre que
U W ,= 0.
(09) Suponha que um espaco vetorial V de dimensao nita e soma direta
de seus subespacos U e W, isto e, V = U W. Mostre que se u
1
, ..., u
m
e base de U e v
1
, ..., v
n
e base de W, entao u
1
, ..., u
m
, v
1
, ...v
n
e base
de V . Conclua da que dimV = dimU + dimW.
(10) Sejam V um espaco vetorial de dimensao nita e U um subespaco de
V . Mostre que existe um subespaco W de V tal que V = U W.
(11) Seja V um espaco vetorial de dimensao nita n. Mostre que todo
gerador S de V contem uma base de V .
(12) Mostre que se v
1
, v
2
, ..., v
n
e um conjunto linearmente independente,
entao a
1
v
1
, a
2
v
2
, ..., a
n
v
n
e tambem linearmente independente, para todo
escalar a
i
,= 0.
(13) Sej u, v, w sao vetores de um espaco vetorial V tais que u, v w).
Mostre que u, v e linearmente dependente.
(14) Suponha que u
1
, u
2
, .., u
n
, v
1
, v
2
, .., v
m
e um subconjunto linear-
mente independente de V . Mostre que u
1
, u
2
, .., u
n
) v
1
, v
2
, ..., v
m
) =
96

Algebra Linear UFPA
0.
(15) Determine a dimensao dos seguintes subespacos de M
n
(R):
(a) subespaco das matrizes simetricas;
(b) subespa co das matrizes anti-simetricas.
(16) Sejam u e v vetores de um espaco vetorial V , linearmente indepen-
dentes. Dado um escalar c ,= 0, prove que o conjunto v, v+cu e uma base
para o subespaco gerado pelo conjunto v, v+u, v+2u, v+3u, ..., v+nu, ....
(17) Seja V um espaco vetorial de dimensao nita n. Mostre que qualquer
subconjunto de V linearmente independente, contendo n vetores, e base
de V .
Captulo 13
Coordenadas
Objetivos
Denir coordenadas de um vetor em relacao a uma base
Calcular o vetor das coordenadas de um dado vetor
Denir matriz de mudanca de base
Sejam V um espaco vetorial real de dimensao nita n 1 e
B = u
1
, u
2
, ...u
n
uma base de V . Vamos xar a ordem dos elemen-
tos em B e passaremos a chama-la de base ordenada de V .
Quando dizemos B e uma base ordenada de uma espaco vetorial V , Uma base ordenada de um
espaco vetorial V e uma
sequencia (u
1
, u
2
, ..., u
n
),
onde u
1
, u
2
, ..., u
n
e base
de V .
a ordem em que os elementos estao dispostos em B e importante. Assim,
B = (1, 0), (0, 1) e B
t
= (0, 1), (1, 0) sao duas bases ordenadas dis-
tintas do R
2
, pois embora os conjuntos tenham os mesmos elementos, a
ordem em que eles estao dispostos nos dois conjuntos nao e a mesma.
Denicao 25. Seja B = u
1
, u
2
, ..., u
n
uma base ordenada de um espaco
vetorial real V de dimensao nita n e v um elemento de V . Os unicos
escalares c
1
, c
2
, ..., c
n
R tais que
v = c
1
u
1
+c
2
u
2
+... +c
n
u
n
sao chamados as coordenadas de v em relacao à base ordenada B.
O vetor
_
_
_
_
c
1
c
2
...
c
n
_
_
_
_
e chamado vetor das coordenadas de v em relacao
à base B, denotado por [v]
B
.
Exemplos 27.
97
98

Algebra Linear UFPA
(1) Sejam v = (3, 5) e B = (1, 0), (0, 1) a base canonica do R
2
. Es-
crevendo v como combinacao linear dos elementos de B tem-se:
(3, 5) = 3(1, 0) + 5(0, 1)
entao [v]
B
=
_
3
5
_
;
(2) Vamos determinar [v]
B
, sendo v = (3, 5) e B
t
= (2, 3), (1, 5).
Sejam c
1
, c
2
os escalares tais que (3, 5) = c
1
(2, 3) + c
2
(1, 5) = (2c
1
+
c
2
, 3c
1
+ 5c
2
). Obtem-se da o sistema linear
_
2c
1
+ c
2
= 3
3c
1
+ 5c
2
= 5
, cuja
solucao e c
1
=
10
7
e c
2
=
1
7
. Assim [v]
t
B
=
_
10
7
1
7
_
;
(3) Vamos determinar [p(x)]
B
, sendo p(x) = 2x
2
+ 5x 4 T
2
(R) e:
(a) B = 1, x, x
2
a base canonica de T
2
(R);
Sejam c
1
, c
2
, c
3
R, tais que 2x
2
+ 5x 4 = c
1
.1 + c
2
.x + c
3
.x
2
. Da
igualdade de polinomios segue que c
1
= 4, c
2
= 5 e c
3
= 2. Assim
[p(x)]
B
=
_
_
4
5
2
_
_
;
(b) B = 1, 1 +x, 1 +x
2
;
Sejam c
1
, c
2
, c
3
R, tais que 2x
2
+ 5x 4 = c
1
1 + c
2
(1 + x) + c
3
(1 +
x
2
) = (c
1
+ c
2
+ c
3
) + c
2
x + c
3
x
2
. Da igualdade de polinomios obtemos
o sistema linear
_
_
_
c
1
+ c
2
+ c
3
= 4
c
2
= 5
c
3
= 2
. Resolvendo este sistema
obemos c
1
= 11, c
2
= 5 e c
3
= 2. Assim [p(x)]
B
=
_
_
11
5
2
_
_
.
(1) Determine [v]
B
, sendo v = (3, 6, 8) R
3
e
(a) B = (1, 0, 0), (0, 1, 0), (0, 0, 1) e a base cononica do R
3
;
(b) B = (2, 1, 3), (2, 0, 6), (1, 1, 1).
(2) Determine [p(x)]
B
, sendo p(x) = 5x
3
+ 6x
2
+ 3 T
3
(R) e:
(a) B = 1, x, x
2
, x
3
e a base canonica de T
3
(R);
(b) B = 1 +x
2
, x +x
2
, x
2
, x +x
3
;
UFPA

Algebra Linear 99
(3) Determine [A]
B
, sendo A =
_
3 5
2 1
_
M
2
(R) e
(a) B =
_
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
_
, a base canonica
de M
2
(R)
(b) B =
_
_
1 1
0 0
_
,
_
2 1
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 2
_
_
.
Mudanca de Base
Observe que o vetor das coordenadas de um elemento qualquer do
espaco esta estritamente relacionado com a base escolhida para este espaco.
Da a necessidade de mencionarmos a base na notacao deste vetor. Mas
ca uma questao: dado um elemento arbitrario de um espaco vetorial
e duas bases ordenadas distintas B e B
t
deste espaco, existe alguma
relacao entre os vetores das coordenadas deste elemento em relacao a estas
bases? Por exemplo, considere B
t
= (2, 0), (0, 5), base ordenada do R
2
e
v = (2, 3) R
2
. Entao [v]
B
=
_
1
3
5
_
. Tomando agora B = (1, 0), (0, 1)
a base canonica do R
2
, as coordenadas de v em relacao à B sao obtidas
de modo imediato, nesta caso [v]
B
=
_
2
3
_
. Qual e a relacao existente
entre [v]
B
e [v]
B
? Veremos que esta relacao e dada atraves de uma matriz,
chamada matriz de transicao ou matriz de mudanca de base.
Sejam V um espaco vetorial de dimensao nita n, B
1
= u
1
, u
2
, ..., u
n
,
B
2
= v
1
, v
2
, ..., v
n
bases ordenadas de V e u um vetor arbitrario em V .
Suponha
[u]
B
1
=
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
e [u]
B
2
=
_
_
_
_
y
1
y
2
...
y
n
_
_
_
_
.
Como B
2
e base de V , entao cada elemento de B
1
pode ser escrito
de modo unico como combinacao linear dos elementos de B
2
, isto e, para
todo u
j
(j = 1, 2, ..., n), existem unicos escalares p
ij
, tais que
u
j
= p
1j
v
1
+p
2j
v
2
+... +p
nj
v
n
. (13.1)
Como [u]
B
1
=
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
, entao u = x
1
u
1
+ x
2
u
2
+ ... + x
n
u
n
. Substituindo
cada u
j
(j = 1, 2, ..., n) pelo valor dado em (13.1) temos:
u = x
1
(p
11
v
1
+p
21
v
2
+... +p
n1
v
n
) +x
2
(p
12
v
1
+p
22
v
2
+... +p
n2
v
n
) +... +
100

Algebra Linear UFPA
x
n
(p
1n
v
1
+p
2n
v
2
+... +p
nn
v
n
) = (x
1
p
11
+x
2
p
12
+... +x
n
p
1n
)v
1
+(x
1
p
21
+
x
2
p
22
+... +x
n
p
2n
)v
2
+... + (x
1
p
n1
+x
2
p
n2
+...x
n
p
nn
)v
n
.
Obtemos desta forma u escrito como combinacao linear dos elementos de
B
2
. Como B
2
e base, esta combincao linear e unica. Logo
_
_
x
1
p
11
+ x
2
p
12
+ ... + x
n
p
1n
= y
1
x
1
p
21
+ x
2
p
22
+ ... + x
n
p
2n
= y
2
... + ... + ... + ... = ...
x
1
p
n1
+ x
2
p
n2
+ ... + x
n
p
nn
= y
n
.
Escrevendo este sistema em notacao matricial obtemos:
_
_
_
_
p
11
p
12
... p
1n
p
21
p
22
... p
2n
... ... ... ...
p
n1
p
n2
... p
nn
_
_
_
_
.
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
=
_
_
_
_
y
1
y
2
...
y
n
_
_
_
_
.
Ou ainda, de forma simbolica
P.[u]
B
1
= [u]
B
2
,
onde P = (p
ij
).
Obtivemos assim a relacao existente entre os vetores das coordenadas
em relacao às bases B
1
e B
2
. Esta relacao e dada pela matriz P, chamada
matriz de transicao, conforme denicao a seguir.
Denicao 26. Sejam V um espaco vetorial real de dimensao nita n,
B
1
= u
1
, u
2
, ..., u
n
e B
2
= v
1
, v
2
, ..., v
n
bases ordenadas de V . A
matriz P, n n, cuja j-esima (j = 1, 2, ..., n) coluna e dada por
P
j
= [u
j
]
B
2
e chamada a matriz de transicao da base B
1
para a base B
2
.
Exemplos 28.
(1) Sejam B
1
= (2, 0), (0, 5) e B
2
= (1, 0), (0, 1) bases ordenadas do
R
2
. Vamos escrever a matriz P de transicao da base B
1
para a base B
2
.
Pela Denicao 26, P =
_
p
11
p
12
p
21
p
22
_
e uma 2 2, sendo suas colunas
dadas por:
1
a
coluna:
P
1
=
_
p
11
p
21
_
= [(2, 0)]
B
2
, isto e,
(2, 0) = p
11
.(1, 0) +p
21
.(0, 1) = (p
11
, p
21
)
_
p
11
= 2
p
21
= 0
2
a
coluna:
P
2
=
_
p
12
p
22
_
= [(0, 5)]
B
2
, isto e,
UFPA

Algebra Linear 101
(0, 5) = p
12
.(1, 0) +p
22
.(0, 1) = (p
12
, p
22
)
_
p
12
= 0
p
22
= 5
Portanto P =
_
2 0
0 5
_
.
Escreveremos agora a matriz P
t
=
_
p
t
11
p
t
12
p
t
21
p
t
22
_
de transicao da base
B
2
para B
1
. Suas colunas sao dadas por:
1
a
coluna:
P
t
1
=
_
p
t
11
p
t
21
_
= [(1, 0)]
B
1
, isto e,
(1, 0) = p
t
11
.(2, 0) +p
t
21
.(0, 5) = (2p
t
11
, 5p
t
21
)
_
p
t
11
=
1
2
p
t
21
= 0
2
a
coluna:
P
t
2
=
_
p
t
12
p
t
22
_
= [(0, 1)]
B
1
, isto e,
(0, 1) = p
t
12
.(2, 0) +p
t
22
.(0, 5) = (2p
t
12
, 5p
t
22
)
_
p
t
12
= 0
p
t
22
=
1
5
Portanto P
t
=
_
1
2
0
0
1
5
_
.
Observe que P.P
t
= P
t
.P = I
2
. isto implica que a matriz de transicao P
e uma matriz inversvel e sua inversa P
1
= P
t
.
(2) Sejam B
1
= 1, x, x
2
e B
2
= 1, 1 + x, 1 + x
2
bases ordenadas de
T
2
(R). Escreveremos as matrizes de transicao de B
1
para B
2
e tambem
de B
2
para B
1
.
Seja P =
_
_
p
11
p
12
p
13
p
21
p
22
p
23
p
31
p
32
p
33
_
_
a matriz de transiscao de B
1
para B
2
.
Entao pela Denicao 26 suas colunas sao dadas por:
1
a
coluna:
P
1
=
_
_
p
11
p
21
p
31
_
_
= [1]
B
2
, isto e,
1 = p
11
.1 +p
21
.(1 +x) +p
31
.(1 +x
2
) = (p
11
+p
21
+p
31
) +p
21
.x +p
31
.x
2
_
_
_
p
11
= 1
p
21
= 0
p
31
= 0
2
a
coluna:
P
2
=
_
_
p
12
p
22
p
32
_
_
= [x]
B
2
, isto e,
x = p
12
.1 +p
22
.(1 +x) +p
32
.(1 +x
2
) = (p
12
+p
22
+p
32
) +p
22
.x +p
32
.x
2
_
_
_
p
12
= 1
p
22
= 1
p
32
= 0
102

Algebra Linear UFPA
3
a
coluna:
P
3
=
_
_
p
13
p
23
p
33
_
_
= [x
2
]
B
2
, isto e,
x
2
= p
13
.1+p
23
.(1+x) +p
33
.(1+x
2
) = (p
13
+p
23
+p
33
) +p
23
.x+p
33
.x
2
_
_
_
p
13
= 1
p
23
= 0
p
33
= 1
Portanto P =
_
_
1 1 1
0 1 0
0 0 1
_
_
.
Escreveremos agora a matriz P
t
=
_
_
p
t
11
p
t
12
p
t
13
p
t
21
p
t
22
p
t
23
p
t
31
p
t
32
p
t
33
_
_
, de transicao da
base B
2
para a B
1
. Calcularemos inicialmente suas colunas:
1
a
coluna:
P
t
1
=
_
_
p
t
11
p
t
21
p
t
31
_
_
= [1]
B
1
, isto e,
1 = p
t
11
.1 +p
t
21
.x +p
t
31
.x
2
_
_
_
p
t
11
= 1
p
t
21
= 0
p
t
31
= 0
2
a
coluna:
P
t
2
=
_
_
p
t
12
p
t
22
p
t
32
_
_
= [1 +x]
B
1
, isto e,
1 +x = p
t
12
.1 +p
t
22
.x +p
t
32
.x
2
_
_
_
p
t
11
= 1
p
t
21
= 1
p
t
31
= 0
3
a
coluna:
P
t
3
=
_
_
p
t
13
p
t
23
p
t
33
_
_
= [1 +x
2
]
B
1
, isto e,
1 +x
2
= p
t
13
.1 +p
t
23
.x +p
t
33
.x
2
_
_
_
p
t
13
= 1
p
t
23
= 0
p
t
33
= 1
Portanto P
t
=
_
_
1 1 1
0 1 0
0 0 1
_
_
.
Verique que tambem tem-se P.P
t
= P
t
.P = I
3
.
(3) Sabendo que a matriz de transicao de uma base ordenada B do R
2
para a base B
t
= (1, 1), (0, 2) e P =
_
1 0
2 3
_
, vamos determinar a base
B.
Suponha B = u
1
, u
2
. Segue da denicao da matriz de transicao P
UFPA

Algebra Linear 103
que:
P
1
=
_
1
2
_
= [(1, 1)]
B
, ou seja, (1, 1) = 1u
1
+ 2u
2
.
P
2
=
_
0
3
_
= [(0, 2)]
B
, isto e, (0, 2) = 0.u
1
+ 3u
2
.
Segue da que u
1
= (1,
1
3
) e u
2
= (0,
2
3
).
(1) Seja B uma base ordenada de um espaco vetorial V , com dimV = n.
Mostre que a matriz de transicao de B para B e a matriz identidade I
n
.
Usaremos o proximo lema para mostar que a matriz de transicao e
sempre inversvel.
Lema 4. Sejam B
1
= u
1
, u
2
, .., u
n
, B
2
= v
1
, v
2
, ..., v
n
e B
3
= w
1
, w
2
, ..., w
n
bases ordenadas de um espaco vetorial real V . Se P = (p

ij
) e a matriz de
transicao da base B
1
para B
2
e Q = (q
ij
) e matriz de transicao de B
2
para
a base B
3
, entao QP e matriz de transicao de B
1
para B
3
.
Demonstracao:
Seja R = (r
ij
) a matriz de transicao da base B
1
para B
3
. Vamos mostrar
que para todo i, j = 1, 2, .., n, temos r
ij
=
n
k=1
q
ik
.p
kj
, logo R = QP.
Da deni cao de matriz de transicao, segue que para quaisquer j, k =
1, 2, ..., n temos:
u
j
=
n
k=1
p
kj
v
k
(13.2)
v
k
=
n
i=1
q
ik
w
i
(13.3)
Substituindo o valor de v
k
dado em (13.3) na equacao (13.2) obtemos:
u
j
=
n
k=1
p
kj
(
n
i=1
q
ik
w
i
) =
n
i=1
n
k=1
(q
ik
.p
kj
)w
i
Segue entao da denicao de R, que r
ij
=
n
i=1
n
k=1
q
ik
p
kj
, logo R =
QP.
Proposicao 10. Sejam B
1
e B
2
bases ordenadas de um espaco vetorial
real de dimensao nita. A matriz P de transicao de B
1
para B
2
e in-
versvel e sua inversa e a matriz P
t
de transicao de B
2
para B
1
.
104

Algebra Linear UFPA
Demonstracao:
Sejam P e P
t
, respectivamente, as matrizes de transicao de B
1
para B
2
e
de B
2
para B
1
. Usando o exerccio 47 e o lema anterior, segue que:
I = P.P
t
= P
t
.P
t
de onde segue que P e inversvel, com P
1
= P
t
.
(1) SejamB = (1, 0, 0), (0, 2, 1), (0, 0, 4) e B
t
= (1, 1, 0), (1, 2, 3), (6, 7, 4)
bases ordenadas do R
3
.
(a) Determine a matriz P de transicao de B para B
t
.
(b) Sabendo-se que u e um vetor do R
3
tal que [u]
B
=
_
_
0
2
1
_
_
, determine
[u]
B
, usando a matriz P.
(2) Sejam B
t
=
_
_
1 6
2 0
_
,
_
0 4
6 3
_
,
_
0 0
4 8
_
,
_
0 0
0 1
_
_
uma
base ordenada de M
2
(R) e B a base canonica deste espaco. Determine:
(a) A matriz P de transicao de B para B
t
.
(b) A matriz P
t
de transicao de B
t
para B.
(c) Verique que P.P
t
= P
t
.P = I
4
.
(3) A matriz de transicao de uma base ordenada C para a base orde-
nada B = 1 + x, 1 x
2
, ambas de um mesmo subespaco de T
2
(R) e
P =
_
1 2
1 1
_
. Determine a base C.
(4) Considere W =
_
_
x y
z t
_
M
2
(R) [ x y z = 0
_
um sube-
spaco de M
2
(R).
(a) Mostre que B =
_
_
1 1
0 0
_
,
_
1 0
1 0
_
,
_
0 0
0 1
_
_
e
C =
_
_
1 0
1 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
_
_
sao bases de W.
(b) Determine a matriz de transicao da base ordenada B para a base or-
denada C.
(c) Encontre uma base ordenada B
t
de W tal que a matriz de transicao
de B
t
para a base B seja P =
_
_
1 1 0
0 0 2
0 3 1
_
_
.
(05) A matriz de transicao de uma base ordenada B do R
3
para a base
ordenada (1, 1, 2), (2, 1, 1), (0, 1, 2) deste espaco e
_
_
1 1 0
1 2 0
4 2 2
_
_
.
UFPA

Algebra Linear 105
Encontre a base B.
(06) Sejam B = u
1
, u
2
, ..., u
n
uma base ordenada de um espaco vetorial
V e C = v
1
, v
2
, ..., v
n
, com v
i
= u
ni+1
, para i = 1, 2, ..., n.
(a) Mostre que C e tambem base de V .
(b) Determine a matriz de transicao da base B para a base C.
(c) Determine a matriz de transicao da base C para a base B.
(07) Sejam B = v
1
, v
2
, ..., v
n
uma base do espaco vetorial V e C =
v
1
, v
1
v
2
, v
1
v
3
, ..., v
1
v
n
.
(a) Mostre que C e tambem base de V .
(b) Determine a matriz de mudanca da base B para a base C;
(c) Determine a matriz de transicao da base C para a base B.
Captulo 14
Espa co vetorial sobre um
corpo F
Objetivos
Denir espaco vetorial sobre um corpo arbitrario.
Ate entao estudamos apenas espacos vetoriais reais. Isto signica
que denimos em um conjunto V uma adicao e uma multiplicacao por es-
calar, onde os escalares usados nesta ultima operacao sao sempre n umeros
reais. Vejamos agora uma denicao mais geral de espaco vetorial sobre
um corpo arbitrario F. Todas as propriedades vistas para espacos veto-
rias reais sao tambem v alidas para espacos vetorias sobre um corpo F
qualquer. Iniciamos o captulo com a denicao de corpo.
Corpo
Denicao 27. Um corpo e um conjunto nao vazio F munido de duas
operacoes, uma adicao (+) e uma multiplicacao (.), como segue:
(1) a adicao associa a todo par de elementos a, b F o elemento a+b F
e satisfaz as seguintes propriedades para quaisquer a, b, c F:
(P1) (a +b) +c = a + (b +c) (e associativa);
(P2) a +b = b +a (e comutativa);
(P3) existe 0 F - chamado o elemento neutro da adicao - para o
qual a + 0 = 0, para todo a F;
(P4) para todo a F existe o elemento a F - chamado o inverso
aditivo de a - tal que a + (a) = 0.
(2) a multiplicacao associa a todo par de elementos a, b F, o elemento Estas nove propriedades sao
chamadas os axiomas do
corpo.
106
UFPA

Algebra Linear 107
a.b F e satisfaz as seguintes propriedades para quaisquer a, b, c F:
(P5) (a.b).c = a.(b.c) (e associativa);
(P6) a.b = b.a (e comutativa);
(P7) existe 1 F (1 ,= 0) - chamado o elemento neutro da multi-
plicacao (ou elemento unidade do corpo) - para o qual a.1 = a, para todo
a F;
(P8) para todo elemento nao nulo a F existe o elemento a
1
F -
chamado o inverso multiplicativo de a - tal que a.a
1
= 1.
Alem disso, para quaisquer a, b, c F, vale a propriedade distributiva:
(P9) a.(b +c) = a.b +a.c e (b +c).a = b.a +c.a.
Os elementos de um corpo sao chamados escalares. Se F e um conjunto
nito, dizemos que o corpo e nito. Caso contrario, diz-se que o corpo e
innito.
Exemplos 29.
(1) (Q, +, .) - o conjunto dos racionais com as operacoes usuais de adicao
e multiplicacao e um corpo - chamado o corpo dos racionais.
(2) (R, +, .) - o conjunto dos reais com as operacoes usuais de adicao
e multiplicacao e um corpo - chamado o corpo dos reais.
(3) (C, +, .) - o conjunto dos complexos com as operacoes usuais de adicao
e multiplicacao e um corpo - chamado o corpo dos complexos.
(4) Considere Q[
2] = a + b
2 [ a, b Q. Denimos neste conjunto

uma adicao e uma multiplicacao do seguinte modo:
(1) Adicao:
(a +b
2) + (c +d
2) = (a +c) + (b +d)
2
(2) Multplicacao:
(a +b
2).(c +d
2) = (ac + 2bd) + (ad +bc)
2
(Q[
2], +, .) e um corpo.
(5) Considere o conjunto Z
5
= 0, 1, 2, 3, 4, onde a = a + 5k [ k Z,
para a = 0, 1, 2, 3, 4. Denamos neste conjunto as seguintes operacoes:
(1) Adicao:
a +b = r,
onde r e o resto da divisao do inteiro a +b por 5;
108

Algebra Linear UFPA
(2) Multiplicacao:
a.b = s,
onde s e o resto da divisao do inteiro a.b por 5.
Por exemplo, 2 +4 = 1, pois 1 e o resto da divisao do inteiro 2 +4 = 6
por 5 e 2.4 = 3, pois 3 e o resto da divisao do inteiro 2.4 = 8 por 5.
Com estas operacoes (Z
5
, +, .) e um corpo nito.
Contra-exemplo:
(1) (Z, +, .) - o conjunto dos inteiros com as operacoes usuais de soma
e mutiplicacao nao e um corpo, pois a propriedade P8 nao e satisfeita;
(2) Considere o conjunto Z
4
= 0, 1, 2, 3, com a = a + 4k [ k Z.
Denimos neste conjunto as seguintes operacoes:
(1) Adicao:
a +b = r,
onde r e o resto da divisao do inteiro a +b por 4;
(2) Multiplicacao:
a.b = s,
onde s e o resto da divisao do inteiro a.b por 4.
Ao contrario do exemplo dado no item (5), (Z
4
, +, .) nao e corpo, pois
a propriedade P8 nao e vericada. Observe que 2.0 = 0, 2.1 = 2, 2.2 = 0,
2.3 = 2, ou seja, 2.a ,= 1, qualquer que seja a Z
4
. Isto implica que 2 nao
tem inverso multiplicativo em Z
4
(1) Seja Q[
2] = a + b
2 [ a, b Q o conjunto dado item 5 de Ex-

emplo 29. Mostre que dados a+b
2 e c+d
2 Q[
2], a+b
2 = c+d
2
se, e somente se, a = c e b = d.
(2) Mostre que as propriedades P1, P2, ..., P9 da Denicao 27 sao validas
em cada um dos itens 1, 2, 3, 4 e 5 do Exemplo 29.
Espacos vetoriais sobre um corpo F
Agora estamos em condicao de denir espaco vetorial sobre corpos
arbitrarios.
Denicao 28. Um espaco vetorial sobre um corpo F e um conjunto
nao vazio V munido de duas operacoes: a adicao e a multiplicacao
UFPA

Algebra Linear 109
por escalar, como descritas a seguir:
(i) a adicao associa a todo par de elementos u, v V , o elemento u + v
em V , denominado a soma de u e v, e tem as seguintes propriedades para
quaisquer u, v, w em V :
(A1) (u +v) +w = u + (v +w) (e associativa);
(A2) u +v = v +u (e comutativa);
(A3) existe 0 V , tal que u + 0 = u, para todo u V ;
(0 e chamado o elemento neutro da adicao)
(A4) para todo u V , existe u V , tal que u + (u) = 0
(u e chamado o oposto de u).
(ii) a multiplicacao por escalar associa a todo escalar F e a
todo u V , o elemento u em V e tem as seguintes propriedades para
quaisquer u, v V e quaisquer , F:
(M1) ()u = (u);
(M2) ( +)u = u +u;
(M3) (u +v) = u +v;
(M4) 1u = u.
Compare a denicao acima com a Denicao 13 de espaco vetorial real,
dada na Aula 7. Observe as diferencas e semelhancas entre elas.
Se V e um espaco vetorial sobre um corpo F e costume dizer que V e
um F-espaco vetorial.
Exemplos 30.
(1) Todo corpo e um espaco vetorial sobre ele proprio.
Seja F um corpo arbitrario. Considerando as operacoes do corpo, F
pode ser visto como um espaco vetorial sobre o proprio corpo F. De
fato, as propriedades (A1), (A2), (A3) e (A4) da Denicao 28, correspon-
dem, respectivamente, as propriedades (P1), (P2), (P3) e (P4) dadas
na denicao de corpo. Com relacao à multiplicacao escalar, a propriedade
(M1) corresponde à propriedade (P5) do corpo, (M4) diz respeito à (P7),
e as propriedades (M2) e (M3) sao satisfeitas, conforme a propriedade
(P9) do corpo. Deste modo, o conjunto R dos n umeros reais e um espaco
vetorial sobre ele proprio, como ja havamos visto.
Observe que se F e um corpo com elemento unidade 1, entao 1) =
c.1 [ c F = c [ c F = F. isto implica que 1 e um gerador de F e
se c F e tal que c.1 = 0, entao c = 0. Assim 1 e base de F e portanto
a dimensao de F como um F-espaco vetorial e 1.
(2) O conjunto C = a + bi [ a, b R dos complexos e um espaco
vetorial sobre o corpo R, como ja visto. Neste caso 1, i e uma base
deste espaco, logo dimC como R-espaco vetorial e 2. Mas, pelas consi-
deracoes feitas acima ele e tambem um espaco vetorial sobre o corpo dos
110

Algebra Linear UFPA
complexos, sendo 1 uma base. Assim, considerando C como C-espaco
vetorial, dimC = 1.
(3) Seja C
2
= (z
1
, z
2
) [ z
1
, z
2
C. Considere F = C, o corpo dos
complexos. Deninamos em C
2
as seguintes operacoes:
(1) Adicao:
(z
1
, z
2
) + (z
t
1
, z
t
2
) = (z
1
+z
t
1
, z
2
+z
t
2
),
sendo a adic ao à direita, a denida em C.
(2) Multiplicacao por escalar:
zz
1
= z(a +bi) = za + (zb)i,
considerando z
1
= a +bi e z C.
C
2
com estas operacoes e um espaco vetorial sobre o corpo dos com-
plexos. Qual e a dimensao deste espaco vetorial?
- Para responder a esta pergunta, precisamos determinar um base deste
espaco. Inicialmente vamos encontrar um conjunto gerador de C
2
.
Sejam z
1
= a
1
+b
1
i e z
2
= a
2
+b
2
i C
2
, com a
1
, a
2
, b
1
, b
2
R. Entao
(z
1
, z
2
) = (z
1
, 0) + (0, z
2
) = z
1
(1, 0) +z
2
(0, 1). Assim B = (1, 0), (0, 1) e
gerador de C
2
. Alem disso, B e um conjunto linearmente independente,
pois se z
1
, z
2
C sao tais que z
1
(1, 0) +z
2
(0, 1) = (0, 0) (z
1
, z
2
) = (0, 0)
z
1
= 0 e z
2
= 0. Portanto B = (1, 0), (0, 1) e base de C
2
. Logo a
dimensao de C
2
como espaco vetorial sobre C e 2.
(4) Considere agora C
2
= (z
1
, z
2
) [ z
1
, z
2
C e F = R o corpo dos
reais. Deninamos em C
2
as seguintes operacoes:
(1) Adic ao:
(z
1
, z
2
) + (z
t
1
, z
t
2
) = (z
1
+z
t
1
, z
2
+z
t
2
)
cz
1
= c(a +bi) = ca + (cb)i,
considerando z
1
= a +bi e c R.
O conjunto C
2
com estas duas operacoes e um espaco vetorial real.
Qual e a dimensao de C
2
como espaco vetorial sobre R?
Observe que agora (1, 0), (0, 1) nao e um gerador de C
2
, pois o
elemento (i, 1), por exemplo, nao pode ser escrito como combinacao linear
dos elementos deste conjunto com coecientes reais (verique). Como
antes vamos determinar uma base de C
2
.
UFPA

Algebra Linear 111
Sejam z
1
= a
1
+ b
1
i e z
2
= a
2
+ b
2
i C
2
, com a
1
, a
2
, b
1
, b
2
R.
Neste caso estamos trabalhando no corpo dos reais, logo os esclares usa-
dos nas combinacoes lineares devem ser n umeros reais. Assim (z
1
, z
2
) =
(a
1
+ b
1
i, a
2
+ b
2
i) = (a
1
+ b
1
i, 0) + (0, a
2
+ b
2
i) = (a
1
, 0) + (b
1
i, 0) +
(0, a
2
) + (0, b
2
i) = a
1
(1, 0) + b
1
(i, 0) + a
2
(0, 1) + b
2
(0, i). Entao B =
(1, 0), (i, 0), (0, 1), (0, i) e gerador de C
2
. Por m, vamos vericar se
B e linearmente independente. Tomando c
1
, c
2
, c
3
, c
4
R, tais que:
c
1
(1, 0) +c
2
(i, 0) +c
3
(0, 1) +c
4
(0, i) = (0, 0)
(c
1
+c
2
i, c
3
+c
4
i) = (0, 0)
c
1
= c
2
= c
3
= c
4
= 0.
Portanto B = (1, 0), (i, 0), (0, 1), (0, i) e base de C
2
. Segue da que e a
dimensao de C
2
como espaco vetorial sobre R e 4.
(5) Considere Q[
2] = a + b
2 [ a, b Q. Denamos as seguintes
operacoes:
(1) Adicao:
(a +b
2) + (c +d
2) = (a +c) + (b +d)
2,
com a +b
2, c +d
2 Q[
2];
c.(a +b
2) = (ca +cb
2),
com a +b
2 Q[
2] e c Q.
Com estas operacoes Q[
2] e um espaco vetorial sobre o corpo Q

dos racionais. Observe que para todo a + b
2 Q[
2], tem-se a +
b
2 = a.1+b.
2 1,
2 e um gerador de Q[
2], o qual e linearmente

independente, pois se c
1
, c
2
Q sao tais que c
1
.1 + c
2
.
2 = 0 = 0 +
0.
2, entao c
1
= c
2
= 0 (conforme questao (1) do Exerccio 49). Assim
dimQ[
2] como Q-espaco vetorial e 2.

(1) Mostre que se F e um corpo, entao para todo inteiro n 1, F
n
=
F F ... F
. .
nfatores
= (a
1
, a
2
, ..., a
n
) [ a
1
, a
2
, ..., a
n
F e um espaco vetorial
sobre F considerando as operacoes:
Adicao:
(a
1
, a
2
, ..., a
n
) + (b
1
, b
2
, ..., b
n
) = (a
1
+b
1
, a
2
+b
2
, ..., a
n
+b
n
),
(a
1
, a
2
, ..., a
n
), (b
1
, b
2
, ..., b
n
) F
n
;
Multiplicacao por escalar:
c(a
1
, a
2
, ..., a
n
) = (ca
1
, ca
2
, ...ca
n
), c F, (a
1
, a
2
, ..., a
n
) F
n
.
112

Algebra Linear UFPA
(2) Usando os exemplos de corpos dados neste captulo e a questao ante-
rior, de exemplos de tres espacos vetoriais, distintos dos ja vistos no curso.
(3) Dizemos que um subconjunto nao vazio F
t
de um corpo F e um sub-
corpo de F, se F
t
e tambem um corpo com relacao as operacoes denidas
em F (diz-se tambem que F e uma extensao de F
t
). Mostre que se F
t
e
um subcorpo de um corpo F, entao:
(a) F e um espaco vetorial sobre F
t
, considerando as operacoes denidas
em F, isto e,
F F F F
t
F F
(a, b) a +b (c, a) ca.
(b) Se V e um espaco vetorial sobre F, entao V e tambem um espaco
vetorial sobre F
t
.
(4) Seja M
mn
(C) o conjunto das matrizes do tipo mn com elementos
complexos com as operacoes usuais de adicao e multiplicacao por escalar.
(a) Mostre que M
mn
(C) com as operacoes mencionadas acima e um
espaco vetorial sobre C.
(b) Usando o fato de que R e um subcorpo de C, mostre que M
mn
(C) e
tambem um espaco vetorial sobre R.
(5) Considerando M
2
(C) como espaco vetorial sobre C, determine uma
base e a dimensao dos seguintes (sub)espacos:
(a) M
2
(C);
(b) W = A M
2
(C) [ A e diagonal ;
(c) W = A M
2
(C) [ A = A
T
;
(d) W = A M
2
(C) [ A = A
T
;
(6) Considerando M
2
(C) como espaco vetorial sobre R, determine uma
base e a dimensao dos seguintes (sub)espacos:
(a) M
2
(C);
(b) W = A M
2
(C) [ A e diagonal ;
(c) W = A M
2
(C) [ A = A
T
;
(d) W = A M
2
(C) [ A = A
T
;
(7) Determine a dimensao de M
mn
(C), considerando-o como:
(a) um espaco vetorial sobre C;
(b) um espaco vetorial sobre R.
(8) Considerando C
2
como espaco vetorial sobre R, determine a dimensao
do subespaco W = (z
1
, z
2
) C
2
[ z
1
= z
2
.
(9) Considere U = a + b
2 [ Q[
2] [ a = 2b e W = a + b
2
Q[
2] [ b = 0.
UFPA

Algebra Linear 113
(a) Mostre que U e W s ao subespacos do Q-espaco vetorial Q[
2].
(b) Determine uma base e a dimensao de U, W, U +W e U W.
(c) Q[
2] = U W? Justique.
(10) Pela questao (1), C
3
e um espaco vetorial sobre C e pela letra
(b) da questao (3) e tambem um espaco vetorial sobre R. Seja S =
(2, 1, 0), (1, 0, 1), (2i, i, 0), (i, 0, i) C
3
.
(a) Verique se S e l.d. ou l.i., considerando C
3
um C-espaco vetorial.
(b) Verique se S e l.d. ou l.i., considerando C
3
um R-espaco vetorial.
Captulo 15
Transformac oes lineares
Objetivos
Denir transformacoes lineares
Saber reconhecer quando uma funcao e linear
1 Denicao
Denicao 29. Sejam V e W espacos vetoriais sobre um corpo F. Diz-se
que uma funcao T : V W e uma transformacao (ou aplicacao)
linear de V em W, se T satisfaz as seguintes condicoes, para quaisquer
vetores u, v V e para qualquer escalar em F:
(i) T(u +v) = T(u) +T(v);
(ii) T(u) = T(u).
Uma aplicacao T : V W e linear se preservaas duas operacoes do
espaco vetorial: adicao e multiplicacao por escalar.
De modo equivalente podemos dizer que T : V W e uma trans-
formacao linear se
T(u +v) = T(u) +T(v), u, v V e F
onde as condicoes (i) e (ii) da denicao acima sao reunidas em uma so.
Exemplos de transformac oes lineares
(1) Sejam V e W espacos vetoriais reais e T : V W denida por
T(u) = 0, para todo u V .
114
UFPA

Algebra Linear 115
A aplicacao T e linear, pois u, v V e R, tem-se:
T(u +v) = 0 = .0 + 0 = .T(u) +T(v)
Esta transformacao e chamada de transformacao nula.
(2) Seja V um espaco vetorial real e I : V V , denida por I(u) = u,
para todo u V (funcao identidade).
A funcao I e linear, pois u, v V e R, tem-se:
I(u +v) = u +v = T(u) +T(v)
(3) T : R R, denida por T(x) = ax, x R, com a R xo.
Para todos x, y, c R, tem-se que:
T(cx +y) = a(cx +y) = c(ax) +ay = cT(x) +T(y)
Logo T e linear.
(4) Seja A M
mn
(R) xa. A aplicacao T : R
n
R
m
, denida por
T(X) = AX, para todo X R
n
e linear, pois para quaisquer X, Y R
n
e qualquer c R temos
T(cX +Y ) = A(cX +Y ) = c(AX) +AY = cT(X) +T(Y ).
Contra-exemplos:
(1) T : R R, denida por T(x) = 2x + 1.
Observe que T(1) +T(2) = 3+5 = 8 ,= T(1+2) = 7. Logo T nao e linear,
pois contraria a condicao (i) da denicao.
(2) T : R
2
R
2
, denida por T(x, y) = (x
2
, x +y);
Tomando u = (2, 1), tem-se 2T(u) = 2(4, 3) = (8, 6) ,= T(2u) = (16, 6).
Portanto T nao e uma transformacao linear.
Operador linerar
Denicao 30. Quando V = W, a transformacao linear T : V V e
chamada operador linear.
Exemplos de operadores lineares:
(1) T : R
3
R
3
, denida por T(x, y, z) = (x, y, 0) (projecao sobre o plano
xy);
Dados u = (x
1
, y
1
, z
1
), v = (x
2
, y
2
, z
2
) R
3
e R temos:
T(u +v) = T((x
1
+x
2
, y
1
+y
2
, z
1
+z
2
)
116

Algebra Linear UFPA
= (x
1
+x
2
, y
1
+y
2
, 0)
= (x
1
, y
1
, 0) + (x
2
, y
2
, 0)
= T(u) +T(v).
Portanto T e um aplicacao linear. Em particular, como domnio e con-
tradomnio de T sao iguais, dizemos que T e um operador linear.
(2) D : T(R) T(R), denida por D(p(x)) = p(x)
t
, onde p(x)
t
indica a
derivada do polinomio p(x).
Das propriedades da derivada de uma funcao segue que para quaisquer
p(x), q(x) T(R) e qualquer c R, tem-se:
D(cp(x) +q(x)) = (cp(x) +q(x))
t
- pela denicao do operador D;
= cp(x)
t
+q(x)
t
- propriedades da derivada;
= cD(p(x)) +D(q(x)) - denicao de D.
Portanto D e um operador linear sobre T(R).
Funcional linerar
Denicao 31. Quando W = F, a aplicacao aplicacao linear T : V F
(contradomnio e o conjunto o corpo F) e chamada um funcional linear.
Exemplos de funcionais lineares:
(1) Seja ([a, b] o espaco das funcoes contnuas em um intervalo fechado
[a, b] e T : ([a, b] R, denida por T(f) =
_
b
a
f(t)dt, f V .
Dadas funcoes f, g ([a, b] e c R, temos que:
T(cf +g) =
_
b
a
(cf +g)dt - denicao de T;
= c
_
b
a
fdt +
_
b
a
gdt - propriedades da integral
= cT(f) +T(g) - denicao de T.
Portanto T e uma transformacao linear. Em particular, como o con-
tradomnio de T e o corpo R, dizemos que T e um funcional linear.
(2) Seja tr : M
n
(R) R a funcao traco, denida por tr(A) =
n
i=1
a
ii
,
para toda matriz A = (a
ij
) M
n
(R). tr e uma funcional linear. (verique)
(3) Sejam a
1
, a
2
, ..., a
n
R xos. A funcao T : R
n
R, denida por
T(x
1
, x
2
, ..., x
n
) =
n
i=1
a
i
x
i
e um funcional linear. (verique)
(1) Seja T : R
2
R
2
a funcao denida por T(x, y) = (2x, 3y).
(a) Calcule T(3, 1) +T(2, 4)
(b) Calcule T((3, 1) + (2, 4))
(c) Os resultados obtidos em (a) e (b) sao iguais ou diferentes? Os calculos
feitos em (a) e (b) foram iguais ou diferentes? Justique sua resposta
(d) Calcule 2 T(1, 3)
UFPA

Algebra Linear 117
(e) Calcule T(2 (1, 3))
(f) Os resultados obtidos nas letras (d) e (e) sao iguais ou diferentes? E
os calculos? Qual a diferenca entre eles?
(g) T e uma funcao linear?
(2) Seja T : R
2
R
2
a funcao denida por T(x, y) = (2x + 4, 3y).
(a) Calcule T(3, 1) +T(2, 4)
(b) Calcule T((3, 1) + (2, 4))
(c) Os resultados obtidos em (a) e (b) sao iguais ou diferentes? Os calculos
feitos em (a) e (b) foram iguais ou diferentes? Justique sua resposta
(d) Calcule 2 T(1, 3)
(e) Calcule T(2 (1, 3))
(f) Os resultados obtidos nas letras (d) e (e) sao iguais ou diferentes? E
os calculos? Qual a diferenca entre eles?
(g) T e uma funcao linear?
(3) - Vericar quais das aplicacoes abaixo sao lineares (para estas identi-
que os operadores e os funcionais lineares):
(a) T : R
2
R
2
; T(x, y) = (x + 2y, y);
(b) T : R
2
R
2
; T(x, y) = (x + 2, y);
(c) T : R
2
R; T(x, y) = xy;
(d) T : R
3
R
2
; T(x, y, z) = (x y + 2z, 2x +y, x 2y + 2z);
(e) T : R
3
R
3
; T(x, y, z) = (2x y +z, 0, 0);
(f) T : M
n
(R) M
n
(R); T(A) = BA AB; com B M
n
(R) e xa;
(g) T : M
n
(R) R
n
; T(A) = (a
11
, a
22
, ..., a
nn
);
(h) T : T
n
(R) T
n
(R); T(p(x)) = x.p(x)
t
(p(x)
t
e a derivada de p(x)).
(i) T : T
n
(R) T
n
(R); T(p(x)) = 3p(x)
tt
2p
t
(x) + 1.
(4) De dois exemplos para cada um dos itens abaixo:
(a) Transformacao linear de R
3
em R
2
;
(b) Operador linear sobre o R
2
;
(c) Funcional linear sobre R
2
.
(5) Mostre que se T : V W e uma funcao linear, entao
T(0) = 0
isto e, T leva o vetor nulo de V no vetor nulo de W. De um contra-
exemplo, mostrando que a recproca desta propriedade nao e verdadeira.
(6) Mostre que se T : V W e uma transformacao linear, entao T(u) =
T(u), para todo u V .
(7) Mostre que se T : V W e uma funcao linear, entao para todo
n umero natural n 1,
T(
1
v
1
+
2
v
2
+...
n
v
n
) =
1
T(v
1
) +
2
T(v
2
) +... +
n
T(v
n
)
118

Algebra Linear UFPA
para quaisquer escalares
1
,
2
, ...,
n
e quaisquer v
1
, v
2
, ..., v
n
V .
(8) Sejam W
1
e W
2
subespacos de um espaco vetorial V tais que V =
W
1
W
2
. Sejam T
1
e T
2
as funcoes de V em V , tais que para todo v =
w
1
+w
2
, com w
1
W
1
e w
2
W
2
associam respectivamente T
1
(v) = w
1
e
T
2
(v) = w
2
. Mostre que T
1
e T
2
sao lineares.
(9) Sejam T
1
e T
2
dois operadores lineares sobre um espaco vetorial V
e c um escalar. Mostre que os operadores abaixo sao tambem lineares:
(a) T
1
+T
2
(b) cT
1
(c) T
1
T
2
.
Captulo 16
Calculo da transformacao
Linear
Objetivos
Determinar a transformacao linear a partir da imagem de uma base
Considere V e W espacos vetoriais sobre um corpo F. Sejam
T : V W uma transformacao linear e B = v
1
, v
2
, ..., v
n
uma base
ordenada de V . Suponhamos conhecidas as imagens dos elementos da base
B pela transformacao T, isto e, que T(v
1
) = w
1
, T(v
2
) = w
2
, ..., T(v
n
) =
w
n
sejam conhecidas. Como B e base de V , para todo vetor u em V
existem unicos escalares
1
,
2
, ...,
n
F, tais que:
=
1
v
1
+
2
v
2
+... +
n
v
n
Aplicando T à esta identidade e usando a questao 7 do exerccio do
captulo anterior, obtem-se:
T(u) =
1
T(v
1
) +
2
T(v
2
) +... +
n
T(v
n
) =
n
i=1
i
w
i
Esta e uma das grandes vantagens das transformacoes lineares, elas
cam perfeitamente determinadas a partir da imagem de uma base do
domnio.
(1) Seja T : R
3
R
3
uma transformacao linear para a qual T(1, 0, 0) =
(1, 1, 2), T(0, 1, 0) = (1, 2, 1) e T(0, 0, 1) = (2, 1, 1). Determine:
(a) T(3, 2, 1);
(b) a regra que dene T.
Solucao:
119
120

Algebra Linear UFPA
Sabemos que B = (1, 0, 0), (0, 1, 0), (0, 0, 1) e uma base do R
3
(base
canonica). Logo conhecemos a imagem de uma base do domnio pela
transformacao T. Com isto podemos calcular a imagem de um vetor qual-
quer do R
3
.
(a) O primeiro passo e calcular o vetor (3, 2, 1) como combinacao linear
dos vetores da base B. Fazendo isto obtemos:
(3, 2, 1) = 3.(1, 0, 0) + 2.(0, 1, 0) + 1.(0, 0, 1)
Aplicando T aos dois lados desta identidade:
T(3, 2, 1) = T (3.(1, 0, 0) + 2.(0, 1, 0) + 1.(0, 0, 1))
Usando o fato de que T e linear obtemos:
T(3, 2, 1) = 3.T(1, 0, 0) + 2.T(0, 1, 0) + 1.T(0, 0, 1)
Agora substituimos os valores de T(0, 1, 0), T(0, 1, 0) e T(0, 0, 1) forneci-
dos na questao:
T(3, 2, 1) = 3.(1, 1, 2) + 2.(1, 2, 1) + 1.(2, 1, 1)
Por m, efetuando a soma destes ternos obtemos:
T(3, 2, 1) = (7, 8, 9)
(b) Vamos repetir o processo feito na letra (a), para um vetor (x, y, z)
arbitrario do R
3
.
(x, y, z) = x(1, 0, 0) +y(0, 1, 0) +z(0, 0, 1)
Aplicando T à esta identidade e usando o fato de que T e linear, obtem-se:
T(x, y, z) = xT(1, 0, 0) +yT(0, 1, 0) +zT(0, 0, 1)
.
Usando agora os valores dados para as imagens:
T(x, y, z) = x(1, 1, 2) +y(1, 2, 1) +z(2, 1, 1) = (x+y +2z, x+2y +z, 2x+
y +z).
(2) Sejam n 1 um inteiro e D : T
n
(R) T
n
(R) um operador lin-
ear. Sabendo-se que D(1) = 0, D(x) = 1, D(x
n
) = nx
n1
, para todo
n 2 vamos determine a regra que dene D.
Solucao:
Como B = 1, x, x
2
, ..., x
n
e uma base para T
n
(R), entao conhecemos
a imagem de uma base de T
n
(R), e isto e suciente para determinarmos
a regra que dene D.
UFPA

Algebra Linear 121
Seja p(x) = a
0
.1 +a
1
x+a
2
x
2
+... +a
n
n
T
n
(R), arbitrario. Aplicando
D a esta identidade temos:
D(p(x)) = D(a
0
.1 +a
1
x +a
2
x
2
+... +a
n
x
n
)
Usando o fato de que D e linear:
D(p(x)) = a
0
.D(1) +a
1
.D(x) +a
2
D(x
2
) +... +a
n
.D(x
n
)
Usando agora os valores dados na questao
D(p(x)) = a
0
.0 +a
1
.1 + 2a
2
.x +...n.a
n
x
n1
=
n1
i=1
i.a
i
x
i
= p(x)
t
(1) Seja T : R R
2
uma funcao linear. Determine a regra que dene T,
sabendo que T(3) = (1, 2).
(2) Seja T um operados linear sobre R
2
. Determine a regra que dene
T, sabendo que T(1, 0) = (2, 2) e T(0, 1) = (0, 3).
(3) Seja T um operador linear sobre R
2
. Calcule T(1, 1), sabendo que
T(2, 0) = (0, 0) e T(3, 1) = (1, 1).
(4) Determine a regra da transformacao linear T : R
3
R
2
sabendo-
se que T(1, 2, 5) = (2, 1), T(3, 3, 0) = (0, 4) e T(0, 1, 6) = (0, 0).
(5) Determine a regra do operador linear T : T
2
(R) T
2
(R), sabendo-se
que T(2) = 0, T(x + 2) = 0 e T(2x
2
+x 1) = 4x.
(6) Determine a regra do funcional linear T : M
2
(R) R para o qual
T(
_
1 0
0 0
_
) = 1, T(
_
0 1
0 0
_
= 0, T(
_
0 0
1 0
_
) = 0, T(
_
0 0
0 1
_
) = 1.
Captulo 17
Matriz da transformacao
linear
Objetivos
Calcular a matriz de uma transformacao linear
As transformacoes lineares, quando denidas em espacos vetoriais
de dimensao nita, podem ser vistas como se fossem matrizes, e a acao
destas sobre os vetores corresponde ao produto matricial. Neste captulo
veremos como calcular a matriz associada a uma transformacao linear.
Sejam V e W espacos vetorias sobre um corpo F, com dimV = n e
dimW = m. Considere T : V W uma transformacao linear e tomemos
B = v
1
, v
2
, ..., v
n
e B
t
= w
1
, w
2
, ..., w
m
, bases ordenadas de V e W,
respectivamente.
Como ja vimos, para descrever T basta saber o valor desta funcao nos
elementos da base B. Seja u um vetor arbitrario de V e suponha que
[u]
B
=
_
_
_
_
x
1
x
2
..
x
n
_
_
_
_
seja o vetor das coordenadas de u em relacao à base B.
Entao
u = x
1
v
1
+x
2
v
2
+... +x
n
v
n
=
n
j=1
x
j
v
j
.
Aplicando T a esta identidade obtem-se:
T(u) =
n
j=1
x
j
T(v
j
)
122
UFPA

Algebra Linear 123
Como os vetores T(v
1
), T(v
2
), ..., T(v
n
) W, cada um deles pode ser
escrito de modo unico como combinacao linear dos elementos de B
t
, que
e base de W. Assim existem unicos escalares a
ij
, i = 1, 2, ..., m, j =
1, 2, ..., n, tais que:
T(v
1
) = a
11
w
1
+ a
21
w
2
+ ... + a
m1
w
m
=
m
i=1
a
i1
w
i
T(v
2
) = a
12
w
1
+ a
22
w
2
+ ... + a
m2
w
m
=
m
i=1
a
i2
w
i
... = ... + ... + ... + ...
T(v
n
) = a
1n
w
1
+ a
2n
w
2
+ ... + a
mn
w
m
=
m
i=1
a
in
w
i
(17.1)
Usando (17.1) na identidade acima, obtem-se:
T(u) =
n
j=1
x
j
T(v
j
) =
n
j=1
x
j
(
m
i=1
(a
ij
w
i
)) =
m
i=1
(
n
j=1
a
ij
x
j
)w
i
Obtivemos assim T(u) como combinacao linear dos vetores da base B
t
,
entao,
[T(u)]
B
=
_
_
_
_
a
11
x
1
+a
12
x
2
+... +a
1n
x
n
a
21
x
1
+a
22
x
2
+... +a
2n
x
n
..........
a
m1
x
1
+a
m2
x
2
+... +a
mn
x
n
_
_
_
_
=
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
.
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
Portanto,
[T()]
B
= A.[u]
B
(17.2)
onde, A e a matriz mn formada pelos escalares a
ij
, isto e,
A =
_
_
_
_
a
11
a
21
... a
1n
a
21
a
22
... a
2n
... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
Denicao 32. A matriz A descrita acima e chamada a matriz repre-
sentante de T em relacao ao par de bases B e B
t
.
Observe que a matriz representante e uma matriz de ordem dimW
dimV , cuja j-esima coluna A
j
e dada por:
A
j
= [T(v
j
)]
B
j = 1, 2, ..., n
Notacao: Usaremos a notacao [T]
B,B
para a matriz representante da
transformacao linear T : V W em relacao ao par de bases ordenadas
B (base de V ) e B
t
(base de W). Com esta notacao, a relacao dada em
(17.2) ca:
[T(u)]
B
= [T]
B,B
.[u]
B
(17.3)
124

Algebra Linear UFPA
Se T e um operador linear e costume tomar a base B
t
= B. Neste
caso, dizemos simplesmente a matriz representante de T em à base B, e
denotamos por [T]
B
.
(1) Seja T : R
2
R
3
, denida por T(x, y) = (x + 3y, 2x + y, 2x).
Determine [T]
B,B
, onde B e B
t
sao as bases canonicas de R
2
e R
3
, respec-
tivamente.
Solucao:
Para facilitar a notacao vamos denotar por A a matriz [T]
B,B
. Temos
que B = (1, 0), (0, 1) e B
t
= (1, 0, 0), (0, 1, 0), (0, 0, 1).
Pela denicao sabemos que A e uma matriz de ordem dimR
3
dimR
2
,
ou seja, 3 2, cuja colunas sao dadas por:
1a. coluna: A
1
= [T(1, 0)]
B
- vetor das coordenadas de T(1, 0) em
relacao à base B
t
Inicialmente vamos calcular T(1, 0) usando a regra da funcao:
T(1, 0) = (1, 2, 2)
Agora escrevemos a imagem calculada, que e um vetor do R
3
, como com-
binacao linear da base B
t
:
(1, 2, 2) = a
11
(1, 0, 0) +a
21
(0, 1, 0) +a
31
(0, 0, 1)
Os coecientes encontrados, no caso a
11
= 1, a
21
= 2 e a
31
= 2, formam
a primeira coluna de A. Assim A
1
=
_
_
1
2
2
_
_
.
2a. coluna: A
2
= [T(0, 1)]
B
- vetor das coordenadas de T(0, 1) em
relacao à base B
t
Repetimos o mesmo processo da 1a. coluna, porem agora usando o se-
gundo vetor da base B, no caso, o vetor (0, 1).
T(0, 1) = (3, 1, 0)
e
(3, 1, 0) = a
12
(1, 0, 0) +a
22
(0, 1, 0) +a
32
(0, 0, 1)
Os coecientes encontrados, no caso a
11
= 3, a
21
= 1 e a
31
= 0, formam a
segunda coluna de A. Logo, A
2
=
_
_
3
1
0
_
_
.
Assim, [T]
B,B
=
_
_
1 3
2 1
2 0
_
_
.
UFPA

Algebra Linear 125
(2) Seja D : T
3
(R) T
3
(R) o operador derivada. Determine a matriz
representante de D em relacao à base B = 2, x + 1, x
2
+ 2, x
3
+ 2x
2
.
Solucao:
Seja A a matriz representante D em relacao à base B. A e uma matriz
de ordem dimT
3
(R) dimT
3
(R), ou seja, 4 4. E como no exerccio
anterior vamos calcular cada uma das 4 colunas de A.
1a. coluna:
Inicialmente vamos calcular a imagem do primeiro vetor da base B pelo
operador D:
D(2) = (2)
t
= 0
Agora escreveremos a imagem encontrada acima como combinacao linear
dos elementos da base B:
0 = a
11
.2+a
21
(x+1)+a
31
(x
2
+2)+a
41
(x
3
+2x
2
) = a
41
x
3
+(2a
41
+a
31
)x
2
+a
21
x+(2a
11
+a
21
+2a
31
)
Da igualdade de polinomios obtemos o sistema linear:
_
_
2a
11
+ a
21
+ 2a
31
= 0
a
21
= 0
a
31
= 0
a
41
= 0
Resolvendo este sistema linear, encontramos a
11
= a
21
= a
31
= a
41
= 0.
Assim, A
1
=
_
_
_
_
0
0
0
0
_
_
_
_
.
2a. coluna:
Calcularemos a imagem do segundo vetor da base B pelo operador D:
D(x + 1) = (x + 1)
t
= 1
E, em seguida escreveremos a imagem encontrada acima como combinacao
linear dos elementos da base B:
1 = a
12
.2 +a
22
(x + 1) +a
32
(x
2
+ 2) +a
42
(x
3
+ 2x
2
)
Como no caso anterior, da igualdade dos polinomios acima obtemos
um sistema linear. Resolvendo este sistema linear, encontramos a
12
=
1
2
,
a
22
= 0 e a
32
= a
42
= 0. Assim, A
2
=
_
_
_
_
1
2
0
0
0
_
_
_
_
.
3a. coluna:
126

Algebra Linear UFPA
Calculando a imagem do terceiro vetor da base B pelo operador D:
D(x
2
+ 2) = (x
2
+ 2)
t
= 2x
Agora escrevendo a imagem encontrada acima como combinacao linear
dos elementos da base B:
2x = a
13
.2 +a
23
(x + 1) +a
33
(x
2
+ 2) +a
43
(x
3
+ 2x
2
)
Como antes, resolvendo o sistema sistema linear encontrado obtemos a
13
=
1, a
23
= 2, a
33
= 0 e a
32
= 0. Assim, A
3
=
_
_
_
_
1
2
0
0
_
_
_
_
.
4a. coluna:
Calculando a imagem do terceiro vetor da base B pelo operador D:
D(x
3
+ 2x
2
) = (x
3
+ 2x
2
)
t
= 3x
2
+ 4x
Escrevendo a imagem encontrada acima como combinacao linear dos ele-
mentos da base B:
2x = a
14
.2 +a
43
(x + 1) +a
34
(x
2
+ 2) +a
44
(x
3
+ 2x
2
)
Resolvendo o sistema linear, encontramos a
14
= 5, a
24
= 4, a
34
= 3 e
a
44
= 0. Assim, A
4
=
_
_
_
_
5
4
3
0
_
_
_
_
.
(1) Seja T : R
2
R
2
, denida por T(x, y) = (2x3y, 4x+7y). Determine
[T]
B
, onde
(a) B e a base cononica do R
2
;
(b) B = (1, 2), (3, 5).
(2) Seja T : R
2
R
2
, denida por T(x, y) = (ax + by, cx + dy), com
a, b, c, d R, xos. Determine [T]
B
, onde B e a base cononica do R
2
.
(3) Seja T : T
n
(R) T
n
(R), denida por T(p(x)) = 2xp
t
(x). Deter-
mine [T]
B
, onde
(a) B = 1, x, x
2
, x
3
;
(b) B = 3, x + 1, x
2
+x, x
3
(4) Seja tr : M
n
(R) R a funcao traco. Determinar a matriz repre-
sentante do funcional tr em relacao as bases canonicas de M
n
(R) e R.
(5) Sabendo-se que a matriz de um operador T sobre R
3
em relacao à
UFPA

Algebra Linear 127
base (1, 1, 1), (1, 2, 1), (1, 1, 3) e
1
2
_
_
3 1 3
0 2 0
1 1 1
_
_
, determine a ma-
triz de T relativa à base canonica do R
3
.
(6) Seja F : R
2
R
2
e G : R
2
R
2
denidas por F(x, y) = (y, x + y) e
G(x, y) = (2x, x y). Determine a regra e matriz represente (em relacao
a base canonica) de cada uma transformacoes abaixo:
(a) F +G;
(b) 3F 2G;
(c) F G;
(d) G F.
(7) Sejam V um espaco vetorial de dimensao nita e B = e
1
, e
2
, ..., e
n
uma base ordenada de V . Se T e o operador linear sobre V , para o qual

T(e
i
) = e
i+1
, para i = 1, 2, ..., n 1 e T(e
n
) = 0, determine a matriz de T
em relacoa à base B.
Captulo 18
N ucleo e Imagem da
transformacao linear
Objetivos
Denir n ucleo e imagem de uma transformacao linear
Determinar o n ucleo e a nulidade da transformacao
Determinar a imagem e o posta da transformacao
Denicao 33. Seja T : V W uma transformacao linear. Entao:
(i) O conjunto u V [ T(u) = 0 e chamado o n ucleo (ou kernel) de T
e sera denotador por KerT;
(ii) o conjunto T(u) [ u V e chamado a imagem de T e sera deno-
tado por ImT.
Observe que uma transformacao linear T : V W e sobrejetora se
ImT = W. Quanto KerT = 0 dizemos que T e uma transformacao
nao-singular. Caso contrario, isto e, se KerT ,= 0, entao T e dita sin-
gular.
Proposicao 11. Seja T : V W uma transformacao linear. Entao
(i) o n ucleo de T e um subespaco de V ;
(ii) a imagem de T e um subespaco de W.
Demonstracao:
Sejam KerT = u V [ T(u) = 0 o n ucleo de T e ImT = T(u) [
u V sua imagem. Para mostrar que estes conjuntos sao subespacos
usaremos o Teorema 3 (veja Captulo 7).
(i) KerT = u V [ T(u) = 0 e subespaco de V :
128
UFPA

Algebra Linear 129
Como T e linear, entao T(0) = 0, logo 0 KerT e portanto este conjunto
e nao vazio. Sejam agora u, v KerT e R, entao
. T(u +v) = T(u) +T(v) - pois T e linear
= 0 + 0 - pois T(u) = T(v) = 0, ja que u, v KerT
= 0
.. T(u) = T(u) - pois T e linear
= .0 - pois T(u) = 0 ja que u KerT
= 0
Segue entao que u +v e u pertencem ao KerT e pelo Teorema 3, KerT
e subespaco de V .
(ii) ImT = T(u) [ u V e subespaco de W:
Como T e linear, entao T(0) = 0, logo 0 ImT e portanto este conjunto
e nao vazio. Sejam agora w
1
, w
2
ImT e R. Da denicao de imagem
segue que existem u, v V , tais que T(u) = w
1
e T(v) = w
2
. Como T e
linear temos:
. w
1
+w
2
= T(u) +T(v) = T(u +v) w
1
+w
2
ImT;
.. w
1
= T(u) = T(u) w
1
ImT.
Portanto, ImT e subespaco de W.
Denicao 34. Seja T : V W uma transformacao linear, com V um

espaco vetorial de dimensao nita. Neste caso,
(i) a dimensao do n ucleo de T e chamada a nulidade de T;
(ii) a dimensao da imagem de T e chamada o posto de T.
(1)Seja T : R
3
R
3
a transformacao linear denida por T(x, y, z) =
(x, y, 0). Determine:
(a) o n ucleo e a nulidade de T;
(b) a imagem e o posto de T.
Solucao:
(a) KerT = (x, y, z) R
3
[ T(x, y, z) = (0, 0, 0) = (x, y, z) R
3
[
(x, y, 0) = (0, 0, 0) = (0, 0, z) [ z R.
Para determinar a nulidade de T precisamos inicialmente determinar
uma base do n ucleo. Seja (0, 0, z) KerT, entao (0, 0, z) = z(0, 0, 1) e
da (0, 0, 1) e um gerador de KerT e como este conjunto e L.I. ele e
tambem base. Portanto, nulidade de T e 1.
(b) ImT = T(x, y, z) [ (x, y, z) R
3
= (x, y, 0) [ x, y R.
Tomando (x, y, 0) arbitrario na imagem, temos que (x, y, 0) = x(1, 0, 0)+
y(0, 1, 0). Logo (1, 0, 0), (0, 1, 0) e uma base da imagem, ja que e um ger-
ador L.I. Portanto posto de T e 2.
130

Algebra Linear UFPA
Observe que nulidade de T + posto de T = dimR
3
.
(2) Sejam V e W espacos vetoriais reais e T : V W a aplicacao nula,
ou seja, T(u) = 0, para todo u V . Determine o n ucleo a imagem de T.
Solucao:
(a) KerT = u V [ T(u) = 0 = V , logo se V e de dimensao nita,
entao nulidade de T = dimV .
(b) ImT = T(u) [ u V = 0 = ). Logo, posto de T e 0.
Observe que nulidade de T + posto de T = dimV .
(3) Sejam V um espaco vetorial real e I : V V o operador identi-
dade. Determine:
Solucao:
(a) KerI = u V [ I(u) = 0 = u V [ u = 0 = 0. O n ucleo neste
caso e o subespaco nulo de V , cuja e dimensao e 0 e portanto nulidade de
T e 0.
(b) ImI = I(u) [ u V = u [ u V = V . Sendo V de dimensao
nita, temos posto de T = dimV .
Observe que nulidade de I + posto de I = dimV .
(4) Seja T : R
3
R
3
o operador linear denida por T(x, y, z) = (x +
2y z, y + 2z, x +y z). Determine:
Solucao:
(a) KerT = (x, y, z) R
3
[ T(x, y, z) = (0, 0, 0) = (x, y, z) R
3
[
(x + 2y z, y + 2z, x + y z) = (0, 0, 0). Segue entao que KerT e o
espaco solucao do sistema linear homogeneo abaixo:
_
_
_
x + 2y z = 0
y + 2z = 0
x + y z = 0
.
Resolvendo este sistema obtemos KerT = (0, 0, 0), assim nulidade de T
e 0.
(b) ImT = T(x, y, z) [ (x, y, z) R
3
= (x +2y z, y +2z, x +y z).
UFPA

Algebra Linear 131
Para melhor identicarmos os vetores do R
3
que estao na imgem de T,
vamos procurar responder a seguinte questao: Qual a condicao para que
um vetor (a, b, c) do R
3
pertenca à ImT? Se (a, b, c) ImT, entao exis-
tem x, y, z R, tais que (a, b, c) = (x +2y z, y +2z, x +y z). De onde
segue que:
_
_
_
x + 2y z = a
y + 2z = b
x + y z = c
Escalonando a matriz aumentada deste sistema obtemos
_
_
1 2 1 a
0 1 2 b
0 0 2 b a +c
_
_
.
Como posto(A) = posto([A[b]), o sistema tem solucao qualquer que seja
(a, b, c). Assim ImT = R
3
. Consequentemente, posto de T e 3.
Neste caso tambem temos que nulidade de T + posto de T = dimR
3
.
O teorema a seguir garante que a relacao observada nos exemplos acima
entre o a nulidade e o posto de uma transformacao linear sempre ocorre.
Teorema 10. Sejam V e W espacos vetoriais sobre um corpo F, com
V um espaco de dimensao nita. Se T : V W e uma transformacao
linear, entao
dimV = nulidade de T + posto de T.
Demonstracao:
Suponha dimV = n e dimKerT = k. Como KerT e subespaco de
V , entao k n. Seja B
1
= v
1
, v
2
, ..., v
k
uma base do n ucleo de T.
Como B
1
V e linearmente independente, ele pode ser estendido a
uma base de V , isto e, existem vetores v
k+1
, ..., v
n
V , tais que B
2
=
v
1
, v
2
, ..., v
k
, v
k+1
, ..., v
n
e uma base de V . Vamos mostrar que o con-
junto B = T(v
k+1
), ..., T(v
n
) e uma base da imagem de T. Para isto
mostraremos que:
(i) B e um gerador da ImT:
Seja v ImT. Entao v = T(u), para algum u V . Sendo B
2
uma base
de V , segue que existem escalares c
1
, c
2
, ..., c
k
, ..., c
n
F, tais que
u = c
1
v
1
+c
2
v
2
+... +c
k
v
k
+c
k+1
v
k+1
+... +c
n
v
n
Aplicando T, que e linear, a esta identidade e usando o fato de que
v
1
, v
2
, ..., v
k
pertencem ao n ucleo de T, obtemos:
v = T(u) = c
k+1
T(v
k+1
) +... +c
n
T(v
n
)
portanto B gera ImT;
132

Algebra Linear UFPA
(ii) B e um conjunto linearmente independente:
Sejam c
k+1
, c
k+2
, ..., c
n
F, tais que:
c
k+1
T(v
k+1
) +c
k+2
T(v
k+2
) +... +c
n
T(v
n
) = 0
T(c
k+1
v
k+1
+c
k+2
v
k+2
+... +c
n
v
n
) = 0
c
k+1
v
k+1
+c
k+2
v
k+2
+... +c
n
v
n
KerT
existem c
1
, c
2
, ..., c
k
F tais que:
c
k+1
v
k+1
+c
k+2
v
k+2
+... +c
n
v
n
= c
1
v
1
+c
2
v
2
+... +c
k
v
k
c
1
v
1
+c
2
v
2
+... +c
k
v
k
+(c
k+1
)v
k+1
+(c
k+2
)v
k+2
+... +(c
n
)v
n
= 0.
Obtemos entao o vetor nulo escrito como combinacao linear dos ele-
mentos de B
1
, que e base de V , portanto um conjunto linearmente in-
dependente, logo os coecientes nesta combinacao linear sao todos nulos,
isto e, c
1
= c
2
= ... = c
k
= c
k+1
= ... = c
n
= 0.
Como B e base da imagem, entao Posto T = dim(ImT) = n k =
dimV dim(KerT), ou seja, dimV = nulidade de T + posto de T.
(1) Para cada uma das transformacoes lineares abaixo, determine uma
base do n ucleo, uma base da imagem, a nulidade e o posto da trans-
formacao:
(a) T : R
3
R
3
; T(x, y, z) = (x + 2y, y z, x + 2z);
(b) T : T
2
(R) T
3
(R); T(p(x)) = x
2
.p(x)
t
(c) T : M
2
(R) M
2
(R); T(A) = MA, onde M =
_
1 1
0 1
_
;
(2) Sejam V e W espacos vetoriais reais e T : V W uma aplicacao
linear. Mostre que T e injetora se, e somente se, KerT = 0.
(3) Seja T o operador sobre o R
3
dado por T(x, y, z) = (x y + 2z, 2x +
y, x 2y + 2z);
(a) Mostre que T e linear;
(b) Determine a matriz representante de T em relacao à base canonica do
R
3
;
(c) Quais as condicoes para que (a, b, c) R
3
esteja na imagem de T ?
Qual o posto de T ?
(d) Quais as condicoes para que um vetor (a, b, c) R
3
esteja no n ucleo
de T ? Qual a nulidade de T ?
(4) Seja T o operador sobre o R
3
para o qual T(1, 0, 1) = (1, 1, 1), T(0, 2, 3) =
(2, 1, 0) e T(0, 0, 4) = (0, 0, 2). Determine:
(a) T(2, 3, 4);
(b) A matriz representante de T em relacao a base canonica do R
3
;
(c) o n ucleo e a nulidade de T;
(d) a imagem e o posto de T.
UFPA

Algebra Linear 133
(5) Determine um operador linear sobre o R
3
cujo n ucleo seja gerador
por (1, 0, 0), (0, 5, 2).
(6) Determine um operador linear sobre o R
3
cuja imagem seja gerada
por (2, 1, 1), (1, 1, 2).
(7) Seja T : R
3
R
2
a aplicacao linear para a qual T(e
1
) = (1, 4),
T(e
2
) = (2, 9) e T(e
3
) = (3, 8), onde e
1
, e
2
e e
3
sao as colunas da
matriz identidade 3 3. Determine:
(a) T(x, y, z), para (x, y, z) R
3
arbitrario;
(b) O n ucleo, a imagem , a nulidade e o posto de T;
(c) A matriz de T em relacao as bases canonicas.
(8) Sejam V um espaco vetorial de dimensao nita n e T um operador
linear sobre V . Mostre que se a imagem e o n ucleo de T sao identicos,
entao n e um n umero par.
(9) Seja f : V R um funcional linear nao nulo no espaco vetorial
V , com dimV = n. Prove que existe uma base v
1
, v
2
, ..., v
n
de V , tal
que f(v
1
) = ...f(v
n1
) = 0 e f(v
n
) = 1.
Captulo 19
Isomorsmo de espacos
vetoriais
Objetivos
Identicar transformac oes inversveis
Calcular a inversa de uma transformacao inversvel
Denir isomorsmo de espacos vetoriais
1 Transformacao Inversvel
Denicao 35. Diz-se que uma transformacao linear T : V W e in-
versvel, se existe uma funcao T
1
: W V , chamada a inversa de T,
tal que
T T
1
= I
W
e T
1
T = I
V
,
onde I
W
e I
V
sao as funcoes identidade de W e V , respectivamente.
Sabemos que uma funcao e inversvel se, e somente se, ela e bijetora
(injetora e sobrejetora ao mesmo tempo). Logo uma transformacao linear
T : V W e inversvel se KerT = 0 (isto e, e injetora) e ImT = W (e
sobrejetora). E neste caso, mostra-se que sua inversa T
1
e tambem linear.
Exemplos 31.
(1) Seja T : R
2
R
2
, denida por T(x, y) = (y, 2x y) e T
1
: R
2
R
2
,
denida por T
1
(x, y) = (
x+y
2
, x). Como
(T T
1
)(x, y) = T(T
1
(x, y)) = T(
x+y
2
, x) = (x, y) = I(x, y) e
134
UFPA

Algebra Linear 135
(T
1
T)(x, y) = T
1
(T(x, y)) = T
1
(y, 2x y)) = (x, y) = I(x, y),
segue que T e inversvel com T
1
sendo a sua inversa, isto e, T
1
= T
1
.
Calculo da Inversa
Se T : V W e uma aplicacao linear inversvel, como determinar a
inversa T
1
? A resposta esta na propria denicao da aplicacao inversa.
Suponha v V e w W, tais que T(v) = w, entao
T(v) = w T
1
T(v) = T
1
(w) I(v) = T
1
(w) T
1
(w) = v
Assim, temos:
T(u) = w T
1
(w) = v (19.1)
(1) Seja T : R
2
R
2
, denida por T(x, y) = (y, 2x y). Determine T
1
.
Solucao:
Precisamos determinar T
1
(x, y) para (x, y) R
2
arbitrario. Por
(19.1), sabemos que:
T
1
(x, y) = (a, b) T(a, b) = (x, y)
Entao, para encontrar a regra que denie T
1
, basta escrevermos (a, b)
em funcao das coordenadas x e y. Para isto usaremos a regra que dene
T. Como T(a, b) = (b, 2a b) = (x, y) b = x e a =
x+y
2
. Assim
T
1
(x, y) = (
x+y
2
, x).
Escreva agora as matrizes representantes de T e T
1
em relacao à base
canonica do R
2
. Observe a relacao existente entre elas.
(2) Seja T : C R
2
, denida por T(a + bi) = (2a, b). Verique se T
e inversvel, caso armativo construa sua inversa T
1
.
Solucao:
Inicialmente vamos vericar se T e um funcao bijetora. KerT = a +
bi C [ T(a + bi) = (0, 0) = a + bi C [ (2a, b) = (0, 0) = (0, 0),
logo T e injetora. Usando o Teorema 10, temos dimC = nulidade de
T + posto T posto T = dimC ImT = C. Assim, T e tambem
sobrejetora, portanto bijetora, logo inversvel.
Suponha que T
1
(x, y) = a+bi. Entao T(a+bi) = (x, y) (2a, b) =
(x, y) a =
x
2
e b = y. Assim T
1
(x, y) =
x
2
yi.
136

Algebra Linear UFPA
Escreva as matrizes representantes de T e T
1
em relacao à base
canonica do R
2
. Observe a relacao existente entre elas.
(3) Considere W = A M
2
(R) [ A e triangular superior e T : W R
3
,
denida por T
__
a b
0 c
__
= (a+b, a+b, 2c). Verique se T e inversvel,
caso armativo construa sua inversa T
1
.
Solucao:
KerT =
_
a b
0 c
_
[ (a + b, a + b, 2c) = (0, 0, 0) =
_
a a
0 0
_
[
a R ,=
_
0 0
0 0
_
, logo T nao e injetora e consequentemente nao e
inversvel.
(1) Seja T : R
3
R
3
, denida por T(x, y, z) = (x 3y 2z, y 4z, z).
Verique se T e inversvel, caso armativo determine T
1
e as matrizes
representantes de T e T
1
em relacao a base canonica do R
3
.
(2) Determine a inversa da transformacao T : R
4
M
2
(R), denida por
T(x, y, z, t) =
_
x y
z t
_
. Escreva tambem suas matrizes representante,
considerando as bases canonicas de cada espaco.
(3) Seja T o operador linear sobre o R
3
denido por T(x, y, z) = (2x, 4x
y, 2x + 3y z).
(a) Mostre que T e inversvel;
(b) Determine T
1
.
2 Espacos Isomorfos
Denicao 36. Sejam V e W espacos vetoriais sobre um corpo F. Chama-
se isomorsmo de V em W a toda transformacao linear bijetora T :
V W.
Se existir um isomorsmo de V em W dizemos que eles sao isomorfos.
Exemplos 32.
(1) Todo espaco vetorial e isomorfo a si mesmo, ja que a funcao identidade
I : V V e uma funcao linear bijetora.
(2) Os espacos C e R
2
sao isomorfos, pois a funcao T : C R
2
, dada
UFPA

Algebra Linear 137
por T(a +bi) = (2a, b) e linear e inversvel (conforme visto acima), logo
um isomorsmo.
Proposicao 12. Todo espaco vetorial real de dimensao nita n e isomorfo
a R
n
.
Demonstracao:
Sejam V um espaco vetorial real, com dimV = n e B = v
1
, v
2
, ..., v
n
uma base ordenada de V . Denamos a seguinte funcao:

T : V R
n
v [v]
B
onde [v]
B
e o vetor das coordenadas de v em relacao à base B.
Temos que:
(i) T e linear:
Sejam u
1
=
1
v
1
+
2
v
2
+ ... +
n
v
n
, u
2
=
1
v
1
+
2
v
2
+ ... +
n
v
n
vetores em V e R. Entao:
T(u
1
+u
2
) = T((.
1
+
1
)v
1
+ (.
2
+
2
)v
2
+... + (.
n
+
n
)v
n
)
=
_
_
_
_
_
.
1
+
1
.
2
+
2
.
.
.
.
n
+
n
_
_
_
_
_
=
_
_
_
_
_
2
.
.
.
n
_
_
_
_
_
+
_
_
_
_
_
+
1
+
2
.
.
.
n
_
_
_
_
_
= .[u
1
]
B
+ [u
2
]
B
= T(u
1
) +T(u
2
).
(ii) T e injetora:
Se u =
1
v
1
2
v
2
+... +
n
v
n
KerT, entao
T(u
1
) = 0
_
_
_
_
_
2
.
.
.
n
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_

1
=
2
= ... =
n
= 0 v = 0
KerT = 0 T e injetora.
(iii) T e sobrejetora:
Seja w =
_
_
_
_
_
2
.
.
.
n
_
_
_
_
_
R
n
. Tomando u =
1
v
1
+
2
v
2
+... +
n
v
n
temos
que v V e T(u) = w. Assim, T e tambem sobrejetora
138

Algebra Linear UFPA
De (i), (ii) e (iii) segue que T e uma transformacao linear bijetora e
portanto um isomorsmo.
Se dois espacos vetorais sao isomorfos, existe uma correspondencia
biunvoca entre seus elementos e esta correspondencia preserva as operacoes
do espaco. Muitas vezes consideramos espacos vetorias isomorfos como
sendo o mesmo, embora os vetores e as operacoes destes sejam distintas.
(1) Mostre que o operador linear T : R
3
R
3
dado por T(x, y, z) =
(x +z, x z, y) e um inversvel e determine T
1
.
(2) Seja T : R
3
R
4
a funcao linear dada por T(x, y, z) = (x, x y, y
z, z).
(a) T e injetora?
(b) T e sobrejetora?
(c) T e um isomorsmo?
(3) Seja T : T
2
(R) T
3
(R) dada por T(p(x)) = p(x) + x
2
x
t
(t). De-
termine o n ucleo e a imagem de T. T e inversvel?
(4) Mostre que cada um dos operadores lineares abaixo sao inversveis
e determine o operador inverso.
(a) T(x, y, z) = (x 3y 2z, y 4z, z)
(b) T(x, y, z) = (x, x y, 2x +y z).
(5) Sejam T : U V uma transformacao linear e S = u
1
, u
2
, .., u
n
um subconjunto de U. Mostre que:

(a) Se T e injetora e S e linearmente independente em U, entao
T(u
1
), T(u
2
), ..., T(u
n
) e linearmente independente em V ;
(b) Se T(u
1
), T(u
2
), ..., T(u
n
) e linearmente independente em V , entao
S e linearmente independente em U.
(c) Se U = V e T(v
1
), T(v
2
), ..., T(v
n
) gera U, entao v
1
, v
2
, ..., v
n
tambem gera U.
(6) Considere uma transformacao linear T : U V . Mostre que se
dimU > dimV , entao existe um vetor nao nulo u
0
U tal que T(u
0
) = 0
(o vetor nulo de V ), ou seja, T nao e injetora.
(7) Mostre que o R
2
e isomorfo a qualquer subespaco de dimensao 2 do R
3
.
(8) Seja T : U V uma transformacao linear inversvel. Mostre que
a sua inversa T
1
: V U e tambem linear.
(9) Sejam T
1
: U V e T
2
: V W transformacoes lineares. Mostre que
UFPA

Algebra Linear 139
se T
1
e T
2
sao injetoras, entao a composta T
2
T
1
e tambem injetora.
(10) Sejam B = e
1
, e
2
, ..., e
n
a base canonica de R
n
e T o operador
linear sobre o R
n
dado por T(e
1
) = e
2
, T(e
2
) = e
3
, ..., T(e
n1
) = e
n
e
T(e
n
) = e
1
. Determine T(x
1
, x
2
, ..., x
n
) e verique se T e um isomorsmo.
Caso armativo, determine o automorsmo inverso.
Captulo 20
Produto Interno
Objetivos
Denir produto interno
Apresentar algumas propriedades do produto interno
Introducao
Conforme ja vimos em todo espaco vetorial estao denidas duas operacoes:
a adicao de vetores e a multiplicacao de um vetor por um escalar. Porem
voce ja deve ter estudado que em R
3
temos uma terceira operacao, a qual
associa a todo par de vetores v
1
= (x
1
, y
1
, z
1
) e v
2
= (x
2
, y
2
, z
2
) R
3
um
n umero real dado por:
v
1
.v
2
= x
1
x
2
+y
1
y
2
+z
1
z
2
(20.1)
Esta operacao e chamada produto escalar ou produto interno de v
1
e v
2
.
Em R
3
, trabalhamos com comprimento de vetor, distancia entre ve-
tores, angulo entre vetores, ortogonalidade, etc... Todos estes conceitos
sao denidos a partir do produto escalar dado em (20.1).
Aqui generalizaremos esta ideia, denindo em um espaco vetorial V ,
real ou complexo, uma terceira operacao, a qual, a exemplo do produto
escalar em R
3
, associa a todo par de vetores v
1
, v
2
V um escalar em R
(resp. em C), e deste modo poderemos tambem trabalhar em V com os
conceitos de angulos, distancia, comprimento, etc.
Ao longo de todo este captulo F representara o corpo dos n umeros
reais ou o corpo dos n umeros complexos.
140
UFPA

Algebra Linear 141
1 Denicao
Denicao 37. Seja V um espaco vetorial sobre o corpo F. Chama-se
produto interno sobre V a toda funcao f : V V F que tem as
seguintes propriedades, para quaisquer v
1
, v
2
, v
3
V e qualquer F:
(i) f(v
1
+v
2
, v
3
) = f(v
1
, v
3
) +f(v
2
, v
3
);
(ii) f(v
1
, v
2
) = f(v
1
, v
2
);
(iii) f(v
1
, v
2
) = f(v
2
, v
1
); (a barra indica o conjugado complexo)
(iv) f(v
1
, v
1
) > 0 para todo v
1
,= 0.
Quando F = R o conjugado complexo que aparece no item (iii) e
desnecessario, no entanto quando F = C ele faz-se necessario para a
coerencia da denicao, pois sem ele teramos a seguinte contradicao: Como
f(v, v) > 0, para todo v V , entao
0 < f(iv, iv) = i.f(v, iv) = i.f(iv, v) = i
2
.f(v, v) = 1.f(v, v) < 0
Se f : V V F e um produto interno sobre V e comum representar a
imagem f(v
1
, v
2
) por v
1
, v
2
). Com esta notacao as propriedades descritas
acima cam:
(i) v
1
+v
2
, v
3
) = v
1
, v
3
) +v
2
, v
3
);
(ii) v
1
, v
2
) = v
1
, v
2
);
(iii) v
1
, v
2
) = v
2
, v
1
);
(iv) v
1
, v
1
) > 0 para todo v
1
,= 0.
Exemplos
(I) Um produto interno em R
n
:
Dados v
1
= (x
1
, x
2
, ..., x
n
) e v
2
= (y
1
, y
2
, ..., y
n
) R
n
, denimos:
v
1
, v
2
) = x
1
y
1
+x
2
y
2
+... +x
n
y
n
=
n
i=1
x
i
y
i
(20.2)
Este produto e conhecido como produto interno canonico ou produto
escalar de R
n
(observe que este foi o produto dado na introducao para
n = 3).
(1) Sejam v
1
= (2, 3, 1, 0), v
2
= (1, 1, 0, 1) e v
3
= (2, 1, 3, 4). Usando
o produto interno canonico de R
4
, calcule:
(a) v
1
, 3v
2
+v
3
)
(b)
_
v
1
, v
1
)
142

Algebra Linear UFPA
(c)
v
2
v
2
,v
2
)
(2) Mostre que (20.2) dene um produto interno em R
n
.
(II) Um produto interno em M
n
(R):
Dados A = (a
ij
) e B = (b
ij
) M
n
(R) denimos:
A, B) = tr(B
T
A) (20.3)
(1) Sejam A =
_
2 1
0 3
_
, B =
_
0 1
1 4
_
e C =
_
1 1
1 8
_
M
2
(R).
Usando o produto interno denido acima, calcule:
(a) A, B)
(b) B, C)
(c) 2A +B, C)
(d)
_
A, A)
(e)
A
A,A)
(2) Mostre que (20.3) dene um produto interno em M
n
(R).
(III) Um produto interno em F([0, 1]; R) - o espaco das func oes
f : [0, 1] R contnuas:
Dados f, g V denimos:
f, g) =
_
1
0
f(t)g(t)dt (20.4)
(1) Sejam f(x) = 2x + 1, g(x) = x
2
e h(x) = x
3
2x V . Usando o
produto interno denido acima, calcule:
(a) f, g)
(b) g, h)
(c) 2f +h, g)
(d)
_
f, f)
(e)
f
f,f)
(2) Mostre que (20.4) denie um produto interno em F([0, 1]; R).
(3) Dados v
1
= (x
1
, y
1
) e v
2
= (x
2
, y
2
) R
2
, denimos
v
1
, v
2
) =
x
1
y
1
4
+
x
2
y
2
9
(20.5)
Dados v = (1, 2) e v
2
= (2, 4) e V
3
= (0, 1), calcule:
(a) v
1
+v
2
, v
3
)
(b) 2v
2
, v
3
);
UFPA

Algebra Linear 143
(c)
_
v
3
, v
3
).
(4) Mostre que (20.5) dene um produto interno em R
2
.
Usaremos a notacao (V, , )) para representar o espaco V munido do
produto interno , ).
2 Propriedades do produto Interno
Em (V, , )) sao validas as seguintes propriedades, para quaisquer v, v
i
V
e todo F:
(P1) v
1
, v
2
) = v
1
, v
2
).
Demonstracao:
v
1
, v
2
) = v
2
, v
1
) = .v
2
, v
1
) = v
1
, v
2
) = v
1
, v
2
)
(P2) v, 0) = 0, v) = 0, para todo v V .
Demonstracao:
0, v) = 0.v, v) = 0.v, v) = 0
v, 0) = v, 0.v) = 0.v, v) = 0.v, v) = 0.
(P3) v,
n
i=1
i
v
i
) =
n
i=1
i
v, v
i
).
Demonstracao:
Faremos a demonstracao por inducao em n.
(i) n = 2:
v,
1
v +
2
v
2
) =
1
v
1
+
2
v
2
, v)
=
1
v
1
, v) +
2
v
2
, v)
=
1
v
1
, v) +
2
v
2
, v)
=
1
v, v
1
) +
2
v, v
2
).
=
2
i=1
i
v, v
i
).
(ii) Seja n 2 um inteiro e suponha o resultado verdadeiro para n 1.
Entao
v,
n
i=1
i
v
i
) = v,
n1
i=1

i
v
i
+
n
v
n
)
= v,
n1
i=1

i
v
i
) +
n
v, v
n
) - pelo item (i)
=
n1
i=1

i
v, v
i
) +
n
v, v
n
) - pela hipotese de inducao
=
n
i=1
i
v, v
i
).
144

Algebra Linear UFPA
(1) Seja V um espaco vetorial real. Verique se a funcao f : V V R,
denida por f(u, v) = 0 para todo u, v V , dene um produto interno
em V .
(2) Seja , ) um produto interno denido em um espaco vetorial V . Mostre
que se u, v) = 0, para todo v V , entao u = 0.
(2) Sejam V um espaco com produto interno , ) e a > 0 um n umero real
xo. Mostre que a funcao f : V V R denida por f(u, v) = au, v)
dene um produto interno sobre V . Usando isto, dena um novo produto
interno em R
3
, usando o produto interno canonico.
(3) Dados u = (x
1
, y
1
) e v = (x
2
, y
2
) vetores genericos do R
2
e a, b R
n umeros reais nao nulos denamos:
u, v) =
x
1
x
2
a
2
+
y
1
y
2
b
2
Mostre que a funcao , ) dene um produto interno em R
2
.
(4) Sejam u = (x
1
, y
1
) e v = (x
2
, y
2
) R
2
. Determine os valores de
t R para os quais a funcao u, v) = x
1
x
2
+ ty
1
y
2
dene um produto
interno em R
2
.
(5) Sejam p(x) = a
n
x
n
+...+a
1
x+a
0
e q(x) = b
n
x
n
+...+b
1
x+b
0
T
n
(R).
Verique se a funcao p(x), q(x)) = a
n
b
n
+... +a
1
b
1
+a
0
b
0
dene um pro-
duto interno neste espaco.
(6) Sejam (V, , )) um espaco vetorial real munido de produto e T : V V
um funcao injetora a qual tem a seguinte propriedade T(u+v) = T(u)+
T(v), para quaisquer u, v V e qualquer R. Mostre que a funcao
f : V V R denida por f(u, v) = T(u), T(v)) dene um produto
interno em V .
(7) Seja V um espaco vetorial real munido de produto interno , ). Dada
uma base ordenada e
1
, e
2
, ..., e
n
de V denamos a matriz A = (a
ij
) onde
a
ij
= e
i
, e
j
).
(a) Determine a matriz Adenida acima, considerando B = (1, 1), (2, 1)
base ordenada do R
2
e , ) o produto interno canonico deste espaco.
(b) Sejam u = (2, 3) e v = (1, 4) R
2
. Calcule o produto interno u, v) e
o produto matricial [u]
T
B
A[v]
T
B
e compare os resultados.
(8) Considerando a matriz A denida na questao anterior, mostre que:
(a) A e uma matriz simetrica
(b) Se u =
n
i=1
x
i
e
i
e v =
n
i=1
y
i
e
i
, entao o produto interno em V pode
UFPA

Algebra Linear 145
ser expresso na forma matricial do seguinte modo
u, v) =
_
x
1
x
2
... x
n
_
T
A
_
y
1
y
2
... y
n
_
T
(9) Seja M
n
(C) o C-espaco vetorial das matrizes n n com elementos em
C. Dada B = (b
ij
) M
n
(C) denimos a transposta conjugada de B como
a matriz B
= (b
ij
) onde b
kj
= b
jk
, para todo j, k = 1, 2..., n.
(a) Dada B =
_
_
2 i 4 5i
6i 0 3 5i
i 4i 3 +i
_
_
, determine sua transposta conju-
gada B
.
(10) Dadas as matrizes A = (a
ij
) e B = (b
ij
) M
n
(C) denimos:
A, B) = tr(B
A)
(a) Se A =
_
2 + 5i 1
i 3 i
_
e B =
_
i i
2 +i 1
_
, calcule A, B) e
_
A, A);
(b) Mostre que esta funcao dene um produto interno em M
n
(C).
(11) Seja V o espaco vetorial das funcoes f : [0, 1] C contnuas. Dadas
f, g V denimos:
f, g) =
_
1
0
f(t)g(t)dt
Mostre que isto dene um produto interno em V (a barra indica o conju-
gado complexo).
Captulo 21
Espa co euclidiano
Objetivos
Calcular a norma de um vetor
Calcular o angulo entre vetores
Calcular a distancia entre vetores.
Neste captulo, veremos que, a exemplo do R
3
, a existencia de um
produto interno em um espaco vetorial nos permite denir neste espaco
norma, angulos e distancia entre vetores.
Denicao 38. Chama-se espaco euclidiano a todo espaco vetorial real,
de dimensao nita, munido de um produto interno.
Denicao 39. Chama-se espaco unitario ou hermitiano a todo espaco
vetorial complexo, de dimensao nita, munido de um produto interno.
Como no captulo anterior, aqui F representa R ou C.
1 Norma
Denicao 40. Seja V um F-espaco vetorial munido de produto interno
, ). Chama-se norma de um vetor v V ao escalar, denotado por |v|,
dado por:
|v| =
_
v, v)
Exemplos 33.
(1) A norma do vetor v = (x
1
, x
2
, ..., x
n
) R
n
com relacao ao produto
interno dado em (20.2) e dado por:
|v| =
_
v, v) =
_
x
2
1
+x
2
2
+... +x
2
n
146
UFPA

Algebra Linear 147
Esta norma e conhecida como o comprimento do vetor.
(2) A norma da matriz A = (a
ij
) M
n
(R) com relacao ao produto interno
dado em (20.3) e dado por:
|A| =
_
tr(A
T
A) =
_
n
i=1
n
j=1
(a
ij
)
2
(3) A norma da funcao f : [a, b] R F([a, b]; R) com relacao ao produto
interno dado em (20.4) e dado por
|f| =
_
b
a
f(t)
2
dt
Um vetor e dito unitario se |v| = 1. Observe que se 0 ,= v V ,
entao o vetor
1
|v|
v e um vetor unitario - chamado o versor de v.
(1) Considerando o produto interno dado em (20.3) calcule |v|, onde:
(a) v = (1, 2) R
2
;
(b) v = (1, 0, 0) R
3
;
(c) v = (0, 0, 0, 3, 4) R
4
.
(2) Considere v
1
= (1, 0, 3) e v
2
= (0, 1, 2) R
3
. Calcule:
(a) |v
1
+v
2
| e |v
1
| +|v
2
|;
(b) |w|, onde w =
v
1
|v
1
|
.
(3) Considerando o produto interno dado em (20.4), calcule |A|, onde:
(a) A =
_
1 2
0 3
_
M
2
(R);
(b) A =
_
_
1 0 0
0 1 0
0 0 1
_
_
M
3
(R);
(c) A =
_
_
1 1 1
2 1 1
0 1 2
_
_
M
3
(R);
(4) Considere A =
_
1 2
1 1
_
e B =
_
0 1
1 2
_
M
2
(R). Calcule:
(a) |A +B| e |A| +|B|;
(b) |C|, onde w =
A
|A|
.
(5) Considerando o produto interno dado em (20.5), calcule |f|, onde:
148

Algebra Linear UFPA
(a) f : [0, 1] R, f(x) = 2x + 1;
(b) f : [2, 5] R, f(x) = x
2
+ 2x;
(c) f : [0,

4
] R, f(x) = secx.
(6) Sejam v
1
= (2, 1), v
2
= (3, 2) e v
3
= (6, 3) R. Considerando
o produto interno dado em (20.2), calcule e observe o resultado:
(a) | 3v
1
| e [ 3[.|v
1
|;
(b) [v
1
, v
2
)[ e |v
1
|.|v
2
|;
(c) [v
1
, v
3
)[ e |v
1
|.|v
3
|;
(d) |v
1
+v
2
| e |v
1
| +|v
2
|.
Propriedade das Normas
Em (V, , )) sao validas as seguintes propriedades para quaisquer v, v
1
, v
2

V e para todo F:
(PN1) |v| 0 e |v| = 0 v = 0.
Demonstracao:
|v| =
_
v, v) 0, pela denicao do produto interno.
(PN2) |v| = [[|v|.
Demonstracao:
|v| =
_
v, v) =
_
.v, v) =
_
[[
2
v, v) = [[.
_
v, v) = [[.|v|.
(PN3) [u, v)[ |u|.|v| (Desigualdade de Cauchy-Schwarz).

Demonstracao:
Dados u e v em V arbitrarios, temos dois casos possveis:
(i) u = 0
Entao 0, v) = 0 e |u| = 0. Assim [u, v)[ = [0, v)[ = 0 = |0|.|v|. Neste
a igualdade se verica.
(ii) u ,= 0
Considerando w = vu, onde =
v,u)
u,u)
, temos que w, u) = vu, u) =
v, u)
v,u)
u,u)
.u, u) = 0. E pela propriedade (PN1), |w|
2
0. Assim,
0 |w|
2
= w, w)
= w, v u)
= w, v) w, u)
= w, v) .0
= v u, v)
= v, v) u, v)
= v, v)
v,u)
u,u)
u, v)
UFPA

Algebra Linear 149
= |v|
2
v,u)
|u|
2
u, v)
= |v|
2
[u,v)[
2
|u|
2
.
Da, temos: 0 |v|
2
.|u|
2
[u, v)[
2
[u, v)[ |u|.|v|.
(PN4) |u +v| |u| +|v| (Desigualdade triangular)
Demonstracao:
Por denicao:
|u +v|
2
= u +v, u +v) = u, u) +u, v) +v, u) +v, v)
= |u|
2
+u, v) +u, v) +|v|
2
= |u|
2
+ 2Re(u, v)) +|v|
2
|u|
2
+2[u, v)[+|v|
2
- z = a+bi, Re(z) = a
a
2
+b
2
= [z[
|u|
2
+2|u|.|v|+|v|
2
- pela desigualdade de Cauchy-Schwarz
= (|u| +|v|)
2
Portanto,
|u +v| |u| +|v|.
2 Distancia
Denicao 41. Seja V um espaco com produto interno. A distancia
entre dois vetores u e v V e o escalar, denotado por d(u, v), dado por
d(u, v) = |u v|
Exemplos 34.
(1) A distancia entre os vetores u = (2, 6) e v = (5, 10), usando o produto
interno usual de R
2
, e
d(u, v) = |v u| = |(3, 4)| =
9 + 16 =
25 = 5
.
(2) A distancia entre as matrizes A =
_
2 3
1 5
_
e B =
_
0 1
0 1
_
com
relacao ao produto interno dado em (20.3) e d(A, B) = |BA| =
C, C,
onde C =
_
2 2
1 6
_
. Assim,
d(A, B) =
_
tr(C
T
C) =
tr
_
5 10
10 40
_
=
5 + 40 =
45.
(3) A distancia entre as funcoes f(x) = cosx e g(x) = senx, considerando
o produto interno dado em (20.4) e:
d(f, g) = |f g| =
_
cosx senx) =
_
_
0
(cosx senx)
2
dx
=
_
_
0
(cos
2
x 2cosx.senx +sen
2
x)dx
=
_
_
0
(cos
2
x +sen
2
)dx 2
_
0
cosx.senxdx =
_
x sen
2
x[
0
=
.
150

Algebra Linear UFPA
(1) Usando o produto interno denido em (20.2), calcule d(u, v), onde
(a) u = (1, 0) e v = (0, 1);
(b) u = (1, 2, 3) e v = (2, 0, 2);
(c) u = (1, 0, 0) e v = (0, 0, 1).
(2) Usando o produto interno denido em (20.3), calcule d(A, B), onde
(a) A =
_
1 2
2 3
_
e B =
_
1.01 2.02
1.8 2.7
_
(b) A =
_
_
1 0 0
0 1 0
0 0 1
_
_
e B =
_
_
2 0 3
1 1 2
2 1 3
_
_
(3) Usando o produto interno denido em (20.4) e [a, b] = [0, 1], calcule
d(f, g), onde
(a) f(x) = x
2
e g(x) = 2x + 1
(b) f(x) = x
2
+ 2x e g(x) = 3.
3

Angulo entre vetores
Denicao 42. Sejam (V, , )) um espaco euclidiano. Denimos o angulo
formado pelos vetores nao nulos u, v V , como o angulo , 0 ,
cujo cosseno e dado por:
cos =
u, v)
|u|.|v|
(1) Determine o angulo formado pelos vetores:
(a) u = (1, 0) e v = (0, 1)
(b) u = (1, 1) e v = (1, 2)
(c) u = (1, 0, 0) e v = (1, 1, 1);
(d) A =
_
3
2
0 0
_
e B =
_
0 0
1 2
_
.
(2) Seja V = M
2
(R) com o produto interno A, B) = tr(B
T
A). Sendo
A =
_
1 1
1 0
_
e B =
_
0 1
0 1
_
, calcule A, B), [[A[[, [[B[[ e d(A, B).
(3) Considerando o produto interno canonico de R
4
, u = (1, 3, 1, 0) e
v = (2, 0, 1, 1), calcule u, v), [[u[[, [[v[[, d(u, v),
u+v
[[u+v[[
e o angulo entre
u e v.
(4) Seja V um F-espaco vetorial com produto interno , ) e sejam u, v V .
Mostre que:
UFPA

Algebra Linear 151
(a) Se F = R, entao u, v) =
1
4
[[u +v[[
2
1
4
[[u v[[
2
.
(b) Se F = C, entao u, v) =
1
4
[[u+v[[
2
1
4
[[uv[[
2
+
i
4
[[u+iv[[
2
i
4
[[uiv[[
2
.
As identidades das letras (a) e (b) sao conhecidas como identidades
de polarizacao.
(5) Sejam u e v vetores de um espaco euclidiano. Mostre que u, v e
um conjunto linearmente dependente se, e somente se, [u, v)[ = [[u[[.[[v[[.
(6) Sejam u e v vetores xos de um espaco euclidiano V e X = u + tv [
t R. Determine o elemento em X que tem a menor norma.
(7) Sejam u e v vetores nao nulos de um espaco euclidiano V e o angulo
formado por u e v. Mostre que e valida a lei dos cossenos, isto e,
[[u +v[[
2
= [[u[[
2
+[[v[[
2
2[[u[[.[[v[[cos
(8) Sejam u e v vetores de um espaco euclidiano. Sabendo que [[u[[ = 5,
[[v[[ = 8 e [[u +v[[ =
129, determine o angulo formado por u e v.

(9) Sejam u e v vetores de um espaco euclidiano. Mostre que e valida
a lei do paralelogramo, isto e,
[[u +v[[
2
+[[u v[[
2
= 2[[u[[
2
+ 2[[v[[
2
(10) Sabendo que [[u[[ = 3 e [[v[[ = 5, com u e v vetores de um espaco
euclidiano, determine R, tal que u +v, u v) = 0.
(11) Use a desigualdade de Cauchy-Schwarz no espaco R
3
(com o pro-
duto interno usual) para mostrar que dados n umeros reais estritamente
positivos a, b e c vale a desigualdade:
(a +b +c)(
1
a
+
1
b
+
1
c
) 9
(Sugestao: aplique a desigualdade de Cauchy-Schwarz aos vetores v
1
=
(
a,
b,
c) e v
2
= (
1
a
,
1
b
,
1
c
)).
(12) Sendo a, b, c n umeros reais positivos com a + b + c = 1. Utilize a
desigualdade de Cauchy-Schwarz no R
2
para mostar que:
(
1
a
1)(
1
b
1)(
1
c
1) 8
(13) Sejame
1
, e
2
, ..., e
n
vetores unitarios de um espaco euclidiano. Sabendo
que [[e
i
e
j
[[ = 1, para todo i ,= j, calcule o cosseno do anguo entre dois
vetores e
i
e e
j
.
Captulo 22
Ortogonalidade
Objetivos
Identicar conjuntos ortogonais e ortonormais
Usar o processo de ortogonalizacao de Gram-Schmidt para obter bases
ortonormais
1 Projecao Ortogonal
Denicao 43. Seja V um espaco vetorial munido de produto interno , ).
Dados dois vetores u e v V , com u ,= 0, chama-se coeciente de
Fourier de v com respeito a u ao escalar =
v,u)
u,u)
.
Exemplos 35.
(1) O coeciente de Fourier de v = (3, 4) com respeito a u = (1, 0) e
=
v,u)
u,u)
=
3.1+4.0
1.1+0.0
= 3.
(2) O coeciente de Fourier de v = (1, 0, 1) com respeito a u = (2, 0, 0) e
=
v,u)
u,u)
=
1.2+0.0+1.0
2.2+0.0+0.0
= 1.
Denicao 44. Seja V um espaco euclidiano. Dados 0 ,= u, v V , den-
imos a projecao ortogonal de v sobre u como sendo o vetor u, onde
=
v,u)
u,u,)
e o coeciente de Fourier de v com respeito a u.
Exemplos:
(1) A projecao ortogonal de v = (3, 4) sobre u = (1, 0) e o vetor u =
3.(1, 0) = (3, 0).
152
UFPA

Algebra Linear 153
2 Conjuntos ortogonais
Denicao 45. Seja V um espaco com produto interno. Dizemos que u e
v sao ortogonais se
u, v) = 0
.
Exemplos 36.
(1) v
1
= (3, 2) e v
2
= (4, 6) R
2
sao ortogonais.
(2) v
1
= (1, 0, 0) e v
2
= (0, 1, 0) sao ortogonais, pois v
1
, v
2
) = 0;
(3) As matrizes e
1
=
_
1 0
0 0
_
e e
2
=
_
0 1
0 0
_
sao ortogonais.
(4) Se u e a projecao ortogonal de v sobre u, entao w = vu e u sao ortog-
onais, pois w, u) = v u, u) = v, u)u, u) = v, u)
v,u)
u,u)
u, u) = 0.
(5) O vetor nulo e ortogonal a todos os vetores de V , pois v, 0) = 0,
para todo v V .
Denicao 46. Seja V um espaco com produto interno. Um subconjunto
S de V e dito um conjunto ortogonal se quaisquer dois vetores distintos
se S sao ortogonais.
Exemplos 37.
(1) S = (1, 0, 0), (0, 1, 0), (0, 0, 1) R
3
e ortogonal;
(2) T = (1, 0, 0), (0, 2, 0), (0, 3, 7) e ortogonal.
(3) W =
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
e um conjunto or-
togonal.
Lema 5. Se v e combinacao linear de uma sequencia de vetores ortogonais
nao nulos u
1
, u
2
, ..., u
n
, entao v e da forma
v =
1
u
1
+
2
u
2
+... +
n
u
n
onde, para todo i = 1, 2, ..., n,
i
=
v, u
i
)
u
i
, u
i
)
e o coeciente de Fourier de v com respeito a u
i
.
154

Algebra Linear UFPA
Demonstracao:
Se v e combinacao linear dos vetores u
1
, u
2
, .., u
n
, entao existem escalares
1
,
2
, ...,
n
R, tais que:
v =
1
u
1
+
2
u
2
+... +
n
u
n
Como os vetores u
1
, u
2
, ..., u
i
, ...u
n
sao ortogonais, entao u
j
, u
i
) = 0, para
todo j ,= i. Assim, para todo 1 i n, temos:
v, u
i
) =
1
u
1
+
2
u
2
+...
i
u
i
+... +
n
u
n
, u
i
)
=
1
u
1
, u
i
) +
2
u
2
, u
i
) +... +
i
u
i
, u
i
) +... +
n
u
n
, u
i
)
=
1
.0 +
2
.0 +... +
i
.u
i
, u
i
) +.... +
n
.0 =
i
.u
i
, u
i
)
Portanto,
i
=
v,u
i
)
u
i
,u
i
)
.
Exemplos:
(1) Usando o lema acima, escreva o vetor (1, 5, 4) como combinacao linear
dos vetores S = (2, 3, 1), (3, 2, 0), (2, 3, 13).
Proposicao 13. Seja V um F-espaco vetorial munido de um produto in-
terno. Todo subconjunto ortogonal de vetores nao nulos de V e linearmente
independente.
Demonstracao:
Basta mostrar para um conjunto ortogonal nito. Seja S = u
1
, u
2
, ..., u
n
um subconjunto ortogonal de vetores nao nulos de V e

1
,
2
, ...,
n
es-
calares em F tais que:
1
u
1
+
2
u
2
+... +
n
u
n
= 0
Como u
1
, u
2
, ..., u
n
sao ortogonais, segue do Lema 5, que
i
=
0,u
i
)
u
i
,u
i
)
= 0,
para todo i = 1, 2, ..., n e portanto S e L.I.
3 Ortogonalizacao de Gram-Schmidt
Dizemos que uma base B = v
1
, v
2
, .., v
n
de um espaco euclidiano V e
uma base ortonormal, se B e um conjunto ortogonal e |v
i
| = 1, para
todo i = 1, 2, ..., n.
Exemplos 38.
(a) B
1
= (1, 0), (0, 1) e uma base ortonormal de R
2
;
(b) B
2
= (1, 0, 0), (0, 1, 0), (0, 0, 1) e uma base ortogonal de R
3
(c) B
3
=
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
e uma base ortonor-
mal de M
2
(R).
UFPA

Algebra Linear 155
Vamos mostar que todo espaco vetorial de dimensao nita munido de
produto interno possui uma base ortonormal. Uma das vantagens de tra-
balhar com bases ortonormais e que as coordenadas de um vetor qualquer
em relacao a elas podem ser facilmente calculadas, conforme visto no Lema
4.
Daremos um algoritmo para a construcao de uma base ortonormal,
chamado de ortogonalizacao de Gram-Schmidt.
Seja V um espaco euclidiano com dimV = n 1 e B = u
1
, u
2
, ..., u
n
uma base ordenada de V . Construiremos, a partir de B, um conjunto

B
t
= v
1
, v
2
, .., v
n
de vetores ortogonais nao nulos, logo pela Proposicao
13, linearmente independente e como dimV = n, B
t
e base ortogonal de V .
Por m, tomando

B =
v
1
|v
1
|
, ....,
v
n
|v
n
|
, segue que

B e uma base ortonor-
mal de V .
Para a construcao de v
1
, v
2
, ..., v
n
procedemos como segue:
Passo 1: Faca v
1
= u
1
;
Passo 2: Faca v
2
= u
2
21
v
1
, onde
21
=
u
2
,v
1
)
v
1
,v
1
)
Passo 3: Faca v
3
= u
3
31
v
1
32
v
2
, onde
31
=
u
3
,v
1
)
v
1
,v
1
)
e
32
=
u
3
,v
2
)
v
2
,v
2
)
.
...
Passo n: Faca v
n
= u
n
n1
v
1
n2
v
2
....
n1
v
n1
, onde
n1
=
u
n
,v
1
)
v
1
,v
1
)
,
n2
=
u
n
,v
2
)
v
2
,v
2
)
, ...,
n1
=
u
n
,v
n1
)
v
n1
,v
n1
)
.
Por m, calculamos o vesor de cada um dos vetores v
i
calculados acima,
obtendo a base ortonormal.
Este algoritmo justica o seguinte teorema:
Teorema 11. Todo espaco vetorial nao nulo, de dimensao nita e munido
de produto interno, possui uma base ortonormal.
(1) Obtenha uma base ortonormal de R
2
a partir da base B = (1, 3), (4, 2).
Solucao:
Considere u
1
= (1, 3) e u
2
= (4, 2). Conforme dado no algortimo acima
inciamente construiremos um base B
t
= v
1
, v
2
de vetores ortogonais.
Fazemos v
1
= u
1
= (1, 3);
Fazemos v
2
= u
2
1
v
1
, onde
1
=
u
2
,v
1
)
v
1
,v
1
)
.
Fazendo os calculos obtemos
1
= 1. Assim, v
2
= u
2
1.v
1
= (3, 1).
Assim, B
t
= (1, 3), (3, 1) (observe que B
t
e ortogonal). Fazendo w
1
=
156

Algebra Linear UFPA
v
1
|v
1
|
= (
1
10
,
3
10
) e w
2
=
v
2
|v
2
|
= (
3
10
,
1
10
), temos que

B = w
1
, w
2
e a
base ortonormal obtida de B.
(1) Use o processo de Gram-Schmidt e B = (1, 2), (2, 1) para obter uma
base ortonormal B
t
de R
2
, em relacao ao produto interno usual.
(2) Use o processo de Gram-Schmidt e B = (1, 1, 0), (1, 0, 1), (0, 2, 0)
para obter uma base ortonormal B
t
de R
3
, em relacao ao produto interno
usual.
(3) Use o processo de Gram-Schmidt e a base
B =
_
1 0
1 2
_
,
_
2 1
1 0
_
,
_
1 3
0 0
_
,
_
0 0
5 1
_
para obter uma base
ortonormal de B
t
de M
2
(R), em relacao ao produto interno dado em (20.3).
(4) Usando o Lema 5, determine as coordenadas do vetor u = (2, 4) em
relacao à base B = (2, 1), (3, 6).
(5) Usando o Lema 5, determine as coordenadas do vetor u = (1, 1, 1)
em relacao à base B = (0, 2, 1), (1, 1, 2), (5, 1, 2).
(6) Considerando o produto interno canonico do R
3
, obtenha uma base
ortonormal de W = (x, y, z) R
3
[ 2x y +z = 0.
(7) Considere , ) : R
3
R
3
R, denida por:
(x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
)) = x
1
x
2
+ 5y
1
y
2
+ 2z
1
z
2
(a) Mostre que , ) dene um produto interno em R
3
;
(b) Usando o produto interno denido acima e a base B(1, 0, 0), (0, 1, 0), (0, 0, 1)
obtenha uma base ortonormal de R
3
.

Escalonamento de matrizes na Algebra Linear

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Escalonamento de matrizes na Algebra Linear

Uploaded by

Copyright:

Available Formats

UFPA

2z = 0 e uma equacao linear em tres variaveis e 1, 1 e

Teorema 4. Sistemas lineares que possuem matrizes aumentada linha- Se A

de variaveis e o sistema e possvel determinado. Resumido

(2) 0u = 0 (no lado esquerdo 0 R e no lado direito 0 e o vetor nulo

E facil ver que existem escalares c

de variaveis, este sistema e

2, 4) sao ambos geradores do R

e tambem l.i. linearmente independente.

bases ordenadas de um espaco vetorial real V . Se P = (p

2 [ a, b Q. Denimos neste conjunto

2) = (ac + 2bd) + (ad +bc)

2 [ a, b Q o conjunto dado item 5 de Ex-

2] e um espaco vetorial sobre o corpo Q

2], o qual e linearmente

2] como Q-espaco vetorial e 2.

uma base ordenada de V . Se T e o operador linear sobre V , para o qual

Denicao 34. Seja T : V W uma transformacao linear, com V um

uma base ordenada de V . Denamos a seguinte funcao:

um subconjunto de U. Mostre que:

(PN3) [u, v)[ |u|.|v| (Desigualdade de Cauchy-Schwarz).

129, determine o angulo formado por u e v.

um subconjunto ortogonal de vetores nao nulos de V e

uma base ordenada de V . Construiremos, a partir de B, um conjunto

You might also like