04/03/2016

ÁLGEBRA LINEAR

UNIDADE I: MATRIZES

05/02/16

I. MATRIZES

1. Definição;
2. Matrizes Especiais;
3. Operações;
3.1. Multiplicação de matrizes
4. Matriz Inversa;
5. Determinante;
6. Determinante pela Teoria de Laplace;
6.1. Menor i,j
6.2. Cofator i,j
6.3. Cálculo do determinante
7. Exercícios.

1
 04/03/2016

II - Sistemas Lineares
1. Sistemas lineares
2. Sistemas equivalentes; sistemas escalonados
3. Discussão e resolução de sistemas lineares

III – Espaços Vetoriais

3.1. Introdução
3.2. Propriedades
3.3. Conceitos
3.4. Subespaços vetoriais
3.5. Combinações lineares
3.6. Dependência e Independência Lineares
3.7. Exercícios

05/02/16

IV – Base e Dimensão

4.1. Base de um espaço vetorial

4.1.1. Vetores LI-Maximal

4.2. Dimensão de um espaço vetorial

4.2.1. Processo Prático para obter uma base de um
subespaço do Rn

4.3. Mudança de base

4.4. Questões

05/02/16

2
 04/03/2016

1. Definição

Matriz é uma entidade matemática onde a

informação (caracteres, números reais ou complexos) é
organizada e distribuída numa malha retangular de m
linhas e n colunas, com m e n ϵ N*, assim a matriz A m x
n é:

05/02/16

Nós iremos usar letras maiúsculas para denotar

matrizes e letras minúsculas para denotar as entradas
(ou elementos) da matriz

Am x n = (aij) m x n, onde i ∈ {1, · · · ,m} é o índice de

linha e j ∈ {1, · · · , n} é o índice de coluna, aij é o
elemento (ou entrada) que está na i-ésima linha e j-
ésima coluna

05/02/16

3
 04/03/2016

A i-ésima linha de A é: (1≤ i ≤ m)

A j-ésima coluna de A é: (1 ≤ j ≤ n)

Podemos dizer que A é m por n (representado por

m x n). O tamanho (tipo ou ordem) de uma matriz é
descrito em termos do número de linhas (horizontais) e
colunas (verticais) que contém.

05/02/16

A é uma matriz 2 x 3 , identificar os elementos

B é uma matriz 2 x 2, identificar os elementos

C é uma matriz 3 x 3, identificar os elementos

05/02/16

4
 04/03/2016

Uma matriz, com somente uma coluna n x 1, é

chamada matriz-coluna (ou vetor-coluna) e uma matriz
com somente uma linha 1 x n é chamada matriz-linha
(ou vetor-linha). Ambos são chamados também de vetor
de dimensão n.
é um vetor de dimensão 3

é um vetor de dimensão 2

05/02/16

Uma matriz 1 x 1 é tanto uma matriz-coluna quanto uma

matriz-linha.

Em uma matriz A m x n, se m = n, dizemos que A é

uma matriz quadrada de ordem n e as entradas a11, a22,
..., ann constituem a diagonal principal de A.

05/02/16

5
 04/03/2016

2. Matrizes Especiais

Matriz associada a um sistema linear:

Ex: Seja o sistema linear

Podemos associar as seguintes matrizes ao referido

sistema:

O sistema pode ser escrito em função de suas matrizes

A.x = b

05/02/16

Uma matriz quadrada em que todo

elemento fora da diagonal principal é zero, isto é, aij = 0,
para i ≠ j, é chamada de matriz diagonal.

Ex:

Uma matriz diagonal em que todos os

termos da diagonal principal são iguais, aij = c (real) para i
= j é chamada de matriz escalar

05/02/16

6
 04/03/2016

Ex:

Uma matriz escalar onde c = 1 é chamada de matriz

identidade .

Ex:

05/02/16

Matriz nula é a matriz onde todos os elementos s

iguais a zero.

Ex:

Duas matrizes m x n, e são ditas

iguais se aij = bij , 1 ≤ i ≤ m, 1 ≤ j ≤ n, isto é, se os elementos
correspondentes forem iguais:

Ex: e

As matrizes A e B são iguais se x = – 3, y = 0, z = 5 e w

=–1
05/02/16

7
 04/03/2016

3. Operações

ADIÇÃO DE MATRIZES: Se e
São matrizes m x n, então a soma de A e B é a matriz
, m x n, definida por
1 ≤ i ≤ m, 1 ≤ j ≤ n. Portanto C é obtida pela adição dos
elementos correspondentes de A e B.

Ex: Sejam as matrizes e

então

05/02/16

Deve-se notar que a soma das matrizes A e B é

definida somente quando A e B têm o mesmo número de
linhas e colunas, isto é, quando A e B são do mesmo
tamanho.

MULTIPLICAÇÃO POR UM ESCALAR: Se

é uma matriz m x n e r é um número real, então
a multiplicação por um escalar de A por r, rA, é a matriz
, m x n, onde 1 ≤ i ≤ m, 1 ≤ j ≤ n. Então, B é
obtida pela multiplicação de cada elemento de A por r.

05/02/16

8
 04/03/2016

Se A e B são matrizes m x n, escrevemos

A + (– 1 )B como A – B e chamamos de
diferença entre A e B
Ex1:Sejam as matrizes
e

então

Ex2: Seja um
vetor de dimensão 3 que representa os preços
atuais de três itens de uma loja. Suponha que a
loja anuncie uma promoção em que05/02/16
o preço de
cada item esteja reduzido em 20%

a) Determine um vetor de dimensão 3 que forneça as

alterações de preço para os três itens.

b) Determine um vetor de dimensão 3 que forneça os novos

preços dos itens.

A expressão poderia ser escrita como p – 0,20p = 0,80p

05/02/16

9
 04/03/2016

Se A1, A2, ..., Ak são matrizes m x n e c1, c2, ..., ck

são números reais, então uma expressão do tipo:

É chamada combinação linear de A1, A2, ..., Ak e

c1, c2, ..., ck são denominados coeficientes da
combinação.

Ex: Sejam as matrizes

05/02/16

Então é uma combinação linear

de A1, A2. Utilizando a multiplicação por escalar e a
adição de matriz, podemos calcular C.

05/02/16

10
 04/03/2016

A transposta de uma matriz:

Se é uma matriz m x n, então a matriz

n x m, onde,

(1 ≤ i ≤ n, 1 ≤ j ≤ m) é chamada de transposta de A.
Dessa maneira, os elementos em cada linha de

São os elementos na coluna correspondente de A.

05/02/16

Ex: Seja a matriz

Sua transposta é a matriz

05/02/16

11
 04/03/2016

3.1. Multiplicação de matrizes

A multiplicação de matrizes é realizada de acordo

com a seguinte condição: o número de colunas da 1ª
matriz deve ser igual ao número de linhas da 2ª matriz, e
a matriz resultante terá o número de linhas da 1ª matriz e
o número de colunas da 2ª matriz.

Ex.:
A4x3 * B3x1 = C4x1
A4x2 * B2x3 = C4x3
A1x2 * B2x2 = C1x2
A3x4 * B4x3 = C3x3

05/02/16

Importante: multiplicação de matrizes é associativa

- (A + B) + C = A + (B + C) e distributiva - A x (B + C) = A
x B + A x C, mas, em geral, não é comutativa, ou
seja, AB ≠ BA (exceto em casos especiais)

A matriz Cmxp = Amxn * Bnxp terá seus elementos

calculados através da seguinte fórmula:

para cada par i e j com 1 ≤ i ≤ m e 1 ≤ j ≤ p.

05/02/16

12
 04/03/2016

Em outras palavras, podemos dizer que o elemento

cxy será calculado pela soma dos produtos dos elementos
da linha x da matriz A com os elementos da coluna y da
matriz B.
Exemplo:

Temos a matriz D4x3 = B4x3 * C3x3

05/02/16

4. Matriz Inversa:

- Uma matriz A é inversível se for quadrada de

ordem “n”, e se tiver uma inversa de tal maneira que sua
multiplicação resulte na matriz identidade, ou seja, A * A-1
= A-1 * A = In

EXERCÍCIOS 1 a 13
Vol. 1 – Fls. 17 e 18 – Exs. 1 a 15 e
Fls. 31 e 32 – Exs. 1 a 30
05/02/16

13
 04/03/2016

5. Determinantes

A toda matriz quadrada, existe um numero ao qual

denominamos determinante.

Determinante de 1ª ordem: dada a matriz A = [a11],

temos Det A = |a11| = a11

Representamos os determinantes entre duas

barras verticais.
Ex. 1: Dada a matriz B = [6], Det B = |6| = 6
Ex. 2: Dada a matriz C = [-3], Det C = |-3| = -3
Ps.: As duas barras não tem significado de modulo.
Lembrando que modulo |-3| = +3.
05/02/16

Determinante de 2ª ordem:
Dada a matriz A =

Det A = a11 * a22 – a12 * a21

Ou seja será o produto dos elementos da diagonal

principal subtraído do produtos dos elementos da
diagonal secundaria.

Dada a matriz B = , det B = 3 * 0 – (-

1)*(-4) = -4

05/02/16

14
 04/03/2016

Determinante de 3ª ordem:
Dada a matriz A =

Det A = a11a22a33 + a12a23a31 + a13a21a32 – (a13a22a31

+ a11a23a32 + a12a21a33)

Ou seja será o produto dos elementos da diagonal

principal subtraído do produtos dos elementos da
diagonal secundaria.

05/02/16

Regra de Sarrus

Repetem-se as duas colunas da direita à direita da

matriz e o determinante será a soma dos produtos das
diagonais da esquerda para direita menos a soma dos
produtos das diagonais da direita para esquerda

Ex.:

det A:

05/02/16

15
 04/03/2016

Ex.: Dada a matriz A =

, temos det A = 3*(-1)*1 + 2*0*3 + 1*1*4 – [1*(-1)*3 +

2*1*1+3*0*4] = -3+4-(-3+2) = 1-(-1) = 2

05/02/16

6. Determinante pela Teoria de Laplace

6.1. Menor i,j (Mi,j)

Dada uma matriz quadrada, a cada elemento dessa

matriz, teremos associado um valor denominado Mi,j que
consiste no determinante desta matriz, onde o elemento
se insere, excluidas suas linha e coluna

Ex.: Dado , temos M1,3 = = 7*2-5*3 =

-1

05/02/16

16
 04/03/2016

6.2. Cofator (ou complemento algébrico) dos elementos

de uma matriz quadrada

Cada elemento de uma matriz quadrada possui um

valor vinculado a ele, denominado cofator, que é obtido
através da expressão a seguir:

Aij = (-1)i+j * Mij

Onde Mi,j corresponde ao Menor i,j estudado no slide

anterior

05/02/16

Exemplo: Determine o cofator do elemento a13 da

matriz A, onde:

A13 = (-1)1+3 * = 7*2 – 3*5 = -1

05/02/16

17
 04/03/2016

6.3. Teorema de Laplace

Consiste no cálculo do determinante de uma matriz

da seguinte forma:
- Escolher uma das filas (linha ou coluna) da matriz
e somar os produtos dos elementos dessa fila pelos seus
respectivos cofatores.

Ex.: calcule o determinante da matriz abaixo:

05/02/16

det B = (-1) * A22

Onde A22 = (-1)2+2 * D22

A22 = = 1*2*5 + 5*0*7 + 0*3*6 –

(0*2*7 + 5*3*5 + 1*0*6) = 10-75 = -65

Logo det B = 65

EXERCÍCIOS 14 a 21 05/02/16

18
 04/03/2016

7. Exercícios

1. Dadas as matrizes , e , determine a

matriz D resultante da operação A + B – C.

2. Os elementos de uma matriz M quadrada de ordem 3 x

3 são dados por aij, onde: aij = i + j, se i ≠ j e 0, se i = j
Determine M + M.

3. São dadas as matrizes A = (aij) e B = (bij), quadradas

de ordem 2, com aij = 3i + 4j e bij = – 4i – 3j.
Considerando C = A + B, calcule a matriz C.

05/02/16

05/02/16

19
 04/03/2016

Exercícios

8. Escreva na forma de tabela as matrizes:

a) A=(aij)2x3, aij=i2-j;
b) B=(bij)2x2, bij=4, se i≥j e bij=2.j-i, se i<j;
c) C=(cij)1x5, cij=i+j, se i=j; cij=i2+j2, se i>j e cij=(i+j)2
, se i<j;
d) D=(dij)5x2, dij=2.i+3.j, se i=j; dij=2i-3j, se i>j e dij=i-j3
, se i<j.

05/02/16

05/02/16

20
 04/03/2016

14. Seja a um número real e seja:

a) Para a=1, encontre todas as raízes da equação p(x)=0

b) Encontre os valores de a para os quais a equação p(x)=0
tem uma única raiz real.

15. O determinante da matriz A é igual a -2. Se B e C são as

matrizes obtidas, respectivamente, pela substituição em A do
menor e do maior valor de y encontrados, calcule a matriz
transposta do produto de B por C.

05/02/16

16. Determine o valor de x para que o determinante da matriz

A seja igual a 8.

17. Seja a um número real e seja:

a) Para a=1, encontre todas as raízes da equação p(x)=0
b) Encontre os valores de a para os quais a equação p(x)=0
tem uma única raiz real.

05/02/16

21
 04/03/2016

18.

a) 64 b) 8 c) 0 d) –8
e) –64

19. Para que o determinante da matriz

1+a -1
3 1-a
seja nulo, o valor de a deve ser:

a) 2 ou –2 b) 1 ou 3 c) -3 ou 5
d) -5 ou 3 e) 4 ou -4

05/02/16

20.

a) não se define;
b) é uma matriz de determinante nulo;
c) é a matriz identidade de ordem 3;
d) é uma matriz de uma linha e uma coluna;
e) não é matriz quadrada.

21.

a) x > 2 b) 0 < x < 5 c) x < -2

d) x > 5 e) 1 < x < 2
05/02/16

22
 04/03/2016

II - Sistemas Lineares
1. Sistemas lineares

2. Sistemas equivalentes; sistemas escalonados

3. Discussão e resolução de sistemas lineares

05/02/16

Sistema Linear:

Definição: Um sistema linear de m equações e n

incógnitas (com m ≥ 1 e n ≥ 1) é um conjunto de
equações simultâneas da forma:

em que:

05/02/16

23
 04/03/2016

são as incógnitas

são os coeficientes

são os termos independentes

Exemplos de sistemas lineares:

Ex1: Ex2:

05/02/16

Solução de um sistema linear: é a solução

comum a todas as equações do sistema.

Ex: (2, 4, 1) é solução do sistema

Resolvendo um sistema 2 x 2: Método da adição

Ex1: Ex2:

S = {(2, 3)} S = {(4, 2)}

05/02/16

24
 04/03/2016

SISTEMAS LINEARES

SI: Sistema Impossível (solução vazia)

Ex: S=Ø

05/02/16

Classificação de um sistema linear

SPD : Sistema Possível e Determinado (Solução única)

Ex: S{(15, 5)}

05/02/16

25
 04/03/2016

SISTEMAS LINEARES

SPI: Sistema Possível e Indeterminado (Infinitas solução)

Ex: Achar a solução geral

05/02/16

Sistemas Equivalentes

Dois sistemas lineares são equivalentes quando têm o

mesmo conjunto solução

Ex: S1: Ex: S2:

S = {(2, 3)} S = {(2, 3)}

S1 ~ S2

05/02/16

26
 04/03/2016

Sistemas Escalonados: Um sistema é dito

escalonado quando, de cada equação para a
seguinte, aumenta a quantidade de coeficientes
nulos antes do primeiro coeficiente não nulo.

Resolver, dar o conjunto solução e classificar

os sistemas lineares abaixo:

Ex1: S = {(½ , 4, 5)} SPD

05/02/16

ESCALONAMENTO DE SISTEMAS
LINEARES
Ex2: Achar a solução geral SPI

Ex3: S = Ø SI

05/02/16

27
 04/03/2016

ESCALONAMENTO DE SISTEMAS
LINEARES
O processo de escalonamento de sistemas lineares

Para escalonar um sistema linear, escrevemos

sistemas equivalentes a ele, podendo adotar, total ou
parcialmente, o seguinte procedimento:

I – Invertermos a ordem das equações;

II – Multiplicarmos ambos os membros de uma equação
por um mesmo número k, real e não nulo.
III – Substituirmos uma equação pela soma dela com
outra, esta última multiplicada por k, real e não nulo
05/02/16

ESCALONAMENTO DE SISTEMAS
LINEARES
Escalonar, resolver e classificar os sistemas lineares
abaixo:

Ex1: SPD

Ex2: S = {(2, 1, 0)} SPD

Ex3: S=Ø SI
05/02/16

28
 04/03/2016

LINEARES

Ex4: S = {(0, 5, - 1)} SPD

Ex5: Achar a solução geral SPI

05/02/16

Resolução de sistemas de equações lineares:

Um sistema de equações lineares pode ser

resolvido de dois modos:

1. Por escalonamento (conforme apresentado

anteriormente);

2. Por resolução de matrizes (método de Cramer).

05/02/16

29
 04/03/2016

- Método de Cramer

Os sistemas lineares são formados por um

conjunto de equações lineares de m incógnitas. Todos os
sistemas possuem uma representação matricial, isto é,
constituem matrizes envolvendo os coeficientes
numéricos e a parte literal. Observe a representação
matricial do seguinte sistema:
.

Matriz incompleta (coeficientes numéricos)

Matriz completa

05/02/16

- Método de Cramer

Representação Matricial

Exemplo:

Sistema:

Matriz dos coeficientes numéricos:

05/02/16

30
 04/03/2016

Matriz dos coeficientes numéricos trocando a coluna

dos resultados pela coluna dos coeficientes “x”:

Matriz dos coeficientes numéricos trocando a coluna

dos resultados pela coluna dos coeficientes “y”:

Matriz dos coeficientes numéricos trocando a coluna

dos resultados pela coluna dos coeficientes “z”:

05/02/16

De acordo com regra de Cramer, temos:

Exercícios notas de aula + Apostila – Vol. 1 – Fls.

7 e 8 – Exs. 1 a 20

05/02/16

31
 04/03/2016

EXERCÍCIOS

1 – Resolva, escreva o conjunto solução e classifique os

sistemas lineares escalonados abaixo:

a) b)

c)

Fonte: http://paginapessoal.utfpr.edu.br/ngsilva/apresentacao/publicacoes-em-congressos-e-revistas/ListadeExercciosSistemasLineares.pdf e
http://www.profcardy.com/exercicios/assunto.php?assunto=Sistemas%20Lineares

05/02/16

EXERCÍCIOS

2 – Verifique se:

a)(3, – 1) é uma solução do sistema

a)(1, 1, 1) é uma solução do sistema

3 – Verifique , determinando seu conjunto solução, se os

sistemas abaixo são equivalentes ou não:

05/02/16

32
 04/03/2016

EXERCÍCIOS

4 – Escalone, resolva, escreva o conjunto solução e

classifique os sistemas lineares abaixo:

a) b)

c)

05/02/16

EXERCÍCIOS

5 – Resolva, classifique e escreva o conjunto solução

dos sistemas lineares abaixo:

a) b) c)

6 - Sendo ‘x’ e ‘y’ números reais e ‘(3x + 2y)2 + (x - 2y +

8)2= 0’, o valor de ‘yx’ é:
A) 1/9 B) 1/8 C) –8 D) 9 E) 8

05/02/16

33
 04/03/2016

EXERCÍCIOS

7. Em uma festa com n pessoas, em um dado instante,

31 mulheres se retiraram e restaram convidados na
razão de 2 homens para cada mulher. Um pouco mais
tarde, 55 homens se retiraram e restaram, a seguir,
convidados na razão de 3 mulheres para cada homem.
O número n de pessoas presentes inicialmente na festa
era igual a

A) 100 B) 105 C) 115

D) 130 E) 135

05/02/16

8. Uma empresa deve enlatar uma mistura de

amendoim, castanha de caju e castanha-do-pará.
Sabe-se que o quilo de amendoim custa R$5,00, o
quilo da castanha de caju, R$20,00 e o quilo de
castanha-do-pará, R$16,00. Cada lata deve conter
meio quilo da mistura e o custo total dos ingredientes
de cada lata deve ser de R$5,75. Além disso, a
quantidade de castanha de caju em cada lata deve
ser igual a um terço da soma das outras duas.

a) Escreva o sistema linear que representa a situação

descrita acima.

b) Resolva o referido sistema, determinando as

quantidades, em gramas, de cada 05/02/16
ingrediente por
lata.

34
 04/03/2016

05/02/16

05/02/16

35
 04/03/2016

05/02/16

05/02/16

36
 04/03/2016

III – Espaços Vetoriais

3.1. Introdução
3.2. Propriedades
3.3. Conceitos
3.4. Subespaços vetoriais
3.5. Combinações lineares
3.6. Dependência e Independência Lineares
3.7. Exercícios

3.1 Introdução
Definição: Um espaço vetorial real é um conjunto V, não vazio,
com duas operações: soma, V X V → V, e multiplicação por escalar, R X V
→ V, tais que, para multiplicação por escalar, R X V → V, tais que, para
quaisquer u, v, w ∈ V e a, b ∈ R, as seguintes propriedades sejam
satisfeitas:

3.2. Propriedades:
i) (u + v) + w = u + (v + w)
ii) u + v = v + u
iii) existe 0 ∈V tal que u + 0 = u
0 é o vetor nulo
iv) Existe –u∈ V tal que u + (-u) = 0
v) a(u + v) = au + av, a escalar
vi) (a + b)v = av + bv, a, b escalares
vii) (ab)v = a(bv)
viii) 1.u = u

37
 04/03/2016

3.3. Conceitos

- Designamos por vetor um elemento do espaço

vetorial
- Espaço vetorial é um termo genérico que pode ser
designado para representar diferentes tipos de conjuntos

Exemplo: V = M(3, 3) é o conjunto de matrizes 3x3

- V é um espaço vetorial, pois todas as propriedades

anteriores são satisfeitas se a adição é entendida como a
adição de matrizes

38
04/03/2016

39
 04/03/2016

Contra-Exemplo: Um conjunto que não é um espaço vetorial:

Seja u = (u1, v1) e v = (u2, v2)

Seja V = R2 e adição e multiplicação definidas como:

u + v = (u1 + u2, v1 + v2)

k.u = (ku1, 0)

- Nesse caso, o axioma 8 não vale, pois:

1u = 1(u1, u2) = (u1, 0) ≠ u

- Logo V não é um espaço vetorial

EXERCÍCIOS 1 a 8

40
 04/03/2016

3.4. Subespaços Vetoriais

Definição: Dado um espaço vetorial V, um subconjunto

W, não vazio, será um subespaço vetorial de V se:

i) Para quaisquer u, v ∈ W, tivermos u + v ∈ W

ii) Para quaisquer a ∈ R, u ∈ W, tivermos au ∈ W

Importante:
1) Ao operarmos em W (soma e multiplicação por
escalar) não obteremos um vetor fora de W. Isso é suficiente
para afirmar que W é ele mesmo um espaço vetorial, pois
assim as operações ficam bem definidas
2) Assim, não precisamos verificar novamente as
propriedades (i) a (viii) de espaço vetorial porque elas são
válidas em V, que contém W

3) Qualquer subespaço W de V precisa

necessariamente conter o vetor nulo (por causa da condição
(ii) da definição quando a = 0)

4) Todo espaço vetorial admite, pelo menos, dois

subespaços (que são chamados de subespaços triviais):
• O conjunto formado apenas pelo vetor nulo
• O próprio espaço vetorial

Ex.: V = R3 e W ∈ V, um plano passando pela origem

Observe que, se W não passasse pela origem, não

seria um subespaço.
Os únicos subespaços de R3 são a origem (trivial), as
retas e planos que passam pela origem e o próprio R3
(trivial)

41
 04/03/2016

Exercício 1: Seja V = R5 e W = {(0,x2,x3,x4,x5); xi ∈ R},

isso é, W é o conjunto de vetores de R5 com a primeira
coordenada nula

a. Demonstre que V é um espaço vetorial (axiomas 1

ao 8 de espaços vetoriais)
b. Demonstrado que V é um espaço vetorial,
demonstre que W é subespaço vetorial de V (verificar as
condições i e ii)

EXERCÍCIOS 101 a 104

3.5. Combinações lineares

Sejam V um espaço vetorial real, v1, v2, ..., vn ∈ V e a1,

a2, ...,an números reais

Então o vetor v = a1v1 + a2v2 + .... anvn é um elemento

de V ao qual chamamos de combinação linear de v1, v2, ...,
vn

Uma vez fixados vetores v1, v2, ..., vn em V, o conjunto

W de todos os vetores de V que são combinação linear
desse é um subespaço vetorial W é chamado de subespaço
gerado por v1, v2, ..., vn

W = [v1, v2, ..., vn]

42
 04/03/2016

Combinação Linear

Exemplo 1: V = R2, v1 = (1, 0), v2 = (0, 1)

Logo, V = [v1, v2], pois dados v = (x, y) ∈ V, temos
(x, y) = x(1, 0) + y(0, 1)

Ou seja, v = x.v1 + y.v2

3.6. Dependência e Independência Linear

Definição: Sejam V um espaço vetorial e v1, v2, ..., vn ∈

V. Dizemos que o conjunto {v1,v2, ...,vn} é linearmente
independente (LI), ou que o vetores v1, v2, ..., vn são LI se
a equação:

a1v1 + a2v2 + ... + anvn = 0, implica que a1 = a2 = .... =

an = 0
{v1,v2, ...,vn} é LD se, e somente se, um destes
vetores for combinação linear dos outros.
Se algum ai <> 0, dizemos que {v1,v2, ...,vn} é
linearmente dependente (LD) ou que os vetores v1, v2, ... ,
vn são LD.

EXERCÍCIOS 201 a 210

43
 04/03/2016

3.7. Exercícios

1. Seja V o conjunto dos pares ordenados (a, b) de números reais

com adição em V e multiplicação em V definidos por (a, b)+(c, d) = (a+c,
b+d) e k*(a, b) = (ka, 0). Verifique se V é um espaço vetorial sobre R, ou
seja, satisfaz todos os axiomas de espaço vetorial.

2. Seja C o conjunto dos números complexos. Defina a soma em C

por (a + bi) + (c + di) = a + c + (b + d)i e defina a multiplicação por um
escalar por m(a + bi) = ma + mbi. Mostre que C é um espaço vetorial em
relação a essas operações. É o conjunto dos números racionais em R,
com as operações usuais, um espaço vetorial?

3.

3.7. Exercícios

4. Determine se os conjuntos das matrizes 2 x 2 seguintes são espa

vetoriais (com as operações usuais).

5 Mostre que os seguintes conjuntos não são espaços vetoriais, indicando

qual ou quais axiomas não são satisfeitos.

44
 04/03/2016

3.7. Exercícios

6.

7. Seja S o conjunto de todos os pares ordenados de números reais.

Definida a multiplicação por um escalar e a soma em S por

Mostre que S, junto com a multiplicação usual por um escalar e sua

operação de soma não é um espaço vetorial. Quais dos oito axiomas não
são válidos?

101. Considere o subespaço de R4 gerado pelos vetores v1 = (1,-

1,0,0), v2=(0,0,1,1), v3=(-2,2,1,1) e v4=(1,0,0,0), o vetor (2, -3, 2, 2) ∈
[v1,v2,v3,v4]?

102. Mostre que os seguintes subconjuntos de R4 são subespaços:

(a) W = {(x, y, z, t) ∈R4|x + y = 0 e z − t = 0};
(b) W = {(x, y, z, t) ∈R4|2x + y − t = 0 e z = 0}.

103. Dados os espaços vetoriais reais a seguir, diga em cada caso,

se W é subespaço de V.
(a) V = R3 e W = {(x, y, z); x ≥ 0};
(b) V = P2 = {a + bt + ct2; a, b, c ∈ R} e W = {a + bt + ct2; a − 2b + c
= 0}.

Lembrar: Dado um espaço vetorial V, um subconjunto W, não vazio, será um subespaço vetorial de
V se para quaisquer u, v ∈ W, tivermos u + v∈ W, e para quaisquer a ∈ R, u ∈ W, tivermos au ∈ W

104 . Quais dos seguintes sub-conjuntos de R2 são sub-espaços de

R2

45
 04/03/2016

201. Determine a1, a2 e a3 para que o vetor V=(1, 1, 1) seja combinação

linear dos vetores V1 = (0, 1, 2), V2 = (1, 0, 1) e V3 = (1, 1, 0).

202. Quais os subconjuntos abaixo do R3 são linearmente

independentes:
(a) {(1, 0, 0), (0, 1, 0), (0, 0, 1), (2, 5, 3)}
(b) {(1, 1, 1), (1, 0, 1), (1, 0,−2)}
(c) {(0, 0, 0), (1, 2, 3), (4, 1,−2)}
(d) {(1, 1, 1), (1, 2, 1), (3, 2,−1)}

203. Determinar m e n para que os conjuntos de vetores do R3 dados

abaixo sejam L.I.
(a) {(3, 5m, 1), (2, 0, 4), (1,m, 3)}
(b) {(1, 3, 5), (2,m + 1, 10)}
(c) {(6, 2, n), (3,m + n,m − 1)}

204. Verificar quais dos seguintes conjuntos de vetores do espaço vetorial

R3, são linearmente independentes.
(a) {(1, 1, 0), (1, 4, 5), (3, 6, 5)}
(b) {(1, 2, 3), (1, 4, 9), (1, 8, 27)}
(c) {(1, 2, 1), (2, 4, 2), (5, 10, 5)}

205. Sejam u e v dois vetores linearmente independentes de um espaço

vetorial real E. Determine o escalar α para o qual os vetores αu+ 2v e
u−v são linearmente dependentes
206. Sejam u e v dois vetores linearmente independentes de um espaço
vetorial real E. Mostre que os vetores u e u+v são linearmente
independentes.
207. Considerem-se 3 vetores de um espaço vetorial: u, v e w. Prove que
u−v, v −w e w −u são sempre linearmente dependentes.
208. Sejam v e w dois vetores linearmente independentes de um espaço
vetorial E. Mostre que o sistema de vetores {v, w, v +w} é linearmente
dependente.

46
 04/03/2016

IV – Base e Dimensão
4.1. Base de um espaço vetorial
4.1.1. Vetores LI-Maximal

4.2. Dimensão de um espaço vetorial

4.2.1. Processo Prático para obter uma base de
um subespaço do Rn

4.3. Mudança de base

4.4. Questões

4.1. Base de um Espaço Vetorial

Definição: Um conjunto {v1,v2, ...,vn} de vetores de V

será uma base de V se:

i) {v1,v2, ...,vn} é LI
ii) [v1,v2, ...,vn] é V, ou seja, esse conjunto gera todos os
vetores de V.

Exemplo 1: V = R2, e1=(1,0) e e2=(0,1)

- {e1, e2} é base de V, conhecida como base canônica
de R2
- O conjunto {(1,1),(0,1)} também é uma base de V = R2

47
 04/03/2016

De fato, se (0,0) = a(1,1) + b(0,1) = (a, a + b), então a =

b=0

Assim, {(1, 1), (0, 1)} é LI

Ainda [(1, 1), (0, 1)] = V pois dado v = (x, y) ∈ V, temos:

(x, y) = x(1, 1) + (y – x)(0, 1)

Ou seja, todo vetor de R2 é uma combinação linear dos

vetores (1,1) e (0,1)

Exemplo 2: {(0,1), (0,2)} não é base de R2, pois é um conjunto

LD

Se (0,0) = a(0,1) + b(0,2), então a = -2b e a e b não

são zero necessariamente

Exemplo 3: {(1,0,0), (0,1,0), (0,0,1)} é uma base de R3

i) Base canônica de R3
ii) {e1, e2, e3} é LI
iii) (x, y, z) = x.e1 + y.e2 + z.e3

Exemplo 4: {(1,0,0), (0,1,0)} não é base de R3

- É LI mas não gera todo R3

48
04/03/2016

49
 04/03/2016

Teorema: Dada uma base b = {v1,v2, ...,vn} de V, cada

vetor de V é escrito de maneira única como combinação linear
de v1, v2, ...,vn.

Definição: Sejam b = {v1,v2, ...,vn} base de V e v ∈ V

onde v = a1v1 +...+ anvn. Chamamos esses números ai de
coordenadas de v em relação à base b e denotamos por:

4.1.1. Vetores LI-Maximal

Definição: Um conjunto de vetores {v1 , v2 ,..., vn } C V é

dito LI-Maximal se:
a) {v1 , v2 ,..., vn } é LI
b) {v1 , v2 ,..., vn ,w} é LD, ∀w ∈ V

Proposição (1): Seja V um espaço vetorial. Um conjunto

de vetores {v1 , v2 ,..., vn} é base de V se for LI-Maximal.

50
 04/03/2016

4.2. Dimensão de um espaço vetorial

Definição: número de elementos do conjunto de

vetores linearmente independentes que geram esse
espaço, ou em outras palavras, o número de elementos da
base (ou do vetor LI-Maximal).

Exemplos:
O espaço vetorial Rn tem por base o conjunto
, que se
denomina a sua base canônica.
No plano R2, a reta de equação y = mx tem por
base o conjunto {(1, m)}.
O espaço vetorial dos polinômios p(x) de
coeficientes reais tem uma base infinita, o conjunto {1, x, x2,
x3, ...}.

4.2.1. Processo Prático para obter uma base de um

subespaço do Rn

O processo consiste em colocar os vetores

candidatos a base do subespaço, dispostos como linhas de
uma matriz e escaloná-la. Depois de escalonada, retirar
todas as linhas nulas. As linhas restantes serão vetores LI e
formarão a base procurada.
Exemplo: Seja W um subespaço do R4 que possui o
seguinte sistema de geradores [(2,1,1,0), (1,0,1,2), (0,-
1,1,4), (3,0,3,6)]. Determine a dimensão e uma base para
W

51
 04/03/2016

4.3. Mudança de base

Sejam β={u1,...,un} e β’= {w1,...,wn} duas bases

ordenadas de um mesmo espaço vetorial V.
Dado o vetor v ∈ V, podemos escrevê-lo como:

v = x1u1 + ... + xnun

v = y1w1 + ... + ynwn (1)

Como podemos relacionar as coordenadas de v em

relação à base β, temos:

[v]β =

Como também podemos relacionar as coordenadas de

v em relação à base β’, temos:

[v]β’ =

Já que {u1,...,un} é base de V (base β, slide anterior) ,

podemos escrever os vetores w (vetores da base β’, slide
anterior) como combinação linear dos uj, isto é:
w1 = a11u1 + a21u2 + ...+ an1un
w2 = a12u1 + a22u2 + ...+ an2un (2)
...
wn = a1nu1 + a2nu2 + ...+ annun

52
 04/03/2016

Substituindo (2) em (1), temos:

v = y1w1+...+ynwn = y1(a11u1+...+an1un) + .. +
yn(a1nu1+...+annun) = (a11y1+...+a1nyn) u1 + .. + (an1y1 +...+
annyn) un

Mas v = x1u1 + ... + xnun, e como as coordenadas

em relação a uma base são únicas temos:

x1 = a11y1 + ... + a1nyn

x2 = a21y1 + ... + a2nyn
.....
xn = an1y1 + ... + annyn

Ou, em forma matricial

Isso é denotado por:

53
 04/03/2016

Observe que, encontrando , podemos encontrar

as coordenadas de qualquer vetor v em relação à base β,
multiplicando a matriz pelas coordenadas de v na base β’

Ex.: Sejam β={(2,-1), (3,4)} e β’={(1,0),(0,1)} bases de R

determine:

a.

Resolução:

w1 = (1,0) = a11(2,-1) + a21(3,4)

w2 = (0,1) = a12(2,-1) + a22(3,4)

a21 = 1/11 e a11 = 4/11

a22 = 2/11 e a12 = -3/11

54
 04/03/2016

Logo:

b.

Isto é: (5, -8) = 5. (1,0) + (-8).(0,1) = 4.(2, -1) + (-1).(3, 4)

IMPORTANTE: A Inversa da Matriz Mudança de Base

EXERCÍCIOS 101 a 107

55
 04/03/2016

4.4. Questões

1. Quais são as coordenadas de x = (1, 0, 0) em relação

à base = {(1, 1, 1), (−1, 1, 0), (1, 0,−1)}?

2. Quais as coordenadas do vetor (4, 3), relativamente a

base β = {(1, 0), (0, 1)}

3. Seja W um subespaço do R4 que possui o seguinte

sistema de geradores [{(1, 1, 0, 0); (0, 1, 0, 0); (2, 1, 0, 0),
(1,2,0,0)}]. Determine a dimensão e uma base para W

4. Quais são as coordenadas de x = (1, 0, 0) em relação

à base = {(1, 1, 1), (−1, 1, 0), (1, 0,−1)}?

5. Mostre que B = {(1,2,3), (0,1,2), (1,−1,2)} é base do R3.

6. Seja W {(x, y, z, t) ∈ R4 / x - 2y + t = 0}. Determine a

dimensão de W

7. Seja U = [1 - 2t, 2t + t2 – t3 ,1 + t2 – t3 , 2 - 6t – t2 + t3].

Qual é a dimensão de U?

8. Sejam U e W, subespaços do R3, onde U {(x, y, z) ∈R3

/ x - 2y + z = 0} e W {(x, y, z) ∈ R3 / 3x + 2y + z = 0}.
Determine uma base de U I W.

56
 04/03/2016

101. Sejam ß1 = {(1, 0), (0, 1)}, ß2 = {(−1, 1), (1, 1)} bases
ordenadas de R2. Ache:

Os problemas 102 a 105 se referem às bases do IR2

A = {(1,3), (1,-2)} e B = {(3,5), (1,2)}

102. Determinar a matriz de mudança de base de A para B.

103. Determinar a matriz de mudança de base de B para A.

104. Sabendo que vA = (3, 2), calcular vB.

105. Sabendo que vB = (5, -10), calcular vA

106. Considere-se no IR2, a base canônica A = {e1 = (1,0), e2 =

(0,1)} e base B = {v1 = (1,3), v2 = (1,-2)}. Sabendo que vA =
(5,0), calcular vB.

107. Dadas a base canônica A = {e1 = (1,0), e2 = (0,1)} e a

base B = {v1 = (2,1), v2 = (-1,2) do IR2, calcular vB sabendo-se
que vA = (4,7).

57