Álgebra Linear

Espaços Vetorias
Dizemos que um conjunto de vetores V não vazio, ou seja, V ≠ 0 é um espaço vetorial
sobre R se/e somente se estiver definida:

I. A soma entre quaisquer vetores (u, v) ∈ V e as propriedades:

a) u + v = v + u, para quaisquer u, v ∈ V (comutativa);

b) u + (v + w) = (u + v) + w, para quaisquer u, v, w ∈ V (associativa);
c) Existe, em V, um único elemento neutro, denotado 0, tal que u + 0 = 0 + u
= u;
d) Para todo u ∈ V, existe o oposto (-u) ∈ V tal que u + (-u) = 0;

II. A multiplicação de qualquer vetor u ∈ V por qualquer escalar α ∈ R e as

propriedades:

a) α . (β . u) = (α . β) . u;
b) (α + β) . u = α . u + β . u;
c) α . (u + v) = α . u . α . v;
d) 1 . u = u;

Note que tanto a soma quanto a multiplicação devem pertencer a V.

O espaço vetorial R:
Sendo R, o conjunto dos número reais, fica fácil perceber que, na soma de número
reais, se verificam válidas as propriedades em I. Da mesma forma, para a
multiplicação, as propriedades em II se verificam válidas.

O espaço vetorial R^2, conjunto dos pares ordenados que formam o plano.

Seja R^2 = {(x, y) / x, y ∈ R}; logo:

. Soma: u + v = (x, y) + (s, t) = (x + s, y + t) ∈ R^2;

. Multiplicação: α . u = α . (x, y) = (αx, αy) ∈ R^2;

Se R e R^2 são espaços vetoriais, R^n também poderá ser considerado espaço vetorial
sobre R, desde que seja possível a soma e a multiplicação, conforme a seguir:

R^n = {(X1, X2, ..., Xn) / Xi ∈ R}; então:

. (X1, X2, ..., Xn) + (Z1, Z2, ..., Zn) = (X1 + Z1, X2 + Z2, ..., Xn + Zn) ∈
R^n;
. α . (X1, X2, ..., Xn) = (αX1, αX2, ..., αXn) ∈ R^n;

O espaço Pn(R), conjunto de todos os polinômios de grau menor ou igual a n, com n ≥

0, incluindo o polinômio nulo.

Sejam os polinômios:

. p(x) = AnX^2 + An-1X^n-1 + ... + A1X + A0.

. q(x) = BnX^2 + Bn-1X^n-1 + ... + B1X + B0.

As operações de soma e multiplicação por escalar são dadas por:

. p(x) + q(x) = (An + Bn)X^2 + (An-1 + Bn-1)X^n-1 + ... + (A1 + B1)X + (A0 + B0) ∈
Pn;
. k . p(x) = kAnX^n + kAn-1X^n-1 + ... + kA1X + kA0 ∈ Pn;
Será que existe algum conjunto que não é um espaço vetorial?

Vejamos o exemplo a seguir:

. O conjunto V = {(X, 1) / X ∈ R}.

Sejam u = (x, y) e v = (r, t), vetores de V, de imediato percebemos que y e t serão

iguais a 1; então:

. u + v = (x, 1) + (r, 1) = (x + r, 2) ∉ V, pois o segundo componente do par

ordenado é 2, o que condiz a condição dada na definição. Logo, V não é um espaço
vetorial sobre R.

Propriedades:

Como consequências imediatas da definição de um espaço vetorial V sobre R

apresentamos, a seguir, algumas propriedades:

. ∀α ∈ R, α . 0 = 0;
. ∀u ∈ V, u . 0 = 0;
. ∀α ∈ R e ∀u ∈ V, α . u = 0 ⇿ α = u ou α = 0;
. ∀ α ∈ R e ∀u ∈ V, (-α) . u = α. (-u) = -(αu);
. ∀α, β ∈ R e ∀u ∈ V, (α ± β) . u = (αu ± βu);
. ∀α ∈ R e ∀u, v ∈ V, α . (u ± v) = (αu ± αv);

Importante:
. Os elementos u, v de V são denominados vetores, e os números reais α1, ...,
αn, são denominados escalares;
. Note que 0 é o vetor nulo, não confundi-lo com o escalar 0;
. Em todo espaço vetorial existe o vetor nulo;

Subespaços Vetoriais:

Seja V um espaço vetorial sobre R e S um subconjunto de V, ou seja S ⊆ V, dizemos

que S é um subespaço vetorial de V, se S, também, for um espaço vetorial.

Portanto, para demonstrar que S é um subespaço vetorial, utilize o teorema a

seguir:

Um subconjunto W ⊆ V é um subespaço vetorial de V se/e somente se puderem ser

verificadas as três condições a seguir:

I. O vetor nulo 0 ∈ W;
II. ∀u, v ∈ W, temos u + v ∈ W;
III. ∀ α ∈ R e ∀u ∈ W, temos α . u ∈ W;

Vejamos alguns exemplos:

Exemplo 1:
W = {(0, y, 0) ∈ R^3} é um subespaço vetorial de R^3?

Verificando a condição I: 0 ∈ W:
. Note que o primeiro e terceiro componentes das coordenadas de todos os
vetores que compõem a W devem ser iguais a 0, e que, para o segundo componente, y,
não há uma restrição de valor; logo, 0 = (0, 0, 0) ∈ W.

Verificando a condição II: ∀u, v ∈ W, temos u + v ∈ W:

. Sejam u = (0, y, 0) e v = (0, t, 0), com u, v ∈ W.
. Logo, u + v = (0, y, 0) + (0, t, 0) = (0, y + t, 0) ∈ W.
Verificando a condição III: ∀α ∈ R e ∀u ∈ W, temos α . u ∈ W:
. Seja α ∈ R e u = (0, y, 0) ∈ W.
. α . u = (0, αy, 0) ∈ W.
. Satisfeitas as três condições, W é um subespaço vetorial de R^3.

Exemplo 2:
W = {(x, 1) ∈ R^2} é um subespaço vetorial de R^2?

Note que em todos o vetores que compõem W, o segundo componente da coordenada, será
sempre, igual a 1; assim , 0 = (0, 0) ∉ W. Logo, W não é um subespaço vetorial de
R^2.

A reta W = {y = 2x ∈ R^2} é um subespaço vetorial de R^2?

Note que os pares ordenados que formam o conjunto de retas que compõem W são da
forma (x, 2x).

Verificando a condição I: 0 ∈ W:
. Se x = 0, verifica-se que y = 2 . 0 = 0, assim 0 = (0, 0) ∈ W.

Verificando a condição II: ∀u, v ∈ W, temos u + v ∈ W:

. Sejam u = (x, 2x) e v = (s, 2s) com u, s ∈ W temos:
u + v = (x, 2x) + (s, 2s) = (x + s, 2x + 2s) ∈ W.

Verificando a condição III: ∀α ∈ R e ∀u ∈ W, temos α . u ∈ W:

. Seja α ∈ R e u = (x, 2x) ∈ W; então α . u = (αx, 2αx) ∈ W.
. Satisfeitas as três condições, W é um subespaço vetorial de R^2.

Exemplo 3:
W = {(w, y, z) ∈ R^3 / x = y e z = 0} é um subespaço vetorial de R^3?

Percebemos que os vetores de W devem ter o primero e o segundo componentes da

coordenada iguais e o terceiro componente deve ser igual a 0. Dessa maneira, os
vetores de W são da forma (x, x, z) ∈ W.

Verificando a condição I: 0 ∈ R^3:

. 0 = (0, 0, 0) ∈ R^3.

Verificando a condição II: ∀u, v ∈ W, temos u + v ∈ W:

. Sejam u = (x, x ,z) e v = (r, r, t), ambos ∈ W com z = t = 0:
u + v = (x + r, x + r, z + t) = (x + r, x + r, 0) ∈ W.

Verificando a condição III: ∀α ∈ R e ∀u ∈ W, temos α . u ∈ W:

. α . u = α . (x, x, z) = (αx, αx, αz) = (αx, αx, 0) ∈ W.
. Satisfeitas as três condições, W é um subespaço vetorial de R^3.

Operações com Subespaços Vetoriais

Soma:
Dados U e W, subespaços vetoriais de V, definimos a soma de U com W, denotada por U
+ W, como:
. U + W = {s ∈ W / s = u + w com u ∈ W e w ∈ W}.

É imediato perceber que, para a soma U + W, vale a propriedade comutativa e a

propriedade de elemento neutro para a adição, ou seja:
. U + W = W + U e que U + 0 = U.

Note que, pela definição, se U e W são subespaços vetoriais de V; então U + W

também é um subespaço vetorial de V.
Exemplo:
Sejam U = {(x, 0, 0) ∈ R^3} e W = {(0, y, 0) ∈ R^3}. Determine a soma de U + W:

Chamamos u = (x, 0, 0) e w = (0, y, 0); então:

. s = u + w = (x, 0, 0) + (0, y, 0) = (x + 0, 0 + y, 0 + 0).
. U + W = (x, y 0).
. Graficamente, a soma U + W corresponde ao plano formado pelos eixos x e y.

Intersecção de Subespaços Vetoriais:

Dados dois subespaços vetoriais U e W do espaço vetorial V, a intersecção entre a U
e W, denotada por U ∩ W, é dada por:
. U ∩ W = {r ∈ V / r ∈ U e r ∈ W}.

Demonstraremos a seguir que, se U e W são subespaços vetoriais de V, a intesecção U

∩ W também é um subespaço de V:
. 0 ∈ U ∩ W, pois 0 ∈ U e 0 ∈ W.
. ∀r, s ∈ U ∩ W, r + s ∈ U ∩ W.
. ∀r ∈ U ∩ W, ∀α ∈ R, α . r ∈ U ∩ W.

Exemplo:
Dado U = {(0, y) ∈ R^2} e W = {(x, 0) ∈ R^2}, ambos subespaços vetoriais de R^2,
determine U ∩ W.
. Pela definição, a intersecção entre U e W é todo valor que, ao mesmo tempo,
pertença a U e a W. Dessa, forma para determinarmos U ∩ W devemos igualar os
vetores de U com os vetores de W.
. (0, y) = (x, 0).
. Para esse sistema, há uma única solução possível, portanto, o sistema
possível e determinado (SPD), x = 0 e y = 0. Logo, U ∩ W = {(0, 0)}.

Soma Direta de Subespaços Vetoriais:

. Sejam os subespaços vetoriais U e W do espaço vetorial V, tal que U ∩ W =
{0} e U + W = V. Neste caso, dizemos que V é a soma direta dos subespaços U e W, e
indicaremos por V = U ⊕ W.

Exemplo 1:
Dados os subespaços U = {(x, y, 0) ∈ R^3} e W = {(0, y, z) ∈ R^3}, verificar se R^3
é a soma direta de U e W.

Devemos verificar as condições da definição:

. I. U ∩ W = {0}.
. (x, y, 0) = (0, a, z) ⇨ x = 0, y = a e z = 0.
Logo, U ∩ W = {(0, a, 0) ≠ (0, 0, 0)}.
. Como a condição (I) não foi satisfeita, R^3 não é a soma direta de U e W.

Exemplo 2:
Dados os subespaços U = {(x, 0, 0) ∈ R^3} e W = {(0, y, z) ∈ R^3}, verificar se R^3
é a soma direta de U e W.

Devemos verificar as condições da definição:

. I. U ∩ W = {0}.
(x, 0, 0) = (0, y, z) ⇨ x = 0, y = 0 e z = 0.
Logo, U ∩ W = {(0, 0, 0)}.

. II. U + W = V.
(x, 0, 0) + (0, y, z) = {(x, y, z) ∈ R^3}.
. Satisfeitas as condições (I) e (II), podemos afirmar que R^3 é a soma
direta de U e W.
Combinação Linear:
Seja V um espaço vetorial sobre R, considere o subconjunto U = {(u1, u2, ..., un) ⊂
V}.

Tomemos, agora, um subconjunto de V, formado a partir de U, denotado por [U] =

{α1u1 + α2u2 + ... + αnun / α1, α2, ... αn ∈ R} e subespaço de V.

Definição:
Chamamos [U] de "subespaço gerado" de U e cada elemento de [U] é uma "combinação
linear" de u1, u2, ..., un, ou a combinação linear de U. Podemos dizer que os
vetores de U geram [U] ou, ainda, que os vetores de U são geradores.

Exemplo:
Escrever o vetor u = (4, 3) como a combinação linear dos vetores v = (1, 0) e w =
(0, 1), para que u seja a combinação linear de v e w devemos ter:

. u = αv + βw;
. (4, 3) = α(1, 0) + β(0, 1);
. (4, 3) = (α, 0) + (β, 0);
. (4, 3) = (α, β);
Da igualdade, podemos montar o sistema {α = 4, β = 3. Logo, (4, 3) = 4(1, 0) + 3(0,
1).

Dependência e Independência Linear

Seja V um espaço vetorial sobre R, um subconjunto S = {u1, u2, ..., un} ⊂ V, e um
subconjunto de escalares α1, α2, ..., αn ∈ R.

I. S será linearmente independente (LI), se:

. α1u1 + α2u2 + ... + αnun = 0, com α1 = α2 = ... = αn = 0.

II. S será sempre linearmente dependente (LD), se:

. α1u1 + α2u2 + ... + αnun = 0, com, ao menos, um escalar diferente de
zero.

Base e Dimensão:

Base
Considere um espaço vetorial, finitamente, gerado V. Designamos de base de V o
subconjunto B ⊂ V, se/e somente se:

I. [B] = V;
II. B é linearmente independente (LI);

De acordo com a definição, podemos dizer que todo vetor v de V é a combinação

linear dos vetores de base B. Denotaremos os escalares desta combinação linear de
coordenadas de v na base B, de acordo com a notação v = (α1, α2, ..., αn)_b.

Dimensão
Denominamos dimensão um espaço vetorial finitamente gerado em V e a quantidade de
vetores de qualquer uma das suas bases. Para a dimensão de um espaço vetorial,
usaremos a notação dim V.

Exemplo:
Seja V = R^3 = {(x, y, z) / x, y, z ∈ R^3}, consideremos o subconjunto U = {(1, 0,
0), (0, 1, 0), (0, 0, 1)}. Mostraremos que U é a base de V.

I. [U] = V:
. x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) = (x, 0, 0) + (0, y, 0) + (0, 0, z)
= (x, y, z) = V
 II. U é LI: δ β
. α(1, 0, 0) + β(0, 1, 0) + δ(0, 0, 1) = (0, 0, 0);
. (β, 0, 0) + (0, β, 0) + (0, 0, δ) = (0, 0, 0);
. (α, β, δ) = (0, 0, 0) ⇨ α = β = δ = 0;
. Como o sistema apresentou uma solução única (SPD), U é LI. Logo, U é a
base de V e dim V = 3.

Unidade 2

Transformação Linear
Sendo U e V espaços vetoriais, e ('esse F signífica função') F : U ⇨ V, F uma
função com domínio U e contradomínio V, dizemos que uma função F é uma
transformação linear se valem as condições:

I. Para qualquer vetor u1 e u2 pertencente a U , F(u1 + u2) = F(u1) + F(u2);

II. Para qualquer vetor u pertencente a U e para qualquer número real α

pertencente ao conjunto dos números reais, F(α . u) = α . F(u);

III. Se uma função leva o vetor nulo de U em um vetor não nulo de V, isto é,
F(0U) ≠ 0V; então, ela não pode ser linear.

Exemplo:
Verifique se a função F: R^2 ⇨ R^2, definida por F(x, y) = (2x, 3x + 4y) é linear:

Condição I:
. F(0, 0) = (2 . 0, 3 . 0 + 4 . 0) = (0, 0). OK!

Condição II:
Sendo u1 = (x, y) e u2 = (r, s), temos:
. F(u1 + u2) = F(x + r, y + s) = (2x + 2r, 3x + 3r + 4y + 4s);
. F(u1) + F(u2) = F(x, y) + F(r, s) = (2x + 2r, 3x + 3r + 4y + 4r);
. Portanto, F(u1 + u2) = F(u1) + F(u2). OK!

Condição III:
Sendo u = (x, y) e a, temos:
. F(α . u) = F(α . (x, y)) = (2ax, 3ay + 4ax);
. α . F(u) = α . F(x, y) = (2ax, 3ay + 4ax);
. Portanto, F(α . u) = a . F(u). OK!
. Satisfeitas as três condições, F é a transformação linear.

Imagem de Uma Transdormação Linear

Definimos a imagem de transformação linear T: U ⇨ V o conjunto denotado por:
. ImT = {T(u) ∈ V / u ∈ U}.

Exemplo:
Sejam os vetore u = (1, 2, 3) e v = (0, 0, 1), determine a imagem de u e de v pela
transformação linear T: R^3 ⇨ R^2, T(x, y, z) = (x + z, y).

Solução:
. T(u) = T(1, 2, 3) = (1 + 3, 2) = (4, 2);
. T(v) = T(0, 0, 1) = (0 + 1, 0) = (1, 0);

Núcleo de Uma Transformação Linear

Sejam U e V espaços vetoriais, e a transformação linear T: U ⇨ V, definimos como
núcleo da transformação linear T o subespaço vetorial de U, representado por N(T) e
dado por:
 . N(T) = {u ∈ U / T(u) = 0v}.

Exemplo:
Determinar o núcleo da transformação linear T: R^2 ⇨ R^2, definida por T(x, y) = (y
- 2x, y + 2x):

. N(T) = {(x, y) ∈ R / T(x, y) = (0, 0)}

. T(x, y) = (y - 2x, y + 2x) = (0, 0) ⇨
. ⇨ {y - 2x = 0 | y + 2x = 0

Somando as duas equações :

. 2y = 0 ⇨ y = 0; logo, x = 0;
. N(T) = {(0, 0)}.

Operações Com Transformações Lineares

Sejam as transformações lineares F: U ⇨ V e G: U ⇨ V, é possível realizar as
seguintes operações:

. Adição: F + G = U ⇨ V, definida por (F + G)(u) = F(u) + G(u), ∀ u ∈ U.

. Multiplicação por Escalar: sejam as transformações lineares F: U ⇨ V e k ∈

R, definimos o produto F por k como kF: U ⇨ V, dadas por (kF)(u) = kF(u), ∀ u ∈ U;

. Composição: sejam as transformações lineares F: U ⇨ V e G: V ⇨ W, chamamos

de transformação composta de G com F, denotada por G o F: U ⇨ W definida por
(G o F)(u) = G(F(u)), ∀ u ∈ U.

Exemplo:
Sendo F:R^2 ⇨ R^2 definida por F(x, y) = (x - 2y, 2x + y), e G: R^2 ⇨ R^2 definida
por G(x, y) = (x, x - y), determine:

a) F + G = (x - 2y + x, 2x + y + x - y) = (2x - 2y, 3x);

b) 3F - 2G = 3(x - 2y, 2x + y) - 2(x, x - y) = (3x - 6y, 6x + 3y) - (2x, 2x - 2y) =

(3x - 6y - 2x, 6x + 3y - 2x + 2y) = (x - 6y, 4x + 5y);

c) F o G = (x - 2 (x - y), 2(x) + (x - y)) = (x - 2x + 2y, 2x + x - y) = (-x + 2y,

3x - y);

d) G o F = (x - 2y, x - 2y - (2x + y)) = (x - 2y, x - 2y - 2x - y) = (x - 2y, -x -

3y);

Matriz de Uma Transformação Linear

. Consideremos os espaços vetoriais U e V sobre R, cujas dimensões sejam,
respectivamente, n e m.

. Tomemos a transformação T: U ⇨ V, a base B = {u1, ..., un} de U e a base C = {v1,

..., vn} de V.

. Sabemos que cada um dos vetores T(u1), ..., T(un) está em V e, portanto, podem
ser escritos como a combinação linear da base C.

Transformações Lineares Planas

Dilatação e Contração:
É uma transformação linear T: R^2 ⇨ R^2 que dilata ou contrai um vetor em k vezes,
o valor de seu módulo na própria direção, na direção do eixo x ou na direção do
eixo y.
Dessa maneira, ocorre:
. Dilatação, se k > 1;
. Contração, se 0 < k < 1;

a) Dilatação ou contração na direção do vetor:

. T(x, y) = (kx, ky);
. A matriz canônica associada a essa transformação é: (k 0)
(0 k).

b) Dilatação ou contração na direção do eixo x:

. T(x, y) = (kx, y);
. A matriz canônica associada a essa transformação é: (k 0)
(0 1)
. Se k > 1, o vetor dilata; se 0 < k < 1, contrai o vetor; se k < 0, inverte
o sentido do vetor.

c) Dilatação ou contração na direção do eixo y:

. T(x, y) = (x, ky);
. A matriz canônica associada a essa transformação é: (1 0)
(0 k)
. Se k > 1, o vetor dilata; se 0 < k < 1, contrai o vetor. A abcissa x do
vetor se mantém sempre igual.

É uma transformação linear T: R^2 ⇨ R^2 que leva um ponto do plano ao seu simétrico
em relação:

a) Ao eixo x: T(x, y) = (x, -y). A matriz canônica dessa transformação é: (1 0)

(0 -1).

b) Ao eixo y: T(x, y) = (-x, y). A matriz canônica dessa transformação é: (-1 0)

(0 1).

c) A origem: T(x, y) = (-x, -y). A matriz canônica dessa transformação é: (-1 0)

(0 -1).

d) À reta y = x: T(x, y) = (y, x). A matriz canônica dessa transformação é: (0 1)

(1 0).

Cisalhamento:
a) Na direção do eixo x (cisalhamento horizontal): T(x, y) = (x + ky, y).
. A matriz canônica dessa transformação é: (1 k)
(0 1).

b) Na direção do eixo y (cisalhamento vertical): T(x, y) = (x, y + kx).

. A matriz canônica dessa transformação é: (1 0)
(k 1).

Projeção:
É uma transformação linear T: R^2 ⇨ R^2 que leva um vetor do plano à sua projeção
ortogonal sobre o eixo x ou sobre o eixo y.

a) Projeção em relação ao eixo x: T(x, y) = (x, 0).

. A matriz canônica dessa transformação é: (1 0)
(0 0).

b) Projeção em relação ao eixo y: T(x, y) = (0, y).

. A matriz canônica dessa transformação é: (0 0)
(0 1).
Rotação:
A transformação linear plana da rotação faz cada ponto (vetor) descrever, em volta
da origem, um ângulo "θ" no sentido anti-horário.

Assim, podemos dizer que a rotação é uma transformação T: R^2 ⇨ R^2, tal que:

. T(x, y) = (xcosθ - ysenθ, xsenθ + ycosθ);

. A matriz canônica dessa transformação é: (cosθ -senθ)
(senθ -cosθ).