Espaços vetoriais: definição, exemplos e propriedades

Espacos Vetoriais
ODULO 2 - AULA 8
Aula 8 Espa cos Vetoriais
Objetivos
Denir espa cos vetoriais, e estudar alguns dos principais exemplos dessa es-
trutura.
Identicar propriedades dos espa cos vetoriais.
Introdu cao
Imagine um conjunto V onde seja possvel somar elementos e multipli-
car os elementos por n umeros reais, e que o resultado dessas opera coes esteja
no conjunto V . Imagine ainda que essas operacoes tem boaspropriedades,
aquelas que estamos acostumados a usar quando somamos e quando multi-
plicamos por n umeros reais:
podemos somar os elementos trocando a ordem, ou agrupando-os como
quisermos, sem que o resultado seja alterado;
existe um elemento que quando somado a outro resulta sempre nesse
outro;
feita uma soma, e possvel desfaze-la com uma subtra cao, e todo ele-
mento de V pode ser subtrado de outro;
multiplicar por um n ao faz efeito;
multiplicar seguidamente por v arios reais e o mesmo que multiplicar
pelo produto deles;
multiplicar o resultado de uma soma por um n umero real e o mesmo
que multiplicar cada parcela e depois somar;
multiplicar por um elemento de V uma soma de reais e o mesmo que
multiplicar cada real pelo elemento em quest ao e depois somar os re-
sultados.
Existem varios conjuntos onde a adi cao e a multiplica cao por n umeros
reais que fazemos usualmente gozam dessas propriedades. Os conjuntos R,
R
2
e R
3
sao exemplos. Os conjuntos de matrizes de mesma ordem (M
23
(R),
M
34
(R) etc.) tambem sao exemplos (veja aula 3). Na verdade, h a mui-
tos exemplos de conjuntos com essa mesma estrutura. Chamamos a esses
conjuntos, munidos dessas operacoes com as propriedades acima de espa cos
vetoriais.
7
CEDERJ
Espa cos Vetoriais
A vantagem de se estudar os espa cos vetoriais de forma mais abstrata,
como faremos a partir de agora, e que estaremos estudando propriedades e
leis que s ao v alidas em qualquer espa co vetorial, em particular nos exemplos
que acabamos de destacar. Ou seja, veremos o que existe de comum entre
conjuntos de matrizes, R, R
2
, R
3
e v arios outros espa cos vetoriais.
Denicao de espa co vetorial
Considere um conjunto V no qual est ao denidas duas opera coes: uma
adicao, que a cada par de elementos u e v de V associa um elemento u + v
de V , chamado soma de u e v, e uma multiplica cao por escalar, que a cada
n umero real e a cada elemento v de V associa um elemento v de V ,
chamado produto de por v. Dizemos que o conjunto V munido dessas
opera coes e um espa co vetorial real (ou um espaco vetorial sobre R, ou ainda,
um R-espa co vetorial) se sao satisfeitas as seguintes condicoes, para todos os
elementos de V , aqui designados pelas letras u, v e w, e todos os n umeros
reais, aqui designados pelas letras e :
u + v = v + u (comutatividade);
u + (v + w) = (u + v) + w (associatividade);
existe um elemento em V , que designaremos por e, que satisfaz v+e = v
para qualquer v em V (existencia de elemento neutro para a adi cao);
para cada v V , existe um elemento de V , que designaremos por
v, que satisfaz v + (v) = e (existencia de inverso aditivo, tambem
chamado de simetrico ou oposto);
(v) = ()v (associatividade);
( + )v = v + v (distributividade);
(u + v) = u + v (distributividade);
1 v = v (multiplica cao por 1).
De acordo com essa denicao, podemos concluir que nao sao espa cos
vetoriais o conjunto N dos n umeros naturais, e o conjunto Z dos n umeros
inteiros, para come car. Em nenhum dos dois, por exemplo, a opera cao mul-
tiplica cao por escalar est a bem denida: ao multiplicar um n umero inteiro
nao nulo por
2, que e um n umero real, a resposta certamente n ao ser a um

n umero inteiro.
CEDERJ
8
Espacos Vetoriais
M
ODULO 2 - AULA 8
Isso nos diz que alguns dos conjuntos que conhecemos n ao s ao espa cos
vetoriais. Para nos certicarmos que um determinado conjunto e de fato um
espa co vetorial, e necessario vericar se as opera coes estao bem denidas, e
se valem todas as condi coes da denicao! Qualquer uma que n ao se verique
indica que o conjunto em quest ao n ao e um espaco vetorial.
Exemplos de espa cos vetoriais
Para vericar se um conjunto e ou n ao um exemplo de espa co vetorial,
partimos do princpio que no conjunto dos n umeros reais a adi cao e a mul-
tiplica cao tem todas as propriedades dadas na deni cao de espa co vetorial
(na verdade, estaremos usando o fato de que R e um Corpo, que e uma outra
estrutura estudada nos cursos de algebra). S ao v arios os exemplos de espa cos
vetoriais. Listamos alguns deles a seguir.
1. R
2
e R
3
Provaremos que R
2
e espaco vetorial, sendo que a prova para R
3
e
an aloga. Aqui as opera coes consideradas sao as usuais, ou seja, aquelas
que estamos acostumados a fazer: se (x
1
, x
2
) e (y
2
, y
2
) sao elementos
de R
2
, e e um n umero real, (x
1
, x
2
) + (y
1
, y
2
) = (x
1
+ y
1
, x
2
+ y
2
) e
(x
1
, x
2
) = (x
1
, x
2
).
Considere u = (x
1
, x
2
), v = (y
1
, y
2
) e w = (z
1
, z
2
), todos em R
2
, e
n umeros reais. Ent ao temos:
u + v = (x
1
+ y
1
, x
2
+ y
2
) = (y
1
+ x
1
, y
2
+ x
2
) = u + v;
u+(v +w) = (x
1
+(y
1
+z
1
), x
2
+(y
2
+z
2
)) = ((x
1
+y
1
) +z
1
, (x
2
+
y
2
) + z
2
) = (u + v) + w;
o par e = (0, 0) satisfaz u + e = (x
1
+ 0, x
2
+ 0) = (x
1
, x
2
) = u;
tomando u = (x
1
, x
2
), temos u+(u) = (x
1
x
1
, x
2
x
2
) =
(0, 0) = e;
(u) = (x
1
, x
2
) = (x
1
, x
2
) = ()u;
( + )u = (( + )x
1
, ( + )x
2
) = (x
1
+ x
1
, x
2
+ x
2
) =
u + u;
(u+v) = (x
1
+y
1
, x
2
+y
2
) = ((x
1
+y
1
), (x
2
+y
2
)) = (x
1
+
y
1
, x
2
+ y
2
) = u + v;
1u = (1x
1
, 1x
2
) = (x
1
, x
2
) = u.
9
CEDERJ
Espa cos Vetoriais
2. R
n
, com n natural n ao nulo qualquer
O conjunto R
n
e formado pelas n-uplas (le-se enuplas) de n umeros
reais:
R
n
= {(x
1
, x
2
, . . . , x
n
) : x
1
, x
2
, . . . , x
n
R} .
Em R
n
, as opera coes usuais s ao denidas da seguinte maneira: consi-
derando u = (x
1
, x
2
, . . . , x
n
) e v = (y
1
, y
2
, . . . , y
n
) elementos de R
n
,
e em R, temos u + v = (x
1
+ y
1
, x
2
+ y
2
, . . . , x
n
+ y
n
) e u =
(x
1
, x
2
, . . . , x
n
). A prova de que R
n
e um espaco vetorial e an aloga
às provas para R
2
e R
3
, que sao casos particulares onde se considera
n = 2 e n = 3.
3. M
nm
(R)
Ja vimos na aula 3 que o conjunto M
nm
(R) com as opera coes denidas
na aula 2, satisfazem a todas as condi coes dadas na deni cao de espa co
vetorial real.
4. C
Aqui apenas recordaremos as opera coes de soma e produto por esca-
lar no conjunto dos n umeros complexos (conceitos vistos no curso de
Pre-Calculo), deixando a prova como exerccio. Considere os n umeros
complexos z
1
= a
1
+ b
1
i e z
2
= a
2
+ b
2
i, e o n umero real . Temos
entao z
1
+ z
2
= (a
1
+ a
2
) + (b
1
+ b
2
)i e z
1
= a + b
1
i.
5. Polin omios de grau n (n natural n ao nulo), com coecientes reais, a
uma vari avel, acrescidos do polin omio nulo O grau do polinomio nulo nao
esta denido.
Os polin omios s ao muito estudados em diversos ramos da

Algebra. Os
conjuntos de polinomios de grau n (acrescidos do polin omio nulo),
para os diversos valores de n, tem estrutura muito rica (no sentido da
quantidade de opera coes e propriedades que s ao v alidas nesses conjun-
tos), e o fato de serem espa cos vetoriais e apenas uma de suas carac-
tersticas. Vamos fazer a prova para o conjunto dos polin omios de grau
2, sendo que a prova para o caso geral e inteiramente an aloga.
Usaremos a nota cao P
2
(t, R) para indicar o conjunto dos polin omios de
grau 2 a uma vari avel t, com coecientes reais, acrescido do polinomio
nulo. Nesse caso,
P
2
(t, R) = {at
2
+ bt + c : a, b, c R}.
CEDERJ
10
Espacos Vetoriais
M
ODULO 2 - AULA 8
A expressao grau 2 e traduzida matematicamente pelo fato de que
a pode ser qualquer n umero real, inclusive zero: caso a seja 0, e b = 0,
o polin omio em quest ao tem grau 1. Para o polin omio nulo, temos
a = b = c = 0.
Lembre-se de que um polinomio e um objeto abstrato, ao trabalhar
com uma expressao do tipo 2t
2
+ t + 1 n ao estamos interessados em
encontrar t(nem seria possvel, pois n ao se trata de uma equa cao).
No nosso curso estaremos interessados em somar tais express oes, ou
multiplica-las por escalares, obtendo outras do mesmo tipo. Para isso,
sejam p
1
= a
1
t
2
+ b
1
t + c
1
e p
2
= a
2
t
2
+ b
2
t + c
2
elementos de P
2
(t, R),
e R. Ent ao
p
1
+ p
2
= (a
1
+ a
2
)t
2
+ (b
1
+ b
2
)t + (c
1
+ c
2
),
p
1
= a
1
t
2
+ b
1
+ c
1
.
Vamos ` as propriedades das opera coes:
p
1
+ p
2
= (a
1
+ a
2
)t
2
+ (b
1
+ b
2
)t + (c
1
+ c
2
) = (a
2
+ a
1
)t
2
+ (b
2
+
b
1
)t + (c
2
+ c
1
) = p
2
+ p
1
;
p
1
+(p
2
+p
3
) = (a
1
+(a
2
+a
3
))t
2
+(b
1
+(b
2
+b
3
))t+(c
1
+(c
2
+c
3
)) =
((a
1
+a
2
)+a
3
)t
2
+((b
1
+b
2
)+b
3
)t+((c
1
+c
2
)+c
3
) = (p
1
+p
2
)+p
3
;
o polin omio 0 = 0t
2
+ 0t + 0 satisfaz p
1
+ 0 = (a
1
+ 0)t
2
+ (b
1
+
0)t + (c
1
+ 0) = a
1
t
2
+ b
1
t + c
1
;
tomando p
1
= (a
1
)t
2
+ (b
1
)t + (c
1
), temos p
1
+ (p
1
) =
(a
1
a
1
)t
2
+ (b
1
b
1
)t + (c
1
c
1
) = 0t
2
+ 0t + 0 = 0;
(p
1
) = (a
1
t
2
+b
1
t+c
1
) = a
1
t
2
+b
1
t+c
1
= ()p
1
;
(+)p
1
= (+)a
1
t
2
+(+)b
1
t +(+)c
1
= a
1
t
2
+a
1
t
2
+
b
1
t + b
1
t + c
1
+ c
1
= p
1
+ p
1
;
(p
1
+ p
2
) = (a
1
+ a
2
)t
2
+ (b
1
+ b
2
)t + (c
1
+ c
2
) = a
1
t
2
+
a
2
t
2
+ b
1
t + b
2
t + c
1
+ c
2
= p
1
+ p
2
;
1p
1
= 1a
1
t
2
+ 1b
1
t + 1c
1
= a
1
t
2
+ b
1
t + c
1
= p
1
.
O conjunto dos polin omios de grau exatamente 2 n ao e um espaco ve-
torial. De fato, a soma n ao est a bem denida nesse conjunto: somando
t
2
+ t + 1 e t
2
+ 2t 3, que tem grau 2, obtemos o polin omio 3t 2,
que tem grau 1.
11
CEDERJ
Espa cos Vetoriais
6. Polin omios de qualquer grau, com coecientes reais, a uma variavel
Considerando o conjunto de todos os polin omios a uma vari avel, com
coecientes reais, as opera coes soma e produto por escalar usuais
(analogas ` as que denimos para P
2
(t, R)) est ao bem denidas e sa-
tisfazem a todas as propriedades que caracterizam os espa cos vetoriais,
tratando-se, portanto, de um exemplo de espa co vetorial.
Observa coes: Os elementos de um espa co vetorial s ao chamados
vetores. O elemento neutro da soma e chamado vetor nulo, e denotado por
0 ou

0. Note que, segundo essa conven cao, vetores podem ser polin omios,
matrizes, etc, e o smbolo 0 sera usado tambem para matrizes nulas, n-uplas
de zeros, etc.
Veremos ao longo deste m odulo que muitos dos conceitos aplic aveis aos
antigos vetores (como m odulo, angulo, etc) tambem fazem sentido para os
vetores da forma que estamos denindo agora.
Propriedades dos espacos vetoriais
Vamos considerar um espa co vetorial V , e usar as letras u, v e w para
designar elementos desse espa co. Usaremos as letras gregas (, , , etc) para
designar n umeros reais. Para facilitar as referencias futuras ` as propriedades,
vamos numer a-las.
1. Existe um unico vetor nulo em V , que e o elemento neutro da adi cao.
Em todos os exemplos que listamos na ultima aula, e bastante claro que
existe apenas um elemento neutro em cada espa co, mas existem varios
outros espa cos vetoriais que n ao vimos ainda. Vamos ent ao provar
que a existencia de um unico elemento neutro e um fato que decorre
apenas da deni cao de espa co vetorial (e, portanto, vale em qualquer
um). Vamos ent ao provar essa propriedade, e todas as outras, usando
a denicao e as propriedades que j a tenhamos provado.
Ja sabemos da deni cao que existe um elemento neutro no espa co V .
Suponhamos que 0 e 0
sejam elementos neutros de V , e vamos mostrar

que 0 = 0
.
De fato, temos que ter 0 + 0
= 0
, pois 0 e elemento neutro, mas

tambem temos 0 + 0
= 0, pois 0
tambem e elemento neutro. Logo

tem-se 0 = 0
.
CEDERJ
12
Espacos Vetoriais
M
ODULO 2 - AULA 8
2. Para cada v V , existe um unico simetrico v V .
De novo, suponhamos que algum v de V admitisse dois simetricos, v
e v
. Nesse caso, teramos

v + (v) = v + (v
),
pois os dois lados da igualdade resultam no vetor nulo. Somando (v)
aos dois membros, obtemos
(v) + (v + (v)) = (v) + (v + (v
)).
Pela associatividade da soma, podemos escrever
((v) + v) + (v) = ((v) + v) + (v
).
Usando o fato de que v e simetrico de v, e 0 e o elemento neutro da
soma, obtemos
0 + (v) = 0 + (v
)
v = v
.
3. Se u + w = v + w entao u = v.
Somando w aos dois membros da equa cao u + w = v + w, obtemos
(u + w) + (w) = (v + w) + (w).
Pela associatividade da soma e pelo fato de que w e o simetrico de w
e 0 e o neutro da soma, obtemos
u + (w + (w)) = v + (w + (w))
u +0 = v +0
u = v.
4. (v) = v (ou seja, o simetrico do vetor v e o vetor v).
Como o simetrico de um vetor qualquer de V e unico (propriedade 2),
e como v + (v) = 0, ent ao o simetrico de v so pode ser v.
13
CEDERJ
Espa cos Vetoriais
5. Fixados u e v em V , existe uma unica solucao para a equa cao u+x = v.
Somando u aos dois membros da equa cao u + x = v, obtemos
(u) + (u + x) = (u) + v
((u) + u) + x = (u) + v
0 + x = (u) + v
x = (u) + v,
ou seja, a equa cao u + x = v tem pelo menos uma solu cao, que e
(u) + v. Supondo que x e x
sejam solu coes da referida equa cao, ou

seja, que u + x = v e u + x
= v, teremos
u + x = u + x
,
e, pela propriedade 3,
x = x
.
6. Se v V satisfaz v +v = v, entao v = 0 (s o o elemento neutro satisfaz
a essa equa cao).
Note que, se v +v = v, entao v e solu cao da equa cao v +x = v. Como
0 tambem e solu cao, visto que v + 0 = v, pela propriedade anterior,
tem-se v = 0.
7. 0v = 0
Basta vericar que, pela propriedade distributiva,
0v + 0v = (0 + 0)v = 0v.
Pela propriedade anterior, 0v = 0.
8. 0 = 0, qualquer que seja o real considerado.
De novo usando a propriedade distributiva da adi cao, e o fato de que
0 +0 = 0, temos
0 = (0 +0) = 0 + 0.
Pela propriedade 6, 0 = 0
9. Se v = 0 ent ao = 0 ou v = 0
Note que essa propriedade nos diz que a equa coes das propriedades 7
e 8 representam as unicas formas de obter o vetor nulo como produto
CEDERJ
14
Espacos Vetoriais
M
ODULO 2 - AULA 8
de escalar por vetor. Para prov a-la, vamos supor que v = 0 e = 0
(o caso = 0 j a nos d a a conclus ao desejada). Nesse caso, podemos
multiplicar os dois membros da igualdade v = 0 por
1
, obtendo
1
(v) =
1
0.
Usando a propriedade associativa da multiplica cao por escalar, e a pro-
priedade 8, obtemos
(
1
)v = 0
1v = 0
v = 0
onde a ultima passagem utiliza a propriedade da multiplica cao por 1
dos espa cos vetoriais.
10. (1)v = v
Como 1v = v, podemos escrever
(1)v + v = (1)v + 1v = (1 + 1)v = 0v = 0,
considerando a propriedade distributiva e a propriedade 7. Da, con-
clumos que (1)v e o simetrico de v, ou seja, (1)v = v.
11. ()v = (v) = (v)
Na prova dessa propriedade, deixaremos como exerccio a identica cao
das propriedades utilizadas em cada passagem. Siga o raciocnio das
provas das propriedades anteriores.
()v + v = ( + )v = 0v = 0,
portanto ()v = (v).
(v) + v = (v + v) = 0 = 0,
portanto (v) = (v).
Com essas propriedades que demonstramos, podemos concluir que grande
parte das contas que fazemos com vetores de R
2
e R
3
sao v alidas em qualquer
espa co vetorial.
A partir de agora, escreveremos u v no lugar de u + (v), u +v + w
no lugar de u + (v + w) ou (u + v) + w e v no lugar de (v) ou ()v.
15
CEDERJ
Espa cos Vetoriais
Exerccios
1. Verdadeiro ou falso? Justique!
a- O conjunto Q dos n umeros racionais e um espaco vetorial real.
b- O conjunto Q
2
= {(a, b) : a, b Q}, com as opera coes usuais, e
um espa co vetorial real.
c- O conjunto unitario {0}, com as opera coes usuais, e um espaco
vetorial real.
d- R
+
= {x R : x > 0} com as opera coes usuais n ao e espaco
vetorial real.
e- O conjunto dos n umeros complexos com parte real n ao negativa e
um espa co vetorial real.
2. Mostre que R
3
com as opera coes usuais e um espaco vetorial real (siga
os passos da demonstra cao para R
2
feita no exemplo 1).
3. Mostre que C
2
= {(z
1
, z
2
) : z
1
, z
2
C} e um espaco vetorial real, com
as opera coes denidas abaixo:
Adi cao: (z
1
, z
2
) + (z
1
, z
2
) = (z
1
+ z
1
, z
2
+ z
2
)
Multiplica cao por escalar: (z
1
, z
2
) = (z
1
, z
2
)
onde (z
1
, z
2
) e (z
1
, z
2
) s ao elementos de C
2
e R.
4. Mostre que, no conjunto A = {0, 1}, as opera coes denidas abaixo sa-
tisfazem a todas as condi coes da denicao de espa co vetorial real, exceto
à lei associativa para a multiplica cao por escalar e ` as leis distributivas.
Adi cao: 0 0 = 0, 0 1 = 1, 1 0 = 1 e 1 1 = 0
Multiplica cao por escalar: x = x se > 0 e x = 0 se 0,
onde R e x A.
5. Tambem denem-se espacos vetoriais sobre o conjunto dos n umeros
racionais (o corpo dos racionais), apenas fazendo com que a opera cao
multiplica cao por escalar considere apenas escalares racionais, e man-
tendo o restante da deni cao inalterado. Mostre que o conjunto Q
2
e
um espa co vetorial sobre os racionais.
CEDERJ
16
Espacos Vetoriais
M
ODULO 2 - AULA 8
Auto-avalia cao
O conte udo desta aula envolve conceitos muito abstratos. Para obter
alguma seguran ca nesses conceitos, talvez seja necess ario reler v arias vezes
algumas partes. N ao se preocupe se voce nao conseguiu fazer alguns dos
exerccios de imediato, retorne a esta aula depois de estudar a pr oxima,
que trata dos Subespacos Vetoriais, e voce estar a mais familiarizado com os
conceitos aqui apresentados.
Respostas dos exerccios
1. a- Falso.
b- Falso.
c- Verdadeiro.
d- Verdadeiro.
e- Falso.
17
CEDERJ
Subespa cos vetoriais
M
ODULO 2 - AULA 9
Aula 9 Subespa cos vetoriais
Objetivos
Pre-requisito: Aula 8.
Caracterizar subespacos vetoriais;
Identicar subespacos vetoriais, demonstrando que atende ` as condi coes de
subespaco.
Introdu cao
Nesta aula veremos um tipo muito importante de subconjuntos de
espa cos vetoriais: os subespa cos vetoriais. Nem todo subconjunto S de um
espa co vetorial V e um seu subespaco: e necessario que o subconjunto em
questao tenha a mesma estrutura de V , como estabelece a denicao a seguir.
Denicao
Considere um espaco vetorial V . Um subconjunto S de V e dito um
subespa co vetorial de V se S for um espa co vetorial com respeito ` as mesmas
opera coes que tornam V um espa co vetorial.
Como primeira conseq uencia dessa denicao, um subespa co vetorial S
deve ser nao vazio, j a que uma das condi coes que devem ser satisfeitas para
que S seja um subespa co vetorial de V e a existencia em S de um elemento
neutro para a adi cao de vetores: com isso, obrigatoriamente 0 S.
De acordo tambem com a denicao acima, para vericar se um dado
subconjunto S de um espaco vetorial V e um subespaco vetorial de V , deve-
se checar se as opera coes de adi cao e multiplica cao por escalar est ao bem
denidas em S, e se elas satisfazem a todas as condi coes dadas na deni cao
de espaco vetorial.
Se observarmos melhor, no entanto, veremos que n ao e necessario ve-
ricar cada uma das condi coes: uma vez que a adi cao em S esteja bem
denida (ou seja, que a soma de dois elementos quaisquer de S seja tambem
um elemento de S), ela n ao deixar a de ser comutativa (por exemplo) apenas
porque estamos considerando elementos de S, pois a adi cao em V tem essa
propriedade. O mesmo se verica para a multiplica cao por escalar.
19
CEDERJ
A seguir, ent ao, listamos tres condicoes que, se satisfeitas, garantem
que um subconjunto S de um espa co vetorial V e um subespaco vetorial
de V :
S = .
Dados u e v quaisquer em S, a soma u + v est a em S.
Dados u S e R, o produto u est a em S.
Uma vez que S V satisfa ca tais requisitos, todas as outras proprie-
dades listadas na deni cao de espa co vetorial ser ao automaticamente her-
dadas pelo conjunto S.
Exemplos
1. Dado um espa co vetorial V qualquer, os conjuntos {0} (conjunto cujo
unico elemento e o vetor nulo) e V sao subespa cos vetoriais de V .
De fato, e claro que {0} = . Alem disso, dados dois elementos de
{0}, a soma deles pertence a {0} (o unico elemento que existe para
considerarmos e 0!) e o produto de um n umero real qualquer por um
elemento de {0} resulta no vetor nulo, pertencendo, portanto, a {0}.
Para vericar que V e subspaco vetorial de V , basta aplicar diretamente
a denicao de subespa co vetorial, e observar que V V e e obviamente
um espa co vetorial com respeito ` as mesmas opera coes.
Por serem os subespacos mais simples do espaco vetorial V , {0} e V
sao chamados subespa cos triviais de V .
2. Seja S = {(x, 2x) : x R}. O conjunto S e um subespaco vetorial de
R
2
.
Nota: Na secao seguinte, veremos quais s ao todos os subespa cos de R
2
.
Neste momento, estudaremos este exemplo particular, para nos famili-
arizarmos com o procedimento de verica cao de que um dado conjunto
e um subespaco vetorial. Ao nos confrontarmos com um candidato
S a subespa co, temos que nos fazer tres perguntas:
i- S = ?
ii- Se u S e v S ent ao u + v S (a adi cao est a bem denida
em S)?
iii- Se R e u S ent ao u S (a multiplica cao por escalar est a
bem denida em S)?
CEDERJ
20
M
ODULO 2 - AULA 9
Vamos ent ao responder a essas perguntas para o caso de S = {(x, 2x) :
x R}:
i- S = , porque (0, 0) S, por exemplo. Basta considerar x = 0.
ii- Se u S e v S, digamos que u = (x, 2x) e v = (y, 2y) com
x, y R (precisamos usar letras diferentes para designar elementos
diferentes!), entao u + v = (x + y, 2x + 2y) = (x + y, 2(x + y)).
Logo, u+v S, pois e um par ordenado de n umeros reais onde a
segunda coordenada e o dobro da primeira, que e precisamente a
regra que dene os elementos de S neste exemplo.
iii- Se R e u = (x, 2x) S entao u = (x, 2x) = (x, 2x) S,
pois 2x = 2x e o dobro de x.
Como a resposta ` as tres perguntas formuladas foi positiva, podemos
concluir que S e um subespaco vetorial de R
2
.
Observe que, para responder ` a primeira pergunta, exibimos um ele-
mento de S, concluindo que S = . Escolhemos exibir o vetor nulo de
R
2
, embora qualquer outro elemento servisse para esse prop osito. Tal
escolha nao foi por acaso: se o vetor nulo n ao fosse um elemento de S,
entao S nao seria um subespa co vetorial (pois n ao seria ele mesmo um
espa co vetorial). Sempre que tivermos ` a nossa frente um candidato a
subespaco vetorial, podemos vericar se o vetor nulo do espa co vetorial
que o contem pertence ao candidato, para responder à primeira das
perguntas. Caso a resposta seja armativa, passamos a vericar as ou-
tras duas perguntas e, se a resposta for negativa, j a podemos concluir
que o candidato n ao e um subespaco vetorial, sem nenhum trabalho
adicional.
3. Seja V = R
2
e S = {(x, x + 1) : x R}. Observe que (0, 0) / S. Logo,
S nao e um subespa co vetorial de V .
4. Seja V um espa co vetorial e w um elemento de V . Ent ao o conjunto
S = {w : R} e um subespaco vetorial de V .
Nota: Neste exemplo, os elementos de S sao caracterizados por serem
todos produto de um n umero real qualquer por um elemento xo de V .
No caso desse elemento ser o vetor nulo, temos um subespa co trivial.
i- S = , pois 0 = 0w S;
ii- se u S e v S, digamos, u =
1
w e v =
2
w com
1
,
2
R,
ent ao u + v =
1
w +
2
w = (
1
+
2
)w S;
iii- se R e u =
1
w S entao u = (
1
)w = (
1
)w S
21
CEDERJ
5. O conjunto solu cao do sistema
_
_
x + 2y 4z + 3t = 0
x + 4y 2z + 3t = 0
x + 2y 2z + 2t = 0
e o subconjunto de R
4
dado por {(2y 2z, y, z, 2z); y, z R}. Voce
pode vericar que esse conjunto satisfaz ` as tres condicoes de subespaco.
6. O conjunto-solu cao de um sistema linear homogeneo de m equa coes e
n incognitas e um subespaco vetorial de R
n
.
O exemplo anterior e um caso particular deste. Considere o sistema
escrito na forma matricial,
AX = 0 (1)
onde A M
mn
(R), X e o vetor-coluna (de n linhas) das incognitas
do sistema, e 0 e o vetor nulo de R
m
representado como coluna. Va-
mos vericar que o conjunto S de todos os vetores X de R
n
que, se
representados por vetores-coluna, satisfazem ` a equa cao matricial (1),
formam um subespa co vetorial de R
n
:
i- S = ?
Como sabemos, um sistema homogeneo qualquer tem sempre a
solucao trivial, portanto (0, 0, . . . , 0) R
n
e um elemento de S
(podemos tambem vericar que A0 = 0, tomando o cuidado de
notar que o smbolo 0 representa uma coluna de n zeros do lado
direito da equa cao, e uma coluna de m zeros do lado esquerdo da
equa cao).
ii- Se U S e V S ent ao U + V S (a adi cao est a bem denida
em S)?
Sejam U e V duas solucoes do sistema (1), ou seja, vetores-coluna
de R
n
qe satisfazem àquela equa cao matricial. Ent ao temos
A(U + V ) = AU + AV = 0 +0 = 0
onde a primeira igualdade vem da propriedade distributiva da
adicao de matrizes, e a segunda do fato de que, como U e V sao
solucoes do sistema (1), AU = 0 e AV = 0. Vemos, portanto, que
U + V satisfaz ` a equa cao matricial (1), representando, portanto,
uma solucao do sistema.
CEDERJ
22
M
ODULO 2 - AULA 9
iii- Se R e U S entao U S (a multiplica cao por escalar est a
bem denida em S)?
Novamente, considere U um vetor coluna de R
n
que satisfaz ` a
equa cao (1). Seja R. Ent ao temos
A(U) = AU = 0 = 0.
A primeira igualdade utiliza a propriedade mn1, de multiplica cao
de matrizes por n umeros reais, vista na Aula 2.
Acabamos de vericar, usando representa coes matriciais, que a soma
de duas solucoes de um sistema linear homogeneo tambem e solu cao
desse sistema e que qualquer m ultiplo real de uma solucao tambem o
e. Logo, o conjunto-solu cao de um sistema linear homogeneo com n
incognitas e um subespaco vetorial de R
n
.
7. O conjunto
S =
__
a 0
c d
_
; a + c = d
_
e subespaco vetorial de M
22
(R).
8. O conjunto S = {a + bx + cx
2
; a, b, c R e a = b + c} e subespaco
vetorial de V = P
2
. Lembrando: P
2
e o con-
junto de todos os polinomios
a variavel e coecientes reais,
de grau menor ou igual a 2,
acrescido do polinomio iden-
ticamente nulo.
Observe que R e R
2
sao espa cos vetoriais, e R nao e um subespa co
vetorial de R
2
. Isso porque R nao esta contido em R
2
, assim como R
2
nao
est a contido em R
3
. A confusao costuma acontecer, em parte, porque a repre-
senta cao geometrica de R
2
(plano cartesiano) parece incluir a representa cao
geometrica de R (reta). Na verdade, porem, R e um conjunto de n umeros,
enquanto R
2
e um conjunto de pares ordenados de n umeros, e esses dois
objetos s ao completamente distintos. Veremos mais tarde que R
2
contem
apenas c opias de R, assim como R
3
contem c opias tanto de R como de
R
2
.
Os subespacos vetoriais de R
2
Ja conhecemos alguns dos subespa cos de R
2
:
{(0, 0)} e R
2
, que sao os subespa cos triviais;
{w : R}, onde w R e um elemento de R
2
.
23
CEDERJ
Esses subespacos foram vistos nos exemplos anteriores. Note que, vari-
ando w no segundo item, existem innitos exemplos de subespa cos. Veremos
nesta secao que esses sao os unicos subespacos de R
2
: sao em n umero in-
nito, mas sao todos de algum dos tipos acima. Para isso, vamos considerar
o plano cartesiano, que e a representa cao geometrica do conjunto R
2
. Cada
elemento (x, y) R
2
e representado como um vetor com origem no ponto
(0, 0) e extremidade no ponto (x, y). A cada vetor do plano com
origem no ponto (0, 0) e ex-
tremidade no ponto (x, y) fa-
zemos corresponder o ponto
(x, y) de R
2
, e vice-versa.
Considere um subespa co S de R
2
que nao seja {(0, 0)}. Entao nesse
subespaco existe um vetor w que nao e o vetor nulo. Como S e fechado para a
multiplica cao por escalar, todos os m ultiplos de w tambem sao elementos de
S. Com isso, como vemos na gura (1), a reta que contem w deve estar toda
contida em S. Ou seja, se S e nao trivial, ele contem pelo menos uma reta
(innitos pontos!). Observe que essa mesma reta tambem contem a origem.
w
Fig. 1: Reta que contem w
Suponhamos agora que, alem de conter w, S tambem contenha algum
outro vetor v de R
2
, que n ao esteja na reta que contem w. Nesse caso, S
tambem deve conter a reta dos m ultiplos de v. Observe as duas retas na
gura (2).
v
w
Fig. 2: Retas contidas em S
CEDERJ
24
M
ODULO 2 - AULA 9
Note que o subespa co S n ao pode consistir apenas das duas retas da
gura (2). Isso porque a adicao n ao est a bem denida no conjunto formado
pela uni ao das duas retas; se considerarmos, por exemplo, o vetor w + v,
veremos que ele n ao pertence a nenhuma das duas retas. Lembre-se de como somar
vetores geometricamente no
plano!
w
v
v + w
Fig. 3: Soma de w e v
Observe, agora, que qualquer vetor de R
2
(com origem em 0 = (0, 0))
pode ser obtido pela soma de vetores das duas retas, e isso signica que, nesse
caso, S = R
2
. Na gura (4), vemos alguns exemplos de vetores em diversas
posi coes, obtidos como soma de vetores das retas, e voce pode procurar mais
exemplos para se convencer desse fato.
w
v
2w - v
- v - 2w
v - w
3w + v 1
2
Fig. 4: Vetores de R
2
25
CEDERJ
Ate agora, resumindo, temos os seguintes fatos para um subespa co S
de R
2
:
se S nao contem vetores nao nulos, S = {0};
se S contem um vetor n ao nulo, S tambem contem a reta que contem
esse vetor;
se S contem dois vetores nao nulos, que n ao estejam sobre uma mesma
reta, ent ao S = R
2
.
Com isso, os unicos subespacos vetoriais de R
2
sao {0}, R
2
e as retas
de R
2
que passam pela origem. Uma reta de R
2
que nao
contem a origem (ponto
(0, 0)) pode ser um subespaco
vetorial de R
2
? Por que?
Os subespacos vetoriais de R
3
Os subespa cos vetoriais de R
3
sao do seguinte tipo:
{0} e R
3
(triviais);
retas do R
3
que contem a origem (0 = (0, 0, 0) neste caso);
planos de R
3
que contem a origem.
Nao faremos aqui uma demonstra cao desse fato, como zemos na secao
passada. Os motivos que fazem com que esses sejam os unicos possveis
subespacos sao inteiramente an alogos ao caso de R
2
. Nas pr oximas aulas
estudaremos conceitos que permitirao uma demonstra cao bem simples desse
fato.
Resumo
Nesta aula vimos a deni cao de subespa co: trata-se de subconjuntos
de espacos vetoriais que s ao, por si mesmos, espa cos vetoriais tambem, con-
siderando as mesmas opera coes denidas no espa co que os contem. Vimos
que, para comprovar que um subconjunto de um espa co vetorial e um su-
bespa co, basta vericar tres condicoes: ser nao-vazio, e ser fechado para as
opera coes de adi cao e multiplica cao por n umero real. Vimos tambem que,
embora sejam em n umero innito, os subespa cos de R
2
e R
3
sao facilmente
identicados.
CEDERJ
26
M
ODULO 2 - AULA 9
Exerccios
1. Verique quais dos seguintes subconjuntos s ao subespa cos de R
3
:
a) todos os vetores da forma (a, 0, 0).
b) todos os vetores da forma (a, 1, 0).
c) todos os vetores da forma (a, b, c), com c = a + b.
d) todos os vetores da forma (a, b, c), com a + b + c = 1.
2. Verique quais dos seguintes subconjuntos s ao subespa cos de M
22
(R):
a) todas as matrizes 2 2 com elementos inteiros.
b) todas as matrizes da forma
_
a b
c d
_
, com a + b + c + d = 0.
c) todas as matrizes 2 2 inversveis. Lembrando: uma matriz e
inversvel se, e somente se,
seu deteminante e diferente
de zero.
d) todas as matrizes da forma
_
a 0
0 b
_
.
3. Verique quais dos seguintes subconjuntos s ao subespa cos de P
3
(R):
a) todos os polin omios da forma a
1
x + a
2
x
2
+ a
3
x
3
, onde a
1
, a
2
e a
3
sao n umeros reais quaisquer.
b) todos os polin omios da forma a
0
+a
1
x+a
2
x
2
+a
3
x
3
, onde a soma
dos coecientes e igual a zero.
c) todos os polin omios da forma a
0
+a
1
x+a
2
x
2
+a
3
x
3
para os quais
a soma dos coecientes e um n umero inteiro.
d) todos os polin omios da forma a
0
+ a
1
x, a
0
e a
1
reais quaisquer.
Auto-avalia cao
Voce devera ter seguran ca quanto a conferir se um subconjunto e ou
nao subespa co de um espaco que o contenha. Lembre-se de que o primeiro
passo e vericar se o elemento nulo do espa co pertence ao subconjunto: a res-
posta negativa j a garante que nao se trata de um subespa co, mas a resposta
armativa s o mostra que o subconjunto n ao e vazio.

E preciso, ainda, veri-
car se a soma de dois vetores quaisquer, genericos, do subconjunto, tambem
pertence a ele, e se um m ultiplo real qualquer de um vetor generico do sub-
conjunto tambem pertence ao subconjunto. Procure fazer essa verica cao
27
CEDERJ
nos exemplos da aula. Quando o espa co vetorial for R
2
ou R
3
, basta vericar
se o candidato a subespa co e uma reta passando pela origem ou, no caso do
espa co, um plano passando pela origem. Alem desses, apenas o subespa co
nulo e todo o espa co dado sao subconjuntos tambem. Se voce tiver qualquer
d uvida na resolu cao dos exerccios ou na compreensao dos exemplos, procure
o tutor da disciplina.
1. S ao subespecos a), c).
2. S ao subespecos b), d).
3. S ao subespa cos a), b), d).
CEDERJ
28
Combinacoes lineares
M
ODULO 2 - AULA 10
Aula 10 Combina coes lineares
Objetivos
Caracterizar combina cao linear e subespaco gerado por um conjunto de ve-
tores;
Determinar o subespa co gerado por um conjunto de vetores;
Encontrar geradores para um subespa co vetorial dado. Pre-requisitos: Aulas 6 e 7,
sobre resolucao de sistemas li-
neares por escalonamento, e
aulas 8 e 9.
Introdu cao
Iniciaremos o estudo do importante conceito de combina cao linear.
Atraves das propriedades das combina coes lineares, e possvel dar uma des-
cri cao simples e completa de cada espa co vetorial, como veremos a partir
desta aula.
Denicao
Considere um espaco vetorial V , e v
1
, v
2
, . . . , v
n
elementos de V . Uma
combina c ao linear desses vetores e uma expressao do tipo
a
1
v
1
+ a
2
v
2
+ . . . + a
n
v
n
,
onde a
1
, a
2
, . . . , a
n
sao n umeros reais.
Se e possvel descrever um vetor v V atraves de uma expressao como
essa, dizemos que v e combina c ao linear de v
1
, v
2
, . . . , v
n
, ou que v se escreve
como combina cao linear de v
1
, v
2
, . . . , v
n
.
Exemplo 1
a) O vetor v = (2, 4) R
2
e combina cao linear de v
1
= (1, 1) e
v
2
= (1, 1), pois v = 1v
1
+ 3v
2
.
b) O vetor v = 2 + 3t P
2
(t, R) e combina cao linear dos vetores
v
1
= t + 2t
2
, v
2
= 1 + t
2
e v
3
= 2t
2
, pois v = 3v
1
+ 2v
2
4v
3
.
29
CEDERJ
Combina coes lineares
c) O vetor v =
_
_
2 3 4
1 1 2
1 0 3
_
_
M
33
(R) e combina cao linear dos
vetores
v
1
=
_
_
2 3 4
1 1 2
1 0 3
_
_
, v
2
=
_
_
4 6 8
2 2 4
2 0 6
_
_
e v
3
=
_
_
0 0 0
0 0 0
0 0 0
_
_
,
pois v = v
1
+ 0v
2
+ 257v
3
. Temos ainda que v = 3v
1
v
2
+ v
3
, ou
ainda, v = 5v
1
+3v
2
+
2v
3
, ou seja, v e combina cao linear de v
1
, v
2
e v
3
de varias maneiras diferentes.
d) Para que o vetor (0, m) de R
2
seja combina cao linear dos vetores (1, 2)
e (2, 4) e necessario que existam a e b em R tais que
(0, m) = a(1, 2) + b(2, 4). Para isso devemos ter (0, m) = (a 2b,
2a + 4b), ou seja, a 2b = 0 e 2a + 4b = m simultaneamente. Tal
sistema de duas equacoes nas vari aveis a e b tem solucao apenas para
o caso em que m = 0.
Subespacos gerados
No exemplo 4 da aula 9, vimos que, se V e um espaco vetorial e w um
elemento de V , entao o conjunto S = {w : R} e um subespaco vetorial
de V . Agora que denimos combina cao linear, podemos observar que tal S
e o conjunto formado por todas as combina coes lineares do vetor w.
Esse exemplo pode ser generalizado para um n umero qualquer de ve-
tores da seguinte maneira: se w
1
, w
2
, . . . , w
n
sao vetores do espa co veto-
rial V , ent ao o conjunto de todas as combina coes lineares desses vetores e
um subespa co vetorial de V (vamos provar isso!), chamado subespa co ge-
rado pelos vetores w
1
, w
2
, . . . , w
n
, ou ainda subespa co gerado pelo conjunto
{w
1
, w
2
, . . . , w
n
}. Denotamos esse espa co por [w
1
, w
2
, . . . , w
n
], ou [{w
1
, w
2
, . . . ,
w
n
}], e dizemos que w
1
, w
2
, . . . , w
n
sao geradores de [w
1
, w
2
, . . . , w
n
]. Assim
temos
[w
1
, w
2
, . . . , w
n
] = {a
1
w
1
+ a
2
w
2
+ + a
n
w
n
: a
1
, a
2
, . . . , a
n
R}.
Vamos agora mostrar que [w
1
, w
2
, . . . , w
n
] e um subespaco vetorial de V .
CEDERJ
30
M
ODULO 2 - AULA 10
(i) S = , pois 0 = 0w
1
+ 0w
2
+ + 0w
n
[w
1
, w
2
, . . . , w
n
];
Observe que se os gera-
dores w
1
, w
2
, . . . , wn nao
sao todos nulos, o conjunto
[w
1
, w
2
, . . . , wn] e innito. Ja
o conjunto {w
1
, w
2
, . . . , wn}
e nito: possui, exatamente,
n elementos.
(ii) se u S e v S, digamos,
u = a
1
w
1
+ a
2
w
2
+ + a
n
w
n
e
v = b
1
w
1
+ b
2
w
2
+ + b
n
w
n
com a
1
, a
2
, . . . , a
n
R e b
1
, b
2
, . . . , b
n
R, entao
u + v = (a
1
w
1
+ a
2
w
2
+ + a
n
w
n
) + (b
1
w
1
+ b
2
w
2
+ + b
n
w
n
)
= (a
1
+ b
1
)w
1
+ (a
2
+ b
2
)w
2
+ + (a
n
+ b
n
)w
n
,
ou seja, u+v e tambem uma combina cao linear dos vetores w
1
, w
2
, . . . , w
n
,
sendo, portanto, um elemento de [w
1
, w
2
, . . . , w
n
];
(iii) se R e u = a
1
w
1
+ a
2
w
2
+ + a
n
w
n
S ent ao
u = (a
1
w
1
+ a
2
w
2
+ + a
n
w
n
)
= (a
1
)w
1
+ (a
2
)w
2
+ + (a
n
)w
n
,
ou seja u [w
1
, w
2
, . . . , w
n
].
De acordo com os itens i, ii e iii, [w
1
, w
2
, . . . , w
n
] e um subespaco
vetorial de V .
Exemplo 2
Veremos agora alguns exemplos de subespa cos gerados.
a) No exemplo 2 da aula 9, S = {(x, 2x) : x R} R
2
e o subespa co
gerado pelo vetor (1, 2) R
2
, ou seja, S = [(1, 2)].
b) O subespa co de R
3
gerado pelos vetores u = (1, 2, 0), v = (3, 0, 1) e
w = (2, 2, 1) e o plano de equa cao 2x y 6z = 0. Note que os
vetores dados satisfazem a equa cao obtida para o subespa co gerado
por eles.
c) O conjunto {at +bt
2
: a, b R} e o subespa co de P
2
(R, t) gerado pelos
vetores t e t
2
. Lembre-se de que os vetores
de P
2
(R, t) sao polinomios!
d) O conjunto R
3
e o (sub)espa co gerado pelos vetores i = (1, 0, 0),
j = (0, 1, 0) e k = (0, 0, 1) de R
3
. Os vetores (1, 2, 0), (0, 1, 2) e
(1, 1, 3), juntos, tambem geram o R
3
.
31
CEDERJ
e) O conjunto de todos os polin omios (de qualquer grau) com coecientes
reais, a uma vari avel t, denotado por P(t, R), e gerado pelo conjunto
innito de vetores {1, t, t
2
, t
3
. . .}
Ao longo deste curso ser ao dados in umeros outros exemplos de su-
bespa cos gerados. Nas pr oximas se coes veremos como determinar o su-
bespa co gerado por um conjunto de vetores, e como encontrar geradores
para um subespa co vetorial dado.
Determinacao do subespaco gerado por um conjunto de
vetores
Ha v arias maneiras de se descrever um mesmo subespa co vetorial S de
um espa co V . Eis algumas delas:
atraves de um conjunto de geradores (ex: S = [(1, 1), (1, 2)] R
2
);
atraves de uma equa cao ou conjunto de equa coes (ex: S e o plano de
equa cao x + y z = 0 em R
3
);
atraves de uma propriedade de seus elementos (ex: S = {a +bt +ct
2
P
2
(t, R) : a + b c = 0}.
No exemplo 2 da se cao anterior, cada subespa co foi descrito por duas
dessas formas. Determinar o subespa co gerado por um conjunto de vetores
signica passar da descri cao por geradores (a primeira acima) para outras
descricoes qua permitam melhor entendimento do subespa co. Veremos como
isso e feito atraves de alguns exemplos.
Exemplo 3
Considere o subespaco de R
3
gerado pelos vetores u = (1, 2, 0), v = (3, 0, 1)
e w = (2, 2, 1). A descricao de S como espa co gerado nao deixa claro, por
exemplo, se S e trivial, ou uma reta que passa pela origem, ou um plano
que passa pela origem. Ajuda bastante saber que S e o plano de equa cao
2x y 6z = 0. Como fazer para encontrar essa outra descri cao?
Como S = [u, v, w], cada elemento de S e uma combina cao linear de u,
v e w. Se denotarmos por (x, y, z) um elemento generico de S, teremos ent ao
que (x, y, z) = au + bv + cw, onde a, b e c sao n umeros reais. Da temos
(x, y, z) = a(1, 2, 0) + b(3, 0, 1) + c(2, 2, 1),
ou seja,
(x, y, z) = (a + 3b + 2c, 2a 2c, b + c).
CEDERJ
32
M
ODULO 2 - AULA 10
Para que a igualdade anterior se verique, e necessario que as coordena-
das correspondentes dos ternos ordenados de cada lado da equa cao coincidam,
ou seja, devemos ter
x = a + 3b + 2c
y = 2a 2c
z = b + c
Para que um dado vetor (x, y, z) R
3
seja um elemento de S, e preciso
que existam valores para a, b e c de forma que as tres equa coes acima se
veriquem simultaneamente (compare com o exemplo 2-d) desta aula).
Vamos ent ao, resolver, por escalonamento, o sistema linear (nas vari aveis
a, b e c)
S :
_
_
a +3b +2c = x
2a 2c = y
b +c = z
Passando ` a matriz ampliada, e escalonando, temos
_
_
1 3 2 x
2 0 2 y
0 1 1 z
_
_
L
2
L
2
2L
1

_
_
1 3 2 x
0 6 6 y 2x
0 1 1 z
_
_
L
2
1/6L
2

_
_
1 3 2 x
0 1 1
y+2x
6
0 1 1 z
_
_
L
3
L
3
L
2

_
_
1 3 2 x
0 1 1
y+2x
6
0 0 0 z +
y2x
6
_
_
O sistema em quest ao tem solu cao se, e somente se, os valores de x, y e
z sao tais que se tenha z +
y2x
6
= 0, ou, equivalentemente, se 2xy6z = 0.
Essa e precisamente a equa cao de um plano em R
3
contendo a origem.
Os calculos para determinar o subespa co gerado s ao sempre an alogos
ao que acabamos de fazer. Sempre que ocorrerem linhas de zeros, podemos
obter equa coes que descrevem o espaco. Quando tais linhas n ao ocorrerem,
isso signica que nao existem restricoes para que o elemento generico esteja
no subespa co gerado, ou seja, o subespa co em quest ao coincide com o espa co
todo. Isso e o que acontece no proximo exemplo.
33
CEDERJ
Exemplo 4
Considere o subespaco de R
2
gerado pelos vetores (1, 1) e (1, 1). Para que
(x, y) seja combina cao desses vetores, devem existir a e b em R tais que
a(1, 1) + b(1, 1) = (x, y). Isso signica que o sistema
S :
_
a +b = x
a b = y
deve ter solucao. Escalonando, obtemos
_
1 0
yx
2
0 1
xy
2
_
que tem sempre solucao, para quaisquer valores de x e y (n ao h a restricoes
sobre x e y para que (x, y) esteja no espaco gerado pelos vetores em quest ao).
Da [(1, 1), (1, 1)] = R
2
.
Exemplo 5
Considere o subespaco S, de P
3
, gerado pelos polin omios p
1
= 2 t + t
2
e
p
2
= t + 3t
3
. Um polin omio x + yt + zt
2
+ wt
3
, para pertencer a S, deve
poder ser escrito como uma combina cao linear de p
1
e p
2
, isto e, quere-
mos que existam escalares a e b tais que x + yt + zt
2
+ wt
3
= a(2 t +
t
2
) + b(t + 3t
3
). Ou seja, queremos que o sistema linear
_
_
2a = x
a + b = y
a = z
3b = w
possua solu cao. Escalonando esse sistema, chegamos ao sistema equivalente
_
_
a = z
b = y + z
0 = z 2x
0 = w 3y 3z
. Logo, para que o sistema seja compatvel, devemos
ter z 2x = 0 e w3y 3z = 0, ou seja, z = 2x e w = 3y +6x. Concluimos,
entao, que S = {x + yt + zt
2
+ wt
3
P
3
|z = 2x e w = 3y + 6x}.
CEDERJ
34
M
ODULO 2 - AULA 10
Determinacao de geradores de um subespa co vetorial
Vimos que, dado um conjunto de vetores de um espaco vetorial V , o
conjunto de todas as suas combina coes lineares e um subespaco vetorial de
V .

E natural pensarmos se o contr ario tambem acontece: ser a que todo
subespaco S de V e gerado por um conjunto de vetores? A resposta ` a per-
gunta nesses termos e simples: e claro que S e o subespa co gerado por S
(verique!).
Fa camos a pergunta de outro modo: ser a que todo subespa co S de
V , incluindo o pr oprio V , e gerado por um conjunto nito de vetores? A
resposta e sim para alguns espa cos, entre eles R
n
, ou M
mn
(R). Existem
tambem espa cos que nao tem essa propriedade, como e o caso do exemplo
1-l) de subespa cos gerados. Em nosso curso, estudaremos mais a fundo os
espa cos que sao nitamente gerados, ou seja, que admitem um conjunto nito
de geradores, o mesmo acontecendo para todos os seus subespa cos.
Veremos agora como encontrar geradores para subespa cos atraves do
estudo de alguns exemplos.
Exemplo 6
Retornemos ao exemplo 2 da Aula 9, S = {(x, 2x) : x R} R
2
. Para
vericar que de fato S e o subespa co gerado pelo vetor (1, 2) R
2
, basta
notar que os elementos de S sao todos da forma (x, 2x) = x(1, 2): variando
o valor de x, obtemos diferentes elementos de S. Ora, x(1, 2) e a expressao
de uma combina cao linear de (1, 2), portanto todos os elementos de S sao
combinacoes lineares de (1, 2).
Exemplo 7
Seja S = {(x, x + y, y) : x, y R} R
3
. Raciocinando como anteriormente,
vemos que o elemento generico de S e da forma (x, x + y, y) = (x, x, 0) +
(0, y, y) = x(1, 1, 0) + y(0, 1, 1), ou seja, e combina cao linear dos vetores
(1, 1, 0) e (0, 1, 1). Podemos escrever, entao, S = [(1, 1, 0), (0, 1, 1)].
Exemplo 8
Seja S = {(x, y, z) R
3
: x + y z = 0}. Para encontrar geradores para
esse subespaco do R
3
, devemos procurar escreve-lo na forma do exemplo
acima, colocando nas coordenadas do vetor generico a(s) equa cao( oes) que
dene(m) o espa co. No caso em quest ao, como temos uma equa cao e tres
vari aveis, podemos escrever o conjunto solu cao da equa cao (que e exatamente
35
CEDERJ
o subespa co S!) em funcao de duas vari aveis livres. Nesse caso, temos
S = {(y +z, y, z) : y, z R} (apenas escrevemos a vari avel x em funcao de
y e z). Assim, como no exemplo anterior, temos (y +z, y, z) = y(1, 1, 0)+
z(1, 0, 1), ou seja, S = [(1, 1, 0), (1, 0, 1)].
Exemplo 9
Seja S = {a + bt + ct
2
P
2
; a b 2c = 0}. A condicao que dene S pode
ser escrita como a = b + 2c. Inserindo essa condicao na express ao do vetor
generico de P
2
, temos: a + bt + ct
2
= b + 2c + bt + ct
2
= b(1 + t) + c(2 + t
2
).
Logo, escrevemos o polin omio de S como combina cao linear dos polin omios
1 + t e 2 + t
2
, que sao, assim, os geradores de S.
Exemplo 10
Seja S =
__
a b
c d
_
M
2
R; a + b c = 0 e c + d = 0
_
. As equa coes que
denem S podem ser escritas como c = d e a = b d. Logo, uma matriz
de S e do tipo
_
b d b
d d
_
= b
_
1 1
0 0
_
+ d
_
1 0
1 1
_
, e o conjunto
gerador de S e formado por essas duas ultimas matrizes.
Resumo
Nesta aula vimos duas importantes tecnicas envolvendo subespa cos ge-
rados:
1. Como determinar o subespa co gerado por um conjunto de vetores:
Neste caso, escrevemo um vetor generico do espa co como combina cao
linear dos vetores geradores. Isso fornece um sistema linear o qual que-
remos que seja compatvel. Assim, ap os o escalonamento, se alguma
equa cao tiver o primeiro membro nulo, o segundo membro tambem tera
que se anular, fornecendo uma equa cao do subespa co. Caso nenhuma
equa cao tenha seu primeiro lado anulado, signica que o subespa co
gerado e todo o espa co.
2. Como determinar os geradores de um subespa co dado: embutimosas
condi coes dadas pelas equa coes do subespaco num vetor generico do
espa co e o decompomos como uma combina cao linear.
CEDERJ
36
M
ODULO 2 - AULA 10
Exerccios
1. Em cada caso, escreva o vetor v como combinacao linear de v
1
, . . . , v
n
.
a) Em R
2
, v = (1, 3), v
1
= (1, 2) e v
2
= (1, 1).
b) Em R
3
, v = (2, 1, 4), v
1
= (1, 0, 0), v
2
= (1, 1, 0) e v
3
= (1, 1, 1).
c) Em R
2
, v = (1, 3), v
1
= (0, 0) e v
2
= (3, 9).
d) Em R
3
, v = (2, 1, 6), v
1
= (1, 0, 2) e v
2
= (1, 1, 0).
e) Em P
2
(t, R), v = t
2
2t, v
1
= t + 1, v
2
= t
2
e v
3
= 2t.
2. Determine m R tal que o vetor v = (1, m, 3) seja combina cao linear
dos vetores v
1
= (1, 0, 2), v
2
= (1, 1, 1) e v
3
= (2, 1, 5).
3. No exerccio anterior, substituindo o valor de m que voce encontrou,
escreva v como combina cao linear de v
1
, v
2
e v
3
.
4. Determine o subespa co S do espa co V , gerado pelos vetores de A, em
cada caso.
a) V = R
3
, A = {(1, 2, 1), (2, 1, 2)}.
b) V = M
22
(R), A = {v
1
, v
2
, v
3
}, onde
v
1
=
_
2 3
1 1
_
, v
2
=
_
4 6
2 2
_
e v
3
=
_
0 2
1 0
_
.
c) V = P
2
(t, R), v
1
= t + 1 e v
2
= t
2
.
5. Determine um conjunto de geradores para os seguintes subespa cos:
a) S = {(x, y, z) R
3
; x = 5y e z = 2y}
b) S = {(x, y, z) R
3
; x y + z = 0}
c) S =
__
a b
c d
_
M
22
(R); a = d e c = 2b
_
d) S = {at
2
+ at + b : a, b R} P
2
(t, R)
37
CEDERJ
Auto-avalia cao
Ao nal desta aula voce devera estar dominando as duas tecnicas estu-
dadas: (i) como determinar o subespa co gerado por um conjunto de vetores e
(ii) como determinar um conjunto de geradores de um subespa co dado. Este
segundo tipo de problema e resolvido rapidamente, enquanto que o primeiro
sempre recai num sistema linear sobre o qual imporemos a condi cao de ser
compatvel. Os vetores geradores n ao s ao unicos, por isso, as respostas da-
das aqui podem n ao coincidir com as suas. Para vericar se acertou, basta
testar se cada vetor, candidato a gerador, satisfaz a condi cao do subespa co.
Se houver qualquer d uvida, consulte o tutor da disciplina... e vamos em
frente!!!!
1. a) v = 4/3v
1
+ 1/3v
2
.
b) v = v
1
3v
2
+ 4v
3
.
c) Varias respostas possveis. Uma delas e v = 45v
1
+ 1/3v
2
.
d) v = 3v
1
v
2
.
e) v = 0v
1
+ v
2
v
3
.
2. m = 1
3. v = (1, 1, 3) = (2 3a)v
1
+ (a 1)v
2
+ av
3
, onde a R.
4. a) [A] = {(x, y, z) R
3
; 5x 4y + 3z = 0}
b) [A] =
__
2a 2b 5a
b a
_
M
22
(R)
_
c) [A] = {a + at + bt
2
P
2
(t, R)}
5. a) {(5, 1, 2)}
b) {(1, 1, 0), (1, 0, 1)}
c)
__
0 1
2 0
_
,
_
1 0
0 1
__
d) {t + t
2
, 1}.
CEDERJ
38
Base e dimensao
M
ODULO 2 - AULA 11
Aula 11 Base e dimensao
Objetivos
Denir independencia linear e mostrar como vericar se um conjunto e line-
armente independente;
Denir base de um espaco vetorial e dar alguns exemplos;
Mostrar a base canonica do R
n
.
Introdu cao
Na aula 10 estudamos subespa cos gerados por um conjunto de vetores
em um espa co vetorial V .
Veremos agora que alguns conjuntos de vetores geram um subespaco
de maneira mais eciente. Vamos comecar com um exemplo.
Exemplo 1
O subespa co de R
3
gerado pelos vetores u = (1, 2, 0), v = (3, 0, 1) e No exemplo 3 da aula 10 vi-
mos, com detalhes, a deter-
minacao do subespaco de R
3
gerado por u, v, e w.
w = (2, 2, 1) e o plano de equa cao S = 2x y 6z = 0. Dizemos que
{u, v, w} e um conjunto de geradores para o plano S. No entanto, como ve-
remos a seguir, os vetores u = (1, 2, 0) e s = (12, 6, 5) juntos geram o plano
S.
Para ver isto, vamos usar o metodo explicado no exemplo 3 da aula 10.
Se W e o subespa co gerado por u e s, entao (x, y, z) W quando
existem a, b R tais que (x, y, z) = a.u + b.s. Mas
au + bs = a(1, 2, 0) + b(12, 6, 5) = (a + 12b, 2a 6b, 5b).
Assim, (x, y, z) W, quando existe solu cao para o sistema
_
_
a + 12b = x
2a 6b = y
5b = z
39
CEDERJ
Base e dimensao
Vamos colocar este sistema em forma matricial e resolve-lo:
_
_
1 12 | x
2 6 | y
0 5 | z
_
_ L
2
L
2
2L
1
L
3

1
5
.L
3
_
_
1 12 | x
0 30 | y 2x
0 1 |
z
5
_
_
L
1
L
1
12L
3
L
2
L
2
+ 30L
3
_
_
1 0 | x
12z
5
0 0 | y 2x +
30z
5
0 1 |
z
5
_
_
_
_
1 0 | x
12z
5
0 1 |
z
5
0 0 | y 2x + 6z
_
_
Isto mostra que o sistema tem solucao se, e somente se, 2x+y+6z = 0
(linha nula) e que, neste caso, a solu cao e a = x
12z
5
e b =
z
5
.
Como 2x + y + 6z e a equa cao do plano S, entao u e s geram o
plano S.
Portanto, o conjunto {u, v, w} gera o plano S e o conjunto {u, s}
tambem gera o mesmo plano S.
O segundo conjunto gera o mesmo subespa co com um n umero menor
de vetores geradores.
Independencia linear
A chave para entendermos o que est a acontecendo no exemplo anterior
est a no conceito de independencia linear.
Um conjunto de vetores {v
1
, v
2
, . . . , v
n
} em um espa co vetorial V e
chamado linearmente independente se a equa cao vetorial
c
1
v
1
+ c
2
v
2
+ . . . + c
n
v
n
= 0 (1)
admite apenas a solu cao trivial c
1
= c
2
= . . . = c
n
= 0.
O conjunto {v
1
, v
2
, . . . , v
n
} e chamado linearmente dependente quando
a equa cao (1) admite alguma solu cao n ao trivial, isto e, se existem escalares
c
1
, . . . , c
n
, nao todos iguais a zero, tais que (1) seja v alido.
E comum usar a abrevia cao L.I. para conjuntos linearmente indepen-

dentes e L.D. para os linearmente dependentes.
CEDERJ
40
Base e dimensao
M
ODULO 2 - AULA 11
Exemplo 2
Um conjunto contendo um unico vetor v e linearmente independente se, e
somente se, v = 0.
Exemplo 3
O conjunto {v
1
, v
2
} contendo apenas dois vetores v
1
, v
2
nao-nulos e linear-
mente dependente quando um e m ultiplo do outro, pois, se c
1
v
1
+ c
2
v
2
= 0
possui solu cao n ao trivial ent ao c
1
= 0 e c
2
= 0 (pois c
1
= 0 c
2
= 0 e
c
2
v
2
= 0 v
2
= 0, analogamente, c
2
= 0 v
1
= 0).
c
1
v
1
+ c
2
v
2
= 0 v
1
=
c
2
c
1
v
2
.
Portanto v
1
e m ultiplo de v
2
.
Exemplo 4
Seja C[0, 1] o conjunto das fun coes reais, contnuas com domnio [0, 1]. Este
conjunto forma um espa co vetorial com as opera coes usuais de soma de
funcoes e multiplica cao por escalar.
O conjunto {sen t, cos t} e linearmente independente em C[0, 1], j a que
sen t e cos t sao n ao-nulos e nao s ao m ultiplos um do outro enquanto vetores
de C[0, 1].
Isto e, nao h a c R tal que sen t = c cos t, para todo t [0, 1]. Para
ver isso, basta comparar os gr acos de sen t e cos t.
O conjunto {sen 2t, sen t cos t} e linearmente dependente em C[0, 1],pois
sen 2t = 2 sen t cos t, t [0, 1].
Exemplo 5
Seja P
2
o espa co vetorial formado por polin omios de grau 2. Sejam
p
1
= 1, p
2
= x 1, p
3
= 5 x, entao {p
1
, p
2
, p
3
} forma um conjunto
linearmente dependente, pois
4p
1
+ p
2
+ p
3
= 0.
Como determinar se um conjunto e L.I.
Para determinarmos se um conjunto de vetores {v
1
, v
2
, ..., v
n
} e li-
nearmente independente em um espa co vetorial V , devemos vericar se a
equa cao c
1
v
1
+ . . . + c
n
v
n
= 0 possui ou n ao solu cao n ao-trivial.
41
CEDERJ
Base e dimensao
Exemplo 6
Mostre que o conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e L.I. em R
3
Solu cao:
Vamos resolver a equa cao,
c
1
(1, 0, 0) + c
2
(0, 1, 0) + c
3
(0, 0, 1) = (0, 0, 0)
(c
1
, 0, 0) + (0, c
2
, 0) + (0, 0, c
3
) = (0, 0, 0)
(c
1
, c
2
, c
3
) = (0, 0, 0)
c
1
= c
2
= c
3
= 0
Portanto, a unica solucao e a trivial, c
1
= c
2
= c
3
= 0, o que mostra
que o conjunto e L.I.
Exemplo 7
Determine se o conjunto {u, v, w}, onde u = (1, 2, 0), v = (3, 0, 1) e
w = (2, 2, 1) e L.I. em R
3
.
Solu cao:
Voltamos aos vetores do exemplo 1 que, como vimos, geram o plano S
dado por 2x y 6z = 0.
Vamos resolver a equa cao
c
1
u + c
2
v + c
3
w = (0, 0, 0) (2)
Substituindo os valores de u, v e w :
c
1
(1, 2, 0) + c
2
(3, 0, 1) + c
3
(2, 2, 1) = (0, 0, 0)
(c
1
, 2c
1
, 0) + (3c
2
, 0, c
2
) + (2c
3
, 2c
3
, c
3
) = (0, 0, 0)
(c
1
+ 3c
2
+ 2c
3
, 2c
1
2c
3
, c
2
+ c
3
) = (0, 0, 0)
o que leva ao sistema
_
_
c
1
+ 3c
2
+ 2c
3
= 0
2c
1
2c
3
= 0
c
2
+ c
3
= 0
CEDERJ
42
Base e dimensao
M
ODULO 2 - AULA 11
Colocando na forma matricial e reduzindo:
_
_
1 3 2 | 0
2 0 2 | 0
0 1 1 | 0
_
_ L
2
L
2
2L
1
_
_
1 3 2 | 0
0 6 6 | 0
0 1 1 | 0
_
_ L
2
L
2
+ 6L
3
_
_
1 3 2 | 0
0 0 0 | 0
0 1 1 | 0
_
_
L
1
L
1
3L
3
L
2
L
3
L
3
L
2
_
_
1 0 1 | 0
0 1 1 | 0
0 0 0 | 0
_
_
_
c
1
c
3
= 0
c
2
+ c
3
= 0
Este sistema possui solu cao c
1
= c
3
, c
2
= c
3
e c
3
= c
3
, para qualquer
valor de c
3
.
Ou seja, a equacao (2) possui innitas solu coes n ao triviais.
Por exemplo, c
3
= 1 resulta em c
1
= 1, c
2
= 1 e c
3
= 1. Verique
que, com estes valores, c
1
u + c
2
v + c
3
w = 0.
Exemplo 8
Determine se o conjunto {u, s}, onde u = (1, 2, 0) e s = (12, 6, 5) e L.I. Ver exemplo 1.
Solu cao:
Como o conjunto {u, s} tem dois vetores, ele e L.D. apenas quando um
dos vetores e m ultiplo do outro. Claramente, este nao e o caso de {u, s}.
Portanto, {u, s} e L.I.
Comparando os exemplos 7 e 8, vemos que os conjuntos {u, v, w} e
{u, s} geraram o mesmo subespaco S. No entanto, {u, v, w} e L.D., enquanto
que {u, s} e L.I.
Veremos posteriormente que se um subespa co W e gerado por um con-
junto de n elementos, ent ao qualquer conjunto de m elementos, onde m > n,
e necessariamente linearmente dependente.
No exemplo acima, como {u, s} gera o subespa co S, ent ao qualquer
conjunto com mais de 2 elementos e L.D.
43
CEDERJ
Base e dimensao
Base de um subespaco vetorial
Seja W um subespa co de um espaco vetorial V . Um conjunto de vetores
B = {v
1
, ..., v
n
} e uma base de W se
(i) B e um conjunto linearmente independente.
(ii) O subespa co gerado por B e W.
Observe que a deni cao de base se aplica tambem ao proprio espa co
vetorial V , pois todo espa co vetorial e subespaco de si mesmo.
Observe tambem que se B = {v
1
, ..., v
n
} e base de W, entao v
1
, ..., v
n
pertencem a W.
Exemplo 9
Sejam os vetores i
1
= (1, 0, 0), i
2
= (0, 1, 0) e i
3
= (0, 0, 1). Considere o
conjunto {i
1
, i
2
, i
3
}, ja vimos que o conjunto e L.I. e claramente gera R
3
, pois
(x, y, z) R
3
(x, y, z) = xi
1
+ yi
2
+ zi
3
. Logo {i
1
, i
2
, i
3
} e base de R
3
.
Esta base e chamada base canonica do R
3
.
x
1
i
1
x
2
x
3
i
2
i
3
Base canonica do R
3
Exemplo 10
Sejam os vetores:
i
1
= (1, 0, ..., 0)
i
2
= (0, 1, ..., 0)
.
.
.
i
n
= (0, 0, ..., 1)
O conjunto {i
1
, ..., i
n
} e uma base do R
n
, chamada base canonica.
CEDERJ
44
Base e dimensao
M
ODULO 2 - AULA 11
Exemplo 11
O conjunto {u, s}, onde u = {1, 2, 0} e s = {12, 6, 5}, e uma base do su-
bespa co S, onde S : 2x y 6z = 0. (Veja os exemplos 7 e 8.)
Exemplo 12
Seja P
n
o espa co dos polinomios de grau n. Ent ao o conjunto
B = {1, t, ..., t
n
} forma uma base de P
n
. Esta base e chamada canonica
de P
n
.
De fato, B claramente gera P
n
. Para provar que B e L.I., sejam
c
0
, . . . , c
n
tais que
c
0
.1 + c
1
.t + c
2
.t
2
+ ... + c
n
.t
n
= 0.
A igualdade signica que o polin omio da esquerda tem os mesmos coe-
cientes que o polinomio da direita, que e o polin omio nulo. Mas o polin omio
da esquerda deve ter innitas solu coes, pois seu valor e zero t R, logo
deve ser nulo. Portanto, c
0
= c
1
= ... = c
n
= 0 e assim, {1, t
1
, ..., t
n
} e L.I.
Resumo
Nesta aula estudamos conjuntos linearmente independentes (L.I.) e li-
nearmente dependentes (L.D.). Vimos que um conjunto B gerador de um
subespaco W e linearmente independente e uma base de W. Vimos alguns
exemplos.
As bases sao conjuntos geradores mnimos para um subespa co, no
sentido de que se um conjunto tem mais elementos que uma base ent ao ele
e L.D., e se tem menos elementos que uma base de W ent ao n ao gera W.
Estas propriedades das bases ser ao vistas na pr oxima aula.
45
CEDERJ
Base e dimensao
Exerccios
1. Determine uma base para o espa co das matrizes
M
2x2
(R) =
__
a b
c d
_
| a, b, c, d R}.
2. Sejam u, v e w os vetores do exemplo 7. Vimos que {u, v, w} e
L.D. Mostre que os conjuntos {u, v}, {u, w} e {v, w} sao linearmente
independentes.
3. Determine uma base para o subespa co
S = {(x, x + y, 2y)| x, y R} R
3
.
4. Sejam v
1
=
_
_
1
2
3
_
_
, v
2
=
_
_
1
2
3
_
_
e v
3
=
_
_
1
10
3
_
_
. Seja H o
subespaco de R
3
gerado por {v
1
, v
2
, v
3
}. Mostre que {v
1
, v
2
, v
3
} e line-
armente dependente e que {v
1
, v
2
} e uma base para H.
5. No espa co vetorial de todas as fun coes reais, mostre que
{t, sen t, cos 2t, sen t cos t} e um conjunto linearmente independente.
6. Determine uma base para os subespa cos a seguir (veja exerccio 5 da
aula 10).
(a) S = {(x, y, z) R
3
; x = 5y e z = 2y} .
(b) S = {(x, y, z) R
3
; x y + z = 0} .
(c) S =
__
a b
c d
_
M
2X2
(R); a = d e c = 2b}.
(d) S = {at
2
+ at + b; a, b R} P
2
(t, R) .
CEDERJ
46
Dimensao de um espaco vetorial
M
ODULO 2 - AULA 12
Aula 12 Dimensao de um espa co vetorial
Objetivo
Apresentar o sistema de coordenadas determinado por uma base em um
espa co vetorial V ;
Mostrar que se um espaco vetorial V tem uma base com n elementos ent ao
todas as bases de V tem n elementos;
Denir dimensao.
Introdu cao
Uma vez que esteja especicada uma base B para um espa co vetorial V ,
podemos representar um vetor v V por suas coordenadas na base B. Por
isso, dizemos que uma base B de V estabelece um sistema de coordenadas
em V .
Veremos, com mais detalhes, o que isso tudo quer dizer mais adiante.
Veremos que, se a base B tem n vetores, entao um vetor v V ca repre-
sentado por uma n-upla (a
1
, a
2
, . . . , a
n
). Isto faz o espaco vetorial V se
parecer com R
n
. Exploraremos esta rela cao para mostrar que todas as bases
de um mesmo espa co vetorial V tem o mesmo n umero de elementos.
Sistema de coordenadas
A existencia de um sistema de coordenadas esta baseada no seguinte
teorema.
Teorema 1 (Representa cao unica)
Seja B = {b
1
, . . . , b
n
} uma base para um espa co vetorial V . Ent ao, para
cada x V , existe um unico conjunto de escalares c
1
, . . . , c
n
, tal que
x = c
1
b
1
+ . . . + c
n
b
n
.
47
CEDERJ
Dimensao de um espa co vetorial
Demonstracao.
Como B = {b
1
, . . . , b
n
} e uma base de V , ent ao gera V , logo todo
x V e combina cao linear dos vetores em B. Portanto, existem
c
1
, . . . , c
n
R tais que:
x = c
1
b
1
+ . . . + c
n
b
n
. (1)
Vamos agora provar a unicidade. Suponha que x tambem tenha a
representa cao
x = d
1
b
1
+ . . . + d
n
b
n
. (2)
Subtraindo (1) e (2), obtemos:
0 = x x = (c
1
d
1
)b
1
+ . . . + (c
n
d
n
)b
n
. (3)
Como B e linearmente independente, os coecientes c
1
d
1
,
c
2
d
2
, . . . , c
n
d
n
, na equa cao (3), devem ser todos nulos, logo
c
i
= d
i
, i = 1, . . . , n, o que mostra que a representa cao e unica.
Denicao
Seja x V e seja B = {b
1
, . . . , b
n
} uma base de V . Se
x = c
1
b
1
+ . . . + c
n
b
n
,
entao os escalares c
1
, . . . , c
n
sao chamados coordenadas de x na base B e
escrevemos
[x]
B
=
_
_
c
1
.
.
.
c
n
_
_
.
Exemplo 1
Seja a base B = {b
1
, b
2
} do R
2
dada por b
1
=
_
1
1
_
e b
2
=
_
0
2
_
. Sejam
x, y R
2
. Se [x]
B
=
_
1
3
_
, determine x e, se y =
_
2
5
_
, determine [y]
B
.
CEDERJ
48
M
ODULO 2 - AULA 12
Solu cao:
Como x
B
=
_
1
3
_
, entao
x = 1.b
1
+ 3b
2
= 1.
_
1
1
_
+ 3.
_
0
2
_
=
_
1
7
_
.
Se y =
_
2
5
_
e [y]
B
=
_
y
1
y
2
_
, ent ao,
_
2
5
_
= y
1
b
1
+ y
2
b
2
= y
1
_
1
1
_
+ y
2
_
0
2
_
_
2
5
_
=
_
y
1
y
1
+ 2y
2
_
,
o que resulta em
_
y
1
= 2
y
1
+ 2y
2
= 5 2 + 2y
2
= 5 y
2
=
3
2
.
Portanto, [y]
B
=
_
2
3
2
_
.
Exemplo 2
A base can onica b = {i
1
, i
2
} e a base em que x = [x]
B
, para todo x R
2
,
pois, se [x]
B
=
_
a
b
_
, entao
x = a.i
1
+ b.i
2
= a.
_
1
0
_
+ b.
_
0
1
_
=
_
a
b
_
= [x]
B
.
Exemplo 3
Seja B = {2, 1t, 1+t +t
2
} uma base de P
2
[t], o espa co dos polinomios em
uma vari avel de grau 2 (verique que B e uma base de P
2
[t]). Determine
as coordenadas de x = t
2
1 na base B.
49
CEDERJ
Solu cao:
Se B = {b
1
, b
2
, b
3
} e [x]
B
=
_
_
c
1
c
2
c
3
_
_
, entao
x = c
1
b
1
+ c
2
b
2
+ c
3
b
3
, isto e
1 + t
2
= c
1
.2 + c
2
.(1 t) + c
3
.(1 + t + t
2
)
1 + t
2
= 2c
1
+ c
2
c
2
t + c
3
+ c
3
t + c
3
t
2
1 + t
2
= (2c
1
+ c
2
+ c
3
) + t(c
2
+ c
3
) + c
3
t
2
Comparando os coecientes, obtemos
_
_
2c
1
+ c
2
+ c
3
= 1
c
2
+ c
3
= 0
c
3
= 1
, o que leva a
_
_
c
1
=
3
2
c
2
= 1
c
3
= 1
.
Portanto, [x]
B
=
_
3
2
1
1
_
_
.
Exemplo 4
Seja V um espa co vetorial e B = {b
1
, . . . , b
n
} uma base de V . A repre-
senta cao do vetor nulo em B e [0]
B
=
_
_
0
.
.
.
0
_
_
, pois, se [v]
B
=
_
_
0
.
.
.
0
_
_
, entao
v = 0.b + . . . + 0.b
n
= 0.
Base de um espa co vetorial
Nesta secao, provaremos que todas as bases de um espa co vetorial V
tem o mesmo n umero de elementos. Vamos iniciar com o R
n
.
O conjunto B = {i
1
, i
2
, ..., i
n
} e uma base de R
n
(ver exemplo 10 da
aula 11). Esta e a base canonica do R
n
. No teorema a seguir, veremos que
qualquer conjunto com mais de n elementos e L.D.
Teorema 2
Seja S = {u
1
, ..., u
p
} um subconjunto do R
n
. Se p > n, ent ao S e linear-
mente dependente.
CEDERJ
50
M
ODULO 2 - AULA 12
Demonstracao.
Seja u
1
=
_
_
x
11
x
12
.
.
.
x
1n
_
_
, . . . , u
p
=
_
_
x
p1
x
p2
.
.
.
x
pn
_
_
.
A equa cao
c
1
u
1
+ . . . + c
p
u
p
= 0 (1)
pode ser escrita como
c
1
_
_
x
11
x
21
.
.
.
x
n1
_
_
+ + c
p
_
_
x
1p
x
2p
.
.
.
x
np
_
_
=
_
_
0
0
.
.
.
0
_
_
vetor nulo doR
n
o que resulta no sistema
_
_
x
11
c
1
+ + x
1p
c
p
= 0
x
21
c
1
+ + x
2p
c
p
= 0
.
.
. (2)
x
n1
c
1
+ + x
2p
c
p
= 0
O sistema (2) e um sistema homogeneo, nas variaveis c
1
, . . . , c
p
, com
n equa coes. Como p > n, ent ao trata-se de um sistema homogeneo com mais
vari aveis que equa coes. Segue-se que ha solu coes n ao-triviais de (2), logo
(1) tem solucoes nao-triviais e, portanto S = {u
1
, . . . , u
p
} e linearmente
dependente.
O pr oximo teorema, generaliza este resultado para qualquer espa co ve-
torial.
Teorema 3
Se um espa co vetorial V tem base B = {b
1
, . . . , b
n
}, entao todo subconjunto
de V com mais de n vetores e linearmente dependente.
Demonstracao.
Seja {u
1
, . . . , u
p
} um subconjunto de V , com p > n. Os vetores das
coordenadas [u
1
]
B
, [u
2
]
B
, . . . , [u
p
]
B
formam um subconjunto do R
n
com
p > n vetores. Pelo teorema anterior este e um conjunto L.D.
51
CEDERJ
Portanto, existem escalares c
1
, . . . , c
p
, nem todos iguais a zero, tais
que
c
1
[u
1
]
B
+ . . . + c
p
[u
p
]
B
=
_
_
0
.
.
.
0
_
_
Como a transformacao de coordenadas e uma transformacao linear, Verique que se B e uma
base de um espaco veto-
rial V, a, b V e
c
1
e c
2
sao escalares, entao
[c
1
a+c
2
b]
B
= c
1
[a]
B
+c
2
[b]
B
.
Isto mostra que a trans-
formacao de coordenadas e
uma transformacao linear.
temos
[c
1
u
1
+ . . . + c
p
u
p
]
B
=
_
_
0
.
.
.
0
_
_
Portanto, a representa cao do vetor c
1
u
1
+ . . . + c
p
u
p
, na base B e
[0 0], isto e,
c
1
u
1
+ ... + c
p
u
p
= 0.b
1
+ ... + 0.b
n
= 0 (3)
A equa cao (3) mostra que u
1
, . . . , u
p
e um conjunto linearmente de-
pendente.
Teorema 4
Se um espaco vetorial V tem uma base com n vetores, entao toda base de V
tambem tem exatamente n vetores.
Demonstracao.
Seja B
1
uma base com n vetores e seja B
2
uma outra base de V .
Como B
1
e base e B
2
e linearmente independente, entao B
2
nao tem
mais que n vetores, pelo teorema anterior.
Por outro lado, como B
2
e base e B
1
e linearmente independente, entao
B
2
nao tem menos que n vetores. Disto resulta que B
2
tem exatamente n
vetores.
Um espa co vetorial pode nao ter uma base com um n umero nito de ve-
tores. Por exemplo, o espaco vetorial dos polin omios na vari avel t, denotado
R[t], nao tem base nita. Uma base para este espa co e
{1, t, t
2
, t
3
, ...}.
Como este conjunto e innito, ent ao R[t] nao pode ter base nita (se tivesse
uma base com d elementos, ent ao qualquer conjunto com mais de d elementos
seria L.D., logo n ao poderia ter uma base innita).
CEDERJ
52
M
ODULO 2 - AULA 12
O teorema anterior mostra que, se um espa co vetorial V tem base nita,
entao todas as bases tem o mesmo n umero de elementos. Isto motiva a
seguinte deni cao:
Denicao
Se V tem uma base nita, entao V e chamado espa co vetorial de di-
mensao nita e chamamos de dimens ao de V , denotada dim V , o n umero de
vetores de uma base de V . Caso V nao tenha uma base nita, dizemos que
V e um espaco vetorial de dimens ao innita. A dimens ao do espa co vetorial
trivial [0] e denida como sendo igual a zero.
Exemplo 5
dim R
n
= n. Basta notar que a base can onica do R
n
tem n vetores.
Exemplo 6
dim P
n
= n + 1, onde o P
n
e o espa co vetorial dos polin omios de grau n.
Uma base de P
n
e o conjunto
{1, t, t
2
, . . . , t
n
},
que tem n + 1 vetores.
Exemplo 7
Determine a dimensao do subespa co H de R
3
geral do pelos vetores
v
1
=
_
_
1
2
1
_
_
e v
2
=
_
_
0
1
1
_
_
.
Solu cao:
Como v
1
e v
2
nao s ao m ultiplos um do outro, ent ao o conjunto {v
1
, v
2
}
e L.I, portanto e uma base de H. Logo dim H = 2.
Teorema do conjunto gerador
Um problema comum e o de encontrar uma base para um subespa co
gerado por um certo conjunto de vetores. Se este conjunto e L.I., entao e
base do subespa co que ele gera, se n ao for L.I., ent ao possui excesso de
vetores, como mostra o teorema a seguir.
53
CEDERJ
Teorema 5 (Teorema do Conjunto Gerador)
Seja S = {v
1
, ..., v
p
} um conjunto em V e seja H o conjunto gerado por
{v
1
, ..., v
p
}
a) Se um dos vetores de S, digamos v
k
, e combina cao linear dos outros,
entao S {v
k
} ainda gera o subespa co H.
b) Se H = {0}, entao algum subconjunto se S e uma base de H.
Demonstracao.
a) Reordenando os vetores, se necessario, suponha que v
p
e combina cao
linear dos vetores v
1
, ..., v
p1
. Ent ao existem escalares c
1
, ..., c
p1
tais
que
v
p
= c
1
v
1
+ . . . + c
p1
v
p1
. (1)
Seja x um vetor em H. Ent ao existem x
1
, ..., x
p
tais que
x = x
1
v
1
+ . . . + x
p1
v
p1
+ x
p
v
p
. (2)
Substituindo o valor de v
p
de (1) em (2) resulta que
x = x
1
v
1
+ . . . + x
p1
v
p1
+ x
p
.(c
1
v
1
+ . . . + c
p1
v
p1
)
= (x
1
+ c
1
x
p
)v
1
+ . . . + (x
p1
+ c
p1
x
p
)v
p1
.
Portanto, todo x H e combina cao linear dos vetores v
1
, v
2
, . . . , v
p1
.
b) Se o conjunto gerador inicial S e linearmente independente, entao e base
do subespa co H que gera. Caso contr ario, e linearmente dependente,
o que implica que algum vetor em S e combina cao linear dos demais.
Excluindo este vetor, obtemos um subconjunto S
1
S, que tambem
gera H. Se S
1
e linearmente independente entao e base de H. Caso
contr ario, algum vetor em S
1
e combina cao linear dos outros. Excluindo
este, obtemos S
2
que tambem gera.
Como H = {0} e o conjunto inicial S e nito, ent ao o processo acima
deve parar, isto e, existe um subconjunto S
i
de S, tal que S
i
gera H e
S
i
e linearmente independente.
CEDERJ
54
M
ODULO 2 - AULA 12
Exemplo 8
Determine uma base para o subespaco
H =
_
_
_
_
a + b c
2a + d
b c d
5d
_
_
, tal que a, b, c e d R}
Solu cao:
Claramente H R
4
. Note que
_
_
a + b c
2a + d
b c d
5d
_
_
=
_
_
a
2a
0
0
_
_
+
_
_
b
0
b
0
_
_
+
_
_
c
0
c
0
_
_
+
_
_
0
d
d
5d
_
_
= a
_
_
1
2
0
0
_
_
+ b
_
_
1
0
1
0
_
_
+ c
_
_
1
0
1
0
_
_
+ d
_
_
0
1
1
5
_
_
.
Portanto, H e gerado pelos vetores
v
1
=
_
_
1
2
0
0
_
_
, v
2
=
_
_
1
0
1
0
_
_
, v
3
=
_
_
1
0
1
0
_
_
, v
4
=
_
_
0
1
1
5
_
_
.
Devemos checar se estes vetores formam um conjunto L.I. Claramente,
v
3
e m ultiplo de v
2
. Portanto, podemos excluir v
3
. O conjunto {v
1
, v
2
, v
3
} e,
pelo teorema anterior, gerador de H.
Para checar se {v
1
, v
2
, v
3
} e L.I., vamos resolver a equa cao c
1
v
1
+ c
2
v
2
+
c
4
v
4
= 0
c
1
_
_
1
2
0
0
_
_
c
2
_
_
1
0
1
0
_
_
+ c
4
_
_
0
1
1
5
_
_
=
_
_
0
0
0
0
_
_
.
55
CEDERJ
O que resulta no sistema
_
_
c
1
+ c
2
= 0
2c
1
+ c
4
= 0
c
2
c
4
= 0
5c
4
= 0
,
este sistema implica em c
2
= c
4
= 0 e c
1
= 0 e c
2
= 0, o que mostra que
{v
1
, v
2
, v
4
} e L.I. e, portanto, base de H.
Resumo
Nesta aula vimos a deni cao de dimens ao de um espa co vetorial. A
denicao dada faz sentido apenas porque, como estudamos, se um espa co
vetorial V tem uma base com n elementos, ent ao todas as bases de V tem
tambem n elementos.
Vimos tambem que, dado um conjunto B, linearmente dependente,
gerador de um subespaco H de um espa co vetorial, podemos ir retirando
certos vetores de B ate que o conjunto resultante seja uma base de H.
Exerccios
Para cada subespa co H nos exerccios 1 a 6, determine uma base de H
e sua dimens ao.
1. H = {(s 2t, s + t, 4t); s, t R}.
2. H = {(3s, 2s, t); s, t R}.
3. H = {(a + b, 2a, 3a b, 2b); a, b R}.
4. H = {(a, b, c); a 3b + c = 0, b 2c = 0 e 2b c = 0}.
5. H = {(a, b, c, d); a 3b + c = 0}.
6. H = {(x, y, x); x, y R}.
7. Determine a dimens ao do subespa co de R
3
gerado pelos vetores
_
_
1
0
2
_
_,
_
_
3
1
1
_
_,
_
_
9
4
2
_
_,
_
_
7
3
2
_
_.
CEDERJ
56
M
ODULO 2 - AULA 12
8. Os quatro primeiros polin omios de Hermite s ao 1, 2t, 2 + 4t
2
e
12t + 8t
3
.
Mostre que estes polinomios formam uma base de P
3
.
9. Encontre as coordenadas do polin omio p(t) = 7 12t 8t
2
+ 12t
3
na
base de P
3
formada pelos polin omios de Hermite (ver exerccio 8).
10. Mostre que o espa co C(R) formado por todas as fun coes reais e um
espa co de dimensao innita.
11. Mostre que uma base B de um espaco vetorial de dimens ao nita V e
um conjunto gerador minimal. Em outras palavras, se B tem n vetores
ent ao nenhum conjunto com menos de n vetores pode gerar V .
Mostre tambem que a base B e um conjunto linearmente independente
maximal, no sentido que qualquer conjunto com mais de n vetores n ao
pode ser L.I.
12. Mostre que se H e subespaco de V e dimH = dimV ent ao H = V .
57
CEDERJ
Soma de subespacos
M
ODULO 2 - AULA 13
Aula 13 Soma de subespa cos
Objetivos
Mostrar um metodo pr atico para obter uma base de um subespa co vetorial
a partir de um conjunto gerador deste subespa co.
Provar o teorema do completamento, que arma que, dado um conjunto L.I.
em um subespa co vetorial V podemos complet a-lo para tornar uma base
de V .
Denir soma de subespa cos e ver o teorema da dimensao da soma.
Como obter uma base a partir de um conjunto gerador
Seja S = {b
1
, b
2
, b
3
, . . . , b
n
} um conjunto e U o subespa co gerado por
S. Seja M a matriz obtida escrevendo os vetores b
1
, . . . , b
n
como linhas de
M, isto e, b
i
e a i-esima linha de M.
M =
_
_
b
1
b
2
.
.
.
b
n
_
_
.
As opera coes elementares nas linhas de M sao:
Multiplica cao de uma linha por uma constante: L
i
.L
i
Troca de uma linha por outra: L
i
L
j
Substituir uma linha por uma combina cao linear dela por outra:
L
i
L
i
+ .L
j
.
Estas operacoes levam os vetores b
1
, . . . , b
n
a vetores b
i
, . . . , b
n
que
pertencem ao espa co gerado por {b
1
, . . . , b
n
}. Como estas opera coes sao
invertveis, isto e, posso passar de {b
1
, . . . , b
n
} a {b
1
, . . . , b
n
} aplicando
opera coes elementares, entao o espa co gerado por {b
1
, . . . , b
n
} e o mesmo
gerado por {b
1
, . . . , b
n
}.
59
CEDERJ
Soma de subespacos
Podemos usar esta propriedade para reduzir a matriz M =
_
_
b
1
b
2
.
.
.
b
n
_
_
a uma matriz na forma M
=
_
_
b
1
b
2
.
.
.
b
r
0
.
.
.
0
_
_
; onde os b
1
, b
2
, . . . , b
r
sao L.I..
Neste caso, {b
1
, b
2
, . . . , b
r
} e um conjunto L.I. e gera o mesmo subespa co U

gerado por {b
1
, . . . , b
n
}. Em outras palavras, obtivemos uma base a partir
do conjunto gerado.
Exemplo 1
Obtenha uma base do subespa co U do R
4
gerado pelos vetores {(1, 1, 0, 2),
(2, 0, 1, 1), (0, 1, 2, 1), (1, 1, 1, 3)}. Determine a dimensao de U.
Solu cao:
Vamos formar a matriz M dos vetores acima e reduz-la:
M =
_
_
_
_
_
1 1 0 2
2 0 1 1
0 1 2 1
1 1 1 3
_
_
_
_
_
_
_
_
_
_
1 1 0 2
0 2 1 3
0 1 2 1
0 0 1 1
_
_
_
_
_
_
_
_
_
_
1 1 0 2
0 1 2 1
0 2 1 3
0 0 1 1
_
_
_
_
_
_
_
_
_
_
1 1 0 2
0 1 2 1
0 0 5 5
0 0 1 1
_
_
_
_
_
_
_
_
_
_
1 1 0 2
0 1 2 1
0 0 1 1
0 0 5 5
_
_
_
_
_
_
_
_
_
_
1 1 0 2
0 1 2 1
0 0 1 1
0 0 0 0
_
_
_
_
_
.
Vemos que o subespaco U tem base {(1, 1, 0, 2), (0, 1, 2, 1), (0, 0, 1, 1)}.
Portanto, dimU = 3.
Observe que, claramente, vetores na forma
_
_
_
_
_
_
_
_
x
1

0 x
2

0 0 x
3

0 0 0 x
4

.
.
.
_
_
_
_
_
_
_
_
,
onde as entradas marcadas podem ter qualquer valor e x
1
= 0, x
2
= 0 etc.
sao necessariamente L.I.
CEDERJ
60
Soma de subespacos
M
ODULO 2 - AULA 13
Teorema do Completamento
Vimos, na secao anterior, como obter uma base de um conjunto gerador.
Se este conjunto n ao e L.I., temos que diminu-lo para conseguir uma base.
Nesta secao veremos o inverso. Como obter uma base de um conjunto
L.I.. Se este conjunto n ao e gerador, ent ao temos que aument a-lo de forma
que continue L.I. e que se torne gerador.
Teorema 1
Seja {b
1
, . . . , b
r
} um conjunto L.I. em um espaco vetorial de dimensao nita
V . Ent ao existem b
r+1
, . . . , b
n
, tal que {b
1
, . . . , b
r
, b
r+1
, . . . , b
n
} formam uma
base de V , onde n = dimV .
Demonstracao.
Se {b
1
, . . . , b
r
} gera o espa co V entao nada temos a fazer.
Se {b
1
, . . . , b
r
} nao e gerador ent ao existe b
r+1
V tal que b
r+1
nao e
combinacao linear de b
1
, . . . , b
r
. Portanto,
{b
1
, . . . , b
r
, b
r+1
} e um conjunto L.I.
Se este conjunto agora e gerador, obtivemos uma base. Se n ao, h a um vetor
b
r+2
V tal que b
r+2
nao e combina cao linear de b
1
, . . . , b
r+1
. Portanto,
{b
1
, . . . , b
r
, b
r+1
, b
r+2
} e L.I.
Se este conjunto for gerador, obtivemos uma base, caso contr ario continua-
mos com o processo, obtendo b
r+3
, b
r+4
, etc. Como V tem dimensao nita,
digamos dimV = n, quando chegarmos a {b
1
, . . . , b
n
} teremos obtido uma
base, pois o processo leva sempre a conjuntos L.I. e um conjunto L.I. com
n (= dim(V )) elementos deve ser uma base.
Soma de subespa cos
Dados subespa cos U e V de um espaco vetorial W, podemos obter um
subespaco maior que inclui U e V como subconjuntos (e como subespa cos).
Ja que este subespa co contem todo u U e todo v V , entao deve conter
todos os u +v, com u U e v V . (Lembre-se que subespa cos sao fechados
para a soma de vetores!)
Portanto, qualquer subespa co que contenha U e V deve conter as somas
u + v, com u U e v V . Isto motiva a seguinte deni cao:
61
CEDERJ
Soma de subespacos
Denicao
Sejam U e V subespacos de um espaco vetorial W. Chamamos de soma
de U e V o conjunto Note que, nesta denicao,
U + V e so um conjunto.
Mostraremos em seguida que
e subespaco de W.
U + V = {u + v; u V e v V }.
Note que U U + V e V U + V .
Na discussao acima, vimos que qualquer subespa co que contenha U e
V deve conter o conjunto U + V denido acima.
A pr oxima proposi cao mostra que o conjunto U +V ja e um subespaco
vetorial.
A soma de subespa cos e um subespa co
Proposi cao 1
Se U e V sao subespa cos de um espaco vetorial W, entao U +V e subespaco
de W.
Demonstracao.
Basta provar que U +V e nao vazio, fechado para a soma de vetores e
produto por escalar.
U + V = pois U e V sao n ao vazios. Em particular, 0 U + V , pois
0 U e 0 V 0 = 0 + 0 U + V.
Se x
1
, x
2
U + V ent ao x
1
= u
1
+ v
1
e x
2
= u
2
+ v
2
, para certos
vetores u
1
, u
2
U e v
1
, v
2
V , entao
x
1
+ x
2
= (u
1
+ v
1
) + (u
2
+ v
2
) = (u
1
+ u
2
) + (v
1
+ v
2
).
Como u
1
+ u
2
U e v
1
+ v
2
V ent ao x
1
+ x
2
U + V .
Se x = u + v U + V , com u U e v V , entao x = (u + v) =
u + v; R. Como u U e v V , entao x U + V .
Como U + V e subespaco e, como observamos acima, todo subespa co

de W que contenha U e V deve conter U+V , entao podemos dizer que U+V
e o menor subespaco de W contendo U e V .
CEDERJ
62
Soma de subespacos
M
ODULO 2 - AULA 13
Exemplos
2. U = U +{0}, onde {0} e o espa co vetorial nulo.
3. Seja U = {(x, 0, 0); x R} e V = {(0, y, z); y, z R}, subespa cos
vetoriais do R
3
. Ent ao temos que
U + V = {(x, 0, 0) + (0, y, z); x, y, z R}
= {(x, y, z); x, y, z R} = R
3
.
Isto e, a soma de U e V e todo o R
3
.
Agora observe o seguinte: U e uma reta, o eixo OX, enquanto que V
e o plano dado por x = 0.
Neste caso, a soma de um plano e uma reta e o espa co R
3
.
v
U
x
y
z
U + V = R
3
4. Seja U = {(x, 0, 0)} R
3
e V = {(x, y, 0)} R
3
, ent ao U V e
U + V = V .
Neste caso, a soma de um plano e uma reta e o pr oprio plano.
O que diferencia os exemplos 3 e 4?
No exemplo 3, somamos um plano e uma reta n ao contida nele, o que
resulta no espa co, enquanto que no exemplo 4, somamos um plano e
uma reta contida no plano, resultando no pr oprio plano. Voltaremos a
este topico quando falarmos sobre a base da soma.
5. Claramente, se U V entao U + V = V .
63
CEDERJ
Soma de subespacos
Soma direta
Intuitivamente, quanto menor U V , mais ganhamos quando passa-
mos de U e V para U +V . Em um caso extremo, se U V ent ao U +V = V
e nao ganhamos nada.
Lembre-se que U + V deve sempre conter o vetor nulo 0.
Denicao
Sejam U e V subespacos vetoriais de W tais que U V = {0}. Ent ao
dizemos que U + V e a soma direta de U e V .
Denotamos a soma direta por U V .
No caso que U V = W ent ao dizemos que U e V sao complementares
e dizemos que V e o complementar de U em relacao a W (e vice-versa).
Veremos que dado subespa co U de W, sempre existe o espa co com-
plementar de U em relacao a W, isto e, sempre existe V W tal que
U V = W.
Na pr oxima proposi cao, veremos como a soma direta est a relacionada
à decomposi cao unica de cada vetor como soma de vetores nos subespacos.
Proposi cao 2
Sejam U e V subespacos vetoriais de um espa co vetorial W. Entao
W = U V se, e somente se, cada vetor w W admite uma unica de-
composi cao w = u + v, com u U e v V .
Demonstracao.
() Suponha, por hip otese, que W = U V . Ent ao, dado w W,
existem u U e v V , tais que w = u + v. Temos que provar apenas a
unicidade. Suponha que exista outra decomposi cao w = u
+ v, com u
U
e v
V .
Entao
w = u + v
w = u
+ v
(u u
) + (v v
) = 0 u u
= v
v.
Mas uu
U e v
v V . Como U V = {0} (pois a soma e direta),

entao
u u
= v
v u u
= v
v = 0 u = u
e v = v
.
Portanto a decomposi cao e unica.
CEDERJ
64
Soma de subespacos
M
ODULO 2 - AULA 13
() Suponha que exista decomposi cao unica.
Como todo w W se escreve como w = u + v, com u U e v V ,
entao W = U + V . Resta provar que a soma e direta.
Seja x U V . Ent ao podemos escrever
x = x + 0 = 0 + x
U V U V
A unicidade da decomposi cao implica em que x = 0, ou seja,
U V = {0}.
Exemplo 6
Seja {b
1
, . . . , b
n
} uma base para um espa co vetorial. Vimos que todo v V
tem uma unica decomposicao na forma
v =
1
b
1
+ . . . +
n
b
n
.
Cada
i
b
i
pertence ao subespa co [b
i
] gerado pelo vetor b
i
. Portanto,
vale que
V = [b
1
] [b
2
] . . . [b
n
].
O exemplo anterior leva ` a quest ao de como obter uma base de uma
soma U V , tendo a base de U e de V .
Base e dimensao da soma de subespa cos
Seja W um espa co vetorial de dimens ao nita, e sejam U e V subespacos
de W. Vimos que U V e U + V sao subespa cos de W. A proposi cao a
seguir relaciona a dimensao destes subespacos.
Proposi cao 3
dim(U + V ) + dim(U V ) = dimU + dimV
Demonstracao.
Seja B
1
= {x
1
, ..., x
r
} uma base de U V , onde r = dim(U V ).
Vamos agora completar esta base B
1
de forma a criar uma base de U e
uma base de V .
65
CEDERJ
Soma de subespacos
Pelo teorema do completamento, existem vetores u
1
, . . . , u
s
em U e
v
1
, . . . , v
t
em V tais que
B
2
= {x
1
, . . . , x
r
, u
1
, . . . , u
s
} e uma base de U e
B
3
= {x
1
, . . . , x
r
, v
1
, . . . , v
t
} e uma base de V.
Note que r + s = dimU e r + t = dimV . Mostraremos, a seguir, que
B = {x
1
, . . . , x
r
, u
1
, . . . , u
s
, v
1
, . . . , v
t
} e uma base de U + V.
a) o conjunto B gera U + V .
Seja w U + V . Entao w = u + v, para certos u U e v V . Como
B
2
e B
3
sao bases de U e V , respectivamente, ent ao podemos escrever,
u =
1
x
1
+ . . . +
r
x
r
+
1
u
1
+ . . . +
s
u
s
v =
1
x
1
+ . . . +
r
x
r
+
1
v
1
+ . . . +
t
v
t
onde as letras gregas s ao escalares. Somando u e v encontramos
w = u+v = (
1
+
1
)x
1
+. . .+(
r
+
r
)x
r
+
1
u
1
+. . .+
s
u
s
+
1
v
1
+. . .+
t
v
t
.
Portanto, o conjunto B gera U + V .
b) o conjunto B e linearmente independente. Suponhamos que
(1)
1
x
1
+ . . . +
r
x
r
+
1
u
1
+ . . . +
s
u
s
+
1
v
1
+ . . . +
t
v
t
= 0
entao,
1
x
1
+ . . . +
r
x
r
+
1
u
1
+ . . . +
s
u
s
=
1
v
1
. . .
t
v
t
.
O vetor do lado esquerdo da igualdade est a em U, logo
1
v
1
. . .
t
v
t
U. Mas v
1
, . . . , v
t
est ao em V , logo
1
v
1
. . .
t
v
t
U V.
Como x
1
, . . . , x
r
formam uma base de U V , segue-se que existem
escalares
1
, . . . ,
r
tais que
1
v
1
. . .
t
v
t
=
1
x
1
+ . . . +
r
x
r
1
x
1
+ . . . +
r
x
r
+
1
v
1
+ . . . +
t
v
t
= 0.
CEDERJ
66
Soma de subespacos
M
ODULO 2 - AULA 13
A equa cao anterior e uma combina cao linear dos vetores em B
3
, que e
base de V , portanto L.I.. Segue-se que
1
= . . . =
r
=
1
= . . . =
t
= 0.
Substituindo
1
= ... =
t
= 0 em (1), obtemos
1
x
1
+ . . . +
r
x
r
+
1
u
1
+ . . . +
s
u
s
= 0
que e uma combina cao linear nos vetores em B
1
, que e base de U, logo
1
= . . . =
r
=
1
= . . . =
s
= 0.
Com isto, provamos que todos os coecientes em (1) s ao nulos, ou seja,
o conjunto B e L.I.
Conclumos que B e base de U + V . Como B tem r + s + t vetores,
ent ao dim(U + V ) = r + s + t, segue-se que
dim(U + V ) + dim(U V )
= r + s + t + r = (r + s) + (r + t) = dimU + dimV
No caso em que a soma e direta, U V = {0}, logo dimU V = 0 e

dim(U V ) = dimU + dimV.
Alem disso, na demonstra cao do teorema acima, vimos que, no caso de
soma direta, se B
1
e base de U e B
2
e base de V , entao B
1
B
2
e base de
U V .
Em geral, se U V = {0}, entao B
1
B
2
e um conjunto gerador de
U + V , mas n ao e L.I.
Exemplo 7
Seja U = {(0, y, z); y, z R} e V = [(1, 1, 0)]. O subespa co U de R
3
tem
base {(0, 1, 0), (0, 0, 1)}, portanto dimU = 2. Claramente dimV = 1. Vamos
determinar U V .
Se w U V , entao w = (1, 1, 0) , logo
(0, y, z) = .(1, 1, 0) = (, , 0)
_
_
= 0
= y
0 = z
67
CEDERJ
Soma de subespacos
Portanto = 0 w = 0.
Assim U V = {0}. Segue-se que a soma e direta e
dim(U V ) = dimU + dimV = 2 + 1 = 3.
Como U + V e subespaco de R
3
e dim(U + V ) = 3 ent ao
U + V = R
3
.
r
Se uma reta r nao esta con-
tida em um plano , entao
r pode ser vazio (reta pa-
ralela) ou um ponto, quando
a reta corta o plano (ver -
gura acima).
Temos entao a situa cao em que a soma de um plano (U e o plano x = 0)
e uma reta n ao contida no plano e todo o espa co R
3
. Se a reta estiver contida
no plano, ent ao V U U + V = U.
Exemplo 8
Seja U subespaco de R
4
gerado por {(1, 1, 0, 0), (0, 0, 1, 0)} e
V = {(x, y, z, t); y + z = 0}.
E facil ver que o conjunto {(1, 1, 0, 0), (0, 0, 1, 0)} e linearmente inde-
pendente, logo dimU = 2.
Vamos determinar uma base de V .
v = (x, y, z, t) V y + z = 0 z = y, logo,
v = (x, y, y, t) = x(1, 0, 0, 0) + y(0, 1, 1, 0) + t(0, 0, 0, 1).
Segue-se que V e gerado por {(1, 0, 0, 0), (0, 1, 1, 0), (0, 0, 0, 1)}.
E facil ver que este conjunto e L.I., logo dimV = 3.

Podemos agora proceder de duas maneiras, determinar U + V ou de-
terminar U V . Vamos determinar U + V . Sabemos que a uni ao das bases
de U e de V e um conjunto gerador de U + V . Vamos encontrar uma base
de U + V a partir deste conjunto gerador:
base de U
base de V
_
_
_
_
_
_
_
_
_
_
1 1 0 0
0 0 1 0

1 0 0 0
0 1 1 0
0 0 0 1
_
_
_
_
_
_
_
_
_
_
L
3
L
3
L
1
_
_
_
_
_
_
_
_
1 1 0 0
0 0 1 0
0 1 0 0
0 1 1 0
0 0 0 1
_
_
_
_
_
_
_
_
L
2
L
4
_
_
_
_
_
_
_
_
1 1 0 0
0 1 1 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
_
_
L
3
L
3
+ L
2
_
_
_
_
_
_
_
_
1 1 0 0
0 1 1 0
0 0 1 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
_
_
CEDERJ
68
Soma de subespacos
M
ODULO 2 - AULA 13
L
3
L
3
L
4
L
5
_
_
_
_
_
_
_
_
1 1 0 0
0 1 1 0
0 0 1 0
0 0 0 1
0 0 1 0
_
_
_
_
_
_
_
_
L
5
L
5
L
3
_
_
_
_
_
_
_
_
1 1 0 0
0 1 1 0
0 0 1 0
0 0 0 1
0 0 0 0
_
_
_
_
_
_
_
_
Isto mostra que a uni ao das bases de U e V pode ser transformada em
um conjunto que contem {(1, 1, 0, 0), (0, 1, 1, 0), (0, 0, 1, 0), (0, 0, 0, 1)}, que
e uma base de R
4
, isto e,
U + V = R
4
dim(U + V ) = 4.
Sendo assim,
dim(U + V ) + dim(U V ) = dimU + dimV = 2 + 3 = 5
dim(U V ) = 1.
Resumo
Iniciamos esta aula vendo um processo de obter uma base a partir de
um conjunto gerador para um espa co vetorial, usando opera coes elementares
nas linhas da matriz formada pelos vetores deste conjunto gerador.
Em seguida, vimos o teorema do complemento, que arma que dado
um conjunto L.I., em um espa co vetorial V se ele nao for uma base de V ,
nos acrescentamos vetores ate que se torne uma base de V .
Passemos ent ao ao estudo da soma U +V dos subespacos U e V de um
espa co vetorial W. Quando U V = {0} ent ao a soma e chamada direta e
denota por U V .
O conjunto uni ao das bases de U e V forma um conjunto gerador de
U + V que, no caso de soma direta, e uma base de U V . A dimensao de
U + V e dada por:
dim(U + V ) = dim(U) + dim(V ) dim(U V ).
69
CEDERJ
Soma de subespacos
Exerccios
1. Seja U R
4
o subespa co gerado pelo conjunto
{(1, 1, 2, 0), (0, 1, 3, 1), (2, 1, 5, 3)}.
Encontre uma base de U e determine dimU.
2. Para os subespa cos U e V de R
3
nos itens abaixo, determine U V e
U + V .
a) U = [(1, 0, 1), (0, 1, 1) e V = [(1, 1, 1)].
b) U = [(1, 0, 1), (0, 1, 1) e V = [(1, 2, 3)].
c) U = {(x, y, z) R
3
| z = 0} e V = [(0, 0, 1)].
d) U = {(x, y, z) R
3
| x + y = 0} e V = [(2, 2, 1)].
3. Em qual dos itens do exerccio 2 a soma e direta?
4. Se U e V sao subespa cos vetoriais do R
4
, dimU = 2 e dimV = 3,
determine o menor e o maior valor possvel para dimU V e para
dimU + V .
5. Seja M
2x2
o espa co vetorial das matrizes reais de ordem 2x2. Seja U o
subespaco de M
2x2
dado por U =
__
0 b
c 0
_
; b, c R
_
. Determine
um subespa co V M
2x2
tal que M
2x2
= U V .
1. Base de U e B = {(1, 1, 2, 0), (0, 1, 3, 1)}, dimU = 2.
2. a) U V = {0} e U + V = R
3
.
b) V U, logo U V = V e U + V = U.
c) U V = {0} e U + V = R
3
.
d) V U, logo U V = V e U + V = R
3
.
CEDERJ
70
Soma de subespacos
M
ODULO 2 - AULA 13
3. A soma e direta nos itens a e c.
4. Temos max{dimU, dimV } dim(U + V ) dim(R
4
),
3 dim(U + V ) 4.
Como dim(U V ) = dimU + dimV dim(U + V )
dim(U V ) = 5 dim(U + V )
ent ao
1 dimU V 2.
5. V =
__
a 0
0 d
_
; a, d R
_
.
71
CEDERJ
Espa cos Vetoriais com Produto Interno
M
ODULO 2 - AULA 14
Aula 14 Espa cos Vetoriais com Produto
Interno
Objetivos
Pre-requisitos: aulas 8, 11 e
12.
Reconhecer produtos internos;
Determinar a norma de um vetor e o angulo entre dois vetores;
Identicar vetores ortogonais;
Aplicar as propriedades dos produtos internos na resolu cao de exerccios.
Nesta aula deniremos uma opera cao entre vetores cujo resultado e um
n umero real: o produto interno. Veremos v arios exemplos, com destaque para Neste curso trabalhamos pe-
nas com espacos vetoriais re-
ais, isto e, considerando o
conjunto dos n umeros reais
como o conjunto de escala-
res. Poderamos, no entanto,
considerar o conjunto dos
n umeros complexos. Nesse
caso, o resultado do pro-
duto interno seria um n umero
complexo, e a denicao, ligei-
ramente diferente.
o chamado produto interno; estudaremos as principais propriedades dos pro-
dutos internos e suas aplica coes na determina cao de grandezas geometricas
associadas a vetores de R
2
e R
3
.
Produto interno
Seja V um espa co vetorial (real). Um produto interno denido em V e
uma rela cao
< ., . >: V V R
que, a cada par de vetores (u, v) V V , associa um n umero real represen-
tado por < u, v >, e que satisfaz as seguintes condicoes:
(i) < u, v >=< v, u >
(ii) < u, v + w >=< u, v > + < u, w >
(iii) < u, v >= < u, v >
(iv) < u, u > 0 e < u, u >= 0 u = o
V
, u, v, w V, R.
Chamamos de espa co euclidiano a um espa co vetorial real munido de
produto interno.
Podemos denir diferentes produtos internos num mesmo espa co veto-
rial. Vamos ver alguns exemplos.
73
CEDERJ
Espacos Vetoriais com Produto Interno
Exemplo 1
Vamos mostrar que a rela cao < u, v >= 2x
1
x
2
+ 3y
1
y
2
, onde u = (x
1
, y
1
)
e v = (x
2
, y
2
), e um produto interno denido em R
2
. Para isso, temos que
mostrar a validade das quatro condi coes da denicao de produto interno:
(i) < u, v >= 2x
1
x
2
+ 3y
1
y
2
= 2x
2
x
1
+ 3y
2
y
1
=< v, u >.
(ii) Seja w = (x
3
, y
3
) R
2
. Ent ao
< u, v + w >= 2x
1
(x
2
+ x
3
) + 3y
1
(y
2
+ y
3
) = 2x
1
x
2
+ 2x
1
x
3
+ 3y
1
y
2
+
3y
1
y
3
= (2x
1
x
2
+ 3y
1
y
2
) + (2x
1
x
3
+ 3y
1
y
3
) =< u, v > + < u, w >.
(iii) Seja R. Ent ao
< u, v >= 2x
1
x
2
+ 3y
1
y
2
= (2x
1
x
2
+ 3y
1
y
2
) = < u, v >.
(iv) < u, u >= 2x
2
1
+ 3y
2
1
0. Alem disso, se < u, u >= 0 ent ao
2x
2
1
+ 3y
2
1
= 0, que implica x
2
1
= 0 e y
2
1
= 0. Da, x
1
= 0 e y
1
= 0,
isto e, u = (0, 0) = v
R
2. Finalmente, se u = v
R
2 = (0, 0), segue que
< u, u >= 2.0 + 3.0 = 0.
Exemplo 2
Na aula 12, voce determinou o vetor-coordenadas de um vetor em rela cao a
uma certa base. Viu que, xados a base e o vetor, as coordenadas s ao unicas.
Sejam V , um espa co vetorial real de dimens ao n, e B = {u
1
, u
2
, ..., u
n
}, uma
base de V .
A rela cao denida em V V que, a cada par de vetores u e v, de V ,
associa o n umero real a
1
b
1
+ a
2
b
2
+ ... + a
n
b
n
, onde u]
B
= (a
1
, a
2
, ..., a
n
) e
v]
B
= (b
1
, b
2
, ..., b
n
) sao os vetores-coordenadas dos vetores u e v, de V , em
rela cao ` a base B, respectivamente, e um produto interno em V .
Importante: Tendo em vista o exemplo anterior, podemos concluir
que TODO espa co vetorial admite produto interno. Assim, quando nos re-
ferimos a um espa co vetorial munido de produto interno, n ao signica que
existem espacos que nao satisfazem essa propriedade, mas sim que estamos
querendo enfatizar o fato de que usaremos o produto interno na argumenta cao
ou nas aplica coes que forem o objeto de estudo, naquele instante.
Quando a base considerada e a can onica, o produto interno assim de-
nido chama-se produto interno usual. Particularmente, nos espacos vetoriais
R
2
e R
3
, o produto interno usual e tambem conhecido como produto escalar.
Voce j a estudou o produto es-
calar na disciplina de Geome-
tria Analtica.
CEDERJ
74
M
ODULO 2 - AULA 14
Exemplo 3
Em M
2
(R), sendo u =
_
u
1
u
2
u
3
u
4
_
e v =
_
v
1
v
2
v
3
v
4
_
, a rela cao < u, v >=
u
1
v
1
+u
2
v
2
+u
3
v
3
+u
4
v
4
e um produto interno (e produto interno usual em
M
2
). Voce pode vericar isso, como exerccio. Segundo esse produto interno,
sendo u =
_
2 1
5 1
_
e v =
_
3 6
0 2
_
, temos < u, v >= 2.3 + 1.6 + 5.0 +
(1).2 = 10.
Exemplo 4
Dados p = a
0
+ a
1
t + a
2
t
2
+ a
3
t
3
e q = b
0
+ b
1
t + b
2
t
2
+ b
3
t
3
, a rela cao
< p, q >= a
0
b
0
+ a
1
b
1
+ a
2
b
2
+ a
3
b
3
dene um produto interno em P
3
(e o
produto interno usual em P
3
). Dados p = 2 + 3t t
2
e q = 2t + t
2
5t
3
,
temos < p, q >= 2.0 + 3.2 + (1).1 + 0.(5) = 5.
Propriedades do Produto Interno
Seja V um espa co vetorial real e < ., . >: V V R um produto
interno. Valem as seguintes propriedades:
1. < o
V
, v >=< v, o
V
>= 0, v V
De fato, como 0v = o
V
, para todo vetor v em V, podemos escrever
< o
V
, v >=< 0v, v >
(iii)
= 0 < v, v >= 0. Alem disso, por (i), temos
< o
V
, v >=< v, o
V
>= 0. Logo, < o
V
, v >=< v, o
V
>= 0.
2. < v, u >= < v, u >, R, v, u V .
De fato, < v, u >
(i)
=< u, v >
(iii)
= < u, v >
(i)
=< v, u >.
3. =< u, w > + < v, w >, u, v, w V .
De fato, 
(i)
=< w, u + v >
(ii)
=< w, u > + < w, v >
(i)
=< u, w >
+ < v, w > .
4. <
1
u
1
+
2
u
2
+ ... +
n
u
n
, v >=<
1
u
1
, v > + <
2
u
2
, v > +...
+ <
n
u
n
, v >, n inteiro , n 1, u, v
i
V, i = 1, ..., n.
A prova desta propriedade usa indu cao e as condi coes (ii) e (iii) da
denicao de produto interno. De modo mais suscinto, podemos escreve-
la usando o smbolo de somat orio:
_
n
i=1
i
u
i
, v
_
=
n
i=1
i
 .
75
CEDERJ
5.
_
u,
n
i=1
i
v
i
_
=
n
i=1
< u, v
i
>.
A prova desta propriedade usa indu cao e as propriedades 2 e 3 j a vistas.
6. Generalizando, podemos provar que
_
n
i=1
i
u
i
,
m
j=1
j
v
j
_
=
n
i=1
m
j=1
j
.
Veremos a seguir aplica coes pr aticas do produto interno.
Aplica coes do produto interno
Norma de vetor
Sejam V um espa co euclidiano e v V . Chama-se norma de v o n umero
real
||v|| =
< v, v >.
Note que, pela condi cao (iv) da deni cao de produto interno, esse
n umero est a bem denido, pois < v, v > e nao negativo, para qualquer
vetor v considerado. Assim, a norma de um vetor e sempre um n umero real
nao negativo e o vetor nulo e o unico vetor de V que tem norma igual a zero.
Exemplo 5
Em R
2
, com o produto interno usual, a norma de um vetor v = (x
1
, x
2
) e
dada por ||v|| =
_
x
2
1
+ x
2
2
. Assim, temos:
||(3, 4)|| =
_
(3)
2
+ 4
2
=
9 + 16 =
25 = 5.
||(
1
2
,
3
2
)|| =
_
1
4
+
3
4
=
1 = 1.
Exemplo 6
Em R
3
, com o produto interno usual, a norma de um vetor v = (x
1
, x
2
, x
3
) e
||v|| =
_
x
2
1
+ x
2
2
+ x
2
3
. Por exemplo:
||(1, 2, 3)|| =
_
(1)
2
+ 2
2
+ 3
2
=
1 + 4 + 9 =
14.
||(2, 2, 1)|| =
4 + 4 + 1 =
9 = 3.
Na gura 1 podemos ver que, no plano, a norma do vetor v coincide
com a medida da hipotenusa do triangulo ret angulo determinado por x
1
e x
2
CEDERJ
76
M
ODULO 2 - AULA 14
(compare a express ao a norma com a conhecida f ormula de Pitagoras...). No
espa co, a norma de v coincide com a medida da diagonal do paraleleppedo
formado por x
1
, x
2
e x
3
.
Devido a essa interpretacao geometrica que podemos dar ` a norma de
um vetor de R
2
ou R
3
, a norma de um vetor v e tambem conhecida como
sendo o m odulo, tamanho, ou ainda, comprimento de v.
Fig. 1: Norma de vetores em R
3
e R
2
.
Observa cao: A nao ser que se diga algo em contr ario, o produto interno
considerado sera sempre o usual.
Exemplo 7
Em M
2
(R), com o produto interno denido no exemplo 3, a norma da matriz
v =
_
3 6
0 2
_
e ||v|| =
< v, v > =
9 + 36 + 4 =
49 = 7.
Exemplo 8
Usando o produto interno de P
3
, denido no exemplo 4, a norma do polin omio
p = 2 + 3t t
2
e ||p|| =
< p, p > =
4 + 9 + 1 =
14.
A norma de vetores possui importantes propriedades que listamos a
seguir; suas demonstra coes sao propostas como exerccios, ao nal da aula.
Propriedades da norma de vetores
Seja V um espa co euclidiano. Ent ao:
1. ||v|| = || ||v||, R, v V .
77
CEDERJ
2. ||v|| 0, v V e ||v|| = 0 v = o
V
.
3. | < u, v > | ||u|| ||v||, u, v V . (Desigualdade de Cauchy Schwarz)
4. ||u + v|| ||u|| +||v||, u, v V . (Desigualdade triangular)
Usando o conceito de norma de vetor, podemos tambem denir a distancia
entre dois vetores: dados u e v em um espa co euclidiano V , a distancia entre
eles, representada por d(u, v), e dada por:
d(u, v) = ||u v||.
A gura 2 ilustra o caso em que V = R
2
.
Fig. 2: Distancia em R
2
.
Exemplo 9
Em R
3
, a dist ancia entre u = (3, 2, 1) e v = (4, 1, 3) e d(u, v) = ||uv|| =
||(1, 3, 4)|| =
1 + 9 + 16 =
26.
Angulo de dois vetores

Sejam V , um espa co vetorial euclidiano, e u, v V , nao nulos. A
desigualdade de Cauchy Schwarz: | < u, v > | ||u|| ||v||, sendo modular, se
desdobra na dupla desigualdade:
||u|| ||v|| < u, v > ||u|| ||v||.
Como os vetores u e v sao n ao nulos, suas normas s ao n umeros reais
positivos e podemos dividir cada termo dessa desigualdade por ||u|| ||v||:
1
< u, v >
||u|| ||v||
1.
CEDERJ
78
M
ODULO 2 - AULA 14
Na disciplina de pre-calculo, voce estudou as funcoes trigonometricas.
Deve se lembrar, entao que, a cada n umero real a no intervalo [1, 1] cor-
responde um unico arco , 0 , tal que cos = a, conforme ilustra a
gura 3.
Fig. 3:

Angulo entre dois vetores de R
2
.
Podemos, ent ao, denir o angulo entre os vetores u e v como sendo
tal que
cos =
< u, v >
||u|| ||v||
.
Em R
2
e R
3
, e, de fato, o angulo geometrico determinado pelos vetores
u e v. A formula fornece o cosseno do angulo. Ao nal da aula, h a uma tabela
com os cossenos dos angulos not aveis no intervalo [0, ].
Exemplo 10
Vamos determinar o angulos entre os vetores u = (4, 2) e v = (3, 1), de R
2
:
cos =
< u, v >
||u|| ||v||
=
12 2
16 + 4
9 + 1
=
10
20
10
=
10
200
=
10
10
2
=
1
2
=
2
2
.
Um caso particularmente interessante e quando = 90
0
, ou seja, quando
os vetores formam um angulo reto, ou, em outras palavras, quando sao or-
togonais. Como cos 90
0
= 0 =
< u, v >
||u|| ||v||
, concluimos que
u e v sao ortogonais < u, v >= 0.
Exemplo 11
Em M
2
(R), com o produto interno denido no exemplo 3, as matrizes
u =
_
2 0
1 5
_
e v =
_
3 5
4 2
_
sao ortogonais, pois < u, v >= 2.3 + 0.5 +
1.4 + 5.(2) = 0.
79
CEDERJ
Resumo
Nesta aula denimos produto interno: uma importante rela cao denida
em espa cos vetoriais, que associa um n umero real a cada par de vetores do
espa co. A partir da deni cao de produto interno, podemos determinar a
norma de um vetor e o angulo denido por dois vetores. Podemos denir
diferentes produtos internos em um mesmo espa co vetorial; cada um deles
determinar a uma norma e um angulo entre vetores. O produto interno mais
estudado, mais util para n os, e o usual; a partir dele, a norma de um vetor
do plano ou do espa co corresponde ao seu comprimento geometrico, o mesmo
acontecendo com o angulo entre eles. Vimos, tambem, o conceito de ortogo-
nalidade de vetores. Na pr oxima aula retomaremos esse assunto, estudando
importantes subespa cos de um espaco euclidiano.
Exerccios
1. Prove a validade das propriedades do produto interno, isto e, sendo V
um espa co euclidiano,
a) ||v|| = || ||v||, R, v V .
b) ||v|| 0, v V e ||v|| = 0 v = o
V
c) (Desigualdade de Cauchy Schwarz) | < u, v > | ||u|| ||v||,
u, v V .
Sugestao: Primeiramente, mostre que no caso em que v e o vetor nulo,
vale a igualdade. Suponha, ent ao, v = o. Nesse caso, sendo um real
qualquer, e verdade que ||u + v||
2
0. Desenvolva essa expressao,
obtendo um trin omio do segundo grau, em , sempre positivo. Ent ao
seu discriminante tem que ser menor ou igual a zero. Da segue a
desigualdade procurada.
d) (Desigualdade triangular) ||u + v|| ||u|| +||v||, u, v V .
Sugestao: Desenvolva a expressao ||u + v||
2
e use a desigualdade de
Cauchy Schwarz.
2. Considerando o espa co euclidiano R
3
, calcule < u, v > em cada caso:
a) u = (2, 1, 0) e v = (3, 4, 1)
b) u = (1/2, 3, 2) e v = (1, 1, 5)
CEDERJ
80
M
ODULO 2 - AULA 14
3. Seja o espa co euclidiano R
2
. Determine o vetor w tal que < u, w >= 8
e < v, w >= 10, dados u = (2, 1) e v = (1, 3).
Sugestao: Represente o vetor w pelo par (x, y).
4. Calcule a norma de v V , em cada caso:
a) v = (3, 4), V = R
2
b) v = (1, 1, 1), V = R
3
c) v = (1, 0, 4,
19), V = R
4
5. Em um espa co euclidiano, um vetor e dito ser unitario quando sua
norma e igual a 1.
a) Entre os seguintes vetores de I!R
2
, quais s ao unit arios:
u = (1, 1) v = (1, 0) w = (1/2, 1/2) t = (1/2,
3/2)
b) Determine a R
2
tal que o vetor u = (a, 1/2), de I!R
2
seja
unit ario.
6. Obtenha o angulo entre os seguintes pares de vetores de R
2
:
a) u = (3, 1) e v = (6, 2)
b) u = (1, 2) e v = (1, 3)
c) u = (3, 1) e v = (2, 2)
d) u = (0, 2) e v = (1, 1)
7. Considere o espaco euclidiano M
2
(R).
a) Quais das matrizes abaixo s ao ortogonais a M =
_
2 1
1 3
_
:
A =
_
1 2
4 0
_
B =
_
1 1
1 1
_
C =
_
0 0
0 0
_
D =
_
3 2
1 3
_
b) Calcule a norma da matriz M, do item anterior.
c) Determine o angulo entre as matrizes M
1
=
_
2 4
1 3
_
e
M
2
=
_
3 1
4 2
_
d) Calcule a distancia entre as matrizes M
1
e M
2
do item anterior.
81
CEDERJ
8. No espa co vetorial P
2
,
a) Dena o produto interno usual (an alogo ao denido em P
3
, no
exemplo 4 da aula).
b) Calcule a norma do polin omio p = 3 4t + 2t
2
, de P
2
.
Auto-avalia cao
O assunto tratado nesta aula e muito importante, no desenvolvimento
de toda a teoria. Note que os conceitos de norma, dist ancia, angulo, ortogo-
nalidade, tao naturais quando pensamos em vetores do plano ou do espa co,
foram estendidos para espa cos vetoriais quaisquer. Express oes como norma
de polinomio, dist ancia entre matrizes, polin omios ortogonais, n ao de-
vem mais causar estranheza. Voce nao deve car com nenhuma d uvida, antes
de seguir em frente. Refaca os exemplos, se julgar necessario. E lembre-se:
encontrando qualquer obst aculo, pe ca ajuda ao tutor da disciplina. Ate a
pr oxima aula!!
1. a) ||v|| =
< v, v > =
_
2
< v, v > =
_
2
||v||
2
= ||.||v||. Note que, dado a R,
a
2
=
|a|.
b) ||v|| 0, pela pr opria deni cao de norma. ||v|| = 0
< v, v > =
0 < v, v >= 0 v = o
V
. Finalmente, v = o
V
< v, v >= 0
< v, v > = 0 ||v|| = 0.

c) Se v = o
V
, ent ao ||v|| = 0 e < u, v >= 0 = ||u ||v||. Portanto,
vale a igualdade (e, em conseq uencia, a desigualdade). Supondo
v = o
V
, e sendo R, arbitr ario, podemos armar que ||u +
v||
2
0. Desenvolvendo essa express ao (usando a deni cao de
norma), chegamos a ||v||
2
2
+ 2 < u, v > + ||u||
2
0, para
todo real. Isto e, obtemos um trinomio do segundo grau, em ,
sempre positivo. Ent ao seu discriminante tem que ser menor ou
igual a zero, isto e: 4 < u, v >
2
4||v||
2
||u||
2
0. Separando os
termos da desigualdade, simplicando e extraindo a raiz quadrada
de cada termo, concluimos que | < u, v > | ||u|| ||v||.
CEDERJ
82
M
ODULO 2 - AULA 14
d) ||u + v||
2
==< u, u > + < u, v > + < v, u >
+ < v, v >= ||u||
2
+2 < u, v > +||v||
2
. Usando a desigualdade de
Cauchy Schwarz, ||u + v||
2
||u||
2
+ 2||u|| ||v|| + ||v||
2
= (||u|| +
||v||)
2
. Logo, ||u + v|| ||u|| +||v||, u, v V .
2. a) 10
b) 25/2
3. w = (2, 4)
4. a) 5
b)
3
c) 6
5. a) v, t
b) ||u|| = 1 ||u||
2
= 1 a
2
+ 1/4 = 1 a =
3/2
6. a) 0
0
b) 45
0
c) arccos 2
5/5
d) 135
0
7. a) A, C, D
b) ||M|| = 15
c) 90
o
- as matrizes M
1
e M
2
sao ortogonais.
d) d(M
1
, M
2
) = ||M
1
M
2
|| =
60 = 2
15.
8. a) Sendo p = a
0
+ a
1
t + a
2
t
2
e q = b
0
+ b
1
t + b
2
t
2
, em P
2
, o produto
interno usual e dado por: < p, q >= a
0
b
0
+ a
1
b
1
+ a
2
b
2
.
b)
29
Tabela do cosseno:
: 0 (0
o
) /6 (30
o
) /4 (45
o
) /3 (60
o
) /2 90
o
)
cos : 1
3/2
2/2 1/2 0
Para os angulos do segundo quadrante (compreendidos no intervalo
[/2, ], basta lembrar que cos ( ) = cos (ou: cos (180 ) =
cos ). Por exemplo, cos 120
0
= cos (180
0
120
0
) = cos 60
0
= 1/2.
83
CEDERJ
Conjuntos ortogonais e ortonormais
M
ODULO 2 - AULA 15
Aula 15 Conjuntos ortogonais e
ortonormais
Objetivos
Pre-requisitos: aulas
11 (independencia linear),
12 (base), e
14 (ortogonalidade).
Reconhecer conjuntos ortogonais e ortonormais;
Aplicar o metodo de ortogonaliza cao de Gram-Schmidt;
Reconhecer bases ortonormais;
Projetar vetores ortogonalmente em subespa cos.
Nesta aula vamos caracterizar subconjuntos especiais de espa cos eu-
clidianos. Na aula 14 vimos que, num espa co euclidiano, dois vetores sao Espacos vetoriais reais, com
produto interno e dimensao
nita.
ortogonais quando o produto interno deles se anula. Isto e, sendo V um
espa co euclidiano,
u v < u, v >= 0, u, v V.
Vejamos, agora, as duas deni coes importantes desta aula:
Seja V um espa co euclidiano. Um subconjunto S = {v
1
, ..., v
n
} V e
ortogonal, quando seus elementos sao ortogonais dois a dois, isto e:
< v
i
, v
j
>= 0, i, j {1, ..., n}, i = j.
ortonormal quando e ortogonal e todos os seus elementos s ao unit arios,
isto e:
S e ortogonal e ||v
i
|| = 1, i {1, ..., n}.
Exemplo 1
a) O conjunto S = {2, 3, 1), (5, 4, 2)} R
3
e ortogonal. De fato,
< (2, 3, 1), (5, 4, 2) >= 10 12 +2 = 0. S n ao e ortonormal pois, por
exemplo, ||(2, 3, 1)|| =
4 + 9 + 1 =
14 = 1.
b) O conjunto S = {(1, 0, 0), (0,
3/2, 1/2)} R
3
e ortonormal, pois
< (1, 0, 0), (0,
3/2, 1/2) >= 0,

||(1, 0, 0)|| =
1 = 1 e
||(0,
3/2, 1/2)|| =
_
3/4 + 1/4 =
1 = 1.
85
CEDERJ
c) Se S e um conjunto ortogonal num espa co euclidiano V , ent ao o con-
junto resultante da uni ao S {o
V
} tambem e ortogonal pois o vetor
nulo e ortogonal a qualquer outro vetor.

E claro, tambem, que nenhum
conjunto em que o vetor nulo comparece e ortonormal, pois a condi cao
de todos os vetores serem unit arios n ao e satisfeita.
Na aula 14, vimos que, num espa co euclidiano, o cosseno do angulo ,
formado por dois vetores u e v, nao nulos, e:
cos =
< u, v >
||u|| ||v||
.
No caso de os dois vetores serem unitarios, a f ormula se resume a
cos =< u, v > .
Agora, num conjunto ortornomal S, so h a duas possibilidades para a
medida do angulo formado por quaisquer dois de seus vetores:
- se os vetores sao distintos, entao formam angulo reto e, ent ao, o
produto interno e igual a zero (pois vimos acima que o cosseno do angulo se
iguala ao produto interno);
- se consideramos duas vezes o mesmo vetor, ent ao o angulo e nulo e
seu cosseno e igual a 1; logo, o produto interno tambem e 1.
Da, podemos concluir que:
Sendo S = {v
1
, v
2
, ..., v
n
} um subconjunto ortonormal de um espa co
euclidiano, ent ao
i = j = 90
o
cos = 0 =< v
i
, v
j
> .
i = j = 0
o
cos = 1 =< v
i
, v
j
> .
Podemos, ent ao, caracterizar um conjunto ortonormal {v
1
, v
2
, ..., v
n
}
usando o smbolo de Kronecker: Lembrando: A funcao delta
de Kronecker nos ndices i
e j e denida por:
ij
=
(
0, se i = j
1, se i = j
.
< v
i
, v
j
>= ij, i, j {1, ..., n}.
Veremos, a seguir, um importante resultado envolvendo conjuntos or-
tonormais.
CEDERJ
86
M
ODULO 2 - AULA 15
Proposi cao 1
Um conjunto ortonormal e linearmente independente.
Lembrando: um conjunto de
vetores e LI quando, ao es-
crevermos o vetor nulo como
uma combinacao linear deles,
obtemos todos os coecientes
nulos.
Demonstracao.
Sejam V um espa co euclidiano e S = {v
1
, ..., v
n
} V , ortonormal.
Sejam
1
, ...,
n
R tais que
1
v
1
+
2
v
2
... +
n
v
n
= o
V
. Como o produto
interno de qualquer vetor pelo vetor nulo e igual a zero, podemos escrever:
0 =< o
V
, v
1
>=
=<
1
v
1
+
2
v
2
+ ... +
n
v
n
, v
1
>=
=
1
< v
1
, v
1
>
. .
1
+
2
< v
2
, v
1
>
. .
0
+... +
n
< v
n
, v
1
>
. .
0
=
=
1
.
Logo,
1
= 0. Procedendo de forma an aloga com os vetores v
2
, ..., v
n
, iremos
concluir que
1
=
2
= ... =
n
= 0. Logo, o conjunto S e LI.
J a vimos, na aula 10, que todo subconjunto de um espa co vetorial V
gera um subespa co de V . Quando o conjunto considerado e LI, alem de
gerar, ele forma uma base do subespa co gerado. Assim, a Proposi cao 1
permite concluir que um conjunto ortonormal e uma base do subespa co que
ele gera. Nesse caso, dizemos que a base e ortonormal. Bases ortonormais
sao particularmente interessantes por simplicarem os c alculos e permitirem
uma representa cao gr aca mais clara e f acil de se construir. Surge, entao, a
questao: como obter bases ortonormais de subespa cos dados?
Mas vamos com calma. O primeiro passo para chegar ` a resposta pro-
curada e saber obter a proje cao de um vetor na direcao de outro.
Projecao de um vetor na dire cao de outro
Sejam V um espa co euclidiano, u, v V, v = o
V
. Vamos obter o vetor
projecao de u na direcao de v. Em outras palavras, vamos decompor u em
duas componentes: uma na dire cao de v - que sera a proje cao mencionada,
e outra, ortogonal a v, como mostra a gura 1.
Fig. 1: Projetando u na direcao de v.
87
CEDERJ
Os calculos cam mais simples se o vetor sobre o qual se projeta e
unit ario. Caso ele nao seja, podemos troc a-lopor outro, de mesma dire cao
e sentido, e de tamanho 1. Esse vetor se chama versor do vetor dado. Para
isso, basta dividir o vetor v pelo seu modulo:
versor de v =
v
||v||
.
E facil vericar que, de fato, o versor de v e unit ario:
v
||v||
=
_
<
v
||v||
,
v
||v||
> =
1
||v||
2
< v, v > =
||v||
2
||v||
2
= 1.
Exemplo 2
Consideremos o vetor v = (3, 4), de R
2
. Seu modulo e ||v|| =
9 + 16 =
25 = 5. Seu versor e o vetor

v
||v||
=
(3,4)
5
= (3/5, 4/5). Vamos vericar
que esse vetor e realmente unit ario:
_
(3/5)
2
+ (4/5)
2
=
_
9/25 + 16/25 =
_
25/25 = 1. A gura 2 ilustra esse caso.
Fig. 2: O vetor (3, 4) de R
2
e seu versor.
Assim, ao projetar um vetor na dire cao de v, n ao nulo, podemos sempre
considera-lo unit ario. Na gura 3 vemos que a proje cao de u na direcao de
v e um vetor paralelo a v e, portanto, pode ser escrito como um m ultiplo de
v, isto e,
proj
v
u = kv, para algum k R.
Fig. 3:
CEDERJ
88
M
ODULO 2 - AULA 15
Entao ||proj
v
u|| = ||kv|| = |k| ||v|| = |k|, uma vez que estamos supondo
||v|| = 1. Para conhecer o vetor proje cao, ent ao, temos que determinar k.
No triangulo ret angulo da gura 3, o vetor proje cao e o cateto adjacente
ao angulo , formado pelos vetores u e v, e a hipotenusa mede ||u||. Logo, Num triangulo retangulo, o
cosseno de um angulo agudo e
igual à medida do cateto ad-
jacente dividida pela medida
da hipotenusa.
lembrando da expressao do cosseno do angulo formado por dois vetores e
usando o fato de v ser unit ario, temos:
||proj
v
u|| = |cos .||u||| =
< u, v >
||u|| ||v||
||u||
= | < u, v > |.
Assim, ||proj
v
u|| = | < u, v > | = |k|, donde podemos concluir que
k = < u, v >. Ocorre, porem, que k e < u, v > tem o mesmo sinal, como
indica a gura 3. No caso em que = 90
o
, temos k = 0, ou seja, a proje cao
e o vetor nulo (a proje cao reduz-se a um ponto).
Concluimos, ent ao, que
proj
v
u =< u, v > v.
Nesse processo, a partir de um vetor u, qualquer, de um espa co euclidi-
ano V , obtivemos a componente u proj
v
u, que e ortogonal ` a dire cao de v.
Isso ca claro na gura 1, mas podemos vericar algebricamente, calculando
o produto interno dos vetores u proj
v
u e v:
 v, v > =< u, v > << u, v > v, v >=
=< u, v > < u, v >< v, v >=
=< u, v > (1 < v, v >) =
=< u, v > (1 ||v||
2
) =
=< u, v > .(1 1) = 0.
Exemplo 3
No espa co euclidiano R
3
, a proje cao ortogonal do vetor u = (0, 1, 4) na
dire cao do vetor v = (1/2, 0,
3/2) e o vetor < u, v > v (note que v e

unit ario). Ou seja, e o vetor 2
3v = (
3, 0, 3). ) vetor u
= u
proj
v
u = (0, 1, 4) (
3, 0, 3) = (
3, 1, 1) e ortogonal a v. (Verique!)
Ao projetar u na direcao de v, o que zemos foi projet a-lo ortogonal-
mente no subespa co de V gerado pelo vetor v (a reta suporte de v). Vamos
estender esse metodo para o caso em que o subespa co sobre o qual projetamos
e gerado por n vetores:
89
CEDERJ
Sejam V , um espa co euclidiano, S = {v
1
, v
2
, ..., v
n
} V , ortonormal, e
v V . A projecao ortogonal de u sobre o subespaco gerado por S e
o vetor
< v, v
1
> v
1
+ < v, v
2
> v
2
+ ...+ < v, v
n
> v
n
.
Exemplo 4
Seja S = {(1, 0, 0), (0, 1, 0)} no espa co euclidiano R
3
. Vamos projetar o
vetor v = (5, 2, 3), ortogonalmente, sobre o plano [S]. Primeiramente,
notamos que os vetores de S sao ortogonais e unit arios. Podemos, ent ao,
usar a expressao da proje cao:
proj
v
1
v =< v, v
1
> v = 5v
1
= (5, 0, 0).
proj
v
2
v =< v, v
2
> v = 2v
2
= (0, 2, 0). Ent ao proj
[S]
v = (5, 0, 0) +
(0, 2, 0) = (5, 2, 0).
Alem disso, de forma an aloga ` a que ocorre quando projetamos sobre a
direcao de um unico vetor, a diferen ca entre o vetor projetado e a projecao
e um vetor orgogonal ao subespa co de projecao, como mostramos na
Proposi cao 2
Sejam V um espa co euclidiano, S = {v
1
, v
2
, ..., v
n
} V , um conjunto orto-
normal, e v V . O vetor
u = v < v, v
1
> v
1
< v, v
2
> v
2
... < v, v
n
> v
n
e ortogonal a todo vetor de S.
Demonstracao.
Vamos mostrar que u e ortogonal a v
1
:
< u, v
1
>=
=< v < v, v
1
> v
1
< v, v
2
> v
2
... < v, v
n
> v
n
, v
1
>=
=< v, v
1
> << v, v
1
> v
1
, v
1
> << v, v
2
> v
2
, v
1
> ... << v,
v
n
> v
n
, v
1
>=
=< v, v
1
> < v, v
1
> < v
1
, v
1
>
. .
1
< v, v
2
> < v
2
, v
1
>
. .
0
... < v, v
n
>
< v
n
, v
1
>
. .
0
=
=< v, v
1
> < v, v
1
>= 0.
Procedendo de maneira an aloga, com os demais vetores de S, concluiremos
que
u v
1
, u v
2
, ..., u v
n
.
CEDERJ
90
M
ODULO 2 - AULA 15
Exemplo 5
No exemplo anterior, o vetor v proj
[S]
v = (5, 2, 3) (5, 2, 0) = (0, 0, 3)
e ortogonal a (1, 0, 0) e a (0, 1, 0), vetores de S.
Proposi cao 3
Sejam V um espa co euclidiano, S = {v
1
, v
2
, ..., v
n
} V , um conjunto orto-
normal e v V . O vetor
u = v < v, v
1
> v
1
< v, v
2
> v
2
... < v, v
n
> v
n
e ortogonal a todo vetor do subespa co de V gerado por S. Ou seja, u e
ortogonal a todo vetor de V que pode ser escrito como uma combina cao
linear dos vetores de S.
Demonstracao.
Pela Proposi cao 2, j a sabemos que u e ortogonal a cada vetor de S, ou
seja,
< u, v
1
>=< u, v
2
>= ... =< u, v
n
>= 0.
Vamos calcular o produto interno de u por um vetor generico do subespa co
gerado por S:
Sejam
1
,
2
, ...,
n
R e w =
1
v
1
+
2
v
2
+ ... +
n
v
n
V . Ent ao
< u, w > =< u,
1
v
1
+
2
v
2
+ ... +
n
v
n
>=
=
1
< u, v
1
>
. .
0
+
2
< u, v
2
>
. .
0
+... +
n
< u, v
n
>
. .
0
= 0.
Logo, u e ortogonal a w.
Exemplo 6
Retomando o exemplo anterior, podemos armar que o vetor v proj
[S]
v =
(5, 2, 3) (5, 2, 0) = (0, 0, 3) e ortogonal ao plano [S].
Estamos, agora, em condi coes de responder ` a pergunta: uma vez que
temos que ter bases ortonormais para poder efetuar a projecao, como obter
bases ortonormais para espa cos dados? Vamos fazer isso usando o chamado
Metodo de ortonormaliza cao de Gram-Schmidt, que nada mais e do que a
aplica cao do resultado demonstrado na proposi cao 3. Vamos a ele:
91
CEDERJ
Metodo de ortonormaliza cao de Gram-Schmidt
Todo espa co euclidiano admite uma base ortonormal
Demonstracao.
dimV = 1: Seja {v} uma base de V . Ent ao o conjunto {u} = {
v
||v||
} e
uma base ortonormal de V .
dimV = 2: Seja {v
1
, v
2
} uma base de V . Seja u
1
=
v
1
||v
1
||
. Pela pro-
posi cao 3, o vetor g
2
= v
2
proj
u
1
v
2
= v
2
< v
2
, u
1
> u
1
e ortogonal a u
1
.
Entao o vetor u
2
= versor de g
2
=
g
2
||
2
||
e unit ario e tambem e ortogonal a
u
1
. Logo, o conjunto {u
1
, u
2
} e uma base ortonormal de V , pois possui dois
vetores ortogonais e unit arios e a dimensao de V e dois.
dimV = n: Prosseguindo de forma analoga, dada uma base de V ,
vamos construindo, um a um, os vetores de uma outra base, esta sim, or-
tonormal. O primeiro e, simplesmente, o versor do primeiro vetor da base
original. A partir do segundo, a ideia e decompor cada vetor em duas com-
ponentes: uma na dire cao do subespa co gerado pelos vetores j a obtidos e
outra ortogonal ` a primeira.

E o versor desa segunda componente que ir a se
reunir aos vetores j a obtidos, para formar a base ortonormal.
Exemplo 7
Vamos aplicar o metodo de Gram-Schmidt para obter uma base ortonormal
de R
3
, a partir da base B = {v
1
, v
2
, v
3
}, com v
1
= (1, 1, 1); v
2
= (1, 1, 1) e
v
3
= (0, 1, 1). Seja B
= {u
1
, u
2
, u
3
} a base ortonormal procurada. Ent ao
u
1
=
v
1
||v
1
||
=
(1,1,1)
3
= (1/
3, 1/
3, 1/
3).
g
2
= v
2
proj
u
1
v
2
=
= v
2
< v
2
, u
1
> u
1
=
= (1, 1, 1) < (1, 1, 1), (1/
3, 1/
3, 1/
3) > (1/
3, 1/
3, 1/
3) =
= (1, 1, 1) 1/
3(1/
3, 1/
3, 1/
3) =
= (1, 1, 1) (1/3, 1/3, 1/3) =
= (2/3, 4/3, 2/3).
O vetor g
2
e ortogonal a u
1
. De fato, < g
2
, u
1
>= 2/3
3 4/3
3 +
2/3
3 = 0. Ent ao o segundo vetor da nova base e o versor de g

2
, isto e:
u
2
=
g
2
||g
2
||
=
=
(2/3,4/3,2/3)
4/9+16/9+4/9
=
=
(2/3,4/3,2/3)
24/9
=
=
(2/3,4/3,2/3)
2
6
3
=
= 3/2
6(2/3, 4/3, 2/3) =

= (1/
6, 2/
6, 1/
6).
CEDERJ
92
M
ODULO 2 - AULA 15
g
3
= v
3
proj
u
1
v
3
proj
u
2
v
3
=
= v
3
< v
3
, u
1
> u
1
< v
3
, u
2
> u
2
=
= v
3
2/
3u
1
(1/
6)u
2
=
= (0, 1, 1) 2/
3(1/
3, 1/
3, 1/
3) (1/
6)(1/
6, 2/
6, 1/
6) =
= (0, 1, 1) (2/3, 2/3, 2/3) + (1/6, 2/6, 1/6) =
= (1/2, 0, 1/2).
Logo, o terceiro vetor da base B
e o versor de g
3
, isto e:
u
3
=
g
3
||g
3
||
=
(1/2,0,1/2)
2
4
=
2
2
(1/2, 0, 1/2) = (1/
2, 0, 1/
2).
Logo, a base ortonormal de R
3
e
B
= {(1/
3, 1/
3, 1/
3), (1/
6, 2/
6, 1/
6), (1/
2, 0, 1/
2)}.
Exemplo 8
Em R
3
, vamos projetar o vetor u = (1, 2, 3), ortogonalmente, na dire cao do
vetor v = (1, 2, 2).
Observe, primeiramente, que v nao e unit ario, pois ||v|| =
1 + 4 + 4 =
3. O seu versor e o vetor v
=
v
3
= (1/3, 2/3, 2/3). O vetor proje cao e
proj
v
u = proj
v
u =< u, v
> v
= (1/3)(1/3, 2/3, 2/3) = (1/9, 2/9, 2/9).

Alem disso, o vetor u proj
v
u = (1, 2, 3) (1/9, 2/9, 2/9) =
(10/9, 20/9, 25/9) e ortogonal a v.
Exemplo 9
Vamos projetar o vetor u = (1, 2, 3), do exemplo anterior, sobre o plano P
de R
3
gerado pelos vetores v
1
= (1, 0, 2) e v
2
= (0, 1, 0). Precisamos de uma
base ortonormal do subespa co gerado por v
1
e v
2
. Note que esses dois vetores
sao ortogonais; precisamo, apenas, tomar o versor de v
1
, uma vez que v
2
ja e
unit ario:
v
1
=
(1,0,2)
5
= (1/
5, 0, 2/
5) Ent ao
proj
P
u = proj
v
1
u + proj
v
2
u =
=< u, v
1
> v
1
+ < u, v
2
> v
2
=
= (5/
5)(1/
5, 0, 2/
5) + 2(0, 1, 0) = (1, 2, 2).

Note que a proje cao e um vetor de P. Por outro lado, a diferen ca:
u (1, 2, 1) = (2, 0, 1) e um vetor ortogonal a P.
Exemplo 10
Vamos obter uma base ortonormal do subespa co de R
3
: U = {(x, y, z)
R
3
|xy+z = 0} e, em seguida, projetar o vetor u = (5, 3, 2), ortogonalmente,
sobre U.
93
CEDERJ
Primeiramente, vamos obter uma base para U. Note que um vetor de
U e da forma (x, x + z, z) = x(1, 1, 0) + z(0, 1, 1). Logo, v
1
= (1, 1, 0) e
v
2
= (0, 1, 1) formam uma base de U. Precisamos ortonormalizar essa base.
Seja B = {u
1
, u
2
} a base ortonormal procurada. Ent ao:
u
1
=
v
1
||v
1
||
=
(1,1,0)
2
= (1/
2, 1/
2, 0)
g
2
= v
2
proj
u
1
v
2
= v
2
< v
2
, u
1
> u
1
=
= (0, 1, 1) 1/
2(1/
2, 1/
2, 0) = (1/2, 1/2, 1).

Logo,
u
2
=
g
2
||g
2
||
= 2/
6(1/2, 1/2, 1) = (1/
6, 1/
6, 2/
6).
Entao B
= {(1/
2, 1/
2, 0), (1/
6, 1/
6, 2/
6)}.
Agora podemos obter a proje cao de u sobre U:
proj
U
u = proj
u
1
u + proj
u
2
u =< u, u
1
> u
1
+ < u, u
2
> u
2
=
= 8/
2(1/
2, 1/
2, 0) + 2/
6(1/
6, 1/
6, 2/
6) = (11/3, 13/3, 2/3).

Resumo
Nesta aula voce aprendeu um metodo pr atico de obter uma base or-
tonormal, a partir de outra base dada. Isso e necessario pois aprendemos
como projetar ortogonalmente um vetor sobre um subespa co, desde que co-
nhecamos uma base ortornormal desse subespa co. Vimos, tambem, que a di-
ferenca entre o vetor projetado e sua proje cao ortogonal sobre um subespa co
e um vetor ortogonal ao subespa co.
Exerccios
1. Em R
2
, obtenha o vetor proje cao ortogonal de u = (4, 5) na dire cao de
v = (1, 2).
2. Em R
3
, obtenha o vetor proje cao ortogonal de u = (1, 1, 3) na dire cao
de v = (0, 1, 1).
3. De a componente de u = (2, 1, 1), em R
3
, ortogonal ao vetor
v = (1, 2, 1).
4. Determine a proje cao ortogonal do vetor u = (2, 1, 3) sobre o
subespaco de R
3
gerado por S = {(1, 0, 1), (2, 1, 2)}.
5. Projete, ortogonalmente, o vetor u = 3, 2, 1) sobre o subespa co
W = {(x, y, z) R
3
; x + y z = 0}.
CEDERJ
94
M
ODULO 2 - AULA 15
6. Use o metodo de ortonormaliza cao de Gram-Schmidt para obter uma
base ortonormal de R
3
, a partir da base B = {(1, 0, 0), (0, 1, 1), (0, 1, 2)}.
7. Obtenha uma base ortornormal de R
2
, a partir da base B = {(1, 2),
(1, 3)}.
8. Obtenha uma base ortornormal para o seguinte subespa co vetorial de
R
4
: U = {(x, y, z, t) R
4
|x y = 0 e z = 2t}. A seguir, projete o
vetor u = (1, 3, 4, 2) ortogonalmente sobre U.
Auto-avalia cao
Voce deve estar familiarizado com a expressao que fornece a proje cao
ortogonal de um vetor sobre um subespaco. Lembre-se que isso so pode ser
feito quando temos uma base ortonormal. Entao, o que devemos fazer e:
Vericar se a base do subespa co sobre o qual vamos projetar e ortonor-
mal:
Se sim, usar a f ormula da projecao ortogonal;
Se nao, usar primeiramente o Metodo de ortonormaliza cao de Gram-
Schmidt para obter uma base ortonormal e a sim, aplicar a f ormula da
projecao.
Nao resta d uvida de que e um metodo trabalhoso, envolvendo muitos
calculos, mas o importante e que voce compreenda o signicado geometrico
do que o processo realiza. A ideia e desentortaros vetores, trocando cada
um deles pela sua componente que e ortogonal ` a dire cao de cada subespa co
gerado pelos anteriores. Ao nal do metodo, obtemos vetores ortogonais,
dois a dois, todos unit arios. A utilidade de se lidar com bases ortonormais
car a mais evidente quando estudarmos representa coes matriciais de trans-
forma coes lineares. Nao se assuste com o nome - tudo a seu tempo!!! Ate la!
Em tempo: havendo qualquer d uvida, procure o tutor da disciplina!!
95
CEDERJ
1. (14/5, 28/5)
2. (0, 2, 2)
3. (11/6, 8/6, 5/6)
4. Observe, primeiramente, que os vetores geradores s ao ortogonais.A resposta
e (11/6, 1/3, 19/6).
5. Veja o exemplo feito em aula: primeiramente obtenha uma base de W; em
seguida, aplique o metodo de Gram-Schmidt para obter uma base ortonor-
mal. A, sim, use a expressao que fornece a proje cao ortogonal. A resposta
e (5/3, 2/3, 7/3).
6. {(1, 0, 0), (0, 1/
2, 1/
2), (0, 1/
2, 1/
2)}
7. (
5/5, 2
5/5), (2
5/5,
5/5)}
8. {(1/
2, 1/
2, 0, 0), (0, 0, 2/
5, 1/
5)}; (2, 2, 4, 2)
CEDERJ
96
Complemento Ortogonal
M
ODULO 2 - AULA 16
Aula 16 Complemento Ortogonal
Objetivo
Pre-requisitos: aulas
13 (Soma de subespacos);
14 (Espacos euclidianos) e
15 (Conjuntos ortonor-
mais/projecao ortogonal).
Obter o complemento ortogonal de um subespa co.
Esta aula e curta - nela completaremos a teoria iniciada na aula an-
terior. Destacaremos um subespaco especial, que e denido a partir de um
outro subespa co, usando a no cao de ortogonalidade. Recordaremos tambem
o conceito de soma direta de subespa cos. Iniciamos com a principal deni cao
desta aula.
Complemento ortogonal
Sejam V um espa co euclidiano e U V um subespa co vetorial de V .
Vamos representar por U
o subconjunto formado pelos vetores de V que

sao ortogonais a todo vetor de U, isto e:
U
= {v V | < v, u >= 0, u U}
O subconjunto U
e chamado complemento ortogonal de U e e tambem

um subespa co vetorial de V .
De fato,
(i) U
= , pois < o
V
, u >= 0, u V ; logo, o
V
U
.
(ii) Sejam v
1
, v
2
U
, isto e, < v
1
, u >= 0 e < v
2
, u >= 0, u U. Entao
< v
1
+ v
2
, u >=< v
1
, u > + < v
2
, u >= 0 + 0 = 0, u U.
Logo, v
1
+ v
2
U
.
(iii) Sejam R e v U
, isto e, < v, u >= 0, u U. Ent ao

< v, u >= < v, u >= .0 = 0, u U. Logo, v U
.
97
CEDERJ
Exemplo 1
Em R
2
, o complemento ortogonal do subespa co gerado pelo vetor (3, 0) e o
subespaco gerado pelo vetor (0, 1). De fato, sendo U = [(3, 0)], um vetor
u U e da forma (3, 0), para algum R. Queremos identicar os
vetores de R
2
que sao ortogonais a todo vetor de U. Isto e, os vetores
v = (x, y) R
2
tais que < v, u >= 0, u U. Ou seja, queremos (x, y) tais
que 3x = 0. Como essa igualdade tem que se vericar para qualquer real,
conclumos que x = 0. Logo, todo vetor de U
e da forma (0, y), com y R.

Assim, qualquer vetor dessa forma, n ao nulo, gera U
, e podemos escrever
U
= [(0, 1)]. Note que U e o eixo das abscissas e U
, o eixo das ordenadas,

como indica a gura 1.
Fig. 1: Um subespaco de R
2
e seu complemento ortogonal.
Na aula 13, voce estudou soma e soma direta de subespa cos.
Recordando:
Sendo U e W subespacos vetoriais de um mesmo espa co vetorial V , a
soma de U e W e o subconjunto de V formado pelos vetores que podem
ser escritos como a soma de um vetor de U com um de W, isto e:
U + W = {v V |v = u + w; u U e w W}.
A soma de dois subespa cos de V e tambem um subespa co de V .
A soma direta de U e W, representada por U W, e a soma de U e
W no caso em que U W = {o
V
}.
Sendo V de dimens ao nita, a dimens ao da soma direta de U e W e a
soma das dimensoes de U e W e a uni ao de uma base de U com uma
base de W e uma base da soma direta.
CEDERJ
98
M
ODULO 2 - AULA 16
Alem disso, quando a soma e direta, s o existe uma maneira de decompor
cada vetor de V numa soma de um vetor de U com um vetor de U
, o
que signica dizer que esses dois vetores sao unicos.
Proposi cao 1
Sejam V um espa co euclidiano e U, subespaco de V . Ent ao V = U U
.
Demonstracao.
Temos que mostrar duas coisas: (i) V e soma de U e do complemento
ortogonal de U, e (ii) essa soma e direta.
(i) Queremos mostrar que, v V, v = u + w, para algum u U e algum
w U
.
Sejam B = {u
1
, ..., u
m
} uma base ortonormal de U, e v V . Pela Vimos, na aula 15, que
todo espaco euclidiano ad-
mite uma base ortonormal.
proposi cao 3 da aula 15, o vetor
w = v < v, u
1
> u
1
< v, u
2
> u
2
... < v, u
m
> u
m
e ortogonal a todo vetor de B e, assim, ortogonal a todo elemento de
U. Logo, w U
. Podemos, ent ao, escrever

v = w
..
U
+( < v, u
1
> u
1
< v, u
2
> u
2
... < v, u
m
> u
m
)
. .
U
,
o que prova que V = U + U
.
(ii) Seja v U U
. Como v U
, < v, u >= 0, u U
. Em particular,
como v U, temos < v, v >= 0, o que implica v = o
V
.
Logo, U U
= {o
V
}.
Como j a vimos na aula 15, todo vetor v V pode ser decomposto em
duas parcelas, uma sendo a proje cao ortogonal do vetor sobre um subespa co
de V e a outra, um vetor ortogonal a esse subespa co. Considerando os
subespacos U e U
, podemos ent ao, decompor cada vetor v de V , de forma

unica, na soma:
v = w + u,
onde
u U: u e a proje cao ortogonal de v sobre o subespa co U, e
w U
: w e ortogonal a U.
99
CEDERJ
E importante lembrar que para determinar a proje cao de um vetor v

de V sobre U, e necessario conhecer uma base ortonormal de U. Para isso,
estudamos o metodo de Gram-Schmidt.
Em resumo:
Sendo
- U um subespa co vetorial do espaco euclidiano V ;
- {v
1
, ..., v
m
} base ortonormal de U
- v V ,
entao v = w + u, onde
u = proj
U
v =
m
i=1
< v, v
i
> v
i
Exemplo 2
Seja W o eixo z de R
3
, isto e,
W = {(x, y, z) R
3
|x = y = 0} = {(0, 0, z); z R}.
W
e o plano xy, isto e:

W
= {(x, y, z) R
3
|z = 0} = {(x, y, 0); x, y R}.
Temos, entao, que R
3
= WW
, pois, dado (x, y, z) R

3
, podemos escrever
(x, y, z) = (x, y, 0)
. .
W
+(0, 0, z)
. .
W
e
W W
= {(0, 0, z); z R}} = {(x, y, 0); x, y R} = {(0, 0, 0)} = o

R
3.
Essa situacao est a ilustrada na gura 2.
Fig. 2: Um subespaco de R
3
e seu complemento ortogonal.
CEDERJ
100
M
ODULO 2 - AULA 16
Exemplo 3
Seja W o subespa co de R
4
gerado por u = (1, 2, 3, 1) e w = (2, 4, 7, 2).
Vamos encontrar uma base para W
.
Para um vetor v = (x, y, z, t) de R
4
pertencer a W
, deve ser ortogonal a u

e a w, simultaneamente, isto e:
_
< v, u >= 0
< v, w >= 0
_
x + 2y + 3z t = 0
2x + 4y + 7z + 2t = 0
_
x + 2y + 3z t = 0
z + 4t = 0
.
Um vetor de R
4
e solu cao desse sistema quando e da forma
(2y+13t, y, 4t, t), com y, t R. Como (2y+13t, y, 4t, t) = y(2, 1, 0, 0, )+
t(13, 0, 4, 1), temos que o subespa co W
e gerado pelos vetores (2, 1, 0, 0, )

e (13, 0, 4, 1), que sao LI . Logo, {(2, 1, 0, 0, ), (13, 0, 4, 1)} e uma base Voce se lembra? Este metodo
para determinar um conjunto
de geradores sempre fornece
uma base do subespaco.
de W
.
Exemplo 4
Dado U = {(x, y, z) R
3
; x + y + z = 0}, vamos
a) escrever o vetor (3, 2, 5), de R
3
como uma soma de um vetor de U e um
de U
;
b) obter o vetor proje cao ortogonal de v = (a, b, c) R
3
sobre U e
c) escrever o vetor v = (a, b, c), de R
3
, como soma de um vetor de U e um
ortogonal a U.
Vamos obter uma base para U: um vetor de U pode ser escrito na
forma (x, y, x y) = x(1, 0, 1) + y(0, 1, 1). Logo, os vetores (1, 0, 1)
e (0, 1, 1) geram U e sao LI. Logo, formam uma base de U. Precisamos
ortonormalizar essa base. Para isso, aplicamos o metodo de Gram-Schmidt:
Sejam v
1
= (1, 0, 1) e v
2
= (0, 1, 1). Seja {u
1
, u
2
} a base ortonormal
procurada. Ent ao:
u
1
=
v
1
||v
1
||
= (
1
2
, 0,
1
2
).
w
2
= v
2
< v
2
, u
1
> u
1
= (0, 1, 1)
1
2
(
1
2
, 0,
1
2
) = (
1
2
, 1,
1
2
).
u
2
=
w
2
||w
2
||
=
2
6
(
1
2
, 1,
1
2
) = (
1
6
,
2
6
,
1
6
).
Podemos, agora, resolver o exerccio:
a) proj
U
(3, 2, 5) = proj
u
1
(3, 2, 5) + proj
u
2
(3, 2, 5) =
=
2
2
u
1
6
u
2
=
= (1, 0, 1) + (
2
3
,
4
3
,
2
3
) =
= (
1
3
,
4
3
,
5
3
).
101
CEDERJ
Da, temos
(3, 2, 5) proj
U
(3, 2, 5) = (3, 2, 5) (
1
3
,
4
3
,
5
3
) = (
10
3
,
10
3
,
10
3
).
Entao
(3, 2, 5) = (
1
3
,
4
3
,
5
3
)
. .
U
+(
10
3
,
10
3
,
10
3
)
. .
U
.
b) proj
U
(a, b, c) = proj
u
1
(a, b, c) + proj
u
2
(a, b, c) =
=
ac
2
u
1
+
_
a+2bc
6
_
u
2
=
=
_
2abc
3
,
a+2bc
3
,
ab+2c
3
_
.
c) (a, b, c) = (
2a b c
3
,
a + 2b c
3
,
a b + 2c
3
)
. .
U
+
(
a + b + c
3
,
a + b + c
3
,
a + b + c
3
)
. .
U
.
Exemplo 5
Em P
2
(R), denimos o produto interno
< f(t), g(t) >=
_
1
0
f(t) g(t)dt.
Vamos obter uma base ortonormal do subespa co [3, 1 t]
.
Seja p(t) = at
2
+ bt + c [3, 1 t]
. Ent ao
< f(t), p(t) >=
_
1
0
3(at
2
+ bt + c)dt = 0 2a + 3b + 6c = 0 (1).
< g(t), p(t) >=
_
1
0
(1 t)(at
2
+ bt + c)t = 0 a + 2b + 6c = 0 (2).
O sistema linear formado pelas equa coes (1) e (2) possui solu coes (a, b, c) tais
que a = b; c = b/6. Logo, p(t) = 6bt
2
6bt + b = b(6t
2
6t + 1), b R.
Ou seja, o vetor 6t
2
6t + 1 gera o complemento ortogonal do subespa co
[3, 1 t]. Assim, {6t
2
6t + 1} e uma base de [3, 1 t]
.
CEDERJ
102
M
ODULO 2 - AULA 16
Resumo
Nesta aula estudamos o subespaco que e o complemento ortogonal de
um outro. Na verdade, podemos denir o complemento ortogonal de qual-
quer subconjunto de um espa co euclidiano e provar que e um subespaco, mas
quando partimos de um subsconjunto U que e, ele proprio, um subespa co,
o caso ca muito mais interessante porque podemos escrever o espa co como
soma direta de U e seu complemento ortogonal. Podemos, tambem, decom-
por um vetor do espa co em duas parcelas, sendo cada uma delas a proje cao
ortogonal do vetor em um dos subespa cos: U e U
.
Exerccios
1. Dado U = {(x, y, z) R
3
; y 2z = 0},
a) Escreva o vetor (1, 2, 4), de R
3
como uma soma de um vetor de U
e um de U
.
b) Obtenha o vetor proje cao ortogonal de v = (a, b, c) R
3
sobre U.
2. Seja W o subespa co de R
4
gerado por u = (1, 2, 3, 1), v = (2, 4, 7, 2)
e = (1, 1, 1, 1). Encontre uma base ortonormal para W
.
3. Considere o seguinte produto interno em R
4
:
< (a, b, c, d), (x, y, z, w) >= 2ax + by + cz + dw,
para (a, b, c, d), (x, y, z, w) R
4
. Determine uma base do subespaco
ortogonal de U = [(1, 2, 0, 1), (2, 0, 1, 1)].
4. Em M
2
(R), a rela cao
< A, B >= a
11
b
11
+ a
12
b
12
+ a
21
b
21
+ a
22
b
22
,
onde A = (a
1j
), B = (b
ij
), i, j = 1, 2, e um produto interno. Considere
o seguinte subespa co de M
2
(R):
W =
__
x y
z w
_
; x y + z = 0
_
.
a) Determine uma base de W.
b) Determine uma base de W
.
5. Sejam R
4
e U = {(x, y, z, w) R
4
; x + y z + 2w = 0}. Determine
uma base ortonormal de U de uma de U
.
103
CEDERJ
Auto-avalia cao
Bem, chegamos ao nal do primeiro m odulo. A pr oxima aula reve a
teoria apresentada ao longo das 16 primeiras aulas, em forma de exerccios.
Antes de partir para ela, porem, certique-se de ter apreendido a tecnica e,
principalmente, o signicado do que estudamos nesta aula. Se sentir qualquer
diculdade ao resolver os exerccios ou ao estudar os exemplos, entre em
contato com o tutor da disciplina.
1. a) (1, 2, 4) = (1,
16
5
,
8
5
) + (0,
6
5
,
12
5
)
b) proj
U
(a, b, c) = (a,
4a+2c
5
,
2b+c
5
)
2. Uma base de W
: {
(7,10,4,1)
166
}
3. (Aten cao para o produto interno, diferente do usual!!)
Uma base de U
: {(1, 1, 4, 0), (1, 0, 6, 2)}

4. a)
__
1 1
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
__
b)
__
1 1
1 0
__
5. Uma base de U : {(
1
2
, 0,
1
2
, 0), (
1
6
,
2
6
,
1
6
, 0), (
2
21
,
2
21
,
2
21
,
3
21
)}.
Uma base de U
: {
1
7
,
1
7
,
1
7
,
2
7
)}
CEDERJ
104
Exerccios Resolvidos
M
ODULO 2 - AULA 17
Aula 17 Exerccios Resolvidos
Objetivo
Pre-requisito:
aulas 1 a 16.
Fazer uma revis ao do primeiro m odulo, atraves da resolucao de exerccios
variados.
Nesta aula, damos uma pequena pausa na apresenta cao da teoria para
exercitar o conte udo j a estudado. Voce tem uma lista de exerccios para
tentar resolver e conferir com as resolu coes, que se encontram ap os os enun-
ciados.
A ideia e que voce primeiro tente resolve-los, recorrendo, se necessario,
às anota coes de aula, e s o depois de resolver, compare sua solu cao com a que
apresentamos aqui.
Caso haja alguma discord ancia ou d uvida, procure o tutor. O objetivo
principal e que voce siga em frente, iniciando o segundo modulo bem seguro
do conte udo estudado no primeiro.
Exerccios
1. Sendo A
32
=
_
_
_
1 1
2 0
3 1
_
_
_
, B
32
=
_
_
_
0 2
3 4
5 1
_
_
_
,
C
24
=
_
2 a 3 2
0 1 b 6
_
, determine a e b para que a matriz
(2A + B)C seja igual a
_
_
_
4 2 6 4
14 3 1 38
2 0 2 8
_
_
_
.
2. Dada A =
_
1 2
4 3
_
, calcule:
a) A
2
b) A
T
c) det A d) det A
T
e) A
1
f) (A
T
)
1
g) det A
1
h) f(A), onde f(x) = x
2
+ 2x 11
105
CEDERJ
3. Classique em V (verdadeira) ou F (Falsa) cada sentenca abaixo:
a) (A + B)
T
= A
T
+ B
T
b) (AB)
T
= A
T
B
T
c) (A + B)
1
= A
1
B
1
d) (AB)
1
= B
1
A
1
e) det A = det A
T
f) det A
1
= det A
g) Se A M
n
(R), R, det A = ndet A
4. Determine a Rpara que exista a inversa da matriz A =
_
_
1 0 2
4 1 a
2 1 3
_
_
.
Caso exista, calcule A
1
, para a = 8.
5. (Prov ao - MEC - 2002)
A e B sao matrizes reais n n, sendo n 2 e , um n umero real. A
respeito dos determinantes dessas matrizes, e correto armar que:
(a) det (AB) = det A.det B
(b) det (A + B) = det A + det B
(c) det (A) = det A
(d) det A 0, se todos os elementos de A forem positivos
(e) se det A = 0 ent ao A possui duas linhas ou colunas iguais
6. Calcule det
_
_
2 1 3 0
2 1 3 5
2 0 4 5
1 0 1 3
_
_
por triangulariza cao.
7. Classique e resolva, por escalonamento, cada um dos sistemas lineares
abaixo:
S
1
:
_
_
x + y z = 0
2x + 4y z = 0
3x + 2y + 2z = 0
S
2
:
_
_
2x y + z = 0
x + 2y z = 0
3x + y = 0
S
3
:
_
_
x y + 3z = 2
x + y + z = 1
x 3y + 5z = 5
8. Discuta o sistema linear
_
_
2x + 3y + az = 3
x + y z = 1
x + ay + 3z = 2
, segundo os valores do
par ametro real a.
CEDERJ
106
M
ODULO 2 - AULA 17
9. Determine as condi coes sobre a, b e c que tornam compatvel o sistema
_
_
x 2y + 7z = a
x + 2y 3z = b
2x + 6y 11z = c
.
10. Dado um espa co vetorial V , mostre que W V , n ao vazio, e subespaco
vetorial de V se, e somente se, au + bv W, u, v W, a, b R.
11. Verique se os seguintes vetores de R
3
sao LD ou LI:
a) (1, 1, 1), (2, 1, 0) e (1, 1, 2)
b) (1, 2, 0), (3, 1, 2) e (2, 1, 2)
12. Obtenha um conjunto de geradores do subespa co U, de V , em cada
caso:
a) V = R
2
; U = {(x, y) R
2
; x = 3y}
b) V = R
3
; U = {(x, y, z) R
3
; x = 3y}
c) V = R
4
; U = {(x, y, z, t) R
4
; x = 3y e z t = 0}
13. Determine o subespa co de R
3
1
= (1, 1, 1),
v
2
= (2, 3, 1) e v
3
= (0, 1, 1).
14. Encontre uma base e de a dimens ao do subespa co de M
2
(R) gerado por
u =
_
1 2
3 1
_
, v =
_
3 2
1 5
_
e w =
_
3 10
11 7
_
.
15. Dados U = {(x, x, z); x, z R} e W = {(x, 0, x); x R}, suespacos de
R
3
, encontre uma base e determine a dimens ao dos subespa cos U W
e U + W, de R
3
.
16. Determine a sabendo que o vetor v = (1, 2, a, 4) R
4
tem m odulo
igual a
30.
17. Considere os vetores u = (1, 2, 1) e v = (0, 3, 4), de R
3
. Determine:
a) 2u v
b) ||u||
c) o versor de v
d) < u, v >
e) d(u, v) (a dist ancia de u e v)
107
CEDERJ
18. Determine a R tal que os vetores u = (a, a + 2, 1) e v = (a + 1, 1, a),
de R
3
, sejam ortogonais.
19. Dadas as matrizes u =
_
a
1
b
1
c
1
d
1
_
e v =
_
a
2
b
2
c
2
d
2
_
, em M
2
(R), a
expressao < u, v >= a
1
a
2
+b
1
b
2
+c
1
c
2
+d
1
d
2
dene um produto interno
no espa co M
2
(R).
Dados os vetores u =
_
1 2
1 3
_
e v =
_
2 1
3 4
_
, determine
a) ||u + v||
b) o angulo entre u e v
20. Em P
2
(R), denimos o produto interno de dois vetores p(t) = a
1
t
2
+
b
1
t + c
1
e q(t) = a
2
t
2
+ b
2
t + c
2
como < p, t >= a
1
a
2
+ b
1
b
2
+ c
1
c
2
+
d
1
d
2
. Calcule < p(t), q(t) > no caso em que p(t) = 2t
2
3t + 1 e
q(t) = t
2
+ 5t 2.
21. Determinar o versor de um vetor v e um processo tambem conhecido
por normaliza c ao de v. Normalize cada um dos vetores abaixo, no
espa co euclidiano R
3
:
a) u = (1, 2, 1)
b) v = (1/2, 2/3, 1/2)
22. Em P
3
(R), considere o produto interno
< f(t), g(t) >=
_
1
0
f(t)g(t)dt.
a) Calcule o produto interno de f(t) = t 1 por g(t) = 3t
3
+ 2t + 1.
b) Calcule ||p(t)||, onde p(t) = t
2
t.
c) Determine a R para que f(t) = at
2
+ 1 e g(t) = t 2 sejam
ortogonais.
23. Mostre que se u e ortogonal a v ent ao todo m ultiplo escalar de u
tambem e ortogonal a v.
24. Encontre um vetor unit ario, ortogonal, simultaneamente, a v
1
= (2, 1, 1)
e v
2
= (1, 3, 0), em R
3
.
CEDERJ
108
M
ODULO 2 - AULA 17
25. Sejam u, v vetores de um espa co euclidiano V , com v nao nulo. Mostre
que o vetor w = u
< u, v >
||v||
2
v e ortogonal a v. (O vetor w e a proje cao
ortogonal de u na direcao de v, obtido sem a hip otese de v ser unit ario.)
26. Determine a R tal que os vetores u = (a, a + 2, 1) e v = (a + 1, 1, a),
de R
3
, sejam ortogonais.
27. Obtenha uma base ortonormal de R
3
a partir da base B = {v
1
, v
2
, v
3
},
onde v
1
= (1, 1, 1), v
2
= (1, 1, 0), v
3
= (1, 1, 1).
28. EmR
3
, com o produto interno usual, determine a proje cao ortogonal do
vetor u = (1, 2, 3) sobre o subespa co gerado pelos vetores v
1
= (1, 0, 2)
e v
2
= (0, 1, 0).
29. Considere U = {(x, y, z) R
3
; x y z = 0}, subespa co de R
3
.
a) Determine uma base ortonormal de U.
b) Determine uma base ortonormal de U
.
c) Escreva o vetor v = (a, b, c) R
3
como soma de um vetor de U e
um de U
.
Resolu cao dos exerccios
R1. (2A + B)C) =
_
_
_
_
_
2 2
4 0
6 2
_
_
_
+
_
_
_
0 2
3 4
5 1
_
_
_
_
_
_
2 a 3 2
0 1 b 6
_
=
=
_
_
_
2 0
7 4
1 1
_
_
_
_
2 a 3 2
0 1 b 6
_
=
_
_
_
4 2a 6 4
14 7a 4 21 + 4b 38
2 a 1 3 + b 8
_
_
_
.
Entao,
_
_
2a = 2
7a 4 = 3
a 1 = 0
21 + 4b = 1
3 + b = 2
_
a = 1
b = 5
R2. a) A
2
=
_
1 2
4 3
__
1 2
4 3
_
=
_
1 + 8 2 6
4 12 8 + 9
_
=
_
9 4
8 17
_
.
b) A
T
=
_
1 4
2 3
_
109
CEDERJ
c) det A = 3 8 = 11
d) det A
T
= det A = 11
e) A
1
:
1 2 | 1 0
4 3 | 0 1 L
2
L
2
4L
1
|
1 2 | 1 0
0 11 | 4 1 L
2
1/11L
2
|
1 2 | 1 0 L
1
L
1
2L
2
0 1 | 4/11 1/11
|
1 0 | 3/11 2/11
0 1 | 4/11 1/11
.
Logo, A
1
=
_
3/11 2/11
4/11 1/11
_
.
f) (A
T
)
1
= (A
1
)
T
=
_
3/11 4/11
2/11 1/11
_
g) det A
1
= (det A)
1
= (11)
1
= 1/11
h) f(A) = A
2
+2A11I
2
=
_
9 4
8 17
_
+
_
2 4
8 6
_
_
11 0
0 11
_
=
_
0 0
0 0
_
. Neste caso, dizemos que a matriz A e um zero da
funcao f.
R3. a) (V)
b) (F): (AB)
T
= B
T
A
T
c) (F): nao h a f ormula para a inversa da soma
d) (V)
e) (V)
f) (F): det A
1
= (det A)
1
=
1
det A
. Justamente porque o deter-
minante da matriz A aparece no denominador e que so existe a
inversa de A se seu determinante for diferente de zero.
CEDERJ
110
M
ODULO 2 - AULA 17
g) (F): A cada linha de A que e multiplicada pelo escalar , o deter-
minante ca multiplicado por . Uma matriz quadrada de ordem
n possui n linhas. Logo, o determinante de A multiplicada por
e igual ao determinante de A multiplicado por , n vezes. Ou
seja, det A =
n
det A.
R4. Para que exista a inversa de A, o seu determinante n ao pode ser nulo.
Vamos calcular det A, pelo metodo de Sarrus:
1 0 2
4 1 a
2 1 3
= (3 8) (4 a) = a 9. Queremos det A = 0, isto e,

a 9 = 0 a = 9.
Podemos calcular a inversa de A para a = 8:
1 0 2 | 1 0 0
4 1 8 | 0 1 0 L
2
L
2
4L
1
2 1 3 | 0 0 1 L
3
L
3
2L
1
|
1 0 2 | 1 0 0
0 1 0 | 4 1 0
0 1 1 | 2 0 1 L
3
L
3
+ L
2
|
1 0 2 | 1 0 0
0 1 0 | 4 1 0
0 0 1 | 6 1 1 L
3
L
3
|
1 0 2 | 1 0 0 L
1
L
1
2L
3
0 1 0 | 4 1 0
0 0 1 | 6 1 1
|
1 0 0 | 11 2 2
0 1 0 | 4 1 0
0 0 1 | 6 1 1
Logo, A
1
=
_
_
_
11 2 2
4 1 0
6 1 1
_
_
_.
R5. A op cao correta e a letra (a).
111
CEDERJ
R6.
2 1 3 0
2 1 3 5
2 0 4 5
1 0 1 3
L
1
L
4
= ()
1 0 1 3
2 1 3 5
2 0 4 5
2 1 3 0
L
2
L
2
2L
1
L
3
L
3
+ 2L
1
L
4
L
4
2L
1
=
= ()
1 0 1 3
0 1 1 1
0 0 6 11
0 1 1 6
L
4
L
4
+ L
2
= ()
1 0 1 3
0 1 1 1
0 0 6 11
0 0 2 7
L
3

1
6
L
3
=
= ()(6)
1 0 1 3
0 1 1 1
0 0 1
11
6
0 0 2 7
L
4
L
4
2L
3
= ()(6)
1 0 1 3
0 1 1 1
0 0 1
11
6
0 0 0
64
6
=
= ()(6)(1)(1)(1)
_
64
6
_
= 64.
R7. a)
_
_
1 1 1
2 4 1
3 2 2
_
_ L
2
L
2
2L
1
L
3
L
3
3L
1
_
1 1 1
0 2 1
0 1 5
_
_ L
2
L
2
L
3

_
1 1 1
0 1 5
0 2 1
_
_
L
3
L
3
+ 2L
2
_
1 1 1
0 1 5
0 0 11
_
_
. Obte-
mos o sistema equivalente:
_
_
x + y z = 0
y + 5z = 0
11z = 0
, que e compatvel determinado, com conjunto-
solucao {(0, 0, 0)}.
b)
_
_
2 1 1
1 2 1
3 1 0
_
_
L
1
L
2
_
1 2 1
2 1 1
3 1 0
_
_ L
2
L
2
2L
1
L
3
L
3
3L
1
_
1 2 1
0 5 3
0 5 3
_
_
L
3
L
3
L
2
_
1 2 1
0 5 3
0 0 0
_
_
. Obte-
mos o sistema equivalente:
_
x + 2y z = 0
5y + 3z = 0
, que e compatvel
e indeterminado. Fazendo y =
3
5
z, na segunda equa cao, e subs-
tituindo na primeira, obtemos x =
1
5
z. Logo, as solu coes do
sistema sao os vetores de R
3
da forma (z/5, 3z/5, z), para z R.
CEDERJ
112
M
ODULO 2 - AULA 17
c)
_
_
1 1 3 | 2
1 1 1 | 1
1 3 5 | 5
_
_ L
2
L
2
L
1
L
3
L
3
L
1
_
1 1 3 | 2
0 2 2 | 1
0 2 2 | 3
_
_
L
3
L
3
+ L
2
_
1 1 3 | 2
0 2 2 | 1
0 0 0 | 2
_
_
. Obtemos o sistema
equivalente
_
_
x y + 3z = 2
2y 2z = 1
0 = 2
, que e incompatvel. Logo, o
conjunto-solucao do sistema dado e vazio.
R8.
_
_
2 3 a | 3
1 1 1 | 1
1 a 3 | 2
_
_
L
1
L
2
_
1 1 1 | 1
2 3 a | 3
1 a 3 | 2
_
_ L
2
L
2
2L
1
L
3
L
3
L
1
_
1 1 1 | 1
0 1 a + 2 | 1
0 a 1 4 | 1
_
_
L
3
L
3
(a 1)L
2
_
1 1 1 | 1
0 1 a + 2 | 1
0 0 4 (a 1)(a + 2) | 1 (a 1)
_
_
.
A terceira equa cao pode ser escrita (a 2)(a +3)z = (a 2). Note
que a expressao do primeiro membro se anula para a = 2 ou a = 3.
Entao,
Se a = 2, a terceira equa cao ca 0 = 0 e o sistema e, nesse caso,
compatvel e indeterminado.
Se a = 3, a terceira equa cao ca 0z = 5, o que torna o sistema
incompatvel.
Finalmente, se a = 2 e a = 3, a terceira equa cao nem e eliminada
nem e impossvel. Nesse caso, o sistema e compatvel e determinado.
R9.
_
_
1 2 7 | a
1 2 3 | b
2 6 11 | c
_
_ L
2
L
2
L
1
L
3
L
3
2L
1
_
1 2 7 | a
0 4 10 | b a
0 10 25 | c 2a
_
_
L
2
1/4L
2
_
1 2 7 | a
0 1 5/2 | (b a)/4
0 10 25 | c 2a
_
_
L
3
L
3
10L
2
113
CEDERJ
_
1 2 7 | a
0 1 5/2 | (b a)/4
0 0 0 | c 2a 10(
ba
4
)
_
_
. Para que o sistema seja
compatvel e necessario ter c2a10(
ba
4
) = 0, ou seja, a5b+2c = 0.
R10. Vimos que um subconjunto W de um espaco vetorial V e subespaco ve-
torial de V se (i) W = ; (ii) av W, v W, a R e
(iii) u + v W, u, v W.
() Vamos supor que W e subespaco. Ent ao W e nao-vazio. Alem
disso, dados a, b R, u, v W, por (ii), temos que au W e bv W.
Por (iii), au + bv W.
() Vamos supor, agora, que W e nao-vazio e au + bv V, u, v
V, a, b R. Fazendo b = 0, temos a validade da propriedade (ii) da
denicao de subespa co. Fazendo a = b = 1, temos a validade de (iii).
R11. a) a
1
(1, 1, 1) + a
2
(2, 1, 0) + a
3
(1, 1, 2) = o
R
3 = (0, 0, 0)
_
a
1
+ 2a
2
a
3
= 0
a
1
+ a
2
+ a
3
= 0
a
1
+ 2a
3
= 0
_
1 2 1
1 1 1
1 0 2
_
_ L
2
L
2
L
1
L
3
L
3
+ L
1
_
1 2 1
0 1 2
0 2 1
_
_
L
3
L
3
+ 2L
2
_
1 2 1
0 1 2
0 0 5
_
_
.
Obtemos, assim, o sistema equivalente:
_
_
a
1
+ 2a
2
a
3
= 0
a
2
+ 2a
3
= 0
5a
3
= 0
, cuja solucao e dada por a
1
= a
2
= a
3
= 0.
Logo, os vetores v
1
, v
2
, e v
3
sao LI.
b) a
1
(1, 2, 0) + a
2
(3, 1, 2) + a
3
(2, 1, 2) = o
R
3 = (0, 0, 0)
_
a
1
+ 3a
2
+ 2a
3
= 0
2a
1
+ a
2
a
3
= 0
2a
2
+ 2a
3
= 0
_
1 3 2
2 1 1
0 2 2
_
_ L
2
L
2
2L
1

_
1 3 2
0 5 5
0 2 2
_
_ L
2
1/5L
2

_
_
1 3 2
0 1 1
0 2 2
_
L
3
L
3
2L2
_
1 3 2
0 1 1
0 0 0
_
_
. Obtemos, assim, o sistema
equivalente
_
a
1
+ 3a
2
+ 2a
3
= 0
a
2
+ a
3
= 0
, que e indeterminado. Logo,
os vetores v
1
, v
2
e v
3
sao LD.
CEDERJ
114
M
ODULO 2 - AULA 17
R12. a) v U v = (3y, y) = y(3, 1); y R. Um conjunto gerador de U
e {(3, 1)}.
b) v U v = (3y, y, z) = y(3, 1, 0) + z(0, 0, 1); y, z R. Um
conjunto gerador de U e {(3, 1, 0), (0, 0, 1)}.
c) v U v = (3y, y, t, t) = y(3, 1, 0, 0) + t(0, 0, 1, 1); y, t R. Um
conjunto gerador de U e {(3, 1, 0, 0), (0, 0, 1, 1)}.
R13. Um vetor v = (x, y, z) de R
3
pertence ao subespa co gerado pelos ve-
tores v
1
, v
2
e v
3
se v pode ser escrito como uma combina cao linear
desses vetores. Isto e, queremos que existam a, b, c reais tais que
(x, y, z) = a(1, 1, 1) + b(2, 3, 1) + c(0, 1, 1). Em outras palavras,
queremos que o sistema linear
_
_
a + 2b = x
a 3b + c = y
a + b + c = z
seja compatvel.
Vamos escalonar o sistema:
_
_
1 2 0 | x
1 3 1 | y
1 1 1 | z
_
_ L
2
L
2
+ L
1
L
3
L
3
L
1
_
1 2 0 | x
0 1 1 | y + x
0 1 1 | z x
_
L
3
L
3
L
2
_
1 2 0 | x
0 1 1 | y + x
0 0 0 | z x (y + x)
_
_
. Para que o sis-
tema admita solu cao devemos ter zx(y+x) = 0, isto e, o subespa co
de R
3
1
, v
2
e v
3
e {(x, y, z) R
3
; 2x+y z = 0}.
R14. Queremos caracterizar as matrizes de M
2
(R) que podem ser escritas
como combina cao linear de u, v e w:
_
x y
z t
_
= au + bv + cw =
_
a + 3b + 3c 2a + 2b + 10c
3a b 11c a + 5b + 7c
_
. Em
outras palavras, queremos que seja compatvel o sistema:
_
_
a + 3b + 3c = x
2a + 2b + 10c = y
3a b 11c = z
a + 5b + 7c = t
. Escalonando esse sistema temos:
_
_
1 3 3 | x
2 2 10 | y
3 1 11 | z
1 5 7 | t
_
_
L
2
L
2
+ 2L
1
L
3
L
3
3L
1
L
4
L
4
L
1
115
CEDERJ
_
1 3 3 | x
0 8 16 | y + 2x
0 10 20 | z 3x
0 2 4 | t x
_
_
L
2
L
4
_
1 3 3 | x
0 2 4 | t x
0 10 20 | z 3x
0 8 16 | y + 2x
_
_ L
3
L
3
+ 5L
2
L
4
L
4
4L
2
_
1 3 3 | x
0 2 4 | t x
0 0 0 | z 3x + 5(t x)
0 0 0 | y + 2x 4(t x)
_
_
.
Temos que ter, ent ao:
z 3x + 5(t x) = 0 e y + 2x 4(t x) = 0. Escrevendo y e z em
funcao das vari aveis livres x e t, temos:
y = 6x+4t e z = 8x5t. Logo, uma matriz do subespa co procurado
e da forma
_
x 6x + 4t
8x 5t t
_
= x
_
1 6
8 0
_
+ t
_
0 4
5 1
_
; x, t R.
Concluimos, ent ao, que
__
1 6
8 0
_
,
_
0 4
5 1
__
e uma base do
subespaco e sua dimensao e 2.
R15. Seja v = (a, b, c) U W. Ent ao
_
_
a = b
a = c
b = 0
Logo, a = b = c = 0, o que
implica UW = {(0, 0, 0)}. Ent ao dim(UW) = 0. Como dimU = 2,
pois {(1, 1, 0), (0, 0, 1)} e uma base de U e dimW = 1, pois {(1, 0, 1)}
e uma base de W, temos dimU + dimW = 3 = dimR
3
. Logo, R
3
e a soma direta dos subespa cos U e W. Como base de R
3
podemos
considerar a can onica ou a uni ao das bases mencionadas acima, de U
e W.
R16. ||v|| =

< v, v > =
30
1 + 4 + a
2
+ 16 =
30 21 + a
2
=
30 a
2
= 9 a = 9.
R17. a) 2u v = (2, 4, 2) (0, 3, 4) = (2, 1, 2).
b) ||u|| =
1 + 4 + 1 =
6.
c) versor de v =
v
||v||
=
(0,3,4)
9+16
=
_
0,
3
5
,
4
5
_
.
CEDERJ
116
M
ODULO 2 - AULA 17
d) < u, v >= 0 + 6 + 4 = 10.
e) d(u, v) = ||u v|| = ||(1, 1, 3)|| =
1 + 1 + 9 =
11.
R18. < u, v >= 0 a(a + 1) + (a + 2) + a = 0 a
2
+ 3a + 2 = 0
a = 1 ou a = 2.
R19. a) ||u + v|| =
_
1 3
4 7
_
1 + 9 + 16 + 49 =
75 = 5
3.
b) cos =
<u,v>
||u||.||v||
=
2+2+3+12
1+4+1+9
4+1+9+16
=
15
15
30
=
2
2
= 45
o
.
R20. < p(t), q(t) >= 2 15 2 = 15.
R21. a)
u
||u||
=
(1,2,1)
6
=
_
1
6
,
2
6
,
1
6
_
.
b)
v
||v||
=
(1/2,2/3,1/2)
17/18
=
3
17
(
1
2
,
2
3
,
1
2
) =
_
3
2
2
17
,
2
17
,
3
2
2
17
_
.
R22. a)
_
1
0
(t 1)(3t
3
+ 2t + 1)dt =
_
1
0
(3t
4
3t
3
+ 2t
2
t 1)dt =
3t
5
5

3t
4
4
+
2t
3
3

t
2
2
t
_
1
0
=
3
5

3
4
+
2
3

1
2
1 =
59
60
.
b) ||p(t)|| =
_
< p(t), p(t) > =
_
_
1
0
(p(t))
2
dt =
_
_
1
0
(t
2
t)
2
dt =
_
_
1
0
(t
4
2t
3
+ t
2
)dt =
_
_
t
5
5

2t
4
4
+
t
3
3
_
1
0
=
_
1
30
.
c) < f(t), g(t) >= 0
_
1
0
(f(t).g(t))dt = 0
_
1
0
(at
3
2at
2
+ t
2)dt = 0
_
at
4
4

2at
3
3
+
t
2
2
2t
__
1
0
= 0
a
4

2a
3
+
1
2
2 = 0
a =
18
5
.
R23. Se u e ortogonal a v entao < u, v >= 0. Seja R. Ent ao
< u, v >= < u, v >= .0 = 0. Logo, u tambem e ortogonal
a v, para qualquer escalar .
R24. Queremos um vetor v = (a, b, c) tal que < v, v
1
>= 0 =< v, v
2
>. Isto
leva a
_
2a + b + c = 0
a + 3b = 0
. A solu cao desse sistema e qualquer vetor de
R
3
da forma (3b, b, 5b), para b R.
R25.
_
u
<u,v>
||v||
2
v, v
_
=< u, v >
_
<u,v>
||v||
2
v, v
_
=< u, v >
<u,v>
||v||
2
||v||
2
=
=< u, v > < u, v >= 0.
R26. a(a + 1) + (a + 2) + a = 0 a
2
+ 3a + 2 = 0 a = 1 ou a = 2.
117
CEDERJ
R27. Seja {u
1
, u
2
, u
3
} a base ortonormal procurada. Ent ao:
u
1
=
v
1
||v
1
||
=
(1,1,1)
3
.
w
2
= v
2
proj
u
1
v
2
=< v
2
, u
1
> u
1
= 0.u
1
, o que indica que os vetores
u
1
e v
2
sao ortogonais. Basta normalizar o vetor v
2
:
u
2
=
v
2
||v
2
||
=
(1,1,0)
2
.
w
3
= v
3
proj
u
1
v
3
proj
u
2
v
3
= v
3
< v
3
, u
1
> u
1
< v
3
, u
2
> u
2
=
(1, 1, 1)
_
3
__
1
3
,
1
3
,
1
3
_
2
__
1
2
,
1
2
, 0
_
=
_
1
3
,
1
3
,
2
3
_
.
u
3
=
w
3
||w
3
||
=
3
6
_
1
3
,
1
3
,
2
3
_
=
_
1
6
,
1
6
,
2
6
_
.
Resposta:
__
1
3
,
1
3
,
1
3
_
,
_
1
2
,
1
2
, 0
_
,
_
1
6
,
1
6
,
2
6
__
.
R28. Sendo S o subespa co de R
3
1
e v
2
, sabemos que
proj
S
u = proj
u
1
u + proj
u
2
u, onde {u
1
, u
2
} e uma base ortonormal de
S. Vericamos que os vetores v
1
e v
2
sao LI (um n ao e m ultiplo do
outro) e, portanto, formam uma base de S. Alem disso, o produto
interno deles e zero, logo, formam uma base ortogonal. Precisamos
apenas normaliz a-la. Logo, u
1
=
v
1
||v
1
||
=
(1,0,2)
5
e u
2
= v
2
, pois vetor v
2
e unit ario.
Entao:
proj
S
u =< u, u
1
> u
1
+ < u, u
2
> u
2
=
5
5
_
1
5
, 0,
2
5
_
+ 2(0, 1, 0) =
(1, 0, 2) + (0, 2, 0) = (1, 2, 2).
R29. a) Um vetor de U e da forma (y + z, y, z) = y(1, 1, 0) + z(1, 0, 1).
Assim, {v
1
, v
2
} com v
1
= (1, 1, 0) e v
2
= (1, 0, 1) e uma base de U.
Vamos aplicar o metodo de Gram-Schmidt para ortonormalizar
essa base. Seja {u
1
, u
2
} a base ortonormal procurada. Ent ao
u
1
=
v
1
||v
1
||
=
_
1
2
,
1
2
, 0
_
.
w
2
= v
2
< v
2
, u
1
> u
1
= (1, 0, 1)
1
2
_
1
2
,
1
2
, 0
_
= (
1
2
,
1
2
, 0) =
(
1
2
,
1
2
, 1).
u
2
=
w
2
||w
2
||
=
2
6
_
1
2
,
1
2
, 1
_
=
_
1
6
,
1
6
,
2
6
_
.
Logo, {
_
1
2
,
1
2
, 0
_
,
_
1
6
,
1
6
,
2
6
_
} e uma base ortonormal de U.
b) Um vetor v = (x, y, z) de R
3
pertence a U
se
< v, v
1
>=< v, v
2
>= 0. Isto leva a
_
x + y = 0
x + z = 0
. Logo,
v = (x, x, x) = x(1, 1, 1), para x R. Vamos normali-
zar o vetor (1, 1, 1), obtendo o vetor u
3
=
_
1
3
,
1
3
,
1
3
_
.
Entao, {
_
1
3
,
1
3
,
1
3
_
} e uma base ortonormal de U
.
CEDERJ
118
M
ODULO 2 - AULA 17
c) Queremos escrever (a, b, c) = u + w, com u U e w U
. Para
isso, temos que determinar o vetor u, proje cao ortogonal de v =
(a, b, c) sobre o subespa co U:
u = proj
U
v = proj
u
1
v + proj
u
2
v =< v, u
1
> u
1
+ < v, u
2
>
u
2
=
a+b
2
_
1
2
,
1
2
, 0
_
+
ab+2c
6
_
1
6
,
1
6
,
2
6
_
=
_
a+b
2
,
a+b
2
, 0
_
+
_
ab+2c
6
,
a+b2c
6
,
2a2b+4c
6
_
=
_
2a+b+c
3
,
a+2bc
3
,
ab+2c
3
_
.
Calculando v proj
v
U = (a, b, c)
_
2a+b+c
3
,
a+2bc
3
,
ab+2c
3
_
=
_
abc
3
,
a+b+c
3
,
a+b+c
3
_
.
Logo, a decomposi cao do vetor (a, b, c) numa soma de um vetor
de U com um de U
e dada por
(a, b, c) =
_
2a + b + c
3
,
a + 2b c
3
,
a b + 2c
3
_
. .
U
+
_
a b c
3
,
a + b + c
3
,
a + b + c
3
_
. .
U
.
119
CEDERJ

Espaços vetoriais: definição, exemplos e propriedades

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Espaços vetoriais: definição, exemplos e propriedades

Enviado por

Direitos autorais:

Formatos disponíveis

Espacos Vetoriais

2, que e um n umero real, a resposta certamente n ao ser a um

sejam elementos neutros de V , e vamos mostrar

, pois 0 e elemento neutro, mas

tambem e elemento neutro. Logo

. Nesse caso, teramos

sejam solu coes da referida equa cao, ou

E comum usar a abrevia cao L.I. para conjuntos linearmente indepen-

} e um conjunto L.I. e gera o mesmo subespa co U

Como U + V e subespaco e, como observamos acima, todo subespa co

v V . Como U V = {0} (pois a soma e direta),

No caso em que a soma e direta, U V = {0}, logo dimU V = 0 e

E facil ver que este conjunto e L.I., logo dimV = 3.

Angulo de dois vetores

< v, v > = 0 ||v|| = 0.

3/2, 1/2) >= 0,

E facil vericar que, de fato, o versor de v e unit ario:

25 = 5. Seu versor e o vetor

3/2) e o vetor < u, v > v (note que v e

3 = 0. Ent ao o segundo vetor da nova base e o versor de g

6(2/3, 4/3, 2/3) =

= (1/3)(1/3, 2/3, 2/3) = (1/9, 2/9, 2/9).

5) + 2(0, 1, 0) = (1, 2, 2).

2, 0) = (1/2, 1/2, 1).

6(1/2, 1/2, 1) = (1/

6) = (11/3, 13/3, 2/3).

o subconjunto formado pelos vetores de V que

e chamado complemento ortogonal de U e e tambem

, isto e, < v, u >= 0, u U. Ent ao

e da forma (0, y), com y R.

= [(0, 1)]. Note que U e o eixo das abscissas e U

, o eixo das ordenadas,

. Podemos, ent ao, escrever

, podemos ent ao, decompor cada vetor v de V , de forma

E importante lembrar que para determinar a proje cao de um vetor v

e o plano xy, isto e:

, pois, dado (x, y, z) R

= {(0, 0, z); z R}} = {(x, y, 0); x, y R} = {(0, 0, 0)} = o

, deve ser ortogonal a u

e gerado pelos vetores (2, 1, 0, 0, )

: {(1, 1, 4, 0), (1, 0, 6, 2)}

= (3 8) (4 a) = a 9. Queremos det A = 0, isto e,

Você também pode gostar