1

Licenciatura em Matemática Transmissão: 09/10/07 (terça-feira)

Álgebra Linear II

Planejamento: Andréa
Montagem:_______________ Revisão:_________________

Aula 1.2 P2 / Dário Tempo: 19:20 / 20:25 (1h05’)

1.

Unidade 01: Espaço vetorial.

Tema 02: Subespaços vetoriais.
Objetivo: Estudar as condições necessárias para identificar se um subconjunto de um
espaço vetorial é um espaço vetorial, e se soma ou interseção de subespaços é um espaço
vetorial.

2.

Com doze andares de altura e pesando 75 toneladas , o ônibus espacial americano

Columbia partiu de sua plataforma de lançamento numa manhã fresca num domingo de
abril de 1981, em Palm. Produto de doze anos de intensa pesquisa e desenvolvimento, o
primeiro ônibus espacial dos Estados Unidos foi uma vitória da engenharia de controle de
sistemas, envolvendo muitas áreas da engenharia - aeronáutica, química, elétrica,
hidráulica e mecânica.
Os sistema de controle do ônibus espacial são absolutamente críticos para o vôo. Como o
ônibus espacial é uma aeronave instável, ele requer um constante monitoramento por
computador durante o vôo atmosférico. O sistema de controle de vôo envia uma seqüência
de comandos para as superfícies de controle aerodinâmico e 44 jatos de propulsão.

Este esquema é um sistema fechado de feedback típico que controla a inclinação do

ônibus espacial durante o vôo. O símbolo em destaque é onde os sinais dos diversos
sensores são somados aos sinais do computador e fluem para o controlador.
Matematicamente os sinais de entrada e saída de um sistema de engenharia são funções.
É importante para as aplicações que essas funções possam ser somadas e multiplicadas
por escalares. Essas duas operações em funções têm propriedades algébricas que são
análogas às operações de soma de vetor e multiplicação de vetor por escalar no IRn. Por
isso, o conjunto de todas as entradas possíveis, que na verdade são funções, é chamado
de espaço vetorial. A fundamentação matemática para a engenharia de sistemas repousa
sobre os espaços vetoriais de funções, portanto precisamos entender a teoria de vetores
do IRn de modo a incluir as funções.

Álgebra Linear II Aula 1.2 Dário

 2

3. Arte
Subespaço vetorial
Definição
V um espaço vetorial
S ⊂ V , S ≠∅
S é um subespaço vetorial de V , se:
I ) ∀ u, v ∈ S ⇒ u + v ∈ S
II ) ∀ u ∈S e ∀ λ ∈ IR ⇒ λ u ∈ S

4. Arte
Aplicação
Seja V = IR 2 e S = {( x , 2 x); x ∈ IR} ⊂ IR 2 , uma reta que passa pela origem dos
2
espaços. Mostre que S é um subespaço vetorial de IR .

5. Arte
Solução
S = {( x , 2 x); x ∈ IR}
( 0, 0 ) ∈ S , pois ( 0, 0 ) = ( 0, 2 ⋅ 0 )
I ) ∀ u, v ∈ S ⇒ u + v ∈ S .
II ) ∀ u ∈S e ∀ λ ∈ IR ⇒ λ u ∈ S .
( I ) u ∈ S ⇒ u = ( a , 2a )
v ∈ S ⇒ v = (b , 2b )
u + v = (a , 2a ) + (b , 2b )
u + v = (a + b , 2a + 2b)
u + v = (a + b , 2(a + b))
u + v ∈S
( II ) u ∈ S ⇒ u = (a , 2a ) e λ ∈ IR
λ u = λ (a , 2a ) = (λ a , λ (2a) )
λu = (λ a , (λ.2)a ) = (λ a , (2.λ )a )
λu = (λ a , 2(λ a ) )
λu ∈ S
2
S é um subespaço vetorial do espaço vetorial IR .
y
2

0
1 x

6. Arte
Aplicação

Álgebra Linear II Aula 1.2 Dário

 3

Seja S um subespaço vetorial do espaço vetorial V . Sendo θ é o vetor nulo de V , então

θ ∈S .

7. Arte
Solução
Sendo S subespaço vetorial de V , vamos fazer uso da condição (ii ) da definição de
subespaço, que nos diz que ∀ u ∈ S e ∀ λ ∈ IR tem-se λ u ∈ S .
Fazendo λ = 0 , teremos 0 ⋅ u = θ ∈ S .

8. Arte
Aplicação
Mostre que o conjunto S = { ( t , t + 1); t ∈ IR} ⊂ IR não é um subespaço de IR .
2 2

9. Arte
Solução 1
I ) ∀ u, v ∈ S ⇒ u + v∈ S .
u ∈ S ⇒ u = (a, a + 1)
v ∈ S ⇒ v = ( b, b + 1)
u + v = ( a , a + 1) + ( b , b + 1)
u + v = ( a + b , a + 1 + b + 1)
u + v = ( a + b , a + b + 2)
u +v∉S
2
Logo S não é um subespaço vetorial de IR .

10. Arte
Solução 2
(0, 0) ∈ S
( 0, 0 ) = ( t , t + 1) , t ∈ IR.
t = 0 , t + 1 = 0 ⇒ t = −1
Absurdo!
( 0, 0 ) ∉ S
S
y
u+v
v
1
u

11. Arte
Aplicação

Álgebra Linear II Aula 1.2 Dário

 4

Seja V = M n × n ( IR ) o espaço vetorial das matrizes quadradas de ordem n , e seja

B ∈ M n × n ( IR) fixa. Mostre que o subconjunto S = { A ∈ M n× n ( IR); A.B = 0n } , o conjunto

das matrizes A que ao multiplicar à esquerda de B tem resultado nulo, é um subespaço
vetorial .

12. Arte
Solução
Seja B ∈ M n×n , uma matriz fixada.

A matriz nula 0n ∈ S , pois 0n ⋅ X = 0n , ∀X ∈ M n×n . Em particular para X = B .

I ) ∀ u, v∈ S ⇒ u + v∈ S .
II ) ∀ u ∈S e ∀ λ ∈ IR ⇒ λ u ∈ S .
I ) A1 ∈ S ⇒ A1 ⋅ B = 0n
A2 ∈ S ⇒ A2 .B = 0n
( A1 + A2 ) ⋅ B = A1 ⋅ B + A2 ⋅ B
( A1 + A2 ) ⋅ B = 0n + 0n = 0n
A1 + A2 ∈ S

II ) ∀ A∈ S e ∀ λ ∈ IR ⇒ λ A∈ S
A∈ S ⇒ A.B = 0
( λ A ).B = λ ( A.B) = λ.0 = 0 .

Portanto, S é um subespaço vetorial de M n × n ( IR) .

13. Arte
Aplicação
Se uma massa m for presa na extremidade de uma mola e se a mola for puxada para
baixo e liberada, o sistema massa mola começará a oscilar. O deslocamento y da massa
com relação à sua posição de repouso é dado por uma função da forma
y ( t ) = a cos ωt + b sen ωt
onde ω é uma constante que depende da mola e da massa. Mostre que o conjunto de
todas as funções desse tipo (com ω fixo e a, b ∈ IR arbitrários) é um sub espaço vetorial
do espaço vetorial das funções reais.

14. Arte
Solução

Álgebra Linear II Aula 1.2 Dário

 5

S = { f : R → Rg; f (t ) = a cos ωt + b sen ω t, com a, b ∈ R quaisquer e ω ∈ R fixo}

θ(t ) = 0 ∈ S , a = b = 0
I ) ∀ u, v ∈ S ⇒ u + v∈ S .
II ) ∀ u ∈ S e ∀ λ ∈ IR ⇒ λ u ∈ S .

I ) f1 ( t ) , f 2 ( t ) ∈ S ⇒ f1 ( t ) + f 2 ( t )∈ S
f1 ( t ) ∈ S ⇒ f1 (t ) = a1 cos ωt + b1sen ω t
f 2 ( t ) ∈ S ⇒ f 2 (t ) = a2 cos ωt + b2sen ω t
f1 (t ) + f 2 (t ) = ( a1 cos ωt + b1sen ω t ) + ( a2 cos ωt + b2sen ω t )
f1 (t ) + f 2 (t ) = ( a1 + a2 ) cos ωt + ( b1 + b2 ) sen ω t
( a1 + a2 ) , ( b1 + b2 ) ∈ IR
f1 ( t ) + f 2 ( t )∈ S

I ) f ( t ) ∈ S e λ ∈ IR ⇒ λ ⋅ f ( t )∈ S .
λ ∈ IR e f (t ) ∈ S ⇒ f (t ) = a cos ωt + b sen ω t
λ ⋅ f (t ) = λ ( a cos ωt + b sen ω t )
λ ⋅ f (t ) = λ a cos ωt + λ b sen ω t
λ a, λb ∈ IR
λ ⋅ f ( t )∈ S

15. Arte
Aplicação
⎧ ⎫ n
Sejam V = ⎨ f : IR → IR ; f ( x) = a0 +
⎩ k =1 ⎭
∑a x k
k
⎬ o espaço vetorial das funções polinomiais

de grau ≤ n ,com ai ∈ IR ∀ i = 1, 2,..., n e S um subconjunto das funções pares de V

definido por S = { f ∈V ; f ( x ) = f ( − x) ∀x ∈ IR} . Mostre que S é um subespaço
vetorial .

16. Arte
Solução
S = { f ∈V ; f ( x) = f (− x) ∀x ∈ IR}
θ( x) = 0 ∈ S , pois para todo x , θ( x) = θ ( − x ) = 0.

I ) ∀ f , g ∈S ⇒ f + g ∈S .
II ) ∀ f ∈ S e ∀ λ ∈ IR ⇒ λ f ∈ S .

I ) f , g ∈S ⇒ f + g ∈S .
f ∈ S ⇒ f ( x) = f ( − x )
g ∈ S ⇒ g ( x) = g ( − x )

Álgebra Linear II Aula 1.2 Dário

 6

( f + g )( x ) = f ( x ) + g ( x )
( f + g )( x ) = f ( − x ) + g ( − x )
( f + g )( x ) = ( f + g )( − x )
f + g ∈S

I ) f ∈ S e λ ∈ IR ⇒ λ f ∈ S
f ∈ S e λ ∈ IR
( λ f ) ( x) = λ ⋅ ⎡⎣ f ( x )⎤⎦
( λ f ) ( x) = λ ⋅ ⎡⎣ f ( − x )⎤⎦
( λ f ) ( x) = ( λ f ) (− x)
λ f ∈S

17. Arte
Interseção de subespaços
Teorema
Seja S a interseção dos n subespaços vetoriais S1 , S 2 , S3 ,..., S n do espaço vetorial V ,
n
ou seja , S = I Sk . Sendo assim temos que S é um subespaço vetorial de V .
k =1

18. Arte
Teorema da Interseção de subespaços
Demonstração
S é não-vazio, de fato, o vetor nulo de um espaço vetorial V pertence a todos os
n
subespaços de V , como S = IS k , então o vetor nulo é elemento de S .
k =1

I ) se u, v são elementos quaisquer de S então u, v ∈ Sk , ∀ k = 1, 2,3,..., n . Logo

n
temos que u + v ∈ S k , ∀ k . Assim u + v ∈ IS k =S.
k =1
II ) Para qualquer λ ∈ IR :
se u é elemento qualquer de S então u ∈ S k , ∀ k = 1, 2,3,..., n . Logo temos que
n
λu ∈ Sk , ∀ k. Assim λ u ∈I S k = S .
k =1
n
Sendo assim temos que S = IS k é um subespaço vetorial do espaço vetorial V .
k =1

19. Arte
Exemplo
V = IR 3 e S1 I S 2 é a reta de interseção dos planos S1 e S2 , onde S1 e S2 são
3
subespaço vetoriais do IR

Álgebra Linear II Aula 1.2 Dário

 7

S2
S1 IS2 y

S1

20. Arte
Aplicação
Seja o espaço vetorial IR 4 e os subespaços S1 = { ( x, y, z , 0); x, y, z ∈ IR} e
S 2 = { ( 0, b, c, d ); b, c, d ∈ IR} . Determine a interseção de S1 com S2 .

21. Arte
Solução
S1 = { ( x, y, z , 0); x, y, z ∈ IR}
S 2 = { ( 0, b, c, d ); b, c, d ∈ IR}
( x1 , x2 , x3 , x4 ) ∈ S1 I S 2
( x1 , x2 , x3 , x4 ) ∈ S1 e ( x1 , x2 , x3 , x4 ) ∈ S2
( x1 , x2 , x3 , x4 ) ∈ S1 ⇒ x4 = 0
( x1 , x2 , x3 , x4 ) ∈ S2 ⇒ x1 = 0
S1 com S2 , é dada por
S1 I S 2 = { ( 0, x2 , x3 , 0); x2 , x3 ∈ IR } .

22. Arte
Soma de Subespaços
Teorema
A soma dos n subespaços vetoriais S1 , S 2 , S3 ,..., S n do espaço vetorial V é um
n
⎧ n
⎫
subespaço vetorial do espaço vetorial V . Seja , S = ∑S
k =1
k = ⎨v ∈ S ; v = ∑ vk ⎬ onde
⎩ k =1 ⎭
vk ∈ Sk . Temos que S é um subespaço vetorial de V .

23. Arte
Soma de Subespaços
Demonstração
n
⎧ n
⎫
Seja S = ∑S
k =1
k = ⎨ v ∈ S ; v = ∑ vk ⎬ , onde sk ∈ S k para cada k = 1, 2,3,..., n .
⎩ k =1 ⎭

Álgebra Linear II Aula 1.2 Dário

 8

O vetor nulo está em S , pois por hipótese S k é subespaço vetorial ∀ k =1, 2,..., n e o
vetor nulo pode ser descrito como uma soma de n parcelas:
0 = 0 + 0 + 0 +L + 0 .

Sejam u e v são elementos quaisquer de S onde

n n
u = ∑ uk , uk ∈ Sk e v = ∑ vk , vk ∈ Sk
k =1 k =1
∀ k = 1, 2,..., n . Desta forma temos :
n n n
u + v = (∑ uk ) + ( ∑ vk ) = ∑ (uk + vk ) ∈ S .
k =1 k =1 k =1

Pois para uk , vk ∈ S k , temos que uk + vk ∈ S k , pois por hipótese Sk é subespaço

vetorial ∀ k = 1, 2,..., n .
Satisfazendo assim a condição ( i ) da definição de subespaço vetorial.
n
Para qualquer λ ∈ IR e para todo u = ∑u
k =1
k com u ∈ S k , ∀ k = 1, 2,3,..., n temos:

n n
λ u = λ ( ∑ uk ) = ∑ (λ uk ) ∈ S ,
k =1 k =1

Para uk ∈ S k , temos que λ uk ∈ S k , pois por hipótese Sk é subespaço vetorial

∀ k = 1, 2,..., n .
Satisfazendo assim à condição ( i i ) da definição de subespaço vetorial.

24. Arte
Aplicação
3
Sejam W1 e W2 dois subespaços do espaço vetorial IR , sendo W1 e W2 duas retas
concorrentes . Esboçe geometricamente a soma de W1 com W2 .

25. Arte
Solução
z

W1 + W 2

W2

W1

26. Arte
Aplicação

Álgebra Linear II Aula 1.2 Dário

 9

Sejam S1 e S 2 subespaço vetoriais do espaço vetorial das matrizes reais de dimensão 2,

⎧⎛ a 0 ⎞ ⎫ ⎧⎛ 0 x⎞ ⎫
definidas por S1 = ⎨⎜ ⎟ ; a, b ∈ IR ⎬ e S 2 = ⎨⎜ ⎟ ; x, y ∈ IR ⎬ . Mostre que
⎩⎝ b 0 ⎠ ⎭ ⎩⎝ 0 y⎠ ⎭
S1 + S 2 = M 2×2 ( IR)

27. Arte
Solução
S1 + S 2 = { A1 + A2 | A1 ∈ S1 e A2 ∈ S 2 }
⎛ a 0⎞
A1 ∈ S1 ⇒ A1 = ⎜ ⎟
⎝b 0⎠
⎛0 x⎞
A2 ∈ S2 ⇒ A2 = ⎜ ⎟
⎝0 y⎠

⎛a 0⎞ ⎛0 x⎞
A1 + A2 = ⎜ ⎟+⎜ ⎟
⎝b 0⎠ ⎝0 y⎠
⎛a x⎞
A1 + A2 = ⎜ ⎟
⎝b y⎠
a, b, x, y ∈ IR
⎧⎛ a x⎞ ⎫
S1 + S 2 = ⎨⎜ ⎟ ; a, b, x, y ∈ IR ⎬ = M 2×2 ( IR )
⎩⎝ b y⎠ ⎭

Intervalo Tempo: 20:25 /20:45 (20’)

Álgebra Linear II Aula 1.2 Dário