Apostila de Álgebra Linear 2019

NOTAS DE AULA DE ÁLGEBRA LINEAR
Profª Drª Ana Paula Marins Chiaradia
Departamento de Matemática - FEG - UNESP
Versão: 2019
Notas de aula de Álgebra Linear - Profª Ana Paula
INTRODUÇÃO
Com doze andares de altura e pesando 75 toneladas, o US Columbia partiu majestosamente de

sua plataforma de lançamento numa manhã fresca num domingo de abril de 1981, em Palm. Produto
de dez anos de intensa pesquisa e desenvolvimento, o primeiro ônibus espacial dos EUA foi uma
vitória da engenharia de controle de sistemas, envolvendo muitas áreas da engenharia - aeronáutica,
química, elétrica, hidráulica e mecânica.
Os sistemas de controle do ônibus espacial são absolutamente críticos para o voo. Como o
ônibus espacial é uma aeronave instável, ele requer um constante monitoramento por computador
durante o vôo atmosférico. O sistema de controle de voo envia uma sequência de comandos para as
superfícies de controle aerodinâmico e 44 jatos de propulsão.
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 operações em funções têm propriedades algébricas que são completamente análogas às
operações de soma de vetor e multiplicação de vetor por escalar no  n . Por este motivo, o conjunto de
todas as entradas possíveis (funções) é chamado de um espaço vetorial.(Texto extraído e adaptado de
Livro “Álgebra Linear e suas aplicações”, David C. Lay, 2ª edição. LTC.).
2
ESPAÇOS VETORIAIS
Definição: Um espaço vetorial real (abreviado por e.v.) é um conjunto V, não vazio, com duas
operações definidas: soma

VV  V
v, v  v  v
e multiplicação por escalar

KV  V
a, v  av
satisfazendo a propriedades operatórias análogas às listadas para matrizes e vetores, sendo:
da soma:
A1) u  v  v  u, com u,v  V.
A2) u  v  w  u  v  w.
A3) Existe um elemento nulo 0 em V tal que u  0  0  u  u.
A4) Para cada u em V, existe um elemento oposto u em V tal que u  u  0.
da multiplicação por escalar:
M1)   u  v    u    v.
M2)     u    u    u.
M3)     u    u.
M4)1  u  u, para todo elemento u de V.
Portanto, dizer que V é um espaço vetorial real significa que V é fechado para soma e para a
multiplicação por escalar. Isto é, se u e v são elementos quaisquer de V, então u  v está em V. E se u
é um elemento qualquer de V e  qualquer número real, então   u está em V.
Propriedades:
1. O vetor nulo (0) de V é único.
2. O vetor oposto de v em V, isto é, v  1v, é único.
Observação:
1. Os elementos de V são chamados de vetores.
2. Se V é o conjunto das matrizes de ordem 2, chamaremos mesmo assim as matrizes de
vetores.
3. Em geral se escreve   v  v e u  v  u  v, por simplicidade.
Exemplos: São espaços vetoriais com as operações usuais (a soma e multiplicação por escalar
conhecidas):
  conjunto dos números reais.
 2  x, y/x, y    conjunto dos vetores no plano bi-dimensional.
3
3  x, y, z/x, y, z    conjunto dos vetores no plano tri-dimensional.

n
  x 1 , x 2 ,  , x n /x i    conjunto dos vetores n-uplas de números reais.
M mxn  conjunto das matrizes mxn cujos elementos são reais.
M n  conjunto das matrizes de ordem n cujos elementos são reais.
fx  conjunto das funções reais de variável real.
P n x  a 0  a 1 x  a 2 x²  a n x n conjunto dos polinômios de grau menor ou igual a n de
coeficientes reais.
Exercício 1: Descreva o vetor nulo e vetor oposto de cada espaço vetorial citado acima.
Consultar o livro: Steinbruch, A. Winterle, P. Álgebra Linear. 2a. ed. Makron Books. 1987.
Fazer os exercícios 1 a 7 (páginas 87 e 88) do capítulo 2.
4
SUBESPAÇOS VETORIAIS
Ás vezes, é necessário detectar, dentro de um espaço vetorial V, subconjuntos S que sejam eles
próprios espaços vetoriais "menores". Tais conjuntos serão chamandos subespaços vetoriais de V.
Exemplo: O conjunto nulo S  0 e o próprio espaço vetorial V são subespaços (triviais) de V.
Definição: Seja V um espaço vetorial real. Um subconjunto S  V (um conjunto não vazio) é um
subespaço vetorial de V se:
a) 0  S .
b) Se v, w  S, então v  w  S.
c) Se k   e v  S, então k  v  S.
Seja V um espaço vetorial real e S um subconjunto não vazio de V. S é um subespaço vetorial de

V se S for um espaço vetorial, com as operações de adição e multiplicação por escalar definidas para
V.
Observação: Muitas vezes usamos a palavra subespaço no lugar de subespaço vetorial e
espaço ao invés de espaço vetorial quando não existe possibilidade de dúvida.
Exemplo: São subespaços de  2 com as operações usuais:
y y
y
x x
x
0,0a origem uma reta que passa pela origem próprio  2
Exemplos: São subespaços de  3 com as operações usuais:

- 0, 0, 0 a origem
- uma reta que passa pela origem
- um plano que passa pela origem.
- e o próprio  3
Exemplo: Não é subespaço vetorial de  2 com as operações usuais:

S  x, y   2 /x  0 e y  0
5
OBS:  2   3 , isto é, 1, 3  1, 3, 0!!!!!!!!!!
Exemplo: São subespaços vetoriais de V dado:

a) S nxn  S n  M n /S  S T   conjunto das matrizes simétricas de V  M n (conjunto das matrizes
quadradas de ordem n).
b) Se AX  B é um sistema linear homogêneo de m equações em n incógnitas, então o conjunto

dos vetores-soluções é um subespaço do V   n .
1 2 3 x 0
Exemplo: 2 4 6 y  0 . Encontre a solução deste sistema homogêneo.
3 6 9 z 0
Verifique que o vetor-solução pode ser escrito como x  2y  3z  0 que é a equação de um plano
que passa pela origem, isto é, S  x, y, z   3 /x  2y  3z  0 é subespaço vetorial de  3 com as
operações usuais.
Isto significa que se somarmos duas soluções, a soma de soluçõe também será uma solução do
sistema. Faça o teste: encontre duas soluções e some-as!
O produto de uma constante real por uma solução também será solução do sistema. Faça o
teste: multiplique uma solução por uma constante real qualquer!
E a solução trivial é solução do SEL, o que prova que o vetor-solução é um subespaço vetorial do
3
 com as operações usuais.
E o SEL for não-homogêneo, o conjunto dos vetores-soluções será um subespaço do V 

n
 ? Por quê?
Exemplos:
1) O conjunto S  x, y, z   3 /2x  3y  6z  0 (plano contendo a origem) é um subespaço de
3.
2) O conjunto S  x, y, z   3 /2x  3y  6z  12 (plano não contendo a origem) não é um
subespaço de  3 .
6
3) Sejam S 1 e S 2 subespaços do espaço V. A interseção de subespaços S 1  S 2 é um subespaço

de V, mas a união S 1  S 2 não é um subespaço de V.
Exercício 2: Quais dos seguintes conjuntos S são subespaços vetoriais de V? Justifique

1) V   3 e S  a, 0, 0   3 /a  
2) V   3 e S  a, 1, 1   3 /a  
3) V   3 e S  a, b, c   3 /b  a  c  1, em que a, b, c  
a b
4) V  M 2 e S  A  M 2 /a  b  c  d  0, em que a, b, c  
c d
a b
5) V  M 2 e S  A  M 2 / det A  0
c d
6) V  M n e S  A  M n /A T  A
Respostas: São 1, 4 e 6.
Exercícios de Revisão
1) Considere o conjunto cujo único elemento é a Lua. Será este conjunto um espaço vetorial com
as operações LuaLua  Lua e k Lua  Lua para cada número real k? Explique o seu raciocínio.
2) Você considera possível existir um espaço vetorial formado por exatamente dois vetores
distintos? Explique o seu raciocínio.
3) Determine se o conjunto-solução do sistema AX  0 é uma reta pela origem, um plano pela

origem ou somente a origem. Se for um plano, obtenha uma equação para este plano; se for uma reta,
obtenha as equações paramétricas desta reta.
1 1 1 1 2 3 1 2 3
a) A  3 1 0 b) A  3 6 9 c) A  2 5 3
2 4 5 2 4 6 1 0 8
1 2 6 1 1 1 1 3 1
d) A  1 4 4 e) A  2 1 4 f) A  2 6 2
3 10 6 3 1 11 3 9 3
7
4) Decida se a afirmação dada é sempre verdadeira ou às vezes falsa. Justifique sua resposta
dando um argumento lógico ou um contra-exemplo.
a) Se AX  B é qualquer sistema linear possível de m equações em n incógnitas, então o
conjunto-solução é um subespaço de  n .
b) Se W é um conjunto de um ou mais vetores de um espaço vetorial V tal que ku  v sempre é
um vetor em W para quaisquer vetores u e v em W e qualquer escalar k, então W é um subespaço de
V.
5) Considere o sistema linear

2x  4y  6z  a
x  y  4z  b
6y  14z  c
Seja W  x, y, z   3 /x, y, z é solução do sistema. Isto é, W é o conjunto-solução do sistema;
Que condições devemos impor a a, b,e c para que W seja subespaço vetorial de  3 ?
Respostas
1) sim
2) não
3) a) reta;x  1/2t, y  3/2t, z  t b) reta; x  2t, y  t, z  0 c) origem
d) origem e) reta; x  3t, y  2t, z  t f) plano; x  3y  z  0
4) a) falsa b) verdadeira
5) a  b  c  0
Fazer os exercícios 8 a 26 (páginas 88 e 90) do capítulo 2.
8
SOMA DIRETA
Definição: Sejam S 1 e S 2 dois subespaços vetoriais de V. A soma S de S 1 e S 2 , que representa

por S  S 1  S 2 , é o conjunto de todos os vetores u  v tais que u  S 1 e v  S 2 .
S  S 1  S 2  w  S / w  u  v , em que u  S 1 e v  S 2
Teorema: A soma S de dois subespaços vetoriais S 1 e S 2 de V é um subespaço vetorial de V.
Exemplo: V  M 2
a b a 0
S1  /a, b   e S2  /a, c   .
0 0 c 0
a b
Então, S 1  S 2  /a, b, c  
c 0
Exemplo: V   3
S 1  a, b, 0/a, b   e S 2  0, 0, c/c  
Então, S 1  S 2  a, b, c/a, b, c  
Definição: Sejam S 1 e S 2 dois subespaços vetoriais de V. Diz-se que V é soma direta de S 1 e S 2

se
1) V  S 1  S 2
2) S 1  S 2  0
Notação: V  S 1  S 2
Teorema: Se V é soma direta de S 1 e S 2 , todo vetor v  V se escreve, de modo único, na forma

v  u  w onde u  S 1 e w  S 2 .
Exemplo: V  M 2
a b a 0
S1  /a, b   e S2  /a, c   .
0 0 c 0
a b
Então, V não é soma direta de S 1 e S 2 pois S 1  S 2  /a, b, c   V e
c 0
9
a 0
S1  S2  /a   .
0 0
S 1  a, b, 0/a, b   e S 2  0, 0, c/c  
Então,  3  S 1  S 2  a, b, c/a, b, c  . Qualquer vetor a, b, c   3 pode ser escrito como
soma de um vetor de S 1 e um vetor de S 2 de modo único:
a, b, c  a, b, 0  0, 0, c.
S 1  a, b, 0/a, b   e S 2  a, 0, c/a, c  . Neste caso  3  S 1  S 2 não é soma direta.
10
COMBINAÇÕES LINEARES
Definição: Seja V um espaço vetorial real e S  v 1 , v 2 ,  , v n  uma conjunto de vetores em V.

Dizemos que um vetor qualquer v  V é combinação linear dos elementos de S, se existem escalares
k 1 , k 2 ,  , k n   tal que
v  k 1 v 1  k 2 v 2  k n v n
OBS:
1) Se n  1, então a equação desta definição reduz a v  k 1 v 1 ; ou seja, v é uma combinação
linear de um único vetor v 1 se for um múltiplo escalar de v 1 .
2) Se o sistema obtido for impossível (SI), então não existem escalares de modo que v possa ser
escrito como combinação linear dos vetores v 1 , v 2 ,  , v n . Portanto, v não é combinação linear dos
vetores v 1 , v 2 ,  , v n .
3) Se o sistema tiver solução, isto é, for possível (SP), então v pode ser escrito como combinação
linear dos vetores v 1 , v 2 ,  , v n . Se o sistema for SPD, os escalares são únicos, isto é, v pode ser
escrito de forma única como combinação linear dos vetores v 1 , v 2 ,  , v n .
Exemplo: O vetor v  3, 2, 1  R³ pode ser escrito como uma combinação linear dos vetores
de S  1, 0, 0, 1, 1, 0, 1, 1, 1.
Resp: v  5v 1  3v 2  v 3
Exemplo: O vetor v  4, 3, 6  R³ não é combinação linear dos vetores de

S  1, 3, 2, 2, 4, 1.
Exemplo: O vetor v  4, 18, 7  R³ é combinação linear dos vetores de

S  1, 3, 2, 2, 4, 1.
Resp:v  2v 1  3v 2
Exercícios
1: Determinar escalares p, q, r   tal que 1, 2, 3  p1, 0, 0  q1, 1, 0  r1, 1, 1.
2: Determine o valor de a para que o vetor u  1, a, 7 seja combinação linear dos vetores de
S  1, 3, 2, 2, 4, 1.
3. Determine a condição para que x, y, z de modo que x, y, z seja combinação linear dos vetores
de S  1, 3, 2, 2, 4, 1. Interprete geometricamente.
4 Mostrar que o vetor v  3, 4   2 pode ser escrito de infinitas maneiras como combinação
linear dos vetores de S  1, 0, 0, 1, 2, 1.
11
Respostas:
1) p  1, q  1 e r  3
2) a  13
3) x  y  2z  0
Cada vetor a, b, c em  3 pode escrito como uma combinação linear dos vetores:
i  1, 0, 0 j  0, 1, 0 k  0, 0, 1
pois v  a, b, c  a1, 0, 0  b0, 1, 0  c0, 0, 1  ai  bj  ck.
Exercício 5: Escreva os vetores como uma combinação de i, j e k.

a) (-3,4,5)
b) (0,3,0)
c) (-1,0,0)
d) (0,0,3)
e) (0,3,7)
f) (2,0,-4)
g) (3,5,0)
h) (-1,-1,-1)
i) (1,1,1)
k) (10, 9, 4)
Exercícios de Revisão
1) Quais dos seguintes são combinações lineares de u  0, 2, 2 e v  1, 3, 1?
a) (2,2,2) b) (3,1,5) c) (0,4,5) d) (0,0,0)
2) Expresse os seguintes como combinações lineares de u  2, 1, 4, v  1, 1, 3 e w  3, 2, 5.
a) (-9,-7,-15) b) (6,11,6) c) (0,0,0) d) (7,8,9)
4 0
3) Quais das seguintes matrizes são combinações lineares de A ,
2 2
1 1 0 2
B , C ?
2 3 1 4
6 8 0 0 6 0 1 5
a) b) c) d
1 8 0 0 3 8 7 1
Respostas:
1) a, b, d
2) a) 2u  v  2w b) 4u  5v  w c) 0u  0v  0w d) 0u  2v  3w
3) a, b, c
12
Fazer os exercícios 27 a 32 (páginas 90 a 91) do capítulo 2.
13
ESPAÇOS FINITAMENTE GERADOS
Definição: Seja V uma espaço vetorial. Consideremos um subconjunto A  v 1 , v 2 ,  , v n   V,

A  . O conjunto S de todos os vetores de V que são combinações lineares dos vetores de A é um
subespaço vetorial de V. O subespaço S diz-se espaço gerado pelos vetores v 1 , v 2 ,  , v n ou gerado
pelo conjunto A e é representado por:
S  v 1 , v 2 ,  , v n   v  V / v  k 1 v 1  k 2 v 2  k n v n 
em que v 1 , v 2 ,  , v n são chamados geradores do subespaço S, enquanto A é o conjunto gerador de S.
OBS: A  , então   0, por convenção.
Exemplos:
1)  2  1, 0, 0, 1
2) S  x, y, 0/x, y    1, 0, 0, 0, 1, 0
3)  3  1, 0, 0, 0, 1, 0, 0, 0, 1
4) 1, 2  x, 2x/x  
5) 1, 2, 2, 4  x, 2x/x  
6) 1, 2, 3  x, 2x, 3x/x  
7) 1, 2, 1, , 2, 1, 1  x, y, z   3 /x  3y  5z  0
8) 3, 1, 5, 2   2
9) 1, 1, 1, 1, 1, 0, 1, 0, 0   3 .
10) V  M 2x2
1 2 3 1 2y  t y
,  /y, t  
2 3 1 1 y t
OBS:
a) O subespaço gerado por um vetor do  2 ou  3 , v  0, é uma reta que passa pela origem.
b) O subespaço gerado por dois vetores do  2 ou  3 , não-colineares, é um plano que passa pela
origem.
No caso do  2 , é o próprio  2 .
c) O subespaço gerado por 3 vetores não-coplanares é o próprio  3 .
OBS: O conjunto gerador não é único.
Definição: Um espaço vetorial V é finitamente gerado se existe um conjunto finito A, A  V, tal

que V  A.
14
Exemplo: São espaços vetoriais finitamente gerados: 2 ,  3 ,   n , Mnxm.
Exercício: Determine se u  1, 1, 2, v  1, 0, 1 e w  2, 1, 3 geram o espaço vetorial  3 .

Resp: 1, 1, 2,1, 0, 1, 2, 1, 3  x, y, z   3 /x  y  z  0
OBS: O problema reduz a determinar se o sistema obtido tem solução para quaisquer valores de
x, y e z. Isto é, se for possível calcular o determinante, será SP se, e somente se, o determinante da
matriz dos coeficientes for não-nulo. Se o determinante for nulo, então os vetores não geram o espaço.
Exercício de Fixação
Determine se os vetores dados geram  3 .
1) u  2, 2, 2, v  0, 0, 3, w  0, 1, 1
2) u  2, 1, 3, v  4, 1, 2, w  8, 1, 8
3) u  3, 1, 4, v  2, 3, 5, w  5, 2, 9, t  1, 4, 1
4) u  1, 2, 6, v  3, 4, 1, w  4, 3, 1, t  3, 3, 1
5) Sejam f  cos 2 x e g  sen 2 x. Quais dos seguintes estão no espaço gerado por f e g?
a) cos2x b) 3  x 2 c) 1 d) senx e) 0
6) Encontre uma equação para o plano gerado pelos vetores u  1, 1, 1 e v  3, 4, 4.
7) Encontre equações paramétricas para a reta gerada pelo vetor u  3, 2, 5.
8) Mostre que v 1  1, 6, 4 e v 2  2, 4, 1 e v 3  1, 2, 5 geram o mesmo subespaço vetorial de
3
 que os vetores w 1  1, 2, 5 e w 2  0, 8, 9.
9) Decida se a afirmação dada é sempre verdadeira ou às vezes falsa. Justifique sua resposta
dando um argumento lógico ou um contra-exemplo.
a) Se S é um conjunto finito de vetores de um espaço vetorial V, então S é fechado para adição
e multiplicação por escalar.
b) A interseção de dois subespaços de um espaço vetorial V também é um subespaço de V.
c) Se S 1   S 2 , então S 1  S 2 .
10) Sob quais condições dois vetores de  3 geram um plano? E uma reta?
11) Sob quais condições vale u  v? Explique.
Respostas:
1e4
5) a, c, e
6) y  z
7) x  3t, y  2t, z  5t em que t  
9) a) verdadeira b) verdadeira c) falsa
15
DEPENDÊNCIA LINEAR
Definição: Sejam V um espaço vetorial e v 1 , v 2 ,  , v n   V um conjunto não-vazio. Dizemos que

o conjunto v 1 , v 2 ,  , v n  é linearmente independente (LI), ou que os vetores v 1 , v 2 ,  , v n são LI, se a
equação
k 1 v 1  k 2 v 2  k n v n  0
implica que k 1  k 2   k n  0. No caso em que exista algum k i  0 dizemos que v 1 , v 2 ,  , v n  é
linearmente dependente (LD), ou que v 1 , v 2 ,  , v n são LD.
OBS: v 1 , v 2 ,  , v n  é LD, se e somente se um destes vetores for uma combinação linear dos
outros. Isto é, um conjunto de vetores é LI se, e somente se nenhum deles for uma combinação linear
dos outros.
Dica: No caso que é possível calcular o determinante, tem-se:

Sistema Determinante LD ou LI
SPD 0 LI
SPI 0 LD
Exemplos: Em cada caso, diga se cada conjunto é LD ou LI:

1) 1, 0, 0, 1 do  2 é um conjunto ___________.
2) 2, 3, 3, 5 do  2 é um conjunto ___________.
3) 2, 3, 4, 6 do  2 é um conjunto ___________.
4) 1, 0, 0, 0, 1, 0, 0, 0, 1 do  3 é um conjunto ___________.
5) 2, 1, 3, 1, 0, 2, 2, 3, 1 do  3 é um conjunto ___________.
6) 1, 3, 2, 0, 1, 1 do  3 é um conjunto ___________.
7) 0, 0, 0, 0, 1, 1, 2, 4, 5 do  3 é um conjunto ___________.
8) 0, 1, 0, 1, 0, 2, 1, 2, 1, 1, 1, 1 do  3 é um conjunto ___________.
1 2 2 3 3 4
9) , , do M 2x2 é um conjunto __________.
3 1 3 0 3 1
1 0 0 1 0 0 0 0
10) , , , do M 2x2 é um conjunto __________.
0 0 0 0 1 0 0 1
11) 1, 0, 0, 0, 1, 0, 0, 0, 1, 2, 3, 1 do  3 é um conjunto ___________.
12) 2, 1, 3, 1, 1, 2 do  2 é um conjunto ___________.
13) 1, 2do  2 é um conjunto ___________.
14) 1, 3, 5do  3 é um conjunto ___________.
1 2 3 6
15) , do M 2x2 é um conjunto __________.
4 3 12 9
16) 0, 0 do  2 é um conjunto ___________.
16
1 0 0 1 0 0 0 0
17) , , , do M 2x2 é um conjunto __________.
0 0 0 0 0 0 0 1
1 2 3 6 1 0
18) , , do M 2x2 é um conjunto __________.
4 3 12 9 0 0
OBS: Dois vetores formam um conjunto LD se, e somente se, um vetor é múltiplo escalar do
outro. Veja os exemplos__________.
Propriedades:
Seja V um espaço vetorial real.
1) v  V e v  0, então v é LI. Veja os exemplos _________.
2) Se um conjunto A  V contém o vetor nulo, então A é LD. Veja os exemplos ________.
3) Se uma parte de um conjunto A  V é LD, então A é também LD. Veja os

exemplos___________.
4) Se um conjunto A  V é LI, qualquer parte de A é também LI. Veja os exemplos___________.
Geometricamente:
No  2 ou  3 , um conjunto de dois vetores é LI, se e somente se, os vetores não estão numa
mesma reta.
No  3 , um conjunto de três vetores é LI, se e somente se, os vetores não estão num mesmo
plano.
Exercício 1: Verifique quais conjuntos são LI ou LD, no  2 ou  3 :

No  2 :
a) O conjunto é __________
y
b) O conjunto é __________
17
c) O conjunto é __________
y
d) O conjunto é __________
y
e)O conjunto é __________

y
No  3
f) O conjunto é __________
g) O conjunto é __________
h) O conjunto é __________
i) O conjunto é __________
j) O conjunto é __________
18
Exercício 2: Quais dos seguintes conjuntos de vetores do  3 são LD? Justifique a sua resposta.
a) 4, 1, 2, 4, 10, 2 Resp: não
b) 2, 0, 1, 3, 2, 5, 6, 1, 1, 7, 0, 2 Resp: sim
Exercício 3:
a) Mostre que os vetores v 1  0, 3, 1, 1,v 2  6, 0, 5, 1 e v 3  4, 7, 1, 3 formam um conjunto LD
4
do  .
b) Expresse cada vetor como combinação linear dos outros dois.
Respostas:
2) a) não b) sim
7
3) b) v 1  27 v 2  37 v 3 v2  7
2
v1  3
2
v3 v3  3
v1  2
3
v2
Exercícios de Revisão:
Suponha que v 1 , v 2 , v 3 são vetores em  3 com pontos iniciais na origem. Em cada parte,
determine se os vetores estão num plano, isto é, se são coplanares:
1) v 1  2, 2, 0, v 2  6, 1, 4, v 3  2, 0, 4
2) v 1  6, 7, 2, v 2  3, 2, 4, v 3  4, 1, 2
Suponha que v 1 , v 2 , v 3 são vetores em  3 com pontos iniciais na origem. Em cada parte,
determine se os vetores estão num reta, isto é, se são colineares:
3) v 1  1, 2, 3, v 2  2, 4, 6, v 3  3, 6, 0
4) v 1  4, 6, 8, v 2  2, 3, 4, v 3  2, 3, 4
5) Classificar os seguintes subconjuntos do  2 em LI ou LD. Justifique a sua resposta.
a) 1, 3 b) 1, 32, 6 c) 2, 1, 3, 5
d)1, 0, 1, 1, 3, 5
6) Classificar os seguintes subconjuntos do  3 em LI ou LD. Justifique a sua resposta.
a) 1, 3, 4 b) 1, 1, 1, 1, 1, 1
c) 2, 1, 0, 1, 3, 0, 3, 5, 0 d) 2, 1, 3, 0, 0, 0, 1, 5, 2
e)1, 2, 1, 2, 4, 2, 1, 3, 0 f) 1, 1, 2, 2, 1, 1, 1, 0, 3
g) 1, 2, 1, 1, 0, 0, 0, 1, 2, 3, 1, 2
7) Determine o valor de k para seja LI o conjunto 1, 0, 2, 1, 1, 1, k, 2, 0.
1 0 1 1 2 1
8) Determinar o valor de k para que , , seja LD
1 0 0 0 k 0
Respostas:
1) não
2) sim
3) não
4) sim
19
5) b, d são LD e a,c são LI

6) a,b,f são LI e c,d,e,g são LD.
7) k  3
8) k  3.
20
BASE E DIMENSÃO
Um espaço vetorial pode ser gerado por n vetores, ou mais.
Exemplo: O espaço vetorial  3 pode ser gerado por três vetores, ou também por quatro, ou por
cinco, etc.
Assim, três vetores constituem o número mínimo necessário para gerar o  3 . No entanto, quatro,
cinco ou mais vetores podem gerar o  3 . Porém, nesse caso, sobram vetores no conjunto gerador. E
nós estamos interessados no conjunto gerador que seja o menor possível.
Definição: Sejam V um espaço vetorial real e S  v 1 , v 2 ,  , v n   V. O conjunto S é uma base

de V se, e somente se,:
a) S é LI
b) S gera V, isto é, S  V.
OBS: Se S  v 1 , v 2 ,  , v n  é uma base de um espaço vetorial V real, então cada vetor em V pode
ser expresso da forma v  k 1 v 1  k 2 v 2  k n v n de maneira única, isto é, os k i são únicos.
Exemplos:Complete com a palavra "não", se for o caso:

1) 1, 0, 0, 1 ________é uma base do  2 .
2) 2, 3, 3, 5 ________é uma base do  2 .
3) 2, 3, 4, 6 ________é uma base do  2 .
4) 1, 0, 0, 0, 1, 0, 0, 0, 1 ________é uma base do  3 .
5) 2, 1, 3, 1, 0, 2, 2, 3, 1 ________é uma base do  3 .
6) 1, 3, 2, 0, 1, 1________é uma base do  3 .
7) 0, 0, 0, 0, 1, 1, 2, 4, 5 ________é uma base do  3 .
8) 0, 1, 0, 1, 0, 2, 1, 2, 1, 1, 1, 1 ________é uma base do  3 .
1 2 2 3 3 4
9) , , ________é uma base do M 2x2 ..
3 1 3 0 3 1
1 0 0 1 0 0 0 0
10) , , , ________é uma base do M 2x2 ...
0 0 0 0 0 1 0 1
11) 1, 0, 0, 0, 1, 0, 0, 0, 1, 2, 3, 1 ________é uma base do  3 .
12) 2, 1, 3, 1, 1, 2 ________é uma base do  2 .
13) 1, 2 ________é uma base do  2 .
14) 1, 3, 5 ________é uma base do  3 .
1 2 3 6
15) , ________é uma base do M 2x2 .
4 3 12 9
16) 0, 0 ________é uma base do  2 .
21
1 0 0 1 0 0 0 0
17) , , , ________é uma base do M 2x2 .
0 0 0 0 0 0 0 1
1 2 3 6 1 0
18) , , ________é uma base do M 2x2 .
4 3 12 9 0 0
OBS: No  2 , um conjunto de dois vetores LI irão gerar o próprio  2 , isto é, este conjunto forma
uma base do  2 .
No  3 , um conjunto de três vetores LI irão gerar o próprio  3 , isto é, este conjunto forma uma
base do  3 .
Exemplos: As seguintes bases são chamadas de base canônica do espaço vetorial dado.
1) 1 do 
2) 1, 0, 0, 1 do  2 .
3) 1, 0, 0, 0, 1, 0, 0, 0, 1 do  3 .
4) 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1 do  4 .
1 0 0 1 0 0 0 0
5) , , , do M 2x2 .
0 0 0 0 1 0 0 1
OBS: Sejam V um espaço vetorial e S  v 1 , v 2 ,  , v n   V uma base qualquer de V com n

elementos:
a) Um conjunto com mais de n vetores é LD. Veja os exemplos _________.
b) Um conjunto com menos do que n vetores não gera V, logo não é base. Veja os
exemplos_________.
c) Qualquer conjunto LI com n vetores é base. Veja os exemplos______________.
Todas as bases de um espaço vetorial têm o mesmo número de vetores.
22
DIMENSÃO
Definição: O número de vetores de uma base de V é definido como sendo a dimensão de V.

Notação:dimv  n.
Exemplos:
V   então dimV  0 (por convenção).
dim   1 dim M 2x2  2x2  4
2
dim   2 dim M nxm  nxm
3
dim   3 dim 0  0
4
dim   4
dim  n  n
Sejam V um espaço vetorial real tal que dim V  n e S é um subespaço de V, então dim S  n. Se
dim S  n, então S  V.
Exemplos: V  3 e dim 3  3. Qualquer subespaço do  3 só poderá ter 0,1,2 ou 3 como

dimensão, isto é,
dim S  0, então S  0, 0, 0
dim S  1, então S é uma reta que passa pela origem.
dim S  2, então S é um plano que passa pela origem.
dim S  3, então S  V   3 .
Exercício 1: Analise para V   2 .
Reescrevendo: Sejam V um espaço vetorial de dimV  n e S  v 1 , v 2 ,  , v n   V uma base

qualquer de V
a) Um conjunto com mais de n vetores é LD.
b) Um conjunto com menos do que n vetores não gera V, logo não é base.
c) Qualquer conjunto LI com n vetores é base.
Exercício 2: Determinar a dimensão e uma base do espaço vetorial

3
S  x, y, z   /2x  y  z  0.
Resp: dim S  2
Dica: Uma forma prática para determinar a dimensão de um espaço vetorial é verificar o número
de variáveis livres de seu vetor genérico. Esse número é a dimensão do espaço.
Definição: Seja B  v 1 , v 2 ,  , v n  uma base de V. Tomemos v  V, sendo v

23
k 1 v 1  k 2 v 2  k n v n . Os números k 1 , k 2 ,  k n são chamados de componentes ou coordenadas de v

em relação à base B e se representa por: v B  k 1 , k 2 ,  k n .
A n-upla k 1 , k 2 ,  k n . é chamada vetor-coordenada de v em relação à base B.
Exercício 3: Seja B  1, 2, 3, 0, 1, 2, 0, 0, 1.

a) Mostre que é uma base do  3 .
b) Determine o vetor-coordenada de v  5, 4, 2 em relação a base B
Resp: v B  5, 6, 1
c) Determine o vetor v   3 cujo vetor-coordenada em relação à base B é v B  2, 3, 4.
Resp: (2,1,4)
d) Determinar o vetor coordenada de (5,4,2) em relação a base canônica do  2 .
Exercício 4: Determine uma base e a dimensão do espaço-solução do sistema homogêneo.

x  2y  4z  3t  0
x  2y  2z  2t  0
2x  4y  2z  3t  0
Resp: dimensão 2 e um exemplo de base: {(-2,0,1,2),(-2,1,0,0)}
Exercício de Revisão:
1. O conjunto B  2, 1, 3, 2 é uma base do  2 . Escrever o vetor genérico x, y do  2
como combinação linear de B.
2. Quais dos seguintes conjuntos de vetores formam uma base do  3 ? Justifique a sua
resposta.
a) 1, 1, 1, 2, 1, 0, 3, 2, 0
b) 1, 0, 1, 0, 1, 2, 2, 1, 4
c) 2, 1, 1, 1, 0, 1, 0, 0, 1
d) 1, 2, 3, 4, 1, 2
e) 0, 1, 2, 2, 1, 3, 1, 0, 1, 4, 1, 2
2 3 1 1 3 2 3 7
3. Mostrar que o conjunto , , , é uma
1 0 0 2 1 1 2 5
base de M 2x2 .
4. Mostrar que os vetores v 1  1, 1, 1, v 2  1, 2, 3, v 3  3, 0, 2 e v 4  2, 1, 1 geram o  3 e
encontrar uma base dentre destes vetores.
5. Determinar o vetor coordenada de v  6, 2 em relação às seguintes bases:

a) B 1  3, 0, 0, 2
b) B 2  1, 0, 0, 1
c) B 3  1, 2, 2, 1
24
d) B 4  0, 1, 1, 0
6. No espaço vetorial  3 , consideremos a seguinte base: B  1, 0, 0, 0, 1, 0, 1, 1, 1.
Determinar o vetor coordenada de v   3 em relação à base B se:
a) v  2, 3, 4 b) v  3, 5, 6 c) v  1, 1, 1
7. Sejam os vetores v 1  1, 0, 1, v 2  1, 2, 1, v 3  0, 1, 0 do  3 .

a) Mostrar que B  v 1 , v 2 , v 3  é uma base do  3 .
b) Escrever e 1  1, 0, 0, e 2  0, 1, 0, e 3  0, 0, 1 como combinação linear dos vetores da base
B.
8. Determinar a dimensão e uma base para cada um dos seguintes espaços vetoriais:
a) x, y, z   3 /y  3x
b) x, y, z   3 /y  5x e z  0
c) x, y, z   3 /x  y  0
d) x, y, z   3 /x  3y e z  y
e) x, y, z   3 /2x  y  3z  0
f) x, y, z   3 /z  0
Respostas
1) x, y  2x  3y2, 1  x  2y3, 2.
2) a, c
4) uma das soluções possíveis v 1 , v 2 , v 3 .
5) a) 2, 1 b) 6, 2 c) 2/3, 10/3
d) 2, 6
6) a) 2, 1, 4 b) 3, 11, 6 c) 0, 0, 1
7) ½, ½, 1,0, 0, 1 , ½, ½, 1.
8) a) dim: 2 b) dim: 1 c) dim: 2 d) dim: 1 e) dim: 2 f) dim: 2
As bases ficarão a cargo de cada aluno.
25
ESPAÇO VETORIAL EUCLIDIANO
Definição: Produto escalar ou produto interno de um espaço vetorial V é uma função V  V

em  que todo para de vetores u, v  V  V associa um número real, indicado por u. v ou  u, v  tal
que:
1) u  v  v  u
2) u  v  w  u  v  u  w
3) u  v  u  v
4) u . u  0 e u  u  0  u  0 (elemento neutro)
Exemplos: São chamados de produto interno usuais:

1) Para u  x 1 , y 1  e v  x 2 , y 2  temos u  v  x 1 x 2  y 1 y 2 no  2 .
2) Para u  x 1 , y 1 , z 1  e v  x 2 , y 2 , z 2  temos u  v  x 1 x 2  y 1 y 2  z 1 z 2 no  3 .
Exercício 1: Calcular u  v, usando o produto interno usual do  2 .

1) u  3, 4 e v  5, 2
2) u  6, 1 e v   12 , 4
3) u  2, 3 e v  0, 0
Exercício 2: Considere o  3 munido do produto interno usual. Sendo v 1  1, 2, 3, v 2  3, 1, 1
e v 3  2, 2, 0. Determine u   3 tal que u  v 1  4, u  v 2  6 e u  v 3  2.
Respostas:
1)  23 2 7 3 0
2) u  3, 2, 1
Definição: Um espaço vetorial, de dimensão finita, no qual está definido um produto interno, é
um espaço vetorial euclidiano.
Definição: Sejam V um espaço vetorial euclidiano e v  V. A norma ou comprimento de um vetor

é dado por:
v  vv   v, v 
Exemplo: São normas com produto interno usual:
1) V   2  v  x, y  x2  y2
2) V   3  v  x, y, z  x2  y2  z2
Exercício 3: Calcule a norma dos vetores dados, usando produto interno usual:
1) u  3, 4
2) v  5, 2
3) w  6, 1
26
4) t   12 , 4
5) s  2, 3
6) r  0, 0
Exercício 4: No  3 . Determine o componente k do vetor v  6, 3, k tal que v  7.
OBS: Se v  1, isto é, v  v  1, o vetor é chamado de unitário. Diz-se que v é normalizado.

Todo vetor não-nulo pode ser normalizado fazendo:
v  v ,v  0
v
Exercício 5: Normalizar os vetores se eles não forem unitários.

1) u  3, 4
2 2
2) v   2
, 2

3) w  1, 1
4) t   12 , 4
5) r  2, 1, 2
6) s  1, 1, 0
Definição: Distância entre dois vetores de um espaço vetorial euclidiano é dada por:
du, v  u  v
Exemplos: Distância entre dois vetores, usando o produto interno usual:

1) V   2  du, v  x 1 , y 1   x 2 , y 2   x 1  x 2  2  y 1  y 2  2
2) V   3  du, v  x 1 , y 1 , z 1   x 2 , y 2 , z 2   x 1  x 2  2  y 1  y 2  2  z 1  z 2  2
Exercício 6: Calcule a distância entre os dois vetores:

1) u  3, 4 e v  5, 2
2) u  6, 1 e v   12 , 4
3) u  2, 3 e v  0, 0
4) u  2, 1, 5 e v  5, 0, 2
5) u  0, 1, 0 e v  1, 0, 0
Propriedades:
Sejam V um espaço vetorial euclidiano, u, v  V e   .
1) v  0 para qualquer v  V e v  0  v  0.
2) v  ||. v para qualquer v  V.
3) |u  v|  u. v para quaisquer u,v  V. ( Desigualdade de Schwarz).
4) u  v  u  v (Desigualdade triangular).
5) u  v  u  v  u e v são colineares.
27
Definição. Sejam u e v vetores não-nulos de V. A desigualdade de Schwarz pode ser escrita

assim:
|u  v| uv uv
1  1  1  1
u. v u. v u. v
Por este motivo, o ângulo entre dois vetores é dado por:
cos   uv
u. v
em que 0  cos   .
Exemplos: Seja o produto interno usual no  3 . Determinar o ângulo entre os seguintes vetores:
1) u  3, 4 e v  5, 2
2) u  6, 1 e v   12 , 4
3) u  2, 3 e v  0, 0
4) u  2, 1, 5 e v  5, 0, 2
5) u  0, 1, 0 e v  1, 0, 0
Definição: Seja V um espaço vetorial euclidiano. Diz-se que dois vetores não-nulos u e v de V
são ortogonais e são representados por
u  v  u  v  0 ou cos   0
Exemplos: Seja V   2 com produto interno usual. Verifique se os vetores são ortogonais:
1) u  3, 1 e v   13 , 1
2) u  3, 1, 2 e v  1, 1, 1
3) u  2, 3 e v  0, 0
4) u  2, 1, 5 e v  5, 0, 2
Exercícios de revisão:
1) Consideremos, no  3 , o produto interno usual. Para que valores de m os vetores u e v são
ortogonais?
a) u  3m, 2, m e v  4, 1, 5
b) u  0, m  1, 4 e v  5, m  1, 1
2) Seja V   3 com o produto interno usual. Determinar um vetor u  3 ortogonal aos vetores
v 1  1, 1, 2, v 2  5, 1, 3, v 3  2, 2, 3.
3) Seja v  1, 2, 5. Encontre todos os escalares k tais que kv  4.
4) Encontre um vetor unitário do  3 que é ortogonal a ambos u  1, 0, 1 e v  0, 1, 1.
28
a1 b1 a2 b2
5) Se u  e v são matrizes quaisquer de M 2x2 , a seguinte fórmula
c1 d1 c2 d2
define um produto interno nesse espaço:
u  v  a1 a 2  b1b2  c1 c 2  d 1 d 2
1 2 0 2
.Dados os vetores: u  ev  . Determinar:
1 1 1 1
a) u  v
b) ângulo entre u e v.
6) Determinar o valor de m para que os vetores u  2, m, 3 e v  m  1, 2, 4 sejam ortogonais

em relação ao produto interno usual do  3 .
Respostas:
2
1) a) 17 b) 3 ou -1
2) u  1, 7, 4 ,   .
3)k   4
30
1 1 1
4)  , , (esta reposta não é única, existem outras)
3 3 3
4
5) a) 21 b)   arc cos .
42
29
BASES ORTONORMAIS
Definição:Seja V um espaço vetorial euclidiano. Diz-se que um conjunto de vetores com mais do
que dois vetores v 1 , v 2 ,  , v n   V é conjunto ortogonal se dois a dois vetores quaisquer distintos
são ortogonais, isto é,
v i  v j  0 para quaisquer i  j
OBS: Um conjunto ortogonal de vetores não-nulos é LI. A recíproca não é verdadeira, isto é, nem
todo conjunto LI é um conjunto ortogonal.
Exemplo: No  3 com produto interno usual, o conjunto 1, 2  3, 3, 0, 1, 1, 5, 3 é um
conjunto ortogonal.
Exercício 1: Verifique se os conjuntos dos  2 e  3 com produto interno usual são conjuntos
ortogonais:
a) 1, 32, 6
b) 2, 1, 3, 5
c)1, 0, 1, 1, 3, 5
d) 1, 1, 1, 1, 1, 1
e) 2, 1, 0, 1, 3, 0, 3, 5, 0
f) 2, 1, 3, 0, 0, 0, 1, 5, 2
g)1, 2, 1, 2, 4, 2, 1, 3, 0
h) 1, 1, 2, 2, 1, 1, 1, 0, 3
i) 1, 2, 1, 1, 0, 0, 0, 1, 2, 3, 1, 2
OBS: Todo conjunto LD não é um conjunto ortogonal.
Definição: Diz-se que uma base v 1 , v 2 ,  , v n  de V é uma base ortogonal se os seus vetores
são 2 a 2 ortogonais entre si.
Exemplo: O conjunto 1, 2  3, 3, 0, 1, 1, 5, 3 é uma base do  3
Exercício 2: Verifique quais dos seguintes conjuntos do  2 e  3 são bases ortogonais.

1) 1, 0, 0, 1
2) 2, 3, 3, 5
1 1 1 1
3) , , ,
2 2 2 2
4) 1, 0, 0, 0, 1, 0, 0, 0, 1
5) 2, 1, 3, 1, 0, 2, 2, 3, 1
6) 2, 1, 1, 1, 0, 1, 0, 0, 1
30
3 1 1 3
7) 2
, 2
, 2
, 2
Definição: Uma base B  v 1 , v 2 ,  , v n  de um espaço vetorial eucliadiano V é uma base

ortonormal se B é uma base ortogonal e todos os seus vetores são unitários, isto é,
0 para i  j
vi  vj 
1 para i  j
Exemplo: Verifique que , em relação ao produto interno usual:

1) 1, 0, 0, 1 é uma base ortonormal do  2 .
3 1 1 3
2) 2
, 2
, 2
, 2
é uma base ortonormal do  2 .
3) 1, 0, 0, 0, 1, 0, 0, 0, 1 é uma base ortonormal do  3
4)  35 , 45 ,  4
5
, 35  é uma base ortonormal do  2 .
Definição: Seja V um espaço vetorial euclidiano e B  v 1 , v 2 ,  , v n  uma base ortogonal de V.

Para um vetor w  V, tem-se:
w  a 1 v 1  a 2 v 2  a n v n
em que
a i  vwi  vvii
Exemplo: Sejam V   2 com produto interno usual e B  2, 1, 1, 2 uma base ortogonal.
Encontrar as coordenadas de 4, 7 em relação à B.
Resp: 3, 2
Exercício 3: Sejam V   2 com produto interno usual . Encontrar as coordenadas do vetor u em

relação à B.
1) u  1, 2 em relação à B  1, 0, 0, 1.
2) u  1, 2 em relação à B  2, 1, 1, 2.
3) u  1, 4 em relação à B  1, 0, 0, 1.
4) u  1, 4 em relação à B  2, 1, 1, 2.
OBS: No caso da base ser ortonormal, os coeficientes são dados por:

ai  w  vi
pois v i  v i  1.
Exemplo: Seja B   35 , 45 ,  4
5
, 35  uma base ortonormal do  2 com produto interno usual.
Encontrar as coordenadas de 5, 2 em relação à base B.
Resp:  23
5
,  14
5

31
Exercício 4: Encontrar as coordenadas de u em relação à base B.

3 1 1 3
1) u  1, 2 em relação à 2
, 2
, 2
, 2
3 1 1 3
2) u  1, 4 em relação à 2
, 2
, 2
, 2
Exercícios de revisão
1 1 1 1
1) Dado conjunto B  , , , .
2 2 2 2
a) Verifique que é uma base ortonormal do  2 com o produto interno usual.
b) Determinar o vetor coordenada de v  2, 4 em relação à base B.
2) Dado conjunto B  0, 1, 0,  4

5
, 0, 3
5
,  35 , 0, 4
5
. O conjunto B é uma base ortonormal do  3
com produto interno usual? Justifique a sua resposta.
3) Dado o vetor v  1, 1, 2 do  3 com produto interno usual. Encontre o vetor coordenada de v
em relação as seguintes bases:
a) A base canônica do  3 .
b) B  1, 0, 0, 0, 1 , 1 , 0,  1 , 1 
2 2 2 2
4) Dado o vetor v  3, 5. Encontre o vetor coordenada de v em relação as seguintes bases:
a) A base canônica do  2
b) B  2, 3, 1, 1
2 1 1 2
c) C  , ,  ,
5 5 5 5
Respostas:
1) 3 2 , 2
13
4) b)  85 , 1
5
 c) 1
,
5 5
32
PROCESSO DE ORTOGONALIZAÇÃO
Dado um espaço vetorial euclidiano V e uma qualquer B  v 1 , v 2 ,  , v n  desse espaço, é

possível, a partir dessa base, determinar uma base ortogonal de V.
Supondo que v 1 , v 2 ,  , v n não são ortogonais, considere-se

w1  v1
e determine-se o valor de w 2  v 2  w 1 seja ortogonal a w 1 :
v 2  w 1   w 1  0
 w v2  w1
1  w1
Isto é,
w2  v2  v2. w1 w1
w1. w1
Assim os vetores w 1 e w 2 são ortogonais.
Considere-se o vetor: w 3  v 3   2 w 2   1 w 1 e determine-se os valores de  2 e  1 de maneira que

o vetor w 3 seja ortogonal aos vetores w 2 e w 1 :
v 3   2 w 2   1 w 1   w 1  0
v 3   2 w 2   1 w 1   w 2  0
Tendo em vista que w 2  w 1  0, tem-se:
v3  w1 e   v3  w2
1  w 1  w1 w2  w2
2
.
Isto é,
w3  v3  v3  w2 w2  v3  w1 w1
w2  w2 w1  w1
Assim os vetores w 3 , w 2 e w 1 são ortogonais.
Pode-se concluir o teorema por indução, admitindo que, por esse processo, tenham sido obtidos
n  1 vetores w 1 , w 2 ,  , w n1 e considerar o vetor:
w n  v n   n1 w n1   2 w 2   1 w 1
sendo  1 ,  2 ,  ,  n1 tais que o referido vetor w n seja ortogonal aos vetores w 1 , w 2 ,  , w n1 .
Os valores de  1 ,  2 ,  ,  n1 que aparecem em w n são:

1  w vn  w1 ,   vn  w2 ,   vn  w3 ,  ,  v n  w n1 .
n1  w
1  w1 w2  w2 3 w3  w3 n1  w n1
2
33
Assim, a partir de B  v 1 , v 2 ,  , v n , obtivemos a base ortogonal w 1 , w 2 ,  , w n .
O processo que permite a determinação de uma base ortogonal a partir de uma base qualquer
chama-se Processo de ortogonalização de Gram-Schmidt.
wi
Para se obter uma base ortonormal, basta normalizar cada w i . Fazendo u i  |w i |
, obtemos a base
B   u 1 , u 2 ,  , u n  que é uma base ortonormal obtida a partir da base B  v 1 , v 2 ,  , v n .
Sendo assim, os vetores w 1 , w 2 ,  , w n podem ser expressos do seguinte modo:

1) w 1  v 1
2) w 2  v 2  w 1  v 2  v 2  u 1  |ww11 |  w 2  v 2  v 2  u 1 u 1
3) w 3  v 3   2 w 2   1 w 1  v 3  v 3  u 2  |ww22 |  v 3  u 1  |ww11 |  w 3  v 3  v 3  u 2 u 2  v 3  u 1 u 1

w n  v n  v n  u n1 u n1  v n  u 2 u 2  v n  u 1 u 1
Exemplo: Seja B  1, 1, 1, 0, 1, 1, 0, 0, 1 uma base do  3 . Verifique se esta base é
ortonormal, considerando o produto interno usual. Se não for, obtenha, a partir de B, uma base B que
seja ortonormal.
Exercício 1: Construir, a partir de 1, 2, 1, uma base ortogonal do  3 relativamente ao produto
interno usual e obter, a partir dela, uma base ortonormal.
Exercício 2: Em relação ao produto interno usual, determinar uma base ortonormal do seguinte
subespaço vetorial do  3 : S  x, y, z   3 /x  y  z  0.
34
TRANSFORMAÇÃO LINEAR
Definição: T é uma transformação do espaço vetorial V no espaço vetorial W, T : V  W, se cada

vetor v  V tem um só vetor imagem w  W, que será indicado por w  Tv.
Definição: Sejam V e W espaços vetoriais. Uma aplicação T : V  W é chamada de

transformação linear de V em W se:
1) Tu  v  Tu  Tv para u, v  V.
2) Tu  Tu para u  V
3) T0  0
Exemplos: São transformações lineares:

1) T :  2   3 , em que Tx, y  3x, 2y, x  y
2) T :  2   2 , em que Tx, y  x, y (Transformação identidade)
3) T :  3   2 , em que Tx, y, z  x  2y  z, z
xy y
4) T :  2  M 2 , em que Tx, y 
2x 3x  5y
5) T : V  W , em que Tv  0 (Transformação nula)
6) T :  2   3 , em que Tx, y  3x, x  2y, 3x  6y
7) T :    , em que Tx  3x
8) D : P n  P n , em que Df  f sendo f a derivada de f.
Exemplos: Não são transformações lineares:

1) T :   , em que Tx  3x  1
2) T :  3   2 , em que Tx, y, z  3x  2, 2y  z
3) T :  2   2 , em que Tx, y  x 2 , 3y
4) T :  2   , em que Tx, y  |x|
OBS:
1) Uma transformação linear de V em V é chamada operador linear sobre V.
2) Se T0  0 não implica que T é uma transformação linear.
3) Uma matriz A mxn sempre determina uma transformação linear: T :  n   m . E uma
transformação linear T :  n   m sempre pode ser representada por uma matriz mxn.
Propriedades: Seja T : V  W uma transformação linear:

1) Ta 1 v 1  a 2 v 2   a 1 Tv 1   a 2 Tv 2  para v 1 , v 2  V.
2) Ta 1 v 1  a 2 v 2  a n v n   a 1 Tv 1   a 2 Tv 2   a n Tv n  para v i  V.
3) Sejam v 1 , v 2 ,  , v n  uma base do domínio V e v  V tal que v  a 1 v 1  a 2 v 2  a n v n .
35
Aplicando a transformação linear T, tem-se Tv  a 1 Tv 1   a 2 Tv 2   a n Tv n .
Exemplo: Seja T :  3   2 uma transformação linear e B  v 1 , v 2 , v 3  uma base do  3 , sendo

v 1  0, 1, 0, v 2  1, 0, 1 e v 3  1, 1, 0. Determinar T5, 3, 2, sabendo que Tv 1   1, 2,
Tv 2   3, 1 e Tv 3   0, 2.
Resp: 10, 20
Exercício 1: Seja T :  3   3 definida por: Tx, y, z  x  2y  2z, x  2y  z, x  y  4z.

a) Determinar o vetor u   3 , em que Tu  1, 8, 11.
b) Determinar o vetor v   3 , em que Tv  v.
Exercício 2: Seja T :  2   3 uma transformação linear onde T1, 1  3, 2, 2 e
T1, 2  1, 1, 3. Determinar Tx, y.
Respostas:
1) a) Resp: 1, 2, 3 b) z2, 1, 1, z  
2) 7x  4y, 3x  y, x  y
Matriz de uma Transformação Linear
Sejam T : V  W uma transformação linear, em que dimV  n e dimW  m. Sejam A uma base de
V e B uma base de W.
Aplicando a transformação linear em v  a 1 v 1  a 2 v 2  a n v n  V, tem-se
Tv  a 1 Tv 1   a 2 Tv 2   a n Tv n ,
em que v A  a 1 , a 2 ,  , a n . Mas Tv  W, portanto, precisa encontrar Tv B .

Portanto,
Tv B  T AB v A
em que T AB é a matriz de T em relação às bases A e B de ordem mxn, onde cada coluna é
formada pelos componentes das imagens dos vetores de A em relação à base de B:
T AB  Tv 1  B  Tv 2  B    Tv n  B
OBS:
1) Fixadas as bases de V e W, a matriz T AB é única.
2) No caso de serem A e B as bases canônicas de V e W, respectivamente, representa-se a
matriz simplesmente por T, que é chamada de matriz canônica de T.
3) Para um operador linear sobre V, T : V  V, a matriz de T em relação à base A é representada
por T A .
36
Exemplos: As matrizes canônicas das transformações lineares são:

3 0
2 3
1) T :    , em que Tx, y  3x, 2y, x  y. A matriz canônica é dada por: A  0 2 .
1 1
2) T :  2   2 , em que Tx, y  x, y (Transformação identidade). A matriz canônica é dada por:
1 0
A .
0 1
1 2 1
3) T :  3   2 , em que Tx, y, z  x  2y  z, z. A matriz canônica é dada por: A  .
0 0 1
4) T : V  W , em que Tv  0 (Transformação nula). A matriz canônica é dada por: A  0
5) T :  2   3 , em que Tx, y  3x, x  2y, 3x  6y. A matriz canônica é dada por:

3 0
A 1 2 .
3 6
Exemplo: Seja T :  3   2 definida por: Tx, y, z  2x  y  z, 3x  y  2z.

Considere A  1, 1, 1, 0, 1, 1, 0, 0, 1 base de  3 e B  2, 1, 5, 3 base do  2 .
a) Determine T AB .
b) Se v  3, 4, 2 (em relação à base canônica do  3 ), calcular Tv B , utilizando a matriz
encontrada.
4 5 13
Resp: a) b) (31,-10)
2 2 5
Exemplo: Encontrar T para Tx, y  3x  2y, 4x  y, x onde A e B são as bases canônicas do
 e 3.
2
3 2
Resp: 4 1
1 0
Exercício 3: Dadas as bases A  1, 1, 1, 0 do  2 e B  1, 2, 0, 1, 0, 1, 1, 1, 3 do
2 0
3 2
 . Determinar a transformação linear T :    cuja matriz3
T AB  1 2 .
1 3
Resp:x  y, 3x  8y, 11x  15y).
37
Operações
Adição:
Sejam T 1 : V  W e T 2 : V  W. Chama-se a soma de transformações lineares por:
T1  T2 : V  W
v  T 1  T 2 v  T 1 v  T 2 v
Se A e B são bases de V e W, respectivamente, temos:
T 1  T 2  AB  T 1  AB  T 2  AB
Multiplicação por escalar:

Sejam T : V  W e   . Chama-se o produto de T pelo escalar  por:
T : V  W
v  Tv  Tv
Se A e B são bases de V e W, respectivamente, temos:

T AB  T AB
Composição:
Sejam T 1 : V  W e T 2 : V  U. Chama-se aplicação composta de T 1 em T 2 por:
T 2 oT 1 : V  U
v  T 2 oT 1 v  T 2 T 1 v
Se A , B e C são bases de V, W e U respectivamente, temos:

T 2 oT 1  AC  T 2  BC T 1  AB
Exemplo: Sejam T 1 :  2   3 e T 2 :  2   3 e A  1, 0, 0, 1 uma base do  2 e

B  1, 0, 0, 0, 1, 0, 0, 0, 1 base do  3 .
T 1 x, y  x  2y, 2x  y, x
T 2 x, y  x, y, x  y
Determinar
a) T 1  T 2
b) 3T 1  2T 2
Resp: a) 2y, 2x, 2x  y b) 5x  6y, 6x  5y, x  2y
Exemplo: S e T operadores lineares do  2 definidos por Sx, y  2x, y e Tx, y  x, x  y.
Determinar:
a) SoT
b) ToS
Resp: a) 2x, x  y b) 2x, 2x  y
38
OBS:
1) ToS  SoT, em geral. Isto é, não é comutativa.
2) Composição de 3 ou mais transformações lineares, como T  T 3 oT 2 oT 1 .
A matriz canônica da transformação composta será T  T 3 T 2 T 1 .
Transformação Linear Inversa
Definição: Seja T :  n   n um operador linear. T é uma transformação linear inversível, isto é,

T 1 :  n   n se e somente se a matriz canônica de T é inversível, isto é, detA  0 e a matriz canônica
de T 1 é T 1 .
Exemplo: Seja T :  2   2 onde Tx, y  2x  y, 3x  4y.

a) Encontre T 1 x, y
b) Calcule T 1 5, 5.
OBS: Se T é inversível e T 1 é a sua inversa. Então ToT 1  T 1 oT  I (identidade)
Exemplo: Seja T :  2   2 onde Tx, y  4x  3y, 2x  2y.

a) Mostre que T é inversível.
b) Encontre T 1 x, y.
3
1 2
Resp: b)
1 2
Transformações lineares especiais
Entende-se por transformações lineares planas as transformações de  2 em  2 e

transformações lineares no espaço as transformações  3 em  3 . Algumas delas têm interpretações
geométricas e têm especial importância. São elas: reflexões, diltações e contrações, projeções,
cisalhamentos e rotações.
Para transformações lineares de  2 em  2 :

A reflexão leva cada ponto x, y para sua imagem simétrica em relação aos eixos dos x, y, das
retas y  x ou da origem. Vejas as transformações 1 a 5 na tabela.
A dilatação acontece quando ||  1. Isto é, aumenta o comprimento do vetor. Se   1, além de
dilatar, muda o sentido do vetor. A contração acontece quando ||  1. Se   1, a transformação é a
39
identidade. Veja as transformações 6 a 8 na tabela. Se   0, a transformação será uma projeção

ortogonal sobre o eixo x ou sobre o eixo y. Veja as transformações 7 e 8 na tabela
O efeito do cisalhamento é transformar um retângulo em paralelogramo de mesma base e
mesma altura. Veja as transformações 9 e 10 na tabela
A rotação gira um vetor de sua posição inicial em torno da origem em relação a um ângulo . A
imagem do vetor tem o mesmo comprimento. Veja a transformação 11 na tabela.
Para transformações lineares de  3 em  3 :

A reflexão leva cada ponto x, y, z para sua imagem simétrica em relação aos planos
coordenados, aos eixos coordenados ou da origem. Veja as transformações 12 a 18 na tabela.
As transformações de dilatação, contração e projeção ortogonal são equivalentes em  2 . Veja a
transformação 19 na tabela.
O efeito do cisalhamento é equivalente em  2 .
A rotação no  3 é efeita em torno dos eixos coordenados x, y ou z, fazendo o vetor descreve um
ângulo . Veja as transformações 20 a 22 na tabela.

Exercício: O plano sofre uma rotação de um ângulo 3
. A seguir experimenta uma dilatação de
fator 4 na direção do eixo x e, posteriormente, uma reflexão em torno da reta y  x. Qual a matriz que
representa a única transformação linear e que tem o mesmo efeito do conjunto das três
transformações citadas?
Exercício: Aplique a transformação anterior nos seguintes vértices de um triângulo eqüilátero:

A2, 1, B6, 1 e C4  3 , 2 3 . Faça a figura da transformação.
Exercício: Calcular o ângulo  formado pelos vetores v e T(v) quando o espaço gira em torno
dos eixos dos z de um ângulo , nos seguintes casos:
1)   180  e v  3, 0, 3
3 2 2
2)   90  e v   , 4
, 2

2 2
40
Considerando T :  2   2 :
Tipo Equações Matriz canônic
1 0
1). Reflexão em torno do eixo y Tx, y  x, y
0 1
1 0
2) Reflexão em torno do eixo x Tx, y  x, y
0 1
0 1
3) Reflexão em torno da reta y  x Tx, y  y, x
1 0
1 0
4) Reflexão em torno da reta y  x Tx, y  y, x
0 1
0 1
5) Reflexão na origem Tx, y  x, y
1 0
 0
6) Dilatação ou contração na direção do vetor Tx, y  x, y
0 
 0
7) Dilatação ou contração na direção do eixo x Tx, y  x, y
0 1
1 0
8) Dilatação ou contração na direção do eixo y Tx, y  x, y
0 
1 
9) Cisalhamento na direção do eixo dos x Tx, y  x  y, y
0 1
1 0
10) Cisalhamento na direção do eixo dos y Tx, y  x, x  y
 1
cos  sen
11) Rotação pelo ângulo  Tx, y  xcos  ysen, xsen  y cos 
sen cos 
41
Considerando T :  3   3
Tipo Equações Matriz canônica
1 0 0
12) Reflexão em torno do plano xy Tx, y, z  x, y, z 0 1 0
0 0 1
1 0 0
13) Reflexão em torno do plano xz Tx, y, z  x, y, z 0 1 0
0 0 1
1 0 0
14) Reflexão em torno do plano yz Tx, y, z  x, y, z 0 1 0
0 0 1
1 0 0
15) Reflexão em torno do eixo dos x Tx, y, z  x, y, z 0 1 0
0 0 1
1 0 0
16) Reflexão em torno do eixo dos y Tx, y, z  x, y, z 0 1 0
0 0 1
42
17) Reflexão em torno do eixo dos z Tx, y, z  x, y, z

18) Reflexão na origem Tx, y, z  x, y, z
19) Dilatação ou contração Tx, y, z  x, y, z
1
20) Rotação anti-horária em torno do eixo x positivo Tx, y, z  x, y cos   zsen, ysen  z cos  0
0
co
21) Rotação anti-horária em torno do eixo y positivo Tx, y, z  x cos   zsen, y, xsen  z cos  0
se
cos
22) Rotação anti-horária em torno do eixo z positivo Tx, y, z  x cos   ysen, xsen  y cos , z sen
0
43
Exercícios de Fixação
1) Dada a transformação linear T : V  W, tal que Tu  3u e Tv  u  v, calcular em função de

u e v: Tu  v, T3v e T4u  5v.
2) Verifique quais são transformações lineares. Justifique a sua resposta.

a).T :  2   2 , em que Tx, y  x  3y, 2x  5y
b) T :  2   2 , em que Tx, y  x2, y2
c) T :  2   2 , em que Tx, y  x  1, y
d) T :  2   2 , em que Tx, y  senx, y
e) T :  2   2 , em que Tx, y  xy, x  y
f) T :  2   3 , em que Tx, y  x  y, 3x, 2y
g) T :  3   3 , em que Tx, y, z  x  y, x  y, 0
h) T :  2   4 , em que Tx, y  x, y, x, y
i) T :  2   3 , em que Tx, y  x  y, 3x, 2y
2x 3x
j.) T :  2  M 2 , em queTx, y 
y x  2y
a b a b
k) T : M 2  R , em que T  det
c d c d
3) a) Determinar a transformação linear T :  2   3 tal que T1, 1  3, 2, 1 e T0, 1  1, 1, 0.
b) Encontrar v   2 tal que Tv  2, 1, 3.
4) Seja T :  3   2 uma transformação linear definida por T1, 1, 1  1, 2, T1, 1, 0  2, 3 e
T1, 0, 0  3, 4.
a) Determinar Tx, y, z.
b) Determinar v   3 tal que Tv  3, 2.
c) Determinar v   3 tal que Tv  0, 0.
5) Consideremos a transformação linear T :  3   2 definida por Tx, y, z  2x  y  z, x  2y e as

bases A  1, 0, 0, 2, 1, 00, 1, 1do  3 e B  1, 1, 0, 1 do  2 . Determine a matriz T AB .
6) Seja a transformação linear T :  2   3 definida por Tx, y  2x  y, x  3y, 2y e as bases
A  1, 1, 2, 1 do  2 e B  0, 0, 1, 0, 1, 11, 1, 0 do  2 .
a) Determine a matriz T AB .
b) Qual a matriz T AC , em que C é a base canônica do  3 ?
7) Sabendo que a matriz de uma transformação linear T: 2  3 nas bases

3 1
A  1, 1, 1, 0do  2
e B  1, 1, 1, 2, 1, 03, 0, 1 do  3
é T AB  2 5 . Encontrar a
1 1
expressão de Tx, y e a matriz T.
44
1 2
8) Seja T  2 0 a matriz canônica de uma transformação linear T :  2   3 . Se
1 3
Tv  2, 4, 2), calcular v.
1 1
2 3
9) Seja T :    . uma transformação linear com matriz T AB  0 1 onde A é a base
2 3
canônica do  2 e B  1, 0, 1, 2, 0, 1, 0, 1, 0 base do  3 . Qual é a imagem do vetor 2, 3) pela T?
10) Consideremos o operador linear T :  2   2 , Tx, y  x  2y, x  y) e as bases

A  1, 1, 1, 0, B  2, 1, 1, 1 e C a canônica. Determinar T A , T B e T C .
11) Sejam S e T operadores lineares de  2 definidos por Sx, y  x  2y, y e Tx, y  2x, y.
Determinar:
a) S  T b) T  S c) 2S  4T d) SoT e) ToS
f) SoS
12) As transformações S :  2   3 e T :  3   2 são tais que Sx, y  y, x  y, 2x  2y e

Tx, y, z  x, y.
a) Sendo B  1, 0, 1, 1, 1, 1, 1, 0, 0 Uma base do  3 , determinar a matriz SoT B .
b) Determinar ToS A e ToS C , sendo A  1, 1, 0, 1 e C a base canônica. do  2 .
13) Sendo S e T operadores lineares do  3 definidos por Sx, y, z  x, 2y, x  y e

Tx, y, z  x  z, y, z, determinar. SoT e . ToS
Respostas:
1) 4u  v, 3u  3ve7u  5v
2) a,f,g,h,i,j
3a) Tx, y  2x, y, x  y, x
3b)3, 4
4a) Tx, y, z  3x  y  z, 4x  y  z
4b) 1, 6  z, z
4c) 0, z, z
2 3 0
5)
3 3 2
3 0 3 3
6a) 5 2 6b) 2 5
3 3 2 2
8 18
7) Tx, y  8x  18y, 6x  11y, 2x  4y e T  6 11 .
2 4
45
8) 2, 0.
9)11, 13, 2
2 1 3 1 1 2
10) T A  , T B  e T C 
1 2 6 3 1 1
11) a)3x  2y, 0 b) x  2y, 2y c) 10x  4y, 2y d) 2x  2y, y
e) 2x  4y, y f) x  4y, y
1 4 1
1 1 0 1
12) 1 0 1
1 2 1 1
0 5 0
1 0 1 0 1 0
13) 0 1 0 0 2 0
1 1 1 1 1 0
Fazer os exercícios 1 a 11, 27 a 31, 33 a 36, 39, 40, 42 a 45 (páginas 211 a 221) do capítulo 4.
46
MUDANÇA DE BASE
Sejam A e B bases de um espaço vetorial V. Pretende-se relacionar as coordenadas de um vetor

v em relação à base A com as coordenadas do mesmo vetor v em relação à base B.
Para simplicar, consideremos o caso em que dimV  3. O problema para os espaços de

dimensão n é análogo. Sejam as bases A  v 1 , v 2 , v 3  e B  w 1 , w 2 , w 3 .
Dado um vetor v  V, este será combinação linear dos vetores das bases A e B:
v  x 1 v 1  x 2 v 2  x 3 v 3 ou v A   x 1 , x 2 , x 3 
e
v  y 1 w 1  y 2 w 2  y 3 w 3 ou v B   y 1 , y 2 , y 3 
Por sua vez, os vetores da base A podem ser escritos em relação à base B. Substituindo-os em
v  x 1 v 1  x 2 v 2  x 3 v 3 e comparando com a equação v  y 1 w 1  y 2 w 2  y 3 w 3 , temos:
y 1  a 11 x 1  a 12 x 2  a 13 x 3
y 2  a 21 x 1  a 22 x 2  a 23 x 3
y 3  a 31 x 1  a 32 x 2  a 33 x 3
Na forma matricial:
y1 a 11 a 12 a 13 x1
y2  a 21 a 22 a 23 x2
y3 a 31 a 32 a 33 x3
ou simplesmente, pela equação:
v B  I AB v A
sendo
a 11 a 12 a 13
I AB  a 21 a 22 a 23
a 31 a 32 a 33
chamada matriz de mudança de base de A para B.
47
Nota-se que o papel dessa matriz é transformar as componentes de um vetor v na base A em

componentes do mesmo vetor v na base B.
Exemplo: Sejam as bases A  2, 1, 1, 1 e B  1, 0, 2, 1 do  2
a) Determinar a matriz-mudança de base de A para B.
4
b) Utilizar a matriz I AB para calcular v B , sabendo que v A  .
3
4 3 7
Resp: a) b)
1 1 1
48
AUTOVALOR E AUTOVETOR
Definição: Se T :  n   n é operador linear, então um escalar  é chamado de um autovalor de

T se existe um vetor não-nulo x em  n tal que:
Tx  x
Os vetores não-nulos x que satisfazem esta equação são chamados de autovetores de T
associados a .
OBS: Isto é, um autovetor x é levado em um vetor que está na mesma reta que x.
Como encontrar:
Seja A a matriz canônica de T, então Tx  Ax  x.
Temos Ax  x  Ax  x  0  Ax  Ix  0  A  Ix  0, que é um sistema
homogêneo. Lembrando que um sistema homogêneo terá solução não-nula, se e somente se,
detA  I  0.
Então, detA  I  0 é denominada equação característica do operador T ou da matriz T.

As suas raízes são os autovalores de T.
O determinante detA  I é um polinômio em  denominado polinômio característico. A
substituição de  pelos valores no sistema homogêneo permite determinar os autovetores associados.
Exemplos: Encontre os autovalores e autovetores de:

1) T :  2   2 em que Tx, y  4x  5y, 2x  y
2) T :  2   2 em que Tx, y  y, x
3) T :  2   2 em que Tx, y  x  2y, x  4y
4) T :  3   3 em que Tx, y, z  x  y  z, 2y  z, 2y  3z
OBS:
1) Se T :  2   2 com  1   2 , o conjunto v 1 , v 2  formado pelos autovetores associados será
uma base do  2 .
2) Se T :  3   3 com  1   2   3 , o conjunto v 1 , v 2 , v 3  formado pelos autovetores associados
será uma base do  3 .
Exemplo: T :  2   2 onde Tx, y  3x  5y, 2y. O conjunto 1, 1, 1, 0 é uma base do  2 .
OBS: Se A é simétrica e T possui autovalores distintos, então a base formada pelos autovetores
é ortogonal.
49
Exemplos:
1) T :  2   2 , em que Tx, y  7x  4y, 4x  y
2) T :  2   2 , em que Tx, y  3x  y, x  3y
3) T :  3   3 , em que Tx, y, z  x  z, y, x  z
Exercícios de Fixação:
1) Sejam S e T operadores lineares de  2 definidos por Sx, y  x  2y, y e Tx, y  2x, y.
Determinar:
a) S  T
b) T  S
c) 2S  4T
d) SoT
e) ToS
f) SoS
2) Sendo S e T operadores lineares do  3 definidos por Sx, y, z  x, 2y, x  y e

Tx, y, z  x  z, y, z, determinar:
a) SoT
b). ToS
3) Seja a transformação linear S :  3   4 , Sx, y, z  x  y, z, x  y, y  z :
a) Calcular SoTx, y se T :  2   3 , Tx, y  2x  y, x  y, x  3y.
b) Determinar a matriz canônica de SoT e mostrar que ela é o produto da matriz canônica de S
pela matriz canônica de T.
4) Dados os operadores lineares T em  2 e em  3 . Verifique quais são inversíveis e, nos casos

afirmativos, determinar uma fórmula para T 1 .
a) T :  2   2 , Tx, y  3x  4y, x  2y
b) T :  2   2 , Tx, y  x  2y, 2x  3y
c) T :  2   2 , Tx, y  2x  y, 4x  2y
d) T :  2   2 , Tx, y  5x  2y, 4x  2y
e) T :  2   2 , Tx, y  x, y
f) T :  3   3 , Tx, y, z  x  y  2z, y  z, 2y  3z
g) T :  3   3 , Tx, y, z  x  y  z, x  2y, z
h) T :  3   3 , Tx, y, z  x, x  z, x  y  z
i) T :  3   3 , Tx, y, z  x  y  2z, y  z, 2x  y  3z
j) T :  3   3 , Tx, y, z  x  z, x  z, y
5) Determinar os autovalores e autovetores das seguintes transformações lineares.

a). T :  2   2 , Tx, y  x  2y, x  4y
b).T :  2   2 Tx, y  2x  2y, x  3y
c) T :  2   2 , Tx, y  5x  y, x  3y
50
d) T :  2   2 , Tx, y  y, x

e).T :  3   3 , Tx, y, z  x  y  z, 2y  z, 2y  3z
f).T :  3   3 , Tx, y, z  x, 2x  y, 2x  y  2z
g)T :  3   3 , Tx, y, z  x  y, y, z
Respostas:
1. a) 3x  2y, 0 b) x  2y, 2y c)10x  4y, 2y d)2x  2y, y
e)2x  4y, y
f) x  4y, y
1 0 1 0 1 0
2a) 0 2 0 2b) 0 2 0
1 1 1 1 1 0
3a) SoTx, y  3x, x  3y, x  2y, 2x  4y
4a) T 1 x, y  x  2y, 1/2x  3/2y

b) T 1 x, y  3x  2y, 2x  y
c) não
d) T 1 x, y  x  y, 2x  5/2y
e)T 1 x, y  x, y
f) T 1 x, y, z  x  y  z, 3y  z, 2y  z
g) T 1 x, y, z  2x  y  2z, x  y  z, z
h) T 1 x, y, z  x, y  z, x  y
i) não
j) T 1 x, y, z  1/2x  1/2y, z, 1/2x  1/2y
5) a). 3, 2, y, y e 2y, y
b).1, 4, 2y, y e x, x
c) 4, 4x, x
d) não existem
e) 1, 1x, y, y, x, x, 2x
f).1, 1, 2, 3z, 3z, z, 0, 3z, z e 0, 0, z
g) 1, 1, 1, x, 0, zx e z não simultaneamente nulos.
51

Apostila de Álgebra Linear 2019

Enviado por

Dados do documento

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

Apostila de Álgebra Linear 2019

Enviado por

Direitos autorais:

Formatos disponíveis

NOTAS DE AULA DE ÁLGEBRA LINEAR

Profª Drª Ana Paula Marins Chiaradia

Departamento de Matemática - FEG - UNESP

Com doze andares de altura e pesando 75 toneladas, o US Columbia partiu majestosamente de

3  x, y, z/x, y, z    conjunto dos vetores no plano tri-dimensional.

Seja V um espaço vetorial real e S um subconjunto não vazio de V. S é um subespaço vetorial de

0,0a origem uma reta que passa pela origem próprio  2

Exemplos: São subespaços de  3 com as operações usuais:

Exemplo: Não é subespaço vetorial de  2 com as operações usuais:

OBS:  2   3 , isto é, 1, 3  1, 3, 0!!!!!!!!!!

Exemplo: São subespaços vetoriais de V dado:

b) Se AX  B é um sistema linear homogêneo de m equações em n incógnitas, então o conjunto

E o SEL for não-homogêneo, o conjunto dos vetores-soluções será um subespaço do V 

3) Sejam S 1 e S 2 subespaços do espaço V. A interseção de subespaços S 1  S 2 é um subespaço

Exercício 2: Quais dos seguintes conjuntos S são subespaços vetoriais de V? Justifique

3) Determine se o conjunto-solução do sistema AX  0 é uma reta pela origem, um plano pela

5) Considere o sistema linear

Definição: Sejam S 1 e S 2 dois subespaços vetoriais de V. A soma S de S 1 e S 2 , que representa

Teorema: A soma S de dois subespaços vetoriais S 1 e S 2 de V é um subespaço vetorial de V.

Então, S 1  S 2  a, b, c/a, b, c  

Definição: Sejam S 1 e S 2 dois subespaços vetoriais de V. Diz-se que V é soma direta de S 1 e S 2

Teorema: Se V é soma direta de S 1 e S 2 , todo vetor v  V se escreve, de modo único, na forma

Definição: Seja V um espaço vetorial real e S  v 1 , v 2 ,  , v n  uma conjunto de vetores em V.

Exemplo: O vetor v  4, 3, 6  R³ não é combinação linear dos vetores de

Exemplo: O vetor v  4, 18, 7  R³ é combinação linear dos vetores de

Exercício 5: Escreva os vetores como uma combinação de i, j e k.

ESPAÇOS FINITAMENTE GERADOS

Definição: Seja V uma espaço vetorial. Consideremos um subconjunto A  v 1 , v 2 ,  , v n   V,

OBS: A  , então   0, por convenção.

OBS: O conjunto gerador não é único.

Definição: Um espaço vetorial V é finitamente gerado se existe um conjunto finito A, A  V, tal

Exemplo: São espaços vetoriais finitamente gerados: 2 ,  3 ,   n , Mnxm.

Exercício: Determine se u  1, 1, 2, v  1, 0, 1 e w  2, 1, 3 geram o espaço vetorial  3 .

Definição: Sejam V um espaço vetorial e v 1 , v 2 ,  , v n   V um conjunto não-vazio. Dizemos que

Dica: No caso que é possível calcular o determinante, tem-se:

Exemplos: Em cada caso, diga se cada conjunto é LD ou LI:

2) Se um conjunto A  V contém o vetor nulo, então A é LD. Veja os exemplos ________.

3) Se uma parte de um conjunto A  V é LD, então A é também LD. Veja os

4) Se um conjunto A  V é LI, qualquer parte de A é também LI. Veja os exemplos___________.

Exercício 1: Verifique quais conjuntos são LI ou LD, no  2 ou  3 :

e)O conjunto é __________

5) b, d são LD e a,c são LI

Definição: Sejam V um espaço vetorial real e S  v 1 , v 2 ,  , v n   V. O conjunto S é uma base

Exemplos:Complete com a palavra "não", se for o caso:

OBS: Sejam V um espaço vetorial e S  v 1 , v 2 ,  , v n   V uma base qualquer de V com n

Todas as bases de um espaço vetorial têm o mesmo número de vetores.

Definição: O número de vetores de uma base de V é definido como sendo a dimensão de V.

Exemplos: V  3 e dim 3  3. Qualquer subespaço do  3 só poderá ter 0,1,2 ou 3 como

Exercício 1: Analise para V   2 .

Reescrevendo: Sejam V um espaço vetorial de dimV  n e S  v 1 , v 2 ,  , v n   V uma base

Exercício 2: Determinar a dimensão e uma base do espaço vetorial

Definição: Seja B  v 1 , v 2 ,  , v n  uma base de V. Tomemos v  V, sendo v

k 1 v 1  k 2 v 2  k n v n . Os números k 1 , k 2 ,  k n são chamados de componentes ou coordenadas de v

Exercício 3: Seja B  1, 2, 3, 0, 1, 2, 0, 0, 1.

Exercício 4: Determine uma base e a dimensão do espaço-solução do sistema homogêneo.

5. Determinar o vetor coordenada de v  6, 2 em relação às seguintes bases:

d) B 4  0, 1, 1, 0

7. Sejam os vetores v 1  1, 0, 1, v 2  1, 2, 1, v 3  0, 1, 0 do  3 .

ESPAÇO VETORIAL EUCLIDIANO

Definição: Produto escalar ou produto interno de um espaço vetorial V é uma função V  V

Exemplos: São chamados de produto interno usuais:

Exercício 1: Calcular u  v, usando o produto interno usual do  2 .

Definição: Sejam V um espaço vetorial euclidiano e v  V. A norma ou comprimento de um vetor

Exercício 4: No  3 . Determine o componente k do vetor v  6, 3, k tal que v  7.