Espaços Vetoriais: Exemplos e

Propriedades Básicas

APRESENTAÇÃO

Seja bem-vindo à unidade de aprendizagem: Espaços Vetoriais. Nela definiremos espaço e

subespaço vetoriais, suas propriedades e exemplos práticos!

Bons estudos.

Ao final desta Unidade de Aprendizagem, você deve apresentar os seguintes aprendizados:

• Definir espaço e subespaço vetoriais.

• Demonstrar que conjunto dado é um espaço vetorial.
• Avaliar se um subconjunto de um espaço vetorial dado é um subespaço vetorial.

DESAFIO

Nas aulas de matemática trabalhamos com diversos conjuntos, dentre eles, matrizes, polinômios,
Rn. Cada um com operações e propriedades bem definidas. Já em Álgebra Linear, existem
alguns casos de conjuntos em que desejamos definir novas operações de adição e multiplicação
por escalar e posteriormente testar se esse conjunto com essas novas operações é ou não um
espaço vetorial.
Suponha que em um conjunto de matrizes de ordem 2x2 a adição seja definida da seguinte
forma:

Ou seja, em vez de adicionarmos os termos correspondentes como fazemos na operação usual de

adição de matrizes, uma nova operação foi definida. Se você pensar na notação usual de
matrizes, a operação usual seria:
Mas no caso dessa operação estamos propondo:

Considere essa nova definição de adição e as matrizes

quanto vale A + B?

INFOGRÁFICO

Veja no infográfico o que é necessário para especificar V e como definir a adição e

multiplicação por escalar.
 CONTEÚDO DO LIVRO

Um espaço vetorial consiste em um conjunto não vazio de elementos (vetores), que podem ser
somados e multiplicados por um número (escalar) e para os quais são válidas determinadas
propriedades (axiomas).

Para isso, confira o trecho da obra "Álgebra Linear", que serve de base para esta Unidade de
Aprendizagem. Boa leitura!
 ª

W. Keith Nicholson
University of Calgary

Tradução Técnica

Célia Mendes Carvalho Lopes

Docente da Escola de Engenharia da Universidade Presbiteriana Mackenzie

Leila Maria Vasconcellos Figueiredo

Docente do Instituto de Matemática e Estatística da Universidade de São Paulo

Martha Salerno Monteiro

Docente do Instituto de Matemática e Estatística da Universidade de São Paulo

Versão impressa
desta obra: 2006

2014
CAPÍTULO 5
Espaços Vetoriais

5.1 EXEMPLOS E PROPRIEDADES BÁSICAS

O estudo de Rn no Capítulo 4 revelou quão úteis conceitos como subespaço, base e

dimensão podem ser. Surpreendentemente, esses conceitos dependem de dez propriedades
simples de Rn (chamadas axiomas). Em outras palavras, esses dez axiomas são tudo o
que é preciso para definir estes conceitos e provar suas propriedades essenciais. A razão pela
qual isso é importante é que existem outros exemplos além de Rn nos quais estes axiomas
são válidos, e assim, noções como dimensão podem ser desenvolvidas nestes novos
contextos. Um espaço vetorial abstrato é um “superexemplo” nos quais a única coisa que
sabemos é que os axiomas valem. Entretanto, mesmo nessa generalidade total, podemos
ainda definir conceitos (como subespaço e dimensão) e demonstrar teoremas sobre eles
(como o Teorema Fundamental). Assim, os conceitos têm sentido e os teoremas são válidos
em todos os exemplos, pois cada exemplo é uma realização específica do espaço geral. Isso
conduz a muito mais aplicações. Além disso, o esclarecimento da noção de espaço vetorial
abstrato nos fornece uma nova perspectiva útil em exemplos específicos e aponta para
noções imprevistas como a de espaços vetoriais de dimensão infinita. Este capítulo é uma
introdução a esses espaços vetoriais abstratos.

5.1.1 Espaços Vetoriais

Um espaço vetorial consiste de um conjunto não vazio V de elementos (chamados vetores)
que podem ser somados e multiplicados por um número1 (chamado escalar) e para os quais
certas propriedades valem (chamadas axiomas). Assumimos que dois quaisquer vetores v e
w podem ser somados e que a soma, denotada por v + w e novamente um vetor de V.
Analogamente, assumimos que qualquer vetor v em V pode ser multiplicado por qualquer
escalar a, e que o produto, denotada por av, está novamente em V. Essas operações são
chamadas adição de vetores e multiplicação por escalar, respectivamente, e é assumido que
os axiomas a seguir são válidos:
Axiomas para a adição de vetores:
A1. Se v e w estão em V então v + w está em V.
A2. v + w = w + v para todo v e w em V.
A3. u + (v + w) = (u + v) + w para todo u, v e w em V.
A4. Existe um elemento 0 em V tal que v + 0 = v para todo v em V.
A5. Para cada v em V existe um elemento −v em V tal que v + (−v) = 0.

Axiomas para a multiplicação por escalar:

S1. Se v está em V, então av está em V para todos os escalares a.
S2. a(v + w) = av + aw para todo v e w em V e para todos os escalares a.
S3. (a + b)v = av + bv para todo v em V e todos os escalares a e b.
S4. a(bv) = (ab)v para todo v em V e todos os escalares a e b.
S5. 1v = v para todo v em V.

1 Para nós, escalares serão números reais. Entretanto, eles poderiam ser números complexos e, mais geralmente, escalares poderiam
estar em um sistema algébrico chamado corpo. Um outro exemplo é o conjunto Q dos números racionais.
276 CAPÍTULO 5 Espaços Vetoriais

Descrevemos os Axiomas A1 e S1 dizendo que V é fechado sob a adição de vetores e

multiplicação por escalar, respectivamente. Como veremos, a propriedade no Axioma A4
determina unicamente o vetor 0, e 0 é chamado o vetor nulo do espaço vetorial V.
Analogamente, o vetor −v no Axioma A5 é determinado de modo único por v e é
chamado o oposto de v. Observe que a combinação dos Axiomas A2 e A4 mostra que
0 + v = v para todo v em V. Analogamente, (−v) + v = 0 usando os Axiomas A2 e A5.
Então, para especificar um espaço vetorial, precisamos fazer várias coisas. Primeiro
precisamos dizer precisamente o que V é, isto é, temos de especificar o conjunto de vetores
que estamos considerando. A seguir precisamos definir como somar dois de nossos vetores
(para obter a adição em V) e como multiplicar qualquer vetor por qualquer escalar (para
obter a multiplicação por escalar em V). Finalmente, temos de mostrar que os axiomas
valem. Aqui estão vários exemplos, começando com o conceito central do Capítulo 4.

Exemplo 1 Para cada n ≥ 1, Rn é um espaço vetorial com a adição e a multiplicação por escalar usuais.
Aqui os vetores são n-uplas (que continuaremos escrevendo em colunas). O vetor nulo de
Rn é a coluna de zeros usual, e o oposto de um vetor é o oposto usual. Note que R1 = R é o
conjunto dos números reais com as operações usuais.

Exemplo 2 Se m ≥ 1 e n ≥ 1, o conjunto Mm, n de todas as matrizes m × n é um espaço vetorial usando

a soma e a multiplicação por escalar usuais de matrizes. O conjunto Mm, n é claramente
fechado sob estas operações, o vetor nulo é a matriz 0 = 0m, n de tamanho m × n e o oposto
de uma matriz A em Mm, n é −A, a oposta usual. Os outros axiomas são as propriedades
básicas da adição e multiplicação por escalar de matrizes.

Exemplo 3 O conjunto P de todos os polinômios é um espaço vetorial. Aqui um polinômio p(x) é uma
expressão
p(x) = a0 + a1x + a2 x2 + · · · + an xn
onde x é uma variável chamada indeterminada e a0, a1, a2, . . . an são escalares
(possivelmente nula) chamados os coeficientes do polinômio; e a0 é chamado o coeficiente
constante de p(x). Se os coeficientes forem todos nulos, o polinômio é o polinômio nulo e
denotado simplesmente por 0. Dois polinômios são iguais se forem idênticos, isto é, se os
coeficientes correspondentes forem todos iguais. Em particular,
a0 + a1x + a2x2 + · · · + anxn = 0
significa que a0 = a1 = a2 = · · · = an = 0. (Esta é a razão de se chamar x de indeterminada.)
Dois polinômios são somados de modo óbvio pela adição de coeficientes correspondentes e
o produto de um polinômio por um escalar a é obtido pela multiplicação de todos os
coeficientes por a. Por exemplo,
(2 − 5x − 3x3) + (1 + 3x + 7x2) = 3 − 2x + 7x2 − 3x3
e
4(−1 + 3x − 5x3) = −4 + 12x − 20x3.
É rotineira a verificação de que estas operações tornam P um espaço vetorial; o vetor nulo é
o polinômio nulo, e o oposto de um polinômio p(x) é o polinômio (−1)p(x), obtido de p(x)
tomando o oposto de todos os coeficientes.2

Se p(x) é um polinômio não nulo, a maior potência de x em p(x) com o coeficiente nulo
é chamado o grau de p(x) e denotado por grp(x). O coeficiente do termo de maior grau de
p(x) é chamado coeficiente dominante de p(x). O grau do polinômio nulo não é definido.
Alguns exemplos:

2 Mais informações sobre polinômios podem ser encontradas no Apêndice A.3.

 5.1 Exemplos e Propriedades Básicas 277

gr − x) = 1
deg(3 com coeficiente
with dominante
leading coefficient −1 –1
gr + 7x2) = 2
deg(2 with leading coefficient
com coeficiente dominante7 7
deg(4)
gr =0 with leading coefficient
com coeficiente dominante4 4
A noção de grau leva ao próximo exemplo.

Exemplo 4 Se n ≥ 0, o conjunto Pn = {a0 + a1x + a2x2 + · · · + an xn | ai em

in R} consiste de todos os
polinômios de grau no máximo n, juntamente com o polinômio nulo. É fácil ver que Pn é
um espaço vetorial usando a adição e a multiplicação por escalar de P .

O próximo exemplo aparece freqüentemente em análise (o lado teórico de cálculo).

Exemplo 5 Se D é um conjunto não vazio, seja F[D] o conjunto de todas as funções a valores reais
definidas em D. O conjunto D é chamado o domínio das funções. Usualmente D será ou
Y
R ou um intervalo
[a, b] = {x em R | a ≤ x ≤ b}.
(x, f (x)) y = f (x) Tais funções f e g em F[D] são iguais se elas assumem valores iguais para todo x em D, isto
é, se
f (x) = g (x) para todo x em D,
e descrevemos esta situação dizendo que f e g têm a mesma ação.
O Dado um escalar a e funções f e g, as ações da soma f + g e da multiplicação por escalar
a x b X
a f são definidas como em cálculo:
D (f + g)(x) = f (x) + g(x) e (af )(x) = af(x) para todo x em D.
Assim, o valor da função f + g em x é a soma dos valores de f e g em x e o valor de a f
em x é a vezes o valor de f em x. Por essa razão, tais operações são chamadas adição e
multiplicação por escalar ponto a ponto. Elas são as operações familiares da álgebra
elementar e do cálculo.
Y Por exemplo, se f (x) = sen x para todo x e g(x) = 1 + x para todo x, então f + g é dada por
y = (f + g)(x) (f + g)(x) = f (x) + g(x)
= 1 + x + senx = (1 + x) + sen
sin xx
para todo x. O gráfico da equação y = (f + g)(x) é mostrado no diagrama juntamente com
y = g(x) = 1 + x y = f (x) e y = g(x).
y = f (x) = senx
Essas operações ponto a ponto tornam F[D] um espaço vetorial. O vetor nulo em F[D]
é a função constante f0 que é identicamente nula para todos os valores de x; isto é, f0(x) = 0
O a b X para todo x em D. O oposto de uma função f é a função −f definida por (−f )(x) = −f (x)
para todo x em D. A verificação de que o Axioma A4 vale em F[D] é como a seguir: se f é
uma função qualquer em F[D], calculamos
(f + f0)(x) = f (x) + f0(x) = f (x) + 0 = f (x) para
for all
todox in D. D.
x em
Isso significa que f + f0 = f e, assim, como isso é válido para toda f em F[D], fica provado
que o axioma A4 vale em F[D]. Fica para você a verificação da validade dos outros axiomas.

Exemplo 6 Um conjunto {0} com um único elemento torna-se um espaço vetorial se definirmos
0 + 0 = 0 e a0 = 0 para todos os escalares a. Os axiomas são facilmente verificados, e
{0} é chamado o espaço nulo.
278 CAPÍTULO 5 Espaços Vetoriais

Mais adiante outros exemplos de espaços vetoriais aparecerão, por enquanto estes bastam
para ilustrar a diversidade do conceito de espaço vetorial. Retornamos agora à tarefa de
provar teoremas no contexto de um espaço vetorial abstrato V (eles então valerão em
qualquer destes exemplos). No início, tudo o que sabemos sobre V é que os axiomas valem.
Embora pareça não haver muito para ser feito, um surpreendente número de fatos sobre
V podem ser deduzidos destes axiomas. A idéia é construir um corpo de informação, um
teorema de cada vez, e usar os teoremas já provados para ajudar a deduzir resultados novos.
Nosso primeiro resultado é muito útil.

T EOREMA 1 Cancelamento Se w + v = u + v em um espaço vetorial V, então w = u.

DEMONSTRAÇÃO Se v, w e u fossem números, nós simplesmente subtrairíamos v de ambos os lados para obter
w = u. Conseguimos fazer isso somando −v a ambos os lados (usando o Axioma A5 que
garante que −v está disponível). O resultado é
(w + v) + (−v) = (u + v) + (−v).
Usando o Axioma A3, isso se torna w + (v + (−v)) = u + (v + (−v)), e isso é w + 0 = u + 0
pelo Axioma A5 novamente. Então, w = u pelo Axioma A4. Isso é o que queríamos.

Observe que v + w = v + u em um espaço vetorial V implica que w = u pelo Axioma A2

e cancelamento.
Em particular, o Teorema 1 mostra que existe um único vetor nulo em qualquer espaço
vetorial V. De fato, se 0′ tem a propriedade no Axioma A4, então v + 0 = v = v + 0′ para
todo v em V e, assim, 0 = 0′ pelo cancelamento. Além disso, um argumento análogo mostra
que existe um único oposto de cada vetor (verifique). Assim, falamos do vetor nulo e do
oposto de cada vetor.
A técnica na demonstração do Teorema 1 foi imitar o processo de subtrair v de ambos os
lados da equação pela adição de −v aos dois lados. Se fizermos isso na equação
x+v=u
o resultado é x = u + (−v) como você pode verificar. Assim, por analogia com a aritmética,
definimos a diferença u − v de dois vetores u e v por
u − v = u + (−v).
E, como em aritmética, dizemos que u − v é o resultado da subtração de v de u.
Incidentalmente, mostramos que x = u − v é a única solução da equação x + v = u.
O próximo teorema dá alguns fatos básicos sobre um espaço vetorial V que serão usados
extensivamente mais adiante.

T EOREMA 2 Seja v um vetor em um espaço vetorial V e seja a um escalar.

(1) 0v = 0.
(2) a0 = 0.
(3) Se av = 0, então ou a = 0 or v = 0 .
(4) (−1)v = −v .
(5) (−a)v = −(av) = a(−v).

DEMONSTRAÇÃO (1) Pelos Axiomas S3 e A4 temos que 0v + 0v = (0 + 0)v = 0v = 0v + 0 . Agora (1) segue
do cancelamento.
(2) Aqui a0 + a0 = a(0 + 0) = a0 = a0 + 0 pelos Axiomas S2 e A4, e daí novamente o
resultado segue do cancelamento.
(3) Suponha que av = 0. Se a = 0, já não há mais o que fazer. Se a ≠ 0, multiplicamos
a equação av = 0 em ambos os lados da equação por 1a . Então, (2) e os Axiomas S4 e
S5 fornecem
 
v = 1v = 1a a v = 1a (av) = 1a 0 = 0.
 5.1 Exemplos e Propriedades Básicas 279

(4) Usando (1) com os Axiomas S5, S3, A2 e A5, temos

(−1)v + v = (−1)v + 1v = (−1 + 1)v = 0v = 0 = −v + v .
Agora basta usar o cancelamento.
(5) Para a primeira equação, use (4) e o axioma S4:
(−a)v = ((−1)a)v = (−1)(av) = −(av) .
A outra equação é verificada analogamente e a demonstração é deixada para você.

Observe que os itens (1), (2) e (3) do Teorema 2 podem ser combinados no enunciado
seguinte: se a é um escalar e v é um vetor, então
av = 0 se, e somente se, a = 0 ou v = 0
Isso será usado várias vezes no que se segue.
Os Axiomas S2 e S3 se estendem como a seguir. Se a, a1, a2, · · · , an são escalares e
v, v1, v2, · · · , vn são vetores, temos 3
a(v1 + v2 + · · · + vn) = av1 + av2 + · · · + avn
(a1 + a2 + · · · + an)v = a1v + a2v + · · · + anv
Estes fatos, juntamente com os axiomas, o Teorema 2 e a definição de subtração nos
permitem manipular e simplificar somas de múltiplos escalares de vetores agrupando os
termos semelhantes, expandindo e tirando fatores comuns. Isso já foi discutido para matrizes
e vetores de Rn e manipulações em um espaço vetorial arbitrário são tratadas do mesmo
modo. Por exemplo,
3(v − 2w) − 4(v + 2u) + 2(3w + 4u) = 3v − 6w − 4v − 8u + 6w + 8u = −v.
Cálculos como este serão usados em toda discussão em espaços vetoriais.

5.1.2 Subespaços
Se V é um espaço vetorial, um subconjunto não vazio U ⊆ V é um subespaço de V se U for
um espaço vetorial usando a adição e a multiplicação por escalar de V. Assim, Pn é um
subespaço de P e, se considerarmos polinômios como funções a valores reais definidas em
R , P é um subespaço de F[R]. Observe que se U e W forem subespaços de um mesmo
espaço vetorial e se U ⊆ W, então U é um subespaço de W.
Usando o Teorema 2, podemos dar um teste simples para verificar quando um
subconjunto de um espaço vetorial é um subespaço.

T EOREMA 3 Teste de Subespaço Um subconjunto U de um espaço vetorial V é um subespaço de V se, e

somente se, ele satisfaz as três condições seguintes:
(1) 0 está em U.
(2) Se u está em U, então au está em U para todos os escalares a.
(U é fechado sob a multiplicação por escalar.)
(3) Se u e u1 estão em U, então u + u1 está em U.
(U é fechado sob a adição.)
DEMONSTRAÇÃO Se U é um subespaço, então (2) e (3) valem pelos axiomas S1 e A1 (aplicados ao espaço
vetorial U) e se u está em U, então o Teorema 2 fornece 0 = 0u e, assim, 0 está em U por (2),
e (1) é então válida.4
Reciprocamente, suponha que (1), (2) e (3) são válidas para U. Então os axiomas A1 e S1
valem por (2) e (3) e todos os Axiomas A2, A3, S2, S3, S4 e S5 vão ser válidos em U já que eles
valem em V. Depois, o axioma A4 é verdadeiro em U pois o vetor nulo de V já está em U por
(1) e assim serve como o vetor nulo de U. Finalmente, se u está em U, seu oposto −u no
espaço V está também em U por (2) já que −u = (−1)u. Isso prova o Axioma A5 para U.

3 É uma conseqüência do Axioma A3 que podemos omitir parênteses quando escrevemos uma soma v + v + · · · + v .
1 2 n
4 Isto mostra que a condição (1) segue da condição (2), desde que U contenha no mínimo um vetor. Preferimos deixar (1) no
Teorema 3 pois verificá-la é geralmente mais fácil e, se ela não valer, U não pode ser um subespaço.
280 CAPÍTULO 5 Espaços Vetoriais

Observe que a demonstração do Teorema 3 mostra que se U é um subespaço de V, então U e

V têm o mesmo vetor nulo e o oposto de um vetor de U é o mesmo que seu oposto em V.
Subespaços de Rn foram definidos na Seção 4.1 como subconjuntos que satisfazem as
condições no Teorema 3. Isso fornece muitos mais exemplos de espaços vetoriais.

Exemplo 7 Todos os subespaços de Rn discutidos no Capítulo 4 são eles mesmos espaços vetoriais.
Por exemplo, se A é uma matriz, então cada um dos subconjuntos de anulA, imA = colA
e linA são espaços vetoriais. Outro exemplo: U ⊥ é um espaço vetorial quando U é qualquer
subespaço de Rn .

Exemplo 8 Se V é um espaço vetorial, então {0} e V são subespaços de V. O subespaço {0} é chamado
subespaço nulo de V e qualquer outro subespaço de V diferente de {0} e de V é denominado
subespaço próprio de V.

Exemplo 9 Seja v é um vetor em um espaço vetorial V. Mostre que Rv é um subespaço de V, onde

Rv {rv | r em R }.

SOLUÇÃO Primeiro, 0 = 0v mostra que 0 está em Rv. A seguir, dados u = rv e u1 = r1v em Rv, temos,
para cada escalar a,
au = a(rv) = (ar)v and
e u + u1 = rv + r1v = (r + r1)v .
Assim, au e u + u1 estão ambos em Rv e, então, o Teste de Subespaço se aplica.

Exemplo 10 Mostre que o conjunto U = {A em Mn, n | A é simétrica} é um subespaço de Mn, n .

SOLUÇÃO Lembre-se de que A é simétrica se AT = A. Assim, a matriz nula está em U pois 0T = 0.

Se A e B estão em U, então AT = A e BT = B e, portanto, (A + B)T = AT + BT = A + B
e (aA)T = a AT = aA para todos os escalares a. Assim, A + B e aA estão em U e U é um
subespaço pelo Teste de Subespaço.

Exemplo 11 Se λ é um número real fixo, seja U = {p(x) em P | p(λ) = 0 o conjunto de todos os

polinômios que têm λ como uma raiz. Mostre que U é um subespaço de P .

SOLUÇÃO É claro que o polinômio nulo está em U. Se p(x) e q(x) estão em U, então
(p + q)(λ) = p(λ) + q(λ) = 0 + 0 = 0 e p + q está em U. Analogamente, ap está
em U para todos os escalares a (verifique) e o Teste de Subespaço se aplica.

Exemplo 125 Mostre que o conjunto de todas as funções deriváveis é um subespaço de F[R].

SOLUÇÃO A função nula é derivável (sua derivada é novamente a função nula) e é um teorema do
Cálculo que somas e múltiplos por escalar de funções deriváveis são novamente deriváveis.

Sejam v1, v2, · · · , vn vetores em um espaço vetorial V. Como em Rn , se a1, a2, · · · , an

são escalares, a soma a1v1 + a2v2 + · · · + anvn é chamada de combinação linear dos vetores
vi . O conjunto de todas as combinações lineares é o subconjunto gerado pelos vetores vi e é
denotado por
ger{v1, v2, . . . , vn} = { r1 v1 + r2v2 + . . . + rnvn | ri em R }.
Em particular, ger{v} = {rv | r em R } = Rv é o subespaço do Exemplo 9. Estas noções
coincidem com as do Capítulo 4 e a demonstração do próximo resultado é exatamente a
mesma que a do Teorema 1 da Seção 4.1

5 Os leitores que não são familiares com o Cálculo podem omitir este exemplo sem perda de continuidade.
 5.1 Exemplos e Propriedades Básicas 281

T EOREMA 4 Seja U = ger{v1, v2, . . . , vn} em um espaço vetorial V.

(1) U é um subespaço de V que contém cada um dos vetores v1, v2, · · · , vn .
(2) U é “o menor” subespaço contendo esses vetores no sentido em que qualquer
subespaço de V que contenha v1, v2, · · · , vn já, necessariamente, contém U.

Exemplo 13 Se u, v e w são vetores, mostre que ger{u, v w} = ger{u + v, v + u + w}.

SOLUÇÃO Por conveniência, escreva U = ger{u, v, w} e W = ger{u + v, v + w, u + w}. Temos que

W ⊆ U pelo Teorema 4 pois u + v, v + w e u + w estão em U. Por outro lado,
u = 12 (u + v) − 12 (v + w) + 12 (u + w)
mostra que u está em W. Analogamente, v e w estão em W, de modo que
U = ger {u, v, w} ⊆ W, novamente pelo Teorema 4. Logo, U = W.

Exemplo 14 Mostre que P 3 = ger{2x + x3, x2 – x, 3x – 2, 5}.

SOLUÇÃO Por conveniência, escreva U = ger{2x + x3, x2 – x, 3x – 2, 5}. Então, é claro que U ⊆ P3 .
Como P 3 = ger{1, x, x2, x3}, é suficiente mostrar que cada um dos polinômios 1, x, x2 e x3
está em U.
Primeiro, 1 = 15 · 5 está em U pois 5 está em U.
Então, x = 13 [(3x − 2) + 2 · 1] está em U pois ambos 3x − 2 e 1 estão em U.
Agora, x2 = (x2 − x) + x está em U pois x2 − x e x estão ambos em U.
Finalmente, x3 = (2x + x3) − 2 · x está em U pois 2x + x3 e x estão em U.
Isso é o que queríamos.

Exemplo 15 Mostre que P n = ger{1, x, x2, . . . , xn }.

SOLUÇÃO Temos que P n = {a0 + a1x + a2x2 + . . . anxn | ai em R } pelo Exemplo 4.

Toda matriz 2 × 2 A em M2, 2 pode ser escrita como a seguir:

 
a11 a12
A=
a21 a22
       
1 0 0 1 0 0 0 0
= a11 + a12 + a21 + a22 .
0 0 0 0 1 0 0 1

Isso revela um conjunto gerador útil para M2, 2 , e uma decomposição análoga vale em
Mm, n. A matriz m × n com elemento (i, j) igual a 1 e todos os outros elementos iguais
a 0 é chamada matriz unidade (i, j) e denotada por Ei j . Se A = [ai j] é uma matriz em
Mm, n, é claro que A = Σi, j ai j Ei j onde a soma é tomada sobre todos i e j tais que 1 ≤ i ≤ m
e 1 ≤ j ≤ n. Assim, Mm, n é gerado pelas matrizes unidades. Por exemplo,
M2, 3 = ger{E11, E12, E13, E21, E22, E23}.
Generalizando, existem mn matrizes unidades em Mm, n, e temos

Exemplo 16 Mm, n = ger{Ei j | 1 ≤ i ≤ m e 1 ≤ j ≤ n} e onde Ei j são as matrizes unidades

m × n.
282 CAPÍTULO 5 Espaços Vetoriais

Exemplo 17 Suponha que um objeto seja suspenso por uma mola em espiral. Se o objeto for puxado
para baixo de sua posição de repouso e solto, ele começará a oscilar. É conhecido que o
deslocamento y em torno da posição de repouso é dado em termos do tempo t por uma
função da seguinte forma:
y = a cos(ωt) + b sen(ωt)
onde ω é uma constante que depende da mola e da massa do objeto. Então o conjunto de
todas as funções descrevendo tais movimentos é o subespaço de F[R] gerado por cos(ωt)
y e sen(ωt).

Exercícios 5.1
Os problemas que envolvem cálculo podem ser omitidos pelos 4. Seja V = {[x y] | x e y reais. Mostre que V é um espaço
estudantes que não têm conhecimento desse assunto. vetorial com as seguintes operações:
[x y] +̇ [x1 y1] = [x + x1 y + y1 + 1] e
1. Em cada caso, ou prove que a afirmação é verdadeira ou dê
a · [x y] = [ax ay + a − 1].
um exemplo para mostrar que ela é falsa.
a) Todo espaço vetorial contém no mínimo um vetor. 5. Seja V = {v em R | v > 0}. Mostre que V é um espaço vetorial
b) Todo subespaço não nulo contém um número infinito se a adição de vetores for a multiplicação usual e a
de vetores. multiplicação por escalar for definida por a · v = v a.
c) {1 − x, 2 + x − x2} gera P2 . 6. Determine, em cada caso, se U é um subespaço de P3 .
d) Trabalhando em F[R], 1 está em ger{cos2x, sen2x}. Justifique a sua resposta.
e) Trabalhando em F[R], x está em ger{cos2x, sen2x}. a) U = {p(x) | p(1) = 1}
f) O conjunto Z = {0, ±1, ±2, ±3, · · ·} é um espaço vetorial b) U = {p(x) | p(x) = 0 ou ger p(x) = 3}
com as operações usuais. c) U = {xp(x) | p(x) em P3
g) O conjunto Q de todos os números racionais (frações) é d) U = {xp(x) + (1 – x)q(x) | p(x) e q(x) estão em P 2}
um espaço vetorial com as operações usuais. e) U = {xp(x) | p(x) em P 2}
h) Todo espaço vetorial não nulo V contém um subespaço f) U = {p(x) em P3 | p(x) tem termo constante 0}
próprio (Exemplo 8). 7. Determine, em cada caso, se U é um subespaço de M2, 2 .
2. Seja V o conjunto de todas as matrizes 1 × 3, e defina a adição
Justifiquea suaresposta. 
em V como em M1, 3 . Para cada uma das definições a seguir de
multiplicação por escalar (denotada por · em cada caso),
a) U =

a
0
b
c

| a, b,
b, ccem
in R
 
a b
decida se V é um espaço vetorial. b) U = |a+c =b+d
c d
a) a · [x y z] = [ax ay z] .
c) U = {A | A = −AT }
b) a · [x y z] = [0 0 0]. d) U = {A | AB = BA}, onde B é uma matriz fixa de M2, 2
c) a · [x y z] = [ax ay 0]. e) U = {A | detA = 0}
d) a · [x y z] = [− ax − ay − az] . f) U = {A | A2 = A}
e) a · [x y z] = [x y z]. g) U = {BA0 | B em M2, 3}, onde A0 é uma matriz fixa 3 × 2
f) a · [x y z] = [ay ax az].
8. Determine, em cada caso, se U é um subespaço de F[0, 1] .
3. Em cada caso, decida se V é um espaço vetorial com as Justifique a sua resposta.
operações dadas. Justifique a sua resposta. a) U = { f | f (0) = 1}
a) V é o conjunto de todos os números reais não-negativos; b) U = { f | f (0) = 0}
adição e multiplicação usuais. c) U = { f | f (0) = f (1)}
b) V é o conjunto dos números complexos; adição e d) U = {f | f(x) ≥ 0 para todo x em [0, 1]}
multiplicação por um número real usuais. e) U = {f | f(x) = f(y) para todo x e y em [0, 1]}
f) U = {f | f(x + y) = f(x) + f(y) para todo x e y em [0, 1]}
c) V = {0}, onde 0 + 0 = 0 e a · 0 = 0 para todos os números
g) U = { f | f ′ 12 = 0, onde ′ denotesa derivada
wheref ′f denota de f }of f }
the derivative
reais a. 1
d) V = {[x 1 z] | x e z reais}; operações de M1, 3 . h) U = { f | 0 f (x)dx = 0}
e) V = {[x z] | x e y reais e x2 = y2}; operações de M1, 2 . 9. Determine, em cada caso, se v1 ou v2 estão em ger{u, w}.
f) V é o conjunto de todas as matrizes 2 × 2 B; adição de a) u = x2 − 2, w = x2 + x; v1 = x2 + 1, v2 = x2 − 2x − 6.
M2, 2 e a · B = |a| B. b) u = x3 − 2x + 1, w = x2 + x − 2; v1 = x3 + 2x2 − 3, v2 = x3 .
       
g) V é o conjunto de todas as matrizes 2 × 2 B; adição de 1 −1 0 1 1 0 1 0
c) u = ,w= ; v1 = , v2 = .
M2, 2 e a · B = aBT . 0 1 1 −1 1 0 0 1
       
h) V é o conjunto das funções R → R ; adição ponto a ponto 1 0 0 −1 1 0 5 3
d) u = ,w= ; v1 = , v2 = .
e (a · f )(x) = f (ax) para todo x. 0 1 −1 1 0 0 3 2
 Encerra aqui o trecho do livro disponibilizado para
esta Unidade de Aprendizagem. Na Biblioteca Virtual
da Instituição, você encontra a obra na íntegra.
 DICA DO PROFESSOR

Subespaço, base e dimensão podem ter inúmeras aplicações dentro da álgebra linear. Neste
vídeo da Dica do Professor, você poderá entender esses conceitos em síntese e apresentados
através de exemplos, para que lhe auxiliem na resolução dos exercícios.

Conteúdo interativo disponível na plataforma de ensino!

EXERCÍCIOS

1) Marque a afirmação correta sobre espaços vetoriais.

A) Existe espaço vetorial vazio.

B) Para que um conjunto seja um espaço vetorial é preciso definir as operações de adição e
multiplicação entre dois vetores do conjunto.

C) Um conjunto continuará sendo espaço vetorial mesmo se definirmos outras operações de

adição e multiplicação por escalar.

D) O conjunto Z = {0, ±1, ±2 , ±3, ...} com as operações de adição e multiplicação por escalar
usuais é um espaço vetorial.

E) Todo o espaço vetorial contém o vetor nulo.

2) Seja V o conjunto de todas as matrizes 1x3, com a adição usual, marque a alternativa
correta.

A) Se definirmos a multiplicação por escalar em V como a[x y z]=[0 0 0], V será um espaço
vetorial.
B) Se definirmos a multiplicação por escalar em V como a[x y z]=[-ax -ay -az], V será um
espaço vetorial.

C) Se definirmos a multiplicação por escalar em V como a[x y z]=[ax ay az], V não será um
espaço vetorial.

D) Se definirmos a multiplicação por escalar em V como a[x y z]=[0 ay az], V não será um
espaço vetorial.

E) Se definirmos a multiplicação por escalar em V como a multiplicação usual em M1x3, V

não será um espaço vetorial.

3) Marque a alternativa que contém um espaço vetorial.

A) V = {[x 1 z]| x e y ε R} com as operações usuais do espaço vetorial das matrizes de ordem
1x3.

B) b) V é o conjunto das matrizes 2x2, com a operação usual de adição e a multiplicação por
escalar aB = |a|B .

C) c) V é o conjunto dos números complexos com a adição e multiplicação por escalar usuais.

D) V é o conjunto de todos os reais não negativos com as operações de adição e multiplicação

por escalar.

E) V é o conjunto das funções R → R com as operações adição ponto a

ponto, ou seja, (f + g)(x) = f(x) + g(x) e (a.f)(x) = f(ax)
para todo x.

4) Marque a alternativa correta sobre subespaço vetorial.

A)
é um subespaço do espaço vetorial M2,2.

B) U = {A|A2 = A} é um subespaço do espaço vetorial M2,2.

C) U = {A | AB = BA} onde B é uma matriz fixa de M2,2. não é um subespaço do espaço

vetorial M2,2.

D) U = {p(x) em P3 | p(x) tem termo constante 0} não é um subespaço do espaço vetorial P3.

E) U = {f | f(0) = 0} não é um subespaço do espaço vetorial F[0,1].

5) Marque a alternativa correta sobre geradores.

A) O conjunto {1+x,x+x2, x2+x3, 1+x3} gera P3.

B)
O conjunto abaixo gera M2,2.

C) Dados

v1 está em ger{u,w}.

D) Dados

v1 não está em ger{u,w}.

E) Dados U = x3-2x+1,w = x2+x-2,v1 = x3 está em ger{u,w}.

NA PRÁTICA

SAIBA MAIS

Para ampliar o seu conhecimento a respeito desse assunto, veja abaixo as sugestões do
professor:

Confira no artigo sobre Espaços Vetoriais a seguir um breve histórico, conceitos e

propriedades:

Conteúdo interativo disponível na plataforma de ensino!

Espaços vetoriais

Conteúdo interativo disponível na plataforma de ensino!