Faculdade de Ciências Agrárias

Cadeira de Álgebra Linear

Tema: Matrizes e Vectores

Nampula, Abril
2021
 Faculdade de Ciências Agrárias

Tema: Matrizes e Vectores

O Trabalho de carácter avaliativo e investigativo,

a ser apresentado na UMBB, Faculdade de
Ciências Agrárias, na cadeira de Álgebra Linear,
2º Ano, Turma: C, é leccionado pelo:
MSc. Tomocene António Tomocene

Discentes:
- Margarida Domingos Alberto
- Maria Helena
- Momade Arnaldo Muatuca
- Samito Paulino Chinês
1º Grupo

Nampula, Abril
2021
2
Índice
Introdução ............................................................................................................................... 4
MATRIZES E VECTORES ................................................................................................... 5
1. Matrizes .............................................................................................................................. 5
1.1. Representação de uma matriz .......................................................................................... 5
1.2. Tipos de matrizes ............................................................................................................. 6
1.3. Igualdade de Matrizes ...................................................................................................... 8
1.4. Operações de Matrizes ..................................................................................................... 8
1.5. Determinantes .................................................................................................................. 9
1.5.1. Determinante de 1ª Ordem .......................................................................................... 10
1.5.2. Determinante de 2ª Ordem .......................................................................................... 10
1.5.3. Determinante de 3ª Ordem .......................................................................................... 10
1.5.4. Menor Complementar ................................................................................................. 11
1.5.6. Propriedades dos determinantes .................................................................................. 11
1.6. Matriz Inversa ................................................................................................................ 12
1.6.1. Matriz Singular ........................................................................................................... 12
1.6.2. Matriz Não-Singular ................................................................................................... 12
1.6.3. Propriedades da Matriz Inversa .................................................................................. 12
1.7. Operações Elementares .................................................................................................. 13
1.8. Equivalência de Matrizes ............................................................................................... 13
1.9. Transformação de uma Matriz na Matriz Unidade ........................................................ 13
1.10. Inversão de uma Matriz por Método de Operações Elementares ................................ 14
2. Vectores ............................................................................................................................ 15
2.1. Adição de Vectores ........................................................................................................ 15
Propriedades: ........................................................................................................................ 15
2.2. Multiplicação por escalar ............................................................................................... 16
2.3. Operações com vectores ................................................................................................ 16
2.4. Espaços vectoriais .......................................................................................................... 19
2.5. Subespaços vectoriais .................................................................................................... 21
2.6. Combinação linear ......................................................................................................... 24
Conclusão.............................................................................................................................. 25
Referências Bibliográficas .................................................................................................... 26

3
Introdução
Neste trabalho da cadeira de Álgebra Linear é de carácter avaliativo e investigativo, que visa
na apresentação do tema Matrizes e Vectores. Estes temas são estudados e aplicados no
quotidiano, por deve-se conhecer o arranjo rectangular de elementos de um conjunto é
designado; onde se trata a acção de um corpo sobre outro (uma força) sendo só caracterizada
pelas suas intensidade, direcção e pelo seu sentido. Ao longo do desenvolvimento do trabalho
ira-se abordar sobre os seguintes conteúdos: Matrizes (Tipos, Igualdade, Operações,
Determinantes, Inversão, Equivalência e Transformação); Vectores (Operações, Espaços e
Subespaços Vectoriais, Combinação Linear). O trabalho esta estruturado em: Introdução,
Desenvolvimento, Conclusão e Referência Bibliográfica.

4
 MATRIZES E VECTORES

1. Matrizes
Matriz é uma tabela organizada em linhas e colunas no formato m x n, onde m representa o
número de linhas (horizontal) e n o número de colunas (vertical). A função das matrizes é
relacionar dados numéricos. Por isso, o conceito de matriz não é só importante na
Matemática, mas também em outras áreas já que as matrizes têm diversas aplicações.

1.1. Representação de uma matriz

Na representação de uma matriz, os números reais geralmente são elementos inseridos
entre colchetes, parênteses ou barras.

É necessário estabelecer algumas notações quanto às suas representações. As matrizes são

sempre representadas por letras maiúsculas (A, B, C…), que são acompanhadas por
índices, nos quais o primeiro número indica a quantidade de linhas, e o segundo, o
número de colunas.

A quantidade de linhas (fileiras horizontais) e colunas (fileiras verticais) de uma matriz

determina sua ordem. A matriz A possui ordem m por n. As informações contidas em uma
matriz são chamadas de elementos e ficam organizadas entre parênteses, colchetes ou duas
barras verticais, veja os exemplos:

( ) ‖ ‖

 A matriz A possui duas linhas e três colunas, logo, sua ordem é dois por três → A2x3.
 A matriz B possui uma linha e quatro colunas, logo, sua ordem é um por quatro, por
isso recebe o nome de matriz linha → B1x4.
 A matriz C possui três linhas e uma coluna, e por isso é chamada de matriz coluna e
sua ordem é três por um → C3x1.

Podemos representar genericamente os elementos de uma matriz, isto é, podemos escrever

esse elemento utilizando uma representação matemática. O elemento genérico será
representado por letras minúsculas (a, b, c…), e, assim como na representação de matrizes,
ele também possui índice que indica sua localização. O primeiro número indica a linha em
que o elemento está, e o segundo número indica a coluna na qual ele se localiza. Considere a
seguinte matriz A, faremos a listagem de seus elementos.

( )

5
Observando o primeiro elemento que está localizado na primeira linha e primeira coluna, ou
seja, na linha um e coluna um, temos o número 4. A fim de facilitar a escrita, vamos denotá-lo
por: a11 -> elemento da linha um, coluna u. Assim temos os seguintes elementos da matriz
A2x3:
a11 = 4; a12 =16; a13 = 25; a21 = 81; a22 = 100; a23 = 9

De modo geral, podemos escrever uma matriz em função de seus elementos genéricos, essa é
a matriz genérica. Uma matriz de m linha e n colunas é representada por:

[ ]

ou

Exemplo: Determine a matriz , que possui a seguinte lei de formação

. Dos dados do enunciado, temos que a matriz A é de ordem dois por dois, ou seja,
possui duas linhas e duas colunas, logo:

* +

Além disso, foi dada a lei de formação da matriz, ou seja, a cada elemento satisfaz-se a
relação . Substituindo os valores de i e j na fórmula, temos:

Portanto, a matriz A é: * +

1.2. Tipos de matrizes

Algumas matrizes recebem nomes especiais, devidas suas características.

 Matriz linha: matriz do tipo 1 × n, ou seja, com uma única linha. Por exemplo, a
matriz do tipo 1 × 4.
 Matriz coluna: matriz do tipo m × 1, ou seja, com uma única coluna. Por exemplo,

( ), do tipo 3 × 1.

6
 Matriz quadrada: matriz do tipo n × n, ou seja, com o mesmo numero de linhas e
colunas; dizemos que a matriz e de ordem n. Os elementos da forma Constituem a
diagonal principal. Os elementos em que i + j = n + 1 constituem a diagonal
secundária.

Por exemplo, a matriz * + é do tipo 2 × 2, isto é, quadrada de ordem 2.

 Matriz nula: matriz em que todos os elementos são nulos; é representada por .

Por exemplo, * +

 Matriz diagonal: matriz quadrada em que todos os elementos que não estão na

diagonal principal são nulos. Por exemplo: [ ]

 Matriz identidade: matriz quadrada em que todos os elementos da diagonal principal

são iguais a 1 e os demais são nulos; é representada por , sendo n a ordem da matriz.

Por exemplo: [ ]

Para uma matriz identidade: {

 Matriz transposta: Dada uma matriz A(m × n), a matriz que se obtém trocando
ordenadamente as linhas pelas colunas chama-se transposta de A, e é indicada por At
(ou por At). Por exemplo:

[ ] * +

 Matriz simétrica: matriz quadrada de ordem n tal que A = At. Por exemplo:

[ ], é simétrica pois temos .

 Matriz anti-simétrica: Uma matriz quadrada é anti-simétrica se At = −A.

Por exemplo: [ ]

 Matriz oposta: matriz −A obtida a partir de A trocando-se o sinal de todos os

elementos de A. Por exemplo, se ( ) ( )

7
  Matriz Triangular:
i) Superior: Quando uma matriz A tem os elementos nulos para i > j.

Exemplo: [ ]

ii) Inferior: Quando uma matriz A tem os elementos nulos para i < j.

Exemplo: [ ]

1.3. Igualdade de Matrizes

Duas matrizes, A e B, do mesmo tipo m × n, são iguais se, e somente se, todos os elementos
que ocupam a mesma posição são iguais. Por exemplo, se

* + * +

1.4. Operações de Matrizes

1.4.1. Adição de matrizes
Uma matriz é obtida pela soma dos elementos de matrizes do mesmo tipo. Exemplo: A soma
entre os elementos da matriz A e B produz uma matriz C.

Propriedades
 Comutativa:
 Associativa:
 Elemento oposto:
 Elemento neutro: , se 0 for uma matriz nula de mesma ordem que A

1.4.2. Subtracção de matrizes

Uma matriz é obtida pela subtracção dos elementos de matrizes de mesmo tipo. Exemplo: A
subtracção entre elementos da matriz A e B produz uma matriz C.

⏞ ⏞ ⏞ ⏞ ⏞
* + * + * + * + [ ] * +

Neste caso, realizamos a soma da matriz A com a matriz oposta de B, pois

.

8
1.4.3. Multiplicação de matrizes
A multiplicação de duas matrizes, A e B, só é possível se o número de colunas de A for igual
ao número de linhas de B, ou seja, .

Exemplo: Multiplicação entre a matriz 3 x 2 e a matriz 2 x 3.

[ ] * + [ ] [ ]

[ ]

Propriedades
 Associativa:
 Distributiva à direita:
 Distributiva à esquerda:
 Elemento neutro: , onde é a matriz identidade

1.4.4.Multiplicação de matriz por um número real

Obtém-se uma matriz onde cada elemento da matriz conhecida foi multiplicado pelo número

real. Exemplo: * + * + * +

Propriedades





1.5. Determinantes
Determinante é um número que se associa a uma matriz quadrada. De modo geral, um
determinante é indicado escrevendo-se os elementos da matriz entre barras ou antecedendo a
matriz pelo símbolo det.

Assim, se * +, o determinante de A é indicado por: * +

O cálculo de um determinante é efetuado através de regras específicas que estudaremos mais

adiante. É importante ressaltarmos alguns pontos:

1. Somente as matrizes quadradas é que associamos determinantes.

2. O determinante não representa o valor de uma matriz.
9
1.5.1. Determinante de 1ª Ordem
Dada uma matriz quadrada de 1a ordem , o seu determinante é o numero real :
. Exemplo:

1.5.2. Determinante de 2ª Ordem

Dada a matriz * +, de ordem 2, por definição o determinante associado a M,

determinante de 2ª ordem, é dado por: * +

1.5.3. Determinante de 3ª Ordem

Para o cálculo de determinantes de ordem 3 podemos utilizar uma regra prática, conhecida
como Regra de Sarrus, que só se aplica a determinantes de ordem 3.

[ ]

1º passo: Repetimos as duas primeiras 3º passo: Encontramos a soma do produto

colunas ao lado da terceira: dos elementos da diagonal secundária com
os dois produtos obtidos pela multiplicação
| |
dos elementos das paralelas a essa
diagonal:
2º passo: Devemos encontrar a soma do
produto dos elementos da diagonal
principal com os dois produtos obtidos
pela multiplicação dos elementos das
paralelas a essa diagonal:

Assim, subtraindo o segundo produto do primeiro, podemos escrever o determinante como:

10
1.5.4. Menor Complementar
Chamamos de menor complementar relativo a um elemento de uma matriz M, quadrada
de ordem n > 1, o determinante , de ordem n − 1, associado à matriz obtida de M quando
suprimimos a linha e a coluna que passam por . Por exemplo, dada a matriz:

* +

De ordem 2, para determinar o menor De modo análogo, para obtermos o menor

complementar relativo ao elemento a11 complementar relativo ao elemento ,
( ), eliminamos a linha 1 e a coluna 2: eliminamos a linha 1 e a coluna 2:

* + * +

Para um determinante de ordem 3, o processo de obtenção do menor complementar ´e o

mesmo utilizado anteriormente, por exemplo, sendo

[ ] , de ordem 3, temos: * +

1.5.5. Cofactor
Chama-se de cofactor de um elemento de uma matriz quadrada o numero tal que

Exemplo: Considerando [ ] , calcularemos o cofactor . Temos que i

= 2 e j = 3, logo: . Devemos calcular .

* + . Assim

1.5.6. Propriedades dos determinantes

i. Quando todos os elementos de uma fila (linha ou coluna) são nulos, o determinante
dessa matriz é nulo.
ii. Se duas filas de uma matriz são iguais, então seu determinante é nulo.
iii. Se duas filas paralelas de uma matriz são proporcionais, então seu determinante é nulo.
iv. Se os elementos de uma matriz são combinações lineares dos elementos
correspondentes de filas paralelas, então seu determinante é nulo.

11
 v. Teorema de Jacobi: o determinante de uma matriz não se altera quando somamos aos
elementos de uma fila, uma combinação linear dos elementos correspondentes de filas
paralelas.
vi. Os determinantes de uma matriz e o de sua transposta são iguais.
vii. Multiplicando-se por um numero real todos os elementos de uma fila em uma matriz, o
determinante dessa matriz fica multiplicado por esse numero.
viii. Quando trocamos as posições de duas filas paralelas, o determinante de uma matriz
muda de sinal.
ix. Quando, em uma matriz, os elementos acima ou abaixo da diagonal principal são todos
nulos, o determinante é igual ao produto dos elementos dessa diagonal.
x. Quando, em uma matriz, os elementos acima ou abaixo da diagonal secundária são
todos nulos, o determinante é igual ao produto dos elementos dessa diagonal

multiplicados por .
xi. Para A e B matrizes quadradas de mesma ordem n, . Como

xii. Se , então

1.6. Matriz Inversa

Anteriormente viu-se que, dada uma matriz quadrada A, de ordem n, se existir uma matriz B
que satisfaça à condição: , então B é a inversa de A e se representa por A-1.

1.6.1. Matriz Singular

É uma matriz quadrada cujo determinante é nulo.

Exemplo: [ ] [ ] , a matriz singular não tem inversa.

1.6.2. Matriz Não-Singular

É uma matriz quadrada cujo determinante é diferente de zero. Também chamada de matriz

regular. Exemplo: [ ] [ ] , a matriz não-singular

sempre tem inversa.

1.6.3. Propriedades da Matriz Inversa

i. Se a matriz A admite inversa , esta é única.
ii. Se a matriz A é não-singular, sua inversa A-1 também é.

12
iii. A matriz unidade I é não-singular e é a sua própria inversa: I = I-1.
iv. Se a matriz A é não-singular, sua transposta AT também é. A matriz inversa de AT= (A-1) T.
v. Se as matrizes A e B são não-singulares e de mesma ordem, o produto AB é uma matriz
não-singular. A matriz inversa de AB é a matriz B-1. A-1.

1.7. Operações Elementares

Determinam-se operações elementares de uma matriz as seguintes operações:
i. Permutação de duas linhas (ou de duas colunas).
ii. Multiplicação de todos os elementos de uma linha (ou coluna) por um número real
diferente de zero.
iii. Substituição dos elementos de uma linha (coluna) pela soma deles com os elementos
correspondentes de outra linha (colunas) previamente multiplicados por um número real
diferente de zero.

1.8. Equivalência de Matrizes

Dadas as matrizes A e B, de mesma ordem, diz-se que a matriz B é equivalente à uma matriz
A, e se representa por B~A, se for possível transformar A em B por meio de uma sucessão
finita de operações elementares.

Como se vê, as operações elementares já foram vistas nas propriedades V, VI e VII dos
determinantes. As propriedades VI e VII alteravam seu valor, daí a necessidade de efectuar
compensações. Não é o caso, porém das matrizes: as operações elementares têm por objectivo
transformar, por intermédio delas, uma matriz A em uma matriz B, equivalente a ela.

1.9. Transformação de uma Matriz na Matriz Unidade

Qualquer matriz quadrada A não-singular, pode ser transformada numa equivalente à I por
meio de uma sucessão finita de operações elementares. Exemplo:

[ ] [ ]

[ ] [ ]

[ ] ( ) [ ] ( )

13
 [ ] ( ) [ ] ( )

[ ]

Tendo em vista que o e as operações com * alteram o , as operações a seguir

anularão as alterações e permitirão calcular:

1.10. Inversão de uma Matriz por Método de Operações Elementares

A mesma sucessão finita de operações que transformam a matriz A em I, transforma a matriz
I na matriz A-1. Para determinar a matriz inversa de A:
a) Coloca-se ao lado do matriz A a matriz I, separada por um traço vertical;
b) Transforma-se, por meio de operações elementares, a matriz A na matriz I, aplicando-
se, simultaneamente, à matriz I, colocada ao lado da matriz A, as mesmas operações
elementares.
Exemplo: Determinar a inversa de A.

[ ] [ | ] [ | ]

[ | ] [ | ]

[ | ] ( ) | ( )

[ ]

| |
( ) ( )
| |
[ ] [ ]

[ ]

14
2. Vectores
Um vector é definido por três características: intensidade, direcção e sentido. Força,
deslocamento e velocidade são representados por vectores, mas um vector pode ser bem mais
do que isso.

Desenhando um vector no plano cartesiano, ele deve apresentar uma origem e uma
extremidade. Os segmentos orientados cuja origem é o ponto (0,0) são chamados de vectores
no plano, e são muito mais fáceis de trabalhar. Para representá-lo, basta indicar o par
ordenado que corresponda à sua extremidade, pois já conhecemos seu ponto inicial. A
definição segue para vectores no espaço, caso em que a origem dos vectores é o ponto (0,0,0),
e assim por diante.

De tal forma, para representar um vector ⃗⃗⃗⃗⃗ com ponto inicial na origem, usa-se
usualmente a notação de coordenadas V = (a, b, c), mas também existe a notação de matriz

coluna [ ] e matriz linha .

Com essas notações, a soma de vectores e a multiplicação do vector por um escalar são
operações que ficam bem mais simples.

2.1. Adição de Vectores

Propriedades:
 Associativa:
 Comutativa: .
 Elemento neutro: Seja O o vector nulo. Então A + O = A, para qualquer .
Assim, O é o elemento neutro em relação à operação de adição, o qual chamaremos de
elemento nulo de .
 Elemento oposto: Dado , de notaremos por – A o vector
. Então A + (−A) = O. Chamaremos (−A) de elemento oposto a A.
 Considerando que: A − B = A + −B e as quatro propriedades anteriores, teremos três
propriedades consequentes:
1. + = + =
2. + = = −
3. + = =

Exemplo: Sendo ⃗⃗ , temos: ⃗⃗ ⃗⃗

Do mesmo modo temos,

15
2.2. Multiplicação por escalar
Sejam . Definimos a multiplicação de A por λ como
sendo:

A seguir as propriedades de vectores:

1. Associativa na adição: ⃗ ⃗⃗ ⃗ ⃗⃗
2. Comutativa: ⃗ ⃗
3. Existência de elemento neutro na adição: ⃗ ⃗
4. Existência de elemento oposto: ⃗ ⃗
5. Distributiva por vector: ⃗ ⃗
6. Distributiva por escalar:
7. Associativa na multiplicação:
8. Existência de elemento neutro na multiplicação:

2.3. Operações com vectores

2.3.1. Módulo
Seja, definimos o módulo ou a norma de um vector como sendo:

Observação: para n = 1,2,3, note que o módulo de um vector é o seu comprimento.

Chamaremos de vector unitário, todo vector cuja norma é 1.

2.3.2. Produto escalar (ou produto interno)

Sejam dois vectores não nulos nos reais. Considere
os vectores .

Temos que se, e somente se , pois as

diagonais de um paralelogramo só são iguais se o
paralelogramo é um rectângulo. Como
consequência dessa condição podemos observar
que:

Esta condição é necessária para que dois vectores sejam perpendiculares.

16
Sejam e dois vectores quaisquer em ℝ . O produto
escalar é definido como a multiplicação termo a termo e a soma dos produtos:

Assim, dois vectores não nulos e em são perpendiculares apenas se ∙ = 0.

Propriedades do produto escalar:

i. ∙ = ∙ , para quaisquer ,
ii. ∙ + = ∙ + ∙ , para quaisquer , , ℝ
iii. ∙ = ∙ = ∙ , para quaisquer , e qualquer
iv. ∙ ≥ 0, para qualquer e ∙ =0 =

A norma (ou módulo) de um vector pode ser caracterizada pelo produto escalar: = ∙ ,
como é provado a seguir:
√

2.3.3. Produto vectorial (ou produto externo)

Consideremos dois vectores em e . Queremos encontrar um
vector , em , de preferência não nulo, de tal forma que C seja simultaneamente
perpendicular a A e a B. Devemos ter . =0e . = 0. Se = ( , , ), então:

Tentaremos resolver este sistema. Para isso, começaremos multiplicando a primeira equação
por 2, a segunda por − 2 e, em seguida, somaremos as duas equações. A seguinte equação é
obtida:

Depois, multiplicando a primeira equação do sistema acima por − 1, a segunda por 1 e, em

seguida, somando as duas equações, chegamos a:

Enfim, temos as seguintes equações: {

Agora fica fácil visualizar os valores das variáveis. Se x assumir o valor do coeficiente de z na
primeira equação, y assumi o valor do coeficiente de z na segunda equação, basta que z
assuma o valor dos coeficientes de x e de y (que são iguais) para as equações serem
verdadeiras. O conjunto-solução é:
17
 {

Há mais soluções do sistema. Contudo, esta é especialmente chamada de produto vectorial de

A por B e será denotado por × .
Note que × é o determinante formal:

| | , em que:

Observe ainda que: , visto que cada gerador (pois

temos os três vectores que formam a base de ) está num eixo diferente, x, y ou z. Nós o
chamamos de determinante formal uma vez que não é um determinante formado só por
números. A primeira linha é constituída de vectores.

Como vimos, o produto vectorial de dois vectores já surgiu com uma propriedade importante:
é um vector simultaneamente perpendicular aos dois vectores. Vejamos a seguir mais
propriedades do produto vectorial:

i. × = −( × )
ii. ×( )= ( × )=( )× , , e qualquer
iii. × = 0, e qualquer
iv. × + = × +( × )e( + )× = ( × ) + ( × ), , ,
v. ( × )× =( . ) −( . ) , , ,
vi. ( × ). ( × ) = ( . )( . ) − ( . )2
vii. Se A e B são dois vectores não nulos de e θ é a medida do ângulo formado por A e
B, então: | × | = | | . | |. θ

viii. (Produto misto) | | em que

18
2.4. Espaços vectoriais
Um espaço vectorial é um conjunto de vectores. As oito propriedades citadas acima devem ser
satisfeitas, além de duas operações: soma e multiplicação por escalar. Considerando dois
vectores quaisquer de um espaço vectorial V, a soma deles deve ser um terceiro vector que
ainda faz parte de V. Se multiplicarmos um vector de V por um escalar, o resultante também
deve ser elemento de V.

Em resumo, um espaço vectorial real é um conjunto V, não vazio, com duas operações:
 Soma: → Se , , então + ;
 Produto por escalar: → Se é escalar e , então .

Se uma dessas duas operações não for válida para um conjunto W, então é porque o conjunto
não é um espaço vectorial. Dizemos que um espaço vectorial é fechado em relação às duas
operações (soma e multiplicação por escalar). Para saber se um conjunto é um espaço
vectorial, verifica-se se as duas operações são válidas e depois se as oito propriedades dos
vectores também são válidas.

Observação: O conjunto de todas as matrizes de ordem 2 é um espaço vectorial. Deste modo,

os vectores desse espaço são matrizes 2x2.Tal conjunto são designados assim: = 2,2.

Exemplo: Seja o conjunto W = {( ,1)/ }. Com as duas operações de soma e

multiplicação por escalar definidas, verifique se W é um espaço vectorial.

Solução: Considere os elementos (3,1) e (5,1) 𝑊. Assim,

i) Soma: (3,1) + (5,1) = (8,2) ∉ 𝑊

ii) Produto: (3,1) = (3 , ) ∉ 𝑊 ≠ 1, assim não é válido para todo

Logo, W não é um conjunto fechado em relação a essas duas operações e, portanto, não é um
espaço vectorial.

19
Exemplo: Considere em V = o produto por escalar usual, mas com a adição, a operação
definida por: ( 1, 1) + ( 2, 2) =( 1 + 2, 1 + 2 2). Determine se V, com essas operações, é
um espaço vectorial.

Solução:
i)
1. Soma: ( 1, 1) + ( 2, 2) =( 1 + 2, 1 + 2 2)
2. Produto por escalar: ( 1, 1) =( 1, 1)

Logo, V é um espaço fechado em relação a essas duas operações. Portanto, temos que
verificar as oito propriedades.’

20
ii)
1. Associativa na adição: ⃗ + = ( 1, 1) + ( 2, 2) =( 1 + 2, 1 + 2 2)

⃗ + = ( 2, 2) + ( 1, 1) =( 2 + 1, 2 + 2 1)

Como ⃗ + = + ⃗ = já não é satisfeita, não precisamos mais testar as outras propriedades.

V não é espaço vectorial.

Exemplo: O conjunto que contém um único objecto, com as operações definidas por:

2.5. Subespaços vectoriais

Dado um espaço vectorial V, há subconjuntos de V tais que eles próprios também são espaços
vectoriais, só que menores. Esses subconjuntos são chamados de subespaços de V. Dado um
espaço vectorial V, um subconjunto W, não-vazio, será um subespaço vectorial de V se forem
válidas as mesmas duas operações de antes:
 Soma: → Se , , então + ;
 Produto por escalar: → Se é escalar e , então .

Se ambas as operações forem válidas em W, não é necessário verificar as oito propriedades

dos vectores para dizer que W é espaço vectorial, pois elas já são válidas em V, que contém
W. Todo espaço vectorial admite pelo menos dois subespaços (que são chamados triviais):
1. O conjunto formado somente pelo vector nulo (a origem).
2. O próprio espaço vectorial: V é subconjunto de si mesmo.
21
Todo subespaço vectorial tem como elemento o vector nulo, pois ele é necessário à condição
de multiplicação por escalar: quando =0 ⃗ = ⃗ . Para conferirmos se um subconjunto W
é subespaço, basta verificar que + 𝑊, para quaisquer ⃗ e qualquer , em
vez de checar as duas operações separadamente.

Exemplo: Em , os únicos subespaços são a origem, as rectas e os planos que passam pela
origem e o próprio .

Exemplo: Verifique se o conjunto-solução do sistema linear homogéneo abaixo é um

subespaço de = (3,1).

{ | |[ ] [ ]

Desta forma, estamos procurando, dentro do espaço vectorial (3,1), os vectores que
satisfazem o sistema, isto é, o conjunto dos vectores-solução. Depois precisamos saber se esse

conjunto é subespaço de (3,1). Assim, considere os vectores-solução: [ ] [ ]

[ ] ([ ] [ ]) [ ][ ] [ ][ ] [ ] [ ] [ ]

[ ] ([ ] [ ]) [ ] [ ]

O resultado de (i) e (ii) ainda pertence ao conjunto dos vectores-solução e, portanto, ele é
subespaço de (3,1).

2.5.1. Intersecção
Dados W1 e W2 subespaços de um espaço vectorial V, a interseção 𝑊1 ∩ 𝑊2 sempre será
subespaço de V.

Prova: Inicialmente observamos que 𝑊1 ∩ 𝑊2 nunca é vazio, pois ambos contêm o vector
nulo de V. Assim, basta verificar as condições de soma e produto por escalar apresentadas
anteriormente para os subespaços. Suponha então ⃗⃗ 𝑊1 ∩ 𝑊2.

⃗⃗ 𝑊
 𝑊 {
𝑊
⃗⃗ 𝑊 ⃗⃗ 𝑊 𝑊
 𝑊 { {
𝑊 𝑊 𝑊

22
Exemplo: Seja = ,𝑊 𝑊 é a reta de interseção dos planos 𝑊 𝑊.

𝑊 { }
{
𝑊 { }

𝑊 𝑊 { }

2.5.2. Soma
Podemos construir um conjunto que contenha 𝑊 𝑊 e ainda é subespaço de V. Este
conjunto será formado por todos os vectores de V que forem a soma de vectores de W1 com
vectores de W2: 𝑊 𝑊=⃗ /⃗ = + ⃗⃗ 𝑊1 𝑊2

Prova:
⃗ ⃗⃗ 𝑊 𝑊 𝑊 ⃗⃗ 𝑊
Dados: {
⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗ 𝑊 𝑊 ⃗⃗⃗ 𝑊 ⃗⃗⃗⃗ 𝑊

Temos que:

⃗ ⃗⃗⃗ ⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗ ⃗⃗⃗⃗ 𝑊 𝑊

⃗ ⃗⃗ ⃗⃗ ⃗⃗ 𝑊 𝑊 ⃗ 𝑊 𝑊

Caso os dois subespaços sejam retas

não-colineares, a soma deles equivale
ao plano formado por elas. Se as
parcelas 𝑊1 e 𝑊2 têm interseção 𝑊1 ∩
𝑊2 = 0, a soma 𝑊1 + 𝑊2 é dita soma
direta e é denotada por 𝑊1 ⨁ 𝑊2.

Ex: 𝑊 * + 𝑊 * + 𝑊 𝑊 * +

Esta é uma soma directa, pois 𝑊 𝑊 * + ⃗

23
2.5.3. União
A união de dois subespaços 𝑊1 e 𝑊2, diferente da soma, é um conjunto que contém
exatamente todos os elementos de 𝑊1 e de 𝑊2. Deste modo, nem sempre a união de
subespaços é um subespaço.

Exemplo: 𝑊 { } { }
{𝑊 } { }

W1 e W2 são rectas que passam pela origem.

Assim, 𝑊 ∩ 𝑊 = 0 e 𝑊1 ∪ 𝑊2 é o feixe
formado pelas duas retas, que não é
subespaço vectorial de . De facto, se
somarmos os dois vectores ⃗⃗ , vemos
que + ⃗⃗ está no plano que contém 𝑊1 e
𝑊2, mas + ⃗⃗ ∉ 𝑊1 ∪ 𝑊2.

2.6. Combinação linear

Considere um conjunto de vectores qualquer, pertencente a um espaço vectorial V. Já foi
mostrado que somar estes vectores entre si em qualquer combinação resultará em um vector
pertencente a V. Também foi mostrado que multiplicar cada vector por um escalar também
gera um resultado pertencente a V, caso contrário V não seria um espaço vectorial.

De fato, sejam ⃗⃗⃗⃗ , ⃗⃗⃗⃗ , …, ⃗⃗⃗⃗ e sejam os escalares 1, 2, …, . Então qualquer

vector da forma ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ é um elemento do mesmo espaço
vectorial V.

Por ter sido gerado pelos vectores primitivos ⃗⃗⃗⃗ , … , ⃗⃗⃗⃗ , o vector é denominado o resultado
de uma combinação linear de ⃗⃗⃗⃗ , … , ⃗⃗⃗⃗ . O conjunto de escalares { 1, … , n} é arbitrário,
mas sendo um conjunto de números reais, o vector sempre pertencerá a V.

O vector não é único, pois para cada combinação de escalares pode gerar um vector
diferente.

Ex: O vector = (−4, −18,7) é combinação linear dos vectores ⃗⃗⃗⃗ = 1, −3,2 e 2 = (2,4, −1),
já que pode ser escrito como = 2⃗⃗⃗⃗ − 3⃗⃗⃗⃗

24
Conclusão
Neste trabalho da cadeira de Álgebra Linear de carácter avaliativo e investigativo, que visa a
abordar sobre as Matrizes e Vectores. A Matriz é comummente utilizada para a organização
de dados tabulares a fim de facilitar a resolução de problemas. As informações das matrizes,
sejam estas numéricas ou não, são dispostas organizadamente em linhas e colunas. O conjunto
das matrizes munidas das operações de adição, subtracção e multiplicação e de características,
como elemento neutro e inverso, forma uma estrutura matemática que possibilita sua
aplicação em diversos campos dessa grande área do conhecimento. Já os Vectores são
definidos como entes matemáticos que possuem intensidade, direcção e sentido, e que se
combinam segundo certas regras específicas: a álgebra vectorial, ou seja, conjunto de n-
quantidades que dependem de um sistema de coordenadas n-dimensionais e que se transforma
segundo leis bem determinadas quando se muda o sistema.

25
Referências Bibliográficas
Doa Santos, Tailson Jeferson Paim (s.d). Licenciatura em Matemática: Álgebra Linear. (ed.),
Bahia, Brasil: Faculdade de Tecnologia e Ciências – Ensino à Distância (FTC-EAD)

Programa de Educação Tutorial (2010). II Curso Pré-Engenharia: Apostila de Álgebra Linear

Fortaleza, Brasil: Universidade Federal do Ceará – Centro de Tecnologia

UDESC (2004), Apostila do Curso Pré-Vestibular UDESC 2005 Módulo I: Joinville-SC,

dispoivel em: http://www.mundofisico.joinville.udesc.br

https://brasilescola.uol.com.br/matematica/matriz.htm

https://estudanteuma.files.wordpress.com/2013/04/estatica-03-04-cap2.pdf

https://wp.ufpel.edu.br/nucleomatceng/files/2012/07/Matrizes.pdf

https://www.todamateria.com.br/matrizes-resumo/

26