ÁlgebraLinear Prof - PauloCesarOssani

Ágebra Linear
Prof. Paulo Cesar Ossani
3 de Junho de 2020
Conteúdo
1 Matriz 3
1.1 Tipos de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Matriz Quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Matriz Linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Matriz Coluna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.4 Matriz Nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.5 Matriz Diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.6 Matriz Identidade Quadrada . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.7 Matriz Triangular Superior . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.8 Matriz Triangular Inferior . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.9 Matriz Transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.10 Matriz Simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.11 Matriz Anti-Simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.12 Matriz Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Operações com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Adição e Subtração de Matrizes . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Multiplicação por Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Multiplicação de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Determinantes 10
2.1 Conceitos Iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Determinante de uma Matriz quadrada de 2a ordem . . . . . . . . . . . . . . . . 13
2.3 Determinante de uma Matriz quadrada de 3a ordem . . . . . . . . . . . . . . . . 13
2.3.1 Regra de Sarrus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4 Determinante de uma Matriz quadrada de ordem n . . . . . . . . . . . . . . . . 14
2.4.1 Método de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 Matriz Inversa 20
3.1 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4 Sistemas de Equações Lineares 23

4.1 Equações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.2 Sistema de Equações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.3 Solução de um Sistema Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.3.1 Aspectos Geométricos da Solução . . . . . . . . . . . . . . . . . . . . . . 25
4.3.2 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.3.3 Método de Escalonamento . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.3.4 Método de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5 Vetores 33
5.1 Operações com Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.1.1 Adição de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.1.2 Multiplicação de um Número Real por um Vetor . . . . . . . . . . . . . . 35
5.1.3 Propriedades da Multiplicação por um Número Real . . . . . . . . . . . . 35
5.2 Vetores no R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.3 Igualdade de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.4 Operações com Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.5 Vetor De…nido por Dois Pontos . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.6 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.6.1 Módulo de um Vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.6.2 Propriedade do Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . 39
5.7 Ângulo de Dois Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.7.1 Cálculo do Ângulo de Dois Vetores . . . . . . . . . . . . . . . . . . . . . 39
5.8 Paralelismo de Dois Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.9 Ortogonalidade de Dois Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.10 Vetores no R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6 Espaços Vetoriais 43
6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2 Espaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.3 Propriedades dos Espaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.5 Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

6.5.1 Interseção, união e soma de subespaços . . . . . . . . . . . . . . . . . . . 55
6.5.2 Soma de dois Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . 55
6.5.3 Soma Direta de dois Subespaços Vetoriais . . . . . . . . . . . . . . . . . 56
6.6 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.7 Combinação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

6.8 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.9 Subespaços Gerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

6.10 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.11 Dependência e Independência Linear . . . . . . . . . . . . . . . . . . . . . . . . 67

6.11.1 Propriedades da Dependência e da Independência Linear . . . . . . . . . 72
6.12 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.13 Base e Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

6.13.1 Base de um Espaço Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . 75
7 Referências Bibliográ…cas 77
Álgebra Linear Prof. Paulo Cesar Ossani - 3
1 Matriz
Nesta seção, iremos apresentar os conceitos básicos sobre matrizes. Muitos conceitos
são intuitivos e aparecem naturalmente no dia-a-dia das pessoas, que lidam com tabelas.
Chamamos de matriz uma tabela de elementos dispostos em linhas e colunas.
Tomemos o exemplo seguinte:
Exemplo 1 As notas de matemática, …síca e algebra de um grupo de 3 alunos são disposta da

seguinte forma:
Matemática Física Álgebra
Aluno 1 10 17 14
Aluno 2 16 12 16
Aluno 3 12 8 17
Tirando da tabela acima os valore númericos teremos a matriz de notas:
2 3
10 17 14
416 12 165
12 8 17
Representamos uma matriz de m linhas por n colunas por:

2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
Am n = 6 .. .. .. 7 = [aij ]m n
4 . . . 5
am1 am2 amn
Usamos sempre letras maiúsculas para denotar matrizes. Dizemos que uma matriz
de m linhas por n colunas é de ordem "m por n"ou m n. Para indicar uma matriz, usa-se
parênteses, ( ) ; ou barras duplas, jj jj. Adotaremos qui a notação de colchetes, [ ].
De…nição 1 Dizemos que duas matrizes Am n = [aij ]m n e Br s = [bij ]r s são iguais, se elas
têm o mesmo número de linhas (m = r) e colunas (n = s), e todos os seus elementos são iguais
(aij = bij ).
cos 0o 23 1 8
Exemplo 2 =
log 1 ln e 0 1
1.1 Tipos de Matrizes

Sempre que lidamos com matrizes, observamos que aparecem aquelas que possuem
características que diferenciam uma das outras. Estas recebem alguns nomes especiais. Ve-
jamos:
1.1.1 Matriz Quadrada

É aquela onde o número de linhas é igual ao número de colunas (m = n).
1 7
Exemplo 3 e [3]
3 5
1.1.2 Matriz Linha

É aquela onde m = 1.
Exemplo 4 8 0 3 e 1 1
1.1.3 Matriz Coluna

É aquela onde n = 1.
2 3
4
x
Exemplo 5 4 1 5 e
y
7
1.1.4 Matriz Nula

É aquela onde aij = 0, para todo i e j.
2 3
0 0 0
0 0 0 4
Exemplo 6 e 0 0 0 5
0 0 0
0 0 0
1.1.5 Matriz Diagonal

É uma matriz quadrada (m = n) onde aij = 0, para i 6= j, ou seja, os elementos que
não estão na diagonal são nulos.
2 3
2 3 5 0 0 0
3 0 0 6 0 2 0 0 7
Exemplo 7 4 0 1 0 5 e 6 4 0 0 1 0 5
7
0 0 2
0 0 0 4
1.1.6 Matriz Identidade Quadrada

É uma matriz quadrada onde aii = 1 e aij = 0 para i 6= j, ou seja, os elementos que
não estão na diagonal são nulos.
2 3
1 0 0
1 0
Exemplo 8 I3 = 4 0 1 0 5 e I2 =
0 1
0 0 1
1.1.7 Matriz Triangular Superior

É uma matriz quadrada onde todos os elementos abaixo da diagonal são nulos, ou
seja, aij = 0 para i > j.
2 3
3 0 2
x y
Exemplo 9 4 0 5 2 5 e
0 z
0 0 1
1.1.8 Matriz Triangular Inferior

É uma matriz quadrada onde todos os elementos acima da diagonal são nulos, ou
seja, aij = 0 para i < j.
2 3
1 0 0
4 a 0
Exemplo 10 1 2 0 5 e
b c
4 8 3
1.1.9 Matriz Transposta

Dada uma matriz A = [aij ]m n , a sua transposta é de…nida por A0 = [bij ]n m, ou
T
A = [bij ]n m , onde as linhas são as colunas de A, ou seja, aij = bij .
2 3
1 3
1 2 0
Exemplo 11 Seja A = 4 2 15 , temos que AT =
3 1 5 2 3
0 5 3 2
2 1 2 1
Exemplo 12 Seja B = , temos que B T =
1 4 1 4
Propriedades de Transposição de Matrizes

I) AT T = A (Veja que a transposta da transposta de uma matriz é ela mesma.)
II) (A + B)T = AT + B T
III) AT = ( A)T ; onde é um escalar.
IV) (AB)T = B T AT
VI) AT B = B T A
1.1.10 Matriz Simétrica

É uma matriz quadrada onde aij = aji .
2 3
2 3 a b c d
1 2 3 6 b e f g 7
Exemplo 13 4 2 2 1 5 e 64 c f h i 5
7
3 1 3
d g i j
Observe que na matriz simétrica, a parte superior é uma re‡exão da parte inferior,
em relação à diagonal.
Uma matriz é simétrica se, e somente se ela é igual à sua transposta, ou seja, A = AT .
Veja o próximo exemplo:
3 4 3 4
Exemplo 14 A = ) AT =
4 2 4 2
Importante: O produto de uma matriz quadrada A pela sua transposta AT é uma matriz
simétrica. Veja o exemplo seguinte.
2 3 2 3
2 0 2 2 1 0
4
Exemplo 15 A = 1 1 2 5 ) AT = 4 0 1 3 5
02 3 0 3 2 2 2 30 2 3
2 0 2 2 1 0 8 6 0
T 4
S = AA = 1 1 2 5 4 0 1 3 5=4 6 6 3 5
0 3 0 2 2 0 0 3 9
1.1.11 Matriz Anti-Simétrica

É uma matriz quadrada onde A = aij é anti-simetrica se AT = A.
2 3 2 3
0 3 4 0 3 4
Exemplo 16 A = 4 3 0 6 5 ) AT = 4 3 0 6 5, assim temos que AT = A:
4 6 0 4 6 0
1.1.12 Matriz Ortogonal

Uma matriz A = aij cuja inversa coincide com a sua transposta é denominada matriz
ortogonal: A 1 = T
" A )pAA
T
# =A A=I
T
1 3
1 0
A = p23 2 1 ) AAT = AT A =
1 1
2 2
Note que uma matriz é ortogonal se e somente se as colunas (ou linhas) são vetores
ortonormais.
1.2 Operações com Matrizes

Quando lidamos com tabelas é natural queremos efetuar operações matemáticas.
Para entendermos às operações matemática concernentes à matrizes tomemos o seguinte exem-
plo:
Exemplo 17 Uma Empresa produz peças para automóveis, e apresentou no …nal do ano a
seguinte planilha de custos de suas fábricas em milhões de reais:
Matéria Prima Folha de Pgto. Impostos

Fábrica 1 78 34 8
Fábrica 2 56 23 5
Fábrica 3 64 28 6
Depois de algumas análises esta Empresa decidiu que;

a) Duplicará a sua produção no primeiro semestre do próximo ano, tomando como
referência a planilha do ano anterior, assim teremos a seguinte previsão para os custos;
Matéria Prima Folha de Pgto. Impostos Totais

Fábrica 1 2 78 = 156 2 34 = 68 2 8 = 16 240
Fábrica 2 2 56 = 112 2 23 = 46 2 5 = 10 168
Fábrica 3 2 64 = 128 2 28 = 56 2 6 = 12 196
Totais...: 396 170 38 604
b) Para o segundo semestre dobrará a produção da Fábrica 1, triplicará da Fábrica 2

e reduzirá pela metade a Fábrica 3, sempre tomando como referência a planilha do ano anterior,
portanto teremos;
Matéria Prima Folha de Pgto. Impostos Totais

Fábrica 1 2 78 = 156 2 34 = 68 2 8 = 16 240
Fábrica 2 3 56 = 168 3 23 = 69 3 5 = 15 252
1 1 1
Fábrica 3 64 = 32 28 = 14 6=3 49
2 2 2
Totais...: 356 151 34 541
Neste último exemplo encerra as operações básicas em uma matriz. Agora iremos
ver como podemos operar usando somente a matriz com valores.
1.2.1 Adição e Subtração de Matrizes

A soma de duas matrizes de mesma ordem Am n = [aij ]m n e Bm n = [bij ]m n é
uma matriz m n. Vejamos o exemplo seguite:
Exemplo 18 Tomemos a matriz com valores do exemplo (17). Como a Empresa irá duplicar
a sua produção no primeiro semestre do próximo ano, então simplesmente teremos;
2 3 2 3 2 3
78 34 8 78 34 8 156 68 16
456 23 55 + 456 23 55 = 4112 46 105
64 28 6 64 28 6 128 56 12
Obsevação 1 Somente matrizes de mesma ordem podem ser adcionadas ou subtraídas.
Propriedades da Adição de Matrizes
I) A = (B + C) = (A + B) + C (Associatividade)
II) A + 0 = 0 + A = A
III) A+A=A A=0
IV) A + B = B + A (Comutatividade)
1.2.2 Multiplicação por Escalar

Seja A = [aij ]m n e um escalar então de…ni-se uma nova matriz como;
A = [ aij ]m n
Exemplo 19 Tomemos novamente a matriz com valores do exemplo (17). Como a Empresa
irá duplicar a sua produção no primeiro semestre do próximo ano, também teremos;
2 3 2 3
78 34 8 156 68 16
2 456 23 55 = 4112 46 105
64 28 6 128 56 12
Propriedades da Multiplicação de Uma Matriz por um Escalar

Dada as matrizes A e B de mesma ordem m n e os números e , temos:
I) ( )A = ( A)
II) ( + ) A = A + A
III) (A + B) = A + B
IV) 1A = A
V) 0A = 0
1.2.3 Multiplicação de Matrizes

A multiplicação de duas matrizes Am n = [aij ]m n e Bm n = [bij ]m n é de…nida po
A B. Vejamos o exemplo seguite:
Exemplo 20 Tomemos novamente a matriz com valores do exemplo (17). Como a Empresa
irá para o segundo semestre dobrar a produção da Fábrica 1, triplicar da Fábrica 2 e reduzir
pela metade a Fábrica 3, implica que;
2 3
78 34 8
1 456 23 55 = 356 151 34
2 3
2 64 28 6
Veja que na matriz resultante os elementos são as somas da Matéria Prima, Folha
de Pagamento e Impostos, respectivamente, do exemplo (17).
Obsevação 2 Só podemos efetuar o produto de duas matrizes Am n e Br s se o número de

colunas da primeira for igual ao número de linhas da segunda, ou seja, n = r. E a matriz
resultante será de ordem m s. Vejamos os exemplos seguintes para melhor compreensão.
2 3 2 3 2 3
1 2 1 ( 1) + 2 2 1 ( 2) + 2 3 3 4
1 2
Exemplo 21 4 4 5 5 = 4 4 ( 1) + 5 2 4 ( 2) + 5 3 5 = 4 6 7 5
2 3 2 2
2 4 3 2 2 ( 1) + 4 2 2 ( 2) + 4 3 6 8
2 3
1 2 0
2 1 4 2
Exemplo 22 3 2 5
3 0 2 2
3 0 4 3 3
Aqui a multiplicação não é possível pois o número de colunas da primeira é diferente
do número de linhas da segunda.
Propriedades da Multiplicação de uma Matriz por Outra
I) (AB) C = A (BC) (Associatividade)
II) (A + B) C = AC + BC (Distributividade)
III) A (B + C) = AB + AC (Distributividade)
IV) (A) B = A ( B) = (AB), onde é um escalar.

V) AI = IA = A (Isto justi…ca o nome da matriz identidade)

VI) 0 A = 0 e A 0 = 0
VII) (AB)0 = B 0 A0 (Observe a ordem!)
VIII) Em geral AB 6= BA (A multiplicação matricial não é, em geral, comutativa)
1 2 5 1 9 9
Exemplo 23 =
1 3 2 4 11 13
5 1 1 2 6 13
=
2 4 1 3 6 16
1.3 Exercícios
Exercício 1 Dada as matrizes

y+4 2 12 2
A= 2 e B=
9 x +4 9 53
Calcule x e y de modo que A seja igual a B, isto é:
y+4 2 12 2
2 =
9 x +4 9 53
Exercício 2 Dada as matrizes

2 3
1
1 2 3 2 0 1
A= ;B= ; C=4 2 5 e D= 2 1
2 1 1 3 0 1
4
Encontre:
a) A + B
b) A C
c) B C
d) C D
e) D A
f) D B
g) A0
h) D
2 Determinantes
A aplicação de determinantes é muito importante para sabermos se uma matriz é
inversivel, e para a resolução de sistemas lineares, assim iremos ver nesta seção o quê é um
determinante.
2.1 Conceitos Iniciais

b
A consideremos o sistema ax = b com a 6= 0. A solução deste sistema é x = .
a
Observe que o denominador está associado à matriz dos coe…cientes do sistema, ou seja , [a] :
Num sistema 2 2
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2
Resolvendo este sistema,
b1 a12 x2
x1 =
a11
Agora susbtituindo x1 em x2 ; teremos;
b2 a21 x1
x2 =
a22
a21 b1 a21 a12 x2
b2
a11
x2 =
a22
a11 b2 a21 b1 + a21 a12 x2
x2 =
a11 a22
x2 (a11 a22 a21 a12 ) = a11 b2 a21 b1
b2 a11 b1 a21
x2 =
a11 a22 a12 a21
Substituindo x2 em x1 , teremos;
b2 a11 b1 a21
b1 a12
a11 a22 a12 a21
x1 =
a11
b1 (a11 a22 a12 a21 ) b2 a12 a11 + b1 a12 a21
x1 =
(a11 a22 a12 a21 ) a11
b1 a11 a22 b1 a12 a21 + b1 a12 a21 b2 a12 a11
x1 =
(a11 a22 a12 a21 ) a11
(b1 a22 b2 a12 ) a11
x1 =
(a11 a22 a12 a21 ) a11
b1 a22 b2 a12
x1 =
a11 a22 a12 a21
b1 a22 b2 a12 b2 a11 b1 a21
Portanto a solução para o sistema linear é: x1 = e x2 = :
a11 a22 a12 a21 a11 a22 a12 a21
Oberve que os denominadores são iguais e estão associados à matriz dos coe…cientes
do sistema
a11 a12
a21 a22
Para um sistema 3 3
8
< a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
:
a31 x1 + a32 x2 + a33 x3 = b3
os valores para x1 ; x2 e x3 ; vemos que eles têm o mesmo denominador a11 a22 a33 a11 a23 a32
a12 a21 a33 +a12 a23 a31 +a13 a21 a32 a13 a22 a31 , que também esta associado a matriz dos coe…cientes
do sistema 2 3
a11 a12 a13
4 a21 a22 a23 5
a31 a32 a33
Estes números são casos particulares do que é chamado determinante de uma matrz
quadrada.
De…nição 2 Determinante é um número associado a uma matriz quadrada A = [aij ]. E
escrevemos det A, jAj ou det [aij ] para expressar o determinante de A.
a b
Exemplo 24 det = ad bc
c d
2 3
1 3 4
4
Exemplo 25 det 4 2 1 5=9
2 3 2
O leitor mais atento já deve estar se perguntando se é possível encontrar o de-
terminante no caso geral, e a resposta é sim, mas antes devemos nos lembrar o conceito de
permutação. Dados n objetos distintos a1 ; a2 ; : : : ; an uma permutação desses objetos consiste
em dispô-los em uma determinada ordem. A permutação de n objetos é dada por n!, sigui…ca
que n! = n (n 1) (n 2) 2 1, para n > 0. Por exemplo 4! = 4 3 2 1 = 24. Lembrando
que 0! = 1.
De…nição 3 Dada uma permutação dos inteiros 1; 2; : : : ; n, existe uma inversão quando um
inteiro precede outro menor do ele.
Exemplo 26 O total de permutações dos números 1; 2 e 3 é:
P3 = 3! = 3 2 1 = 6
No de Classe da Sinal que
Permutações Inversões Permutação precede o produto
123 0 par +
132 1 ímpar -
213 1 ímpar -
231 2 par +
312 2 par +
321 3 ímpar -
Voltemos ao determinante
2 3
a11 a12 a13
4
det a21 a22 a23 5 = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
a31 a32 a33
Observe que aparecem todos os produtos a1j1 a2j2 a3j3 , onde j1 ; j2 e j3 são as permu-
tações de 1; 2 e 3. Alêm disso, vê-se que o sinal do termo é negativo, se a permutação tiver
número impar de inversões.
X
De…nição 4 det [aij ] = ( 1)J a1j1 a2j2 : : : anjn onde J = (j1 ; j2 ; : : : ; jn ) é o número de inver-
sões da permutação (j1 ; j2 ; : : : ; jn ) e indica que a soma é estendida a todas as n! permutações

(1; 2; : : : ; n).
Em relação a última de…nição podemos fazer três observações:
I) Se a permutação (j1 ; j2 ; : : : ; jn ) tem um números par de inversões, o coe…ciente ( 1)J do

termo correspondente na somatória terá sinal positivo; caso contrário será negativo.
II) Em cada termo da somatória, existe um e apenas um elemento de cada linha, e um e

apenas um elemento de cada coluna da matriz.
III) Através de uma reordenação conveniente dos termos, mostra-se que também é possível
de…nir um determinante por
X
det [aij ] = ( 1)J aj1 1 aj2 2 : : : ajn n
variando os primeiros e deixando …xos os segundos índices.
Propriedades dos Determinantes
I) Se todos os elementos de uma linha ou coluna de uma matriz A são nulos então det A = 0:
II) det A = det A0
III) Se multiplicarmos uma linha (ou coluna) da matriz por uma constante, o determinante
…ca multiplicado por esta constante.
IV) Uma vez trocada a posição de duas linhas (ou colunas), o determinante troca de sinal.
V) O determinante de uma matriz que tem duas linhas ou colunas iguais é zero.
VI) det (A + B) 6= det A + det B
VII) O determinante não se altera se somarmos a uma linha (ou coluna) outra linha (ou coluna)
multiplicada por uma constante.
VIII) det (A B) = det A det B
IX) O determinante de uma matriz diagonal A (superior ou inferior) é igual ao termo principal,
isto é, é igual ao produto dos elementos da diagonal principal.
X) Se uma linha (ou coluna) de uma matriz é um múltiplo de outra o determinante é zero.
Depois dessas considerações estamos prontos a encontrarmos os determinantes de

muitas matrizes.
2.2 Determinante de uma Matriz quadrada de 2a ordem

a11 a12
Dada a matriz quadrada de 2a ordem A = , chama-se determinante
a21 a22
associado à matriz A (ou determinante de 2a ordem) o número real obtido pela diferença entre
o produto dos elementos da diagonal principal e o produto dos elementos da diagonal secundária,
ou seja;
a11 a12
det A = jAj = = a11 a22 a12 a21
a21 a22
3 2
Exemplo 27 Encontre o determinante da matriz
2 5
3 2
Solução: =3 5 ( 2) 2 = 15 + 4 = 19
2 5
x+2 3
Exemplo 28 Resolva a equação det =0
x 1 4
x+2 3
Solução: = 0 ) 4 (x + 2) 3 (x 1) = 0 ) x = 11
x 1 4
Obsevação 3 Dada a matriz A = aij , de ordem 1, de…ne-se como determinante de A o seu

próprio elemento, isto é:
det A = jAj = a11 :
Exemplo 29 Seja a matriz A = [3] ; temos que det A = j3j = 4:
2.3 Determinante de uma Matriz quadrada de 3a ordem

2.3.1 Regra de Sarrus
Podemos obter o dterminante de uma matriz quadrada de 3a ordem utilizando uma
regra prática muito simples denominada Regra de Sarrus;
Seja a matriz 2 3
a11 a12 a13
A = 4 a21 a22 a23 5
a31 a32 a33
Vamos repetir a 1a e a 2a coluna à direita da matriz
Multiplicando os termos entre si, seguindo os trações em diagonal e associando aos produtos o
sinal indicado, teremos:
det A = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
Vejamos os exemplos seguintes para melhor entendimento:

2 3
1 2 3
Exemplo 30 Calcule o determinante da matriz A, sendo A = 4 0 1 4 5
2 3 5
a a
Solução: Repetindo a 1 e a 2 coluna, teremos:
1 2 3 1 2
0 1 4 0 1
2 3 5 2 3
Dai implica que
det A = ( 1) (1) (5)+(2) (4) ( 2)+(3) (0) ( 3) (3) (1) ( 2) ( 1) (4) ( 3) (2) (0) (5) = 27
2 3
x x x
Exemplo 31 Resolva a equação det 4 x x 4 5 = 0
x 4 4
Solução: Repetindo a 1a e a 2a coluna, teremos:
x x x x x
x x 4 x x
x 4 4 x 4
Implica que
4x2 + 4x2 + 4x2 x3 16x 4x2 = 0

x3 + 8x2 16x = 0
x x2 + 8x 16 = 0
Logo temos que x = 0 ou x = 4:
2.4 Determinante de uma Matriz quadrada de ordem n

2.4.1 Método de Laplace
Dada a matriz quadrada de 3a ordem:
2 3
a11 a12 a13
A = 4 a21 a22 a23 5
a31 a32 a33
Vimos que de…ne-se como determinante da matriz A o número:
det A = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
Agrupando-se os termos que têm a11 ; a12 e a13 , ou seja, os elementos da 1a linha, e colocando-os
em evidência, temos:
det A = a11 (a22 a33 a23 a32 ) a12 (a21 a33 a31 a23 ) + a13 (a21 a32 a22 a31 )
a22 a23 a21 a23 a21 a22

det A = a11 a12 + a13 , em que:
a32 a33 a31 a33 a31 a32
a22 a23
= jA11 j é o cofator de a11
a32 a33
a21 a23
a31 a33
a21 a22
a31 a32
Observe que o determinante da matriz 3 3 pode ser expresso em função dos determinantes
de submatrizes 2 2, ou seja;
det A = a11 jA11 j a12 jA12 j + a13 jA13 j
onde Aij é a submatriz da inicial, onde a i-ésima linha e j-ésima coluna foram retiradas. Agora
se chamarmos
i+j
ij = ( 1) jAij j
obtemos a expressão
det A = a11 11 a12 12 + a13 13
Esta propriedade continua sendo válida para matrizes de ordem n, e assim podemos
expressar:
det An n = ai1 i1 + + ain in
Xn
= aij ( 1)i+j det Aij
j=1
Xn
= aij ij
j=1
Ao número ij é o determinante afetado pelo sinal ( 1)i+j da submatriz Aij , obtida

de A retirando-se a i-ésima linha e j-ésima coluna, chamamos de cofator ou complemento
algébrico de aij . Observe que na fórmula dada, o determinante foi desenvolvido pela i-ésima
linha. Uma forma análoga é válida para as colunas.
Exemplo 32 Calcule o determinante da matriz A; sendo
2 3
1 2 3
A=4 2 1 1 5
2 1 2
Solução: Tomemos a primeira linha e segunda coluna para o método de Laplace,
assim;
det A = a12 12 + a22 22 + a32 32
2 1
a12 12 = ( 2) ( 1)1+2 =2 2=4
2 2
1 3
a22 22 = 1 ( 1)2+2 =1 8=8
2 2
1 3
a32 32 = ( 1) ( 1)3+2 = 1 ( 7) = 7
2 1
Portanto temos que det A = 4 + 8 7=5
O método de Laplace é uma fórmula de recorrência que permite calcular o determi-

nante de uma matriz de ordem n: A partir dos determinantes das submatrizes quadradas de
ordem n 1. Em grande parte dos casos ele simpli…ca muito o cálculo de determinantes, prin-
cipalmente se for utilizado em conjunto com outras propriedades dos determinantes. Vejamos
os exemplos seguintes:
Exemplo 33 Calcule o determinante da matriz A; sendo
2 3
1 2 3
A=4 2 1 1 5
2 1 2
Solução: Vamos aqui usar a sétima propriedade, assim somando a segunda linha na
última, teremos; 2 3 2 3
1 2 3 1 2 3
4 2 1 1 5=4 2 1 1 5
2 1 2 0 0 1
Agora tomemos a última linha e a última coluna para o método de Laplace, assim
det A = a31 31 + a32 32 + a33 33
a31 31 =0
a32 32 =0
1 2
a33 33 = 1 ( 1)3+3 = 1 (5) = 5
2 1
Portanto temos que det A = 0 + 0 + 5 = 5
2 3
1 2 3 4
6 4 2 0 0 7
Exemplo 34 Encontre o determinante da matriz quadrada de 4a ordem A = 64 1
7
2 3 0 5
2 5 3 1
Solução: Vamos aqui multiplicar a segunda coluna por 2 e usamos a sétima pro-
priedade, somando a segunda coluna na primeira, assim temos;
2 3 2 3
1 2 3 4 5 2 3 4
6 4 2 0 0 7 6 0 7
6 7=6 0 2 0 7
4 1 2 3 0 5 4 5 2 3 0 5
2 5 3 1 8 5 3 1
Agora tomemos a segunda linha e a segunda coluna para o método de Laplace, assim
5 3 4 5 3 4
2+2
det A = 2 ( 1) 5 3 0 =2 5 3 0
8 3 1 8 3 1
10 0 4
10 4
= 2 5 3 0 = 2 ( 3) ( 1)2+2 = 6 ( 10 52) = 372
13 1
13 0 1
Observe que simpli…camos ainda mais a ultima matriz na segunda igualdade. So-
mando a segunda linha na primeira e na terceira linha, e tomando a segunda linha e a segunda
coluna para o método de Laplace.
Para um determinante de 4a ordem, podemos usar o método de Laplace e depois a

regra Sarrus. Vejamos com o seguinte exemplo:
2 3
2 3 1 0
6 4 2 1 3 7
Exemplo 35 Encontre o determinante da matriz quadrada de 4a ordem A = 6 4 1
7
5 2 1 5
0 3 2 6
Solução: Primeiramente apliquemos o método de Laplace, até chegarmos a um de-
terminante de 3a odem, e depois empregamos a regra de Sarrus. Assim, desenvolvendo o de-
terminante, segundo os elementos da 1a linha, temos:
det A = a11 11 + a12 12 + a13 13 + a14 14
2 1 3
a11 11 = 2 ( 1)1+1 5 2 1 = 2 17 = 34
3 2 6
2 1 3
1+2
a12 12 = 3 ( 1) 5 2 1 = 3 44 = 132
3 2 6
2 1 3
1+3
a13 13 = ( 1) ( 1) 5 2 1 = 1 ( 111) = 111
3 2 6
2 1 3
1+4
a14 14 = 0 ( 1) 5 2 1 =0
3 2 6
Portanto temos: det A = 34 132 + 111 = 13
Exemplo 36 Encontre o determinante da matriz quadrada de 6a ordem

2 3
3 6 7 1 9 0
6 0 2 8 6 3 5 7
6 7
6 0 0 1 4 8 3 7
A=6 6 0
7
6 0 0 1 3 2 77
4 0 0 0 0 2 2 5
0 0 0 0 0 1
Solução: Para esta matriz é muito simples encontra o seu determinante, basta
aplicar a nona propriedade, ou seja, como a matriz é diagonal, o seu determinante é o produto
dos elementos da diagonal princiapal, assim;
det A = (3) (2) (1) ( 1) ( 2) (1) = 12
Como o leitor observou encontrar os determinantes muitas vezes é facilitado uti-

lizando as suas propriedades.
2.5 Exercícios
Exercício 3 As matrizes abaixo possuem determinates iguais a zero, porquê? Responda uti-
lizando as propriedades.
2 3
1 6 0
a) 4 3 2 log 1 5
2 9 0
2 3
5 7 3
b) 4 0 sin 0 2 5
0 0 8
2 3
1 2 e0
c) 4 2 3 4 5
cos 0 2 1
2 3
ln e 0 0
d) 4 1 cos 0 0 5
3 7 log 1
2 3
0 sin 0 3
e) 4 1 log 10 5 5
0 ln 1 7
2 3
3 2 3
f) 4 0 0 0 5
4 1 3
Exercício 4 Encontre o determinate das matrizes dadas.
4 5
a) A =
5 3
b) A = [ ]
2 3
3 2 5
c) A = 4 4 1 3 5
2 3 4
2 3
2 1 3 1
6 4 3 1 4 7
d) A = 6
4 1 5
7
2 1 5
1 3 2 1
Exercício 5 Resolva as equações.

x x+2
a) =0
5 7
2 4 1
b) 2 4 x =0
3 1 2
0 4 0 0
x2 x 3x 3
c) =0
x 6 3 4
0 7 5 0
3 Matriz Inversa
Sejam dois números e , com 6= 0 e 6= 0. Se = = 1, dizemos que
e são inversos, ou seja, é o inverso de e vice-versa.
Vamos utilizar este mesmo racício para as matrizes, mas antes vejamos a de…nição
de matriz singular e não-singular.
De…nição 5 De…nimos como Matriz Singular, a matriz quadrada cujo determinante é nulo, e
como Matriz Não-singular a matriz quadrada cujo determinante é diferente de zero.
1 2 3 1
Exemplo 37 Dada as matrizes A = e B = , notoriamente temos que
0 0 0 2
det A = 0 e det B = 6, portanto a matriz A é singular equanto que a matriz B é não-singular.
De…nição 6 Dada uma matriz quadrada de ordem n, chamamos de inversa de A uma matriz
B tal que A B = B A = In , onde In é a matriz identidade de ordem n. Escrevemos A 1 para
a inversa de A.
Agora vamos ver como encontrar uma matriz inversa, com o exemplo seguinte:
6 2
Exemplo 38 Encontre a matriz inversa da matriz A = .
11 4
a b
Solução: Seja B = tal que A B = I e B A = I, assim termos que
c d
6 2 a b 1 0
=
11 4 c d 0 1
6a + 2c 6b + 2d 1 0
=
11a + 4c 11b + 4d 0 1
Logo temos os seguintes sistemas;
6a + 2c = 1 6b + 2d = 0
e
11a + 4c = 0 11b + 4d = 1
Resolvendo o primeiro sistema;

1 6a
c =
2
1 6a
11a + 4 = 0
2
11a + 2 12a = 0
11
a = 2)c=
2
Resolvendo o segundo sistema;
d = 3b
11b + 4 ( 3b) = 1
11b 12b = 1
b = 1)d=3
" #
2 1
Logo ten-se que B = 11 :
3
" 2 # " #
6 2 2 1 1 0 2 1
Note que 11 = ; ou seja, A B = I e ainda 11
11 4 3 0 1 3
2 2
6 2 1 0
= , ou seja B A = I
11 4 0 1
1
Portanto temos que B é a inversa da matriz A, ou seja, A = B.
Propriedades das Matriz Inversas
I) A matriz quadrada A admite inversa se, e somente se det A 6= 0. Com isso podemos
admitir que a matriz não-singular sempre tem inversa e que nem toda a matriz tem inversa.
0 2
Por exemplo não tem inversa, primeiro que o seu determinante é zero. Segundo é
0 1
0 2 a b 1 0 2c 2d 1 0
su…ciente mostrar que = ) = , implica
0 1 c d 0 1 c d 0 1
que 2c = 1 e c = 0; e não podemos ter estas igualdades simultaneamente.
1 1
II) Se a matriz A é não-singular, sua inversa A também é. A matriz inversa de A é A:
1
III) A matriz unidade I é não singular (det I = 1) e é sua propria inversa : I = I .
IV) Se a matriz A é não singular, sua transposta AT também é. A matriz inversa de AT é

T
(A 1 ) .
V) Se as matrizes A e B são não-singulares e de mesma ordem, então AB é inversivel e

(AB) 1 = B 1 A 1 .
1 1
VI) det A =
det A
3.1 Exercícios
Exercício 6 Encontre a inversa das matrizes dadas abaixo.
3 4
a) A = ;
1 0
2 3
1 0 0
b) A = 4 1 3 1 5 ;
1 2 0
2 3
1 2 4
c) A = 4 0 1 3 5 ;
0 0 1
2 3
1 2 cos2 + sin2
d) 4
A = sin 0 2 0 5;
2 3 log10 100
2 3
1 0 0 0
6 2 1 1 0 7
e) A=6 4 1 1 2 1
7;
5
1 2 2 1
2 3
3 1 e
f) A = 4 cos 0 1 2 5;
1 ln e 2
2 3
1 3 5 6
6 0 2 4 2 7
g) A=6 4 0 0 0
7;
8 5
0 0 0 3
2 3
7 2 3 6
6 2 9 7 2 7
h) A=6 4 5
7
4 1 2 5
0 sin 0 0 0
2 3 2 3
1 1 2 1 1 0
Exercício 7 Mostre que a inversa da matriz A = 4 2 1 5 4
2 é a matriz B = 0 1 2 5.
1 1 1 1 0 1
4 Sistemas de Equações Lineares

Um dos problemas de grande importância na matemática é a resolução de sistemas
de equações, aqui iremos abordar a resolução de sistemas lineares, para os sistemas não-lineares
fugirá do nosso escopo, portanto não o abordaremos. Cabe inda ressaltar que sistemas de
equações aparecem em uma gama de problemas, o que veremos nos exercícios.
4.1 Equações Lineares

Toda equação da forma a1 x1 + a2 x2 + + an xn = b é denominada equação linear,
em que:
a1 ; a2 ; : : : ; an são coe…cientes
x 1 ; x2 ; : : : ; x n são as incógnitas
b é o termo independete
Exemplo 39 a) 3x1 2x2 + x3 = 4 é uma equação linear a três incógnitas.

b) x + y + 2z w + s = 2 é uma equação linear a cinco incógnitas.
Obsevação 4 Segue abaixo algumas observações pertinentes a equações lineares:
1a ) Cada termo da equação possui uma única incógnita, cujo expoente é sempre 1, caso
contrário
p a equação é dita não linear. Exemplo: As equações 2x2 + 2y = 0, xy 2x = 1
e x + zy = 3 são equações não lineares.
2a ) Quando o termo independente b for igual a zero, a equação é chamada de equação linear
homogênea. Exemplo: 2x + y = 0:
3a ) A solução de uma equação linear a n incógnitas é a seqüência de números reais ou ênu-

plas (a1 ; 2 ; : : : ; n ), que colocadas respectivamente no lugar de x1 ; x2 ; : : : ; xn , tornam
verdadeira a igualdade dada.
4a ) A solução (0; 0; : : : ; 0) é chamada de solução trivial para qualquer equação linear ho-
mogênea a1 x1 + a2 x2 + + an xn = 0, e solução não-trivial caso contrário. Exemplo:
x 2y = 0, possui a solução x = y = 0:
Exemplo 40 Dada a equação linear 3x + 2y + z = 2, encontre uma de suas soluções.

Solução: Notoriamente a equação possui solução trivial. Vamos encontrar outra
solução que não seja trivial. Então por comodiade tomemos
x=1 e y=2) 3 (1) + 2 (2) + z = 2 ) z = 1
Portanto temos que (1; 2; 1) é uma solução para a equação dada.
De maneira analoga de…nimos sistema de equações lineares, o que segue.

4.2 Sistema de Equações Lineares

Denominamos Sistema Lineares de m equações nas n incógnitas x1 ; x2 ; : : : ; xn todo
sistema da forma: 8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
< a21 x1 + a22 x2 + + a2n xn = b2
..
>
> .
>
: a x +a x +
m1 1 m2 2 + amn xn = bm
Agora utilizando matrizes, podemos representar este sistema da seguinte maneira:
2 3 2 3 2 3
a11 a12 a1n x1 b1
6 a21 a22 a2n 7 6 7 6 b2 7
6 7 6 x2 7 6 7
6 .. .. .. 7 6 .. 7 = 6 .. 7
4 . . . 5 4 . 5 4 . 5
am1 am2 amn xn bm
" " "
Matriz dos Matriz das Matriz dos termos
coe…cientes incógnitas independentes
Observe que se efetuarmos a multiplicação das matrizes indicadas iremos obter o
sistema dado.
8
< 3x1 2x2 + x3 = 2
Exemplo 41 Dado o sistema: x1 + 8x2 + 7x3 = 0 :
:
2x1 + x2 5x3 = 1
Ele pode ser representado por meio de matrizes, da seguinte forma:
2 3 2 3 2 3
3 2 1 x1 2
4 1 8 7 5 4 x2 5 = 4 0 5
2 1 5 x3 1
Obsevação 5 Segue abaixo algumas observações pertinentes a sistemas de equações lineares:
1a ) Análogo a equações lineares, cada termo de cada equação possui uma única incógnita,
cujo expoente é sempre 1, caso contrário o sistema chama-se sistema não linear. Exemplo:
x + 4y = 2
, este é um de sistema linear;
2x 3y = 1
2x2 4y = 2
, este é um de sistema não linear;
x + 3xy = 3
2a ) Quando os termos independentes bn de todas as equações do sistema forem nulos, o sistema

o sistema linear será chamado de homogêneo.. Exemplo:
8
< x 2y + 3z = 0
2x + y 2z = 0 :
:
3x + 2y + z = 0
3a ) Se o conjunto de números reais (a1 ; 2 ; : : : ; n ) satisfazerem a todas as equações do sis-

tema, será denominado solução do sistema linear.
4a ) Se tomarmos x1 = x2 = = xn = 0, teremos uma solução chamada de solução trivial

para o sistema de equações lineares homogênea, e solução não-trivial caso contrário:
5a ) Diz-se que dois sistemas de equações lineares são equivalentes quando admitem a mesma
solução. Exemplo:
3x + 6y = 42 2x + 2y = 24
e ,
2x 4y = 12 x 2y = 6
são equivalente pois admitem a mesma soluação: x = 10 e y = 2:
4.3 Solução de um Sistema Linear

Podemos classi…car os sistemas lineares quanto ao número de soluções da seguinte
maneira:
Sistema Linear
Possível ou Compatível Impossível ou Incompatível

- Quando admite solução - Quando não admite solução
Determinado - Quando Indeterminado - Quando

admite uma única solução. admite infinitas soluções.
4.3.1 Aspectos Geométricos da Solução

Como estamos lidando com equações lineares, estas possuem a feliz propriedade de
descreverem uma reta no plano cartesiano, assim quando procuramos a solução que satisfaça
todas as equações do sistema, ao mesmo tempo; na verdade estamos procurando onde as retas
de cada equação se cruzam, pois somente nestes pontos que as mesmas se equivalem. Pode
acontecer que elas nunca se cruzem, o que é gerado por um sistema impossível. Vejamos os
exemplos seguintes para melhor entendimento.
2x + y = 5
Exemplo 42 Dado o sistema , o que gera o seguinte grá…co
x 3y = 6
y 6
4
2x + y = 5
2
-1 1 2 3 4 5
(3, -1) x
-2
x - 3y = 6
-4
Veja que os pontos (3; 1) onde as retas se cruzam é solução para o sistema dado. Assim temos
um sistema Possível e Determinado pois possui uma única solução.
2x + y = 5
6x + 3y = 15
y 6
4
2x + y = 5
2 6x + 3y = 15
-1 1 2 3 4 5
x
-2
-4
Veja que as retas se cruzam em todos os pontos. Assim temos um sistema Possível e Indeter-
minado pois admite in…nitas soluções.
2x + y = 5
6x + 3y = 10
y 6
4
2x + y = 5
2
-1 1 2 3 4 5
x
-2
6x + 3y = 10
-4
Veja que as retas não se cruzam em nenhum ponto. Assim temos um sistema Impossível pois
não admite nenhuma solução.
Nas seguintes subseções iremos estudar alguns métodos para encontrar soluções para
sistemas lineares, na qual faremos uso da algebra matricial que estudamos na seção anterior.
4.3.2 Regra de Cramer

A regra de Cramer é um método para resolver sistemas lineares, utilizando deter-
minantes. Vejamos a seguir este método.
Seja o sistema linear;
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
< a21 x1 + a22 x2 + + a2n xn = b2
..
>
> .
>
: a x +a x +
m1 1 m2 2 + amn xn = bm
Tomemos a matriz A dos coe…cientes das incógnitas;

2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
A = 6 .. .. .. 7
4 . . . 5
am1 am2 amn
Determinemos a matriz Ax1 , que se obtém a partir da matriz A, substituindo-se a

coluna dos coe…cientes de x1 pela coluna dos termos independentes.
2 3
b1 a12 a1n
6 b2 a22 a2n 7
6 7
Ax1 = 6 .. .. .. 7
4 . . . 5
bm am2 amn
Assim pela regra de Cramer:

det Ax1
x1 =
det A
De modo semelhante determinamos os valores das demais incógnitas:
2 3
a11 b1 a1n
6 a21 b2 a2n 7 det Ax2
6 7
Ax2 = 6 .. .. .. 7 ) x2 =
4 . . . 5 det A
am1 bm amn
2 3
a11 a12 b1
6 a21 a22 b2 7 det Axn
6 7
Axn = 6 .. .. .. 7 ) xn =
4 . . . 5 det A
am1 am2 bm
Desde que det A 6= 0:
2x y = 7
Exemplo 45 Resolva o sistema .
x + 5y = 2
Solução:
2 1
A = ) det A = 11
1 5
7 1 2 7
A1 = ) det A1 = 33 A2 = ) det A2 = 11
2 5 1 2
det A1 33 det A2 11
x= = =3 y= = = 1
det A 11 det A 11
Observe que o sistema é possível e determinado, tendo como resposta x = 3 e
y= 1:
x+y =5
Exemplo 46 Resolva o sistema .
x y=2
Solução:
1 1
A = ) det A = 0
1 1
5 1 1 5
A1 = ) det A1 = 7 A2 = ) det A2 = 7
2 1 1 2
det A1 7 det A2 7
x= = impossível y= = impossível
det A 0 det A 0
Observe que o sistema é impossível, pois não existe divisão por zero.
4.3.3 Método de Escalonamento

Vamos ver um método muito interessante e de grande aplicabilidade. Seja o sistema
linear; 8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
< a21 x1 + a22 x2 + + a2n xn = b2
..
>
> .
>
: a x +a x +
m1 1 +a x =b
m2 2 mn n m
Escrevendo na forma matricial, teremos;

2 3 2 3 2 3
a11 a12 a1n x1 b1
6 a21 a22 a2n 7 6 7 6 b2 7
6 7 6 x2 7 6 7
6 .. .. .. 7 6 .. 7 = 6 .. 7
4 . . . 5 4 . 5 4 . 5
am1 am2 amn xn bm
" " "
Matriz dos Matriz das Matriz dos termos
coe…cientes incógnitas independentes
Podemos associar uma outra matriz ao sistema;

2 3
a11 a12 a1n b1
6 a21 a22 a2n b2 7
6 7
6 .. .. .. .. 7
4 . . . . 5
am1 am2 amn bm
que chamamos matriz ampliada do sistema. Onde cada linha desta matriz é simplemente uma
representação abreviada da equação correspondente no sistema.
Exemplo 47 Dado o sistema 8

< x + 4y + 3z = 1
2x + 5y + 4z = 4
:
x 3y 2z = 5
temos a forma matricial; 2 3 2 3 2 3
1 4 3 x 1
4 2 5 4 5 4 y = 4 5
5 4
1 3 2 z 5
Implica que a matriz ampliada será

2 3
1 4 3 1
4 2 5 4 4 5
1 3 2 5
O método que iremos estudar consiste em trabalhar a matriz ampliada de modo a

substituir o sistema inicial por sistemas cada vez mais simples, sempre equivalente ao original.
Um sistema de equações lineares se transforma num sistema equivalente quando se efetuam as
seguintes operações elementares:
I) Permutação de duas equações.
II) Multiplicação de uma equação por um número real diferente de zero.
III) Substituição de uma equação por sua soma com outra equação previamente multiplicada
por um número real diferente de zero.
De…nição 7 Uma matriz m n é linha reduzida à forma escada se
I) O primeiro elemento não nulo de uma linha não nula é 1.
II) Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos os seus
outros elementos iguais a zero.
III) Toda linha nula ocorre abaixo de todas as linhas não nulas (isto é, daquelas que possuem
pelo menos um elemento não nulo).
IV) Se as linhas 1; : : : ; r são as linhas não nulas, e se o primeiro elemento não nulo da linha i
ocorre na coluna ki , então k1 < k2 < < kr :
Exemplo 48 Resolva o sistema

8
< x + 2y + z = 0
x + 0y + 3z = 5
:
x 2y + z = 1
Solução: Tomando a matriz ampliada do sistema temos;

2 3
1 2 1 0
4 1 0 3 5 5
1 2 1 1
Assim, efetuando as seguintes operações matriciais;

2 3 2 3 2 3
1 2 1 0 1 2 1 0 1 2 1 0
4 1 0 3 5 5 L2! +L1
4 0 2 4 5 5 L3!L1 4 0 2 4 5 5 L3! +2L2
1 2 1 1 1 2 1 1 0 4 0 1
2 3 2 3 2 3
1 2 1 0 1 2 1 0 1 0 3 5
L2
4 0 2 4 5 5! 2 6 5 7 L1 2L2 6 5 7 L83
4 0 1 2 5 ! 4 0 1 2 5!
0 0 8 11 2 2
0 0 8 11 0 0 8 11
2 3 2 3 2 3
7
1 0 3 5 1 0 3 5
6 5 7 6 5 7 6 1 0 0 8 7
6 0 1 2 7 L1 +3L3 6 0 1 2 7 L1 +3L3 6
6 0 1 2 5 7 L1 +3L3
7 !
6 2 57 ! 6 2 57 ! 6 7
4 11 4 11 4 2 5
0 0 1 0 0 1 11
8 8 0 0 1
2 3 2 3 8
7 7
6 1 0 0 8 7 6 1 0 0 8 7
6 5 7 L 2L 6 1 7
6 0 1 2 7 ! 6 0 1 0
2 3 7
6 2 7 6 4 7
4 11 5 4 11 5
0 0 1 0 0 1
8 8
Temos que a última matriz
2 3
7
6 1 0 0 8 7
6 1 7
6 0 1 0 7
6 4 7
4 11 5
0 0 1
8
representa a solução para o sistema dado, ou seja,
7 1 11
x= y= z=
8 4 8
De…nição 8 De…ne-se como posto de uma matriz o número de linhas não nulas de uma matriz
reduzida à forma escada.
I) P c = Posto de matriz dos coe…cientes
II) P a = Posto de matriz dos ampliada
III) Se P c = P a , é denotado simplesmente por P
IV) n = Número de variáveis (colunas)
V) m = Número de equações
VI) n P é igual o grau de liberdade de uma matriz ou nulidade, ou seja, o número de

variaveis livres no sistema.
VII) Se uma matriz com m equações e n variáveis admite solução se, e somente se o P c = P a.
VIII) Se P c = P a = n a solução é única.
IX) Se P c < P a = n não há solução, o sistema é impossível.

X) Se P c = P a < n; podemos escolher n P incógnitas, e as outras P incógnitas serão dadas

em função destas, assim o sistema tem in…nitas soluções.
Exemplo 49 Dada a matriz

2 3
1 0 0 3
4 0 1 0 2 5 ) Pc = Pa = 3
0 0 1 2
Ainda temos m = 3; n = 3 e P . Então a solução é única x = 3; y = 2 e z = 2:
1 0 7 10
) Pc = Pa = 2
0 1 5 6
Ainda temos m = 2; n = 3 e P = 2. O grau de liberdade é n P = 1, assim

poderemos ter a seguinte solução: x = 10 7z e y = 6 5z.

2 3
1 0 7 10
4 0 1 5 6 5 ) Pc < Pa
0 0 0 2
Ainda temos m = 2; n = 3; P c = 2 e P a = 3: Como se percebe facilmente o sistema

é impossível, ou seja, não possui solução.

2 3
1 0 10 2 10
4 0 1 7 1 4 5 ) Pc = Pa = 2
0 0 0 0 0
Ainda temos m = 2; n = 4 e P = 2. O grau de liberdade é n P = 2, assim

poderemos ter a seguinte solução: x = 10 + 10z + 2t e y = 4 7z t.
4.3.4 Método de Gauss

O método de Gauss é dos mais adotados para uso computacional, devido ao menor
número de operações que envolve. Ele consiste em se reduzir a matriz ampliada do sistema por
linha-equivalente a uma matriz que só é diferente do método de escalonamento na condição da
de…nição 7 que passa a ser: Cada coluna que contém o primeiro elemento não nulo de alguma
linha, tem todos os seus outros elementos abaixo desta linha iguais a zero. Uma vez reduzida
a matriz ampliada a esta forma, a solução …nal do sistema é obtida por substituição.
2x + y = 5
Exemplo 53 Resolva o sistema :
x 3y = 6
Solução: Tomando a matriz ampliada do sistema,
2 3
" 1 5 # 1 5 " 1 5 #
2 1 5 L1
1 L1 L2 6
1 7
7 2 2 1
L =
!2
! 4 2 2
1 3 6 2 2 7 7 5 ! 2 2
1 3 6 0 0 1 1
2 2
a última matriz corresponde ao sistema:

y 5
x+ =
2 2
y = 1
1 5
Por substituição, x = ) x = 3:
2 2
4.4 Exercícios
Exercício 8 Resolva os sistemas lineares abaixo pela Regra de Cramer.
x+y+z =4
a) ;
2x + 5y 2z = 3
8
< x+y+z =4
b) 2x + 5y 2z = 3 ;
:
x + 7y 7z = 5
x 2y + 3z = 0
c) ;
2x + 5y + 6z = 0
8
>
> x+y+z+t=0
<
x+y+z t=4
d) ;
>
> x+y z+t= 4
:
x y+z+t=2
8
< x + 2y + 3z = 0
e) 2x + y + 3z = 0 ;
:
3x + 2y + z = 0
8
>
> 3x + 2y 4z = 1
>
>
< x y+z =3
f) x y 3z = 3 ;
>
>
>
> 3x + 3y 5z = 0
:
x+y+z =1
Exercício 9 Resolva os sistemas lineares do exercício (8) pelo método do escalonamento, en-
contre também seus postos, e se o sistema for possível, o grau de liberdade.
Exercício 10 Resolva os sistemas lineares do exercício (8) pelo método de Gauss.

5 Vetores
Esta seção tem por …nalidade precípua revisar resumidamente a noção de vetor no
2 3
R e no R e suas propriedades, as quais já devem ser do conhecimento do leitor.
Sabe-se que os vetores do plano ou do espaço são representados por segmentos
orientados. Todos os segmentos orientados que têm a mesma direção, o mesmo sentido e o
mesmo comprimento são representantes de um mesmo vetor. Por exemplo, no parelogramo na
…gura Figura 1 os segmentos orientados AB e CD determinam o mesmo vetor v, e escreve-se
! !
v = AB = CD.
Figura 1
!
Quando escrevemos v = AB, estamos a…rmando que o vetor é determinado pelo
segmento orientado AB de origem A e extremidade B. Porém, qualquer outro segmento de
mesmo comprimento, mesma direção e mesmo sentido de AB representa também o mesmo
vetor v. Assim sendo, cada ponto do espaço pode ser considerado como origem de um segmento
orientado que é representante do vetor v.
O comprimento ou o módulo, a direção e o sentido de um vetor v é o módulo, a
direção e o sentido de qualquer um de seus representantes. Indica-se o módulo de v por jvj.
Qualquer ponto do espaço é representante do vetor zero (ou vetor nulo), que é
indicado por 0.
Cada vetor não-nulo v corresponde um vetor oposto v, que tem mesmo módulo, a
mesma direção, porém sentido contrário ao de v, veja a Figura2.
Figura 2
Um vetor v é unitário se jvj = 1:
Dois vetores u e v são colineares se tiverem a mesma direção. Em outras palavras:
u e v são colineares se tiverem representantes AB e CD pertencentes a uma mesma reta ou
retas paralelas, veja a Figura 3.
Figura 3
Se os vetores não-nulos u; v e w (o número de vetores não importa) possuem repre-

sentantes AB; CD e DF pertencentes a um mesmo plano , veja Figura 4, diz-se que eles são
clopanares.
Figura 4
5.1 Operações com Vetores

5.1.1 Adição de Vetores
Sejam os vetores u e v representados pelos segmentos orientados AB e BC, respec-
tivamente, veja Figura 5.
Figura 5
!
Os pontos A e C determinam o vetor soma AC = ~u + ~v :
Propriedades da Adição
I) Associativa: (u + v) + w = u + (v + w) :
II) Comutativa: u + v = v + u
III) Existe um só vetor nulo 0 tal que, para todo vetor v; se tem:
v+0=0+v =v
IV) Qualquer que seja o vetor v; existe um só vetor v (vetor oposto de v) tal que:
v + ( v) = v+v =0
Obsevação 6 1) A diferença de dois vetores u e v quaisquer é o vetor u + ( v). Sejam os

vetores u e v representados pelos segmentos orientados AB e AC; respectivamente. Construído o
paralegramo, veja Figura 6, veri…ca-se que a soma u + v é representada pelo segmento orientado
AD (uma das diagonais) e que a diferença u v é representado pelo segmento CD (a outra
diagonal)
Figura 6
2) Quando os vetores u e v estão aplicados no mesmo ponto, veri…ca-se:
a) a soma u + v (ou v + u) tem origem no referido ponto;
b) a diferença u v tem origem na extremidade de v (e, por conseguinte, a
diferencça v u tem origem na extremidade de u).
5.1.2 Multiplicação de um Número Real por um Vetor

Dado um vetor v 6= 0 e um número real k 6= 0, chama-se produto do número k pelo
vetor v o vetor p = kv, tal que:
I) módulo: jpj = jkvj = jkj jvj ;
II) direção: a mesma de v;
III) sentido: o mesmo de v se k > 0; e contrário v se k < 0:
A Figura 7, mostra o vetor v e correspondente 2v e 3v:
Figura 7
Obsevação 7 1) Se k = 0 ou v = 0, o vetor kv é o vetor 0;
2) Se k = 1, o vetor ( 1) v é o oposto de v, isto é, ( 1) v = v:
5.1.3 Propriedades da Multiplicação por um Número Real

Se u e v são vetores quaisquer e a e b números reais, temos:
I) a (bu) = (ab) u
II) (a + b) u = au + bu
III) a (u + v) = au + av
IV) 1u = u
5.2 Vetores no R2
O conjunto
R2 = R R = f(x; y) jx; y 2 Rg
é interpretado geometricamente como sendo o plano cartesiano xOy.
!
Qualquer vetor AB considerado neste plano tem sempre um representante (segmento
orientado OP ) cuja origem é a origem do sistema, veja a Figura 8.
Figura 8
Em nosso estudo consideraremos geralmente vetores representados por segmentos

orientados com origem na origem do sistema. Nessas condições, cada vetor do plano é determi-
!
nado pelo ponto extremo do segmento. Assim, o ponto P (x; y) individualiza o vetor v = OP ,
veja a Figura 9, e escreve-se:
v = (x; y)
identi…cando-se as coordenadas de P com as componentes de v.
Figura 9
A origem do sistema O (0; 0) representa o vetor nulo.

O vetor oposto de v = (x; y) é o vetor v = ( x; y) :
5.3 Igualdade de Vetores

Dois vetores u = (x1 ; y1 ) e v = (x2 ; y2 ) são iguais se, e somente se, x1 = x2 e y1 = y2 ;
e escreve-se u = v:
Exemplo 54 1) Os vetores u = (3; 5) e v = (3; 5) são iguais.

2) Se o vetor u = (x + 1; 4) é igual ao vetor v = (5; 2y 6) ; de acordo com a
de…nição de igualdade de vetores, x + 1 = 5 e 2y 6 = 4 ou x = 4 e y = 5. Assim, se u = v;
então x = 4 e y = 5:
5.4 Operações com Vetores

Sejam u = (x1 ; y1 ) e v = (x2 ; y2 ) e a 2 R. De…ne-se:
a) u + v = (x1 + x2 ; y1 + y2 )
b) au = (ax1 ; ay1 )
Portanto, para somar dois vetores, somam-se suas componentes correspondentes e,

para multiplicar um vetor por um número, multiplica-se cada componentes do vetor por este
número. Por exemplo, se u = (4; 1) e v = (2; 6), a Figura 10 mostra que:
u + v = (4; 1) + (2; 6) = (4 + 2; 1 + 6) = (6; 7)

2u = 2 (4; 1) = (2 4; 2 1) = (8; 2)
Figura 10
5.5 Vetor De…nido por Dois Pontos

Ocorre, às vezes, o caso de um vetor ser representado por um segmento orientado
!
que não parte da origem do sistema. Consideremos o vetro AB de origem no ponto A (x1 ; y1 )
e extremidade B (x2 ; y2 ), veja a Figura 11.
Figura 11
!
De acordo com o que foi visto no item 5.1.1 (Observação 2), o vetor AB é a diferença
! !
entre os vetores OB e OA :
! ! !
AB = OB OA
e, portanto:
!
AB = (x2 ; y2 ) (x1 ; y1 )
ou:
!
AB = (x2 x 1 ; y2 y1 )
!
isto é, as componentes do vetor AB são obtidas pela diferença entre as coordenadas da extrem-
idade B e as da origem A.
!
Por exemplo, se A ( 1; 3) e B (2; 2), o vetor AB será:
!
AB = B A = (2; 2) ( 1; 3) = (3; 5)
5.6 Produto Escalar

De…nição 9 Chama-se produto escalar (ou produto interno usual) de dois vetores u = (x1 ; y1 )
e v = (x2 ; y2 ), e se representa por u v, ao número real:
u v = x1 x2 + y1 y2
O produto escalar de u por v também é indicado por hu; vi e se lê "u escalar v". Por exemplo,
se u = (2; 3) e v = (4; 1), tem-se:
u v = 2 (4) + 3 ( 1) = 5
5.6.1 Módulo de um Vetor

Módulo de um vetor v = (x; y), representado por jvj, é o número real não negativo:
p
jvj = v v
ou, em coordenadas: p
jvj = (x; y) (x; y)
ou, ainda: p
jvj = x2 + y 2
Por exemplo, se v = (3; 4) ; então:
q p p
jvj = 32 + ( 4)2 = 9 + 16 = 25 = 5
v
A partir de cada vetor v 6= 0 é possível obter um vetor unitário u fazendo u = .
jvj
Por exemplo, é unitário o vetor:
(3; 4) (3; 4) (3; 4) 3 4
u= =q = p = ;
j(3; 4)j 25 5 5
32 + ( 4)2
!
Obsevação 8 Dado um vetor AB com extremidade nos pontos A (x1 ; y1 ) e B (x2 ; y2 ) o módulo
desse vetor será: q
!
AB = (x2 x1 )2 + (y2 y1 )2
Assinale-se que a distância entre os pontos A e B é calculada pela mesma fórmula.
5.6.2 Propriedade do Produto Escalar

Dados os vetores u; v e w quaisquer e k 2 R, tem-se:
I) u u 0 e u u = 0 se, e somente se, u = (0; 0)
II) u v = v u (comutativa)
III) u (v + w) = u v + u w (distributiva em relação à adição de vetores)
IV) (mu) v = m (u v) = u (mv)
v) u u = u2
Obsevação 9 Como consequência das propriedades do produto escalar, vem:
1. ju + vj2 = juj + 2uv + jvj2

Com efeito:
ju + vj2 = (u + v) (u + v) = u (u + v) + v (u + v)
ju + vj2 = u u + u v + v u + v v
ju + vj2 = juj2 + 2uv + jvj2
2. De modo análogo, motra-se que:

ju vj2 = juj 2uv + jvj2
5.7 Ângulo de Dois Vetores

O ângulo de dois vetores u = OA e v = OB, não nulos, veja Figura 12, é o ângulo
formado pelas semi-retas OA e OB, tal que 0 .
Figura 12
5.7.1 Cálculo do Ângulo de Dois Vetores

Sejam os vetores u 6= 0 e v 6= 0. O ângulo formado por u e v pode ser calculado
pela fórmula:
u v
cos =
juj jvj
Figura 13
Com efeito, aplicando a lei dos co-senos ao triângulo ABC da Figura 13, vem:
ju vj2 = juj2 + jvj2 2 juj jvj cos (1)
Mas, de acordo com o item 5.6.2 (observação 2), pode-se escrever:
ju + vj2 = juj2 2uv + jvj2 (2)
Comparando as igualdades (2) e (1):
juj2 2uv + jvj2 = ju vj2 = juj2 + jvj2 2 juj jvj cos
logo:
u v = juj jvj cos
e:
u v
cos = (3)
juj jvj
Uma vez calculado cos , o ângulo é encontrado numa tabela de co-senos.
Por exemplo, se u = ( 2; 2) e v = (0; 2), o ângulo pode ser calculado por
intermédio da fórmula (3):
p
u v ( 2; 2) (0; 2) 0+4 4 1 2
cos = =q q =p p = p =p =
juj jvj 8 4 4 2 2 2
( 2)2 + ( 2)2 02 + ( 2)2
p
2
= arccos = 45o
2
5.8 Paralelismo de Dois Vetores

Se dois vetore u = (x1 ; y1 ) e v = (x2 ; y2 ) são paralelos (ou colineares), existe um
número k tal que:
u = kv
ou
(x1 ; y1 ) = k (x2 ; y2 )
o que implica:
x1 y1
= =k
x2 y2
isto é, dois vetores u e v são paralelos quando suas componentes são proporcionais. Representa-
se por u==v dois vetores u e v paralelos.
Por exemplo, os vetores u = ( 2; 3) e v = ( 4; 6) são paralelos, pois:

2 3
=
4 6
ou seja;
1
u= v
2
5.9 Ortogonalidade de Dois Vetores

Se dois vetore u = (x1 ; y1 ) e v = (x2 ; y2 ) são ortogonais, o ângulo por eles formado
é de 90 , e portanto, cos = cos 90o = 0, o que implica, pela fórmula (3):
o
u v=0
ou
x1 x2 + y1 y2 = 0
isto é, dois vetores u e v são ortogonais quando o produto escalar deles é nulo. Representa-se
por u ? v dois vetores u e v ortogonais.
Por exemplo, os vetores u = (2; 3) e v = ( 3; 2) são ortogonais, pois:
u v = 2 ( 3) + 3 (2) = 0:
5.10 Vetores no R3
O conjunto
R3 = R R R = f(x; y; z) jx; y; z 2 Rg
é interpretado geometricamente como sendo o plano cartesiano tridimensional Oxyz.
Da mesma forma como …zemos para o plano, consideraremos geralmente vetores
representados por segmentos orientados com a origem na origem do sistema. Nessas condições,
cada vetor do espaço é determinado pelo ponto extremo do segmento. Assim, o ponto P (x; y; z)
!
individualiza o vetor v = OP , veja a Figura 14, e escreve-se:
v = (x; y; z)
identi…cando-se as coordenadas de P com as componentes de V .
Figura 14
A origem O (0; 0; 0) representa o vetor nulo.
O vetor oposto de v = (x; y; z) é o vetor v = ( x; y; z) :
De forma análoga à que tivemos no plano, teremos no espaço:
I) Dois vetores u = (x1 ; y1 ; z1 ) e v = (x2 ; y2 ; z2 ) são iguais se, e somente se, x1 = x2 ; y1 = y2

e z1 = z2:
II) Dados os vetores u = (x1 ; y1 ; z1 ) e v = (x2 ; y2 ; z2 ) e a 2 R; de…ne-se:

u + v = (x1 + x2 ; y1 + y2 ; z1 + z2 )
au = (ax1 ; ay1 ; az1 )
III) Se A (x1 ; y1 ; z1 ) e B (x2 ; y2 ; z2 ) são dois pontos quaisquer no espaço, então:

!
AB = (x2 + x1 ; y2 + y1 ; z2 + z1 )
IV) O produto escalar dos vetores u = (x1 ; y1 ; z1 ) e v = (x2 ; y2 ; z2 ) é o número real:
u v = x1 x2 + y1 y2 + z1 z2
V) O módulo do vetor v = (x; y; z) é dado por:

p
jvj = x2 + y 2 + z 2
VI) Se u e v são vetores não nulos e é o ângulo formado por eles, então:
u v
cos =
juj jvj
VII) Para u = (x1 ; y1 ; z1 ) e v = (x2 ; y2 ; z2 ) ; tem-se:

x1 y1 z1
a) u==v se, e somente se, = = ;
x2 y2 z2
b) u ? v se, e somente se, x1 x2 + y1 y2 + z1 z2 = 0
VIII) Um conjunto de vetores em um espaço com produto interno é ortonormal quando

a) todos vetores do conjunto tem norma igual a 1 (ou seja, são vetores unitários).
b) o produto interno de dois vetores distintos é zero (ou seja, cada par de vetores é
ortogonal).
6 Espaços Vetoriais
6.1 Introdução
Sabe-se que o conjunto
R2 = f(x; y) jx; y 2 Rg
é interpretado geometricamente como sendo o plano cartesiano. Um par (x; y) pode ser encarado
como um ponto, veja a Figura 15, e nesse caso, x e y são coordenadas, ou pode ser encarado
como um vetor, veja a Figura 15, e nesse caso, x e y são componentes (ou coordenadas).
Figura 15
Essa mesma idéia, em relação ao plano, estende-se para o espaço tridimensional que
é a interpretação geométrica de conjunto R3 . Embora se perca a visão geométrica de espaços
com dimensão acima de 3, é possivel estender essa idéia a espaços com R4 ; R5 ; : : : ; Rn . Assim
quádruplas de números (x1 ; x2 ; x3 ; x4 ) podem ser vistas como pontos ou vetores no espaço R4
de quarta dimensão. A quintupla (2; 1; 3; 5; 4) será interpretado com um ponto ou vetor no
espaço R5 de dimensão cinco. Então, o espaço de dimensão n (ou espaço n-dimensional) será
constituído pelo conjunto de todas as n-uplas ordenadas e representado por Rn , isto é:
Rn = f(x1 ; x2 ; : : : ; xn ) ; xi 2 Rg
A maneira de se trabalhar nesses espaços é idêntica àquela vista em R2 e em R3 .
Por exemplo, se:
u = (x1 ; x2 ; : : : ; xn ) e v = (y1 ; y2 ; : : : ; yn )
são vetores Rn e um escalar, de…ne-se:
a) u = v se, e somente se, x1 = y1 ; x2 = y2 ; : : : ; xn = yn :
b) u + v = (x1 + y1 ; x2 + y2 ; : : : ; xn + yn ) :
c) u = ( x 1 ; x2 ; : : : ; x n )
d) u v = x1 y1 + x2 y2 + + xn yn
p
e) juj = x21 + x22 + + x2n
Desde já é bom observar que o vetor u = (x1 ; x2 ; : : : ; xn ) aparecerá, às vezes, com a
notação matricial (matriz-coluna n 1):
2 3
x1
6 x2 7
6 7
u = 6 .. 7
4 . 5
xn
é fácil ver que u + v e u na notação matricial são os vetores:

2 3 2 3 2 3
x1 y1 x1 + y1
6 x2 7 6 y2 7 6 x2 + y2 7
6 7 6 7 6 7
u + v = 6 .. 7 + 6 .. 7 = 6 .. 7
4 . 5 4 . 5 4 . 5
xn yn xn + yn
2 3
x1
6 x2 7
6 7
u = 6 .. 7
4 . 5
xn
Vamos agora transmitir uma idéia nova. Para tanto, consideremos dois conjuntos:
o Rn e o conjunto das matrizes reais de ordem m n, representado por M (m; n). Como
nesses conjuntos estão de…nidas as operações de adição e multiplicação por escalar, constata-se
a existência de uma série de propriedades comuns a seguir enumeradas.
Se u; v; w 2 Rn , se ; 2 R e se A; B; C 2 M (m; n), podemos veri…car que:
a) Em relação à adição valem as propriedades:
1. (u + v) + w = u + (v + w) e (A + B) + C = A + (B + C) (associatividade da adição)
2. u + v = v + u e A + B = B + A (comutatividade da adição)
3. Existe um só elemento em Rn e um só em M (m; n) indicado por 0 e tal que:
u + 0 = u e A + 0 = A (existência do elemento neutro)
O elemento 0, nesse caso, será o vetor 0 = (0; 0; : : : ; 0) 2 Rn , na primeira igualdade, e a
matriz nula: 2 3
0 0 0
6 0 0 0 7
6 7
0 = 6 .. .. .. .. 7 2 M (m; n)
4 . . . . 5
0 0 0
na segunda igualdade.
4. Para cada vetor u 2 Rn e para cada matriz A 2 M (m; n) existe um só vetor u 2 Rn e
uma só matriz A 2 M (m; n) tais que
u + ( u) = 0 e A + ( A) = 0 (existência do elemento simétrico)
Por exemplo, se tivermos u = (x1 ; x2 ; : : : ; xn ), então o vetor simétrico é u = ( x1 ; x2 ; : : : ; xn ),
e, caso semelhante, para a matriz A e sua correspondente simétrica A.
b) Em relação à multiplicação por escalar valem as propriedades:
1. ( )u = ( u) e ( )A = ( A)
2. ( + ) u = u + u e ( + ) A = A + A
3. (u + v) = u + v e (A + B) = A + B
4. 1u = u e 1A = A
Conforme acabamos de ver, os conjuntos Rn e M (m; n) ; munidos desse par de
operações, apresentam uma estrutura comum em relação a essas operações. Esse fato só vale
para esses dois conjuntos com essas operações mas para muitos outros, razão porque vamos
estudá-los simultaneamente. Esses conjuntos serão chamados espaços vetoriais.
6.2 Espaços Vetoriais

Seja um conjunto V , não vazio, sobre o qual estão de…nidas as operações adição e
multiplicação por escalar, isto é:
8u; v 2 V; u + v 2 V
8 2 R; 8u 2 V; u 2 V
O conjunto V com essa duas operações é chamado espaço vetorial real (ou espaço
vetorial sobre R) se forem veri…cados os seguintes axiomas:
Para 8u; v; w 2 V e 8 ; 2 R, teremos:
Em relação à adição:
1. (u + v) + w = u + (v + w) ; 8u; v; w 2 V
1. u + v = v + u:8u; v 2 V
2. 90 2 V; 8u 2 V; u + 0 = u (0 é chamado de vetor nulo)
3. 8u 2 V; 9 ( u) 2 V; u + ( u) = 0
E relação à multiplicação por escalar:
5. ( )u = ( u)
6. ( + ) u = u + u
7. (u + v) = u + v
8. 1u = u
Obsevação 10 1) Os elementos do espaço vetorial V serão chamados vetores, independente-

mente de sua natureza. Pode parecer estranho, e à primeira vista não deixa de ser, o fato de
chamar de vetores os polinômios (quando V for constituido de polinômios), as matrizes (quando
V for constituido de matrizes), os números (quando V for um conjunto numérico), e assim por
diante. A justi…cativa está no fato de as operações de adição e multiplicação por escalar real-
izadas com esses elementos de natureza tão distinta se comportarem de forma idêntica, como se
estivéssemos trabalhando com os próprios vetores R2 ou R3 . Assim, a familiaridade que temos
com os R2 e do R3 terá continuidade nesses conjuntos, chamando seus elementos também de
vetores.
2) Se na de…nição acima tivessemos tomado para escalares o conjunto C do números
complexos, V seria um espaço vetorial complexo. Daqui por diante, salvo referência ao con-
trário, serão considerados somente espaços vetoriais reais. Assim quando se disser que V é um
espaço vetorial, deve …car subentendido que V é um espaço vetorial sobre o conjunto R, dos
reais.
Exemplo 55 O conjunto V = R2 = f(x; y) jx; y 2 Rg é um espaço vetorial com as operações

de adição e multiplicação por um número real assim de…nidas:
(x1 ; y1 ) + (x2 ; y2 ) = (x1 + x2 ; y1 + y2 )
(x; y) = ( x; y)
Essas são as operações usuais de adição e multiplicação por escalar.
Para veri…carmos os oito axiomas de espaço vetorial, consideremos u = (x1 ; y1 ) ; v =

(x2 ; y2 ) e w = (x3 ; y3 ). Tem-se:
Axioma 1:
(u + v) + w = ((x1 ; y1 ) + (x2 ; y2 )) + (x3 + y3 )

= (x1 + x2 ; y1 + y2 ) + (x3 ; y3 )
= ((x1 + x2 ) + x3 ; (y1 + y2 ) + y3 )
= (x1 + (x2 + x3 ) ; y1 + (y2 + y3 ))
= (x1 ; y1 ) + (x2 + x3 ; y2 + y3 )
= (x1 ; y1 ) + ((x2 ; y2 ) + (x3 ; y3 ))
= u + (v + w)
Axioma 2:
u+v = (x1 ; y1 ) + (x2 ; y2 )

= (x1 + x2 ; y1 + y2 )
= (x2 + x1 ; y2 + y1 )
= (x2 ; y2 ) + (x1 ; y1 )
= v+u
Axioma 3:
90 = (0; 0) 2 R; 8u 2 R
u+0 = (x1 ; y1 ) + (0; 0)
u+0 = (x1 + 0; y1 + 0)
u+0 = (x1 ; y1 )
u+0 = u
Axioma 4:
8u = (x1 ; y1 ) 2 R2 ; 9 ( u) = ( x1 ; y1 ) 2 R2 ;
u + ( u) = (x1 ; y1 ) + ( x1 ; y1 )
= (x1 x1 ; y1 y1 )
= (0; 0)
= 0
Axioma 5:
( ) u = ( ) (x1 ; y1 )
= (( ) x1 ; ( ) y1 )
= ( ( x1 ) ; ( y1 ))
= ( x 1 ; y1 )
= ( u)
Axioma 6:
( + )u = ( + ) (x1 ; y1 )
= (( + ) x1 ; ( + ) y1 )
= ( x 1 + x 1 ; y1 + y 1 )
= ( x 1 ; y1 ) + ( x 1 ; y 1 )
= (x1 ; y1 ) + (x1 ; y1 )
= u+ u
Axioma 7:
(u + v) = ((x1 ; y1 ) + (x2 ; y2 ))
= (x1 + x2 ; y1 + y2 )
= ( (x1 + x2 ) ; (y1 + y2 ))
= ( x 1 + x 2 ; y1 + y 2 )
= ( x 1 ; y1 ) + ( x 2 ; y 2 )
= (x1 ; y1 ) + (x2 ; y2 )
= u+ v
Axioma 8:
1u = 1 (x1 ; y1 ) = (1x1 ; 1y1 ) = (x1 ; y1 ) = u
Exemplo 56 Os conjuntos R3 ; R4 ; : : : ; Rn são espaços vetoriais com as operações de adição e
multiplicação por escalar usuais. Depois de veri…cados os oito axiomas de espaço vetorial para
o R2 , os mesmo …cam também evidentes nos conjuntos acima citados.
Exemplo 57 O conjunto M (m; n) das matrizes m n com as operações adição e multiplicação
por escalar usuais.
Em particular, o conjunto M (m; n) das matrizes quadradas, de ordem n, é um
espaço vetorial relativamente às mesmas operações.
Exemplo 58 O conjunto
Pn = a0 + a1 x + a2 x2 + + an x n ; ai 2 R
dos polinômios com coe…cientes reais de grau n, mais o polinômio nulo, em relação às
operações usuais de adição e multiplicação por escalar.
Em particular, o conjunto
P n = a0 + a1 x + a2 x 2 ; ai 2 R
é um espaço vetorial relativamente às mesmas operações.
V = ff : R ! Rg
das funções reais de…nidas em toda reta. Se f; g 2 V e 2 R, de…ne-se:
f +g : R!R
x 7! (f + g) (x) = f (x) + g (x)
e
f : R!R
x 7! ( f ) (x) = f (x)
V = x; x2 jx 2 R
com as operações de…nidas por:
x1 ; x21 x2 ; x22 = x1 + x2 ; (x1 + x2 )2
x; x2 = x; 2 x2
é um espaço vetorial sobre R:
Os simbolos e são utilizados para indicar que a adição e a multiplicação por
escalar não são as usuais.
V = f(x; y) jx; y > 0g
é um espaço vetorial com as operações adição e multiplicação por escalar de…nidas assim:
(x1 ; y1 ) (x2 ; y2 ) = (x1 x2 ; y1 y2 )
a (x; y) = (x ; y )
O trabalho de testar os oito axiomas de espaço vetorial é um ótimo exercício para o leitor, o
qual observará, por exemplo, que o elemento neutro da adição (axioma 3) é o vetor (1; 1) e
1 1
que o elemento simétrico (axioma 4) de cada vetor (x; y) 2 V é o vetor ; 2 V:
x y
Exemplo 62 Seja o conjunto
R2 = f(a; b) ja; b 2 Rg
Vamos mostrar que o conjunto R2 não é um espaço vetorial em relação as operações assim
de…nidas:
(a; b) + (c + d) = (a + c; b + d)
k (a; b) = (ka; b)
Ora, com a adição aqui de…nida é a usual, veri…cam-se os axiomas 1,2,3 e 4 de espaço vetorial.
Logo, devem falhar algum ou alguns dos axiomas relativos à multiplicação. Vamos Testá-los.
Consideremos:
u = (x1 ; y1 ) ,v = (x2 ; y2 ) e ; 2R
Então temos que: Axioma 5:
( ) u = ( ) (x1 ; y1 ) = (( ) x1 ; y1 ) = ( ( x1 ) ; y1 ) = ( x 1 ; y1 )
( )u = ( (x1 ; y1 )) = ( u)
Portanto este axioma se veri…ca.
Axioma 6:
( + ) u = ( + ) (x1 ; y1 ) = (( + ) x1 ; y1 ) = ( x1 + x1 ; y1 )
u+ u = (x1 ; y1 ) + (x1 ; y1 ) = ( x1 ; y1 ) + ( x1 ; y1 ) = ( x1 + x1 ; 2y1 )
Como se vê:
( + ) u 6= u + u
e portanto, não se veri…ca o axioma 6, o que comprova não ser um espaço vetorial o conjunto
de que trata esse exemplo.
6.3 Propriedades dos Espaços Vetoriais

Da de…nição de espaço vetorial V decorrem as seguintes propriedades:
1. Existe um único vetor nulo em V (elemento neutro da adição).
2. Cada vetor u 2 V admite apenas um simétrico ( u) 2 V:
3. Para quaisquer u; v; w 2 V , se u + w = v + w; então u = v:
4. Qualquer que seja v 2 V , tem-se ( v) = v, isto é, o oposto de v é v.
5. Quaisquer que sejam u; v 2 V , existem um e somente um x 2 V tal que: u + x + v

Esse vetor será representado por: x = v u
6. Qualquer que seja v 2 V; tem-se: 0v = 0

Naturalmente, o primeiro zero é o número real zero, e o segundo é o vetor ~0 2 V .
7. Qualquer que seja 2 R; tem-se: 0=0
8. v = 0 implica = 0 ou v = 0:
9. Qualquer que seja v 2 V; tem-se: ( 1) v = v
10. Qualquer que sejam v 2 V e 2 R, tem-se: ( )v = ( v) = ( v)
6.4 Exercícios
Exercício 11 Nos problemas abaixo apresenta-se um conjunto com as operações de adição

e multiplicação por escalar nele de…nidas. Veri…que quais deles são espaços vetoriais. Para
aqueles que não são espaços vetoriais, citar os axiomas que não se veri…cam.
a) R3 ; (x; y; z) + (x0 ; y 0 ; z 0 ) = (x + x0 ; y + y 0 ; z + z 0 ) e k (x; y; z) = (0; 0; 0)
b) f(x; 2x; 3x) ; x 2 Rg com as operações usuais.
c) R2 ; (a; b) + (c; d) = (a; b) e (a; b) = ( a; b)
d) R2 ; (x; y) + (x0 ; y 0 ) = (x + x0 ; y + y 0 ) e (x; y) = ( 2

x; 2
y)
e) R2 ; (x; y) + (x0 ; y 0 ) = (x + x0 ; y + y 0 ) e (x; y) = ( x; 0)
f) A = f(x; y) 2 R2 jy = 5xg com as operações usuais.
0 a
g) A = 2 M (2; 2) ja; b 2 R com as operações usuais.
b 0
6.5 Subespaços Vetoriais

Seja V um espaço vetorial e S um subconjunto não vazio de V . O subconjunto S é
um subespaço vetorial de V e S é um espaço vetorial em relação à adição e multiplicação por
escalar de…nidas em V .
Para mostrar que um subconjunto de S é um subespaço vetorial de V , deveríamos
testar os oito axiomas de espaço vetorial relativos à adição e à multiplicação por escalar. No
entanto, como S é parte de V , que já se sabe ser um espaço vetorial, não há necessidade
da veri…cação de certos axiomas em S. Por exemplo, o axioma 2 diz que u + v = v + u,
8u 2 V . Ora, se a comutatividade da adição é válida para todos os vetores de V , ela valerá,
consequentemente, para todos os vetores de S. Existem outros axiomas de espaço vetorial
merecedores de comentário idêntico. O teorema seguinte estabelece as condições para que um
subconjunto S de um espaço vetorial V seja um subespaço vetorial de V .
Teorema 1 Um subconjunto S, não vazio, de um espaço vetorial V é um subespaço vetorial

de V se estiverem satisfeitas as condições:
I) Para quaisquer u; v 2 S, tem-se:
u+v 2S
II) Para quaisquer 2 R; u 2 S, tem-se:
u2S
Vamos mostrar que sendo válidas essas duas condições em S, os oito axiomas de
espaço vetorial também se veri…cam em S.
De fato:
Seja u um vetor qualquer de S. Pela condição lI, u 2 S para todo 2 R. Fazendo
= 0, vem 0u 2 S, ou seja, 0 2 S (axioma 3). Fazendo = 1, segue ( 1) u = u 2 S
(axioma 4).
Os demais axiomas 1,2,5,6,7,8 de espaço vetorial são veri…cados em S pelo fato de.
ser S um subconjunto não-vazio de V .
Obsevação 11 Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto fg,
chamado subespaço zero ou subespaço nulo, e o próprio espaço vetorial V . Esses dois são os
subespaços triviais de V . Os demais subespaços são denominados subespaços próprios de V .
Por exemplo, os subespaços triviais de V = R3 são f(0; 0; 0)g (veri…car as condições

I e II do teorema 1) e o próprio R3 . Os subespaços próprios do R3 são as retas e os planos que
passam pela origem.
Para V = R2 , os subespaços triviais são: f(0; 0)g e R2 , enquanto os subespaços
próprios são as retas que passam pela origem.
Exemplo 63 Sejam V = R2 e S = f(x; y) 2 R2 jy = 2xg, isto é, S é o conjunto dos vetores do

plano que têm a segunda componente igual ao dobro da primeira.
Evidentemente, S 6= ;, pois (0; 0) 2 S.
Veri…quemos as condições I e II.
Para u = (x1 ; 2x1 ) 2 S e v = (x2 ; 2x2 ) 2 S, tem-se:
I) u + v = (x1 + x2 ; 2x1 + 2x2 ) = (x1 + x2 ; 2 (x1 + x2 )) 2 S, pois a segunda compo-
nente de u + v é igual ao dobro da primeira.
lI) u = (x1 ; 2x1 ) = ( x1 ; 2 x1 ) 2 S, pois a segunda componente de u é igual ao

dobro da primeira.
Portanto, S é um subespaço vetorial de R2 .
Esse subespaço S representa geometricamente uma reta que passa pela origem (Figura
16).
Observemos que ao tomarmos dois vetores u e v da reta, o vetor soma u + v ainda
é da reta. E se multiplicarmos um vetor u da reta por um número real , o vetor u ainda
estará na reta.
Figura 16
O mesmo não ocorre quando a reta não passa pela origem. Por exemplo, a reta:
S = f(x; 4 2x) ; x 2 Rg
não é um subespaço vetorial do R2 . Se escolhermos os vetores u = (1; 2) e v = (2; 0) de S,
temos u + v = (3; 2) 62 S, (Figura 17).
Figura 17
Observemos ainda que u 62 S, para 6= 1.
Os exemplos destas duas últimas retas sugerem, para qualquer subconjunto S de
um espaço vetorial V , que: sempre que 0 62 S, S não é subespaço de V . Aliás, esse fato é
sempre útil para detectar, muitas vezes de imediato, que um subconjunto S não é subespaço
vetorial. No entanto, não nos enganemos pensando que, se 0 2 S, S é subespaço, pois podemos
ter 0 2 S sem que S seja subespaço. É o caso do subconjunto
S = f(x; jxj) ; x 2 Rg R2
Observemos que (0; 0) 2 S e que, se tomarmos os vetores u = (3; 3) e v = ( 2; 2)

de S, teremos u + v = (1; 5) 62 S: S (Figura 18).
Figura 18
Observemos ainda que u 62 S; < 0.
Obsevação 12 Nos exemplos trabalharemos somente com conjuntos não-vazios, …cando dis-
pensada a necessidade de mostrar que o conjunto é não-vazio.
Exemplo 64 Sejam V = R3 e S = f(x; y; z) 2 R3 jax + by + cz = 0g

Nesse caso:
u = (x1 ; y1 ; z1 ) 2 S implica ax1 + by1 + cz1 = 0
v = (x2 ; y2 ; z2 ) 2 S implica ax2 + by2 + cz2 = 0
I) Somando essas igualdades, resulta:
a (x1 + x2 ) + b (y1 + y2 ) + c (z1 + z2 ) = 0
essa igualdade mostra que:
u + v = (x1 + x2 ; y1 + y2 ; z1 + z2 ) 2 S
pos as coordenadas de u + v satisfazem a equação
ax + by + cz = 0
II) Por outro lado,

u= (x1 ; y1 ; z1 ) 2 S
pois, se:
ax + by + cz = 0;
então:
(ax + by + cz) = 0
ou
a ( x) + b ( y) + c ( z) = 0
o que vem mostrar que as coordenadas de u satisfazem a equação ax + by + cz = 0.
Logo, S é um subespaço vetorial de R3 . Esse subespaço S representa um plano qualquer passando
pela origem no R3 .
Exemplo 65 Seajam V = R4 e S f(x; y; z; 0) ; x; y; z 2 Rg isto é, S é o conjunto dos vetores

de R4 que têm a quarta componente nula.
Veri…quemos as condições I e II de subespaço.
Para u = (x1 ; y1 ; z1 ; 0) 2 S e v = (x2 ; y2 ; z2 ; 0) 2 S, tem-se:
I) u + v = (x1 + x2 ; y1 + y2 ; z1 + z2 ; 0) 2 S, pois a quarta componente de u + v é
nula.
II) u = ( x1 ; y1 ; z1 ; 0) 2 S, pois a quarta componente de u é nula.
Logo, S é um subespaço vetorial de R4 .
a b a b
Exemplo 66 Sejam V = M (2; 2) = ; a; b; c; d 2 R e S = ; a; b 2 R
c d 0 0
isto é, S é o conjunto das matrizes quadradas, de ordem 2, cujos elementos da segunda linha
são nulos.
Para quaisquer
a1 b 1 a2 b 2
u= 2 S; v = 2S e 2R
0 0 0 0
tem-se;
I) u + v 2 S
II) u 2 S
Logo, S é um subespaço vetorial de M (2; 2) :
Obsevação 13 É interessante observar que se tivessemos considerado V = R4 , e S = f(a; b; 0; 0) ; a; b 2

o raciocício seria idêntico ao que foi feito para as matrizes acima.
Exemplo 67 Sejam V = M (m; n), B uma matriz …xa de V e S = fA 2 M (m; n) jAB = 0g

isto é, S é o conjunto das matrizes que multiplicadas à esquerda por B, têm como resultado a
matriz nula. Então:
A1 2 S implica A1 B = 0
A2 2 S implica A2 B = 0
I) Somando essas igualdades, vem:
A1 B + A2 B = 0 ou (A1 + A2 ) B = 0
e portanto
A1 + A 2 2 S
II) Multiplicando por real a primeira igualdade,vem:
(A1 B) = 0 ou ( A1 ) B = 0
e, portanto:
A1 2 S:
Logo, S é um subespaço vetorial de M (2; 2).
Exemplo 68 Sejam V = M (3; 1) e S o conjunto solução de um sistema linear homogêneo a

três variáveis.
Consideremos o sistema homogêneo
8
< 3x + 4y 2z = 0
2x + y z = 0
:
x y + 3z = 0
Fazendo:
2 3 2 3 2 3
3 4 2 x x
4
A= 2 1 5 4
1 ;X = y 5 4
e0= y 5
1 1 3 z z
o sistema, em notação matricial, será dado por AX = 0, sendo X elemento do conjunto solução
S:
Se 2 3 2 3
x1 x2
u = X1 = 4 y1 5 e v = X2 = 4 y2 5
z1 z2
são soluções de sistema, então:
AX1 = 0 e AX2 = 0
I) Somando essas igualdades, vem:
AX1 + AX2 = 0 ou A (X1 + X2 ) = 0
o que implica
X1 + X2 2 S
isto é, a soma de duas soluções é ainda uma solução do sistema.
II) Multiplicando por real a primeira igualdade, vem:

(AX1 ) = 0 ou A ( X1 ) = 0
o que implica
X1 2 S
isto é, o produto de uma constante por uma solução é ainda uma solução. Logo, o conjunto
solução S do sistema linear homogêneo é um subespaço vetorial de M (3; 1)
Obsevação 14 1) Esse conjunto solução S pode também ser considerado subespaço de R3 , pois
um vetor (x; y; z) 2 R3 tem notação matricial:
2 3
x1
4 y1 5
z1
2) Esse subespaço S é também chamado espaço solução do sistem AX = 0:
3) Se tivermos um sistema homogêneo de m equações lineares com n variáveis, o
espaço solução será um subespaço de Rn .
4) Se um sistema linear e não-homogêneo, o seu conjunto solução S não é um
subespaço vetorial (veri…cação a cargo do leitor).
Exemplo 69 Sejam V = R2 e S = f(x; y) ; x > 0g isto é, S é o conjunto dos vetores de R2
cuja primeira componente é positiva.
Sendo
u = (x1 ; y1 ) ; x1 > 0 e v = (x2 ; y2 ) ; x2 > 0 vetores quaiquer do S, temos:
I) u + v = (x1 + x2 ; y1 + y2 ) 2 S pois x1 + x2 > 0, isto é, a soma de dois vetores
com primeira componente positiva é um vetor cuja primeira componente é também positiva.
II) u = ( x1 ; y1 ) 62 S quando 0; isto é, nem sempre o produto de um vetor
com a primeira componente positiva por um número real resulta um vetor cuja primeira
componente é positiva. Por exemplo, u = (3; 4) 2 S e 2 (3; 4) = ( 6; 8) 62 S: Logo, S não
é o subespaço de R2 : Para chegar a essa conclusão poderiamos ter usado o fato que (0; 0) 62 S
(imediatamente).
6.5.1 Interseção, união e soma de subespaços

Sejam S1 e S2 dois subespaços vetoriais de V . A interseção S de S1 e S2 ; que se
representa por S = S1 \ S2 , é o conjunto de todos os vetores v 2 V tais que v 2 S1 e v 2 S2 .
Teorema 2 A interseção S de dois subespaços vetoriais S1 e S1 de V é um subespaço vetorial

de V . De fato:
I) Se u; v 2 S1 , então u + v 2 S1 ;
se u; v 2 S2 ; então u + v 2 S2 :
Logo
u + v 2 S1 \ S2 = S:
II) Para quaisquer 2 R :
se v 2 S1 ; então v 2 S1 ;
se v 2 S2 ; então v 2 S2 :
Logo:
v 2 S1 \ S2 = S:
Exemplo 70 Seja V o espaço vetorial das matrizes quadradas de ordem 2:
a b
V = ; a; b; c; d 2 R
c d
Sejam S1 e S2 subespaços vetoriais de V :
a b
S1 = ; a; b 2 R
0 0
a 0
S2 = ; a; c 2 R
c 0
A interseção S = S1 \ S2 é um espaço vetorial de V :
a 0
S= ;a 2 R
0 0
Exemplo 71 Seja o espaço vetorial R3 = f(a; b; c) ; a; b; c 2 Rg e os subespaços vetoriais S1 =

f(a; b; 0) ; a; b 2 Rg e S2 = f(0; 0; c) ; c 2 Rg. A interseção S1 \ S2 é o subespaço vetorial S =
f(0; 0; 0; )g = f0g :
6.5.2 Soma de dois Subespaços Vetoriais

Sejam S1 e S2 dois subespaços vetoriais de V . A soma S de S1 e S2 , que se representa
por S = S1 + S2 ; é o conjunto de todos os vetores u + v de V tais que u 2 S1 e v 2 S2 .
Teorema 3 A soma S de dois subespaços vetoriais S1 e S2 de V é um subespaço vetorial de

V: De fato:
I) Se u1 ; u2 2 S1 , então u1 + u2 2 S1 ;
se v1 ; v2 2 S2 , então v1 + v2 2 S2 :
Por outro lado:
u1 + v1 2 S
u2 + v2 2 S
Logo:
(u1 + v1 ) + (u2 + v2 ) = (u1 + u2 ) + (v1 + v2 ) 2 S1 + S2 = S
II) Para quaisquer 2 R :
se u1 2 S1 , então u1 2 S1 ;
se v1 2 S2 , então v1 2 S2 :
Por outro lado:
u1 + v 1 2 S
Logo:
(u1 + v1 ) = u1 + v1 2 S1 + S2 = S
Exemplo 72 A soma S dos subespaços vetoriais S1 e S2 referidos no exemplo 70, é um sube-
spaço vetorial de V :
a b
S= ; a; b; c 2 R
c 0
Exemplo 73 Sejam os subespaços vetoriais S1 = f(a; b; 0) ; a; b 2 Rg e S2 = f(0; 0; c) ; c 2 Rg

do espaço vetorial R3 = f(a; b; c) ; a; b; c 2 Rg
A soma S1 + S2 é o subespaço vetorial S = f(a; b; c) ; a; b; c 2 Rg, que, no caso, é o
3
proprio R .
6.5.3 Soma Direta de dois Subespaços Vetoriais

Sejam S1 e S2 dois subespaços vetoriais de V . Diz-se que V é a soma direta de S1
e S2 , e se representa por V = S1 S2 ; se V = S1 + S2 e S1 \ S2 = f0g.
Teorema 4 Se V é a soma direta de S1 e S2 ; todo vetor v 2 V se escreve, de modo único, na
forma:
v =u+w
onde:
u 2 S1 e w 2 S2
De fato, de V = S1 S2 , vem, para qualquer v 2 V :
v = u + w; onde u 2 S1 e v 2 S2 (4)
Suponhamos que v pudesse exprimir-se também pela forma:
v = u0 + w0 ; onde u0 2 S1 e w0 2 S2 (5)
As igualdades (4) e (5) permitem escrever:
u + w = u0 + w 0
ou
u u0 = w 0 w
onde
u u 0 2 S1 e w 0 w 2 S2
Tendo em vista que S1 \ S2 = f0g :
u u0 = w 0 w=0
isto é:
u = u0 e w 0 = w
Exemplo 74 O espaço vetorial R3 = f(a; b; c) ; a; b; c 2 Rg é soma direta dos subespaços veto-

riais:
S1 = f(a; b; 0) ; a; b 2 Rg e S2 = f(0; 0; c) ; c 2 Rg
pois quaiquer vetor (a; b; c) 2 R3 pode ser escrito como soma de um vetor de S1 e um vetor de
S2 de modo único:
(a; b; c) = (a; b; 0) + (0; 0; c)
e portanto:
R3 = S1 S2
6.6 Exercícios
Exercício 12 Os problemas abaixo são apresentados subconjuntos do R2 . Veri…que quais deles

são subespaços vetoriais do R2 relativamente às adição e multiplicação por escalar usuais.
a) S = f(x; y) jy = xg
b) S = f(x; x2 ) ; x 2 Rg
Exercício 13 Os problemas abaixo são apresentados subconjuntos do R3 . Veri…que quais deles

são subespaços vetoriais do R3 relativamente às adição e multiplicação por escalar usuais.
a) S = f(x; y; z) jx = 4y e z = 0g
b) S = f(x; y; z) jx = 0 e y = jzjg
Exercício 14 Veri…car se os subconjuntos abaixo são subespaços de M (2; 2):
a b
a) S = ;c = a + b e d = 0
c d
a 1
b) S = ; a; b 2 R
a b
6.7 Combinação Linear

Sejam os vetores v1 ; v2 ; ; vn do expaço vetorial V e os escalares a1 ; a2 ; ; an .
Quaisquer vetor v 2 V da forma:
v = a1 v 1 + a2 v 2 + + an v n
é uma combinação linear dos vetores v1 ; v2 ; ; vn .
Exemplo 75 No espaço vetorial P2 dos polinômios de grau 2, o polinômio v = 7x2 +11x 26

é uma combinação linear dos polinômios:
v1 = 5x2 3x + 2 e v2 = 2x2 + 5x 8
De fato:
v = 3v1 + 4v2
Isto é:
7x2 + 11x 26 = 3 5x2 3x + 2 + 4 2x2 + 5x 8

= 15x2 9x + 6 8x2 + 20x 32
= 7x2 + 11x 26
Problema 1 Para os problemas de 1 à 4, consideremos, no R3 , os seguintes vetores:v1 =

(1; 3; 2) e v2 = (2; 4; 1) :
1) Escreva o vetor v = ( 4; 18; 7) como combinação linear dos vetores v1 e v2 :
Solução: Pretende-se que
v = a1 v 1 + a2 v 2
sendo a1 e a2 escalares a determinar. Então, devemos ter:
( 4; 18; 7) = a1 (1; 3; 2) + a2 (2; 4; 1)

= (a1 ; 3a1 ; 2a1 ) + (2a2 ; 4a2 ; a2 )
= (a1 + 2a2 ; 3a1 + 4a2 ; 2a1 a2 )
Pela condição de igualdade de dois vetores, resulta o sistema:

8
< a1 + 2a2 = 4
3a1 + 4a2 = 18
:
2a1 a2 = 7
cuja solução é a1 = 2 e a2 = 3. Portanto;
v = 2v1 3v2 :
2) Mostrar que o vetor v = (4; 3; 6) não é combinação linear dos vetores v1 e v2 .

Solução: Deve-se mostrar que não existem escalares a1 e a2 tais que:
v = a1 v 1 + a2 v 2
Com procedimento análogo ao do problema anterior, temos:
(4; 3; 6) = a1 (1; 3; 2) + a2 (2; 4; 1)

de onde resulta o sistema: 8

< a1 + 2a2 = 4
3a1 + 4a2 = 3
:
2a1 a2 = 6
Observamos que esse sistema difere do anterior pelos termos independentes. Como incompa-
tivel, o vetor v não pode ser escrito como combinação linear de v1 e v2 .
3) Determinar o valor de k para que o vetor u = ( 1; k; 7) seja combinação linear
de v1 e v2 .
Solução: Devemos ter:
u = a1 v 1 + a2 v 2
ou
( 1; k; 7) = a1 (1; 3; 2) + a2 (2; 4; 1)
de onde vem o sistema: 8
< a1 + 2a2 = 1
3a1 + 4a2 = k
:
2a1 a2 = 7
do qual resulta, como solução do problema proposto, k = 13 (a1 = 3 e a2 = 1).
4) Determinar a condição para x; y e z de modo que (x; y; z) seja combinação linear
dos vetores v1 e v2 .
Solução: Devemos ter:
(x; y; z) = a1 (1; 3; 2) + a2 (2; 4; 1)
de onde vem o sistema: 8

< a1 + 2a2 = x
3a1 + 4a2 = y
:
2a1 a2 = z
O vetor (x; y; z) somente será combinação linear de v1 e v2 se o sistema tiver solução,isto
somente ocorre se:
x y 2z = 0 ou x = y + 2z
Assim, todos os vetores (x; y; z) 2 R3 ; que são combinações lineares de v1 e v2 , tem forma:
(y + 2z; y; z) com y; z 2 R:
Podemos fazer a interpretação geométrica desse resultado. Observemos que os vetores v1 e v2

não colineares.O vetor a1 v1 tem a direção de v1 , e o vetor a2 v2 ; a direção de v2 . Logo, todos os
vetores (x; y; z) 2 R3 do tipo
(x; y; z) = a1 v1 + a2 v2
formam um plano que passa pela origem conforme sugere a Figura 19. Esse plano tem
equação x y 2z = 0, que estabelece a condição solicitada entre os componentes x; y e z:
Figura 19
5) Mostrar que o vetor v = (3; 4) 2 R2 pode ser escrito de ini…nitas maneiras como
combinação linear dos vetores v1 = (1; 0), v2 = (0; 1) e v3 = (2; 1) :
Solução: Tem-se
(3; 4) = a (1; 0) + b (0; 1) + c (2; 1)
donde:
a + 2c = 3 a = 3 2c
ou
b c=4 b=4+c
e portanto, para cada valor de c obtém-se um valor para a e outro para b.
6.8 Exercícios
Exercício 15 Sejam os vetores u = (2; 3; 2) e v = ( 1; 2; 4) em R3 :

a) Escreva o vetor w = (7; 11; 2) como combinação linear de u e v:
b) Para que valar k o vetor ( 8; 14; k) é combinação linear de u e v?
c) Determinar uma condição entre x; y e z para que o vetor (x; y; z) seja uma combinação
linear de u e v:
Exercício 16 Consideremos no espaço P2 = fat2 + bt + cja; b; c 2 Rg os vetores p1 = 2t2 +
3t + 2, p2 = 2t + 2 e p3 = t2 + t. Escreva o vetor p = t2 t 2 como combinação linear de
p 1 ; p2 e p 3 :
Exercício 17 Sejam os vetores v1 = ( 3; 1; 0) ; v2 = (1; 1; 2) e v3 = (0; 1; 2). Expressar o
vetor u = (1; 3; 5) ; como combinação linear de v1 ; v2 e v3 :
6.9 Subespaços Gerados

Seja V um espaço vetorial. Consideremos um subconjunto A = fv1 ; v2 ; : : : ; vn g
V; A 6= ;.
O conjunto S de todos os vetores V que são combinações lineares dos vetores de A
é um subespaço vetorial de V .
De fato, se:
u = a1 v 1 + a2 v 2 + + an v n
e
v = b1 v1 + b2 v2 + + bn vn
são dois vetores quaisquer de S, pode-se escrever:
u + v = (a1 + b1 ) v1 + (a2 + b2 ) v2 + + (an + bn ) vn

u = ( a1 ) v 1 + ( a 2 ) v 2 + + ( an ) v n
Tendo em vista que u + v 2 S e que u 2 S, por serem combinações lineares de v1 ; v2 ; : : : ; vn ,

conclui-se que S é um subespaço vetorial de V .
Simbolicamente, o subespaço S é:
S = fv 2 V jv = a1 v1 + a2 v2 + + an vn ; a1 + a2 + + an 2 Rg
Obsevação 15 1) O subespaço S diz-se gerado pelos vetores v1 ; v2 ; : : : ; vn , ou gerado pelo con-

junto A e representa-se por:
S = [v1 ; v2 ; : : : ; vn ] ou S = G (A)
Os vetores v1 ; v2 ; : : : ; vn são chamados geradores do subespaço S, enquanto A é o

conjunto gerador de S.
2) Para o caso particular de A = ;, de…ne-se: [;] = f0g :
3) A G (A), ou seja, fv1 ; : : : ; vn g [v1 ; : : : ; vn ].
4) Todo conjunto A V gera um subespaço vetorial de V , podendo ocorrer G (A) =
V.
Nesse caso, A é um conjunto gerador de V .
Exemplo 76 Os vetores i = (1; 0) e j = (0; 1) geram o espaço vetorial R2 , pois qualquer

(x; y) 2 R2 é combinação linear de i e j:
(x; y) = xi + yj = x (1; 0) + y (0; 1) = (x; 0) + (0; y) = (x; y)
Então:
[i; j] = R2 :
Exemplo 77 O vetores i = (1; 0; 0) e j = (0; 1; 0) do R3 geram o subespaço
S = (x; y; 0) 2 R3 jx; y 2 R
pois:
(x; y; 0) = x (1; 0; 0) + y (0; 1; 0)
Então:
[i; j] = S
é um subespaço próprio do R3 e representa, geometricamente o plano xOy. Veja a Figura 20.
Figura 20
Exemplo 78 Os vetores e1 = (1; 0; 0), e2 = (0; 1; 0) e e3 = (0; 0; 1) geram o espaço vetorial

R3 , pois qualquer v = (x; y; z) 2 R3 é combinação linear de e1 ; e2 e e3 :
(x; y; z) = x (1; 0; 0) + y (0; 1; 0) + z (0; 0; 1)
ou:
v = xe1 + ye2 + ze3 :
Então:
[e1 ; e2 ; e3 ] 2 R3 :
Obsevação 16 Antes de resolvermos alguns problemas e fornecermos certas interpretações

geométricas, atentemos para um fato importante:
Dado n vetores v1 ; : : : vn de um espaço vetorial V; se w 2 V tal que
w = a1 v 1 + + an v n
Então:
[v1 ; : : : vn ; w] = [v1 ; : : : vn ]
pois todo vetor v que é combinação linear de v1 ; : : : vn ; w é também combinação linear de
v 1 ; : : : vn .
Supondo que:
v 2 [v1 ; : : : vn ; w] , então existem números b1 ; : : : bn ; b
tais que
v = b1 v1 + + bn vn + bw
mas:
w = a1 v 1 + + an v n
logo:
v = b1 v1 + + bn vn + b (a1 v1 + + an v n )
ou
v = (b1 + a1 b) v1 + + (bn + an b) vn
e, portanto, v é combinação linear de v1 ; : : : vn , isto é,
v 2 [v1 ; : : : vn ]
A reciproca, ou seja, se
v 2 [v1 ; : : : vn ] , então v 2 [v1 ; : : : vn ; w]
é trivial, pois, se
v = a1 v 1 + + an vn , então v = a1 v1 + + an vn + 0w:
Assim, sendo S um subespaço gerado por um conjunto A, ao acrescentarmos vetores

de S a esse conjunto A, os novos conjuntos continuarão gerando o mesmo subespaço S. Esse
fato faz entender que um determinado subespaço S pode ser gerado por uma in…nidade de
vetores, porém existe um número mínimo de vetores para gerá-lo.
Problema 2 Seja V = R3 . Determinar o subespaço gerado pelo vetor v1 = (1; 2; 3).

Solução: Temos
[v1 ] = (x; y; z) 2 R3 j (x; y; z) = a (1; 2; 3) ; a 2 R
Da igualdade:
(x; y; z) = a (1; 2; 3)
Vem:
x = a
y = 2a
z = 3a
donde
y = 2x
z = 3x
Logo
[v1 ] = f(x; 2x; 3x) ; x 2 Rg
O subespaço gerado por um vetor v1 2 R3 ; v1 6= 0, é uma reta que passa pela origem, veja
a Figura 21. Se a esse vetor acrescentarmos v2 ; v3 ; : : : ; todos colineares entre si, o subespaço
gerado por 2; 3; : : : vetores continuará sendo a mesma reta. veja a Figura 21:
[v1 ] = [v1 ; v2 ] = [v1 ; v2 ; v3 ] =

Figura 21
Problema 3 Seja V = R3 . Determinar o subespaço gerado pelo conjunto A = fv1 ; v2 g, sendo

v1 = (1; 2; 1) e v2 = (2; 1; 1).
Solução: Temos:
[v1 ; v2 ] = (x; y; z) 2 R3 j (x; y; z) = a1 (1; 2; 1) + a2 (2; 1; 1) ; a1 ; a2 2 R
Da igualdade acima, vem: 8

< a1 + 2a2 = x
2a1 + a2 = y
:
a1 + a2 = z
O vetor (x; y; z) 2 [v1 ; v2 ] se, e somente se, o sistema tem solução, e isto somente ocorre quando
x + 3y 5z = 0. Logo
[v1 ; v2 ] = (x; y; z) 2 R3 jx + 3y 5z = 0
O subespaço gerado pelos vetores v1 ; v2 2 R3 , não colineares, é um palno que passa pela
origem, veja a Figura 22. Se a esses dois vetores acrescentarmos v3 ; v4 ; : : : ; todos coplanares,
o subespaço gerado por 3; 4; : : : vetores continuará sendo o mesmo plano :
[v1 ; v2 ] = [v1 ; v2 ; v3 ] = [v1 ; v2 ; v3 ; v4 ] =
Figura 22
Problema 4 Seja V = R3 . Determinar o subespaço gerado pelo conjunto A = fv1 ; v2 ; v3 g ;

sendo v1 = (1; 1; 1) ; v2 = (1; 1; 0) e v3 = (1; 0; 0).
Solução: Para todo vetor (x; y; z) 2 [v1 ; v2 ; v3 ], tem-se
(x; y; z) = a1 (1; 1; 1) + a2 (1; 1; 0) + a3 (1; 0; 0)
Desta igualdade, vem: 8

< a1 + a2 + a3 = x
a1 + a2 = y
:
a1 = z
ou 8
< a1 = z
a2 = y z
:
a3 = x y
Portanto:
(x; y; z) = z (1; 1; 1) + (y z) (1; 1; 0) + (x y) (1; 0; 0)
e, por conseguinte, os vetores v1 ; v2 e v3 geram R3 , pois cada vetor do R3 é combinação linear
dos vetores dados. Logo:
[v1 ; v2 ; v3 ] = R3
O subespaço gerado por três vetores não coplanares é o próprio R3 , veja a Figura 23. Se a
esses três vetores acrescentarmos v4 ; v5 ; : : : quaisquer, o subespaço gerado pelos 4; 5; : : : vetores
continuará sendo o próprio R3 :
[v1 ; v2 ; v3 ] = [v1 ; v2 ; v3 ; v4 ] =
Figura 23
Problema 5 Mostrar que o conjunto A = f(3; 1) ; (5; 2)g gera o R2 .

Solução: Vamos mostrar que todo vetor (x; y) 2 R2 é combinação linear dos vetores
do conjunto A, isto é, sempre existem os números reais a1 e a2 tais que:
(x; y) = a1 (3; 1) + a2 (5; 2)
Daí vem o sistema:

3a1 + 5a2 = x
a1 + 2a2 = y
que, resolvido o sistema em termos de x e y, fornece:

a1 = 2x 5y e a2 = 3y x
Portanto:
(x; y) = (2x 5y) (3; 1) + (3y x) (5; 2)
Isto é:
G (A) = R2
Problema 6 Sejam V = M (2; 2) e o subconjunto
1 2 3 1
A= ;
2 3 1 1
Determinar o subespaço G (A) :
Solução: Para todo vetor
x y
v= 2 G (A) ;
z t
tem-se:
x y 1 2 3 1
=a +b
z t 2 3 1 1
e daí o sistema: 8
>
> a + 3b = x
<
2a b = y
>
> 2a + b = z
:
3a + b = t
que é compatível se:
z= y ex= 2y + t
Logo:
2y + t y
G (A) = ; y; t 2 R
y t
6.10 Exercícios
Exercício 18 Determinar os subespaços do R3 gerados pelos seguintes conjuntos:

a) A = f(2; 1; 3)g ;
b) A = f( 1; 3; 2) ; (2; 2; 1)g ;
c) A = f(1; 0; 1) ; (0; 1; 1) ; ( 1; 1; 0)g ;
Exercício 19 Seja o conjunto A = fv1 ; v2 g, sendo v1 = (2; 1; 1) e v2 = (1; 2; 1). Determinar:
a) O subespaço G (A) ; ou seja, S = [v1 ; v2 ]
b) O valor de k para que o vetor v = (1; 2; k) pertença a G (A).
Exercício 20 Determine o subespaço de P2 (espaço vetorial dos polinômios de grau 2) gerado
pelos vetores, p1 = x 1; p2 = x2 x + 2 e p3 = x2 + x:
6.11 Dependência e Independência Linear

No problema 4, chamamos a atenção para o fato de que o espaço vetorial R3 pode se
gerado por três vetores, ou também por quatro, ou por cinco, etc. Assim, três vetores constituem
o número mínimo necessário para gerar R3 . No entanto, quatro, cinco ou mais vetores podem
gerar o R3 . Porém, nesse caso, sobram vetores no conjunto gerador. Em nosso estudo temos
grande interesse no conjunto gerador que seja o menor possível. Para a determinação do menor
conjunto gerador de um espaço vetorial, precisamos ter a noção de depedência e independência
linear.
De…nição 10 Seja V um espaço vetorial e
A = fv1 ; : : : ; vn g V
Consideremos a equação
a1 v 1 + + an v n = 0 (6)
Sabemos que essa equação admite pelo menos uma solução:
a1 = a2 = = an = 0
chamada solução trivial.

O conjunto A diz-se linearmente independente (LI), ou os vetores v1 ; : : : ; vn são LI,
caso a equação (6) admita apenas a solução trivial.
Se existem soluções ai 6= 0, diz-se que o conjunto A é linearmente dependente (LD),
ou que os vetores v1 ; : : : ; vn são LD.
Exemplo 79 No espaço vetorial V = R3 , os vetores v1 = (2; 1; 3) ; v2 = ( 1; 0; 2) e v3 =

(2; 3; 1) formam um conjunto linearmente dependete. De fato:
a (2; 1; 3) + b ( 1; 0; 2) + c (2; 3; 1) = (0; 0; 0)
Daí vem o sistema: 8

< 2a b + 2c = 0
a 3c = 0
:
3a 2b + c = 0
que, resolvido o sistema temos que:
a = 3; b = 4 e c = 1
Assim chega-se
3v1 + 4v2 v3 = 0
Portando os vetores v10 ; v2 e v3 é LD.
Exemplo 80 No espaço vetorial V = R4 , os vetores v1 = (2; 2; 3; 4) ; v2 = (0; 5; 3; 1) e v3 =

(0; 0; 4; 2) são linearmente independentes. De fato:
a (2; 2; 3; 4) + b (0; 5; 3; 1) + c (0; 0; 4; 2) = (0; 0; 0; 0)
Daí vem o sistema: 8

>
> 2a = 0
<
2a + 5b = 0
>
> 3a 3b + 4c = 0
:
4a + b 2c = 0
Vemos que o sistema admite única solução:
a = 0; b = 0 e c = 0
Portando os vetores v10 ; v2 e v3 é LI.
Exemplo 81 No espaço vetorial R3 , o conjunto fe1 ; e2 ; e3 g, tal que e1 = (1; 0; 0) ; e2 = (0; 1; 0)

e e3 = (0; 0; 1), é LI. De fato:
ae1 + be2 + ce3 = (0; 0; 0)
ou
a (1; 0; 0) + b (0; 1; 0) + c (0; 0; 1) = (0; 0; 0)
transforma-se em:
(a; b; c) = (0; 0; 0)
e, portanto:
a = b = c = 0:
Logo
f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g
é LI. De forma análoga mostra-se que os vetores
e1 = (1; 0; 0; : : : ; 0) ; e2 = (0; 1; 0; : : : ; 0) ; : : : ; e3 = (0; 0; 0; : : : ; 1)
formam um conjunto linearmente independente no Rn .
Exercício 21 No R2 ; os vetores e1 = (1; 0) e e2 = (0; 1) são LI. No entanto, os vetores e1 ; e2

e v = (a; b) são LD. De fato:
x (1; 0) + y (0; 1) + z (a; b) = (0; 0)

(x; 0) + (0; y) + (az; bz) = (0; 0)
(x + az; y + bz) = (0; 0)
isto é:
x + az = 0
y + bz = 0
O sistema admite ao menos uma solução não trivial. Por exemplo, fazendo z = 1, vem:
x= aey= b
Logo
ae1 + be2 = (0; 0)
Portato os vetores e1 ; e2 e v = (a; b) são LD.
Exercício 22 No espaço vetorial M (2; 2), o conjunto
1 2 2 3 3 4
A= ; ;
3 1 3 0 3 1
é LD. De fato
av1 + bv2 + cv3 = 0 (7)

1 2 2 3 3 4 0 0
a +b +c =
3 1 3 0 3 1 0 0
ou,
a + 2b + 3c 2a 3b 4c 0 0
=
3a + 3b + 3c a+c 0 0
dai o sistema: 8
>
> a + 2b + 3c = 0
<
2a 3b 4c = 0
>
> 3a + 3b + 3c = 0
:
a+c=0
cuja solução é a = ceb= 2c. Como existem soluções ai 6= 0 para (7), o conjunto A é LD.
Assim
cv1 2cv2 + cv3 = 0:
ou
cv1 + 2cv2 cv3 = 0, 8c 2 R:
Dividindo tudo por c 6= 0, resulta:
v1 + 2v2 v3 = 0
e dai vem:
v1 = 2v2 + v3 (v1 é combinação linear de v2 e v3 )
ou:
v1 v3
v2 = + (v2 é combinação linear de v1 e v3 )
2 2
ou ainda:
v3 = v1 + 2v2 (v3 é combinação linear de v1 e v2 )

Como se observa, sendo A um subconjunto LD, então um vetor de A é combinação linear dos
outros. Esse fato e sua recíproca constituem o teorema seguinte.
Teorema 5 "Um conjunto A = fv1 ; : : : ; vi ; : : : ; vn g é LD se, e somente se, pelo menos um

desses vetores for combinação linear dos outros."
Demonstração: Encontra-se na bibiogra…a (7), pagina 58.
Obsevação 17 1) Esse último teorema pode se enunciado de forma equivalente: "Um conjunto
A = fv1 ; : : : ; vn g é LI se, e somente se, nenhum desses vetores for combinação linear dos outro."
2) Para o caso particular de dois vetores, temos: "Dois vetores v1 e v2 são LD se,
e somente se, um vetor é multiplo escalar do outro."Por exemplo, os vetores
v1 = (1; 2; 3) e v2 = (2; 4; 6)
v2
são LD, pois v1 = ou v2 = 2v1 : Enquanto que v1 = (1; 2; 5) e v2 = (2; 1; 5) são LI, pois
2
v1 6= kv2 ; 8 2 R
Exemplo 82 Nas Figuras, a seguir apresentamos
Figura 24
(v1 e v2 estão representados na mesma reta que passa pela origem)
Figura 25
(v1 ; v2 e v2 estão representados na mesma reta que passa pela origem)
Problema 7 Veri…car se são LI ou LD os seguintes conjuntos:
1 2 3 6
a) ; M (2; 2) :
4 3 12 9
b) f(2; 1) ; (1; 3)g R2

c) f( 1; 2; 0; 3) ; (2; 1; 0; 0) ; (1; 0; 0; 0)g R4
d) f1 + 2x x2 ; 2 x + 3x2 ; 3 4x + 7x2 g P2
Solução:
a) Como o conjunto tem apenas dois vetores com um deles sendo múltiplo escalar do outro
(o segundo vetor é o triplo do primeiro), o conjunto é LD, de acordo a observação 17 do
teorema 5
b) Tendo em vista que um vetor não é múltiplo escalar do outro, o conjunto é LI. Vejamos:
a (2; 1) + b (1; 3) = (0; 0)
o que gera o sistema
2a + b = 0
a + 3b = 0
o sistema adminte somente solução trivial, o que vem con…rmar ser o conjunto LI.
c) Consideremos a equação:
a ( 1; 2; 0; 3) + b (2; 1; 0; 0) + c (1; 0; 0; 0) = (0; 0; 0; 0)
o que gera o sistema 8
< a + 2b + c = 0
2a b = 0
:
3a = 0
Como o sistema admite apenas a solução trivial
a=b=c=0
o conjunto é LI.
d) Seja a equação:
a 1 + 2x x2 + b 2 x + 3x2 + c 3 4x + 7x2 = 0 (8)
ou
(a + 2b + 3c) + (2a b 4c) x + ( a + 3b + 7c) x2 = 0 + 0x + 0x2
Pelo princípio da identidade de polinômios, vem:
8
< a + 2b + 3c = 0
2a b 4c = 0
:
a + 3b + 7c = 0
Como esse sistema admite outras soluções além da trivial, o conjunto é LD.
Obsevação 18 O leitror dever ter notado que a variável x nos polinômios desse problema não
desempenha nenhum papel no cálculo. Com o objetivo de simpli…car, a cada polinômio do tipo
a0 + a1 x + a2 x2 , associa-se a terna (a0 ; a1 ; a2 ). Assim, a igualdade (8) desse problema poderia
ter sido escrita assim:
a (1; 2; 1) + b (2; 1; 3) + c (3; 4; 7) = (0; 0; 0)
Simpli…cações análogas a essa podem ser feitas, por exemplo, associando:
1) a0 + a1 x + a2 x2 + a3 x3 P3 com (a0 ; a1 ; a2 ; a3 ) 2 R4
a b
2) 2 M (2; 2) com (a; b; c; d) 2 R4
c d
3) a + cx2 2 P2 com (a; 0; c) 2 R3
e assim por diante.
Problema 8 Provar que se u e v são LI, então u + v e u v também são

Solução: Consideremos a igualdade
a (u + v) + b (u v) = 0
o que resulta
(a + b) u + (a b) v = 0
Como u e v são LI, nessa igualdade deve-se ter que:
a+b=0
a b=0
assim o sistema admite somente a solução a = b = 0. Logo u + v e u v são LI.
Problema 9 Determinar o valor k para que o conjunto
f(1; 0; 1) ; (1; 1; 0) ; (k; 1; 1)g
seja LI.
Solução: O conjunto será LI se, e somente se, a equação
a (1; 0; 1) + b (1; 1; 0) + c (k; 1; 1) = (0; 0; 0)
admitir apenas a solução a = b = c = 0. Dessa equação vem

8
< a + b + kc = 0
b+c=0
:
a c=0
Para que esse sistema admita admita apenas a solução trivial, deve-se ter k 6= 2. Logo, o
conjunto será LI se k 6= 2.
6.11.1 Propriedades da Dependência e da Independência Linear

Seja V um espaço vetorial.
I) Se A = fvg V e v 6= 0; então A é LI.
De fato: Como v 6= 0, a igualdade av = 0 só se veri…ca se a = 0:
Obsevação: Considera-se, por de…nição que o conjutno vazio ; é LI.
II) Se um conjunto A V contém o vetor nulo, então A é LD.
De fato: Seja o conjunto A = fv1 ; : : : ; 0; : : : ; vn g. Então a equação
av1 + + a0 + + avn
se veri…ca para todo a 6= 0. Portanto, A é LD.
III) Se uma parte de um conjunto A V é LD, então A é também LD.

De fato: Sejam A = fv1 ; : : : ; vr ; : : : ; vn g e a parte
A1 = fv1 ; : : : ; vr g A; A1 é LD
Como A1 é LD, existem ai 6= 0 que veri…cam a igualdade:
a1 v 1 + + ar v r = 0
e esses mesmos ar 6= 0 veri…cam também a igualdade
a1 v 1 + + ar vr + 0vr+1 + + 0vn = 0
Logo A = fv1 ; : : : ; vr ; : : : ; vn g é LD.
IV) Se um conjunto A V é LI, qualquer parte A1 de A é também LI.
De fato: Se A1 fosse LD, pela propriedade anterior o conjunto A seria também LD, o contradiz
a hipótese.
Observação: Se todos os subconjuntos próprios de um conjunto …nito de vetores são LI,

o fato não signi…ca que o conjunto seja LI. De fato, se considerarmos no R2 os ve-
tores e1 = (1; 0) ; e2 = (0; 1) e v = (4; 5) ; ver…caremos que cada um dos subconjuntos
fe1 ; e2 g ; fe1 ; vg ; fe2 ; vg ; fe1 g ; fe2 g e fvg é LI, enquanto que ; fe1 ; e2 ; vg é LD.
V) Se A = fv1 ; : : : ; vn g V é LI e B = fv1 ; : : : ; vn ; wg V é LD, estão w é combinação

linear de v1 ; : : : ; vn .
De fato: Como B é LD, existem escalares a1 ; : : : ; an ; b; nem todos nulos, tais que:
a1 v 1 + + an vn + bw = 0:
Ora, se b = 0, então algum dos ai não é zero na igualdade:
a1 v 1 + + an vn = 0:
Porem esse fato contradiz a hipotese de que A é LI. Consequentemente, tem-se b 6= 0, e

portanto
bw = a1 v1 an v n
o que implica:
a1 an
w= v1 vn
b b
isto é, w é combinação linear v1 ; : : : ; vn .
6.12 Exercícios
Exercício 23 Classi…que os seguintes vetores do R2 como LI ou LD::
a) f(1; 3)g;
b) f(1; 3) ; (2; 6)g;

c) f(2; 1) ; (3; 5)g;
d) f(1; 0) ; ( 1; 1) ; (3; 5)g;
Exercício 24 Veri…que se o seguinte conjunto de vetores pertencentes ao P2 é LD ou LI.
x2 x; x2 + 3x; x 2
Exercício 25 Determinar o valor de k para que seja LI o conjunto
f(4; 0; 2) ; ( 2; 1; 1) ; (1; k; 1)g :

6.13 Base e Dimensão

6.13.1 Base de um Espaço Vetorial
Um conjunto B = fv1 ; : : : ; vn g V é uma base do espaço vetorial V se:
I) B é LI;
II) B gera V:
Exemplo 83 B = f(1; 1) ; ( 1; 0)g é base de R2 :

De fato:
I) B é LI, pois a (1; 1) + b ( 1; 0) = (0; 0) implica:
a b=0
a=0
logo a = b = 0:
II) B gera R2 , pois para todo (x; y) 2 R2 , tem-se:
(x; y) = y (1; 1) + (y x) ( 1; 0)
Realmente, a igualdade
(x; y) = a (1; 1) + b ( 1; 0)
implica:
a b=x
a=y
donde: a = y e b = y x:
O vetores da base B estão representados na Figura 26. Em 5 já haviamos visto que
dois vetores não-colineares são LI. Sendo eles do R2 , irão gerar o próprio R2 . Na verdade,
quaisquer dois vetores não-colineares do R2 formam uma base desse espaço.
Figura 26
Exemplo 84 B = f(1; 0) ; (0; 1)g é base R2 , denominada base canônica.

De fato:
I) B é LI, pois a (1; 0) + b (0; 1) = (0; 0) implica a = b = 0;
II) B gera R2 , pois todo vetor (x; y) 2 R2 é tal que: (x; y) = x (1; 0) + y (0; 1)
Exemplo 85 Consideremos os vetores e1 = (1; 0; 0; : : : ; 0) ; e2 = (0; 1; 0; : : : ; 0) ; : : : ; en = (0; 0; 0; : : : ; 1),

no exemplo 81, deixamos claro que o conjunto B = fe1 ; e2 ; : : : ; ; en g é LI em Rn . Tendo em
vista que todo vetor v = (x1 ; x2 ; : : : ; xn ) 2 Rn pode ser escrito como combinação linear de
e1 ; e2 ; : : : ; ; en , isto é:
v = x2 e1 + x2 e2 + + xn en
conclui-se que B gera Rn . Portanto, B é uma base de Rn . Essa base é conhecida como base
canônica de Rn .
Consequentemente:
f(1; 0; 0; 0) ; (0; 1; 0; 0) ; (0; 0; 1; 0) ; (0; 0; 0; 1)g é base canônica de R4

f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g é base canônica de R3
f(1; 0) ; (0; 1)g é base canônica de R2
f(1)g é base canônica de R
1 0 0 1 0 0 0 0
Exemplo 86 B = ; ; ; é base canônica de M (2; 2) :
0 0 0 0 1 0 0 1
De fato:
1 0 0 1 0 0 0 0 0 0
a +b +c +d =
0 0 0 0 1 0 0 1 0 0
ou;
a b 0 0
=
c d 0 0
e daí:
a=b=c=d=0
Portanto, B é LI.
Por outro lado B gera o espaço M (2; 2), pois qualquer
a b
2 M (2; 2)
c d
pode ser escrito assim:
a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1
Logo, B é base de M (2; 2)

7 Referências Bibliográ…cas
Referências
[1] BOLDRINI, J. L. [et al]. Álgebra Linear. 3. ed. SP: Harper&Row do Brasil, 1980.
[2] CALLIOLI, Carlos A.; DOMINGUES, Hygino H.; COSTA, Roberto C. F. Álgebra Linear
e Aplicações. 6. ed. São Paulo: Atual, 1990.
[3] LIMA, Elon L. Álgebra Linear. 5. ed. Coleção Matemática Universitária. Rio de Janeiro:
IMPA, 2001.
[4] ANTON, Howard. Álgebra Linear: com aplicações. Porto Alegre: Bookman, 2001.
[5] LAY, David C. Álgebra Linear e suas aplicações. 2. ed. Rio de Janeiro: LTC, 1999.
[6] LEON, Steven J. Álgebra Linear com Aplicações. 4. Ed. Rio de Janeiro: LTC, 1999.
[7] STEINBRUCH, A.; WINTERLE, Paulo. Álgebra Linear. SP: McGraw-Hill, 1987.
[8] STEINBRUCH, Alfredo; WINTERLE, Paulo. Introdução à Álgebra Linear. São Paulo:
Pearson Education do Brasil, 1997.

ÁlgebraLinear Prof - PauloCesarOssani

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

ÁlgebraLinear Prof - PauloCesarOssani

Enviado por

Direitos autorais:

Formatos disponíveis

Ágebra Linear

Prof. Paulo Cesar Ossani

4 Sistemas de Equações Lineares 23

6.5 Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

6.7 Combinação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

6.9 Subespaços Gerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

6.11 Dependência e Independência Linear . . . . . . . . . . . . . . . . . . . . . . . . 67

6.13 Base e Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

Exemplo 1 As notas de matemática, …síca e algebra de um grupo de 3 alunos são disposta da

Representamos uma matriz de m linhas por n colunas por:

1.1 Tipos de Matrizes

1.1.1 Matriz Quadrada

1.1.2 Matriz Linha

1.1.3 Matriz Coluna

1.1.4 Matriz Nula

1.1.5 Matriz Diagonal

1.1.6 Matriz Identidade Quadrada

1.1.7 Matriz Triangular Superior

1.1.8 Matriz Triangular Inferior

1.1.9 Matriz Transposta

Propriedades de Transposição de Matrizes

III) AT = ( A)T ; onde é um escalar.

1.1.10 Matriz Simétrica

1.1.11 Matriz Anti-Simétrica

1.1.12 Matriz Ortogonal

1.2 Operações com Matrizes

Matéria Prima Folha de Pgto. Impostos

Depois de algumas análises esta Empresa decidiu que;

Matéria Prima Folha de Pgto. Impostos Totais

b) Para o segundo semestre dobrará a produção da Fábrica 1, triplicará da Fábrica 2

Matéria Prima Folha de Pgto. Impostos Totais

1.2.1 Adição e Subtração de Matrizes

Obsevação 1 Somente matrizes de mesma ordem podem ser adcionadas ou subtraídas.

Propriedades da Adição de Matrizes

III) A+A=A A=0

1.2.2 Multiplicação por Escalar

Propriedades da Multiplicação de Uma Matriz por um Escalar

1.2.3 Multiplicação de Matrizes

Obsevação 2 Só podemos efetuar o produto de duas matrizes Am n e Br s se o número de

Propriedades da Multiplicação de uma Matriz por Outra

I) (AB) C = A (BC) (Associatividade)

IV) (A) B = A ( B) = (AB), onde é um escalar.

V) AI = IA = A (Isto justi…ca o nome da matriz identidade)

Exercício 1 Dada as matrizes

Calcule x e y de modo que A seja igual a B, isto é:

Exercício 2 Dada as matrizes

2.1 Conceitos Iniciais

sões da permutação (j1 ; j2 ; : : : ; jn ) e indica que a soma é estendida a todas as n! permutações

Em relação a última de…nição podemos fazer três observações:

I) Se a permutação (j1 ; j2 ; : : : ; jn ) tem um números par de inversões, o coe…ciente ( 1)J do

II) Em cada termo da somatória, existe um e apenas um elemento de cada linha, e um e

variando os primeiros e deixando …xos os segundos índices.

Propriedades dos Determinantes

II) det A = det A0

VI) det (A + B) 6= det A + det B

VIII) det (A B) = det A det B

Depois dessas considerações estamos prontos a encontrarmos os determinantes de

2.2 Determinante de uma Matriz quadrada de 2a ordem

Obsevação 3 Dada a matriz A = aij , de ordem 1, de…ne-se como determinante de A o seu

Exemplo 29 Seja a matriz A = [3] ; temos que det A = j3j = 4:

2.3 Determinante de uma Matriz quadrada de 3a ordem

Vejamos os exemplos seguintes para melhor entendimento: