UNIVERSIDADE FEDERAL DA PARAÍBA

CCEN - DEPARTAMENTO DE MATEMÁTICA

Prof. Dr. José Gomes de Assis.

Unidades Temáticas Integradas do Curso

Unidade 1 Espaços Vetoriais

Espaços Vetoriais

Subespaços

Combinação Linear

Dependência e Independência Linear

Base, dimensão de mudança de base

Unidade 2 Aplicações Lineares e Matrizes

Aplicações Lineares

Núcleo e Imagem de uma aplicação linear

Aplicação inversa. Isomorfismo

Matriz de uma aplicação linear

Unidade 3 Vetores e Valores Próprios

Vetores e Valores Próprios

Polinômios Característico e Minimal

Diagonalização de Operadores

Unidade 4 Espaços com Produto Interno

Produto Interno

Espaços com Produto Interno

1
 Unidade 1
Espaços Vetoriais

1 Situando a Temática

No semestre anterior conhecemos e aprendemos a trabalhar com outras grandezas

matemáticas que não são números e sim vetores. Neste curso de Introdução a Álgebra Linear
vamos aprender a lidar com grandezas que generalizam estes objetos, isto é, o conceito de
vetores. O estudo desta parte da matemática é utilizado nas mais diferentes áreas do
conhecimento humano, tais como, Economia, Física, e toda a área tecnológica e cientifica.

A noção básica é que dado um conjunto podemos introduzir operações sobre este, que
podem gerar determinadas propriedades e desta forma, constituir um objeto matemático, que
é o habitat natural dos vetores generalizados, conhecido como Espaço Vetorial.

O objetivo desta unidade é definir espaço vetorial e apresentar propriedades e

teoremas que serão na maioria demonstrados, quando não apresentaremos exemplos ou
exercícios.

Este texto complementa-se na plataforma MOODLE, onde estão as listas de exercícios

e atividades relacionadas com o texto. Os exercícios são parte fundamental da disciplina, uma
vez que vamos adotar uma metodologia apoiada na resolução de exercícios.

2 Problematizando a Temática

Suponhamos que uma força atue sobre um corpo, podemos determinar sua
intensidade e direção. Assim, força é um exemplo típico de grandeza representada por um
vetor. Outros exemplos são velocidade e deslocamento. Nesta unidade desenvolveremos o
conceito de vetor de uma forma mais ampla, de modo que, por exemplo, soluções de sistemas
de equações lineares, funções, matrizes possam ser representadas e/ou denominadas de
vetor. O conjunto desses vetores munido de determinadas operações será definido como um
espaço vetorial.

2
 3 Conhecendo a Temática

3.1 Espaços Vetoriais

3.1 - Espaços Vetoriais - Exemplos

3.1.1. - Introdução

Vamos relembrar alguns conceitos vistos em Cálculo Vetorial e estende-los de forma

natural para um ambiente com dimensões maiores.

Sabemos que o conjunto

ℝ2 = {( x, y ); x, y  ℝ}

é interpretado geometricamente como sendo o plano cartesiano. Um par (x, y) pode ser visto
como um ponto. Essa mesma ideia, em relação ao plano, estendemos para o espaço
tridimensional que é a interpretação geométrica do conjunto

ℝ3= { (𝑥, 𝑦, 𝑧); 𝑥, 𝑦, 𝑧 𝜖 ℝ }

Embora se perca a visão geométrica de espaços com dimensão acima de 3, é possível

estender essa ideia a espaços como ℝ4, ℝ5,..., ℝn. Assim, 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 = {( x1 , x2 ,, xn ); xi  ℝ, 𝑖 = 1,2,3, … . . , 𝑛}.

Trabalhamos nesses espaços de maneira idêntica àquela vista em ℝ2 e ℝ3. Por

exemplo, se, u = ( x1 , x2 ,, xn ) e v = ( y1 , y2 ,, yn ) são vetores no ℝn e α um escalar,
definimos:

a) 𝑢 = 𝑣 𝑠𝑒,  𝑒 𝑠𝑜𝑚𝑒𝑛𝑡𝑒,  𝑠𝑒 𝑥𝑖 = 𝑦𝑖 ,  𝑖 = 1,2, … , 𝑛,

b) u + v = ( x1 + y1 , x2 + y2 ,, xn + yn ),
c) u = (x1 ,x2 ,,xn ),
d) u.v = x1 y1 + x2 y 2 +  + xn yn , ( Produto interno usual do ℝ𝑛

u = u.u = x1 + x2 + ... + xn . (Norma de um vetor)

2 2 2
e)

Consideremos, agora, o conjunto ℝn e o conjunto das matrizes reais de ordem m n ,

representado por M (m, n) . Com relação a estes conjuntos estão definidas as operações de
adição e multiplicação por escalar, que tem em comum as seguintes propriedades:

3
 Se u ,v, w  ℝn,  ,   ℝ (escalares) e A,B,C  M (m, n) , podemos verificar que:

Em relação à adição temos as propriedades:

1) (u + v) + w = u + (v + w) e (A + B) + C = A + (B + C) (associatividade)

2) u + v = v + u e A + B = B + A (comutatividade)

3) Existe um único elemento (neutro) em ℝn e em M (m, n) , representado por 0 tal que:

u + 0 = u, onde 0 = (0,0,,0) e

0 0  0
0 0  0
A + 0 = A, onde 0 =   M (m, n).
   
 
0 0  0

4) Para cada vetor u  ℝn e para cada matriz A M (m, n) existe um único vetor e uma única
matriz, representados por – u e – A, tais que:

u + (-u) = 0 e A + (-A) = 0, onde − u = (− x1 ,− x2 ,,− xn ), se u = ( x1 , x2 ,, xn ) e

 − a11 − a12  − a1n   a11 a12  a1n 
− a − a22 
 − a2 n  a a 22  a 2 n 
− A =  21 , quando A = 
21
. Neste caso, - u e –
          
   
− a m1 − am 2  − amn  a m1 2m2  amn 
A são chamados de elementos simétricos.

Com relação à multiplicação por escalar valem as seguintes 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.

De acordo com o exposto, os conjuntos ℝn e M (m, n) , munidos desse par de

operações apresentam uma “estrutura” comum em relação a essas operações. Tal fato vale
também para outros conjuntos munidos com duas operações, como veremos mais tarde, os
quais são chamados de espaços vetoriais.

4
3.1.2. - Espaços V etoriais - Gerais

Definição 1: Consideremos V um conjunto não vazio, no qual introduziremos as operações

adição e multiplicação por escalar, ou seja,

+:𝑉𝑥𝑉 ⇾ 𝑉 ∘∶ ℝ𝑥𝑉 ⇾ V

𝑢 ,𝑣 ⇾ 𝑢+𝑣 α,u ⇾ αV

1. u , v  V , temos (u + v)  V ,

2.   ℝ , u  V , então u  V .

O conjunto V, munido destas duas operações, é denominado espaço vetorial real, ou

espaço vetorial sobre ℝ, se forem satisfeitas as seguintes propriedades:

1) (u + v) + w = u + (v + w), u, v, w  V ,

2) u + v = v + u , u , v  V ,

3) Existe 0  V , tal que u + 0 = u, u  V ,

4) Existe (−u )  V , tal que u + (−u ) = 0, u  V ,

5) ( )u =  ( u ),

6) ( +  )u = u + u ,

7)  (u + v) = u + v,

8) 1u = u , u , v  V e  ,  ℝ.

Ampliando seu Conhecimento

Os elementos do espaço vetorial V são chamados de vetores, independentes

da sua natureza, ou seja, podemos chamar as matrizes mxn de vetores, onde
V seria o conjunto das matrizes mxn. O conjunto das funções contínuas.

3.1.3. - Exemplos

1. O conjunto ℝ2 = {( x, y ); x, y  ℝ} é um espaço vetorial com as operações de adição e

multiplicação por um escalar assim definidas:

5
 2. dados u = ( x1 , y1 ), v = ( x2 , y 2 ), w = ( x3 , y3 )  ℝ2 e α,β  ℝ

𝑢 + 𝑣 = (𝑥1 , 𝑦1 ) + (𝑥2 , 𝑦2 ) = (𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 ) e u =  ( x1 , y1 ) = (x1 ,x2 ).

São as operações usuais de adição e multiplicação por escalar, definidas na introdução.

Verificaremos que o ℝ2 munidos destas operações satisfazem as oito propriedades do espaço
vetorial:

1.1 (u + v) + w = u + (v + w)

(u + v) + w = (( x1 , y1 ) + ( x2 , y 2 )) + ( x3 , y3 ) = ( x1 + x2 , y1 + y 2 ) + ( x3 , y3 )
(u + v) + w = (( x1 + x2 ) + x3 , ( y1 + y 2 ) + y3 ) = ( x1 + ( x2 + x3 ), y1 + ( y 2 + y3 ))
(u + v) + w = ( x1 , y1 ) + ( x2 + x3 , y 2 + y3 ) = ( x1 , y1 ) + (( x2 , y 2 ) + ( x3 , y3 )) = u + (v + w),

1.2 u + v = v + u

u + v = ( x1 , y1 ) + ( x2 , y 2 ) = ( x1 + x2 , y1 + y 2 ) = ( x2 + x1 , y 2 + y1 )
u + v = ( x2 , y 2 ) + ( x1 , y1 ) = v + u,

1.3 Dado (0,0)  ℝ2, u  ℝ2, temos que

u + (0,0) = ( x1 , y1 ) + (0,0) = ( x1 + 0, y1 + 0) = ( x1 , y1 ) = u,

1.4 u  ℝ2, existe (−u) = (− x1 ,− y1 )  ℝ2 tal que

u + (−u) = ( x1 , y1 ) + (− x1 ,− y1 ) = ( x1 − x1 , y1 − y1 ) = (0,0),
1.5 (αβ)u = α(βu)

( )u = ( )( x1 , y1 ) = ( ( x1 ), ( ) y1 ) = ( ( x1 ),  ( y1 )) =  ( x1 , y1 )

( )u =  (  ( x1 , y1 )) =  ( u ),

1.6 (α + β)u = αu + βu

( +  )u = ( +  )( x1 , y1 ) = (( +  ) x1 , ( +  ) y1 ) = (x1 + x1 , y1 + y1 )

( +  )u = (x1 , y1 ) + ( x1 , y1 ) =  ( x1 , y1 ) +  ( x1 , y1 ) = u + u,

1.7 α(u + v) = αu + αv

 (u + v) =  (( x1 , y1 ) + ( x2 , y 2 )) =  ( x1 + x2 , y1 + y 2 ) = ( ( x1 + x2 ),  ( y1 + y 2 ))
 (u + v) = (x1 + x2 ,y1 + y 2 ) = (x1 ,y1 ) + (x2 ,y 2 )
 (u + v) =  ( x1 , y1 ) +  ( x2 , y 2 ) = u + v,

1.8 1u = 1( x1 , y1 ) = (1x1 ,1y1 ) = ( x1 , y1 ) = u, u  ℝ2.

2. O conjunto ℝ, em relação às operações usuais de adição e multiplicação por escalar, é

também um espaço vetorial. Os vetores, neste caso, são números reais.

6
3. O conjunto V de todas as funções f: X → ℝ, munido das operações

( f + g )( x ) = f ( x ) + g ( x ) e  ( f ( x )) = (f )( x )),

é um espaço vetorial, pois tais operações satisfazem as oito propriedades da definição 3.1.2.

4. O conjunto de todos os polinômios, V = { f (t ) = a n t n +  + a1t + a0 ; ai  ℝ }, é um espaço

vetorial sobre ℝ em relação às operações usuais de adição de polinômios e multiplicação por
escalar.

Observação:

Um conjunto pode ser um espaço vetorial com relação a um par de operações e não ser com
relação a outro par de operações.

De fato. Podemos considerar o conjunto ℝ2 = {( x, y ); x, y  ℝ }, agora munido das seguintes

operações:

(5.1) ( x1 , y1 ) + ( x2 , y2 ) = ( x1 + x2 , y1 + y2 ) e  ( x1 , y1 ) = (x1 , y1 ).

Observemos que a operação adição é a usual, portanto do exemplo 1 as quatro

primeiras propriedades da definição 3.1.2 são satisfeitas. Entretanto, com relação
multiplicação por um escalar temos:

( +  )u = ( +  )( x1 , y1 ) = (( +  ) x1 , y1 ) = (x1 + x1 , y1 ), porém

u + u =  ( x1 , y1 ) +  ( x1 , y1 ) = (x1 , y1 ) + ( x1 , y1 ) = (x1 + x1 ,2 y1 ), isto é,
( +  )u  u + u.

Ou seja, a propriedade 6, da definição de espaço vetorial não é satisfeita, portanto, ℝ2

munido das operações definidas em (5.1), não é um espaço vetorial.

Assim para ser espaço vetorial as operações são fundamentais, pois as propriedades
são das operações não do conjunto V.

Exercícios:
𝑎 𝑏
1. Seja V = 𝑀(2𝑥2) = {[ ] : 𝑎, 𝑏, 𝑐, 𝑑 ∈ ℝ}
𝑐 𝑑

Mostre que V é um espaço vetorial com as operações usuais de matrizes.

2. Sendo V = ℝ5 e 𝑢 = (1, 0, 2, −3, 4) 𝑒 𝑣 = (0, 1, 1, −2, 5)
i. Calcule 𝑢 − 2𝑣
ii. Quem é o vetor nulo?

3.1.4. - Subespaços Vetoriais

7
 Em muitas situações é necessário trabalhar com uma estrutura menor que o espaço
vetorial, ou seja um subconjunto do espaço que também é um espaço vetorial tais conjuntos
são chamados de subespaço vetorial.

Definição 2: Sejam V um espaço vetorial sobre ℝ e W um subconjunto não vazio de V. O

subconjunto W é um subespaço vetorial de V se as seguintes condições são satisfeitas:

1. u + v  W ,  u, v  W ,

2. u  W ,  u  W ,   ℝ.

Dialogando e construindo Conhecimento

1. Todo subespaço vetorial W de V contém pelo menos o vetor nulo 0, pois quando  = 0,
temos 0 = 0u W .

2. Um subespaço vetorial W de V é também um espaço vetorial com todas as oito

propriedades herdadas de V.

3. Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto {0}, chamado
subespaço nulo, e o próprio espaço vetorial V. Os demais subespaços são denominados
subespaços não triviais ou próprios. Por exemplo, o conjunto unitário {(0,0,0)} é um
subespaço vetorial do V= ℝ3, assim como o conjunto W= ℝ3.

3.1.5. - Exemplos

1 - Sejam V = ℝ4 e W = {( x1 , x2 , x3 , x4 ); x2 = 0} = {( x1 ,0, x3 , x4 ); x1 , x3 , x4  ℝ}, Então W é

um subespaço vetorial de V. De fato.

a. 0 = (0,0,0,0)  W, isto é, W  Ø.
b. Dados u,v  W e   ℝ, então u = ( x1 ,0, x3 , x4 ) e v = ( y1 ,0, y3 , y4 ) . Logo,
u + v = ( x1 ,0, x3 , x4 ) + ( y1 ,0 y3 , y 4 ) = ( x1 + y1 ,0, x3 + y3 , x4 + y 4 ) W e
u =  ( x1 ,0, x3 , x4 ) = (x1 , 0,x3 ,x4 ) = (x1 ,0,x3 ,x4 ) W .
4
De onde concluímos que W é um subespaço vetorial de V = .

 a b    0 b  
2 - Sejam V = M (2,2) =  ; a, b, c, d  R  e W =  ; b, c  R  , com V munido
 c d     c 0 
das operações soma de matrizes e multiplicação por escalar, ou seja, as operações usuais.

0 0
Notemos que 0 =    W , isto é , W  Ø.
0 0

8
  0 b1   0 b2 
Dados u =   ,v =    W então
c 1 0  c 2 0 
 0 b1   0 b2   0 b1 + b2 
u+v =   +  = W e
c1 0  c2 0  c1 + c2 0 
 0 b1   0 b1 
u =   =  W .
c1 0  c1 0 
Portanto, W é um subespaço vetorial de V.

3 - Sejam V = ℝ2 munido das operações usuais de adição e multiplicação por

escalar e W = {( x, y ); y = 4 x} = {( x,4 x); x  ℝ}. W representa
geometricamente uma reta que passa pela origem.

Observemos que 0 = (0,0) = (0,4.0)  W , ou seja, W é não vazio. Além disso,

dados u = ( x1 ,4 x1 ), v = ( x2 ,4 x2 ) W , temos que

u + v = ( x1 ,4x1 ) + ( x2 ,4x2 ) = ( x1 + x2 ,4( x1 + x2 )) W e

u =  ( x1 ,4x1 ) = (x1 ,4(x1 )) W .
Neste caso, ao tomarmos dois vetores u e v da reta, o vetor soma (u + v) também pertence
à reta, veja a figura 01.

4 - Ao contrário do exemplo anterior, uma reta que não

passe pela origem, por exemplo, o conjunto
W = {( x, y ); y = 3 − 4 x} = {( x,3 − 4 x); x  ℝ} não é um
subespaço vetorial de ℝ2. De fato. Escolhendo u = (1,-1) e v
= (0,3) de W, temos u + v = (1,-1) + (0,3) = (1,2)  W, pois
2  3 − 4(1) = −1, conforme a figura 02, ao lado.

5 - O conjunto W = {( x1 , y1 ) / x1  0} não é um subespaço vetorial de V = ℝ2. Pois u =

(2,7)  W, mas -3u = -3(2,7) = (-6,-21)  W, já que -6 < 0.

No Moodle

Leia com atenção os

exemplos acima. Na
plataforma moodle você
deve fazer exercícios!

9
 Veja que os subespaços do ℝ2 com as operações usuais são: 0 = { (0 ,0 ) } o próprio ℝ2 e
todas as retas que passam pela origem , 𝑊 = {(𝑥, 𝑦): 𝑦 = 𝑎𝑥, 𝑎 𝑟𝑒𝑎𝑙 }.

O conjunto 𝑊 = { (𝑥, 𝑦) 𝑐𝑜𝑚 𝑦 = 𝑥 2 } = {(𝑥, 𝑥 2 ) , 𝑥 𝑟𝑒𝑎𝑙 } não é um subespaço

2
vetorial de , 𝑥 𝑟𝑒𝑎𝑙 } não é um subespaço vetorial ℝ , apesar de passar pela origem.

Um exemplo bastante útil é o conjunto solução de um sistema linear homogêneo do tipo

nxn que é um subespaço vetorial de 𝑉 = 𝑀(𝑛𝑥1).

Veja que um sistema linear homogêneo na forma matricial é escrito como;

𝐴. 𝑋 = 0

Onde A é uma matriz nxn e X que é uma matriz nx1.

Seja Y uma outra solução do sistema, então:

i. 𝐴. (𝑋 + 𝑌) = 𝐴𝑋 + 𝐴𝑌 = 0 + 0 = 0 , logo X+Y também é solução.

ii. A.(aX) = a.(AX) = a. 0 = 0, logo aX também é solução.

Concluimos que o conjunto solução é um subespaço.

Dialogando e construindo Conhecimento

Será que o conjunto solução de um sistema linear não homogêneo também é um subespaço
de M(Nx1) ?

Vamos agora estudar algumas operações com subespaços, estas operações nos proverá
de informações sobre os espaços vetoriais.

3.1.6. - Interseção de dois Subespaços Vetoriais

Dados W1 e W2 dois subespaços vetoriais de V, a interseção de W1 e W2, denotada por

W = W1∩W2 é o conjunto todos os vetores v  V tais que v  W1 e v  W2.

𝑊1 ∩ 𝑊2 = { 𝑣 𝜖 𝑉 𝑡𝑎𝑖𝑠 𝑞𝑢𝑒 𝑣 ∈ 𝑊1 𝑒 𝑣 ∈ 𝑊2 }

10
3.1.6.1. – Teorema: A interseção W de dois subespaços vetoriais W1 e W2 de V é também um
subespaço vetorial de V.

Demonstração:

(i) Pela definição de subespaço vetorial, 0  W1 e 0  W2, logo 0  W1∩W2.

(ii) Sejam u,v  W1∩W2, então u,v  W1 e u,v  W2. Como W1 e W2 são subespaços
vetoriais, por definição, (u + v)  W1 e (u + v)  W2, daí, (u + v)  W1∩W2.

(iii) Dado α  ℝ, e u na interseção, logo u está nos dois subespaços, αu  W1 e αu 

W2, pois W1 e W2 são subespaços de V, logo αu  W1∩W2.

Das 3 condições acima, concluímos que W1∩W2 é um subespaço vetorial de V.

3.1.7. - Exemplos

a b   0 b  
1. Consideremos V = M ( 2,2) e W1 =    ; a, b  R  e W2 =    ; b, c, R 
 0 0    c 0  
a b 
subespaços vetoriais de V. Seja u =    V tal que u  W1∩W2. Então, u W1 ,ou seja, c
c d 
 a b  0 b  0 1 
= d = 0. Mas, u W2 ,daí a = d = 0. Logo, u =  =  = b  , onde b  ℝ.
 c d  0 0 0 0

 0 b 
Portanto, W1∩W2 = 
0 0 ; b  R 
é também um subespaço de V.
  

2. Seja V = ℝ3 = {( x, y, z ); x, y, z  ℝ} e W1 = {( x, y,0); x, y  ℝ} e W2 = {( 0,0, z); z  ℝ}

subespaços vetoriais de V. Se u = ( x, y, z )  W1∩W2, então pela definição de W1 e W2, x = y =
z = 0, ou seja, W1∩W2 = {(0,0,0)}.

Nosso próximo passo é definir soma direta entre subespaços vetoriais, para isto,
definiremos inicialmente, soma entre subespaços.

3.1.8. - Soma de dois Subespaços Vetoriais

Sejam W1 e W2 dois subespaços vetoriais de V. A soma de W1 e W2, denotada por W =

W1 + W2, é o conjunto de todos os vetores u + v de V tais que u W1 e v W2 .

𝑊 = 𝑊1 + 𝑊2 = {𝑤 = 𝑢 + 𝑣 𝑐𝑜𝑚 𝑢 ∈ 𝑊1 𝑒 𝑣 ∈ 𝑊2 }

11
3.1.8.1. – Teorema:Se W 1 e W 2 são subespaços vetoriais de V ent ão W 1 + W 2
também é um subespaço vetorial de V.

Demonstração:

(i) Sejam u1, u2  W1 e v1, v2  W2 então u1 + u2  W1, pois W1 é um espaço vetorial.

Analogamente, (v1 + v2)  W2.

Por outro lado, (u1 + v1)  W1 + W2, como também u2 + v2  W1 + W2, logo

(u1 + v1) + (u2 + v2) = (u1 + u2) + (v1 + v2)  W1 + W2.

(ii) Para qualquer α  ℝ, sendo u1  W1, v1  W2, então αu1  W1 e αv1  W2.

Por outro lado, (u1+ v1)  W1 + W2, logo α(u1 + v1) = (αu1+ αv1)  W1 + W2.

3.1.9. - Exemplos

Observando os exemplos 3.1.7, temos que:

  a b  0 b   a b  
1. O conjunto W1 + W2 =    +  ; a, b, c  R  =   ; a, b, c  R  é um
 0 0  c 0   c 0 
subespaço vetorial de V.
a b  
 0 b  

De fato. W1 =    ; a, b  R  e W2 =    ; b, c  R  são subespaços vetoriais de V
 0 0  c 0  
  
= M(2,2) e como conseqüência do Teorema 3.1.8.1, W1 + W2 também é um subespaço
vetorial de V.
2. W1 = {( x, y,0); x, y  ℝ} com W2 = {( 0,0, z); z  ℝ} é o subespaço vetorial de
W1 + W2 = {(x,y,z); x,y,z  ℝ}, que é o próprio ℝ3.

3.1.10 Soma Direta de dois Subespaços Vetoriais

Definição: Sejam 𝑊1 𝑒 𝑊2 𝑠𝑢𝑏𝑒𝑠𝑝𝑎ç𝑜 𝑑𝑒 𝑉. Dizemos que V é soma direta de
𝑊1 𝑒 𝑊2 e escrevemos assim:

𝑉 = 𝑊1 ⨁𝑊2
se:

i. 𝑽 = 𝑊1 + 𝑊2 𝑖𝑖. 𝑊1 ∩ 𝑊2 = { 0 }

3.1.11 Observação
Se V = W1⊕W2, então todo v  V se escreve, de modo único, na forma:

v = u + w, onde u  W1 e w  W2.

De fato. Suponhamos que v = u + w, com u  W1 e w  W2 e também v = u’+ w’, onde u’  W1

e w’  W2. Daí,

u + w = v = u’+ w’ ou u – u’ = w’ – w.

12
Como (u – u’)  W1 e (w’ – w)  W2, da última igualdade (u – u’) = (w – w’)  W1∩W2.

Mas, W1∩W2 = {0}, então u – u’ = w’ – w = 0, ou seja, u = u’ e w = w’.

3.1.12. - Exemplo

1. O espaço e é a soma direta dos subespaços vetoriais W1 = {(x,y,0) ; x,y  ℝ} e W1 =

{(0,0,z) ; z  ℝ}, pois qualquer vetor (x,y,z)  ℝ3 pode ser escrito como soma de um vetor
de W1 e um vetor de W2 de maneira única
(x,y,z) = (x,y,0) + (0,0,z),
além disso, W1∩W2 = {(0,0,0)}. Portanto, ℝ3 = W1⊕W2.

3.2. - Combinação Li near

Seja V um espaço vetorial sobre ℝ. Um vetor v em V é combinação linear dos vetores

v1,v2,...,vn em V se existirem escalares x1, x2,...,xn  ℝ tais que
v = x1v1 + x2v2 + ... + xnvn.

3.2.1. - Exemplos

1. Escreveremos o vetor v = (2,5,3) como combinação linear dos vetores v1 = (1,2,1) e v2 =

(0,1,1).
Para isto, devemos encontrar x,y  ℝ tais que
v = (2,5,3) = x(1,2,1) + y(0,1,1) = (x, 2x + y, x + y)
e, resolvendo o sistema
x =2

 2x + y = 5
 x + y = 3,

encontramos x = 2 e y = 1.
Considerando agora v = (0,0,-1), mostraremos que v não pode ser escrito como combinação
linear dos vetores v1 = (1,2,1) e v2 = (0,1,1).
Mostraremos que não existem escalares x e y tais que
v = (0,0,-1) = x(1,2,1) + y(0,1,1)
x =0

 2x + y = 0
 x + y = −1,

logo, da primeira equação, x = 0, e da segunda, y = 0. Porém da última equação, 0 + 0 = -1, o
que é incompatível. Portanto, não existem escalares x e y tais que v = xv1 + yv2, isto é, v = (0,0,-
1) não pode ser escrito como combinação linear dos vetores v1 e v2.
1. Determinar o valor de k para que o vetor v = (1,-2,k) seja uma combinação linear dos
vetores v1 = (3,0,-2) e v2 = (2,-1,-5).
Devemos encontrar escalares x e y tais que v = xv1 + yv2, ou seja,
(1,-2,k) = x(3,0,-2) + y(2,-1,-5),

13
 resultando no seguinte sistema:
 3x + 2 y = 1

 0 x − y = −2
−2 x − 5 y = k


assim, x = -1, y = 2 e o valor de k é -8. Conclusão: para que v = (1,-2,k) seja escrito como

combinação linear dos vetores v1 e v2 é preciso que k seja igual a -8.

Veja que a partir de um conjunto de vetores podemos construir outros vetores via

combinação linear.

3.2.2. - Subespaços Gerados

Sejam V um espaço vetorial sobre ℝ e v1,v2,...,vn vetores de V, o conjunto

W = { v  V; v = x1v1 + x2v2 + ... + xnvn.},

constituído de todos os vetores de V que são combinações lineares dos vetores v1,v2,...,vn de
V, é um subespaço vetorial de V.

De fato:
(i) W é não vazio, pois 0  W, 0 = 0v1 + 0v2 + ... + 0vn.
(ii) Dados u,v  W, existem escalares x1,x2,...,xn e y1,y2,...,yn tais que v = x1v1 + x2v2 + ... + xnvn. e
u = y1v1 + y2v2 + ... + ynvn., logo
v + u = (x1v1 + x2v2 + ... + xnvn) + (y1v1 + y2v2 + ... + ynvn)
v + u = (x1+ y1) v1 + (x2+ y2) v2 + ... + (xn + yn)vn  W,
Além disso,
(iii) Se α  ℝ e v  W, temos
αv = α(x1v1 + x2v2 + ... + xnvn) = (αx1)v1 + (αx2)v2 + ... + (αxn)vn  W.

Segue de (i), (ii) e (iii) que W é um subespaço vetorial de V.

Este subespaço é denominado subespaço gerado pelos vetores v1,v2,...,vn, o qual se denota
por

W = [v1,v2,...,vn]= { v  V; v = x1v1 + x2v2 + ... + xnvn.},

3.2.3.1. - Exempl os

1 . Os vetores i = (1,0,0) e j = (0,1,0) geram o conjunto W = {(x,y,0) ; x,y  ℝ }, pois qualquer

vetor v de W pode ser escrito como combinação linear dos vetores i e j, ou seja,

14
 v = (x,y,0) = x(1,0,0) + y(0,1,0).

Neste caso, W é gerado pelos vetores i e j, pois todo vetor de W é escrito como combinação
linear dos vetores i e j. E, usando a notação de subespaço gerado, W = [i,j].

2 . No caso dos vetores i = (1,0,0), j = (0,1,0) e k = (0,0,1), estes geram o ℝ3, já que todo vetor
(x,y,z) do ℝ3 é escrito como combinação linear dos vetores, i, j e k,
(x,y,z) = x(1,0,0) + y(0,1,0) + z(0,0,1).
3
Assim, ℝ = [i,j,k].

3. O subespaço gerado pelos vetores v1 = (1,-2,-1) e v2 = (2,1,1) será:

[v1,v2] = {(x,y,z) ; (x,y,z) = a(1,-2,-1) + b(2,1,1), a,b  ℝ}

Da igualdade acima temos:

 a + 2b = x

−2a + b = y
 −a + b = z,

e, resolvendo o sistema, usando as 2 primeiras equações b = 2/5x + 1/5y e a = 1/5x -2/5y.
Substituindo na terceira equação, teremos x + 3y – 5z = 0.
Portanto, [v1,v2] = {(x,y,z) / x + 3y – 5z = 0}, isto é, o subespaço gerado pelos vetores v1 e v2 é
um plano que passa pela origem.

 − 1 2 3 − 1
4. Sejam V = M(2,2), v1 =   e v2 =   matrizes de V. O subespaço gerado pelos
 − 2 3 1 1 
vetores v1 e v2, será:
 x y  − 1 2 3 −1 
[v1 , v2 ] =    = a  + b  , a, b  R 
 z t  − 2 3 1 1  
e, daí x, y, z e t satisfazem o sistema:
− a + 3b = x
 2a − b = y


 −2 a + b = z
 3a + b = t ,

de onde teremos z = -y e x = -2y + t. Logo, o subespaço gerado pelas matrizes v1 e v2 é da

forma:


  −2 y + t y  
   −2 1 1 0 
[v1, v2 ] =   y , t  R  = y   +t   ; y, t  R  .
 − y
 t  
   −1 0 0 1 


15
3.3. - Dependênci a e I ndependência Linear

Seja V um espaço vetorial sobre ℝ. Os vetores v1,v2,...,vn de V são ditos linearmente

independentes (LI) se a equação vetorial

x1v1 + x2v2 + ... + xnvn = 0

admite apenas a solução trivial nula x1 = x2 = ... = xn = 0. Caso contrário, se a equação admite
pelo menos uma solução não nula, os vetores são denominados linearmente dependentes (LD).

Nos gráficos a seguir apresentaremos uma interpretação geométrica da dependência

linear de dois e três vetores no ℝ3,

Onde, na figura 3.1, v1 e v2 estão representados na mesma reta que passa pela origem.
Enquanto que na figura 3.2, v1 e v2 não estão na mesma reta.

Observem que na figura 4.1, v1, v2 e v3 estão representados no mesmo plano que
passa pela origem. Já na figura 4.2, v3 não pertence ao plano gerado pelos vetores v1 e v2 .
Passemos a estudar a dependência linear de vetores num determinado espaço vetorial
V, através dos exemplos a seguir.

3.3.1. - Exemplos

1. Mostraremos que os vetores v1 = (6,2,3,4), v2 = (0,5,-3,1), v3 = (0,0,7,-2) do ℝ4 são LI. De

fato, suponhamos que existem x1,x2 e x3 números reais tais que

x1v1 + x2v2 + x3v3 = 0 = (0,0,0,0),

16
 x1(6,2,3,4) + x2(,0,5,-3,1) + x3(0,0,7,-2) = (0,0,0,0)
logo,

6 x1 =0
 2 x + 5x =0
 1 2

 3x1 − 3x2 + 7 x3 = 0
 4 x1 + x2 − 2 x3 = 0,

e teremos, da primeira equação, x1 = 0, da segunda, x2 = 0 e, da terceira, x3 = 0. E, substituindo

x1, x2 e x3 na quarta equação, concluímos que a igualdade é verdadeira. Portanto, a combinação
linear acima admite apenas a solução nula e, desta forma, os vetores são LI.

2. No espaço V = ℝ3, os vetores v1 = (2,-1,3), v2 = (-1,0,-2) e v3 = (2,-3,1) são LD. Pois, dada a
combinação linear x1v1 + x2v2 + x3v3 = 0 = (0,0,0),
temos
x1(2,-1,3) + x2(-1,0,-2) + x3(2,-3,1) = (0,0,0) ,isto é,

 2 x1 − x2 + 2 x3 = 0

 − x1 − 0 x2 − 3x3 = 0
3x − 2 x + x = 0,
 1 2 3

e, das duas primeiras equações, x1 = -3x3 e x2 = - 4x3, os quais, substituindo na terceira equação,
0x3 = 0. E a última igualdade é válida para qualquer valor de x3. Daí, escolhendo, por
exemplo, x3 = -1, teremos x1 = 3 e x2 = 4. Portanto, a combinação linear acima, admite pelo
menos uma solução não nula, x1 = 3, x2 = 4 e x3 = -1.

Logo, os vetores v1, v2 e v3 formam um conjunto LD.

1  0  0 
3. v1 =  0  , v2 = 1  e v = 0  são vetores LI de V = M(3,1). De fato, dada a combinação
    3
 
0  0  1 
linear,
0 
x1v1 + x2v2 + x3v3 = 0 = 0  , temos
 
0 
1  0  0  0 
x1 0 +x2 1  x3 0  =
  0  , ou seja,
       
0  0  1  0 

17
  x1  0 
 x  = 0  ,
 2  
 x3  0 
e teremos x1 = x2 = x3 = 0. Portanto, a combinação linear acima, só tem uma solução, a nula,
logo, os vetores v1, v2 e v3 formam um conjunto LI.

4. Analogamente, considerando os vetores i = (1,0,0), j = (0,1,0) e k = (0,0,1) do ℝ3, estes

constituem um conjunto LI.

Dialogando e construindo Conhecimento

Tente mostrar que os vetores e1 = (1,0,...,0), e2 = (0,1,...,0) ,..., en

= (0,0,...1) do ℝn formam um conjunto LI.

3.3.2. – Teorema Um conjunto {v 1 , v 2 ,...,v i ,...,v n } é LD se, e somente, se, pelo

menos um desses vetores é combinação linear dos outros.

Demonstração: Sendo {v1,v2,...,vi,...,vn} LD, por definição é possível a igualdade

x1v1 + x2v2 + ... + xivi + ... + xnvn = 0.

com pelo menos um dos coeficientes diferente de zero.

Supondo xi ≠ 0, temos

xivi = - x1v1 - x2v2 - ... - xi-1vi-1 - xi+1vi+1 ... - xnvn,

ou seja,

vi = - (x1/xi)v1 – (x2/xi)v2 - ... - (xi-1/xi)vi-1 -(xi+1/xi)vi+1 ... -(xn/xi)vn,

fazendo aj = - (xj/xi), com j ≠ i, teremos

vi = a1v1 + a2v2+ ... +ai-1vi-1 + ai+1vi+1 + ... + anvn, que é uma combinação linear dos demais .

Reciprocamente, se

vi = a1v1 + a2v2+ ... +ai-1vi-1 + ai+1vi+1 + ... + anvn,

18
temos

a1v1 + a2v2 + ... + ai-1vi-1 + (-1)vi + ai+1vi+1 + ... + anvn = 0

Observem que o escalar (-1) de vi da última combinação é não nulo. Portanto, por definição,
{v1,v2,...,vi,...,vn} é LD.

Observação

1. O Teorema 3.3.2 é equivalente a: “O conjunto {v1,v2,...,vi,...,vn} é LI, se, e somente se,

nenhum desses vetores for escrito como combinação linear dos outros”.

2. Dois vetores v1 e v2 são LD se, e somente se, um vetor é múltiplo escalar do outro. Por
exemplo, v1 = (1,-2,3) e v2 = (-2,4,-6) são LD, pois v2 = -2v1.

3. Se v ≠ 0, o conjunto unitário {v} é LI. De fato. Considerando a combinação linear av = 0,

com

v ≠ 0, a única solução é a nula a = 0

4. Notem que, se um conjunto {v1,v2,...,0,...,vn} contém o vetor nulo, então o mesmo é LD.
Pois

0v1+ 0v2 +... + a0 +... + 0vn = 0

3.4. - Base eé Dimensão

verdadeira para todo a ≠ 0. Logo, {v1,v2,...,0,...,vn} é LD.

Um subconjunto β = {v1,v2,...,vn} de um espaço vetorial V é uma base do espaço vetorial

V se;

1. β é LI;
2. β gera V.

3.4.1. - Exemplos

1. O conjunto β = {(1,1),(-1,0)} é uma base do ℝ2. Pois:

(i) Dados x,y escalares tais que x(1,1) + y(-1,0) = 0 = (0,0), temos
x − y = 0

 x − 0 y = 0,
ou seja, x = y = 0. Logo, 𝛽 é LI;

(ii) Para todo vetor (x,y) do ℝ2 verificaremos se existem escalares a e b tais que

(x,y) = a(1,1) + b(-1,0) = (a – b,a)

19
 a − b = x

a − 0b = y,
logo, a = y e b = y – x. Ou seja, todo vetor (x,y) do ℝ2 pode ser escrito como combinação linear
dos vetores de β, da forma
(x,y) = y(1,1) +(y-x)(-1,0). β gera o ℝ2
Segue de (i) e (ii) que β é uma base para o espaço ℝ2.

2. O conjunto W = {i,j} é outra base do ℝ2, denominada base canônica do ℝ2, onde i = (1,0) e
j = (0,1).

A base canônica do ℝn é dada pelos vetores {e1, e2,..., en}, onde e1 = (1,0,...0), e2 = (0,1,...0),...
,en = (0,0,...,1).

Ampliando seu Conhecimento

1 0
Em V = M(2,2), a base canônica é {v1,v2,v3,v4}, onde v1 =   v2 =
0 0 
0 1  0 0  0 0 
0 0 v3 = 1 0 e v4 = 0 1 . Tentem mostrar!
     

3.4.2. – Teorema Se β = {v1,v2,...,vn} for uma base de um espaço vetorial V, então todo
conjunto com mais de n vetores será LD.

Demonstração: Sem perda de generalidade, consideremos n = 2, e W = {w1,w2,w3}.

Mostraremos que W é LD, isto é, que se existirem escalares x1,x2,x3 não todos nulos tais que

x1w1 + x2w2 + x3w3 = 0. (*)

20
Como β = {v1,v2} é uma base de V, para cada wi  W, wi é uma combinação linear dos vetores
de β, ou seja, existem escalares a11, a12, a21, a22,, a31, a32 tais que:

 w1 = a11v1 + a12v2

 w2 = a21v1 + a22v2
w = a v + a v ,
 3 31 1 32 2

Substituindo as relações acima na combinação linear (*), temos:

x1( a11v1 + a12v2 ) + x2( a21v1 + a22v2 ) + x3( a31v1 + a32v2 ) = 0

e, ordenando os termos de maneira conveniente,

( x1a11 + x2 a12 + x3a31 )v1 + ( x1a12 + x2 a22 + x3 a32 )v2 = 0.

Sendo β = {v1,v2} uma base de V, β é LI, logo os escalares da última combinação são nulos,

x1a11 + x2 a12 + x3 a31 = 0

x1a12 + x2 a22 + x3 a32 = 0

e este sistema homogêneo possui 3 variáveis, x1, x2 e x3, e 2 equações, logo existem soluções
não triviais, não nulas. Portanto, W ={w1,w2,w3} é LD.

3.4.2.1. – Corolário Duas bases de um espaço vetorial têm o mesmo número de

vetores. Este resultado é conseqüência imediata do Teorema 3.4.2.

3.4.2.2. - Observação

Todo espaço vetorial não trivial, V ≠ {0}, possui uma base.

3.5. - Dimensão de um Espaço Vetorial

A dimensão de um espaço vetorial V é o número de vetores de uma base, o qual

denotamos dimV. Se V não possui base, dimV = 0. Se V tem uma base com infinitos vetores,

21
então a dimensão de V é infinita e denotaremos dimV=  . Segue dos Exemplos 3.4.1 que dim
ℝ2 = 2, dim ℝn = n, dimM(2,2) = 2·2 = 4 e dimM(m,n) = m·n.

Observação

1. Se dimV = n, e W é um subespaço vetorial de V, então dimW  n. Se dimW = n, então W

= V.
2. A dimensão de qualquer subespaço W do ℝ3 só poderá ser 0, 1, 2, ou 3.
(i) dimW = 0, então W = {0) é a origem.
(ii) dimW = 1, então W é uma reta que passa pela origem.
(iii) dimW = 2, W é um plano que passa pela origem.
(iv) dimW = 3, W é o próprio ℝ3.
3. Seja V um espaço vetorial tem dimensão n, então qualquer subconjunto de V com mais de
n vetores é LD.
4. Vimos que um conjunto é base de um espaço vetorial V se for LI e se gera V. Porém, se
dimV = n, para obtermos uma base de V basta que apenas uma das condições de base seja
satisfeita, ou seja:
Se dimV = n, qualquer subconjunto de V com n vetores LI é uma base de V.
Pela observação acima, o conjunto {(9,2),(-2,4)} é uma base do ℝ2, pois como dim ℝ2
= 2, e os dois vetores
Se dimsão LI,qualquer
V = n, (9,2) nãosubconjunto
é múltiplode
escalar
V comde (-2,4), geradores
n vetores eles formam
de Vuma
é umabase
basedo
de V.
ℝ.2

3.5.1. – Teorema Qualquer conjunto de vetores LI em V é part e de uma bas e,

isto é, pode ser completado até formar uma base de V.

Demonstração: Baseada no Teorema 3.3.2 e na definição de dimensão.

Não demonstraremos, apenas daremos um exemplo.

3.5.2. - Exemplo

1. Consideremos os vetores v1 = (1,1,0) e v2 = (0,1,2). Observe que {v1,v2} é LI.

Como dim ℝ3 = 3, pela observação 3.5.1 (4), uma base do ℝ3 terá 3 vetores LI. Encontraremos
um vetor v3  ℝ3 tal que {v1,v2,v3} seja LI.

22
Ou seja, v3 não pode ser escrito como combinação linear dos vetores v1 e v2, isto é, v3 ≠ av1 +
bv2, a,b  ℝ,

v3 = (x,y,z) ≠ a(1,1,0) + b(0,1,2) = (a,a + b,2b).

Escolhendo, por exemplo, a = 1, b = 1, a segunda coordenada deve ser diferente de a + b = 2,

ou seja tomando v3 = (1,0,2), o conjunto {v1,v2,v3} será LI.

3.5.3. - Componentes de um Vetor

Sejam β = {v1,v2,...,vn} base de V e v  V. v pode ser escrito como combinação linear dos
vetores de β, isto é, existem a1,a2,...,an escalares tais que

v = a1v1 + a2v2 + ... + an vn.

Os escalares a1,a2,...,an são chamados de coordenadas de v em relação à base β, as quais

 a1 
a 
[v]  =  2 .

 
denotamos por a n 

3.5.3.1 Exemplo

1. Consideremos V = ℝ2 e β = {i,j} a base canônica do ℝ2, isto é, β = {(1,0),(0,1)}.

Dado v = (2,-5) um vetor do ℝ2,
v = (2,-5) = 2(1,0) - 5(0,1),

isto é, 2 e -5 são as coordenadas de v em relação à base β, denotadas por

2
[( 2,−5)]  =  .
− 5

Considerando, agora, a base β’ = {(1,1),(0,1)}. O vetor v = (2,-5) pode ser escrito como
combinação dos vetores da base β’, ou seja, existem escalares a e b tais que

23
 (2,-5) = a(1,1) + b(0,1)

Assim, a = 2 e b = -7. Logo, 2 e -7 são as coordenadas do vetor v em relação à base β’, e

daí,

2
[( 2,−5)]  ' =  .
− 7 

Observação

Notem que a ordem dos vetores de uma

base também influi na matriz das coordenadas
de um vetor em relação a esta base. Se β =
{(1,0),(0,1)} e β1 = {(0,1),(1,0)} então

2 − 5
[( 2,−5)]  =   e [( 2,−5)]  1 =  .
− 5 2

Por isso, ao considerarmos uma base,

subentendemos que esta seja ordenada.

3.6. - Exercícios Resol vidos

1. Determinar a dimensão e uma base do espaço vetorial W = {(x,y,z)  ℝ3 / 2x + y + z = 0}.

Solução Com a condição 2x + y + z = 0, temos z = -2x - y. Se (x,y,z)  ℝ3, este tem a forma:

(x,y,z) = (x,y,-2x-y) = (x,0,-2x) + (0,y,-y),

ou ainda,

(x,y,z) = x(1,0,-2) + y(0,1,-1).

24
Vejam que todo vetor de W é combinação linear dos vetores (1,0,-2) e (0,1,-1). Como esses
dois vetores geradores de W são LI, (mostrem este fato!), estes formam uma base de W e, por
definição, dimW = 2. Observem que, como a cada variável livre corresponde um vetor da base
quando estes são LI, conclui-se que o número de variáveis livres é a dimensão do espaço.

2. Dados os vetores v1 = (1,2,3), v2 = (0,2,4) e v3 = (0,0,-3), mostraremos que o conjunto β =

{v1,v2,v3} é uma base do ℝ3.

Solução: (a) Consideremos a seguinte combinação linear

av1 + bv2 + cv3 = 0 = (0,0,0),

isto é,
(a,2a,3a) + (0,2b,4b) + (0,0,-3c) = (0,0,0),
ou, equivalentemente,

 a=0

 2a + 2b = 0 ,
3a + 4b − 3c = 0

e daí, a = b = c = 0. Logo, β é LI. Como β tem três vetores, então β é base do ℝ3.

3.7. - Mudanç a de Bas e

Considerando um determinado problema em que um corpo se move no plano xy, cuja

trajetória é uma elipse de equação x2 + xy + y2 – 3 = 0, a descrição do movimento se torna muito
simplificada se, ao invés de trabalharmos com os eixos x e y, vejam a figura 5.1, (ou seja, o
referencial determinado pela base canônica do ℝ2), utilizarmos um referencial que se apóia
nos eixos principais da elipse, por exemplo, os eixos x’ e y’, representados na figura 5.2.
Neste novo referencial, a equação da trajetória será mais simples descrita por 3(x’)2 + 2(y’)2 =
6.

25
Uma questão a resolver: qual a relação entre as coordenadas de um ponto no antigo
referencial e suas coordenadas no novo?
Ou seja, estamos interessados na seguinte situação:
Sejam  = {u1 , u 2 , u3 } e  = {v1 , v2 , v3 } bases de um espaço V, dimV = 3. Dado um vetor v 

V, podemos escrevê-lo como combinação linear dos vetores da bases α e dos vetores da bases
β, isto é,

 v = x1u1 + x2u2 + x3u3

(1) 
v = y1v1 + y2v2 + y3v3 .
e

 x1   y1 
[v] =  x2  e [v] =  y 2 .
 x3   y3 

Como  = {u1 , u 2 , u3 } é uma base de V, podemos escrever os vetores vi como combinação

linear dos uj, isto é,

 v1 = a11u1 + a21u2 + a31u3


(2) v2 = a12u1 + a22u2 + a32u3 ,
 v =a u +a u +a u
 3 13 1 23 2 33 3

e substituindo (2) em (1), temos:

v = y1v1 + y 2 v2 + y3 v3
v = y1 (a11u1 + a21u 2 + a31u3 ) + y 2 (a12u1 + a22u 2 + a32u3 ) + y3 (a13u1 + a23u 2 + a33u3 )
v = (a11 y1 + a12 y 2 + a13 y3 )u1 + (a 21 y1 + a 22 y 2 + a23 y3 )u 2 + (a31 y1 + a32 y 2 + a33 y3 )u3 .

Também de (1), v = x1u1 + x2u2 + x3u3 e, como as coordenadas em relação a uma base são

únicas, temos:

26
  x1 = a11 y1 + a12 y2 + a13 y3

 x2 = a21 y1 + a22 y2 + a23 y3
x = a y + a y + a y .
 3 31 1 32 2 33 3

Escrevendo em forma matricial

 x1   a11 a12 a13   y1 

 x  = a a 22 a23   y 2 .
 2   21
 x3  a31 a32 a33   y3 

Denotando

 a11 a12 a13 

[ I ] = a21

 a22 a23 ,
a31 a32 a33 

temos [v] = [ I ] [v] .

A matriz [I ] é chamada matriz de mudança da base β para a base α.

3.7.1 – Observação A matriz [I ] é obtida colocando as coordenadas de vi, em relação

à base α, na i-ésima coluna. Conhecendo-se [I ] podemos encontrar as coordenadas de

qualquer vetor v em relação à base α, multiplicando a matriz pelas coordenadas de v na base

β.

3.7.2. - Exemplo

Sejam α = {(2,-1),(3,4)} e β = {(1,0),(0,1)} bases do ℝ2. Encontraremos a matriz [I ] .

v1 = (1,0) = a11(2,-1) + a21(3,4),

logo, a11 = 4/11 e a21 = 1/11.

v2 = (0,1) = a12(2,-1) + a22(3,4),

e a12 = -3/11 e a22 = 2/11. Portanto,

27
 a a12  4 / 11 − 3 / 11
[ I ] =  11 =
a22  1 / 11 2 / 11 
.
a21

A matriz [I ] pode ser usada para encontrar, por exemplo, [(5, −8)] , as coordenadas

do vetor (5,-8) em relação à base α. De fato.

4 / 11 − 3 / 11  5   4 
[v] = [ I ] [v] =     =  .
1 / 11 2 / 11  − 8 − 1

Isto é, (5,-8) = 4(2,-1) –(3,4).

3.8. - A inversa de uma matriz mudança de base

Se no sistema (2) da seção 3.7, começarmos escrevendo os vetores ui em função dos

vj, chegaremos à relação:

[v] = [ I ] [v] ,

obtida de maneira análoga à relação

[v] = [ I ] [v] .

Observação

Um fato importante: as
 
matrizes [ I ] e [ I ] são
invertíveis,
([I ] ) −1
 = [ I ] .

28
3.7.4. - Exemplo

No exemplo 3.7.2 podemos obter [I ] a partir de [I ] .

Como β é a base canônica, os vetores da base α podem ser escritos da forma:

(2,-1) = 2(1,0) – 1(0,1)

(3,4) = 3(1,0) + 4(0,1),

logo

 2 3
[ I ] =  .
 − 1 4

Então,

−1
  2 3 4 / 11 − 3 / 11
[I ] = 
  = .
 − 1 4 1 / 11 2 / 11 

No Moodle

Olá! Na plataforma Moodle

vocês encontrarão
exercícios propostos.
Tentem resolvê-los e depois
discutiremos.

29
 4 Avaliando o que foi construído

Um subconjunto de um espaço vetorial não necessariamente é um subespaço vetorial.

Dentre as retas, os planos do ℝ3, os subespaços vetoriais são os que passam pela origem do
ℝ3.

Resumo da Unidade 1

Pontos que eu considero importantes:

✓ _________________________________________________________________________________________
_________________________________________________________________________________________

✓ _________________________________________________________________________________________
_________________________________________________________________________________________

✓ _________________________________________________________________________________________

30
 _________________________________________________________________________________________

Ideias que posso aplicar nos meus estudos O que eu não posso esquecer!!

•
Ideias que posso aplicar no meu trabalho

Minha Agenda

Atividades no Moodle Data de encerramento

31
 Referências

BOLDRINI, J. L., COSTA, Sueli I. R., RIBEIRO, Vera Lúcia F. F. RIBEIRO, Wetzler, HENRY
G. Álgebra Linear. Departamento de Matemática da Universidade Estadual de Campinas.
Harbra. 3ª edição, 1990.

LANG, Serge. Álgebra Linear. Editora UnB.

SILVA, Antônio de A. e, Introdução à Álgebra Linear. Editora Universitária – UFPB, 2007.

32