Aula 05: Undf - Conhecimentos Do Grupo 3 (Cargos 111 A 132 136 A 153 312 A 332 E 341 A 353) - 2022 (Pós-Edital)

Aula 05
UnDF - Conhecimentos do Grupo 3

(cargos 111 a 132; 136 a 153; 312 a 332
e 341 a 353) - 2022 (Pós-Edital)
Autor:
Equipe Exatas Estratégia
Concursos
06 de Julho de 2022
07101203540 - Jefferson dos Santos Lima

Equipe Exatas Estratégia Concursos
Aula 05
Índice
1) Espaços Vetoriais
..............................................................................................................................................................................................3
2) Questões Comentadas - Espaços Vetoriais - Multibancas

..............................................................................................................................................................................................
72
3) Lista de Questões - Espaços Vetoriais - Multibancas

..............................................................................................................................................................................................
79
UnDF - Conhecimentos do Grupo 3 (cargos 111 a 132; 136 a 153; 312 a 332 e 341 a 353) - 2022 (Pós-Edital) 2
www.estrategiaconcursos.com.br 82
07101203540 - Jefferson
2141101dos Santos Lima
Aula 05
ESPAÇOS VETORIAIS
Espaços Vetoriais
Definição de espaço vetorial
• Axiomas da soma:
(S1) Comutativa: 𝑢 + 𝑣 = 𝑣 + 𝑢;
(S2) Associativa: 𝑢 + (𝑣 + 𝑤) = (𝑢 + 𝑣) + 𝑤
(S3) Elemento neutro da soma: Existe um elemento (notação: 𝒐) do conjunto 𝑉 que, ao ser somado
com um elemento qualquer 𝑢 desse conjunto, obtém-se o próprio elemento 𝑢.
𝑢+𝑜 =𝑢
(S4) Inverso aditivo: Para todo elemento 𝑢 do conjunto 𝑉, existe um elemento oposto tal que a soma do
elemento com o seu oposto é o elemento neutro da adição.
𝑢 + (−𝑢) = 𝑜
• Axiomas da multiplicação por escalar (𝜶 e 𝜷 reais):

(M1) Associativa: 𝛼(𝛽𝑢) = (𝛼𝛽)𝑢;
(M2) Distributiva:(𝛼 + 𝛽)𝑢 = 𝛼𝑢 + 𝛽𝑢 e 𝛼(𝑢 + 𝑣) = 𝛼𝑢 + 𝛼𝑣;
(M3) Elemento neutro da multiplicação por escalar: 1𝑢 = 𝑢.
Tanto a soma quanto a multiplicação por escalar devem ser fechadas.

Subespaços vetoriais
Considere que 𝑉 é um espaço vetorial. Um subespaço vetorial de 𝑽 (ou subespaço de 𝑽) é um
subconjunto 𝑊 ⊂ 𝑉 que apresenta as seguintes propriedades:
• O elemento neutro da soma pertence a 𝑊;
• A soma é fechada em 𝑊; e
• A multiplicação por escalar é fechada em 𝑊.
Combinação linear
O vetor 𝑢 é uma combinação linear dos vetores 𝑣1 , 𝑣2 , ... , 𝑣𝑛 se e somente se existirem escalares 𝛼1 ,
𝛼2 , ... , 𝛼𝑛 tais que:
𝑢 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛
Dependência linear
Seja 𝑉 um espaço vetorial. Dizemos que o conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Dependente
(LD) quando pelo menos um dos elementos é combinação linear dos demais.
Caso contrário, isto é, quando nenhum dos elementos é combinação linear dos demais, o conjunto é
Linearmente Independente (LI).
Seja 𝑉 um espaço vetorial. O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Dependente (LD) se, e

somente se, existirem escalares não todos nulos 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 tais que:
𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 = 𝑜
Seja 𝑉 um espaço vetorial. O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Independente (LI)

se e somente se
𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + ⋯ + 𝜶𝒏 𝒗𝒏 = 𝒐 necessariamente implica 𝜶𝟏 = 𝜶𝟐 = ⋯ = 𝜶𝐧 = 𝟎
07101203540 - Jefferson
Aula 05
Subespaço gerado
Considere um espaço vetorial 𝑉 e um conjunto 𝑈 ⊂ 𝑉, em que 𝑈 = {𝑢1 , 𝑢2 , … , 𝑢𝑛 }.
Chamamos de conjunto gerado por 𝑼 (notação: [𝑼]) o conjunto de todas as combinações lineares de
elementos de 𝑈. Isto é:
[𝑈] = {𝛼1 𝑢1 + 𝛼2 𝑢2 + ⋯ + 𝛼𝑛 𝑢𝑛 | 𝛼1 , 𝛼2 , … , 𝛼𝑛 ∈ R}
Podemos perceber que [𝑈] ⊂ 𝑉. Além disso, como o conjunto gerado por 𝑼 é um subespaço de 𝑽,
podemos chamar esse conjunto de subespaço gerado por 𝑼.
Base de um espaço vetorial
Uma base do espaço vetorial 𝑉 é um subconjunto 𝑩 ⊂ 𝑽 em que:
• [𝑩] = 𝑽; e
• 𝑩 é Linearmente Independente (LI).
Considere um espaço vetorial 𝑉 e uma base 𝐵 = {𝑢1 , 𝑢2 , … , 𝑢𝑛 } desse espaço vetorial. Então, para todo
vetor 𝑢 ∈ 𝑉, existem escalares 𝛼1 , 𝛼2 , … , 𝛼𝑛 tais que:
𝑢 = 𝛼1 𝑢1 + 𝛼2 𝑢2 + ⋯ + 𝛼𝑛 𝑢𝑛
Dizemos que 𝛼1 , 𝛼2 , … , 𝛼𝑛 são as coordenadas de 𝒖 na base 𝑩, e podemos representar o vetor 𝑢 dos

seguintes modos:
𝛼1
𝛼2
𝑢 = (𝛼1 , 𝛼2 , … , 𝛼𝑛 )𝐵 𝑢 = [| … |]
𝛼𝑛 𝐵
Dimensão de um espaço vetorial

• Teorema da invariância: se 𝑉 é um espaço finitamente gerado, então duas bases quaisquer de 𝑽 têm
um mesmo número de vetores.
• A dimensão de um espaço vetorial 𝑽 (notação: 𝒅𝒊𝒎 𝑽) é o número de vetores de uma base qualquer
de 𝑽.
• Se um espaço vetorial 𝑉 tem dimensão 𝒏, então 𝒏 vetores Linearmente Independentes (LI) desse
espaço formam uma base.
• Seja 𝑊 subespaço de 𝑉. dim 𝑊 = dim 𝑉  𝑊 = 𝑉.
Obtenção de uma base de um subespaço do 𝐑𝐧

• Disponha os vetores geradores do subespaço em uma matriz, de modo que cada linha corresponda a
um vetor gerador;
• Escalone a matriz em questão, sendo permitido inclusive trocar linhas de posição;
• As linhas da matriz resultante do escalonamento, descartando as linhas nulas, constituem uma base
do subespaço em questão.
Sistema Linear Homogêneo (SLH)

• O conjunto 𝑺 das soluções de um Sistema Linear Homogêneo é um subespaço do 𝐑𝐧, em que 𝒏 é o
número de incógnitas do sistema.
• A dimensão do conjunto-solução 𝑺 de um Sistema Linear Homogêneo (SLH) é o número de variáveis
livres que devem ser atribuídas ao sistema escalonado.
dim 𝑆 = (Núm. de variáveis livres do sistema escalonado)
= (Núm. variávies do sistema) − (Núm. equações do sistema escalonado)
07101203540 - Jefferson
Aula 05
Relação de inclusão e igualdade entre subespaços

Considere um espaço vetorial 𝑉em que:
• 𝑆1 e 𝑆2 são subespaços;
• 𝑆1 = [𝐺1 ] = [𝑢1 , 𝑢2 , … , 𝑢𝑛 ]; e
• 𝑆2 = [𝐺2 ] = [𝑤1 , 𝑤2 , … , 𝑤𝑟 ].
𝑆1 ⊂ 𝑆2 se e somente se 𝐺1 ⊂ 𝑆2
𝑺𝟏 ⊂ 𝑺𝟐
𝐒𝟏 = 𝐒𝟐 se e somente se { 𝐞
𝑺𝟐 ⊂ 𝑺𝟏
Soma, intersecção e união de subespaços
Soma de subespaços
Sejam 𝑊1 e 𝑊2 subespaços vetoriais de um espaço vetorial 𝑉.
Então, o conjunto 𝑾𝟏 + 𝑾𝟐 é um subespaço vetorial de 𝑽, em que:
𝑊1 + 𝑊2 = {𝑤1 + 𝑤2 | 𝑤1 ∈ 𝑊1 e 𝑤2 ∈ 𝑊2 }
Considere também que 𝑾𝟏 é gerado pelo conjunto de vetores 𝑮𝟏 e 𝑾𝟐 é gerado pelo conjunto de
vetores 𝑮𝟐 . Nesse caso, 𝑾𝟏 + 𝑾𝟐 é gerado por 𝑮𝟏 ∪ 𝑮𝟐 . Isto é:
𝑊1 + 𝑊2 = [𝐺1 ∪ 𝐺2 ]
Intersecção de subespaços
Sejam 𝑊1 e 𝑊2 subespaços vetoriais de um espaço vetorial 𝑉. Então, a intersecção 𝑾𝟏 ∩ 𝑾𝟐 é um
subespaço vetorial de 𝑽, em que:
𝑊1 ∩ 𝑊2 = {𝑣 ∈ 𝑉 | 𝑣 ∈ 𝑊1 e 𝑣 ∈ 𝑊2 }
Soma direta
Sejam 𝑊1 e 𝑊2 dois subespaços vetoriais de 𝑉 tais que 𝑾𝟏 ∩ 𝑾𝟐 = {𝒐}, em que "𝑜" representa o
elemento neutro.
Nesse caso, dizemos que a soma 𝑾𝟏 + 𝑾𝟐 é a soma direta dos subespaços 𝑋 e 𝑌, e essa soma direta é
representada do seguinte modo:
𝑾𝟏 ⊕ 𝑾𝟐
União de subespaços
A união de dois subespaços vetoriais nem sempre é um subespaço.
Dimensão da soma de subespaços

Seja 𝑉 um espaço vetorial e 𝑈 e 𝑊 subespaços vetoriais de 𝑉. Então:
𝐝𝐢𝐦(𝑼 + 𝑾) = 𝐝𝐢𝐦 𝑼 + 𝐝𝐢𝐦 𝑾 − 𝐝𝐢𝐦(𝑼 ∩ 𝑾)
Note que, se 𝑼 + 𝑾 for soma direta, temos:

𝐝𝐢𝐦(𝑼 + 𝑾) = 𝐝𝐢𝐦 𝑼 + 𝐝𝐢𝐦 𝑾
07101203540 - Jefferson
Aula 05
Mudança de base
𝑓1 = 𝑎11 𝑒1 + 𝑎21 𝑒2 + ⋯ + 𝑎𝑛1 𝑒𝑛 𝑥1 𝑎11 𝑎12 | … | 𝑎1𝑛 𝑦1
𝑓2 = 𝑎12 𝑒1 + 𝑎22 𝑒2 + ⋯ + 𝑎𝑛2 𝑒𝑛 𝑥2 𝑎21 𝑎22 | … | 𝑎2𝑛 𝑦2
{ → [| … |] = [ ][ ]
| ... |…| |…| |… |…| |…|
𝑓𝑛 = 𝑎1𝑛 𝑒1 + 𝑎2𝑛 𝑒2 + ⋯ + 𝑎𝑛𝑛 𝑒𝑛 𝑥𝑛 𝐸 ⏟𝑎𝑛1 𝑎𝑛2 | … 𝑎𝑛𝑛 𝑦𝑛 𝐹
𝑀𝐹𝐸
𝑴𝑭𝑬 ou 𝑴𝑬𝑭 é a matriz de mudança da base E para a base F. Ao multiplicar essa matriz pelo vetor
escrito em base 𝐹, obtemos o vetor escrito em base 𝑬.
[𝑣]𝐸 = 𝑀𝐹𝐸 [𝑣]𝐹
Mudanças de base sucessivas: 𝑀𝐺𝐸 = 𝑀𝐹𝐸 𝑀𝐺𝐹 .

−1
Retorno à base de origem: 𝑀𝐸𝐹 = 𝑀𝐹𝐸 .
07101203540 - Jefferson
Aula 05
Introdução
Antes de entrarmos na definição de espaços vetoriais, vamos analisar certas semelhanças entre dois
conjuntos que, à primeira vista, parecem não ter nada em comum:
 O conjunto 𝑴𝟐×𝟐 (𝐑), das matrizes 2 × 2; e

 O conjunto 𝑽𝟑 , dos vetores no espaço.
Conjunto das matrizes 2×2
Note que, dadas duas matrizes 𝐴, 𝐵 ∈ 𝑀2×2 (R), podemos realizar uma operação de soma, que tem por
resultado uma matriz que pertence ao conjunto 𝑴𝟐×𝟐 (𝐑):
𝐴 + 𝐵 ∈ 𝑀2×2 (R)
Considerando a soma de matrizes usual, essa operação obedece às seguintes propriedades:
 (S1) Comutativa: 𝐴 + 𝐵 = 𝐵 + 𝐴
 (S2) Associativa: (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶)
 (S3) Elemento neutro da soma: Existe um elemento do conjunto 𝑀2×2 (R) que, ao ser somado com
uma matriz qualquer 𝐴 desse conjunto, obtém-se a própria matriz 𝐴.
0 0
𝐴 + 𝑂2×2 = 𝐴, em que 𝑂2×2 = [ ]
0 0
 (S4) Inverso aditivo: Para todo elemento 𝐴 do conjunto 𝑀2×2 (R), existe um elemento oposto, que
chamaremos de (−𝐴), tal que a soma do elemento com o seu oposto é o elemento neutro da
adição.
𝐴 + (−𝐴) = 𝑂2×2
Além dessa soma de matrizes 2 × 2, podemos definir também uma multiplicação por escalar. Dada uma
matriz 𝐴 ∈ 𝑀2×2 (R) e dado um escalar 𝛼 ∈ R, podemos realizar a seguinte operação, que tem por
resultado uma matriz que pertence ao conjunto 𝑴𝟐×𝟐 (𝐑):
𝛼𝐴 ∈ 𝑀2×2 (R)
Considerando a multiplicação por escalar usual de matrizes, ela é realizada multiplicando todos os
elementos da matriz em questão pelo escalar 𝛼:
𝑎11 𝑎12 𝛼𝑎11 𝛼𝑎12

𝛼 [𝑎 𝑎22 ] = [ 𝛼𝑎22 ]
⏟ 21 ⏟𝛼𝑎21
𝐴 𝛼𝐴
Note que essa multiplicação por escalar obedece às seguintes propriedades:
 (M1) Associativa: 𝛼(𝛽𝐴) = (𝛼𝛽)𝐴;

 (M2) Distributiva:(𝛼 + 𝛽)𝐴 = 𝛼𝐴 + 𝛽𝐴 e 𝛼(𝐴 + 𝐵) = 𝛼𝐴 + 𝛼𝐵;
 (M3) Elemento neutro da multiplicação por escalar: 1𝐴 = 𝐴
07101203540 - Jefferson
Aula 05
Conjunto dos vetores no espaço
Vejamos agora o conjunto dos vetores no espaço.
⃗ , 𝑣 ∈ 𝑉 3, podemos realizar uma operação de soma, que tem por resultado

Note que, dados dois vetores 𝑢
um vetor que pertence ao conjunto 𝑽𝟑 :
⃗ + 𝑣 ∈ 𝑉3
𝑢
Note que essa adição também obedece às seguintes propriedades:
 (S1) Comutativa: 𝑢⃗ + 𝑣⃗ = 𝑣⃗ + 𝑢⃗
 (S2) Associativa: (𝑢⃗ + 𝑣⃗) + 𝑤
⃗⃗ = 𝑢
⃗ + (𝑣
⃗ +𝑤
⃗⃗ )
 (S3) Elemento neutro da soma: Existe um elemento do conjunto 𝑉 3 que, ao ser somado com um
⃗ desse conjunto, obtém-se o próprio vetor 𝑢
vetor qualquer 𝑢 ⃗.
⃗ +0
𝑢 ⃗ =𝑢 ⃗
 (S4) Inverso aditivo: Para todo elemento 𝑢⃗ do conjunto dos vetores 𝑉 3 , existe um elemento oposto,
que chamaremos de (−𝑢
⃗ ), tal que a soma do elemento com o seu oposto é o elemento neutro da
adição.
⃗ + (−𝑢
𝑢 ⃗ ) = ⃗0
Além dessa adição de vetores, podemos definir também uma multiplicação por escalar. Dado um vetor
⃗ ∈ 𝑉 3 e dado um escalar 𝛼 ∈ R, podemos realizar a seguinte operação, que tem por resultado um vetor
𝑢
que pertence ao conjunto 𝑽𝟑 :
⃗ ∈ 𝑉3
𝛼𝑢
Note que essa multiplicação por escalar obedece às seguintes propriedades:
 (M1) Associativa: 𝛼(𝛽𝑢⃗ ) = (𝛼𝛽)𝑢

⃗;
 (M2) Distributiva:(𝛼 + 𝛽)𝑢⃗ = 𝛼𝑢
⃗ + 𝛽𝑢 ⃗ + 𝑣 ) = 𝛼𝑢
⃗ e 𝛼(𝑢 ⃗ + 𝛼𝑣 ;
 (M3) Elemento neutro da multiplicação por escalar: 1𝑢
⃗ =𝑢⃗.
Creio que a partir desse momento você já deve ter percebido que o conjunto das matrizes 𝟐 × 𝟐 e o
conjunto dos vetores no espaço, apesar de parecerem muito distintos, apresentam certas características
em comum. Isso porque nos dois conjuntos podemos definir as operações de soma e de multiplicação por
escalar, de modo que essas operações:
 Resultam em elementos que também pertencem ao conjunto original; e

 Obedecem a certas propriedades (S1, S2, S3, S4 e M1, M2, M3).
07101203540 - Jefferson
Aula 05
Definição de espaço vetorial
É a partir das características semelhantes entre os conjuntos que vimos no tópico anterior que surge o
conceito abstrato de espaço vetorial.
Um conjunto 𝑽 é denominado espaço vetorial se estiver munido de uma soma e de uma multiplicação por
escalar que obedecem aos seguintes axiomas, para quaisquer elementos 𝑢, 𝑣 ∈ 𝑉 e para quaisquer
escalares 𝛼, 𝛽 ∈ R:
 Axiomas da soma:
o (S1) Comutativa: 𝑢 + 𝑣 = 𝑣 + 𝑢;
o (S2) Associativa: 𝑢 + (𝑣 + 𝑤) = (𝑢 + 𝑣) + 𝑤
o (S3) Elemento neutro da soma: Existe um elemento (notação: 𝒐) do conjunto 𝑉 que, ao
ser somado com um elemento qualquer 𝑢 desse conjunto, obtém-se o próprio elemento
𝑢.
𝑢+𝑜 =𝑢
o (S4) Inverso aditivo: Para todo elemento 𝑢 do conjunto 𝑉, existe um elemento oposto tal
que a soma do elemento com o seu oposto é o elemento neutro da adição.
𝑢 + (−𝑢) = 𝑜
 Axiomas da multiplicação por escalar (𝜶 e 𝜷 reais):

o (M1) Associativa: 𝛼(𝛽𝑢) = (𝛼𝛽)𝑢;
o (M2) Distributiva:(𝛼 + 𝛽)𝑢 = 𝛼𝑢 + 𝛽𝑢 e 𝛼(𝑢 + 𝑣) = 𝛼𝑢 + 𝛼𝑣;
o (M3) Elemento neutro da multiplicação por escalar: 1𝑢 = 𝑢.
Ao dizer que o conjunto está munido de uma soma de uma multiplicação por escalar,
deve-se entender que, ao realizar essas operações, necessariamente o resultado deve
ser um elemento que pertence ao conjunto em questão.
Em outras palavras, tanto a soma quanto a multiplicação por escalar devem ser fechadas
nesse conjunto.
O nome espaço vetorial pode causar certa confusão. Isso porque espaços vetoriais não são
necessariamente conjuntos de vetores.
Como vimos na introdução da aula, o conjunto das matrizes 2 × 2 é um conjunto munido de uma soma e
de uma multiplicação por escalar que obedece aos axiomas vistos. Assim, 𝑴𝟐×𝟐 (𝐑) é um espaço vetorial.
A literatura de álgebra linear apresenta alguns exemplos clássicos de conjuntos que são espaços vetoriais:
07101203540 - Jefferson
Aula 05
 Conjunto dos vetores no espaço − 𝑉 3 ;

 Conjunto das matrizes 𝑚 × 𝑛 − 𝑀𝑚×𝑛 (R);
 Conjunto das n-uplas ordenadas − 𝑅 𝑛 ;
 Conjunto dos polinômios de grau ≤ 𝒏 − 𝑃𝑛 (𝑅);
 Conjunto dos polinômios sem restrição de grau − 𝑃(𝑅); e
 Conjunto das funções 𝑓: R → R − 𝐹(R, R).
A partir desse momento, podemos chamar de vetor um elemento de um espaço vetorial

qualquer. Assim, um vetor poderá ser uma matriz, uma função, um polinômio, etc.
Em todos esses exemplos, consideramos que a soma e que a multiplicação por escalar é feita da forma
padrão, como estamos acostumados. Ocorre que é possível que se defina essas operações de uma forma
incomum. Vejamos o exemplo abaixo, em que utilizamos o símbolo "⊕" para representar uma soma não
usual.
Julgue o item a seguir.

O conjunto dos reais positivos não nulos 𝑽 = {𝒖 ∈ 𝐑 | 𝒖 > 𝟎} é um espaço vetorial quando
consideramos as seguintes operações de soma e de multiplicação por escalar:
Soma: 𝒖 ⊕ 𝒗 = 𝒖𝒗
Multiplicação por escalar: 𝜶𝒖 = 𝒖𝜶
Comentários:
Note que a soma 𝒖 ⊕ 𝒗 é fechada, pois o produto de dois números reais positivos 𝑢𝑣 é também um
número real positivo. Além disso, essa soma respeita as propriedades S1, S2, S3 e S4.
• (S1) Comutativa:
𝒖 ⊕ 𝒗 = 𝑢𝑣 = 𝑣𝑢 = 𝒗 ⊕ 𝒖
• (S2) Associativa:
𝒖 ⊕ (𝒗 ⊕ 𝒘) = 𝑢. (𝑣𝑤) = (𝑢𝑣). 𝑤 = (𝒖 ⊕ 𝒗) ⊕ 𝒘
07101203540 - Jefferson
Aula 05
• (S3) Elemento neutro da adição: Existe um elemento do conjunto 𝑉 que, ao ser somado com um
elemento qualquer 𝑢 desse conjunto, obtém-se o próprio elemento 𝑢.
No caso em questão, esse elemento é o número 1.
𝒖 ⊕ 𝟏 = 𝑢. 1 = 𝒖
• (S4) Inverso aditivo: Para todo elemento 𝑢 do conjunto 𝑉, existe um elemento oposto tal que a soma do
elemento com o seu oposto é o elemento neutro da adição.
No caso desse exemplo, o número 1 é o elemento neutro da adição. Assim, temos que o inverso aditivo é o
1
número real 𝑢.
𝟏 1
𝒖⊕ = 𝑢. = 𝟏
𝒖 𝑢
A multiplicação por escalar 𝜶𝒖 também é fechada, pois um número real positivo 𝑢 elevado a um escalar 𝛼
(𝛼 real qualquer) resulta em um número real positivo.
Além disso, essa multiplicação por escalar respeita as propriedades M1, M2 e M3.
• (M1) Associativa:
𝛼
𝜶(𝜷𝒖) = 𝛼𝑢𝛽 = (𝑢𝛽 ) = 𝑢𝛽𝛼 = 𝑢𝛼𝛽 = (𝜶𝜷)𝒖
• (M2) Distributiva:
(𝜶 + 𝜷)𝒖 = 𝑢𝛼+𝛽 = 𝑢𝛼 . 𝑢𝛽 = 𝜶𝒖 ⊕ 𝜷𝒖
𝜶(𝒖 ⊕ 𝒗) = (𝑢 ⊕ 𝑣)𝛼 = (𝑢𝑣)𝛼 = 𝑢𝛼 𝑣 𝛼 = 𝜶𝒖 ⊕ 𝜶𝒗
• (M3) Elemento neutro da multiplicação por escalar:

𝟏𝒖 = 𝑢1 = 𝒖
Gabarito: CERTO.
Em resumo, caso uma questão pergunte se determinado conjunto é um espaço vetorial,

você deve verificar se:
• A soma é fechada e obedece aos axiomas S1, S2, S3 e S4; e
• A multiplicação por escalar é fechada e obedece aos axiomas M1, M2 e M3.
07101203540 - Jefferson
Aula 05
(ANPEC/2021) O conjunto de todas as matrizes de números reais 2 × 2 invertíveis, acrescido da matriz

nula, em que a soma de seus elementos e a multiplicação por escalares são feitas da forma padrão
componente a componente, não é um exemplo de espaço vetorial 𝑉.
Comentários:
Para que um conjunto seja um espaço vetorial, é necessário que:
• A soma seja fechada e obedeça aos axiomas S1, S2, S3 e S4; e
• A multiplicação por escalar seja fechada e obedeça aos axiomas M1, M2 e M3.
Note que a soma não é fechada no conjunto considerado. Considere, por exemplo, os elementos 𝐴 e 𝐵
pertencentes a esse conjunto:
1 0 0 1
𝐴=[ ] 𝐵=[ ]
0 1 1 0
𝐴 e 𝐵 são invertíveis, pois seus determinantes são diferentes de zero. Ocorre que a soma 𝐴 + 𝐵 resulta em
uma matriz que não é invertível (determinante zero):
1 0 0 1
𝐴+𝐵 =[ ] +[ ]
0 1 1 0
1 1
𝐴+𝐵 =[ ]
1 1
Como 𝐴 + 𝐵 não pertence ao conjunto original, a soma não é fechada nesse conjunto e, portanto, esse
conjunto não é um exemplo de espaço vetorial.
Gabarito: CERTO.
07101203540 - Jefferson
Aula 05
Subespaços vetoriais
Considere que 𝑉 é um espaço vetorial. Um subespaço vetorial de 𝑽 (ou subespaço de 𝑽) é um subconjunto

𝑊 ⊂ 𝑉 que apresenta as seguintes propriedades:
 O elemento neutro da soma pertence a 𝑊;

 A soma é fechada em 𝑊; e
 A multiplicação por escalar é fechada em 𝑊.
De modo mais formal, 𝑊 ⊂ 𝑉 é um subespaço vetorial de 𝑉 se:
 𝑜 ∈ 𝑊;
 𝑢, 𝑣 ∈ 𝑊 → 𝑢 + 𝑣 ∈ 𝑊; e
 𝛼 ∈ 𝑅 e 𝑢 ∈ 𝑊 → 𝛼𝑢 ∈ 𝑊.
Uma consequência importante da definição de subespaço vetorial é que um subespaço é um subconjunto

de um espaço vetorial maior que mantém a característica de ser um espaço vetorial.
Considere um espaço vetorial 𝑉. O conjunto 𝑾 é um subespaço vetorial de 𝑽 se:
• 𝑾 ⊂ 𝑽; e
• 𝑾 é um espaço vetorial considerando-se as mesmas operações de soma e de

multiplicação por escalar do espaço vetorial 𝑉.
(ABIN/2010) Considerando que M seja o conjunto das matrizes 2 × 2, com elementos reais, e que, para a
matriz
𝑎11 𝑎12
𝐴 = (𝑎 )∈𝑀
21 𝑎22
𝑡𝑟(𝐴) = 𝑎11 + 𝑎22 é o traço dessa matriz, julgue o item subsequente.

O conjunto de matrizes
𝑈 = {𝐴 ∈ 𝑀 |𝑡𝑟(𝐴) = 0}
é um subespaço vetorial de M.
Comentários:
07101203540 - Jefferson
Aula 05
Sabemos que o conjunto das matrizes 2 × 2, 𝑀, é um espaço vetorial.

Para mostrar que 𝑈 é subespaço de 𝑀, devemos mostrar que:
• O elemento neutro da soma pertence a 𝑼;
• A soma é fechada em 𝑼; e
• A multiplicação por escalar é fechada em 𝑼.
O elemento neutro da soma pertence a 𝑼

0 0
Sabemos que o elemento neutro pertence a 𝑈, pois a matriz nula 𝑂2×2 = [ ] apresenta o traço igual a
0 0
zero.
==20abad==
A soma é fechada em 𝑼
Considere 𝑢 e 𝑣 dois elementos de 𝑈:
𝑢11 𝑢12
𝑢 = [𝑢 𝑢22 ]
21
𝑣11 𝑣12
𝑣 = [𝑣 𝑣22 ]
21
O traço das matrizes 𝑢 e 𝑣 são nulos. Logo:

𝑢11 + 𝑢22 = 0
𝑣11 + 𝑣22 = 0
A adição de dois elementos de 𝑢 é dada por:
𝑢11 𝑢12 𝑣11 𝑣12
𝑢 + 𝑣 = [𝑢 𝑢 ] + [𝑣 ]
21 22 21 𝑣22
𝑢 +𝑣 𝑢 +𝑣
𝑢 + 𝑣 = [𝑢11 + 𝑣11 𝑢12 + 𝑣12 ]
21 21 22 22
Note que o traço da matriz 𝑢 + 𝑣 é nulo:

𝑡𝑟(𝑢 + 𝑣) = (𝑢11 + 𝑣11 ) + (𝑢22 + 𝑣22 )
= (𝑢11 + 𝑢22 ) + (𝑣11 + 𝑣22 )
=0+0
=0
Logo, 𝑢 + 𝑣 ∈ 𝑈. Em outras palavras, a soma é fechada em 𝑈.
A multiplicação por escalar é fechada em 𝑼

Considere o escalar 𝛼 ∈ R. Considerando a matriz 𝑢 já definida anteriormente, temos que:
𝑢11 𝑢12 𝛼𝑢11 𝛼𝑢12
𝛼𝑢 = 𝛼 [𝑢 ] = [𝛼𝑢21 𝛼𝑢22 ]
21 𝑢22
07101203540 - Jefferson
Aula 05
Note que o traço da matriz 𝛼𝑢 é nulo:

𝛼𝑢11 + 𝛼𝑢22 = 𝛼(𝑢11 + 𝑢22 )
= 𝛼. 0
=0
Logo, 𝛼𝑢 ∈ 𝑈. Em outras palavras, a multiplicação por escalar é fechada em 𝑈.

Como o elemento neutro da soma pertence a 𝑼, a soma é fechada em 𝑼 e a multiplicação por escalar
também é fechada em 𝑼, temos que 𝑼 é subespaço de 𝑴.
Gabarito: CERTO.
(ABIN/2010) Julgue o item a seguir, considerando que V é o espaço vetorial de todas as funções 𝑓: R → R.
O conjunto
𝑈 = {𝑓 ∈ 𝑉 | 𝑓(𝑥) é diferenciável e 𝑓 ′ (0) = 1}
é um subespaço vetorial de 𝑉.
Comentários:
Sabemos que o conjunto das funções 𝑓: R → R, 𝐹(R, R), é um espaço vetorial.
Para que 𝑈 seja subespaço de 𝐹(R, R), é necessário que:
• O elemento neutro da soma pertença a 𝑼;
• A soma seja fechada em 𝑼; e
• A multiplicação por escalar seja fechada em 𝑼.
Sabemos que elemento neutro 𝑜 da soma é aquele que, ao ser somando com uma função qualquer 𝑓 do
conjunto 𝑈, obtém-se a própria função 𝑓. Logo:
𝑓(𝑥) + 𝑜(𝑥) = 𝑓(𝑥)
𝑜(𝑥) = 𝑓(𝑥) − 𝑓(𝑥)
𝑜(𝑥) = 0
Observe, portanto, que o elemento neutro da soma deve ser a função 𝑜(𝑥) = 0. Essa função é
diferenciável, porém sua derivada é:
𝑜′ (𝑥) = 0
Note, portanto, que o elemento nulo não pertence ao conjunto 𝑼, pois sua derivada é zero para todo 𝑥 e,
consequentemente, 𝑜′ (0) ≠ 1.
Gabarito: ERRADO.
07101203540 - Jefferson
Aula 05
Combinação linear
Assim como existe combinação linear para vetores no espaço, podemos generalizar esse conceito para
quaisquer elementos de um espaço vetorial.
Como já havia sido informado, podemos chamar de vetor um elemento de um espaço vetorial qualquer.
A partir desse entendimento, veja a definição de combinação linear:
O vetor 𝑢 é uma combinação linear dos vetores 𝑣1 , 𝑣2 , ... , 𝑣𝑛 se e somente se existirem

escalares 𝛼1 , 𝛼2 , ... , 𝛼𝑛 tais que:
𝑢 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛
(ANAC/2012) Considerando que 𝑊 seja o espaço vetorial real dos polinômios de grau no máximo três e
com coeficientes reais com as operações usuais de adição de polinômios e produto de polinômios por
números reais, julgue o item a seguir.
O vetor 4𝑥 2 − 2 pode ser escrito como combinação linear dos vetores 𝑥 2 + 𝑥 e 2𝑥 + 1.
Comentários:
Note que, se 4𝑥 2 − 2 é combinação linear de 𝑥 2 + 𝑥 e 2𝑥 + 1, é necessário que existam escalares 𝛼1 e 𝛼2
tais que:
4𝑥 2 − 2 ≡ 𝛼1 . (𝑥 2 + 𝑥 ) + 𝛼2 (2𝑥 + 1)
𝟒𝑥 2 − 𝟐 ≡ 𝜶𝟏 𝑥 2 + (𝜶𝟏 + 𝟐𝜶𝟐 )𝑥 + 𝜶𝟐
Para que a identidade se verifique, devemos igualar os coeficientes de grau 2, grau 1 e grau 0:
𝜶𝟏 = 𝟒
{𝜶𝟏 + 𝟐𝜶𝟐 = 𝟎
𝜶𝟐 = −𝟐
Ao igualar os coeficientes de grau 2, obtemos 𝛼1 = 4. Além disso, ao igualar os coeficientes de grau 0,
obtemos 𝛼2 = −2. Resta saber se a igualdade é respeitada para os coeficientes de grau 1.
𝛼1 + 2𝛼2 = 0
4 + 2. (−2) = 0
0=0
Como a igualdade foi respeitada, de fato existem os escalares 𝛼1 e 𝛼2 . Portanto, 4𝑥 2 − 2 pode ser escrito
como combinação linear dos vetores 𝑥 2 + 𝑥 e 2𝑥 + 1.
Gabarito: CERTO.
07101203540 - Jefferson
Aula 05
Dependência linear
Assim como se fala em dependência linear para vetores no espaço, podemos generalizar esse conceito
para quaisquer elementos de um espaço vetorial.
Seja 𝑉 um espaço vetorial. Dizemos que o conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é

Linearmente Dependente (LD) quando pelo menos um dos elementos é combinação
linear dos demais.
Caso contrário, isto é, quando nenhum dos elementos é combinação linear dos demais,
o conjunto é Linearmente Independente (LI).
Outra forma de caracterizar a dependência linear é por meio dos teoremas a seguir.
Seja 𝑉 um espaço vetorial. O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente

Dependente (LD) se, e somente se, existirem escalares não todos nulos 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 tais
que:
𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 = 𝑜
A ideia é que, se uma sequência de vetores é LD, é possível realizar uma soma que dê zero sem fazer uso
do caso mais óbvio, em que se zera todos os coeficientes.
Seja 𝑉 um espaço vetorial. O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente

Independente (LI)
se e somente se
07101203540 - Jefferson
Aula 05
Em outras palavras, se a única forma de a soma dar 𝐨 for com os coeficientes nulos, então o conjunto 𝑳 é
LI. A recíproca também é verdadeira: se o conjunto 𝐿 é LI, então a única forma de a soma dar 𝑜 é com os
coeficientes nulos.
Note que a simples soma nula com coeficientes nulos não significa que o conjunto 𝑳 é LI.
( 𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + ⋯ + 𝜶𝒏 𝒗𝒏 = 𝒐 ) não implica que ( 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } é LI )
Isso porque a referida soma com coeficientes nulos sempre será o para quaisquer conjunto de elementos.
Não há informação nova nessa "soma de zeros".
Note também que um conjunto de vetores que apresenta o vetor nulo sempre será Linearmente
Dependente (LD). Isso porque o vetor nulo é sempre combinação linear de quaisquer conjuntos de vetores.
Por exemplo, o conjunto {𝒐, 𝒗𝟏 , 𝒗𝟐 } é LD, pois 𝒐 é combinação linear de 𝒗𝟏 e 𝒗𝟐 :
𝒐 = 𝟎𝒗𝟏 + 𝟎𝒗𝟐
Os vetores 4 + 2𝑥 − 𝑥 2 e 2 + 𝑥 + 𝑥 2 são linearmente dependentes.
Comentários:
Sabemos que, dado um espaço vetorial 𝑉:
O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Dependente (LD) se, e somente se, existirem escalares
não todos nulos 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 tais que:
𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 = 𝑜
O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Independente (LI)

se e somente se
Para o caso em questão, podemos realizar a seguinte soma:

𝛼1 . (4 + 2𝑥 − 𝑥 2 ) + 𝛼2 . (2 + 𝑥 + 𝑥 2 ) ≡ 0
4𝛼1 + 2𝛼1 𝑥 − 𝛼1 𝑥 2 + 2𝛼2 + 𝛼2 𝑥 + 𝛼2 𝑥 2 ≡ 0
(4𝛼1 + 2𝛼2 ) + (2𝛼1 + 𝛼2 )𝑥 + (−𝛼1 + 𝛼2 )𝑥 2 ≡ 0
Logo:
4𝛼1 + 2𝛼2 = 0 𝛼2 = −2𝛼1
𝛼 = −2𝛼1
2𝛼
{ 1 + 𝛼 2 = 0 → {𝛼2 = −2𝛼1 → { 2
𝛼2 = 𝛼1
−𝛼1 + 𝛼2 = 0 𝛼2 = 𝛼1
07101203540 - Jefferson
Aula 05
Substituindo a segunda equação na primeira, temos:

𝛼1 = −2𝛼1 → 𝜶𝟏 = 𝟎
Da segunda equação, temos:

𝛼2 = 𝛼1 → 𝜶𝟐 = 𝟎
Note, portanto, que:

𝜶𝟏 . (4 + 2𝑥 − 𝑥 2 ) + 𝜶𝟐 . (2 + 𝑥 + 𝑥 2 ) = 0 necessariamente implica 𝜶𝟏 = 𝜶𝟐 = 𝟎
Portanto, os vetores 4 + 2𝑥 − 𝑥 2 e 2 + 𝑥 + 𝑥 2 são linearmente independentes.

Gabarito: ERRADO.
07101203540 - Jefferson
Aula 05
Subespaço gerado
Considere um espaço vetorial 𝑉 e um conjunto 𝑈 ⊂ 𝑉, em que 𝑈 = {𝑢1 , 𝑢2 , … , 𝑢𝑛 }.
Chamamos de conjunto gerado por 𝑼 (notação: [𝑼]) o conjunto de todas as combinações lineares de
elementos de 𝑈. Isto é:
[𝑈] = {𝛼1 𝑢1 + 𝛼2 𝑢2 + ⋯ + 𝛼𝑛 𝑢𝑛 | 𝛼1 , 𝛼2 , … , 𝛼𝑛 ∈ R}
Podemos perceber que [𝑈] ⊂ 𝑉. Além disso, como o conjunto gerado por 𝑼 é um subespaço de 𝑽,
podemos chamar esse conjunto de subespaço gerado por 𝑼.
1 0 1 0
Considere o espaço vetorial M2×2 (R) e as matrizes 𝑢1 = [ ] e 𝑢2 = [ ] e o conjunto
0 0 0 1
𝑈 = {𝑢1 , 𝑢2 } ⊂ 𝑉.
Podemos escrever o espaço gerado por 𝑼 = {𝒖𝟏 , 𝒖𝟐 } da seguinte maneira:

[𝑈] = {𝛼1 𝑢1 + 𝛼2 𝑢2 | 𝛼1 , 𝛼2 ∈ R}
1 0 1 0
= {𝛼1 [ ] + 𝛼2 [ ] | 𝛼1 , 𝛼2 ∈ R}
0 0 0 1
𝛼 + 𝛼2 0
= {[ 1 ] | 𝛼1 , 𝛼2 ∈ R}
0 𝛼2
Note que o sistema abaixo é possível e determinado, isto é, existem 𝛼1 e 𝛼2 únicos que satisfazem o
sistema:
𝜶 +𝜶 =𝒙
{ 𝟏 𝜶𝟐 = 𝒚
𝟐
Logo, podemos escrever:

𝑥 0
[𝑈] = {[ ] | 𝑥, 𝑦 ∈ R}
0 𝑦
07101203540 - Jefferson
Aula 05
Vamos mostrar que, para qualquer conjunto 𝑈 = {𝑢1 , 𝑢2 , … , 𝑢𝑛 } contido em um espaço vetorial 𝑽, o
espaço gerado por 𝑈 é um subespaço de 𝑉.
Primeiramente, cumpre destacar que, se 𝑈 ⊂ 𝑉, necessariamente teremos [𝑈] ⊂ 𝑉.
Para que [𝑈] ⊂ 𝑉 seja um subespaço de 𝑉, devemos concluir que:

• O elemento neutro da soma pertence a [𝑼];
• A soma é fechada em [𝑼]; e
• A multiplicação por escalar é fechada em [𝑼].
O elemento neutro da soma pertence a [𝑼]

Note que, tomando 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑛 = 0, temos que:
0𝑢1 + 0𝑢2 + ⋯ + 0𝑢𝑛 = 𝑜 ∈ [𝑈]
A soma é fechada em [𝑼]

Tomando dois vetores 𝑣, 𝑤 ∈ [𝑈], podemos escrever:
𝑣 = 𝛼1 𝑢1 + 𝛼2 𝑢2 + ⋯ + 𝛼𝑛 𝑢𝑛
𝑤 = 𝛽1 𝑢1 + 𝛽2 𝑢2 + ⋯ + 𝛽𝑛 𝑢𝑛
Note que:
𝑣 + 𝑤 = (𝛼1 + 𝛽1 )𝑢1 + (𝛼2 + 𝛽2 )𝑢2 + ⋯ + (𝛼𝑛 + 𝛽𝑛 )𝑢𝑛 ∈ [𝑈]
Como 𝑣 + 𝑤 ∈ [𝑈], a soma é fechada em [𝑼].
A multiplicação por escalar é fechada em [𝑼].

Tomando um vetor 𝑣 = 𝛼1 𝑢1 + 𝛼2 𝑢2 + ⋯ + 𝛼𝑛 𝑢𝑛 ∈ [𝑈] e um escalar 𝛽 ∈ R, temos que:
𝛽𝑣 = 𝛽(𝛼1 𝑢1 + 𝛼2 𝑢2 + ⋯ + 𝛼𝑛 𝑢𝑛 )
= (𝛽𝛼1 )𝑢1 + (𝛽𝛼2 )𝑢2 + ⋯ + (𝛽𝛼𝑛 )𝑢𝑛 ∈ [𝑈]
Como 𝛽𝑣 ∈ [𝑈], a multiplicação por escalar é fechada em [𝑼].
Logo, como os três requisitos foram atendidos, [𝑼] é subespaço vetorial de 𝑽.
07101203540 - Jefferson
Aula 05
Considere agora o seguinte conjunto de vetores 𝐶 contido no espaço vetorial 𝑀2×2 (R).
1 0 0 1 0 0 0 0
𝐶 = {[ ],[ ],[ ],[ ]}
0 0 0 0 1 0 0 1
Note que o espaço gerado por 𝐶 corresponde ao espaço vetorial das matrizes 2 × 2, isto é:
[𝐶] = 𝑀2×2 (R)
Isso porque qualquer matriz 𝟐 × 𝟐 pode ser descrita como combinação linear dos vetores de 𝑪. Note que,
𝑎 𝑏
se considerarmos uma matriz genérica [ ] ∈ 𝑀2×2 (R), temos:
𝑐 𝑑
𝑎 𝑏 1 0 0 1 0 0 0 0
[ ] = 𝑎[ ]+𝑏[ ]+𝑐[ ]+𝑑[ ]
𝑐 𝑑 0 0 0 0 1 0 0 1
2 3
Por exemplo, a matriz [ ] ∈ 𝑀2×2 (R) pode ser escrita assim:
4 2
2 3 1 0 0 1 0 0 0 0
[ ] = 𝟐[ ]+𝟑[ ] + 𝟒[ ] +𝟐[ ]
4 2 0 0 0 0 1 0 0 1
Considere a agora o seguinte conjunto:
1 0 0 1 0 0 0 0 𝟎 𝟎
𝑋 = {[ ],[ ],[ ],[ ],[ ]}
0 0 0 0 1 0 0 1 𝟎 𝟐
Observe que o espaço gerado por 𝑋 também corresponde ao espaço vetorial das matrizes 2 × 2, isto é:
[𝑋] = 𝑀2×2 (R)
𝟎 𝟎
Note, porém, que o vetor [ ] acaba por ser "inútil". Isso porque ele é combinação linear de outro
𝟎 𝟐
0 0
vetor de 𝑋: [ ].
0 1
2 3
Considerando o espaço gerado por 𝑋, a matriz [ ] ∈ 𝑀2×2 (R) pode ser descrita de diversas formas,
4 2
como:
2 3 1 0 0 1 0 0 0 0 𝟎 𝟎
[ ] = 𝟐[ ] +𝟑[ ] +𝟒[ ] + 𝟐[ ]+𝟎[ ]
4 2 0 0 0 0 1 0 0 1 𝟎 𝟐
2 3 1 0 0 1 0 0 0 0 𝟏 𝟎 𝟎
[ ] = 𝟐[ ] +𝟑[ ] +𝟒[ ] + 𝟏[ ]+ [ ]
4 2 0 0 0 0 1 0 0 1 𝟐 𝟎 𝟐
07101203540 - Jefferson
Aula 05
Até agora, mostramos exemplos em que tínhamos um conjunto gerador a priori. Vejamos agora um
exemplo em que nós temos que obter um conjunto de vetores geradores a partir de um subespaço dado.
Determine um conjunto de vetores geradores do seguinte subespaço do 𝐑𝟒 :

𝑼 = {(𝒙, 𝒚, 𝒛, 𝒘) ∈ 𝐑𝟒 | 𝒙 + 𝒚 + 𝒛 = 𝒚 − 𝒘 = 𝟎}
Considere um elemento 𝑢 = (𝑥, 𝑦, 𝑧, 𝑤) ∈ 𝑈. Nesse caso, as coordenadas de 𝑢 obedecem

simultaneamente a duas equações:
𝑥+𝑦+𝑧−𝑤 =0
{
Logo, fixando 𝒛 e 𝒘, podemos escrever:

𝑥 + 𝑦 = −𝑦 − 𝒛 𝑥 + 𝑦 = −𝒘 − 𝒛
{𝑥 + 𝑦 = 𝒘 → {𝑥 + 𝑦 = 𝒘
Portanto:
𝑢 = (𝑥, 𝑦, 𝑧, 𝑤)
= (−𝑤 − 𝑧, 𝑤, 𝑧, 𝑤)
= 𝑧(−1, 0, 1, 0) + 𝑤(−1, 1, 0, 1)
Como um elemento genérico 𝑢 do subespaço 𝑈 pode ser escrito como combinação linear dos vetores
(−1, 0, 1, 0) e (−1, 1, 0, 1), temos que:
{(−𝟏, 𝟎, 𝟏, 𝟎), (−𝟏, 𝟏, 𝟎, 𝟏)} é um conjunto gerador do subespaço 𝑼
Vejamos uma questão que utiliza o conceito de espaço gerador.
07101203540 - Jefferson
Aula 05
(ANPEC/2021) Seja 𝑉 um espaço vetorial sobre os números reais que contém pelo menos um subespaço
vetorial de dimensão 1. Julgue como verdadeira ou falsa a seguinte afirmativa:
Se 𝐴 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊆ 𝑉 é um conjunto de vetores linearmente independentes, e 𝑤 ∈ 𝑉 não pertence ao
subespaço gerado pelos vetores em 𝐴, então 𝐴 ∪ {𝑤} é um conjunto linearmente independente de
vetores.
Comentários:
O enunciado nos diz que o conjunto 𝑨 = {𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏 } é LI.
Além disso, o vetor 𝑤 não pertence ao subespaço gerado por 𝐴, isto é, 𝑤 ∉ [𝐴].
Como [𝐴] é o conjunto de todas as combinações lineares possíveis dos elementos de 𝐴 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 },
isso significa que 𝒘 não é combinação linear dos vetores {𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏 }.
Prova por absurdo

Vamos supor que 𝑨 ∪ {𝒘} = {𝒘, 𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏 } é LD. Nesse caso, existem escalares 𝜷𝟎 , 𝜷𝟏 , 𝜷𝟐 , … , 𝜷𝒏 não
todos nulos tais que:
𝛽𝑜 𝑤 + 𝛽1 𝑣1 + 𝛽2 𝑣2 + ⋯ + 𝛽𝑛 𝑣𝑛 = 𝑜
Caso 1: 𝜷𝒐 = 𝟎
Note que, se 𝛽𝑜 = 0, então existem escalares 𝜷𝟏 , 𝜷𝟐 , … , 𝜷𝒏 não todos nulos tais que:
𝛽1 𝑣1 + 𝛽2 𝑣2 + ⋯ + 𝛽𝑛 𝑣𝑛 = 𝑜
Trata-se de um absurdo, pois nesse caso teríamos que 𝐴 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } é um conjunto LI. Portanto, 𝛽𝑜
deve ser diferente de zero.
Caso 2: 𝜷𝒐 ≠ 𝟎
Desenvolvendo a igualdade, temos:
𝛽𝑜 𝑤 + 𝛽1 𝑣1 + 𝛽2 𝑣2 + ⋯ + 𝛽𝑛 𝑣𝑛 = 𝑜
𝛽𝑜 𝑤 = −𝛽1 𝑣1 − 𝛽2 𝑣2 − ⋯ − 𝛽𝑛 𝑣𝑛
Como 𝛽𝑜 ≠ 0, temos:
𝛽1 𝛽2 𝛽2
𝑤 = (− ) 𝑣1 + (− ) 𝑣2 + ⋯ + (− ) 𝑣𝑛
𝛽𝑜 𝛽𝑜 𝛽𝑜
Observe que, com 𝛽𝑜 ≠ 0, chegamos ao absurdo que que 𝑤 é combinação linear de 𝐴 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 }.
Portanto, a hipótese inicial está errada, de modo que 𝑨 ∪ {𝒘} é um conjunto Linearmente Independente
(LI).
Gabarito: CERTO.
07101203540 - Jefferson
Aula 05
Base de um espaço vetorial
Definição de base
Considere um espaço vetorial 𝑉.

Uma base do espaço vetorial 𝑉 é um subconjunto 𝑩 ⊂ 𝑽 em que:
 [𝑩] = 𝑽; e
 𝑩 é Linearmente Independente (LI).
Em outras palavras, para que o conjunto 𝐵 seja uma base do espaço vetorial 𝑉, ele deve gerar o espaço 𝑽 e
deve ser Linearmente Independente (LI).
Voltando ao exemplo que trouxemos das matrizes 2 × 2, note que:

1 0 0 1 0 0 0 0
𝐶 = {[ ],[ ],[ ],[ ]} é uma base de 𝑀2×2 (R)
0 0 0 0 1 0 0 1
Isso porque 𝐶 ⊂ 𝑀2×2 (R) e também:

• [𝐶] = 𝑀2×2 (R); e
• 𝐶 é Linearmente Independente (LI).
1 0 0 1 0 0 0 0 𝟎 𝟎
Por outro lado, o conjunto 𝑋 = {[ ],[ ],[ ],[ ],[ ]} não é uma base de 𝑀2×2 (R)
0 0 0 0 1 0 0 1 𝟎 𝟐
pois, apesar de gerar o espaço vetorial das matrizes 𝟐 × 𝟐, o conjunto 𝑿 é Linearmente Dependente (LD).
Qualitativamente, podemos entender a base como um conjunto que gera o espaço vetorial considerado e
que não apresenta redundância na sua composição.
É importante que você saiba que uma base de um espaço vetorial não é única. Por exemplo, o conjunto
−1 0 1 1 0 0 0 0
𝑌 = {[ ],[ ],[ ],[ ]} também é uma base de 𝑴𝟐×𝟐 (𝐑), pois:
0 0 0 0 2 0 0 2
 [𝒀] = 𝑽; e
 𝒀 é Linearmente Independente (LI).
07101203540 - Jefferson
Aula 05
Os vetores 3 + 𝑥, 𝑥 + 𝑥 2 , 𝑥 + 𝑥 3 e 𝑥 2 + 𝑥 3 formam uma base de 𝑊.
Comentários:
Para que 𝐵 = {3 + 𝑥, 𝑥 + 𝑥 2 , 𝑥 + 𝑥 3 , 𝑥 2 + 𝑥 3 } ⊂ 𝑊 seja uma base de 𝑊, é necessário que:
• [𝑩] = 𝑾; e
Primeira condição: [𝑩] = 𝑾

Para que o conjunto gerado por 𝑩 seja igual ao espaço vetorial 𝑊, devemos mostrar que qualquer vetor
de 𝑾 pode ser escrito como combinação linear dos vetores de 𝑩.
Como 𝑊 é o espaço vetorial dos polinômios de grau no máximo três, podemos representar genericamente
um elemento 𝑤 desse espaço vetorial da seguinte forma:
𝑤 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3
Logo, é necessário que existam coeficientes 𝜶𝟏 , 𝜶𝟐 , 𝜶𝟑 e 𝜶𝟒 de modo que a seguinte identidade de

polinômios se verifique:
𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ≡ 𝛼1 . (3 + 𝑥) + 𝛼2 . (𝑥 + 𝑥 2 ) + 𝛼3 . (𝑥 + 𝑥 3 ) + 𝛼4 . (𝑥 2 + 𝑥 3 )
Desenvolvendo a identidade entre polinômios, temos:

𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ≡ 3𝛼1 + 𝛼1 𝑥 + 𝛼2 𝑥 + 𝛼2 𝑥 2 + 𝛼3 𝑥 + 𝛼3 𝑥 3 + 𝛼4 𝑥 2 + 𝛼4 𝑥 3
𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ≡ 3𝛼1 + (𝛼1 + 𝛼2 + 𝛼3 )𝑥 + (𝛼2 + 𝛼4 )𝑥 2 + (𝛼3 + 𝛼4 )𝑥 3
Para que a identidade entre polinômios ocorra, devemos ter:

3𝛼1 + 𝛼2 + 𝛼2 + 𝛼2 = 𝑎
𝛼 + 𝛼2 + 𝛼3 + 𝛼2 = 𝑏
{ 1
𝛼2 + 𝛼2 + 𝛼2 + 𝛼4 = 𝑐
𝛼3 + 𝛼4 = 𝑑
Da primeira equação, temos que:
𝒂
3𝛼1 = 𝑎 → 𝜶𝟏 = 𝟑
Logo, para obter 𝛼2 , 𝛼3 e 𝛼4 , podemos reescrever um novo sistema da seguinte forma:

𝑎
𝛼2 + 𝛼3 + 𝛼2 = 𝑏 −
3
{𝛼 + 𝛼 + 𝛼 = 𝑐
2 2 4
𝛼3 + 𝛼4 = 𝑑
07101203540 - Jefferson
Aula 05
Poderíamos resolver esse sistema. Observe, porém, que não precisamos obter os exatos valores dos
coeficientes 𝜶𝟐 , 𝜶𝟑 e 𝜶𝟒 . Queremos saber apenas se eles existem de modo que a identidade entre
polinômios ocorra.
Observe que o determinante da matriz dos coeficientes do sistema linear anterior é dado por:
1 1 0
𝐷 = |1 0 1|
0 1 1
Aplicando a Regra de Sarrus, temos que esse determinante é diferente de zero.

1 1 0 1 1
|1 0 1| 1 0
0 1 1 0 1
Parte Negativa Parte Positiva
𝐷 = [𝟏. 𝟎. 𝟏 + 𝟏. 𝟏. 𝟎 + 𝟎. 𝟏. 𝟏] − [𝟎. 𝟎. 𝟎 + 𝟏. 𝟏. 𝟏 + 𝟏. 𝟏. 𝟏]
𝐷 = −2
Assim, como o determinante é diferente de zero, o sistema é possível e determinado (SPD). Portanto,
podemos obter valores únicos para 𝛼2 , 𝛼3 e 𝛼4 .
𝑎
Como também sabemos que 𝛼1 = 3, conclui-se que existem coeficientes 𝜶𝟏 , 𝜶𝟐 , 𝜶𝟑 e 𝜶𝟒 de modo que a
igualdade entre polinômios se verifica.
Logo, o conjunto gerado por 𝑩 é igual a 𝑾.
Segunda condição: 𝑩 é Linearmente Independente (LI)

Conhecemos o seguinte teorema:
O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Independente (LI)
se e somente se
Para o caso em questão, devemos analisar a seguinte identidade entre polinômios, em que 0 é o polinômio
nulo:
𝛼1 . (3 + 𝑥) + 𝛼2 . (𝑥 + 𝑥 2 ) + 𝛼3 . (𝑥 + 𝑥 3 ) + 𝛼4 . (𝑥 2 + 𝑥 3 ) ≡ 0
Desenvolvendo a identidade entre polinômios, temos:

3𝛼1 + 𝛼1 𝑥 + 𝛼2 𝑥 + 𝛼2 𝑥 2 + 𝛼3 𝑥 + 𝛼3 𝑥 3 + 𝛼4 𝑥 2 + 𝛼4 𝑥 3 ≡ 0
3𝛼1 + (𝛼1 + 𝛼2 + 𝛼3 )𝑥 + (𝛼2 + 𝛼4 )𝑥 2 + (𝛼3 + 𝛼4 )𝑥 3 ≡ 0
Para que a identidade entre polinômios ocorra, devemos ter:
07101203540 - Jefferson
Aula 05
3𝛼1 + 𝛼2 + 𝛼2 + 𝛼2 = 0
𝛼 + 𝛼2 + 𝛼3 + 𝛼2 = 0
{ 1
𝛼2 + 𝛼2 + 𝛼2 + 𝛼4 = 0
𝛼3 + 𝛼4 = 0
Da primeira equação, temos que:

3𝛼1 = 0 → 𝜶𝟏 = 𝟎
Logo, para obter 𝛼2 , 𝛼3 e 𝛼4 , podemos reescrever um novo sistema da seguinte forma:

𝛼2 + 𝛼3 + 𝛼2 = 0
{𝛼2 + 𝛼2 + 𝛼4 = 0
𝛼3 + 𝛼4 = 0
O determinante da matriz dos coeficientes desse Sistema Linear Homogêneo é:

1 1 0
𝐷 = |1 0 1|
0 1 1
Como já vimos, esse determinante é diferente de zero. Isso significa que o sistema é possível e
determinado (SPD). Como estamos tratando de um Sistema Linear Homogêneo, a única solução é a
solução trivial, de modo que:
𝜶𝟐 = 𝜶𝟑 = 𝜶𝟒 = 𝟎
Como já obtemos que 𝜶𝟏 = 𝟎, observe que:

𝜶𝟏 . (3 + 𝑥) + 𝜶𝟐 . (𝑥 + 𝑥 2 ) + 𝜶𝟑 . (𝑥 + 𝑥 3 ) + 𝜶𝟒 . (𝑥 2 + 𝑥 3 ) ≡ 0
necessariamente implica
𝜶𝟏 = 𝜶𝟐 = 𝜶𝟑 = 𝜶𝟒 = 𝟎
Logo, o conjunto 𝐵 = {3 + 𝑥, 𝑥 + 𝑥 2 , 𝑥 + 𝑥 3 , 𝑥 2 + 𝑥 3 } é Linearmente Independente (LI).
Note, portanto, que acabamos de mostrar que, para 𝑩 ⊂ 𝑾:

• [𝑩] = 𝑾; e
Logo, temos que 𝑩 = {𝟑 + 𝒙, 𝒙 + 𝒙𝟐 , 𝒙 + 𝒙𝟑 , 𝒙𝟐 + 𝒙𝟑 } é base de 𝑾.
Gabarito: CERTO.
07101203540 - Jefferson
Aula 05
Coordenadas
Assim como se fala em coordenadas para vetores no espaço, podemos generalizar esse conceito para
quaisquer elementos de um espaço vetorial.
Considere um espaço vetorial 𝑉 e uma base 𝐵 = {𝑢1 , 𝑢2 , … , 𝑢𝑛 } desse espaço vetorial. Então, para todo
vetor 𝑢 ∈ 𝑉, existem escalares 𝛼1 , 𝛼2 , … , 𝛼𝑛 tais que:
𝑢 = 𝛼1 𝑢1 + 𝛼2 𝑢2 + ⋯ + 𝛼𝑛 𝑢𝑛
Dizemos que 𝛼1 , 𝛼2 , … , 𝛼𝑛 são as coordenadas de 𝒖 na base 𝑩, e podemos representar o vetor 𝑢 do

seguinte modo:
𝑢 = (𝛼1 , 𝛼2 , … , 𝛼𝑛 )𝐵
Outra forma de se representar o vetor 𝑢 é por meio de uma matriz-coluna:
𝛼1
𝛼2
𝑢 = [| … |]
𝛼𝑛 𝐵
Uma vez determinada uma base, as coordenadas dos vetores escritos nessa base são
únicas.
1 0 0 1 0 0 0 0
Por exemplo, considerando a base 𝐶 = {[ ],[ ],[ ],[ ]} do espaço vetorial 𝑀2×2 (R),
0 0 0 0 1 0 0 1
2 3
sabemos que a matriz 𝑢 = [ ] pode ser escrita assim:
4 2
1 0 0 1 0 0 0 0
𝑢 = 𝟐[ ]+𝟑[ ] + 𝟒[ ] +𝟐[ ]
0 0 0 0 1 0 0 1
Logo, podemos representar a matriz em questão da seguinte forma:
𝑢 = (𝟐, 𝟑, 𝟒, 𝟐)𝑪
Utilizando a representação de matriz-coluna, temos:
𝟐
𝑢 = [𝟑]
𝟒
𝟐 𝑪
07101203540 - Jefferson
Aula 05
−1 0 1 1 0 0 0 0 2 3
Considerando agora a base 𝑌 = {[ ],[ ],[ ],[ ]}, a matriz 𝑢 = [ ] pode ser escrita
0 0 0 0 2 0 0 2 4 2
assim:
−1 0 1 1 0 0 0 0
𝑢 = 𝟏[ ] + 𝟑[ ] + 𝟐[ ] +𝟏[ ]
0 0 0 0 2 0 0 2
Logo, também podemos representar a matriz em questão da seguinte forma:
𝑢 = (𝟏, 𝟑, 𝟐, 𝟏)𝒀
Utilizando a representação de matriz-coluna, temos:
𝟏
𝑢 = [𝟑]
𝟐
𝟏 𝒀
07101203540 - Jefferson
Aula 05
Dimensão de um espaço vetorial
Teorema da invariância
Antes de tratarmos do conceito de dimensão de um espaço vetorial, é importante que você conheça o
teorema da invariância:
Teorema da Invariância
Se 𝑉 é um espaço finitamente gerado, então duas bases quaisquer de 𝑽 têm um mesmo

número de vetores.
Em outras palavras, todas as bases de um determinado espaço vetorial apresentam o mesmo número de
elementos (vetores).
Espaço finitamente gerado é aquele espaço vetorial que pode ser gerado por um conjunto finito.
Por exemplo, o espaço vetorial dos polinômios de grau menor ou igual a 3 (𝑷𝟑 (𝑹)) é finitamente gerado,
pois 𝐵 = {1, 𝑥, 𝑥 2 , 𝑥 3 } é um conjunto finito que gera esse espaço.
Por outro lado, um espaço infinitamente gerado é aquele espaço vetorial que só pode ser gerado por um
conjunto com infinitos elementos.
Por exemplo, o espaço vetorial dos polinômios sem restrição de grau (𝑷(𝑹)) é infinitamente gerado. Isso
porque, sempre que pensarmos em um conjunto finito que geraria o espaço, por exemplo,
{1, 𝑥, 𝑥 2 , 𝑥 3 , 𝑥 4 }, sempre será necessário incluir um elemento que tenha um grau maior, de modo que esse
conjunto gerador é infinito.
Para a nossa aula, vamos tratar apenas dos espaços finitamente gerados.
Definição de dimensão
Agora que conhecemos o teorema da invariância, podemos definir o conceito de dimensão.
07101203540 - Jefferson
Aula 05
A dimensão de um espaço vetorial 𝑽 (notação: 𝒅𝒊𝒎 𝑽) é o número de vetores de uma

base qualquer de 𝑽.
Uma consequência interessante que decorre do conhecimento da dimensão de um espaço vetorial é a

seguinte:
Se um espaço vetorial 𝑉 tem dimensão 𝒏, então 𝒏 vetores Linearmente Independentes

(LI) desse espaço formam uma base.
No tópico anterior, resolvemos um exercício em que queríamos descobrir se 𝑩 = {𝟑 + 𝒙, 𝒙 + 𝒙𝟐 ,

𝒙 + 𝒙𝟑 , 𝒙𝟐 + 𝒙𝟑 } formava uma base do espaço 𝑊 dos polinômios de grau menor ou igual a 3. Para provar
que 𝐵 é uma base de 𝑊, tivemos que mostrar que:
 [𝑩] = 𝑾; e
 𝑩 é Linearmente Independente (LI).
Note, porém, que fácil perceber que 𝑾 tem dimensão 4, pois {𝟏, 𝒙, 𝒙𝟐 , 𝒙𝟑 } é uma base do espaço dos
polinômios de grau menor ou igual a 3.
Como 𝑩 = {𝟑 + 𝒙, 𝒙 + 𝒙𝟐 , 𝒙 + 𝒙𝟑 , 𝒙𝟐 + 𝒙𝟑 } é um conjunto com 4 vetores, pelo teorema que acabamos de

ver, bastaria provar que os quatro vetores são Linearmente Independentes para garantir que 𝐵 é uma
base de 𝑊.
Observe agora o seguinte teorema:
Considere um subespaço 𝑊 de um espaço vetorial 𝑉. Então
dim 𝑊 = dim 𝑉  𝑊 = 𝑉
07101203540 - Jefferson
Aula 05
Note, portanto, que se a dimensão de um subespaço foi igual a do espaço vetorial a que ele se refere,
então o subespaço é o próprio espaço vetorial em questão.
Bases canônicas
Entende-se como base canônica de um determinado espaço vetorial a base mais simples e intuitiva que
podemos determinar.
Base canônica das matrizes 𝒎 × 𝒏 − 𝑴𝒎×𝒏 (𝐑)
Veja que, para o espaço 𝑀2×2 (R), a base mas intuitiva é a seguinte:
1 0 0 1 0 0 0 0
𝐶 = {[ ],[ ],[ ],[ ]}
0 0 0 0 1 0 0 1
Podemos generalizar essa ideia para o espaço das matrizes 𝑚 × 𝑛. Portanto, a base canônica de 𝑀𝑚×𝑛 (R)
é a seguinte:
|1| |0| … | |0| |0| |1| … | |0| |0| |0| … | |0|

|0| |0| … | |0| |0| |0| … | |0| |0| |0| … | |0|
𝐶 ={[ ],[ ],…,[ ]}
|…| |…| …| …| |…| |…| …| …| |…| |…| …| …|
|0| |0| |0|| |0|| |0| |0| |0|| |0|| |0| |0| |0|| |1||
Como a base canônica do espaço 𝑀𝑚×𝑛 (R) apresenta 𝑚. 𝑛 vetores, temos que:
dim 𝑀𝑚×𝑛 (R) = 𝑚. 𝑛
Base canônica das n-uplas ordenadas − 𝐑𝐧
Note que, para o espaço das triplas ordenadas R3 , a base mas intuitiva é a seguinte:
𝐶 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
Podemos generalizar essa ideia para o espaço Rn . Portanto, a base canônica de Rn é a seguinte:
𝐶 = {(1,0, … ,0), (0,1, … ,0), … , (0,0, … ,1)}
Como a base canônica do espaço Rn apresenta 𝑛 vetores, temos que:
dim Rn = 𝑛
Base canônica dos polinômios de grau ≤ 𝒏 − 𝑷𝒏 (𝑹)
Para o espaço dos polinômios de grau menor ou igual a 3, 𝑷𝟑 (𝐑), a base mais intuitiva é a seguinte:
07101203540 - Jefferson
Aula 05
𝐶 = {1, 𝑥, 𝑥 2 , 𝑥 3 }
Podemos generalizar essa ideia para o espaço dos polinômios de grau menor ou igual a 𝑛. Portanto, a base
canônica de 𝑃𝑛 (𝑅) é a seguinte:
𝐶 = {1, 𝑥, 𝑥 2 , … , 𝑥 𝑛 }
Como a base canônica do espaço 𝑃𝑛 (𝑅) apresenta 𝑛 + 1 vetores, temos que:
dim 𝑃𝑛 (R) = 𝑛 + 1
Tanto o espaço 𝑷(𝐑) dos polinômios sem restrição de grau quanto o espaço 𝑭(𝐑, 𝐑) das funções
𝒇: 𝐑 → 𝐑 são gerados por infinitos polinômios.
Desse modo, para esses dois espaços vetoriais, não temos uma base canônica finita.
07101203540 - Jefferson
Aula 05
Obtenção de uma base de um subespaço do 𝐑𝐧
Um subespaço do 𝐑𝐧 costuma ser dado pelos seus vetores geradores. Além disso, mesmo nos casos em
que esses subespaços não são representados pelos vetores geradores, é possível determinar esses vetores.
Para obter uma base de um subespaço do 𝐑𝐧 , podemos seguir a seguinte regra:
 Disponha os vetores geradores do subespaço em uma matriz, de modo que cada linha
corresponda a um vetor gerador;
 Escalone a matriz em questão, sendo permitido inclusive trocar linhas de posição;
 As linhas da matriz resultante do escalonamento, descartando as linhas nulas, constituem uma
base do subespaço em questão.
Por exemplo, considere o subespaço 𝑊 de R4 gerado pelo seguinte conjunto de vetores:
𝐺 = {(1,2,2,0), (1,3,0,1), (3,7,4,1)}
Temos 𝑊 = [𝐺]. Devemos escalonar a seguinte matriz, que apresenta nas suas linhas os vetores geradores
de 𝑊:
1 2 2 0
[1 3 0 1]
3 7 4 1
Escalonando a matriz em questão, temos:
1 2 2 0 𝐿 ←𝟏𝐿 +(−𝟏)𝐿 1 2 −2 0 𝐿3 ←𝟏𝐿3 +(−𝟏)𝐿3 1 2 −2 0 𝐿3 ←𝟏𝐿2 +(−𝟏)𝐿2 1 2 −2 0

2 2 1
[1 3 0 1] ~ [0 1 −2 1] ~ [0 1 −2 1] ~ [0 1 −2 1]
3 7 4 1 3 7 −4 1 0 1 −2 1 0 0 −0 0
As linhas da matriz resultante do escalonamento, descartando as linhas nulas, constituem uma base do
subespaço em questão. Logo, uma base para o subespaço 𝑊 é:
𝐵 = {(1,2,2,0), (0,1, −2,1)}
Podemos escrever assim:
𝑊 = [𝐵]
𝑊 = [(1,2,2,0), (0,1, −2,1)]
Note que, mesmo que 𝑊 tenha 3 vetores, o subespaço gerado por 𝑊 apresenta dimensão 2, pois esse
subespaço apresenta uma base com dois vetores. Isso ocorre porque o conjunto 𝑊 é Linearmente
Dependente (LD).
07101203540 - Jefferson
Aula 05
Note que esse método funciona por conta de dois motivos:

1) A cada passo do escalonamento, estamos, na verdade, substituindo um vetor gerador por um outro
que é combinação linear do original com outro vetor que também é gerador.
Nesse caso, o novo conjunto de vetores obtido em cada passo do escalonamento também gera o espaço
considerado.
2) Ao escalonar um conjunto de vetores, temos a garantia de que o conjunto obtido ao final do
escalonamento, desconsiderando as linhas nulas, é Linearmente Independente (LI).
Observe, portanto, que ao final do método teremos um conjunto que gera o espaço considerado e que é
Linearmente Independente (LI). Logo, o conjunto de vetores obtido ao final do escalonamento é uma base.
(IF SUL/2010) O conjunto de vetores 𝐵 = {(1,0,1,4), (2,3,1,0), (−1, −9,2,20)} geram um subespaço do R4
com a dimensão igual à
a) 1
b) 2
c) 3
d) 4
Comentários:
Note que, por mais que a questão tenha chamado o conjunto de vetores de 𝐵, não necessariamente esse
conjunto é uma base para o espaço considerado. Sabemos apenas que esse conjunto de vetores gera um
subespaço, que chamaremos de 𝑊.
A questão pergunta pela dimensão do subespaço do R4 gerado por 𝑩. Em outras palavras, precisamos
obter o número de vetores que compõem uma base de 𝑊 = [𝐵].
Para obter uma base de 𝑊, podemos escalonar uma matriz cujas linhas são os vetores geradores do
subespaço 𝑊. Portanto, devemos escalonar a seguinte matriz, composta pelos elementos de 𝐵:
−1 −0 1 04
[−2 −3 1 00]
−1 −9 2 20
07101203540 - Jefferson
Aula 05
Escalonando a matriz em questão, temos:

−1 −0 1 04 𝐿 ←𝟏𝐿 +(−𝟐)𝐿 −1 −0 −1 04 𝐿3 ←𝟏𝐿3 +(𝟏)𝐿1 1 −0 −1 04
2 2 1
[−2 −3 1 00] ~ [−0 −3 −1 −8] ~ [0 −3 −1 −8]
−1 −9 2 20 −1 −9 −2 20 0 −9 −3 24
𝐿3 ←𝟏𝐿3 +(𝟑)𝐿2
1 0 −1 04
~ [0 3 −1 −8]
0 0 −0 −0
subespaço em questão. Logo, uma base para o subespaço 𝑊 é:
{(1,0,1,4), (0,3, −1, −8)}
Portanto, a dimensão do subespaço 𝑊 é 2.

Gabarito: Letra B.
07101203540 - Jefferson
Aula 05
Sistema linear homogêneo
Nesse tópico, vamos fazer uma breve revisão sobre o Sistema Linear Homogêneo, bem como vamos trazer
para esse conteúdo o enfoque dos espaços vetoriais.
O conjunto das soluções de um SLH é um subespaço
Um Sistema Linear Homogêneo (SLH) é aquele sistema linear em que os termos independentes de todas
as equações são iguais a zero.
Se tivermos 𝑚 equações e 𝑛 incógnitas, o SLH pode ser representado da seguinte forma:
𝑎11 𝑥1 + 𝑎12 𝑥2 + … + 𝑎1𝑛 𝑥𝑛 = 𝟎

𝑎21 𝑥1 + 𝑎22 𝑥2 + … + 𝑎2𝑛 𝑥𝑛 = 𝟎
{
𝐴…𝐴
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + … + 𝑎𝑚𝑛 𝑥𝑛 = 𝟎
Note que (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = (𝟎, 𝟎, … , 𝟎) é sempre solução desse sistema.
Isso significa que um Sistema Linear Homogêneo (SLH) é sempre possível, pois sempre admite a solução
em que todas as variáveis são zero (denominada solução trivial).
Sendo possível, o Sistema Linear Homogêneo (SLH) pode ser possível e determinado (SPD) ou possível e
indeterminado (SPI):
 Se o sistema linear homogêneo admitir somente a solução trivial, então ele é um Sistema Possível
e Determinado (SPD);
 Caso ele admita outras soluções, então ele admite infinitas soluções e é um Sistema Possível e
Indeterminado (SPI).
Duas propriedades importantes dos sistemas lineares homogêneos são as seguintes:
• Se 𝒖 = (𝒖𝟏 , 𝒖𝟐 , … , 𝒖𝒏 ) e 𝒗 = (𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏 ) são soluções do Sistema Linear

Homogêneo, então 𝒖 + 𝒗 = (𝒖𝟏 + 𝒗𝟏 , 𝒖𝟐 + 𝒗𝟐 , … , 𝒖𝒏 + 𝒗𝒏 ) também é solução; e
• Se 𝒖 = (𝒖𝟏 , 𝒖𝟐 , … , 𝒖𝒏 ) é solução do Sistema Linear Homogêneo e 𝜶 é um número real

qualquer, então 𝜶𝒖 = (𝜶𝒖𝟏 , 𝜶𝒖𝟐 , … , 𝜶𝒖𝒏 ) também é solução.
07101203540 - Jefferson
Aula 05
Considere agora o conjunto 𝑺 que representa todas as ênuplas que são soluções do Sistema Linear
Homogêneo (SLH) com 𝒏 incógnitas.
Sabemos que Rn é um espaço vetorial para qualquer valor de 𝑛. Sabemos também que o conjunto das
ênuplas que são soluções do SLH estão contidas em Rn , isto é 𝑆 ⊂ Rn . Além disso observe que:
 O elemento neutro da soma pertence a 𝑺, pois todo SLH admite a solução trivial 𝑜 = (0, 0, … , 0);
 A soma é fechada em 𝑺, pois dadas duas soluções 𝑢 e 𝑣 do SLH, temos que 𝑢 + 𝑣 também é
solução;
 A multiplicação por escalar é fechada em 𝑺, pois se 𝑢 é solução do SLH, 𝛼𝑢 também é.
Portanto, conclui-se que o conjunto 𝑺 das soluções de um Sistema Linear Homogêneo é um subespaço do
𝐑𝐧 , em que 𝒏 é o número de incógnitas do sistema.
O conjunto 𝑺 das soluções de um Sistema Linear Homogêneo é um subespaço do 𝐑𝐧 , em

que 𝒏 é o número de incógnitas do sistema.
Exemplo numérico
Considere o seguinte sistema linear homogêneo:
𝑥 + 2𝑦 − 𝑧 + 2𝑤 = 𝟎
{3𝑥 + 4𝑦 + 𝑧 + 2𝑤 = 𝟎
3𝑥 + 4𝑦 + 𝑧 + 5𝑤 = 𝟎
Podemos escalonar o sistema por meio da matriz completa do sistema:
1 2 −1 1 0 𝐿2 ←𝟏𝐿2 +(−𝟏)𝐿1 1 2 −1 1 0 𝐿3 ←𝟏𝐿3 +(−𝟑)𝐿1 1 2 −1 1 0

[1 1 1 2 0] ~ [0 −1 2 1 0] ~ [0 −1 2 1 0]
3 4 1 5 0 3 4 1 5 0 0 −2 4 2 0
1 2 −1 1 0
0] ~ [1 2 −1 1 0]
𝐿3 ←𝟏𝐿3 +(−𝟐)𝐿2
~ [0 −1 2 1
0 −1 2 1 0
0 0 0 0 0
Portanto, temos o seguinte sistema equivalente:
𝑥 + 2𝑦 − 𝑧 + 𝑤 = 0
{
𝑥 − 𝑦 + 2𝑧 + 𝑤 = 0
Veja que o sistema anterior é escalonado, pois o número de incógnitas diminui de equação para equação.
07101203540 - Jefferson
Aula 05
Trata-se de um sistema escalonado cujo número de equações (2) é menor do que o número de incógnitas
(4). Logo, além de ser homogêneo, temos um sistema possível e indeterminado (SPI).
Apesar de termos infinitas soluções, essas soluções do sistema linear se comportam de uma maneira
específica, pois devem ser solução das duas equações obtidas no sistema escalonado.
Para expressar essas infinitas soluções, é necessário fixar algumas variáveis, considerando elas como se
fossem conhecidas.
Como temos 2 equações e 4 incógnitas, faltam-nos 4 − 2 = 2 equações. Portanto, é necessário fixar 𝟐

variáveis.
Vamos, portanto, fixar as variáveis 𝒛 e 𝒘, as quais chamaremos de variáveis livres. Nosso sistema
escalonado fica assim:
𝑥 + 2𝑦 − 𝑧 + 𝑤 = 0
{ 𝑥 − 𝑦 + 2𝑧 + 𝑤 = 0
𝑧 =𝒛
𝑤=𝒘
Agora que temos os valores de 𝑧 e de 𝑤 fixados, podemos resolver o sistema. A partir da segunda equação,
temos:
−𝑦 + 2𝑧 + 𝑤 = 0
𝑦 = −2𝒛 − 𝒘
A partir da primeira equação, temos:
𝑥 + 2𝑦 − 𝒛 + 𝒘 = 0
𝑥 + 2(−2𝒛 − 𝒘) − 𝒛 + 𝒘 = 0
𝑥 − 4𝒛 − 2𝒘 − 𝒛 + 𝒘 = 0
𝑥 = 5𝒛 + 𝒘
Portanto, a solução do Sistema Linear Homogêneo (𝑥, 𝑦, 𝑧, 𝑤) é dada por:
𝑆 = {(5𝑧 + 𝑤; −2𝑧 − 𝑤; 𝑧; 𝑤)| 𝑧, 𝑤 ∈ R}
07101203540 - Jefferson
Aula 05
Perceba que nesse conjunto-solução capturamos todas as possíveis soluções para o SLH em questão.
Se fizermos 𝑧 = 1 e 𝑤 = 2, os valores de 𝑥 e de 𝑦 necessariamente devem ser:
𝑥 = 5𝑧 + 𝑤
= 5.1 + 2
=7
𝑦 = −2𝑧 − 𝑤
= −2.1 − 2
= −4
Observe, portanto, que (𝑥, 𝑦, 𝑧, 𝑤) = (7, −4, 1,2) é uma das infinitas soluções do sistema.
Note que a quádrupla ordenada 𝑺 = {(𝟓𝒛 + 𝒘; −𝟐𝒛 − 𝒘; 𝒛; 𝒘)| 𝒛, 𝒘 ∈ 𝐑}, que representa as soluções do
Sistema Linear Homogêneo em questão, é um subespaço de 𝐑𝟒 .
Professor, por que aquela quádrupla ordenada é subespaço de R4 ?
Bom, acabamos de ver que o conjunto 𝑺 das soluções de um Sistema Linear Homogêneo é um subespaço
do 𝐑𝐧 , em que 𝒏 é o número de incógnitas do sistema. Caso você não esteja satisfeito com isso, abaixo
mostraremos que essa solução específica é subespaço de R4 .
Sabemos que Rn é um espaço vetorial para qualquer valor de 𝑛. Note, ainda, que 𝑆 ⊂ R4 .
Para que 𝑆 seja um subespaço de R4 , devemos concluir que:
• O elemento neutro da soma pertence a 𝑺;
• A soma é fechada em 𝑺; e
• A multiplicação por escalar é fechada em 𝑺.
Vamos mostrar que esses três requisitos são atendidos.
07101203540 - Jefferson
Aula 05
O elemento neutro da soma pertence a 𝑺

Pessoal, é claro que o elemento (0, 0, 0, 0) pertence ao conjunto de soluções do SLH. Trata-se da solução
trivial! Pois bem, fazendo 𝑧 = 𝑤 = 0, temos:
(5𝑧 + 𝑤; −2𝑧 − 𝑤; 𝑧; 𝑤) = (5.0 + 0; −2.0 − 0; 0; 0)
= (0; 0; 0; 0) ∈ 𝑆
A soma é fechada em 𝑺
Sejam 𝑢 e 𝑣 elementos de 𝑆. Podemos escrever:
𝑢 = (5𝑧1 + 𝑤1 ; −2𝑧1 − 𝑤1 ; 𝑧1 ; 𝑤1 )
𝑣 = (5𝑧2 + 𝑤2 ; −2𝑧2 − 𝑤2 ; 𝑧2 ; 𝑤2 )
Note que:
𝑢 + 𝑣 = (5(𝒛𝟏 + 𝒛𝟐 ) + (𝒘𝟏 + 𝒘𝟐 ); −2. (𝒛𝟏 + 𝒛𝟐 ) − (𝒘𝟏 + 𝒘𝟐 ); (𝒛𝟏 + 𝒛𝟐 ); (𝒘𝟏 + 𝒘𝟐 )) ∈ 𝑆
Para ficar mais claro, podemos dizer que 𝑧3 = 𝑧1 + 𝑧2 e 𝑤3 = 𝑤1 + 𝑤2 . Ficamos com:

𝑢 + 𝑣 = (5𝒛𝟑 + 𝒘𝟑 ; −2𝒛𝟑 − 𝒘𝟑 ; 𝒛𝟑 ; 𝒘𝟑 ) ∈ 𝑆
Como 𝑢 + 𝑣 ∈ 𝑆, a soma é fechada em 𝑺.
A multiplicação por escalar é fechada em 𝑺

Tomando um escalar 𝛼 ∈ 𝑅 e o vetor 𝑢 ∈ 𝑆, temos:
𝛼𝑢 = (5𝑧1 + 𝑤1 ; −2𝑧1 − 𝑤1 ; 𝑧1 ; 𝑤1 )
= (𝛼(5𝑧1 + 𝑤1 ); 𝛼(−2𝑧1 − 𝑤1 ); 𝛼𝑧1 ; 𝛼𝑤1 )
= (5(𝜶𝒛𝟏 ) + (𝜶𝒘𝟏 ); −2(𝜶𝒛𝟏 ) − (𝜶𝒘𝟏 ); (𝜶𝒛𝟏 ); (𝜶𝒘𝟏 )) ∈ 𝑆
Note que 𝛼𝑢 pertence a 𝑆. Para ficar mais claro, podemos dizer que 𝑧4 = 𝛼𝑧1 e 𝑤3 = 𝛼𝑤1. Ficamos com:
𝛼𝑢 = (5𝒛𝟒 + 𝒘𝟒 ; −2𝒛𝟒 − 𝒘𝟒 ; 𝒛𝟒 ; 𝒘𝟒 ) ∈ 𝑆
Como 𝛼𝑢 ∈ 𝑆, a multiplicação por escalar é fechada em 𝑺.

Logo, como os três requisitos foram atendidos, 𝑺 é subespaço vetorial de 𝐑𝟒 .
07101203540 - Jefferson
Aula 05
Note que a quádrupla ordenada que é a solução do SLH pode ser escrita do seguinte modo:
(5𝑧 + 𝑤, −2𝑧 − 𝑤, 𝑧, 𝑤) = 𝒛(5, −2,1,0) + 𝒘(1, −1,0,1)
Portanto, como 𝒛 e 𝒘 são quaisquer números reais, a solução do sistema linear homogêneo em questão
pode ser escrita como combinação linear de dois vetores do 𝐑𝟒 : (5, −2,1,0) e (1, −1,0,1).
Como todas as soluções do SLH em questão são combinações lineares de (5, −2,1,0) e (1, −1,0,1),
podemos dizer que o conjunto 𝑺 das soluções do SLH é o espaço gerado pelos vetores (𝟓, −𝟐, 𝟏, 𝟎) e
(𝟏, −𝟏, 𝟎, 𝟏).
Além disso, como os vetores (5, −2,1,0) e (1, −1,0,1) são Linearmente Independentes (LI), esses vetores
formam uma base para o subespaço vetorial 𝑺. Veja, portanto, que a dimensão do subespaço 𝑺 das
soluções do SLH é igual ao número de variáveis livres atribuídas.
A dimensão do conjunto-solução 𝑺 de um Sistema Linear Homogêneo (SLH) é o número

de variáveis livres que devem ser atribuídas ao sistema escalonado.
dim 𝑆 = (Núm. de variáveis livres do sistema escalonado)
= (Núm. variávies do sistema) − (Núm. equações do sistema escalonado)
1 1 1
(IF SUL/2018) Considerando a matriz 𝐴 = (3 −1 1) e sendo 𝑆 um subespaço vetorial do R3 das
1 5 3
soluções da equação 𝐴𝑋 = 0, tem-se que a dimensão de 𝑆 é
a) 0
b) 1
c) 2
d) 3
Comentários:
07101203540 - Jefferson
Aula 05
Note que 𝐴𝑋 = 0 é um Sistema Linear Homogêneo, em que 𝐴 é a matriz incompleta do sistema.

𝐴𝑋 = 0
1 1 1 𝑥 0
[3 −1 1] [𝑦] = [0]
1 5 3 𝑧 0
1𝑥 + 1𝑦 + 1𝑧 0
[3𝑥 − 1𝑦 + 1𝑧] = [0]
1𝑥 + 5𝑦 + 3𝑧 0
1𝑥 + 1𝑦 + 1𝑧 = 0
→ {3𝑥1 − 𝑦 + 1𝑧 = 0
1𝑥 + 5𝑦 + 3𝑧 = 0
Escalonando a matriz completa do sistema, temos:

1 −1 1 0 𝐿 ←𝟏𝐿 +(−𝟑)𝐿 1 −1 −1 0 𝐿 ←𝟏𝐿 +(−𝟏)𝐿 1 −1 −1 0 𝐿2 𝐿3 1 −1 −1 0
2 2 1 2 2 1
[3 −1 1 0] ~ [0 −4 −2 0] ~ [0 −4 −2 0] ~ [0 −4 −2 0]
1 −5 3 0 1 −5 −3 0 0 −4 −2 0 0 −4 −2 0
1 1 1 0
𝐿3 ←𝟏𝐿3 +(𝟏)𝐿2 1 1 1 0
~ [0 4 2 0] ~ [ ]
0 4 2 0
0 0 0 0
Portanto, temos o seguinte sistema equivalente:

𝑥 + 1𝑦 + 1𝑧 = 0
{
𝑥 + 4𝑦 + 2𝑧 = 0
Como temos 2 equações e 3 incógnitas, falta-nos 3 − 2 = 1 equação. Portanto, é necessário atribuir uma
variável livre.
Como é necessária apenas 1 variável livre, a dimensão de 𝑺 é 1. O gabarito, portanto, é letra B.
Para fins didáticos, vamos resolver o sistema. Fixando a variável 𝒛, temos:

𝑥 + 1𝑦 + 1𝑧 = 0
{𝑥 + 4𝑦 + 2𝑧 = 0
𝑥 + 4𝑦 + 2𝒛 = 𝒛
A partir da segunda equação, temos:

4𝑦 + 2𝒛 = 0
4𝑦 = −2𝒛
1
𝑦=− 𝒛
2
07101203540 - Jefferson
Aula 05

𝑥+𝑦+𝑧 = 0
1
𝑥− 𝒛+𝒛 =0
2
1
𝑥+ 𝒛=0
2
1
𝑥=− 𝒛
2
Portanto, o conjunto-solução 𝑆 do Sistema Linear Homogêneo (SLH) é:

1 1
𝑆 = {(− z; − 𝑧; 𝑧) | 𝑧 ∈ R}
2 2
Podemos escrever a tripla ordenada do seguinte modo:

1 1 1 1
(− z; − 𝑧; 𝑧) = 𝑧 (− , − , 1)
2 2 2 2
1 1
Como todas as soluções do SLH são combinações lineares do vetor (− 2 , − 2 , 1), podemos dizer que 𝑆 é o
1 1
espaço gerado pelo vetor (− 2 , − 2 , 1). Além disso, como um único vetor não nulo forma um conjunto LI,
temos que esse único vetor forma uma base para 𝑆. Logo, a dimensão do espaço 𝑆 é 1.
Gabarito: Letra B.
07101203540 - Jefferson
Aula 05
Relação de inclusão e igualdade entre subespaços
Relação de inclusão entre subespaços
Considere um espaço vetorial 𝑉em que:
 𝑆1 e 𝑆2 são subespaços;
 𝑆1 = [𝐺1 ] = [𝑢1 , 𝑢2 , … , 𝑢𝑛 ]; e
 𝑆2 = [𝐺2 ] = [𝑤1 , 𝑤2 , … , 𝑤𝑟 ].
Temos que:
𝑆1 ⊂ 𝑆2 se e somente se 𝐺1 ⊂ 𝑆2
Em outras palavras, para que um subespaço esteja contido em outro, basta garantir que o conjunto
gerador do primeiro subespaço esteja contido no segundo subespaço.
Note que uma forma de garantir que isso ocorra é verificar se todos os elementos de 𝑮𝟏 são combinação
linear de elementos de 𝑮𝟐 . Isso porque, pela definição de subespaço gerado, 𝑆2 é o subespaço dos vetores
que são combinações lineares dos vetores de 𝐺2 .
Considere:
• O subespaço 𝑺𝟏 de 𝑹𝟒 gerado pelos vetores 𝒖𝟏 = (𝟐, 𝟎, 𝟑, 𝟎) e 𝒖𝟐 = (𝟎, 𝟎, 𝟑, 𝟎); e
• O subespaço 𝑺𝟐 de 𝑹𝟒 gerado pelos vetores 𝒘𝟏 = (𝟏, 𝟏, 𝟎, 𝟎), 𝒘𝟐 = (𝟎, 𝟏, 𝟎, 𝟎) e 𝒘𝟑 = (𝟏, 𝟏, 𝟏, 𝟎).
Julgue o item a seguir:
𝑺𝟏 ⊂ 𝑺 𝟐
Comentários:
O conjunto gerador de 𝑆1 é dado por:
𝐺1 = {𝑢1 , 𝑢2 } = {(2, 0, 3,0), (0,0,3,0)}
O conjunto gerador de 𝑆2 é dado por:

𝐺2 = {𝑤1 , 𝑤2 , 𝑤3 } = {(1,1,0,0), (0,1,0,0), (1,1,1,0)}
07101203540 - Jefferson
Aula 05
Note que 𝒖𝟏 = −𝒘𝟏 − 𝟐𝒘𝟐 + 𝟑𝒘𝟑 , pois:

(2, 0, 3,0) = −1. (1,1,0,0)
⏟ ⏟ − 2. (0,1,0,0)
⏟ + 3. (1,1,1,0)
⏟
𝑢1 𝑤1 𝑤2 𝑤3
Além disso, 𝒖𝟐 = −𝟑𝒘𝟏 + 𝟎𝒘𝟐 + 𝟏𝒘𝟑

(0, 0, 3,0) = −3. (1,1,0,0)
⏟ ⏟ + 0. (0,1,0,0)
⏟ + 1. (1,1,1,0)
⏟
𝑢2 𝑤1 𝑤2 𝑤3
Como os elementos do conjunto gerador de 𝑆1 podem ser escritos como combinação linear dos elementos
do conjunto gerador de 𝑆2 , temos que 𝑆1 ⊂ 𝑆2 .
Igualdade entre subespaços
Uma vez que sabemos determinar quando um subespaço está contido em outro, a igualdade entre dois
subespaços 𝑆1 e 𝑆2 de um espaço vetorial 𝑉 ocorre quando 𝑺𝟏 ⊂ 𝑺𝟐 e 𝑺𝟐 ⊂ 𝑺𝟏 .
Considere o espaço vetorial 𝑉 e os subespaços 𝑆1 e 𝑆2 desse espaço vetorial. Temos que:
𝑺𝟏 ⊂ 𝑺𝟐
𝐒𝟏 = 𝐒𝟐 se e somente se { 𝐞
𝑺𝟐 ⊂ 𝑺𝟏
(IF SUL/2010) Seja o subespaço 𝑼 de 𝐑𝟒 gerado pelos vetores 𝒖𝟏 = (𝟐, 𝟏, −𝟏, 𝟐), 𝒖𝟐 = (𝟑, 𝟒, 𝟐, −𝟏) e
𝒖𝟑 = (𝟎, −𝟓, −𝟕, 𝟖), e o subespaço 𝑾 de 𝐑𝟒 gerado pelos vetores 𝒘𝟏 = (𝟐, −𝟒, −𝟖, 𝟏𝟎), e
𝒘𝟐 = (−𝟐, −𝟔, −𝟔, 𝟔). Então afirma-se que
a) 𝑈 = 𝑊
b) 𝑑𝑖𝑚(𝑈) > 𝑑𝑖𝑚(𝑊)
c) 𝑑𝑖𝑚(𝑈) < 𝑑𝑖𝑚(𝑊)
d) 𝑑𝑖𝑚(𝑈) = 𝑑𝑖𝑚(𝑊) = 𝑑𝑖𝑚(R4 )
Comentários:
07101203540 - Jefferson
Aula 05
Sabemos que a dimensão do espaço vetorial R4 é igual a 4. Como o subespaço 𝑈 é gerado por 2 vetores e o
subespaço 𝑉 é gerado por 3 vetores, necessariamente eles não têm dimensão 4. Nesse caso, podemos
eliminar a alternativa D.
Vamos determinar a dimensão dos subespaços 𝑈 e 𝑊 obtendo bases para esses dois subespaços.
Para obter uma base para o subespaço 𝑈 = [𝑢1 , 𝑢2 , 𝑢3 ], vamos escalonar a matriz com os vetores 𝑢1 , 𝑢2 e
𝑢3 .
2 −1 −1 −2 2 −1 −1 −2
2 −1 −1 −2 𝐿2 ←𝟏𝐿2 +(−𝟑𝟐)𝐿1 5 7 𝐿3 ←𝟏𝐿3 +(𝟐)𝐿2 5 7
[3 −4 −2 −1] ~ [0 − − −4] ~ [0 − − −4]
0 −5 −7 −8 2 2 2 2
0 −5 −7 −8 0 −0 −0 −0
5 7
Note que 𝐵𝑢 = {(2,1, −1,2), (0, 2 , 2 , −4)} é uma base de 𝑈 e, portanto:
• 𝑈 = [𝐵𝑢 ]; e
• dim 𝑈 = 2
Para obter uma base para o subespaço 𝑊 = [𝑤1 , 𝑤2 ], vamos escalonar a matriz com os vetores 𝑤1 e 𝑤2 .
−2 −4 −8 10 𝐿2 ←𝐿2 +(𝟏)𝐿1 2 0 − 4 0−8 10
[ ] ~ [ ]
−2 −6 −6 6 0 −10 −14 16
Note que 𝐵𝑤 = {(2, −4, −8,10), (0, −10, −14, 16)} é uma base de 𝑊 e, portanto:
• 𝑊 = [𝐵𝑤 ]; e
• dim 𝑊 = 2.
Como a dimensão de 𝑈 e de 𝑊 são iguais, podemos eliminar as alternativas B e C. Por exclusão,

poderíamos marcar a alternativa A como correta.
É importante que você saiba, porém, que o fato de as dimensões dos subespaços 𝑼 e 𝑾 serem iguais não
significa que os subespaços são necessariamente iguais.
Para fins didáticos, vamos provar que, para o exemplo dado na questão, 𝑈 = 𝑊. Para tanto, devemos
mostrar que:
• 𝑈 ⊂ 𝑊; e
• 𝑊 ⊂ 𝑈.
07101203540 - Jefferson
Aula 05
Como 𝑈 = [𝐵𝑢 ] e 𝑊 = [𝐵𝑤 ], devemos mostrar que:

• Os vetores de 𝐵𝑢 podem ser escritos como combinação linear dos vetores de 𝐵𝑤 ; e
• Os vetores de 𝐵𝑤 podem ser escritos como combinação linear dos vetores de 𝐵𝑢 .
Os vetores de 𝑩𝒖 podem ser escritos como combinação linear dos vetores de 𝑩𝒘

Note que:
1
(2,1, −1,2) = 1. (2, −4, −8,10) − (0, −10, −14, 16)
2
5 7 1
(0, , , −4) = 0. (2, −4, −8,10) − (0, −10, −14, 16)
2 2 4
Logo, os vetores de 𝐵𝑢 podem ser escritos como combinação linear dos vetores de 𝐵𝑤 . Portanto, 𝑈 ⊂ 𝑊.
Os vetores de 𝑩𝒘 podem ser escritos como combinação linear dos vetores de 𝑩𝒖

Note que:
5 7
(2, −4, −8,10) = 1. (2,1, −1,2) − 2. (0, , , −4)
2 2
5 7
(0, −10, −14, 16) = 0. (2,1, −1,2) − 4 (0, , , −4)
2 2
Logo, os vetores de 𝐵𝑤 podem ser escritos como combinação linear dos vetores de 𝐵𝑢 . Portanto, 𝑊 ⊂ 𝑈.
Logo, como 𝑼 ⊂ 𝑾 e 𝑾 ⊂ 𝑼, temos que 𝑼 = 𝑾.

Gabarito: Letra A.
07101203540 - Jefferson
Aula 05
Soma, intersecção e união de subespaços
Soma de subespaços
Sejam 𝑊1 e 𝑊2 subespaços vetoriais de um espaço vetorial 𝑉. Então, o conjunto 𝑾𝟏 + 𝑾𝟐 é um

𝑊1 + 𝑊2 = {𝑤1 + 𝑤2 | 𝑤1 ∈ 𝑊1 e 𝑤2 ∈ 𝑊2 }
Demonstre que, se 𝑾𝟏 e 𝑾𝟐 são subespaços de 𝑽, então 𝑾𝟏 + 𝑾𝟐 é subespaço vetorial de 𝑽.

Comentários:
Para demonstrar o teorema, devemos concluir que:
• O elemento neutro da soma pertence a 𝑾𝟏 + 𝑾𝟐 ;
• A soma é fechada em 𝑾𝟏 + 𝑾𝟐 ; e
• A multiplicação por escalar é fechada em 𝑾𝟏 + 𝑾𝟐 .
O elemento neutro da soma pertence a 𝑾𝟏 + 𝑾𝟐

O elemento neutro de fato pertence a 𝑊1 + 𝑊2 . Isso porque, como 𝑊1 e 𝑊2 são espaços vetoriais (por
serem subespaços), temos:
𝑜 ∈ 𝑊1 e 𝑜 ∈ 𝑊2
Consequentemente, por conta da definição do conjunto 𝑊1 + 𝑊2 , temos:
⏟
𝑜 + ⏟
𝑜 = 𝑜 ∈ 𝑊1 + 𝑊2
∈ 𝑊1 ∈ 𝑊2
A soma é fechada em 𝑾𝟏 + 𝑾𝟐
Considere dois vetores 𝑢 e 𝑣 do conjunto 𝑊1 + 𝑊2 . Podemos escrever:
𝑢 = 𝒘𝟏𝑢 + 𝒘𝟐𝑢 , com 𝒘𝟏𝑢 ∈ 𝑾𝟏 e 𝒘𝟐𝑢 ∈ 𝑾𝟐
𝑣 = 𝒘𝟏𝑣 + 𝒘𝟐𝑣 , com 𝒘𝟏𝑣 ∈ 𝑾𝟏 e 𝒘𝟐𝑣 ∈ 𝑾𝟐
Como 𝑊1 e 𝑊2 são subespaços de 𝑉, a soma é fechada tanto em 𝑊1 quanto em 𝑊2 . Então:

𝒘𝟏𝑢 + 𝒘𝟏𝑣 ∈ 𝑾𝟏
𝒘𝟐𝑢 + 𝒘𝟐𝑣 ∈ 𝑾𝟐
07101203540 - Jefferson
Aula 05
Note, portanto, que 𝑢 + 𝑣 ∈ 𝑊1 + 𝑊2 , pois:

𝑢 + 𝑣 = (𝒘𝟏𝑢 + 𝒘𝟐𝑢 ) + (𝒘𝟏𝑣 + 𝒘𝟐𝑣 )
(𝒘𝟏𝑢 + 𝒘𝟏𝑣 ) + ⏟
=⏟ (𝒘𝟐𝑢 + 𝒘𝟐𝑣 ) ∈ 𝑊1 + 𝑊2
∈ 𝑊1 ∈ 𝑊2
Como 𝑢 + 𝑣 ∈ 𝑊1 + 𝑊2 , a soma é fechada em 𝑾𝟏 + 𝑾𝟐 .
A multiplicação por escalar é fechada em 𝑾𝟏 + 𝑾𝟐

Como 𝑊1 e 𝑊2 são subespaços de 𝑉, a multiplicação por escalar é fechada tanto em 𝑊1 quanto em 𝑊2 .
Então:
𝛼𝒘𝟏𝑢 ∈ 𝑾𝟏
𝛼𝒘𝟐𝑢 ∈ 𝑾𝟐
Note, portanto, que 𝛼𝑢 ∈ 𝑊1 + 𝑊2, pois:
𝛼𝑢 = 𝛼(𝒘𝟏𝑢 + 𝒘𝟐𝑢 )
=⏟
𝛼𝒘𝟏𝑢 + ⏟
𝛼𝒘𝟐𝑢 ∈ 𝑊1 + 𝑊2
∈ 𝑊1 ∈ 𝑊2
Como 𝛼𝑢 ∈ 𝑊1 + 𝑊2, a multiplicação por escalar é fechada em 𝑾𝟏 + 𝑾𝟐 .

Logo, como os três requisitos foram atendidos, 𝑾𝟏 + 𝑾𝟐 é subespaço vetorial de 𝑽.
Agora que você conhece a demonstração do teorema da soma de subespaços, responda a seguinte
questão:
(ANPEC/2022) Seja 𝑉 um espaço vetorial sobre os números reais. Classifique o seguinte item como certo
ou errado:
Se 𝑊1 e 𝑊2 são subespaços vetoriais de 𝑉, então o conjunto {𝑤1 − 𝑤2 : 𝑤1 ∈ 𝑊1 , 𝑤2 ∈ 𝑊2 } também é um
subespaço vetorial de 𝑉.
Comentários:
A questão nos diz que 𝑊1 e 𝑊2 são subespaços vetoriais de um espaço vetorial 𝑉. Na sequência, pergunta
se 𝑾𝟏 − 𝑾𝟐 é um subespaço vetorial de 𝑽, em que:
𝑊1 − 𝑊2 = {𝑤1 − 𝑤2 | 𝑤1 ∈ 𝑊1 e 𝑤2 ∈ 𝑊2 }
07101203540 - Jefferson
Aula 05
Para que 𝑊1 − 𝑊2 seja um subespaço de 𝑉, devemos concluir que:

• O elemento neutro da soma pertence a 𝑾𝟏 − 𝑾𝟐 ;
• A soma é fechada em 𝑾𝟏 − 𝑾𝟐 ; e
• A multiplicação por escalar é fechada em 𝑾𝟏 − 𝑾𝟐 .
O elemento neutro da soma pertence a 𝑾𝟏 − 𝑾𝟐

O elemento neutro de fato pertence a 𝑊1 − 𝑊2 . Isso porque, como 𝑊1 e 𝑊2 são espaços vetoriais (por
𝑜 ∈ 𝑊1 e 𝑜 ∈ 𝑊2
Consequentemente, por conta da definição do conjunto 𝑊1 − 𝑊2 , temos:
⏟
𝑜 − ⏟
𝑜 = 𝑜 ∈ 𝑊1 − 𝑊2
∈ 𝑊1 ∈ 𝑊2
A soma é fechada em 𝑾𝟏 − 𝑾𝟐
Considere dois vetores 𝑢 e 𝑣 do conjunto 𝑊1 − 𝑊2 . Podemos escrever:
𝑢 = 𝒘𝟏𝑢 − 𝒘𝟐𝑢 , com 𝒘𝟏𝑢 ∈ 𝑾𝟏 e 𝒘𝟐𝑢 ∈ 𝑾𝟐
𝑣 = 𝒘𝟏𝑣 − 𝒘𝟐𝑣 , com 𝒘𝟏𝑣 ∈ 𝑾𝟏 e 𝒘𝟐𝑣 ∈ 𝑾𝟐
Como 𝑊1 e 𝑊2 são subespaços de 𝑉, a soma é fechada tanto em 𝑊1 quanto em 𝑊2 . Então:

𝒘𝟏𝑢 + 𝒘𝟏𝑣 ∈ 𝑾𝟏
𝒘𝟐𝑢 + 𝒘𝟐𝑣 ∈ 𝑾𝟐
Note, portanto, que 𝑢 + 𝑣 ∈ 𝑊1 − 𝑊2 , pois:

𝑢 + 𝑣 = (𝒘𝟏𝑢 − 𝒘𝟐𝑢 ) + (𝒘𝟏𝑣 − 𝒘𝟐𝑣 )
= (𝒘
⏟ 𝟏𝑢 + 𝒘𝟏𝑣 ) − (𝒘
⏟ 𝟐𝑢 + 𝒘𝟐𝑣 ) ∈ 𝑊1 − 𝑊2
∈ 𝑊1 ∈ 𝑊2
Como 𝑢 + 𝑣 ∈ 𝑊1 − 𝑊2 , a soma é fechada em 𝑾𝟏 − 𝑾𝟐 .
A multiplicação por escalar é fechada em 𝑾𝟏 − 𝑾𝟐

Como 𝑊1 e 𝑊2 são subespaços de 𝑉, a multiplicação por escalar é fechada tanto em 𝑊1 quanto em 𝑊2 .
Então:
𝛼𝒘𝟏𝑢 ∈ 𝑾𝟏
𝛼𝒘𝟐𝑢 ∈ 𝑾𝟐
07101203540 - Jefferson
Aula 05
Note, portanto, que 𝛼𝑢 ∈ 𝑊1 − 𝑊2, pois:

𝛼𝑢 = 𝛼(𝒘𝟏𝑢 − 𝒘𝟐𝑢 )
=⏟
𝛼𝒘𝟏𝑢 − ⏟
𝛼𝒘𝟐𝑢 ∈ 𝑊1 − 𝑊2
∈ 𝑊1 ∈ 𝑊2
Como 𝛼𝑢 ∈ 𝑊1 − 𝑊2, a multiplicação por escalar é fechada em 𝑾𝟏 − 𝑾𝟐 .

Logo, como os três requisitos foram atendidos, 𝑾𝟏 − 𝑾𝟐 é subespaço vetorial de 𝑽.
Gabarito: CERTO.
Uma consequência importante da definição da soma de subespaços é a seguinte:
Sejam 𝑊1 e 𝑊2 subespaços vetoriais de um espaço vetorial 𝑉.
Considere também que 𝑾𝟏 é gerado pelo conjunto de vetores 𝑮𝟏 e 𝑾𝟐 é gerado pelo

conjunto de vetores 𝑮𝟐 . Nesse caso, 𝑾𝟏 + 𝑾𝟐 é gerado por 𝑮𝟏 ∪ 𝑮𝟐 . Isto é:
𝑊1 + 𝑊2 = [𝐺1 ∪ 𝐺2 ]
Considere os seguintes subespaços do 𝐑𝟒 :

• 𝑾𝟏 = [(𝟏, 𝟏, 𝟎, 𝟎), (𝟎, 𝟎, −𝟏, 𝟎)]
• 𝑾𝟐 = {(𝒙, 𝒚, 𝒛, 𝒘) ∈ 𝐑 |𝒙 − 𝒚 = 𝒛 − 𝒘 = 𝟎}
𝒅𝒊𝒎 (𝑾𝟏 + 𝑾𝟐 ) = 𝟑
Comentários:
Note que o subespaço 𝑊1 é gerado pelo seguinte conjunto de vetores:
𝐺1 = {(1,1,0,0), (0,0, −1,0)}
Vamos obter um conjunto gerador para o subespaço 𝑊2 .
07101203540 - Jefferson
Aula 05
Considere um elemento 𝑤2 = (𝑥, 𝑦, 𝑧, 𝑤) ∈ 𝑊2 . Nesse caso, as coordenadas de 𝑤2 obedecem

simultaneamente a duas equações:
𝑥−𝑦+𝑧−𝑤 =0
{
Fixando 𝒚 e 𝒘, temos:
𝑥+𝑧 =𝒚
{
𝑥+𝑧 =𝒘
Logo:
𝑤2 = (𝑥, 𝑦, 𝑧, 𝑤)
= (𝑦, 𝑦, 𝑤, 𝑤)
= 𝑧(1, 1, 0, 0) + 𝑤(0, 0, 1, 1)
Note, portanto, que um conjunto gerador para o subespaço 𝑊2 é:

𝐺2 = {(1, 1, 0, 0), (0, 0, 1, 1)}
Temos que:
𝐺1 ∪ 𝐺2 = {(1,1,0,0), (0,0, −1,0), (1, 1, 0, 0), (0, 0, 1, 1) }
Sabemos que:
𝑊1 + 𝑊2 = [𝐺1 ∪ 𝐺2 ]
Para obter a dimensão de 𝑊1 + 𝑊2 , precisamos obter uma base para 𝑊1 + 𝑊2 .

Como 𝐺1 ∪ 𝐺2 é o conjunto gerador de 𝑊1 + 𝑊2 , podemos obter uma base escalonando a matriz dos
vetores de 𝐺1 ∪ 𝐺2 .
1 1 −0 0 1 1 −0 0 1 1 −0 0 1 1 −0 0
𝐿 ←𝟏𝐿 +(−𝟏)𝐿 𝐿  𝐿 𝐿 ←𝟏𝐿 +(𝟏)𝐿
[0 0 −1 0] [0 0 −1 0] ~ [0 0 −1 0] [0 0 −1 0]
3 3 1 3 4 3 3 2
~ ~
1 1 −0 0 0 0 −0 0 0 0 −1 1 0 0 −0 1
0 0 −1 1 0 0 −1 1 0 0 −0 0 0 0 −0 0
subespaço em questão. Logo, uma base para o subespaço 𝑊1 + 𝑊2 é:
𝐵 = {(1,1,0,0), (0,0, −1,0), (0,0,0,1)}
Portanto, dim(𝑊1 + 𝑊2 ) = 3
Gabarito: CERTO.
07101203540 - Jefferson
Aula 05
Intersecção de subespaços
Sejam 𝑊1 e 𝑊2 subespaços vetoriais de um espaço vetorial 𝑉. Então, a intersecção 𝑾𝟏 ∩ 𝑾𝟐 é um

𝑊1 ∩ 𝑊2 = {𝑣 ∈ 𝑉 | 𝑣 ∈ 𝑊1 e 𝑣 ∈ 𝑊2 }
Em outras palavras, todo elemento do subespaço 𝑊1 ∩ 𝑊2 pertence tanto a 𝑊1 quanto a 𝑊2 .
Demonstre que, se 𝑾𝟏 e 𝑾𝟐 são subespaços de 𝑽, então 𝑾𝟏 ∩ 𝑾𝟐 é subespaço vetorial de 𝑽.

Comentários:
Para que 𝑊1 ∩ 𝑊2 seja um subespaço de 𝑉, devemos concluir que:
• O elemento neutro da soma pertence a 𝑾𝟏 ∩ 𝑾𝟐 ;
• A soma é fechada em 𝑾𝟏 ∩ 𝑾𝟐 ; e
• A multiplicação por escalar é fechada em 𝑾𝟏 ∩ 𝑾𝟐 .
O elemento neutro da soma pertence a 𝑾𝟏 ∩ 𝑾𝟐

O elemento neutro de fato pertence a 𝑊1 ∩ 𝑊2 . Isso porque, como 𝑊1 e 𝑊2 são espaços vetoriais (por
𝑜 ∈ 𝑊1
𝑜 ∈ 𝑊2
Portanto, 𝑜 ∈ 𝑊1 ∩ 𝑊2 .
A soma é fechada em 𝑾𝟏 ∩ 𝑾𝟐
Considere dois elementos 𝑢 e 𝑣 do conjunto 𝑊1 ∩ 𝑊2 . Então:
𝑢, 𝑣 ∈ 𝑊1
𝑢, 𝑣 ∈ 𝑊2
Como 𝑊1 e 𝑊2 são subespaços, temos que a soma é fechada em 𝑊1 e em 𝑊2 . Logo:

𝑢 + 𝑣 ∈ 𝑊1
𝑢 + 𝑣 ∈ 𝑊2
Portanto, 𝑢 + 𝑣 ∈ 𝑊1 ∩ 𝑊2 .
Como 𝑢 + 𝑣 ∈ 𝑊1 ∩ 𝑊2, a soma é fechada em 𝑾𝟏 ∩ 𝑾𝟐 .
07101203540 - Jefferson
Aula 05
A multiplicação por escalar é fechada em 𝑾𝟏 ∩ 𝑾𝟐

Considere o elemento 𝑢 do conjunto 𝑊1 ∩ 𝑊2 . Então:
𝑢 ∈ 𝑊1
𝑢 ∈ 𝑊2
Como 𝑊1 e 𝑊2 são subespaços, temos que a multiplicação por escalar é fechada em 𝑊1 e em 𝑊2 . Logo:
𝛼𝑢 ∈ 𝑊1
𝛼𝑢 ∈ 𝑊2
Portanto:
𝛼𝑢 ∈ 𝑊1 ∩ 𝑊2
Como 𝛼𝑢 ∈ 𝑊1 ∩ 𝑊2 , a multiplicação por escalar é fechada em 𝑾𝟏 ∩ 𝑾𝟐 .
Logo, como os três requisitos foram atendidos, 𝑾𝟏 ∩ 𝑾𝟐 é subespaço vetorial de 𝑽.
Para fins de questões de concurso público, interessa-nos determinar uma base para a intersecção de dois
subespaços. Vejamos um exemplo:
Considere os seguintes subespaços do 𝐑𝟑 :

• 𝑾𝟏 = [(𝟎, −𝟏, 𝟎), (𝟏, 𝟏, 𝟏)]
• 𝑾𝟐 = [(−𝟏, 𝟎, 𝟎), (𝟎, 𝟎, 𝟏)]
𝒅𝒊𝒎 (𝑾𝟏 ∩ 𝑾𝟐 ) = 𝟐
Comentários:
Considere um vetor 𝑤 ∈ 𝑊1 ∩ 𝑊2 . Temos que:
𝑤 ∈ 𝑊1 e 𝑤 ∈ 𝑊2
Como 𝑤 pertence a 𝑊1 e 𝑊2 ao mesmo tempo, 𝑤 pode ser escrito como combinação linear tanto dos
vetores (0, −1, 0) e (1, 1, 1) quanto dos vetores (−1,0,0) e (0,0,1).
Logo, existem escalares 𝛼1 , 𝛼2 , 𝛼3 e 𝛼4 tais que:
𝑤 = 𝛼1 (0, −1,0) + 𝛼2 (1,1,1)
07101203540 - Jefferson
Aula 05
𝑤 = 𝛼3 (−1,0,0) + 𝛼4 (0,0,1)
Portanto:
𝛼1 (0, −1,0) + 𝛼2 (1,1,1) = 𝛼3 (−1,0,0) + 𝛼4 (0,0,1)
(𝛼2 , 𝛼2 − 𝛼1 , 𝛼2 ) = (−𝛼3 , 0, 𝛼4 )
Igualando as coordenadas, temos:

𝛼2 = −𝛼3 𝛼2 = −𝛼3
{𝛼2 − 𝛼1 = 0 → { 𝛼1 = 𝛼2
𝛼2 = 𝛼4 𝛼2 = 𝛼4
Logo, 𝜶𝟏 = 𝜶𝟐 = −𝜶𝟑 = 𝜶𝟒 .
Escrevendo o vetor genérico 𝑤 em função de 𝛼1 , temos:
𝑤 = 𝛼1 (0, −1,0) + 𝛼2 (1,1,1)
= 𝛼1 (0, −1,0) + 𝛼1 (1,1,1)
= 𝛼1 (1, 0,1)
Note, portanto, que 𝑤 ∈ 𝑊1 ∩ 𝑊2 é combinação linear de um único vetor: (1, 0,1). Logo:
𝑊1 ∩ 𝑊2 = [(1, 0,1)]
Como um único vetor diferente do vetor nulo é sempre LI, temos que {(1, 0,1)} é uma base de 𝑊1 ∩ 𝑊2 .
Portanto:
𝑑𝑖𝑚 (𝑊1 ∩ 𝑊2 ) = 1
Gabarito: ERRADO.
(ANPEC/2002) Se 𝑆 é o espaço vetorial gerado pelos vetores (1,2, −1) e (3,0,1) e 𝑇 o espaço vetorial
gerado por (1,2,2) e (2,1,3), então todo vetor que passa pela origem na direção de (−1,1, −1) pertence à
𝑆 ∩ 𝑇.
Comentários:
Se um vetor 𝑣 qualquer apresenta a direção de (−1,1, −1), então existe um escalar 𝛼 tal que:
𝑣 = 𝛼(−1,1, −1)
07101203540 - Jefferson
Aula 05
Par saber se os vetores desse tipo pertencem a 𝑆 ∩ 𝑇, precisamos saber se esses vetores pertencem tanto
a 𝑆 quanto a 𝑇.
Parte 1: 𝒗 ∈ 𝑺
Para que 𝑣 pertença a 𝑆, devem existir escalares 𝛼1 e 𝛼2 tais que:
𝑣 = 𝛼1 (1,2, −1) + 𝛼2 (3,0,1)

𝛼(−1,1, −1) = 𝛼1 (1,2, −1) + 𝛼2 (3,0,1)
(−𝛼, 𝛼, −𝛼) = (𝛼1 + 3𝛼2 , 2𝛼1 , −𝛼1 + 𝛼2 )

2𝛼1 + 3𝛼2 = −𝛼
{ 2𝛼1 + 3𝛼2 = −𝛼
−𝛼1 + 𝛼2 = −𝛼
Da segunda equação, temos:

𝜶
𝜶𝟏 =
𝟐
Substituindo o valor de 𝛼1 na terceira equação, temos:

−𝛼1 + 𝛼2 = −𝛼
𝛼
− + 𝛼2 = −𝛼
2
𝜶
𝜶𝟐 = −
𝟐
Note que os valores obtidos para 𝛼1 e 𝛼2 respeitam a primeira equação:

𝛼1 + 3𝛼2 = −𝛼
𝛼 𝛼
+ 3. (− ) = −𝛼
2 2
−𝛼 = −𝛼
0=0
𝜶
Portanto, 𝑣 = 𝛼(−1,1, −1) ∈ 𝑆, pois 𝑣 pode ser escrito como 𝛼1 (1,2, −1) + 𝛼2 (3,0,1), em que 𝜶𝟏 = 𝟐
𝜶
e 𝜶𝟐 = − 𝟐.
07101203540 - Jefferson
Aula 05
Parte 2: 𝒗 ∈ 𝑻
Para que 𝑣 pertença a 𝑇, devem existir escalares 𝛼3 e 𝛼4 tais que:
𝑣 = 𝛼3 (1, 2, 2) + 𝛼4 (2, 1, 3)

𝛼(−1,1, −1) = 𝛼3 (1, 2, 2) + 𝛼4 (2, 1, 3)
(−𝛼, 𝛼, −𝛼) = (𝛼3 + 2𝛼4 , 2𝛼3 + 𝛼4 , 2𝛼3 + 3𝛼4 )

𝛼3 + 2𝛼4 = −𝛼
{ 2𝛼3 + 𝛼4 = 𝛼
2𝛼3 + 3𝛼4 = −𝛼
Somando as duas primeiras equações, temos:

3𝛼3 + 3𝛼4 = 0
𝜶𝟑 = −𝜶𝟒
Substituindo 𝜶𝟑 = −𝜶𝟒 na primeira equação, temos:

𝛼3 + 2𝛼4 = −𝛼
−𝛼4 + 2𝛼4 = −𝛼
𝜶𝟒 = −𝜶
Como 𝜶𝟑 = −𝜶𝟒 , temos:

𝜶𝟑 = 𝜶
Note que 𝜶𝟑 = 𝜶 e 𝜶𝟒 = −𝜶 satisfazem as três equações do sistema, de modo que não se trata de um
sistema impossível.
Portanto, 𝑣 = 𝛼(−1,1, −1) ∈ 𝑇, pois pode ser escrito como 𝛼3 (1, 2, 2) + 𝛼4 (2, 1, 3), em que 𝜶𝟑 = 𝜶
e 𝜶𝟒 = −𝜶.
Como 𝑣 ∈ 𝑆 e 𝑣 ∈ 𝑇, temos que 𝑣 ∈ 𝑆 ∩ 𝑇. Consequentemente, é verdade que todo vetor que passa pela
origem na direção de (−1,1, −1) pertence à 𝑆 ∩ 𝑇.
Gabarito: CERTO.
07101203540 - Jefferson
Aula 05
Soma direta
Sejam 𝑊1 e 𝑊2 dois subespaços vetoriais de 𝑉 tais que 𝑾𝟏 ∩ 𝑾𝟐 = {𝒐}, em que "𝑜" representa o
elemento neutro.
Nesse caso, dizemos que a soma 𝑾𝟏 + 𝑾𝟐 é a soma direta dos subespaços 𝑋 e 𝑌, e essa soma direta é
representada do seguinte modo:
𝑾𝟏 ⊕ 𝑾𝟐
Logo, se você se deparar com a notação 𝑊1 ⊕ 𝑊2 , você já sabe que ela corresponde à soma dos
subespaços 𝑊1 e 𝑊2 e que a intersecção dos subespaços 𝑾𝟏 e 𝑾𝟐 corresponde ao elemento neutro.
Considere os subespaços 𝑾𝟏 e 𝑾𝟐 do espaço vetorial 𝐑𝟐

𝑾𝟏 = {(𝒙, 𝒚) ∈ 𝐑𝟐 | 𝒚 = 𝟎}
𝑾𝟐 = {(𝒙, 𝒚) ∈ 𝐑𝟐 | 𝒙 = 𝟎}
𝐑𝟐 = 𝑾𝟏 ⊕ 𝑾𝟐
Comentários:
Devemos mostrar que o espaço vetorial R2 é a soma direta dos subespaços 𝑊1 e 𝑊2 . Ou seja, devemos
mostrar que:
• 𝑾𝟏 + 𝑾𝟐 = 𝐑𝟐 ; e
• 𝑾𝟏 ∩ 𝑾𝟐 = {(𝟎, 𝟎)}
Primeiramente, note que 𝑊1 é gerado pelo vetor, (1,0), isto é, 𝑾𝟏 = [(𝟏, 𝟎)]. Isso porque qualquer
elemento de 𝑊1 é da forma (𝑥, 0) = 𝑥(1,0).
Analogamente, 𝑊2 é gerado pelo vetor (0,1), isto é, 𝑾𝟐 = [(𝟎, 𝟏)]. Isso porque qualquer elemento de 𝑊2
é da forma (0, 𝑦) = 𝑦(0, 1).
Observe que 𝑾𝟏 ∩ 𝑾𝟐 = {(𝟎, 𝟎)}, pois para um elemento 𝑤 pertencer a 𝑊1 e a 𝑊2 ao mesmo tempo,
devemos ter:
𝑤 = 𝛼1 (1,0) = 𝛼2 (0, 1)
→ 𝛼1 = 𝛼2 = 0
→ 𝑤 = (0,0)
07101203540 - Jefferson
Aula 05
Além disso, sabemos que se 𝐺1 gera o espaço 𝑊1 e 𝐺2 gera o espaço 𝑊2 , então 𝐺1 ∪ 𝐺2 gera o espaço
𝑊1 + 𝑊2 :
𝑊1 + 𝑊2 = [𝐺1 ∪ 𝐺2 ]
Logo:
𝑊1 + 𝑊2 = [(1,0), (0,1)]
Veja que, além de gerar 𝑊1 + 𝑊2 , o conjunto {(1,0), (0,1)} gera também o espaço R2 , pois trata-se da
base canônica desse espaço. Portanto, 𝐑𝟐 = 𝑾𝟏 + 𝑾𝟐 .
Assim, como 𝐑𝟐 = 𝑾𝟏 + 𝑾𝟐 e 𝑾𝟏 ∩ 𝑾𝟐 = {(𝟎, 𝟎)}, temos que R2 é a soma direta de 𝑊1 e 𝑊2 , isto é:

𝐑𝟐 = 𝑾𝟏 ⊕ 𝑾𝟐
Gabarito: CERTO.
União de subespaços
Quanto à união de dois subespaços vetoriais, você deve saber o seguinte:
A união de dois subespaços vetoriais nem sempre é um subespaço.
Considere, por exemplo, o espaço vetorial das duplas ordenadas 𝐑𝟐 . Tomemos os seguintes subespaços
de R2 :
𝑊1 = {(𝑥, 𝑦) ∈ R2 | 𝑦 = 𝑥}
𝑊2 = {(𝑥, 𝑦) ∈ R2 | 𝑦 = −𝑥}
Considere o elemento 𝑢 = (1, 1) ∈ 𝑊1 e o elemento 𝑣 = (1, −1) ∈ 𝑊2 . Observe que:
𝒖 ∈ 𝑾𝟏 ∪ 𝑾𝟐 , pois 𝑢 ∈ 𝑊1
𝒗 ∈ 𝑾𝟏 ∪ 𝑾𝟐 , pois 𝑣 ∈ 𝑊2
Note que:
𝒖 + 𝒗 = (1, 1) + (1, −1)
= (2,0) ∉ 𝑾𝟏 ∪ 𝑾𝟐
Como a soma não é fechada, 𝑾𝟏 ∪ 𝑾𝟐 não é um subespaço vetorial de 𝐑𝟐 .
07101203540 - Jefferson
Aula 05
Para o exemplo dado, podemos verificar graficamente que 𝑊1 ∪ 𝑊2 não é um espaço vetorial. Observe
que, no plano 𝑥𝑦:
 𝑊1 corresponde aos vetores que partem da origem e que estão na reta 𝑦 = 𝑥; e

 𝑊2 corresponde aos vetores que partem da origem e que estão na reta 𝑦 = −𝑥.
Veja que o vetor 𝑤1 + 𝑤2 = (2,0) não pertence a 𝑊1 ∪ 𝑊2 , pois ele não está em nenhuma das duas retas
que, conjuntamente, representam 𝑊1 ∪ 𝑊2.
(ANPEC/2021) Seja 𝑉 um espaço vetorial sobre os números reais que contém pelo menos um subespaço
vetorial de dimensão 1. Julgue como verdadeira ou falsa a seguinte afirmativa:
Se 𝑊1 e 𝑊2 são subespaços vetoriais de 𝑉, então tanto a união 𝑊1 ∪ 𝑊2 quanto a interseção 𝑊1 ∩ 𝑊2 são
também subespaços vetoriais de 𝑉.
Comentários:
Como vimos na teoria, se 𝑊1 e 𝑊2 são subespaços vetoriais de 𝑉, então:
• A interseção 𝑾𝟏 ∩ 𝑾𝟐 é um subespaço vetorial de 𝑽; e
• A união 𝑾𝟏 ∪ 𝑾𝟐 não necessariamente é um subespaço de 𝑽.
Gabarito: ERRADO.
07101203540 - Jefferson
Aula 05
Sejam 𝑾𝟏 e 𝑾𝟐 subespaços vetoriais de um espaço vetorial 𝑉. Então:
• A interseção 𝑾𝟏 ∩ 𝑾𝟐 é um subespaço vetorial de 𝑽; e
• A união 𝑾𝟏 ∪ 𝑾𝟐 não necessariamente é um subespaço de 𝑽.
Dimensão da soma de subespaços
Um teorema bastante importante com relação à dimensão da soma de subespaços é o seguinte:
Seja 𝑉 um espaço vetorial e 𝑈 e 𝑊 subespaços vetoriais de 𝑉. Então:
𝐝𝐢𝐦(𝑼 + 𝑾) = 𝐝𝐢𝐦 𝑼 + 𝐝𝐢𝐦 𝑾 − 𝐝𝐢𝐦(𝑼 ∩ 𝑾)
Note que, se 𝑼 + 𝑾 for soma direta, isto é, se 𝑈 ∩ 𝑊 = {𝑜}, temos:
dim(𝑈 ∩ 𝑊) = 0
Consequentemente:
𝐝𝐢𝐦(𝑼 + 𝑾) = 𝐝𝐢𝐦 𝑼 + 𝐝𝐢𝐦 𝑾
(PETROBRAS/2018) Seja 𝑉 um espaço vetorial de dimensão 8 e 𝑈1 e 𝑈2 subespaços vetoriais de 𝑉 tais que

𝑉 = 𝑈1 ⊕ 𝑈2 . Sabe-se que 𝑑𝑖𝑚(𝑈2 ) = 𝑑𝑖𝑚(𝑈1 ) + 4.
Sejam ⃗⃗⃗
𝑉1 , ⃗⃗⃗
𝑉2 , ⃗⃗⃗
𝑉3 ∈ 𝑈1 e ⃗⃗⃗
𝑉4 , ⃗⃗⃗
𝑉5 , ⃗⃗⃗
𝑉6 , ⃗⃗⃗
𝑉7 ∈ 𝑈2 , vetores não nulos. Sabe-se que os vetores ⃗⃗⃗
𝑉4 , ⃗⃗⃗
𝑉5 , ⃗⃗⃗
𝑉6 e ⃗⃗⃗
𝑉7
são linearmente dependentes. A maior dimensão que o espaço vetorial gerado por esses 7 vetores pode
ter é
a) 8
b) 7
c) 6
d) 5
e) 4
Comentários:
07101203540 - Jefferson
Aula 05
Note que 𝑽 é a soma direta de 𝑼𝟏 e 𝑼𝟐 . Logo:

𝑈1 ∩ 𝑈2 = {𝑜}
Nesse caso, temos:

𝐝𝐢𝐦(𝑼𝟏 + 𝑼𝟐 ) = 𝐝𝐢𝐦(𝑼𝟏 ) + 𝐝𝐢𝐦(𝑼𝟐 )
dim(𝑉) = dim(𝑈1 ) + dim(𝑈2 )
𝐝𝐢𝐦(𝑼𝟏 ) + 𝐝𝐢𝐦(𝑼𝟐 ) = 𝟖
Substituindo 𝒅𝒊𝒎(𝑼𝟐 ) = 𝒅𝒊𝒎(𝑼𝟏 ) + 𝟒 na equação anterior, temos:

dim(𝑈1 ) + dim(𝑈2 ) = 8
dim(𝑈1 ) + dim(𝑈1 ) + 4 = 8
2 dim(𝑈1 ) = 4
𝐝𝐢𝐦(𝑼𝟏 ) = 𝟐
Além disso, como 𝒅𝒊𝒎(𝑼𝟐 ) = 𝒅𝒊𝒎(𝑼𝟏 ) + 𝟒, temos:

𝑑𝑖𝑚(𝑈2 ) = 𝑑𝑖𝑚(𝑈1 ) + 4
𝑑𝑖𝑚(𝑈2 ) = 2 + 4
𝒅𝒊𝒎(𝑼𝟐 ) = 𝟔
Temos que ⃗⃗⃗⃗

𝑽𝟏 , ⃗⃗⃗⃗
𝑽𝟐 , ⃗⃗⃗⃗
𝑽𝟑 ∈ 𝑈1 . Como esses três vetores pertencem a 𝑼𝟏 e não pertencem a 𝑼𝟐 , podemos
ter no máximo 2 vetores LI, pois 𝐝𝐢𝐦(𝑼𝟏 ) = 𝟐.
Além disso, temos que 𝑽 ⃗⃗⃗⃗𝟒 , ⃗⃗⃗⃗

𝑽𝟓 , ⃗⃗⃗⃗
𝑽𝟔 , ⃗⃗⃗⃗
𝑽𝟕 ∈ 𝑈2 . Como esses quatro vetores pertencem a 𝑼𝟐 e não
pertencem a 𝑼𝟏 , em tese poderíamos ter os 4 vetores LI, pois a dimensão de 𝑈2 é superior a 4. Ocorre que
o enunciado nos diz que esses 4 vetores são LD, de modo que, na melhor das hipóteses, podemos ter no
máximo 3 vetores LI.
Logo, a maior dimensão que o espaço gerado por {𝑉 ⃗⃗⃗1 , ⃗⃗⃗

𝑉2 , ⃗⃗⃗
𝑉3 . ⃗⃗⃗
𝑉4 , ⃗⃗⃗
𝑉5 , ⃗⃗⃗
𝑉6 , ⃗⃗⃗
𝑉7 } ocorre quando, na melhor
das hipóteses, temos 2 + 3 = 5 vetores LI. Portanto, a maior dimensão possível é 5.
Gabarito: Letra D.
07101203540 - Jefferson
Aula 05
Pessoal, considero a questão a seguir uma excelente fonte de revisão, pois ela traz
diversos conceitos aprendidos até o momento.
(IF SUL/2017) Sejam 𝑊1 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ R4 /𝑥 − 𝑧 = 0 e 𝑦 + 𝑡 = 0} e 𝑊2 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ R4 /𝑦 + 𝑧 − 𝑡 =

0} subespaços de R4 . Em relação à 𝑊1 e 𝑊2 , considere as afirmações abaixo:
I. 𝑊1 ∩ 𝑊2 = {(2𝑡, −𝑡, 2𝑡, 𝑡)/𝑡 ∈ R};
II. 𝑊1 + 𝑊2 é chamada soma direta de 𝑊1 com 𝑊2 ;
III. A dimensão da soma 𝑊1 + 𝑊2 é 4.
Está(ão) correta(s) a(s) afirmativa(s)
a) I, apenas.
b) II e III, apenas.
c) I e III, apenas.
d) I, II e III.
Comentários:
Vamos avaliar cada uma das alternativas.
I. 𝑾𝟏 ∩ 𝑾𝟐 = {(𝟐𝒕, −𝒕, 𝟐𝒕, 𝒕) | 𝒕 ∈ 𝐑}. CERTO.

Um elemento 𝒘 = (𝒙, 𝒚, 𝒛, 𝒕) qualquer espaço 𝑊1 ∩ 𝑊2 pertence tanto a 𝑊1 quanto a 𝑊2 . Logo, 𝒘 deve
respeitar simultaneamente as equações de 𝑾𝟏 e de 𝑾𝟐 . Temos, portanto, o seguinte sistema:
𝑥+𝑦−𝑧+𝑡 =0
{𝑥 + 𝑦 + 𝑧 + 𝑡 = 0
𝑥+𝑦+𝑧−𝑡 =0
Podemos escalonar o sistema fazendo 𝐿3 ← 𝟏𝐿3 + (−𝟏)𝐿2 . Ficamos com:

𝑥 + 𝑦 − 𝑧 + 0𝑡 = 0
~ {𝑥 + 𝑦 + 𝑧 + 0𝑡 = 0
𝑥 + 𝑦 + 𝑧 − 2𝑡 = 0
Como temos 3 equações e 4 incógnitas, falta-nos 4 − 3 = 1 equação. Portanto, é necessário fixar uma
variável. Fixando a variável 𝒕, temos:
07101203540 - Jefferson
Aula 05
𝑥 + 𝑦 − 𝑧 + 0𝑡 = 0
𝑥 + 𝑦 + 𝑧 + 0𝑡 = 0
{
𝑥 + 𝑦 + 𝑧 − 2𝑡 = 0
𝑥 + 𝑦 + 𝑧 − 2𝑡 = 𝒕
A partir da terceira equação, temos:

𝑧 − 2𝑡 = 0
𝑧 = 2𝒕
A partir da segunda equação, temos:

𝑦+𝑡 =0
𝑦 = −𝒕

𝑥−𝑧 =0
𝑥=𝑧
𝑥 = 2𝒕
Portanto, um elemento 𝑤 = (𝑥, 𝑦, 𝑧, 𝑡) do espaço 𝑊1 ∩ 𝑊2, que é solução do sistema desenvolvido, é dado
por:
𝑤 = (𝑥, 𝑦, 𝑧, 𝑡)
= (2𝑡, −𝑡, 2𝑡, 𝑡)
Logo, 𝑊1 ∩ 𝑊2 = {(2𝑡, −𝑡, 2𝑡, 𝑡)| 𝑡 ∈ R}.
II. 𝑾𝟏 + 𝑾𝟐 é chamada soma direta de 𝑾𝟏 com 𝑾𝟐 . ERRADO.

Para que 𝑊1 + 𝑊2 fosse a soma direta, deveríamos ter 𝑊1 ∩ 𝑊2 = {(0, 0, 0,0)}. Na afirmação anterior,
obtivemos 𝑊1 ∩ 𝑊2 = {(2𝑡, −𝑡, 2𝑡, 𝑡)| 𝑡 ∈ R}.
III. A dimensão da soma 𝑾𝟏 + 𝑾𝟐 é 𝟒. CERTO.

Para obter a dimensão da soma 𝑊1 + 𝑊2 , poderíamos seguir os seguintes passos:
• Obter um conjunto gerador 𝐺1 para 𝑊1 ;
• Obter um conjunto gerador 𝐺2 para 𝑊2 ;
• Observar que 𝑊1 + 𝑊2 é o espaço gerado por 𝐺1 ∪ 𝐺2 , isto é, 𝑊1 + 𝑊2 = [𝐺1 ∪ 𝐺2 ];
• Escalonar a matriz com os vetores de 𝐺1 ∪ 𝐺2 , obtendo uma base para 𝑊1 + 𝑊2 .
07101203540 - Jefferson
Aula 05
Nesse caso, obtida a base para 𝑊1 + 𝑊2 , a dimensão da soma corresponderia ao número elementos da
base.
Uma forma mais rápida de obter a dimensão da soma 𝑊1 + 𝑊2 é utilizar a seguinte relação:
𝐝𝐢𝐦(𝑾𝟏 + 𝑾𝟐 ) = 𝐝𝐢𝐦 𝑾𝟏 + 𝐝𝐢𝐦 𝑾𝟐 − 𝐝𝐢𝐦(𝑾𝟏 ∩ 𝑾𝟐 )
Note que a dimensão de 𝑾𝟏 é 2, pois temos um sistema escalonado em que são necessárias duas
variáveis livres.
𝑥 + 𝑦 − 𝑧 + 0𝑡 = 0
{
𝑥 + 𝑦 + 𝑧 + 0𝑡 = 0
dim 𝑊1 = (Núm. variávies do sistema) − (Núm. equações do sistema escalonado)

=4−2
=2
Além disso, a dimensão de 𝑾𝟐 é 3, pois temos um sistema escalonado em que são necessárias três
variáveis livres.
{𝑦 + 𝑧 − 𝑡 = 0
dim 𝑊2 = (Núm. variávies do sistema) − (Núm. equações do sistema escalonado)
=4−1
=3
Finalmente, como pode ser depreendido da primeira afirmação do problema, a dimensão de 𝑊1 ∩ 𝑊2 é 1,

pois um elemento 𝑤 desse subespaço pode ser escrito assim:
𝑤 = (2𝑡, −𝑡, 2𝑡, 𝑡)
= 𝑡(2, −1, 2, 1)
Logo:
dim(𝑊1 + 𝑊2 ) = dim 𝑊1 + dim 𝑊2 − dim(𝑊1 ∩ 𝑊2 )
dim(𝑊1 + 𝑊2 ) = 2 + 3 − 1
𝐝𝐢𝐦(𝑾𝟏 + 𝑾𝟐 ) = 𝟒
Portanto, estão corretas as afirmativas I e III, apenas.

Gabarito: Letra C.
07101203540 - Jefferson
Aula 05
Mudança de base
Assim como se faz mudança de base para vetores do 𝐑𝟑 , podemos utilizar esse conceito para um espaço
vetorial 𝑽 qualquer.
Caso você tenha estudado mudança de base no contexto de vetores do R3 , você verá que a ideia
permanece a mesma.
Matriz de mudança de base
Considere 𝐸 = {𝑒1 , 𝑒2 , … , 𝑒𝑛 } e 𝐹 = {𝑓1 , 𝑓2 , … , 𝑓𝑛 } duas bases ordenadas de um espaço vetorial 𝑉.
Sabemos que a base 𝐹 pode ser como combinação linear dos elementos da base 𝐸, pois os elementos de 𝐸
pertencem ao espaço vetorial 𝑉. Logo, podemos escrever:
𝑓1 = 𝑎11 𝑒1 + 𝑎21 𝑒2 + ⋯ + 𝑎𝑛1 𝑒𝑛

𝑓2 = 𝑎12 𝑒1 + 𝑎22 𝑒2 + ⋯ + 𝑎𝑛2 𝑒𝑛
...
𝑓𝑛 = 𝑎1𝑛 𝑒1 + 𝑎2𝑛 𝑒2 + ⋯ + 𝑎𝑛𝑛 𝑒𝑛
Suponha agora que sabemos que o vetor 𝑣 apresenta as coordenadas 𝑦1 , 𝑦2 , ..., 𝑦𝑛 na base 𝐹. O vetor 𝑣
pode ser representado dos seguintes modos:
𝑦1
𝑦2
[𝑣]𝐹 = [| … |]
𝑦𝑛 𝐹
[𝑣]𝐹 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 )𝐹
[𝑣]𝐹 = 𝑦1 𝑓1 + 𝑦2 𝑓2 + ⋯ + 𝑦𝑛 𝑓𝑛
O problema que queremos resolver é o seguinte: uma vez que temos a base 𝐹 escrita na base 𝐸 e também
temos as coordenadas de 𝑣 na base 𝐹, como encontrar as coordenadas do vetor 𝒗 na base 𝑬?
Em outras palavras, queremos encontrar as coordenadas 𝑥1 , 𝑥2 , ..., 𝑥𝑛 do vetor 𝑣 na base 𝐸, de modo que
o vetor 𝑣 possa ser escrito dos seguintes modos:
𝑥1
𝑥2
[𝑣]𝐸 = [| … |]
𝑥𝑛 𝐸
[𝑣]𝐸 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝐸
[𝑣]𝐸 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + ⋯ + 𝑥𝑛 𝑒𝑛
07101203540 - Jefferson
Aula 05
Um modo prático para se resolver esse problema consiste em realizar o seguinte produto de matrizes:
𝑥1 𝑎11 𝑎12 | … | 𝑎1𝑛 𝑦1

𝑥2 𝑎21 𝑎22 | … | 𝑎2𝑛 𝑦2
[| … |] = [ ][ ]
|…| |…| |… |…| |…|
𝑥𝑛 𝐸 ⏟𝑎𝑛1 𝑎𝑛2 | … 𝑎𝑛𝑛 𝑦𝑛 𝐹
𝑀𝐹𝐸
Vamos chamar a matriz 𝑴𝑭𝑬 de matriz de mudança da base E para a base F. Uma outra forma de
representar essa matriz é a seguinte: 𝑴𝑬𝑭 .
𝑴𝑭𝑬 ou 𝑴𝑬𝑭 é a matriz de mudança da base E para a base F. Ao multiplicar essa matriz
pelo vetor escrito em base 𝐹, obtemos o vetor escrito em base 𝑬.
É muito importante que você se atente ao modo de se obter a matriz 𝑀𝐹𝐸 .
Considere que a base 𝐹 é escrita em função da base 𝐸 da seguinte forma:
𝑓1 = 𝑎11 𝑒1 + 𝑎21 𝑒2 + ⋯ + 𝑎𝑛1 𝑒𝑛

𝑓2 = 𝑎12 𝑒1 + 𝑎22 𝑒2 + ⋯ + 𝑎𝑛2 𝑒𝑛
...
𝑓𝑛 = 𝑎1𝑛 𝑒1 + 𝑎2𝑛 𝑒2 + ⋯ + 𝑎𝑛𝑛 𝑒𝑛
Temos que a matriz de mudança da base E para a base F é dada por:
𝑎11 𝑎12 | … | 𝑎1𝑛

𝑎21 𝑎22 | … | 𝑎2𝑛
𝑀𝐹𝐸 =[ ]
|…| |…| |… |…|
𝑎𝑛1 𝑎𝑛2 | … 𝑎𝑛𝑛
Note que 𝑴𝑭𝑬 é obtida "realizando uma operação transposta": a primeira equação se
transforma na primeira coluna, a segunda equação se transforma na segunda coluna,
etc.
07101203540 - Jefferson
Aula 05
Considere a base ordenada 𝑬 = {𝟏; 𝟏 + 𝒙; 𝟏 + 𝒙 + 𝒙𝟐 ; 𝟏 + 𝒙 + 𝒙𝟐 + 𝒙𝟑 } do espaço vetorial 𝑷𝟑 (𝑹).

Sabendo-se que:
𝟏 −𝟐 −𝟎 −𝟏
𝑴𝑭𝑬 = [𝟎 −𝟏 −𝟏 −𝟎]
𝟎 −𝟎 −𝟏 −𝟏
𝟎 −𝟎 −𝟎 −𝟏
é a matriz de mudança da base 𝑬 para a base 𝑭, julgue o item a seguir:
A base ordenada 𝑭 é dada por {𝟏; −𝟏 + 𝒙; 𝒙𝟐 ; −𝟏 + 𝒙𝟑 }.
Comentários:
Note que a matriz mudança da base 𝐸 para a base 𝐹 é dada por:
1 −2 −0 −1
𝑀𝐹𝐸 = [0 −1 −1 −0]
0 −0 −1 −1
0 −0 −0 −1
Portanto, para escrever a base 𝐹 = {𝑓1 ; 𝑓2 ; 𝑓3 ; 𝑓4 }, devemos transpor a matriz. Temos:

𝑓1 = +1𝑒1 + 0𝑒2 + 0𝑒3 + 0𝑒4
𝑓2 = −2𝑒1 + 1𝑒2 + 0𝑒3 + 0𝑒4
𝑓3 = +0𝑒1 − 1𝑒2 + 1𝑒3 + 0𝑒4
𝑓4 = −1𝑒1 + 0𝑒2 − 1𝑒3 + 1𝑒4
Logo:
𝑓1 = 1. 𝟏 + 0 + 0 + 0 → 𝒇𝟏 = 𝟏
𝑓2 = −2. 𝟏 + 1. (𝟏 + 𝒙) + 0 + 0 → 𝒇𝟐 = −𝟏 + 𝒙
𝑓3 = 0 − 1. (𝟏 + 𝒙) + 1. (𝟏 + 𝒙 + 𝒙𝟐 ) + 0 → 𝒇𝟑 = 𝒙𝟐
𝑓4 = −1. 𝟏 + 0 − 1. (𝟏 + 𝒙 + 𝒙𝟐 ) + 1. (𝟏 + 𝒙 + 𝒙𝟐 + 𝒙𝟑 ) → 𝒇𝟒 = −𝟏 + 𝒙𝟑
Portanto, a base 𝑭 é dada por {𝟏; −𝟏 + 𝒙; 𝒙𝟐 ; −𝟏 + 𝒙𝟑 }.

Gabarito: CERTO.
07101203540 - Jefferson
Aula 05
Os teoremas sobre "mudanças de base sucessivas" e sobre "retorno à base de origem", que são
aprendidos ao se estudar vetores no R3 , também valem para espaços vetoriais quaisquer.
Mudanças de base sucessivas
Considere três bases ordenadas de um espaço vetorial 𝑉:
𝐸 = {𝑒1 ; 𝑒2 ; … ; 𝑒𝑛 }, 𝐹 = {𝑓1 ; 𝑓2 ; … ; 𝑓𝑛 } e 𝐺 = {𝑔1 ; 𝑔2 ; … ; 𝑔𝑛 }
Uma vez que temos as matrizes 𝑀𝐹𝐸 e 𝑀𝐺𝐹 , surge a seguinte pergunta: como determinar a matriz de
mudança da base E para a base G (𝑴𝑮𝑬 )? Lembre-se que, multiplicar essa matriz por um vetor escrito em
base 𝐺, obtemos o vetor escrito em base 𝑬.
[𝑣]𝐸 = 𝑀𝐺𝐸 [𝑣]𝐺
Você deve saber que matriz 𝑀𝐺𝐸 é o produto das matrizes 𝑀𝐹𝐸 e 𝑀𝐺𝐹 :
𝑀𝐺𝐸 = 𝑀𝐹𝐸 𝑀𝐺𝐹
Podemos representar essa mudança de base assim:
Retorno à base de origem
Considere a matriz de mudança da base E para a base F 𝑴𝑭𝑬 . Sabemos que, ao multiplicar essa matriz por
um vetor escrito em base 𝐹, obtemos o vetor escrito em base 𝑬.
[𝑣]𝐸 = 𝑀𝐹𝐸 [v]𝐹
Uma vez que temos a matriz 𝑀𝐹𝐸 , surge a seguinte pergunta: como determinar a matriz de mudança da
base F para a base E (𝑴𝑬𝑭 )? Lembre-se que, multiplicar essa matriz por um vetor escrito em base 𝐸,
obtemos o vetor escrito em base 𝑭.
[𝑣]𝐹 = 𝑀𝐸𝐹 [𝑣]𝐸
Você deve saber que matriz 𝑀𝐸𝐹 é a inversa da matriz 𝑀𝐹𝐸 :
−1
𝑀𝐸𝐹 = 𝑀𝐹𝐸
07101203540 - Jefferson
Aula 05
QUESTÕES COMENTADAS – MULTIBANCAS
Espaços vetoriais
(DES IFSUL/IF SUL/2014) A dimensão do subespaço vetorial 𝑺 do 𝐑𝟑 , tal que {(𝒙, 𝒚, 𝒛) ∈ 𝑺 /

𝒛 = 𝟐𝒙 e 𝒚 = 𝟎}, é
a) 0
b) 1
c) 2
d) 3
Comentários:
Note que um vetor (𝑥, 𝑦, 𝑧) do subespaço 𝑆 deve ser escrito da seguinte forma:
(𝑥, 𝑦, 𝑧) = (𝑥, 0, 2𝑥)
= 𝑥. (1, 0, 1) , 𝑥 ∈ R
Observe, portanto, que todos os vetores do subespaço 𝑆 são combinações lineares do seguinte conjunto:
𝐵 = {(1, 0, 1)}
Em outras palavras, 𝑩 gera o espaço 𝑺. Como o conjunto 𝐵 apresenta apenas um vetor diferente do nulo,
trata-se de um conjunto Linearmente Independente (LI).
Portanto, como 𝑺 = [𝑩] e 𝑩 é LI, o conjunto 𝑩 é uma base para o subespaço 𝑺. Consequentemente, como
uma base do subespaço 𝑆 apresenta um único vetor, a dimensão do subespaço é 1.
Gabarito: Letra B.
(FUNCERN/IF RN/2016) Dados

𝒔𝒆𝒏 𝒙 𝒔𝒆𝒏 𝒙 𝐜𝐨𝐬(𝟐𝒙) + 𝟏
𝑨 = {( − , 𝐜𝐨𝐬𝟐 𝒙) , (𝒄𝒐𝒕𝒈 𝒙, )}
𝟏 + 𝐬𝐞𝐜 𝒙 𝟏 − 𝒔𝒆𝒄𝒙 𝟒
𝑩 = {(𝟏, 𝟎), (𝟎, 𝟏)}
a) 𝐴 é L.D.
b) 𝐵 é L.D.
c) 𝐴 e 𝐵 são L.I.
d) 𝐴 ∪ 𝐵 é L.I.
07101203540 - Jefferson
Aula 05
Comentários:
𝒔𝒆𝒏 𝒙 𝒔𝒆𝒏 𝒙
Vamos desenvolver a expressão 𝟏+𝐬𝐞𝐜 𝒙 − 𝟏−𝒔𝒆𝒄𝒙.
𝑠𝑒𝑛 𝑥 𝑠𝑒𝑛 𝑥
−
1 + sec 𝑥 1 − 𝑠𝑒𝑐𝑥
(1 − sec 𝑥). 𝑠𝑒𝑛 𝑥 − (1 + sec 𝑥). 𝑠𝑒𝑛𝑥

=
(1 + sec 𝑥)(1 − sec 𝑥)
(𝑠𝑒𝑛 𝑥 − 𝑠𝑒𝑛𝑥. sec 𝑥) − (𝑠𝑒𝑛𝑥 + 𝑠𝑒𝑛𝑥. sec 𝑥)

=
1 − sec 2 𝑥
−2. 𝑠𝑒𝑛𝑥. sec 𝑥
=
1 − sec 2 𝑥
==20abad==
Da trigonometria, sabemos que:
𝑡𝑔2 𝑥 + 1 = sec 2 𝑥
→ 1 − sec 2 𝑥 = 𝑡𝑔2 𝑥
Além disso:
1
𝑠𝑒𝑛𝑥. sec 𝑥 = 𝑠𝑒𝑛𝑥. = 𝑡𝑔 𝑥
cos 𝑥
𝒔𝒆𝒏 𝒙 𝒔𝒆𝒏 𝒙
Logo, 𝟏+𝐬𝐞𝐜 𝒙 − 𝟏−𝒔𝒆𝒄𝒙 é igual a:
−2. 𝑠𝑒𝑛𝑥. sec 𝑥

1 − sec 2 𝑥
−2𝑡𝑔 𝑥
=
−𝑡𝑔2 𝑥
1
= 2.
𝑡𝑔 𝑥
= 2 𝑐𝑜𝑡𝑔 𝑥
𝐜𝐨𝐬(𝟐𝒙)+𝟏
Agora vamos desenvolver a expressão .
𝟒
Da trigonometria, sabemos que
1 + cos 2𝑥
cos2 𝑥 =
2
07101203540 - Jefferson
Aula 05
Logo:
cos(2𝑥) + 1 1 1 + cos 2𝑥
= ( )
4 2 2
1
= cos 2 𝑥
2
𝒔𝒆𝒏 𝒙 𝒔𝒆𝒏 𝒙 𝐜𝐨𝐬(𝟐𝒙)+𝟏
Agora que desenvolvemos as expressões , 𝟏+𝐬𝐞𝐜 𝒙 − 𝟏−𝒔𝒆𝒄𝒙 e , observe que o conjunto de vetores 𝐴
𝟒
pode ser descrito assim:
1
𝐴 = {(2𝑐𝑜𝑡𝑔𝑥; cos 2 𝑥 ), (𝑐𝑜𝑡𝑔 𝑥; cos2 𝑥)}
2
Note portanto, que o conjunto 𝑨 é Linearmente Dependente (LD), pois um vetor é combinação linear do
outro:
1
(2𝑐𝑜𝑡𝑔𝑥; cos2 𝑥 ) = 𝟐. (𝑐𝑜𝑡𝑔 𝑥; cos 2 𝑥)
2
O gabarito, portanto, é letra A.
Cumpre destacar que o conjunto de vetores 𝐵 = {(1,0), (0,1)} é Linearmente Independente (LI), pois
trata-se da base canônica do R2 .
Gabarito: Letra A.
(DECEx/EsFCEx/2010) Considere no 𝐑𝟑 os seguintes subespaços vetoriais: 𝑼 = [(𝟏, 𝟎, 𝟎), (𝟏, 𝟏, 𝟏)] e

𝑽 = [(𝟎, 𝟏, 𝟎), (𝟎, 𝟎, 𝟏)], então podemos afirmar que:
a) 𝑑𝑖𝑚 (𝑈 + 𝑉) = 4
b) 𝑑𝑖𝑚 (𝑈 + 𝑉) = 2
c) 𝑑𝑖𝑚 (𝑈 ∩ 𝑉) = 3
d) 𝑑𝑖𝑚 (𝑈 ∩ 𝑉) = 1
e) 𝑑𝑖𝑚 (𝑈 + 𝑉) = 1
Comentários:
O problema apresenta dois subespaços do R3 , 𝑈 e 𝑉. Note que as alternativas apresentam como resposta a
dimensão dos subespaços 𝑈 + 𝑉 e 𝑈 ∩ 𝑉.
Sabemos que o subespaço 𝑈 é gerado por 𝐺𝑢 = {(1,0,0), (1,1,1)}, e o subespaço 𝑉 é gerado por
𝐺𝑣 = {(0,1,0), (0,0,1)}. Consequentemente, 𝑈 + 𝑉 é gerado por 𝐺𝑢 ∪ 𝐺𝑣 , isto é:
𝑈 + 𝑉 = [(1,0,0), (1,1,1), (0,1,0), (0,0,1)]
07101203540 - Jefferson
Aula 05
Para obter a dimensão de 𝑈 + 𝑉, precisamos determinar uma base para esse subespaço. Para tanto,
podemos escalonar os vetores do conjunto gerador de 𝑼 + 𝑽. Dispondo os vetores de uma maneira
conveniente, de modo que o vetor (1,1,1) fique na última linha, temos que escalonar a seguinte matriz:
1 0 0
[0 1 0]
0 0 1
1 1 1
Logo:
1 0 0 1 0 0 1 0 0 1 0 0
𝐿 ←𝟏𝐿 +(−𝟏)𝐿 𝐿 ←𝟏𝐿 +(−𝟏)𝐿 𝐿 ←𝟏𝐿 +(−𝟏)𝐿
[0 1 0] [0 1 0] [0 1 0] [0 1 0]
4 4 1 4 4 2 4 4 2
~ ~ ~
0 0 1 0 0 1 0 0 1 0 0 1
1 1 1 0 1 1 0 0 1 0 0 0
subespaço em questão. Logo, uma base para o subespaço 𝑈 + 𝑉 é:
𝐵 = {(1,0,0), (0,1,0), (0,0,1)}
Portanto, 𝐝𝐢𝐦(𝑼 + 𝑽) = 𝟑. Como não temos essa alternativa, devemos determinar a dimensão de 𝑈 ∩ 𝑉.
Sabemos que 𝑈 = [(1,0,0), (1,1,1)]. Como os dois vetores que geram 𝑈 não podem ser escritos como
combinação linear um do outro, temos que {(1,0,0), (1,1,1)} é uma base de 𝑈. Como essa base tem dois
vetores, 𝐝𝐢𝐦(𝑼) = 𝟐.
Da mesma forma, sabemos que 𝑉 = [(0,1,0), (0,0,1)]. Como os dois vetores que geram 𝑉 não podem ser
escritos como combinação linear um do outro, temos que {(0,1,0), (0,0,1)} é uma base de 𝑉. Como essa
base tem dois vetores, 𝐝𝐢𝐦(𝑽) = 𝟐.
Para obter a dimensão de 𝑈 ∩ 𝑊, podemos utilizar a seguinte fórmula:
𝐝𝐢𝐦(𝑼 + 𝑾) = 𝐝𝐢𝐦 𝑼 + 𝐝𝐢𝐦 𝑾 − dim(𝑈 ∩ 𝑊)

dim(𝑈 ∩ 𝑊) = 𝐝𝐢𝐦 𝑼 + 𝐝𝐢𝐦 𝑾 − 𝐝𝐢𝐦(𝑼 + 𝑾)
dim(𝑈 ∩ 𝑊) = 𝟐 + 𝟐 − 𝟑
dim(𝑈 ∩ 𝑊) = 1
Gabarito: Letra D.
07101203540 - Jefferson
Aula 05
(DECEx/EsFCEx/2010) Analise as afirmativas abaixo, colocando entre parênteses a letra “V”, quando se
tratar de afirmativa verdadeira, e a letra “F”, quando se tratar de afirmativa falsa. A seguir, assinale a
alternativa que apresenta a sequência correta.
( )𝑾 = {𝑨 ∈ 𝑴𝟐 (𝐑); 𝑨𝑻 = 𝑻𝑨, 𝑻 fixada em 𝑴𝟐 (𝐑)} é subespaço vetorial do espaço vetorial das
matrizes reais de ordem 𝟐, 𝑴𝟐 (𝐑).
( ) Se 𝑿 e 𝒀 são subespaços vetoriais de um espaço vetorial 𝑬 e 𝑬 = 𝑿 ⊕ 𝒀, então
𝐝𝐢𝐦(𝑿 + 𝒀) = 𝐝𝐢𝐦 𝑿 + 𝐝𝐢𝐦 𝒀.
( ) Se 𝑩 = {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } é uma base de um espaço vetorial 𝑽. Então, todo conjunto de 𝑽 com 𝒏 vetores
será linearmente dependente.
( ) Sejam 𝜶 e 𝜷 bases de um mesmo espaço vetorial. Se 𝜶 = 𝜷 então a matriz mudança de base da base
𝜶 para a base 𝜷 é a matriz identidade.
a) V - F - V - V
b) F - V - V - V
c) V - V - F - F
d) F - V - F - V
e) V - V - F - V
Comentários:
Vamos comentar cada uma das afirmações.
𝑾 = {𝑨 ∈ 𝑴𝟐 (𝐑); 𝑨𝑻 = 𝑻𝑨, 𝑻 fixada em 𝑴𝟐 (𝐑)} é subespaço vetorial do espaço vetorial das matrizes
reais de ordem 𝟐, 𝑴𝟐 (𝐑). Verdadeiro.
O conjunto 𝑊 representa todas as matrizes que comutam com uma matriz 𝑇 dada de 𝑀2 (R). Note que
𝑊 ⊂ 𝑀2 (R). Para mostrar que 𝑊 é um subespaço de 𝑀2 (R), devemos mostrar que:
 O elemento neutro da soma pertence a 𝑊;

 A soma é fechada em 𝑊; e
 A multiplicação por escalar é fechada em 𝑊.
O elemento neutro da soma pertence a 𝑾
0 0
A matriz nula [ ] comuta com todas as matrizes, pois:
0 0
0 0 0 0 0 0
[ ]𝑇 = 𝑇[ ]=[ ]
0 0 0 0 0 0
Logo, o elemento neutro da soma pertence a 𝑊.
A soma é fechada em 𝑾
Considere duas matrizes 𝐴1 e 𝐴2 pertencentes ao conjunto 𝑊. Nesse caso, temos que:
07101203540 - Jefferson
Aula 05
𝐴1 𝑇 = 𝑇𝐴1
Vamos verificar a soma 𝐴1 + 𝐴2 . Note que:
(𝑨𝟏 + 𝑨𝟐 )𝑻 = 𝐴1 𝑇 + 𝐴2 𝑇
= 𝑇𝐴1 + 𝑇𝐴2
= 𝑻(𝑨𝟏 + 𝑨𝟐 )
Como (𝑨𝟏 + 𝑨𝟐 )𝑻 = 𝑻(𝑨𝟏 + 𝑨𝟐 ), temos que a soma 𝐴1 + 𝐴2 pertence a 𝑊.
Logo, a soma é fechada em 𝑊.
A multiplicação por escalar é fechada em 𝑾
Considere uma matriz 𝐴1 pertencente ao conjunto 𝑊 e um escalar 𝛼 ∈ R. Como 𝐴1 ∈ 𝑊, temos que:
Vamos verificar a multiplicação por escalar 𝛼𝐴1 . Note que:
(𝜶𝑨𝟏 )𝑻 = 𝛼(𝐴1 𝑇)
= 𝛼(𝑇𝐴1 )
= 𝑻(𝜶𝑨𝟏 )
Como (𝜶𝑨𝟏 )𝑻 = 𝑻(𝜶𝑨𝟏 ), temos que a multiplicação por escalar 𝛼𝐴1 pertence a 𝑊.
Logo, a multiplicação por escalar é fechada em 𝑊.
Como o elemento neutro da soma pertence a 𝑾, a soma é fechada em 𝑾 e a multiplicação por escalar
também é fechada em 𝑾, temos que 𝑾 é subespaço de 𝑴𝟐 (𝐑).
Se 𝑿 e 𝒀 são subespaços vetoriais de um espaço vetorial 𝑬 e 𝑬 = 𝑿 ⊕ 𝒀, então

𝐝𝐢𝐦(𝑿 + 𝒀) = 𝐝𝐢𝐦 𝑿 + 𝐝𝐢𝐦 𝒀. Verdadeiro.
Sabemos que, se 𝑋 e 𝑌 subespaços vetoriais de um espaço vetorial 𝐸, então:
dim(𝑋 + 𝑌) = dim 𝑋 + dim 𝑌 − dim(𝑋 ∩ 𝑌)
Como 𝐸 é a soma direta de 𝑋 e 𝑌, temos que 𝑿 ∩ 𝒀 = {𝒐} e, consequentemente, 𝐝𝐢𝐦(𝑿 ∩ 𝒀) = 𝟎. Logo, é

correto afirmar que:
07101203540 - Jefferson
Aula 05
𝐝𝐢𝐦(𝑿 + 𝒀) = 𝐝𝐢𝐦 𝑿 + 𝐝𝐢𝐦 𝒀
Se 𝑩 = {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } é uma base de um espaço vetorial 𝑽. Então, todo conjunto de 𝑽 com 𝒏 vetores
será linearmente dependente. Falso.
Se o conjunto 𝑩 com 𝒏 vetores é uma base de um espaço vetorial 𝑉, então, pela definição de base, esse
conjunto gera o espaço 𝑉 e também é Linearmente Independente (LI). Portanto, é errado afirmar que
todo conjunto de 𝑽 com 𝒏 vetores será Linearmente Dependente (LD).
Sejam 𝜶 e 𝜷 bases de um mesmo espaço vetorial. Se 𝜶 = 𝜷 então a matriz mudança de base da base 𝜶
para a base 𝜷 é a matriz identidade. Verdadeiro.
Considere que as bases 𝛼 e 𝛽 se referem a um espaço vetorial de dimensão 𝑛. Nesse caso, podemos
descrever as bases ordenadas por meio dos seguintes vetores:
𝛼 = {𝑎1 , 𝑎2 , … , 𝑎𝑛 }
𝛽 = {𝑏1 , 𝑏2 , … , 𝑏𝑛 }
Como as bases são iguais, temos que 𝑏1 = 𝑎1, 𝑏2 = 𝑎2, ..., 𝑏𝑛 = 𝑎𝑛 . Podemos dispor essas igualdades do
seguinte modo:
𝑏1 = 1𝑎1 + 0𝑎2 + ⋯ + 0𝑒𝑛

𝑏2 = 0𝑎1 + 1𝑎2 + ⋯ + 0𝑒𝑛
...
𝑏𝑛 = 0𝑎1 + 0𝑎2 + ⋯ + 1𝑎𝑛
Logo, a matriz de mudança da base 𝜶 para a base 𝜷 é dada por:
|1| |0| | … | |0|

|0| |1| | … | |0|
𝑀𝛽𝛼 = [ ]
|…| …| |… |…|
|0| 0| | … |1|
Portanto, a matriz de mudança da base 𝜶 para a base 𝜷 é a matriz identidade.
Note que a sequência correta é V - V - F - V. O gabarito, portanto, é letra E.
Gabarito: Letra E.
07101203540 - Jefferson
Aula 05
LISTA DE QUESTÕES – MULTIBANCAS
Espaços vetoriais
(DES IFSUL/IF SUL/2014) A dimensão do subespaço vetorial 𝑺 do 𝐑𝟑 , tal que {(𝒙, 𝒚, 𝒛) ∈ 𝑺 /

𝒛 = 𝟐𝒙 e 𝒚 = 𝟎}, é
a) 0
b) 1
c) 2
d) 3
(FUNCERN/IF RN/2016) Dados

𝒔𝒆𝒏 𝒙 𝒔𝒆𝒏 𝒙 𝐜𝐨𝐬(𝟐𝒙) + 𝟏
𝑨 = {( − , 𝐜𝐨𝐬𝟐 𝒙) , (𝒄𝒐𝒕𝒈 𝒙, )}
𝟏 + 𝐬𝐞𝐜 𝒙 𝟏 − 𝒔𝒆𝒄𝒙 𝟒
𝑩 = {(𝟏, 𝟎), (𝟎, 𝟏)}
a) 𝐴 é L.D.
b) 𝐵 é L.D.
c) 𝐴 e 𝐵 são L.I.
d) 𝐴 ∪ 𝐵 é L.I.
(DECEx/EsFCEx/2010) Considere no 𝐑𝟑 os seguintes subespaços vetoriais: 𝑼 = [(𝟏, 𝟎, 𝟎), (𝟏, 𝟏, 𝟏)] e

𝑽 = [(𝟎, 𝟏, 𝟎), (𝟎, 𝟎, 𝟏)], então podemos afirmar que:
a) 𝑑𝑖𝑚 (𝑈 + 𝑉) = 4
b) 𝑑𝑖𝑚 (𝑈 + 𝑉) = 2
c) 𝑑𝑖𝑚 (𝑈 ∩ 𝑉) = 3
d) 𝑑𝑖𝑚 (𝑈 ∩ 𝑉) = 1
e) 𝑑𝑖𝑚 (𝑈 + 𝑉) = 1
07101203540 - Jefferson
Aula 05
(DECEx/EsFCEx/2010) Analise as afirmativas abaixo, colocando entre parênteses a letra “V”, quando se
tratar de afirmativa verdadeira, e a letra “F”, quando se tratar de afirmativa falsa. A seguir, assinale a
alternativa que apresenta a sequência correta.
( )𝑾 = {𝑨 ∈ 𝑴𝟐 (𝐑); 𝑨𝑻 = 𝑻𝑨, 𝑻 fixada em 𝑴𝟐 (𝐑)} é subespaço vetorial do espaço vetorial das
matrizes reais de ordem 𝟐, 𝑴𝟐 (𝐑).
( ) Se 𝑿 e 𝒀 são subespaços vetoriais de um espaço vetorial 𝑬 e 𝑬 = 𝑿 ⊕ 𝒀, então
𝐝𝐢𝐦(𝑿 + 𝒀) = 𝐝𝐢𝐦 𝑿 + 𝐝𝐢𝐦 𝒀.
( ) Se 𝑩 = {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } é uma base de um espaço vetorial 𝑽. Então, todo conjunto de 𝑽 com 𝒏 vetores
será linearmente dependente.
( ) Sejam 𝜶 e 𝜷 bases de um mesmo espaço vetorial. Se 𝜶 = 𝜷 então a matriz mudança de base da base
𝜶 para a base 𝜷 é a matriz identidade.
a) V - F - V - V ==20abad==
b) F - V - V - V
c) V - V - F - F
d) F - V - F - V
e) V - V - F - V
07101203540 - Jefferson
Aula 05
GABARITO – MULTIBANCAS
Espaços vetoriais
LETRA B
LETRA A
LETRA D
LETRA E
07101203540 - Jefferson

Aula 05: Undf - Conhecimentos Do Grupo 3 (Cargos 111 A 132 136 A 153 312 A 332 E 341 A 353) - 2022 (Pós-Edital)

Enviado por

Dados do documento

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

Aula 05: Undf - Conhecimentos Do Grupo 3 (Cargos 111 A 132 136 A 153 312 A 332 E 341 A 353) - 2022 (Pós-Edital)

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 05

UnDF - Conhecimentos do Grupo 3

07101203540 - Jefferson dos Santos Lima

2) Questões Comentadas - Espaços Vetoriais - Multibancas

3) Lista de Questões - Espaços Vetoriais - Multibancas

• Axiomas da multiplicação por escalar (𝜶 e 𝜷 reais):

Tanto a soma quanto a multiplicação por escalar devem ser fechadas.

Seja 𝑉 um espaço vetorial. O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Dependente (LD) se, e

Seja 𝑉 um espaço vetorial. O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Independente (LI)

Dizemos que 𝛼1 , 𝛼2 , … , 𝛼𝑛 são as coordenadas de 𝒖 na base 𝑩, e podemos representar o vetor 𝑢 dos

Dimensão de um espaço vetorial

Obtenção de uma base de um subespaço do 𝐑𝐧

Sistema Linear Homogêneo (SLH)

Relação de inclusão e igualdade entre subespaços

Soma, intersecção e união de subespaços

Dimensão da soma de subespaços

Note que, se 𝑼 + 𝑾 for soma direta, temos:

Mudanças de base sucessivas: 𝑀𝐺𝐸 = 𝑀𝐹𝐸 𝑀𝐺𝐹 .

 O conjunto 𝑴𝟐×𝟐 (𝐑), das matrizes 2 × 2; e

Conjunto das matrizes 2×2

Considerando a soma de matrizes usual, essa operação obedece às seguintes propriedades:

𝑎11 𝑎12 𝛼𝑎11 𝛼𝑎12

Note que essa multiplicação por escalar obedece às seguintes propriedades:

 (M1) Associativa: 𝛼(𝛽𝐴) = (𝛼𝛽)𝐴;

Conjunto dos vetores no espaço

Vejamos agora o conjunto dos vetores no espaço.

⃗ , 𝑣 ∈ 𝑉 3, podemos realizar uma operação de soma, que tem por resultado

Note que essa adição também obedece às seguintes propriedades:

Note que essa multiplicação por escalar obedece às seguintes propriedades:

 (M1) Associativa: 𝛼(𝛽𝑢⃗ ) = (𝛼𝛽)𝑢

 Resultam em elementos que também pertencem ao conjunto original; e

Definição de espaço vetorial

 Axiomas da multiplicação por escalar (𝜶 e 𝜷 reais):

 Conjunto dos vetores no espaço − 𝑉 3 ;

A partir desse momento, podemos chamar de vetor um elemento de um espaço vetorial

Julgue o item a seguir.

• (M3) Elemento neutro da multiplicação por escalar:

Em resumo, caso uma questão pergunte se determinado conjunto é um espaço vetorial,

• A soma é fechada e obedece aos axiomas S1, S2, S3 e S4; e

• A multiplicação por escalar é fechada e obedece aos axiomas M1, M2 e M3.

(ANPEC/2021) O conjunto de todas as matrizes de números reais 2 × 2 invertíveis, acrescido da matriz

Considere que 𝑉 é um espaço vetorial. Um subespaço vetorial de 𝑽 (ou subespaço de 𝑽) é um subconjunto

 O elemento neutro da soma pertence a 𝑊;

De modo mais formal, 𝑊 ⊂ 𝑉 é um subespaço vetorial de 𝑉 se:

Uma consequência importante da definição de subespaço vetorial é que um subespaço é um subconjunto

Considere um espaço vetorial 𝑉. O conjunto 𝑾 é um subespaço vetorial de 𝑽 se:

• 𝑾 é um espaço vetorial considerando-se as mesmas operações de soma e de

𝑡𝑟(𝐴) = 𝑎11 + 𝑎22 é o traço dessa matriz, julgue o item subsequente.

Sabemos que o conjunto das matrizes 2 × 2, 𝑀, é um espaço vetorial.

O elemento neutro da soma pertence a 𝑼

O traço das matrizes 𝑢 e 𝑣 são nulos. Logo:

Note que o traço da matriz 𝑢 + 𝑣 é nulo:

A multiplicação por escalar é fechada em 𝑼

Note que o traço da matriz 𝛼𝑢 é nulo:

Logo, 𝛼𝑢 ∈ 𝑈. Em outras palavras, a multiplicação por escalar é fechada em 𝑈.

O vetor 𝑢 é uma combinação linear dos vetores 𝑣1 , 𝑣2 , ... , 𝑣𝑛 se e somente se existirem

Seja 𝑉 um espaço vetorial. Dizemos que o conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é

Seja 𝑉 um espaço vetorial. O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente

Seja 𝑉 um espaço vetorial. O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente

( 𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + ⋯ + 𝜶𝒏 𝒗𝒏 = 𝒐 ) não implica que ( 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } é LI )

O conjunto 𝐿 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 é Linearmente Independente (LI)

Para o caso em questão, podemos realizar a seguinte soma:

Substituindo a segunda equação na primeira, temos: