Álgebra Linear 1: Conteúdo

Álgebra Linear 1 2018
Conteúdo
Unidade I: Número Complexos ....................................................................................... 4
Unidade imaginária ......................................................................................................... 4
Definição de um número complexo ................................................................................. 4
Igualdade de números complexos .................................................................................. 5
Operações com números complexos na forma algébrica ............................................... 5
Multiplicação ................................................................................................................... 6
Conjugado de um número ............................................................................................... 6
Divisão de números complexos na forma Algébrica ....................................................... 7
Potencia de ................................................................................................................ 8
Representação Geométrica de um Número complexo (Plano de Gauss) ....................... 9
Módulo de um Número Complexo ................................................................................. 10
Propriedades do módulo de números complexos ......................................................... 11
Exercícios ...................................................................................................................... 14
Unidade 2: Matrizes e Determinantes ........................................................................... 15
Tipos de Matrizes .......................................................................................................... 15
Propriedades da transposta .......................................................................................... 17
Igualdade de matrizes ................................................................................................... 18
Adição de matrizes ........................................................................................................ 19
Propriedades de Adição de matrizes............................................................................. 19
Oposta de uma Matriz ................................................................................................... 19
Multiplicação de Matrizes .............................................................................................. 19
Multiplicação de matrizes por um escalar ..................................................................... 19
2. Multiplicação de duas matrizes ................................................................................. 20
Propriedades de Multiplicação ...................................................................................... 21
Equivalência por linha e operações elementares com linhas ........................................ 21
Matriz Escalonada reduzida .......................................................................................... 21
Inversa de uma matriz ................................................................................................... 23
Determinantes ............................................................................................................... 25
Determinante por Regra de Sarrus ............................................................................... 25
1|Página
António Carlito Assane
Cálculo de determinante pela regra de Laplace ............................................................ 26
Traço de uma matriz ..................................................................................................... 27
Matriz ortogonal ............................................................................................................ 27
Matriz de cofactores ...................................................................................................... 28
Matriz Adjunta ............................................................................................................... 29
Inversa usando matriz adjunta ...................................................................................... 29
Exercícios ...................................................................................................................... 30
Unidade III: Equações lineares ..................................................................................... 32
SOLUCAO DE UMA EQUACAO LINEAR ..................................................................... 32
DEFINIÇÃO DE SISTEMA LINEAR .............................................................................. 32
Classificação de um Sistema Linear ............................................................................. 33
RESOLUÇÃO DE SISTEMAS LINEARES .................................................................... 34
• Método da equação matricial ...................................................................................... 34
• Método da Regra de Cramer ...................................................................................... 35
• Método de Gauss (ou eliminação de Gauss) .............................................................. 36
Sistemas homogéneos .................................................................................................. 40
Exercícios ...................................................................................................................... 41
Unidade IV: Espaços Vectoriais .................................................................................... 44
Propriedades do espaço vectorial ................................................................................. 47
Subespaços Vetoriais.................................................................................................... 47
Considere agora S como o seguinte subconjunto de : ............................................. 48
Interseção de dois Subespaços Vetoriais ..................................................................... 50
Soma de dois Subespaços Vectoriais ........................................................................... 51
Soma Directa de dois Subespaços Vectoriais ............................................................... 52
Combinação Linear ....................................................................................................... 53
Subespaços Gerados .................................................................................................... 54
Dependência e Independência Linear ........................................................................... 55
Bibliografia .................................................................................................................... 58
2|Página
INTRODUÇÃO
O Presente módulo insere se na cadeira de Álgebra Linear I, introduzida na

Universidade Pedagógica de Moçambique. O mesmo, visa ajudar ao estudante na
leitura dos conteúdos propostos para a cadeira e não deixando que o estudante não
deixe de fazer mais consultas de outras fontes Bibliográficas. O mesmo possui 5
(cinco) Unidades sendo a unidade I, Números Complexos, unidade II matrizes, Unidade
III Determinantes, Unidade IV Sistemas de Equações Lineares e a Unidade V Espaços
Vectoriais.
Aconselha se ao caro leitor, o domínio de demonstrações dos Teoremas que

abordaremos ao longo do desenrolar das aulas, buscar sempre a interação com outras
demonstrações buscadas nos manuais ou na internet.
3|Página
ALGEBRA LINEAR
Unidade I: Número Complexos
Unidade imaginária
Seja a equação ao resolvê-la chegamos ao resultado . O número
não pertence a , isto é, é um número não real; portanto no conjunto ,
temos como solução . Para tornar possível a solução da equação desse tipo, foi
criado um elemento matemático denominado unidade imaginaria, que será indicada por
de tal forma que esta unidade imaginaria ou .
A partir da unidade imaginaria, foi criada um novo conjunto, denominado conjunto dos
números complexos onde .
Com a criação do novo conjunto, já é possível a solução da equação ,

utilizando o conceito de unidade imaginaria.
Definição de um número complexo

Número complexo – é todo número que pode ser colocado na forma
denominado forma algebrica, onde a e b sao números reais e i unidade imaginaria.
O número a é a parte real de z que será indicada por . E o número b é a parte

imaginaria de z, que será indicada por .
Exemplo
a.
4|Página
b.
c.
d.
Obs:
1. Se a parte imaginaria , então z é um númwero complexo real;

2. Se então z é um número imaginário puro.
Igualdade de números complexos

Dois números são iguais se, e somente se suas partes reais e imaginarias são iguais
(respectivamente).
Em particular se , então e .
Operações com números complexos na forma algébrica

Adição e Subtração
A soma de dois números complexos é dada por:
A diferença de dois números complexos é dada por:
Exemplos:
Efectuar
a)
b)
5|Página
Multiplicação
Na operação de multiplicação temos:
Exemplo: efectuar
a)
b)
Conjugado de um número
Dado um número complexo , denominamos conjugado desse número
complexo .
Exemplo:
a)
b)
c)
d)
Como se pode verificar sem dificuldades, o conjugado goza das seguintes

propriedades:
a) O conjugado do conjugado de z é o próprio z, isto é:
Demonstração
Dado o seguinte número complexo onde . Dai, e
c.q.d
b) O conjugado da soma é igual à soma dos conjugados das parcelas:

;
6|Página
Demonstração
Sejam
c.q.d.
c) O conjugado do produto é igual ao produto dos conjugados dos factores:
Demonstração
c.q.d.
d) O conjugado do quociente é igual ao quociente dos conjugados: ;
e) e demostre
Divisão de números complexos na forma Algébrica

Vamos considerar dois números complexos e , a divisão é feita da seguinte
forma:
 Colocamos a divisão na forma ;
 Multiplicamos u numerador e o denominador da fracção pelo conjugado do

denominador, isto é,
Exemplo:
Seja e . Calcule
7|Página
Resolução
Potencia de
Vejamos algumas potências de iniciando com expoente zero.
Obs:
Observando os resultados encontrados, verificamos que eles se repetem a cada grupo

de 4 potências, assumindo os valores
Vejamos então uma forma prática para calcular .
Então o .
O resto (r) deverá sempre ser um destes valores ou 3.
Por tanto, o valor da potência depende do resto r.
Observe:
8|Página
Valor de r 0 1 2 3
Valor de 1 i -1 -i
Exemplo: calcule e
Resolução
Tarefa
Determinar os números complexos
Representação Geométrica de um Número complexo (Plano de Gauss)

A representação gráfica de números complexos, embora tivesse sido publicada em
1798, permaneceu esquecida durante muito tempo. Hoje o plano de números
complexos é denominado Plano de Gauss. Mais tarde Argand [Jean Robert Argand
(1768 – 1822)], nasceu em Genebra na Suíça. Em 1806 publicou uma representação
gráfica de números complexos.
Argand fez alguns trabalhos sobre o assunto e hoje a representação gráfica é

conhecida como plano de Argand – Gauss.
Um número pode ser visualisado por um ponto num plano cartesiano x0y.
9|Página
O ponto do plano corresponde ao número complexo , chama=se

imagem ou afixo de Z.
Exemplo: represente no plano de Gauss os complexos seguintes:
Módulo de um Número Complexo

Seja P o afixo de número complexo no plano de Gauss. Denominamos
módulo de número complexo z a distância do ponto P à origem. Indicaremos o módulo
de por ou
10 | P á g i n a
Aplicando o teorema de Pitágoras no triângulo formado, vem:
Exemplo:
Calcule o módulo dos seguintes números complexos:
a)
Resolução
b)
Resolução
Propriedades do módulo de números complexos

a)
b) O módulo do produto de dois complexos z e w é igual ao produto dos módulos
dos factores, isto é:
11 | P á g i n a
Demonstração
E por tanto
c)
d)
Tarefa: demostre a propriedade c) e d)
e) O módulo do quociente de dois complexos é igual ao quociente dos seus
módulos:
Demostração
aplicando a propriedade b), vem: ou seja
f)
g)
h)
i)
j) O módulo da soma de dois números complexos é menor ou igual à soma
dos módulos das parcelas:
Demonstração
Como tem-se
Onde resulta
12 | P á g i n a
k) O módulo da diferença de dois complexos é maior ou igual à diferença dos seus
módulos:
Demonstração
De acordo com a propriedade anterior é:
Dai que, passando um dos termos para outro membro, resulta em
13 | P á g i n a
Exercícios
1. Calcule apresentando os resultados na forma algébrica:
a)
b)
2. Represente no plano de Gauss os seguintes conjuntos:

a)
b)
c)
d)
3. Represente os lugares geométricos representados pelas equações:
a)
b)
c)
14 | P á g i n a
Unidade II: Matrizes e Determinantes
Definição – chama-se Matriz de ordem a uma tabela elementos dispostos em
linhas e colunas.
AsMatrizessão denotadas por letrasmaiúsculas: A,B, C,…
Exemplo:
Tipos de Matrizes
1. Matriz coluna – é a matriz de ordem

Exemplo:
2. Matriz linha – é a Matriz de ordem .

Exemplo:
3. Matriz nula – é a Matriz onde , para .
Exemplo:
4. Matriz Quadrada – é a Matriz de ordem
15 | P á g i n a
Os elementos constituem a diagonal principal;
Os elementos em que constituem a diagonal secundaria.
Exemplo:
5. Matriz diagonal – é a Matriz Quadrada onde para .
Notação:
Exemplo:
6. Matriz identidade – é a Matriz diagonal I onde .
Notação: representa a Matriz identidade de ordem n.
Exemplo:
7. Matriz Transposta: dada uma matriz , podemos obter uma outra
, cujo linhas são as colunas de A, isto é, .
é denominada a transposta de A.
16 | P á g i n a
Exemplo:
Propriedades da transposta
A.
B.
C.
D.
8. Matriz simétrica: uma matriz quadrada é simétrica se .
Exemplo:
Logo é simétrica.
9. Matriz anti-Simétrica: uma matriz quadrada é anti-simétrica se
Exemplo:
17 | P á g i n a
10. Matriz Triangular Superior: a matriz quadrada que tem os

elementos para é chamada matriz triangular superior.
Exemplo:
11. Matriz Triangular Inferior: a matriz quadrada que tem os

elementos para é chamada matriz triangular inferior.
Exemplo:
Tarefa:
Seja . Determine o valor de x para que A seja uma matriz simétrica.
Igualdade de matrizes
Definição: duas matrizes e são iguais quando , para
todo e
Ou duas matrizes A e B são iguais se, somente se, têm a mesma ordem e os
elementos correspondentes (entrada das matrizes) são iguais. Indica-se A=B.
Exemplo:
é igual à pois todos elementos correspondentes são
iguais.
18 | P á g i n a
Adição de matrizes
Sejam e duas matrizes da mesma ordem , soma de duas
matrizes é matriz C da mesma ordem , onde cada elemento de C é soma
dos elementos correspondentes de A e de B.
Exemplo: para as matrizes
Propriedades de Adição de matrizes

a.
b.
c.
Oposta de uma Matriz

Seja matriz , a sua oposta é a matriz – cuja soma .
Exemplo: Ache a matriz oposta de
a sua oposta será
Multiplicação de Matrizes
Multiplicação de matrizes por um escalar

Seja k m escalar e A uma matriz de tamanho a multiplicação
.
Multiplica-se cada elemento da matriz A pelo escalar k.
Exemplo: calcule:
19 | P á g i n a
1.
2.
Resolução:
1.
2.
2. Multiplicação de duas matrizes

O produto de duas matrizes, tais que o número de colunas da primeira é igual da linhas
da segunda, e é definida pela matriz obtida da
seguinte forma:
Para e ou seja
Exemplo: considere as matrizes
20 | P á g i n a
Propriedades de Multiplicação
Sejam A, B e C matrizes com amanhos apropriados, escalares. São válidas as
seguintes propriedades:
1. Associatividade
2. Distribividade
3. Distributividade
4. Associatividade
Equivalência por linha e operações elementares com linhas

Definição:
Chamamos operações elementares às operações com matrizes que não alteram nem
sua ordem, nem suas características.
São operações elementares:
1 – A permutação da i – ésima pela j – ésima linha;
2 – A multiplicar uma linha da matriz por um escalar diferente de zero;
3 – Somar a uma linha da matriz um múltiplo escalar de outra linha.
Matriz Escalonada reduzida

Definição: uma matriz está na forma escalonada reduzida quando satisfaz
as seguintes condições:
21 | P á g i n a
a) Todas as linhas nulas (formadas inteiramente por zeros) ocorrem abaixo das
linhas não nulas;
b) O pivô (primeiro elemento não nulo de uma linha) de cada linha não nula é igual
à um;
c) O pivô de cada linha não nula ocorre à direita do pivô da linha anterior;
d) Se uma coluna contém um pivô, então todos os seus elementos são iguais a
zero.
Exemplos de matrizes escalonadas
Exemplo de matriz não escalonada
Exemplo: ache a matriz escalonada de
Resolução:
Mantendo a primeira linha como pivô, usando a operação para a segunda

linha e para a terceira linha, obteremos as novas linhas as seguintes:
Trocando a segunda linha com a terceira, obteremos:
22 | P á g i n a
Usando as operações , obteremos o seguinte:
Tarefa: escalone a seguinte matriz
Inversa de uma matriz

Pelo método de Jordam. Formamos a matriz de blocos e reduzimos por meio de
operaçoes elementares à forma .
Exemplo: achar a matriz inversa da matriz
Resolução:
Então:
23 | P á g i n a
Tarefa:
Ache a matriz escalonada e inversa se existir da matriz
24 | P á g i n a
Unidade III: Determinantes
Definição:
Determinante de uma matriz A é um número real associado à matriz A, e escreve-se

.
Determinante por Regra de Sarrus

Se A é de ordem
Teremos:
Exemplo:
Calcule a determinante da matriz
Se A é de ordem
Teremos:
Exemplo:
Calcule o determinante da matriz
25 | P á g i n a
Cálculo de determinante pela regra de Laplace

Para uma matriz usando o desenvolvimento de Laplace que é dado pela fórmula:
Exemplo: calcule o determinante da matriz
A matriz de ordem obtida suprimindo a sua i – ésima linha e j – ésima coluna.

O determinante é chamado menor do elemento de A.
O número chama-se complemento algébrico do elemento .
Propriedades de determinantes:
1) ;
2) ;
3) Se a matriz A possui uma linha ou coluna nula, então ;
4) Se a matriz a tem duas linhas ou colunas iguais, então ;
26 | P á g i n a
5) Se na matriz A uma linha (ou coluna) é múltiplo de outra linha (coluna) então
;
6) Trocando a posição de duas linhas (ou coluna) o determinante troca de sinal;
7) Quando se multiplica uma linha (coluna) de uma matriz A por um número
o determinante fica multiplicado por esse mesmo número;
8) O determinante de uma matriz triangular superior (ou inferior) é igual ao produto
dos elementos da diagonal principal;
9) A partir de temos:
Traço de uma matriz

Definição: denomina-se traço de uma matriz qualquer, a soma dos elementos da
diagonal principal e representa-se por
Exemplo: determine o valor do traço da matriz
Resolução:
Tarefa: se os números inteiros e são tais que a matriz tem traço igual a 4 e
determinante igual a -19, qual é o produto de ?
Matriz ortogonal
Definição: uma matriz ortogonal A, invertível, é ortogonal se, e somente se,
27 | P á g i n a
verifique se é ortogonal
Da definição, decorre que
Matriz de cofactores
Usando a formula achamos o cofactor do elemento .
Exemplo: determine o cofactor de cada elemento da matriz
Resolução:
A matriz obtida, designa-se matriz de cofactores e representa-se por .
28 | P á g i n a
Matriz Adjunta
Definição: seja uma matriz quadrada de ordem n, o cofactor de e a
matriz dos cofactores de A. Chamamos adjunta de A e indicamos por , a transposta
de , isto é, .
Exemplo: seja dado a matriz dos cofactores
a sua adjunta será
Inversa usando matriz adjunta

Seja matriz quadrada da ordem n. A matriz adjunta
Onde é o complemento algébrico do elemento . Verifica-se que
Teorema: se A uma matriz quadrada de ordem n e , então, a inversa de A
é:
Exemplo: determine a inversa da matriz
Resolução
logo é invertível
29 | P á g i n a
Exercícios
1. Sempre que possível calcule:
2. Verifique se as afirmações abaixo são VERDADEIRAS ou FALSAS. Se forem

verdadeiras, demonstre. Se forem falsas, dê um contra-exemplo.
a) ( ) Se uma matriz quadrada A for ortogonal então :
b) ( )
c) ( ) Se A é uma matriz simétrica então também é simétrica.
d) ( ) Se A e B são invertíveis então também é.
e) ( ) Se A é uma matriz anti-simétrica de ordem 3, então
f) ( ) Se A é não-invertível e então B = 0
3. Seja . Determine o valor de x para que A seja uma matriz
simétrica.
4. Mostre que a matriz é uma matriz ortogonal.
5. Calcule a determinante de:
6. Mostre que a
7. Encontre a
30 | P á g i n a
8. Mostre que se as matrizes são invertíveis, então também AB é

invertível, tendo-se ainda .
9. Encontre os valores d k para os quais a matriz
é não invisível
10. Recorra à regra de Laplace para calcular o determinante das seguintes matrizes
11. Calcular a matriz dos cofactores e a matriz inversa de cada uma das seguintes
matrizes:
31 | P á g i n a
Unidade IV: Equações lineares
Chama-se equação linear toda equação do tipo:
Nesta equação, os números reais são os coeficientes; é o termo

independente e são as incógnitas da equação.
Exemplos de equações lineares:
a)
b)
c)
Exemplos de equações não lineares:
a)
b)
c)
d)
Solução de uma equação linear

Dizemos que a sequencia ordenada ou n-upla de números reais é solução
da equação , se, e somente se, a expressão
for verdadeira.
Exemplos:
a) A dupla e a solução da equação – , pois para e
,temos: (verdadeiro).
Assim, o par (5;2) é solução da equação.
Definição de sistema linear

Um sistema linear é um conjunto de equações lineares nas incógnitas:
32 | P á g i n a
Neste sistema, os coeficientes e os termos independentes são números reais.

Uma n-upla de números reais e a solução de um sistema linear de m
equações e n incógnitas, se ela verificar todas as equações do sistema. O conjunto,
cujos elementos são todas as soluções do sistema, e chamado de conjunto solução
ou solução geral do sistema.
Por exemplo, a tripla e solução do sistema:
Pois, para , e , as equações são verdadeiras, vejamos:
Classificação de um Sistema Linear

Quanto ao número de soluções, um sistema pode ser:
• Possível: quando tem pelo menos uma solução, ou seja,quando o conjunto –
solução S énão vazio.
• Impossível: quando não tem solução, ou seja, quando o conjunto – solução S e
vazio.
Sendo possível, o sistema pode ser:
• Determinado: quando existe uma única solução, ou seja, quando o conjunto
solução e unitário.
• Indeterminado: quando existem infinitas soluções, ou seja, quando o conjunto
solução e infinito.
Para resumir essa classificação, apresentamos o seguinte quadro:
Sistema linear determinado: S é unitário possível: ;
Sistema linear Indeterminado: S e infinito Impossível: .
Exemplos:
33 | P á g i n a
a) O sistema , é possível e determinado: . Pelo método da
adição
b) O sistema , é possível e indeterminado
Podemos encontrar as infinitas soluções para um sistema, fazendo y como variável

livre e variar em R. Eis algumas soluções:
c) o sistema é impossível.
RESOLUÇÃO DE SISTEMAS LINEARES
• Método da equação matricial

Exemplo:
Resolver o seguinte sistema de equações:
Resolução:
Vamos, inicialmente, identificar as matrizes: , e .
Substituindo na equação matricial, temos:
Para efectuarmos o produto das matrizes, devemos verificar se o número de colunas

de A e igual ao numero de linhas de X, no caso . Com isso, obteremos a
matriz .
34 | P á g i n a
Então:
Igualando as matrizes, teremos:
Em (2) e substituindo na equação (1):
• Método da Regra de Cramer
Consideremos o mesmo sistema de equação:
Seja Do valor do determinante dos coeficientes, ou seja:
Para o cálculo do valor de x e y, teremos:
A solução do sistema é .
Consideremos o sistema , onde x, y e z são incógnitas.
Vamos introduzir os determinantes que vão tomar parte na resolução do sistema.

1. O determinante do sistema
2. Os determinantes auxiliares
, e
35 | P á g i n a
Seja o determinante do sistema diferente de zero, verifica-se que as incógnitas podem
ser calculadas pelas fórmulas:
Exemplo: resolver o sistema
O método descrito acima e conhecido como Regra de Cramer.
• Método de Gauss (ou eliminação de Gauss)
Consideremos o sistema , de equações
lineares. Reduziremos a forma mais simples, como se segue:

Passo1: transpomos equações, de modo que a primeira incógnita tenha coeficiente
não-nulo na primeira equação, isto é, de modo que ;
36 | P á g i n a
Passo 2: para cada , aplicamos a operação , isto é,
substituímos a i-ésima equaçao linear pela equaçao obtida multiplicando a primeira
equaçao por , multiplicando a i-ésima equaçao por e somando as equações.
Exemplo:
Consideremos o seguinte sistema de equações lineares:
Eliminamos a incógnita x da segunda e terceira equações, aplicando as seguintes

operações:
Passamos a ter:
Mantendo a como pivot, e eliminamos o z da terceira linha com a operação:

, e obteremos:
Definição: Diz-se que o sistema
Onde e onde os coeficientes iniciais não são zero:

, está na forma escalonada, as incógnitas que não aparecem no começo
de nenhuma equação ( ), são chamadas variáveis livres.
Teorema: a solução do sistema (*) na forma escalonada é a seguinte:
Existem dois casos:
i) . Isto é, há tantas equações quanto incógnitas. Então o sistema tem

solução única;
37 | P á g i n a
ii) . Isto é, há menos equações do que incógnitas. Então, podemos
arbitrariamente atribuir valores às variaveis livres e obter uma solução
do sistema
Resumidamente, as soluções de um sistema de equações lineares apresentam-se

segundo o diagrama abaixo.
sistema de
equações
lineares
inconsistente Consistente
Mais de uma
sem solução solução única
solução
Exemplos: reduzir e achar as soluções das seguintes equações:
a) , aplicando as operações:
e em seguida, a operação :
A equação , isto é, mostra que o sistema original é

inconsistente e, portanto, não tem solução.
b) , aplicando as operações
, em seguida, as operações .
38 | P á g i n a
Como na forma escalonada há três equações nas três incógnitas, o sistema tem
solução única.
c) , aplicando as operações
e em seguida, a operação :
O sistema é consistente e, como há mais incógnitas do que equações na forma

escalonada, o sistema tem uma infinidade de soluções. De facto há duas variáveis
livres, y e w, e, portanto, uma solução particular pode ser obtida dando a y e w
quaisquer valores.
Por exemplo, sejam w=1 e y=-2 substituindo na segunda equação obteremos e,
substituindo na primeira equação, obteremos x=9.
A solução particular seria a 4-upla (9; -2; 3; 1).
39 | P á g i n a
Encontremos a solução geral do sistema no exemplo acima, como segue. Atribuam-se
valores arbitrários às variáveis livres; e . Substituindo na segunda
equação; obtemos . Pondo , e na primeira equação,
encontramos . Assim, a solução geral do sistema é
, , e .
Em outras palavras ( , , , ), onde a e b são números arbitrários.
Sistemas homogéneos
Um sistema linear homogéneo é formado por equações cujos termos independentes
são todos nulos, isto é:
Todo sistema linear homogéneo e sempre possível, pois admite a solução

chamada solução trivial.
Assim, ele pode sempre ser reduzido a um sistema homogéneo equivalente na forma
escalonada
Portanto, temos duas possibilidades:

i) . Então, o sistema tem somente a solução zero;
ii) . Então, o sistema tem uma solução não – nula.
Teorema: um sistema homogéneo de equações lineares com mais incógnitas do que
equações tem uma solução não – nula.
Exemplo:
a) O sistema homogéneo , tem uma solução não – nula, pois
há quatro incógnitas mas somente três equações.

b) Reduzimos o seguinte sistema à forma escalonada
40 | P á g i n a
O sistema tem uma solução não – nula, pois obtivemos somente duas equações em
três incógnitas na forma escalonada. Por exemplo, seja ; então: . Em
outras palavras, a 3-upla (2;3;5) é uma solução particular não – nula.
c) Reduzimos o seguinte sistema à forma escalonada:
Como na forma escalonada, há três equações e três incógnitas, o sistema tem somente
a solução zero (0;0;0)
Exercícios
1) Resolva os sistemas segundo a regra de Cramer:
a) b) c) d)
2) Seja o sistema:
Calcule k para que o sistema seja homogéneo.

3) Põe na forma escalonada cada um dos sistemas abaixo e classifique as
soluções:
a) b) c)
4) Classifique, quanto ao número de soluções, os seguintes sistemas homogéneos.
41 | P á g i n a
a) b) c)
5) Determine a e b para que o sistema seja indeterminado.
6) Calcule os valores de a para que o sistema seja compatível e

determinado.
7) Dê os valores de a para que o sistema seja compatível e

determinado.
8) Dê o valor de a para que o sistema seja impossível.
9) Determine o valor de k para que o sistema seja indeterminado.
10) Ache m para que o sistema tenha soluções próprias.
11) Qual o valor de p para que o sistema admita uma solução única?
12) Resolva os SISTEMAS abaixo:
a)
42 | P á g i n a
b)
c)
43 | P á g i n a
Unidade IV: Espaços Vectoriais
Definição: Dizemos que um conjunto V, não vazio, é um espaço vectorial sobre se, e
somente se:
i) Existe uma adição: com as seguintes propriedades:
a) ;
b) ;
c) Existe um elemento neutro tal que: ;
d) Para todo elemento , existe o oposto (simétrico) tal que:
.
ii) Está definida uma multiplicação de:
Satisfazendo as seguintes condições:

a) ; para
b) ; para
c) ; para
d) ; para
Observação:
1) Os elementos do espaço vetorial V são chamados vetores;
2) Se na definição, tomarmos como escalares o conjunto dos números
complexos, V seria um espaço vectorial complexo.
Exemplos de EspaçosVetoriais:
Exemplo 1: é um espaço vectorial com as operaçoes de
adiçao e multiplicaçao por um número real assim definidas:
Para verificar os oito axiomas do espaço vectorial, considere ,

e . Tem-se:
i. Propriedades da Adição
a) Comutativa da adição
44 | P á g i n a
b) Associativa da adição
c) Elemento Neutro
d) Elemento simétrico
ii. Propriedades da Multiplicação por um escalar

a)
.
b)
1; 1+ 1= 1; 1+ 1; 1= 1; 1+ 1; 1= + .
c)
d)
Assim, é um espaço vectorial.
Exemplo 2: os conjuntos são espaços vectoriais com operações de
adição e multiplicação por escalares usuais. O conjunto , também é um espaço
45 | P á g i n a
vectorial pois satisfaz todas as propriedades de um espaço vectorial. Os vectores neste
caso, são números reais.
Exemplo 3: o espaço vectorial das matrizes
Sabemos que se , então, .
O vector u também pode ser denotado na forma de matriz (matriz-coluna ):
Exemplo 3: polinomios
Conjunto dos polinomios de graus n

é um espaço vectorial, em relaçao às operaçoes usuais. Sejam
Entao:
O vector nulo é dado por:
Dessa forma é facil provar que:
Exemplo 4: exemplo de conjunto que não é um espaço vectorial

Seja .
Definimos as seguintes operaçoes:
Note que a seguinte propriedade não é satisfeita:
Por outro lado:
46 | P á g i n a
Assim , não é espaço vectorial.
Propriedades do espaço vectorial

1. Existe um único vector nulo em V;
2. Cada vector , admite apenas um simetrico ;
3. ;
4. ;
5. . O vector será representado por ;
6. ;
7. ;
8. Se ;
9.
Subespaços Vetoriais
Definição: Sejam V um espaço vetorial e S um subconjunto não-vazio de V.
S é um subespaço vetorial de V se S é um espaço vetorial em relação à adição e à
multiplicação por escalar definidas em V.
Teorema: Um subconjunto S não vazio, de um espaço vetorial V é um subespaço
vetorial de V se estiverem satisfeitas as condições.
1.
2. .
Demonstração:
Seja . Pela condição 2., Tomando então .
Tomando entao As propriedades restantes são uma
consequência de S ser um subconjunto não vazio de V.
Observação:
Todo espaço vectorial V admite pelo menos dois subespaços vectoriais: o subespaço
nulo e o próprio espaço vectorial V.
47 | P á g i n a
Estes subespaços são chamados subespaços triviais. Os demais subespaços, se
existirem, são chamados subespaços próprios.
Exemplo 1:
Sejam e . Mostre que S é um subespaço vectorial de
V.
1. , pois ;
2. Sejam ? De facto:
Se ,
Se ,
Logo .
Assim, , pois a segunda componente é o dobro da primeira.
3. ? .
logo S é um subespaço vectorial.
Geometricamente
Considere agora S como o seguinte subconjunto de :
Sejam . Então: .
não é um subespaço vectorial do .
48 | P á g i n a
De forma análoga, mostre que:
não é um subespaço vectorial.
Exemplo 2: seja o espaço vectorial dado por:
Seja , dado por:
Mostre que S é um subespaço vectorial de V. De facto:
1. S é não vazio, pois
2. Sejam as matrizes
3.
é um subespaço vectorial do espaço V.
Exemplo 3. Considere o sistema homogéneo:
Denotando:
Então, o sistema linear homogéneo:
49 | P á g i n a
Seja o conjunto de todas as soluções homogéneas. Mostre
que S é um subespaço vectorialdo . Com efeito:
1) , pois , onde .
2) Sejam
De facto:
Se
Logo
3)
Temos que: ou é um subespaço

vectorial.
Interseção de dois Subespaços Vetoriais

Dados dois subespaços vetoriais de , a interseção de , denotada por
é o conjunto todos os vetores tais que e .
Teorema: A interseção W de dois subespaços vetoriais de V é um subespaço
vetorial de .
Demonstração:
(i) Pela definição de subespaço vetorial, e , logo .
(ii) Sejam ., então e . Como são subespaços
vetoriais, por definição, e , daí, .
(iii) Dado , e , pois são subespaços de V, logo
.
Das 3 condições acima, concluímos que é um subespaço vetorial de V.
50 | P á g i n a
Exemplos:
1. Consideremos
subespaçosvectoriais de V. seja tal que . Entao,
, ou seja, . Mas, , dai .
Logo, , onde .
Portanto, .
2. Seja
subespaços vectoriais de V. Se , então
pela definição de , ou seja .
Soma de dois Subespaços Vectoriais

Sejam e dois subespaços vectoriais de V. A soma de e , denotada por
, é o conjunto de todos os vectores de V tais que e .
Teorema: se são subespaços vectoriais de V então também é um

subespaço vectorial de V.
Demonstração
i. Sejam e então , pois é um espaço

vectorial. Analogamente .
Por outro lado, , como também , logo

1+ 2+ 2= 1+ 2+ 1+ 2 1+ 2.
ii. Para qualquer , sendo , então .
Por outro lado, , logo
Exemplo:
51 | P á g i n a
1. Consideremos
subespaços vectoriais de V. seja tal que . Entao,
, ou seja, . Mas, , dai .
Logo, , onde .
Portanto, .
O conjunto é um
subespaço vectorial de V. de facto, e
são subespaços vectoriais de e como consequência do teorema
também é um subespaço vectorial de V.
2. Seja
subespaços vectoriais de V. Se , então
pela definição de , ou seja .
A soma de é o subespaço
vectorial de , que é o próprio .
Soma Directa de dois Subespaços Vectoriais

Sejam e dois subespaços vetoriais de V. Diremos que V é a soma direta de
e , denotada por , se:
e
Observação
Se , então todo se escreve, de modo único, na forma:
, onde e .
De fato. Suponhamos que , com e e também ,
onde e . Daí, ou – – .
52 | P á g i n a
Como – e – , da última igualdade – –

.
Mas, , então – – , ou seja, e .
Exemplo: O espaço é a soma directa dos subespaços

vectoriais e , poisqualquer vetor
pode ser escrito como soma de um vetor de e um vetor de de
maneira única.
além disso, . Portanto .
Combinação Linear
Seja V um espaço vetorial sobre . Um vetor v em V é combinação linear dos vetores
emV se existirem escalares ,tais que
Exemplo:
1. Escreveremos o vetor do como combinação linear dos vetores
e . Para isto, devemos encontrar tais que
e, resolvendo o sistema:
Encontramos e
2. Considerando agora mostraremos que v não pode ser escrito
como combinação linear dos vetores e .
Mostraremos que não existem escalares x e y tais que
53 | P á g i n a
Logo, da primeira equação, , e da segunda, . Porém da última equação,
, o que é incompatível. Portanto, não existem escalares x e y tais que
, isto é, não pode ser escrito como combinação linear
dos vetores e .
3. Determinar o valor de k para que o vetor seja uma combinação
linear dos vetores e
Devemos encontrar escalares x e y tais que , ou seja,
,resultando no seguinte sistema:
Assim, e o valor de é -8. Conclusão: para que seja

escrito como combinação linear dos vetores e é preciso que k seja igual a -8.
Subespaços Gerados
Sejam V um espaço vetorial sobre e vetores de V, o conjunto
constituído de todos os vetores de V que são combinações lineares dos vetores

de V, é um subespaço vectorial de V.
De fato.
(i) W é não vazio, pois .
(ii) Dados , existem escalares e tais que
.E ., logo
Além disso,
(iii) Se α R e v W, temos
.
Segue de )e que W é um subespaço vetorial de V.
54 | P á g i n a
Este subespaço é denominado subespaço gerado pelos vetores , o qual se
denota .
Exemplos:
1. Os vetores e geram o conjunto
, pois qualquer vetor v de pode ser escrito como combinação linear dos
vetores e , ou seja, .
Neste caso, é gerado pelos vetores e , pois todo vetor de é escrito como
combinação linear dos vetores e . E, usando a notação de subespaço gerado,
2. No caso dos vetores e , estes geram o , já

que todo vetor (x,y,z) do é escrito como combinação linear dos vetores, i, j e
k,
Assim,
3. O subespaço gerado pelos vetores e será:
Da igualdadeacimatemos:
E, resolvendo o sistema, usando as 2 primeiras equações e

. Substituindo na terceira equação, teremos – .
Portanto, – , isto é, o subespaço gerado pelos
vetores e é um plano que passa pela origem.
Dependência e Independência Linear

Seja V um espaço vectorial sobre . Os vectores de V são ditos
linearmente independentes (LI) se a equação vectorial
55 | P á g i n a
Admite apenas a solução trivial nula . Caso contrário, se a
equação admite pelo menos uma solução não nula, os vectores são denominados
linearmente dependentes (LD).
Exemplos
1. Mostraremos que os vectores
do são LI. De facto,
suponhamos que existem números reais tais que
e teremos, da primeira equação, , da segunda, e, da terceira, . E,

substituindo e na quarta equação, concluímos que a igualdade é verdadeira.
Portanto, a combinação linear acima admite apenas a solução nula e, desta forma, os
vectores são LI.
No espaço , os vetores são
LD. Pois, dada a combinação linear temos
,isto é,
e, das duas primeiras equações , os quais, substituindo na

terceira equação, . E a última igualdade é válida para qualquer valor de .
Daí, escolhendo, por exemplo, , teremos e . Portanto, a
combinação linear acima, admite pelo menos uma solução não nula,
. Logo, os vetores formam um conjunto LD.
Teorema Um conjunto é LD se, e somente, se, pelo menos um

desses vetores é combinação linear dos outros.
56 | P á g i n a
Demonstração: Sendo LD, por definição é possível a igualdade
. com pelo menos um dos coeficientes
diferente de zero.
Supondo , temos ,
ou seja,
– ,fazendo
com i, teremos
Reciprocamente, se ,
Temos
Observem que o escalar (-1) de da última combinação é não nulo. Portanto, por
definição, é LD.
57 | P á g i n a
Bibliografia
1. AGUIA. Rogério de.APOSTILA DE ÁLGEBRA LINEAR. 2008
2. COSTA. Boldrini.WEZLER. Guerreiro. Álgebra Linear. 3ª ed. Editora Harbra.

Brasil. 1980
3. FIGUEIRÊDO, Marcos José Bastos. Álgebra linear. UNIT, 2010.

4. LIPSCHUTZ, Seymour. Álgebra Linear –– Colecção Schaum – Ed. McGraw-Hill
5. RINCON, Mauro. FAMPA, Márcia. Álgebra Linear. CEDERJ
6. SANTOS, Shirley Maria. Introdução a Álgebra Linear. Curso de Licenciatura em
Ensino de Matemática.
7. TAGUIROV. T. e KACHIRINE, V..Exercícios e problemas de Álgebra Linear e
Geometria Analítica. Maputo. 1985.
58 | P á g i n a
59 | P á g i n a
Álgebra Linear 1
NÚMEROS COMPLEXOS
MATRIZES E DETERMINANTES
SISTEMAS DE EQUAÇÕES LINEARES
ESPAÇO E SUBESPAÇO VECTORIAL
Universidade Pedagógica
Montepuez
2018
60 | P á g i n a
61 | P á g i n a

Álgebra Linear 1: Conteúdo

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Álgebra Linear 1: Conteúdo

Enviado por

Direitos autorais:

Formatos disponíveis

Álgebra Linear 1 2018

O Presente módulo insere se na cadeira de Álgebra Linear I, introduzida na

Aconselha se ao caro leitor, o domínio de demonstrações dos Teoremas que

Unidade I: Número Complexos

Com a criação do novo conjunto, já é possível a solução da equação ,

Definição de um número complexo

O número a é a parte real de z que será indicada por . E o número b é a parte

1. Se a parte imaginaria , então z é um númwero complexo real;

Igualdade de números complexos

Operações com números complexos na forma algébrica

A soma de dois números complexos é dada por:

A diferença de dois números complexos é dada por:

Como se pode verificar sem dificuldades, o conjugado goza das seguintes

a) O conjugado do conjugado de z é o próprio z, isto é:

Dado o seguinte número complexo onde . Dai, e

b) O conjugado da soma é igual à soma dos conjugados das parcelas:

c) O conjugado do produto é igual ao produto dos conjugados dos factores:

d) O conjugado do quociente é igual ao quociente dos conjugados: ;

Divisão de números complexos na forma Algébrica

 Colocamos a divisão na forma ;

 Multiplicamos u numerador e o denominador da fracção pelo conjugado do

Observando os resultados encontrados, verificamos que eles se repetem a cada grupo

Vejamos então uma forma prática para calcular .

O resto (r) deverá sempre ser um destes valores ou 3.

Por tanto, o valor da potência depende do resto r.

Determinar os números complexos

Representação Geométrica de um Número complexo (Plano de Gauss)

Argand fez alguns trabalhos sobre o assunto e hoje a representação gráfica é

O ponto do plano corresponde ao número complexo , chama=se

Exemplo: represente no plano de Gauss os complexos seguintes:

Módulo de um Número Complexo

Aplicando o teorema de Pitágoras no triângulo formado, vem:

Calcule o módulo dos seguintes números complexos:

Propriedades do módulo de números complexos

Tarefa: demostre a propriedade c) e d)

e) O módulo do quociente de dois complexos é igual ao quociente dos seus

aplicando a propriedade b), vem: ou seja

De acordo com a propriedade anterior é:

Dai que, passando um dos termos para outro membro, resulta em

2. Represente no plano de Gauss os seguintes conjuntos:

AsMatrizessão denotadas por letrasmaiúsculas: A,B, C,…

1. Matriz coluna – é a matriz de ordem

2. Matriz linha – é a Matriz de ordem .

3. Matriz nula – é a Matriz onde , para .

4. Matriz Quadrada – é a Matriz de ordem

Os elementos constituem a diagonal principal;

Os elementos em que constituem a diagonal secundaria.

5. Matriz diagonal – é a Matriz Quadrada onde para .

6. Matriz identidade – é a Matriz diagonal I onde .

Notação: representa a Matriz identidade de ordem n.

7. Matriz Transposta: dada uma matriz , podemos obter uma outra

, cujo linhas são as colunas de A, isto é, .

8. Matriz simétrica: uma matriz quadrada é simétrica se .

9. Matriz anti-Simétrica: uma matriz quadrada é anti-simétrica se

10. Matriz Triangular Superior: a matriz quadrada que tem os

11. Matriz Triangular Inferior: a matriz quadrada que tem os

Seja . Determine o valor de x para que A seja uma matriz simétrica.

é igual à pois todos elementos correspondentes são

Exemplo: para as matrizes

Propriedades de Adição de matrizes

Oposta de uma Matriz

Exemplo: Ache a matriz oposta de