SISTEMAS LINEARES

Definição. Dados os números reais a1, a2, ..., an, b (n  1), à equação
(I) a1 x1 + a2 x2 + ... + an xn = b
onde os xi são variáveis em R, damos o nome de equação linear sobre R nas incógnitas xi.

Definição. Uma solução da equação (I) é uma n-upla de números reais indicada por (b 1, b2,
..., bn), tal que a1 b1 + a2 b2 + ... + an bn = b é uma frase verdadeira.

Definição. Um sistema de m equações lineares com n incógnitas é um conjunto de m

equações lineares, cada uma delas com n incógnitas, consideradas simultaneamente.

S:

Definição. Uma solução do sistema acima é uma n-upla (b 1, b2, ..., bn) de números reais
que é solução de cada uma das equações do sistema.

Definição. Dizemos que um sistema linear é Compatível Determinado quando o mesmo

admitir uma única solução. Se tal sistema possuir mais de uma solução, será denominado
Compatível Indeterminado. Porém, se não admitir solução alguma, será chamado
Incompatível.

Definição. Sejam dois sistemas S e S'. Dizemos que S e S' são equivalentes se são
incompatíveis ou têm as mesmas soluções.

Definição. Denominamos transformações elementares aplicadas às equações de um

sistema linear as seguintes operações:
(I) Permutar duas equações do sistema;
(II) Multiplicar uma equação do sistema por uma constante não nula;
(III) Adicionar um múltiplo de uma equação a uma outra equação do sistema.

Teorema. Dados dois sistemas S e S', se S' puder ser obtido de S através de um número
finito de transformações elementares então S e S' serão equivalentes.

Exercício. Resolver os seguintes sistemas lineares:

a) Resposta:
b) Resposta: (-3y-3z+t, y, z, 2y+2z, t)
c) Resposta: (-2-y+5z, y, z, 1-2z)
d) Resposta: (2t, -3t, 0, t)

ESPAÇOS VETORIAIS

1
Definição. Um corpo é um conjunto não vazio K munido de duas operações, a saber:
+:KxK→K e ∙:KxK→K
(a,b) a+b (a,b) a.b
satisfazendo as seguintes condições:
A1) (a+b)+c = a+(b+c),  a, b, c  K;
A2) a+b = b+a,  a, b  K;
A3)  0  K / a+0 = a,  a  K;
A4)  a  K,  -a  K / a+(-a) = 0;
M1) (a.b).c = a.(b.c),  a, b, c  K;
M2) a.b = b.a,  a, b  K;
M3)  1  K / a.1 = a,  a  K;
M4)  a  K-{0},  a-1  K / a.a-1 = 1;
D) a.(b+c) = a.b+a.c,  a, b, c  K.

Neste trabalho, utilizaremos o corpo R dos números reais e o corpo C dos números
complexos, fazendo a distinção quando for necessário.

Definição. Sejam K um corpo e V um conjunto não vazio. Dizemos que V é um espaço

vetorial sobre K se em V estiverem definidas duas operações, a saber:

+:VxV→V e ∙:KxV→V
(u,v) u+v (a,u) a∙u
satisfazendo as seguintes condições:
i) (u + v) + w = u + (v + w),  u, v, w  V;
ii) u + v = v + u,  u, v  V;
iii)  o  V / u + o = u,  u  V;
iv)  u  V,  -u  V / u + (-u) = o;
v) (a.b) ∙ u = a ∙ (b ∙ u),  u  V,  a, b  K;
vi) (a + b) ∙ u = a ∙ u + b ∙ u,  u  V,  a, b  K;
vii) a ∙ (u + v) = a ∙ u + a ∙ v,  u, v  V,  a  K;
viii) 1∙ u = u,  u  V.

Exemplos de espaços vetoriais sobre R:

1. O conjunto R dos números reais com as operações de adição e multiplicação usuais;

2. O conjunto C = {a+ib; a, b  R e i2 = -1} dos números complexos onde, dados u = a+ib,
v = c+id  C e α  R tem-se:
u+v = (a+c)+i(b+d)
α ∙ u = α.a+i α.b;

3. O conjunto V dos vetores da Geometria, definidos por meio de segmentos orientados,

com as operações de adição de vetores e multiplicação por escalar usuais;

2
4. O conjunto Pn(R) = {ao + a1x + ... + anxn; ai  R, i = 0,1,...,n} dos polinômios de grau
menor ou igual a n mais o polinômio nulo onde, dados u = a o + a1x + ... + anxn, v = bo + b1x
+ ... + bnxn  Pn(R) e α  R tem-se:
u+v = (ao+bo) + (a1 +b1)x + ... + (an +bn)xn
α ∙ u = α.ao + α.a1x + ... + α.anxn;

5. O conjunto Mmxn(R) = {(aij); aij  R, 1 ≤ i ≤ m, 1 ≤ j ≤ n} das matrizes reais de ordem m

por n onde, dadas u = (aij), v = (bij)  Mmxn(R) e α  R tem-se:
u+v = (aij+bij)
α ∙ u = (α.aij);

6. O conjunto Rn = {(a1,a2,...,an); ai  R, i = 1,2,...,n} onde, dados u = (a1,a2,...,an), v =

(b1,b2,...,bn)  Rn e α  R tem-se:
u+v = (a1+b1,a2+b2,...,an+bn)
α ∙ u = (α.a1, α.a2,..., α.an);

7. O conjunto (R) = {u : R → R} das funções de R em R onde, dadas u, v  (R) e α 

R tem-se:
u+v : R → R e α∙u:R→R
(u+v)(t) = u(t)+v(t) (α ∙ u)(t) = α.u(t)

Exemplos de espaços vetoriais sobre C:

1. C;
2. Pn(C);
3. Mmxn(C);
4. Cn;
5. (C); onde as operações são definidas de forma análoga ao caso real.

Propriedades. Seja V um espaço vetorial sobre K. Tem-se:

i) O vetor nulo de V é único;

Dem:
Sejam o’ e o’’ vetores nulos de V. Então:
o’ + o’’ = o’ pois o’’ é vetor nulo de V e
o’ + o’’ = o’’ pois o’ é vetor nulo de V.
Assim o’ = o’’■
ii) Dado u  V, existe um único simétrico de u;
Dem:
Sejam u’ e u’’ simétricos de u. Assim u’ = u’ + o = u’ + (u + u’’) = (u’ + u) + u’’ = o + u’’
= u’’■

iii) Dado u  V, - (- u) = u;
Dem:
Basta observar que u + (-u) = o ■
3
iv) Dado u  V, 0 ∙ u = o;
Dem:
0 ∙ u = (0 + 0) ∙ u = 0 ∙ u + 0 ∙ u  0 ∙ u + (-0 ∙ u) = (0 ∙ u + 0 ∙ u) + (-0 ∙ u)  o = 0 ∙ u ■
v) Dado a  K, a ∙ o = o;
Dem:
a ∙ o = a ∙ (o + o) = a ∙ o + a ∙ o  a ∙ o = o ■

vi) Dados a  K e u  V, a ∙ u = o  a = 0 ou u = o;
Dem:
Se a = 0, está acabado. Caso contrário, a ∙ u = o  a-1 ∙ (a ∙ u) = a-1 ∙ o  (a-1.a) ∙ u = o 
1∙u=ou=o■

vii) Dados a  K e u  V, (-a) ∙ u = a ∙ (-u) = - (a ∙ u);

Dem:
 (-a) ∙ u + a ∙ u = ((-a) + a) ∙ u = 0 ∙ u = o  (-a) ∙ u = - (a ∙ u)
 a ∙ (-u) + a ∙ u = a ∙ ((-u) + u) = a ∙ o = o  a ∙ (-u) = - (a ∙ u) ■

Nota. Dados u e v  V tem – se: u – v = u + (-v).

viii) Dados a, b  K e u  V, (a – b) ∙ u = a ∙ u – b ∙ u;
Dem:
(a – b) ∙ u = (a + (-b)) ∙ u = a ∙ u + (-b) ∙ u = a ∙ u + (-(b ∙ u)) = a ∙ u – b ∙ u ■

ix) Dados a  K e u, v  V, a ∙ (u – v) = a ∙ u – a ∙ v;
Dem:
a ∙ (u – v) = a ∙ (u + (-v)) = a ∙ u + a ∙ (-v) = a ∙ u + (-(a ∙ v)) = a ∙ u – a ∙ v ■

Subespaços Vetoriais

Definição. Sejam V um espaço vetorial e S um subconjunto não vazio de V. Dizemos que

S é um subespaço vetorial de V se S for, ele próprio, um espaço vetorial em relação à
adição e à multiplicação por escalar definidas em V.

Teorema. S  V, S ≠  é um subespaço vetorial de V se, e somente se,  u, v  S e  a

 K, tem – se u + v  S e a ∙ u  S.
Dem:
() Imediata.
() Como S ≠  existe u  S, assim, tomando a = -1, tem – se a ∙ u  S, ou seja, -u  S.
Por outro lado, u + (-u)  S, isto é, o  S. Os outros axiomas da definição de espaço
vetorial são satisfeitos em S, pois S  V. ■

Exemplo:
Seja o seguinte sistema linear homogêneo de ordem mxn sobre R

4
e seja S seu conjunto solução. Então S é um subespaço vetorial do R n. Com efeito, temos
que a n_upla (0,0,0,...,0)  S. Por outro lado, se u = (b 1,b2,...,bn), v = (c1,c2,...,cn)  S e k 
R tem – se:
aj1 b1 + aj2 b2 + ... + ajn bn = 0 e aj1 c1 + aj2 c2 + ... + ajn cn = 0 donde
aj1.(b1+c1) + aj2.(b2+c2) + ... + ajn.(bn+cn) = 0 e
aj1.(k.b1) + aj2.(k.b2) + ... + ajn.(k.bn) = 0, 1  j  m
isto é, u + v  S e k ∙ u  S.

Teorema. Sejam W um espaço vetorial e U, V subespaços de W. Então:

i) U  V é subespaço de W;
ii) U  V é subespaço de W se, e somente se, U  V ou V  U.
Dem:
i) Temos que o  U e o  V, donde o  U  V. Por outro lado, dados u, v  U  V e a 
K tem – se:
u+vUV

a∙uUV

ii) () Suponhamos, por absurdo, que existam uo  U – V e vo  V – U. Então uo, vo  U

 V, donde uo + vo  U  V.
uo + vo  U  uo + vo = u  U  vo = u – uo  U, absurdo;
uo + vo  V  uo + vo = v  V  uo = v – vo  V, absurdo.
Assim U  V ou V  U.
() Imediata. ■

Definição. Sejam W um espaço vetorial e U, V subespaços de W. O conjunto U + V = {u

+ v; u  U e v  V} é denominado soma dos subespaços U e V.

Teorema. Se U e V são subespaços vetoriais de W, então U + V também é um subespaço

vetorial de W.
Dem:
Temos que o  U e o  V, donde o = o + o  U + V. Por outro lado, dados w 1 = u1 + v1,
w2 = u2 + v2  U + V e a  K tem – se:
w1 + w2 = (u1 + u2) + (v1 + v2)  U + V
a ∙ w1 = a ∙ u1 + a ∙ v1  U + V. ■

Propriedades. Sejam Y um espaço vetorial e U, V e W subespaços de Y. Tem – se:

i) (U + V) + W = U + (V + W);
Dem:
Seja y  (U + V) + W. Então existem u, v e w pertencentes a U, V e W, respectivamente,
tais que y = (u + v) + w. Como a propriedade associativa é satisfeita em Y, segue que y = u

5
+ (v + w)  U + (V + W), ou seja, (U + V) + W  U + (V + W). A inclusão U + (V + W)
 (U + V) + W prova – se de forma análoga. ■

ii) U + V = V + U;
Dem:
Basta observar que, dados u  U e v  V, u + v = v + u. ■

iii) U + {o} = U;
Dem:
Basta observar que, u + o = u,  u  U. ■

iv) U  U + V.
Dem:
Dado u  U, u = u + o, onde o  V, isto é, u  U + V. ■

Definição. Sejam U e V subespaços vetoriais de W tais que U  V = {o}. Neste caso diz-
se que U + V é soma direta dos subespaços U e V. Notação: U  V.
Se U e V são subespaços de W tais que U  V = W dizemos que U e V são suplementares.

Exemplos:
a) Sejam U = {A  Mmxn(R) / At = A} (conjunto das matrizes simétricas) e V = {B 
Mmxn(R) / Bt = - B} (conjunto das matrizes antissimétricas). Dada C  Mmxn(R), temos que
C = A + B, onde A = eB= . Como At = A e Bt = -B, segue que Mmxn(R) = U
+ V. Por outro lado, se A  U  V então At = A e At = -A, donde 2 A = 0, ou seja, A = 0
(matriz nula). Assim Mmxn(R) = U  V.

b) Sejam U = {f  (R) / f(-t) = f(t)} (conjunto das funções pares) e V = {g  (R) / g(-t)
= -g(t)} (conjunto das funções ímpares). Dada h  (R), temos que h = f + g, onde f(t) =
e g(t) = . Como f(-t)= f(t) e g(-t) = -g(t), segue que (R) = U + V.
Por outro lado, se f  U  V então f(-t) = f(t) e f(-t) = -f(t), donde 2 f(t) = 0, ou seja, f = 0
(função nula). Assim (R) = U  V.

Teorema. Sejam U e V subespaços vetoriais de W. Então W = U  V se, e somente se,

cada vetor w  W admite uma única decomposição w = u + v, com u  U e v  V.
Dem:
() Dado w  W, sejam u, u1  U e v, v1  V tais que w = u + v = u1 + v1. Então u – u1 =
v1 – v, donde u – u1  V e v1 – v  U. Como U  V = {o}, segue que u – u1 = o e v1 – v =
o, ou seja, u = u1 e v = v1.
() Seja w  U  V. Dados u  U e v  V, tem – se u + v = (u – w) + (w + v) e, como a
decomposição é única, u = u – w e v = w + v, donde w = o. ■

Combinações Lineares

6
Definição. Sejam V um espaço vetorial, v1, v2, ..., vn  V e a1, ..., an  K. Então o vetor v =
 ai ∙ vi é um elemento de V denominado combinação linear de v1, v2, ..., vn.

Teorema. Sejam V um espaço vetorial e S = {v 1, v2, ..., vn}  V. O conjunto [S] = [v1,
v2, ..., vn] = { ai ∙ vi ; ai  K} é um subespaço vetorial de V chamado subespaço gerado
por S.
Dem:
Sejam u =  ai ∙ vi, v =  bi ∙ vi  [S] e a  K. Tem – se:
u + v =  (ai + bi) vi  [S]
a ∙ u =  (a ∙ ai) vi  [S]. ■

Propriedades.
i) S  [S];
Dem:
Seja S = {u1, u2, ..., un}. Dado ui  S, tem – se ui = 0 ∙ u1 + ... + 0 ∙ ui-1 + 1 ∙ ui + 0 ∙ ui+1 + ...
+ 0 ∙ un  [S]. ■

ii) S1  S2  [S1]  [S2];

Dem:
Sejam S1 = {u1, u2, ..., ur} e S2 = {u1, u2, ..., ur, ur+1, ..., un}. Dado u  [S1], temos que u = a1
∙ u1 + ... + ar ∙ ur + 0 ∙ ur+1 + ... + 0 ∙ un  [S2]. ■

iii) [S] = [[S]];

Dem:
A inclusão [S]  [[S]] segue da propriedade i). Por outro lado, como um elemento do
espaço [S] é uma combinação linear dos elementos de S, segue que uma combinação dos
elementos do espaço [S] continua sendo uma combinação linear de S. ■

iv) [S1  S2] = [S1] + [S2].

Dem:
Sejam S1 = {u1, u2, ..., un} e S2 = {v1, v2, ..., vm}. Temos que u  [S1  S2] se, e somente se,
u =  ai ∙ ui +  bi ∙ vi, ou seja, u  [S1] + [S2]. ■

v) [u1, ..., ui, ..., uj, ..., ur] = [u1, ..., uj, ..., ui, ..., ur];
Dem:
v  [u1, ..., ui, ..., uj, ..., ur]  v = a1 ∙ u1 + ... + ai ∙ ui + ... + aj ∙ uj + ... + ar ∙ ur  v = a1 ∙ u1
+ ... + aj ∙ uj + ... + ai ∙ ui + ... + ar ∙ ur  v  [u1, ..., uj, ..., ui, ..., ur]. ■

vi) Para todo a  K tem-se: [u1, ..., ui, ..., uj, ..., ur] = [u1, ..., ui, ..., uj+a ∙ ui, ..., ur];
Dem:
v  [u1, ..., ui, ..., uj, ..., ur]  v = a1 ∙ u1 + a2 ∙ u2 + ... + ai ∙ ui + ... + aj ∙ uj + ... + ar ∙ ur = a1 ∙
u1 + a2 ∙ u2 + ... + ai ∙ ui - aj .a ∙ ui + ... + aj ∙ uj + aj .a ∙ ui + ... + ar ∙ ur = a1 ∙ u1 + a2 ∙ u2 + ... +
(ai – aj .a) ∙ ui + ... + aj ∙ (uj + a ∙ ui) + ... + ar ∙ ur  v  [u1, ..., ui, ..., uj+a ∙ ui, ..., ur]. Por
outro lado, v  [u1, ..., ui, ..., uj+a ∙ ui, ..., ur]  v = a1 ∙ u1 + a2 ∙ u2 + ... + ai ∙ ui + ... + aj ∙ (uj

7
+ a ∙ ui) + ... + ar ∙ ur = a1 ∙ u1 + a2 ∙ u2 + ... + ai ∙ ui + aj .a ∙ ui + ... + aj ∙ uj + ... + ar ∙ ur  v 
[u1, ..., ui, ..., uj, ..., ur]. ■

Teorema. Sejam V um espaço vetorial, S  V e  = {W  V; W é subespaço de V com S

 W}. Então [S] = W.
Dem:
Como [S] é um subespaço de V com S  [S], segue que W  [S]. Por outro lado,
dado W  , tem – se S  W e, como W é subespaço de V, [S]  W, donde [S]  W.
■

Nota. No caso de S  V ser um conjunto infinito, definimos [S] por: u  [S]   v1,
v2, ..., vn  S e a1, ..., an  K tais que u =  ai  vi e, por convenção, [] = {o}.

Definição. Dizemos que um espaço vetorial V é finitamente gerado se existe S  V, S

finito, de maneira que [S] = V.

Exemplos de espaços vetoriais que não são finitamente gerados: (R), P(R) e .

EXERCÍCIOS

1. Verificar se o R2 é um espaço vetorial nos seguintes casos:

a) (x,y)  (z,w) = (x+z,y+w) e a  (x,y) = (ax,ay);
b) (x,y)  (z,w) = (x+z,y+w) e a  (x,y) = (ax,y);
c) (x,y)  (z,w) = (x+z,0) e a  (x,y) = (ax,ay).

2. Quais dos seguintes conjuntos W abaixo são subespaços do R2?

a) W = {(x,y)  R2; y = 0};
b) W = {(x,y)  R2; y = - x};
c) W = {(x,y)  R2; y = x2};
d) W = {(x,y)  R2; x  0}.

3. Quais dos seguintes conjuntos W abaixo são subespaços do R3?

a) W = {(x,y,z)  R3; x – 2y = 0};
b) W = {(x,y,z)  R3; x + z = 0 e x – 2y = 0};
c) W = {(x,y,z)  R3; x + 2y – 3z = 0};
d) W = {(x,y,z)  R3; x  y  z }.

4. Quais dos seguintes conjuntos W abaixo são subespaços de M2x2(R)?

a) W = { ; c = a+b e d = 0};

b) W = { ; c = b};

c) W = { ; b = 1 e c = a}.

8
5. Quais dos seguintes conjuntos W abaixo são subespaços de P(R)?
a) W = {f(t)  P(R); f(t) tem grau maior que 2};
b) W = {f(t)  P(R); f(0) = 2 f(1)};
c) W = {f(t)  P(R); f(t) > 0};
d) W = {f(t)  P(R); f(t) + f’(t) = 0}.

6. Sejam os vetores u = (2,-3,2) e v = (-1,2,4) em R3.

a) Escrever o vetor w = (7,-11,2) como combinação linear de u e v;
b) Para que valor de k o vetor (-8,14,k) é combinação linear de u e v?

7. Consideremos no espaço P2(R) os vetores p1 = t2 – 2t + 1, p2 = t + 2 e p3 = 2t2 – 1.

a) Escrever o vetor p = 5t2 – 5t + 7 como combinação linear de p1, p2 e p3;
b) Escrever o vetor p = 5t2 – 5t + 7 como combinação linear de p1, p2.

8. Seja no espaço vetorial M2x2(R) os vetores v1 = , v2 = e v3 = .

Escrever o vetor v = como combinação linear de v1, v2 e v3.

9. Dar um sistema de geradores para cada um dos seguintes subespaços do R2:

a) U = {(x,y)  R2; y = 0};
b) V = {(x,y)  R2; y = - x}.

10. Determinar o subespaço do R2 gerado pelos seguintes vetores:

a) v = (1,0);
b) v = (1,-1).

11. Dar um sistema de geradores para cada um dos seguintes subespaços do R3:
a) U = {(x,y,z)  R3; x – 2y = 0};
b) V = {(x,y,z)  R3; x + z = 0 e x – 2y = 0};
c) W = {(x,y,z)  R3; x + 2y – 3z = 0};
d) U + V;
e) U  V.

12. Determinar o subespaço do R3 gerado pelos seguintes vetores:

a) v1 = (2,1,0) e v2 = (0,0,1);
b) v = (1, ,-1);
c) v1 = (-2,1,0) e v2 = (3,0,1).

BASE E DIMENSÃO

Dependência e Independência Linear

9
Definição. Sejam V um espaço vetorial e v1, v2, ..., vn elementos de V. Dizemos que o
conjunto {v1, v2, ..., vn} é linearmente independente (L.I.), ou que os vetores v 1, v2, ..., vn
são L.I., se a equação a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn = o implica que a1 = a2 = ... = an = 0. No
caso contrário, ou seja, é possível uma igualdade do tipo a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn = o
com algum escalar não nulo, dizemos que v1, v2, ..., vn são L.D.

Nota. Convenciona-se que o conjunto vazio é L.I.

Propriedades.
i) Se um conjunto finito L  V contém o vetor nulo, então esse conjunto é L.D.
Dem:
Seja L = {o, v1, v2, ..., vn}. Tomando a  K, a  0 tem – se a ∙ o + 0 ∙ v1 + ... + 0 ∙ vn = o
com pelo menos um escalar não nulo. ■

ii) Se S = {u}  V e u ≠ o, então S é L.I.

Dem:
Se a ∙ u = o, como u ≠ o segue que a = 0, donde S é L.I. ■

iii) S = {v1, v2, ..., vn} é L.D. se, e somente se, um dos seus vetores é combinação linear
dos outros.
Dem:
() Temos que existem escalares a1, ..., an, não todos nulos, tais que a 1 ∙ v1 + a2 ∙ v2 + ... +
an ∙ vn = o. Supondo, por exemplo, que a1  0 temos que v1 = (- ) ∙ v2 + ... + (- ) ∙ vn.
() Supondo, por exemplo, que v1 = a2 ∙ v2 + ... + an ∙ vn temos que (-1) ∙ v1 + a2 ∙ v2 + ... +
an ∙ vn = o, donde v1, v2, ..., vn são L.D. ■

iv) Sejam S1 e S2 são subconjuntos finitos e não vazios de V. Se S1  S2 e S1 é L.D., então

S2 também é L.D.
Dem:
Sejam S1 = {v1, v2, ..., vr} e S2 = {v1, v2, ..., vr, ..., vn}. Por hipótese existem escalares a1,
a2, ..., ar, não todos nulos, tais que a1 ∙ v1 + a2 ∙ v2 + ... + ar ∙ vr = o. Assim a1 ∙ v1 + a2 ∙ v2
+ ... + ar ∙ vr + 0 ∙ vr+1 + ... + 0 ∙ vn = o, com pelo menos um escalar não nulo■

v) Se S1 e S2 são subconjuntos finitos e não vazios de V, se S 1  S2 e S2 é L.I., então S1

também é L.I.
Dem:
Se S1 fosse L.D., S2 também seria. ■

vi) Se S = {v1, v2, ..., vn} é L.I., e para um certo u em V tivermos S  {u} L.D., então o
vetor u é combinação linear dos vetores v1, v2, ..., vn, isto é, u  [S].
Dem:
Temos, por hipótese, a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn + a ∙ u = o, com pelo menos um escalar
não nulo. Se a = 0 continuaríamos a ter a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn = o com algum escalar

10
não nulo, o que seria um absurdo, visto que {v1, v2, ..., vn} é L.I. Assim a  0, donde u =
(- ) ∙ v1 + ... + (- ) ∙ vn. ■

vii) Se S = {v1, v2, ..., vn} é L.I., e para um certo u em V tivermos u  [S], então S  {u} é
L.I.
Dem:
Se S  {u} for L.D., então, pela propriedade anterior, u  [S]. ■

viii) Se S = {v1, ..., vj, ..., vn} e vj  [S-{vj}] (isto é, vj é combinação linear dos demais
vetores de S), então [S] = [S-{vj}].
Dem:
Como S-{vj}  S, segue que [S-{vj}]  [S]. Por outro lado, temos que vj = a1 ∙ v1 + ... +
aj-1 ∙ vj-1 + aj+1 ∙ vj+1 + ... + an ∙ vn assim, dado u  [S] tem – se u = b1 ∙ v1 + ... + bj-1 ∙ vj-1 + bj
∙ vj + bj+1 ∙ vj+1 + ... + bn ∙ vn = (b1 + bj.a1) ∙ v1 + ... + (bj-1 + bj.aj-1) ∙ vj-1 + (bj+1 + bj.aj+1) ∙ vj+1
+ ... + (bn + bj.an) ∙ vn, donde u  [S-{vj}]. ■

Base e Dimensão

Definição. Seja V um espaço vetorial finitamente gerado. Uma base de V é um

subconjunto finito B  V para o qual as seguintes condições se verificam:
i) [B] = V;
ii) B é linearmente independente.

Teorema. Todo espaço vetorial finitamente gerado admite uma base.

Dem:
Seja V o espaço. Se V = {o} então B =  é uma base de V. Caso contrário seja S = {v 1, ...,
vn}  V, S finito, tal que V = [S]. Se S for L.I. está acabado. Caso contrário existe em S
um vetor que é combinação linear dos demais. Destacando este vetor, se o conjunto
restante for L.I. está acabado. Prosseguindo com este raciocínio obteremos um
subconjunto de S L.I. e, portanto, uma base de V. ■

Lema 1. Seja B = {u1, u2, ..., un} uma base de um espaço vetorial V. Se u  V é tal que u =
a1 ∙ u1 + ... + ai ∙ ui + ... + an ∙ un com ai  0, então {u1, ..., ui-1, u, ui+1, ..., un} também é uma
base de V.
Dem:
Supondo, por exemplo, i = 1 temos que u1 = b ∙ u + b2 ∙ u2 + ... + bn ∙ un onde b = a1-1, b2 = -
a1-1.a2, ..., bn = - a1-1.an. Dado v  V, tem – se v = c1 ∙ u1 + ... + ci ∙ ui + ... + cn ∙ un = (c1.b) ∙ u
+ (c1.b2 + c2) ∙ u2 + ... + (c1.bn + cn) ∙ un, donde V = [u, u2, ..., un]. Por outro lado, supondo x
∙ u + x2 ∙ u2 + ... + xn ∙ un = o tem – se (x.a1) ∙ u1 + (x a2 + x2) ∙ u2 + ... + (x.an + xn) ∙ un = o,
donde x.a1 = 0, x.a2 + x2 = 0, ..., x.an + xn = 0, ou seja, x = 0, x2 = 0, ..., xn = 0. ■

Lema 2. Suponhamos que exista uma base de V com n vetores. Então se B = {u1, u2, ...,
un}  V é L.I. e possui n vetores, B é também uma base de V.
Dem:
11
Seja C = {v1, v2, ..., vn} uma base de V. Então u1 = a1 ∙ v1 + ... + an ∙ vn. Não podemos ter
todos os escalares nessa igualdade nulos, pois isto implicaria que u1 = o o que é impossível
já que o conjunto B é L.I. Supondo, por exemplo, a1  0 temos que {u1, v2, ..., vn} é uma
base de V. Portanto u2 = b1 ∙ u1 + b2 ∙ v2 + ... + bn vn. Também não podemos ter b2 = ... = bn
= 0, senão {u1, u2} seria L.D. e, portanto, o mesmo aconteceria com o conjunto B.
Admitindo que b2  0 teremos {u1, u2, v3, ..., vn} é também uma base de V. A repetição
desse raciocínio nos levará à conclusão de que B é uma base de V. ■

Lema 3. Suponhamos V como no lema anterior. Então todo subconjunto de V que seja
L.I. tem no máximo n vetores.
Dem:
Suponhamos que exista S = {v1, v2, ..., vn, vn+1, ..., vt}  V que tenha t > n vetores e que
seja L.I. Então B = {v1, v2, ..., vn} tem n vetores e é um subconjunto L.I. donde é uma base
de V. Assim vt = a1 ∙ v1 + ... + an ∙ vn o que é um absurdo, pois S é L.I. ■

Teorema. Seja V um espaço vetorial finitamente gerado. Então duas bases quaisquer de V
têm o mesmo número de vetores.
Dem:
Sejam B = {u1, u2, ..., un} e C = {v1, v2, ..., vm} duas bases quaisquer de V. Como B é base
de V e C é L.I., então m  n. Analogamente, n  m, logo m = n. ■

Definição. Seja V um espaço vetorial finitamente gerado. Denomina-se dimensão de V

(notação dim V) o número de vetores de uma qualquer de suas bases.

Teorema. Seja V um espaço vetorial de dimensão n. Se S = {u 1, ..., ur}  V é um

subconjunto L.I. com r vetores e r < n, então existe n-r vetores u r+1, ..., un  V, de maneira
que {u1, ..., ur, ..., ur+1, ..., un} é uma base de V.
Dem:
Temos que existe ur+1  V tal que ur+1  [S]. Se V = [S  {ur+1}] está acabado.
Prosseguindo analogamente obteremos uma base de V. ■

Nota. Seja V = [v1, v2, ..., vr] um subespaço do Kn. Se v1, v2, ..., vr se apresentam na forma
escalonada, então os vetores v1, v2, ..., vr formam um conjunto L.I. e, portanto, dim V = r.
Para vermos isto, basta notarmos que, neste caso, nenhum vetor pode ser escrito como
combinação linear dos demais.

Teorema. Seja W um espaço vetorial de dimensão finita. Se U e V são subespaços de W,

então:
dim (U + V) = dim U + dim V – dim (U  V).
Dem:
Seja B1 = {u1, ..., ur} uma base de U  V. Como B1 é L.I. em U e em V, podemos obter
v1, ..., vs  U e w1, ..., wt  V tais que B2 = {u1, ..., ur, v1, ..., vs} é base de U e B3 = {u1, ...,
ur, w1, ..., wt} é base de V. Mostremos que B = {u 1, ..., ur, v1, ..., vs, w1, ..., wt} é uma base
de U + V. Com efeito, dado w = u + v  U + V, tem-se u = a1 ∙ u1 + ... + ar ∙ ur + b1 ∙ v1 + ...
+ bs ∙ vs e v = c1 ∙ u1 + ... + cr ∙ ur + d1 ∙ w1 + ... + dt ∙ wt donde w = (a1 + c1) ∙ u1 + ... + (ar +
12
cr) ∙ ur + b1 ∙ v1 + ... + bs ∙ vs + d1 ∙ w1 + ... + dt ∙ wt. Por outro lado, supondo a1 ∙ u1 + ... + ar ∙
ur + b1 ∙ v1 + ... + bs ∙ vs + c1 ∙ w1 + ... + ct ∙ wt = o, segue que, a1 ∙ u1 + ... + ar ∙ ur + b1 ∙ v1
+ ... + bs ∙ vs = - c1 ∙ w1 - ... - ct ∙ wt  U  V  - c1 ∙ w1 - ... - ct ∙ wt = d1 ∙ u1 + ... + dr ∙ ur 
c1 ∙ w1 + ... + ct ∙ wt + d1 ∙ u1 + ... + dr ∙ ur = o  c1 = ... = ct = d1 = ... = dr = 0, pois B3 é L.I.
Assim, a1 ∙ u1 + ... + ar ∙ ur + b1 ∙ v1 + ... + bs ∙ vs = o  a1 = ... = ar = b1 = ... = bs = 0, pois
B2 é L.I. ■

Coordenadas

Teorema. Sejam V um espaço vetorial e B = {v1, v2, ..., vn} uma base ordenada de V.
Então cada vetor de V é escrito de maneira única como combinação linear de B.
Dem:
Dado v  V, seja v = a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn e v = b1 ∙ v1 + b2 ∙ v2 + ... + bn ∙ vn. Assim
a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn = b1 ∙ v1 + b2 ∙ v2 + ... + bn ∙ vn  (a1-b1) ∙ v1 + ... + (an-bn) ∙ vn =
o  a1 – b1 = 0, ..., an – bn = 0  a1 = b1, ..., an = bn. ■

Nota. A partir de agora diremos apenas base em vez de base ordenada.

Definição. Seja B = {v1, v2, ..., vn} base de V e v  V onde v = a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn.
Chamaremos os escalares a1, ..., an de coordenadas de v em relação à base B e denotamos
por:

[v]B =

Mudança de Base

Seja V um espaço vetorial de dimensão finita n e consideremos duas bases de V: B = {u 1,

u2, ..., un} e C = {v1, v2, ..., vn}. Então existe uma única família de escalares a ij de maneira
que vj =  aij ∙ ui (j = 1, 2, ..., n).

Definição. A matriz quadrada de ordem n = (aij) chama-se matriz de mudança da

base B para a base C.

Teorema.
i) = 
ii) =( )-1
iii) [u]C =  [u]B
iv) se B = {u1, u2, ..., un} é uma base de V e M = (a ij) é uma matriz inversível, então os
vetores vj =  aij ∙ ui (j = 1, 2, ..., n) formam uma base de V.
Dem:
13
i) Sejam B = {u1, u2, ..., un}, C = {v1, v2, ..., vn}, D = {w1, w2, ..., wn}, = (aij) e
= (bjk). Assim vj =  aij ∙ ui (j = 1, 2, ..., n) e wk =  bjk ∙ vj (k = 1, 2, ..., n), donde wk
=  bjk ∙ ( aij ∙ ui) =  ( aij bjk) ∙ ui. ■

ii) De = In, segue que  = = In e  = = In. ■

iii) Seja u =  xi ∙ ui =  yj ∙ vj. Sendo vj =  aij ∙ ui (j = 1, 2, ..., n), segue que u =  xi ∙ ui =

 yj ∙ ( aij ∙ ui) =  (aij yj) ∙ ui. Assim xi = aij yj, ou seja, [u]B =  [u]C e [u]C =
 [u]B. ■

iv) Suponhamos  xj ∙ vj = 0. Então  xj ∙ ( aij ∙ ui) =  (aij xj) ∙ ui = 0, donde aij xj = 0.

Como este sistema é homogêneo e a matriz dos seus coeficientes é inversível temos, x 1
= ... = xn = 0. Assim {v1, v2, ..., vn} é L.I. e portanto também é base de V. ■

EXERCÍCIOS

1. Consideremos os seguintes subespaços:

a) U = {(x,y,z)  R3; x = 0} e V = [(1,2,0), (3,1,2)]
b) U = {(x,y,z,t)  R4; x – y = y e x – 3y + t = 0} e V = [(1,2,1,3), (3,1,-1,4)].
Em cada caso determinar uma base e a dimensão de U, V, U+V e U  V.

2. Verificar quais dos seguintes conjuntos de vetores formam uma base do R2:
a) {(1,2), (-1,3)}
b) {(1,3), (-4,-12)}
c) {(1,2)}

3. Quais dos seguintes conjuntos de vetores formam uma base do R3?

a) {(1,1,-1), (1,-1,0)}
b) {(1,0,1), (0,-1,2), (0,1,0)}

4. Quais dos seguintes conjuntos de vetores formam uma base de P2(R)?

a) {1, t, t2}
b) {2, 1-t, 1+t2}
c) {1+t+t2, t+t2, t2}

5. Determinar e , onde:
a) B = {(1,0), (0,1)} e C = {(-1,1), (1,1)}
b) B = {( ,1), ( ,-1)} e C = {(-1,1), (1,1)}
c) B = {(1,1,1), (1,2,0), (3,1,0)} e C = {(1,2,1), (0,3,2), (1,1,4)}.

14
6. A matriz de mudança de uma base B do R2 para a base C = {(1,1), (0,2)} desse mesmo
espaço é . Determinar a base B.

7. A matriz de mudança da base B = {1+t, 1-t2} para uma base C ambas do mesmo
subespaço de P2(R) é . Determinar a base C.

8. Considere as bases B = {e1, e2, e3} e C = {g1, g2, g3} de R3 assim relacionadas:
g1 = e1 – e2 – e3
g2 = 2e2 + 3e3
g3 = 3e1 + e3
a) Determinar as matrizes de mudança de B para C e de C para B;
b) Se [u]B = (1, 2, 3), determinar [u]C.

TRANSFORMAÇÕES LINEARES

Definição. Sejam U e V espaços vetoriais sobre o mesmo corpo K. Uma aplicação F: U 

V é chamada transformação linear de U em V se:
i) F(u+v) = F(u) + F(v),  u, v  U;
ii) F( ∙ u) =  ∙ F(u),    K e  u  U.

Teorema. Sejam U e V espaços vetoriais e F: U  V uma transformação linear, tem – se:

i) F(o) = o;
Dem:
F(o) = F(o + o) = F(o) + F(o)  F(o) = o. ■

ii) F(-u) = -F(u);  u  U;

Dem:
o = F(o) = F(u + (-u)) = F(u) + F(-u)  F(-u) = - F(u). ■

iii) se W é um subespaço de U, então F(W) é um subespaço de V.

Dem:
Sejam v1 e v2  F(W) e a  K. Então existem u1 e u2  W tais que F(u1) = v1 e F(u2) = v2.
Assim v1 + v2 = F(u1) + F(u2) = F(u1 + u2)  F(W) e a · v1 = a · F(u1) = F(a · u1)  F(W),
pois u1 + u2  W e a · u1  W. ■

Definição. Sejam U e V espaços vetoriais e F: U  V uma transformação linear. Indica-se

por ker(F) e denomina-se núcleo de F o seguinte subconjunto de U: ker(F) = {u  U; F(u)
= o}

Teorema. Seja F: U  V uma transformação linear. Então:

i) ker(F) é um subespaço vetorial de U;
Dem:
15
Sejam u e v  Ker(F) e a  K. Então F(u) = F(v) = o. Assim F(u + v) = F(u) + F(v) = o + o
= o e F(a · u) = a · F(u) = a · o = o, donde u + v  Ker(F) e a · u  Ker(F). ■

ii) A transformação linear é injetora se, e somente se, ker(F) = {o}.

() Seja u  Ker(F). Então F(u) = o. Como F(o) = o e F é injetora, segue que u = o, donde
ker(F) = {o}.

() Sejam u e v  U tais que F(u) = F(v). Então F(u) – F(v) = o  F(u – v) = o  u – v 
Ker(F)  u – v = o  u = v, isto é, F é injetora. ■

Teorema. Sejam U e V espaços vetoriais de dimensão finita sobre K. Dada uma

transformação linear F: U  V, então
dim U = dim ker(F) + dim Im(F).
Dem:
Seja B = {u1, u2, ..., ur} uma base de Ker(F). Esta base pode ser estendida a uma base C =
{u1, u2, ..., ur, v1, v2, ..., vs} de U. Mostremos que {F(v1), F(v2), ..., F(vs)} é uma base de
Im(F). Com efeito, dado v  Im(F) existe u  U tal que F(u) = v. Assim v = F(u) = F(a 1 ·
u1 + a2 · u2 + ... + ar · ur + b1 · v1 + b2 · v2 + ... + bs · vs) = a1 · F(u1) + ... + ar · F(ur) + b1 ·
F(v1) + ... + bs · F(vs) = b1 · F(v1) + ... + bs · F(vs), pois F(u1) = ... = F(ur) = o. Por outro
lado, b1 · F(v1) + ... + bs · F(vs) = o  F(b1 · v1 + ... + bs · vs) = o  b1 · v1 + ... + bs · vs 
Ker(F)  b1 · v1 + ... + bs · vs = a1 · u1 + a2 · u2 + ... + ar · ur  b1 · v1 + ... + bs · vs - a1 · u1
- a2 · u2 - ... - ar · ur = o  b1 = ... = bs = a1 = ... = ar = 0, donde {F(v1), F(v2), ..., F(vs)} é
L.I. ■

Teorema. Sejam U e V espaços vetoriais com a mesma dimensão finita r e suponhamos F:

U  V uma transformação linear. Então são equivalentes as seguintes afirmações:
i) F é sobrejetora;
ii) F é injetora;
iii) F transforma uma base de U em uma base de V.
Dem:
i)  ii)
Temos que dim U = dim Ker(F) + dim Im(F) e Im(F) = V, donde dim Ker(F) = 0, ou seja,
Ker(F) = {o} e F é injetora.
ii)  iii)
Seja B = {u1, u2, ..., ur} uma base de U. Como F é injetora segue que o conjunto {F(u1),
F(u2), ..., F(ur)} possui r elementos. Por outro lado, a1 · F(u1) + ... + ar · F(ur) = o  F(a1 ·
u1 + a2 · u2 + ... + ar · ur) = o  a1 · u1 + a2 · u2 + ... + ar · ur  Ker(F)  a1 · u1 + a2 · u2 + ...
+ ar · ur = o  a1 = a2 = ... = ar = 0.
iii)  i)
Seja B = {u1, u2, ..., ur} uma base de U. Então {F(u1), F(u2), ..., F(ur)} é uma base de V.
Dado v  V tem-se v = a1 · F(u1) + ... + ar · F(ur) = F(a1 · u1 + a2 · u2 + ... + ar · ur). Como a1
· u1 + a2 · u2 + ... + ar · ur  U, segue que v  Im(F), donde F é sobrejetora. ■

16
Definição. Entende-se por isomorfismo do espaço vetorial U no espaço vetorial V uma
transformação linear F: U  V que seja bijetora. Um isomorfismo F: U  U é um
automorfismo de U.

Teorema. Se F é um isomorfismo de U em V, então F -1: V  U também é um

isomorfismo de V em U.
Dem:
Sejam v1 e v2  V e a  K. Então existem u1 e u2  U tais que F(u1) = v1 e F(u2) = v2.
Assim F-1(v1 + v2) = F-1(F(u1) + F(u2)) = F-1(F(u1 + u2)) = u1 + u2 = F-1(v1) + F-1(v2) e F-
1
(a · v1) = F-1(a · F(u1)) = F-1(F(a · u1)) = a · u1 = a · F-1(v1). ■

Teorema. Sejam U e V espaços vetoriais. Dado B = {u 1, ..., ur} uma base de U, para toda
seqüência de vetores v1, ..., vr de V a aplicação F: U  V dada por F( ai · ui) =  ai · vi é
linear com F(ui) = vi e, se G: U  V é linear e G(ui) = vi então F = G.
Dem:
Sejam u e v  U e a  K. Então u =  ai · ui e v =  bi · ui, donde F(u + v) = F( ai · ui +
 bi · ui) = F((ai + bi) · ui) = (ai + bi) · vi =  ai · vi +  bi · vi = F(u) + F(v) e F(a · u) =
F(a ·  ai · ui) = F( a.ai · ui) =  a.ai · vi = a ·  ai · vi = a · F(u). Por outro lado, F(u i) =
F(0 · u1 + ... + 1 · ui + ... + 0 · ur) = 0 · v1 + ... + 1 · vi + ... + 0 · vr = vi. Dado u  U, G(u) =
G( ai · ui) =  ai · G(ui) =  ai · F(ui) = F( ai · ui) = F(u). ■

Teorema. Dois espaços V e V de dimensão finita são isomorfos se, e somente se, dim U =
dim V.
Dem:
() Se F: U  V for o isomorfismo segue de dim U = dim Ker(F) + dim Im(F) que dim U
= dim V, pois dim Ker(F) = 0 e Im F = V.
() Dadas as bases B = {u1, u2, ..., ur} e C = {v1, v2, ..., vr} de U e V, respectivamente,
tomando F: U  V como no teorema anterior, temos que F é um isomorfismo visto que F
é linear e F transforma base de U em base de V. ■

MATRIZ DE UMA TRANSFORMAÇÃO LINEAR

Sejam U e V espaços vetoriais de dimensão n e m, respectivamente, sobre K.

Consideremos uma transformação linear F : U  V. Dadas as bases B = {u1, u2, ..., un} de
U e C = {v1, v2, ..., vm} de V, então cada um dos vetores F(u 1), ..., F(un) está em V e
consequentemente é combinação linear da base C, isto é, existe uma coleção de escalares
aij tais que

F(uj) =  aij ∙ vi (j = 1, 2, ..., n)

Definição. A matriz (aij) obtida das considerações anteriores é denominada matriz de F em

relação às bases B e C, (F)B,C

17
 TRANSFORMAÇÕES LINEARES PLANAS

1. Reflexão em torno do eixo dos x

T : R2  R2; T(x,y) = (x,-y)

(T) =

2. Reflexão em torno do eixo dos y

T : R2  R2; T(x,y) = (-x,y)

(T) =

3. Reflexão na origem

T : R2  R2; T(x,y) = (-x,-y)

(T) =

4. Reflexão em torno da reta y = x

T : R2  R2; T(x,y) = (y,x)

(T) =

5. Reflexão em torno da reta y = -x

T : R2  R2; T(x,y) = (-y,-x)

(T) =

6. Dilatação ou contração na direção do vetor

T : R2  R2; T(x,y) = a(x,y) , a > 0

(T) =

7. Dilatação ou contração na direção do eixo dos x

18
 T : R2  R2; T(x,y) = (ax,y) , a > 0

(T) =

8. Dilatação ou contração na direção do eixo dos y

T : R2  R2; T(x,y) = (x,ay) , a > 0

(T) =

9. Cisalhamento na direção do eixo dos x

(Cisalhamento horizontal de fator a)

T : R2  R2; T(x,y) = (x + ay, y)

(T) =

10.Cisalhamento na direção do eixo dos y

(Cisalhamento vertical de fator a)

T : R2  R2; T(x,y) = (x, y+ax)

(T) =

Exercício. Aplique ao polígono de vértices (3,1), (3,2), (5,2) e (5,1) as transformações

lineares planas acima.

11.Rotação de ângulo , no sentido anti-horário, em torno da origem

T : R2  R2; T(x,y) = (x cos  - y sen ,x sen  + y cos )

(T) =

Exercícios.
1. Os pontos A = (2,-1), B = (6,1) e C = (x,y) são vértices de um triângulo equilátero.
Determinar o vértice C, utilizando a matriz de rotação.

2. Os pontos A = (2,-1) e B = (-1,4) são vértices consecutivos de um quadrado. Calcular os

outros dois vértices, utilizando a matriz de rotação.

19
3. Os pontos A = (-1,-1), B = (4,1) e C = (a,b) são vértices de um triângulo retângulo
isósceles, reto em A. Determinar o vértice C fazendo uso da matriz de rotação.

4. Em um triângulo ABC, os ângulos B e C medem 75º cada. Sendo A = (1,1) e B = (-1,5)

determinar o vértice C.

5. Dada a elipse + = 1 aplique à mesma as seguintes

transformações lineares planas:

i) Dilatação de fator 2 na direção do eixo dos x ;

ii) Contração de fator na direção do eixo dos y;
iii) Rotação de 90º;
iv) Reflexão em torno da reta y = x.

PRODUTO INTERNO E NORMA

Definição. Chama-se produto interno no espaço vetorial V sobre R uma função de VxV
em R que a todo par de vetores (u,v)  VxV associa um número real, indicado por u.v ou
<u,v>, tal que os seguintes axiomas sejam verificados:
(a) u.u  0 e u.u = 0 se, e somente se, u = o;
(b) u.(v + w) = u.v + u.w,  u, v, w  V;
(c) (a · u).v = a (u.v),  a  R e  u, v  V;
(d) u.v = v.u,  u, v  V.

Um espaço vetorial real, de dimensão finita, no qual está definido um produto interno, é
um espaço vetorial euclidiano.

Propriedades.
i) <o, u> = <u, o> = 0,  u  V;
Dem:
<o, u> = <0 · u, u> = 0 <u, u> = 0. ■

ii) <u, a · v> = a <u, v>,  a  R e  u, v  V;

Dem:
<u, a · v> = <a · v, u> = a <v, u> = a <u, v>. ■

iii) <u+v, w> = <u, w> + <v, w>,  u, v, w  V;

Dem:
<u+v, w> = <w, u+v> = <w, u> + <w, v> = <u, w> + <v, w>. ■

20
Definição. Dado um vetor v de um espaço vetorial euclidiano V, chama-se módulo, norma
ou comprimento de v o número real não-negativo, indicado por ||v||, definido por: ||v|| =

Definição. Chama-se distância entre dois vetores u e v o número real representado por d(u,
v) e definido por: d(u, v) = ||u – v||

Se ||v|| = 1, o vetor v é chamado vetor unitário. Diz-se, neste caso, que v está normalizado.

Propriedades.
i) ||v||  0,  v  V e ||v|| = 0 se, e somente se, v = o;
Dem:
||v|| =  0, pois <v, v>  0. Por outro lado, ||v|| = 0  = 0  <v, v>
= 0  v = o. ■

ii) ||a · v|| = |a| ||v||,  a  R e  v  V;

Dem:
||a · v|| = = = |a| = |a| ||v||. ■

iii) |u.v|  ||u|| ||v||,  u, v  V;

Dem:
Se x  R então 0  ||u + x·v||2 = <u + x·v, u + x·v> = ||u||2 + 2x <u, v> + x2 ||v||2. Assim, 4
<u, v>2 – 4 ||v||2 ||u||2  0  |<u, v>|  ||u|| ||v||. ■

iv) ||u + v||  ||u|| + ||v||,  u, v  V.

Dem:
||u + v||2 = <u + v, u + v> = ||u|| 2 + 2 <u, v> + ||v||2  ||u||2 + 2 |<u, v>| + ||v||2  ||u||2 + 2 ||u|| ||
v|| + ||v||2 = (||u|| + ||v||)2  ||u + v||  ||u|| + ||v||. ■
v) ||u|| = ||v||  <u+v, u-v> = 0;
Dem:
<u+v, u-v> = 0  ||u||2 - ||v||2 = 0  ||u||2 = ||v||2  ||u|| = ||v||. ■

vi) ||u+v||2 = ||u||2 + ||v||2  <u,v> = 0;

Dem:
||u+v||2 = ||u||2 + ||v||2  <u+v, u+v> = ||u||2 + ||v||2  ||u||2 + 2 <u, v> + ||v||2 = ||u||2 + ||v||2 
<u,v> = 0. ■

vii) ||u+v||2 - ||u-v||2 = <u,v>.

Dem:
||u+v||2 - ||u-v||2 = (||u||2 + 2 <u, v> + ||v||2) - (||u||2 - 2 <u, v> + ||v||2) = <u, v>.
■

Ângulo entre Vetores

21
Definição. Seja V um espaço vetorial euclidiano. Dados u e v em V, temos que existe  
R, tal que 0     e cos  = . Tal número é chamado de ângulo entre u e
v.

Definição. Seja V um espaço euclidiano. Diz-se que dois vetores u e v de V são

ortogonais, e se representa por u  v, se e somente se, <u, v> = 0.

Propriedades.
i) o  u,  u  V;
Dem:
Já está feita. ■

ii) se u  v, então ·u  v,    R;

Dem:
<·u, v> =  <u, v> =  0 = 0. ■

iii) se u1  v e u2  v, então (u1 + u2)  v.

Dem:
<u1 + u2, v> = <u1, v> + <u2, v> = 0 + 0 = 0. ■

Processo de Ortogonalização de Gram-Schmidt

Definição. Seja V um espaço euclidiano. Diz-se que um conjunto de vetores {v 1, v2, ..., vn}
 V é ortogonal se dois vetores quaisquer, distintos, são ortogonais.

Teorema. Um conjunto ortogonal de vetores não – nulos A = {v 1, v2, ..., vn} é linearmente
independente.
Dem:
Suponhamos a1 · v1 + a2 · v2 + ... + an · vn = o. Então <a1 · v1 + a2 · v2 + ... + an · vn, v1> =
<o, v1>  a1 <v1, v1> + a2 <v2, v1> + ... + an <vn, v1> = 0  a1 ||v1||2 = 0  a1 = 0.
Analogamente obtemos a2 = a3 = ... = an = 0. ■

Definição. Diz-se que uma base {v1, v2, ..., vn} de V é ortogonal se os seus vetores são
dois a dois ortogonais.

Definição. Uma base B = {v1, v2, ..., vn} de V é ortonormal se B é ortogonal e todos os
seus vetores são unitários.

Teorema. Dado um espaço vetorial euclidiano V e uma base qualquer B = {v 1, v2, ..., vn}
desse espaço, mostre que o conjunto {w1, w2 , ..., wn} é uma base ortogonal de V onde:
w1 = v1
w2 = v2 - w1
w3 = v3 - w1 - w2 e assim
sucessivamente.
22
Este processo é conhecido como Processo de Ortogonalização de Gram-Schmidt.

Coordenadas de um Vetor numa Base Ortonormal – Complemento Ortogonal

Teorema. Seja V um espaço vetorial euclidiano e B = {v1, v2, ..., vn} uma base ortogonal
de V. Se w  V é tal que w = a1v1 + a2v2 + ... + anvn então ai = , i = 1, 2, ..., n.
Dem:
w = a1v1 + a2v2 + ... + anvn  <w, vi> = < a1v1 + a2v2 + ... + anvn , vi>  <w, vi> = a1 <v1,
vi> + a2 <v2, vi> + ... + an <vn, vi>  <w, vi> = ai <vi, vi>  ai = .■

Definição. Se S1 e S2 são subconjuntos não - vazios de um espaço vetorial euclidiano V,

diz – se que S1 é ortogonal a S2, e se representa por S1  S2, se qualquer vetor de S1 é
ortogonal a qualquer vetor de S2.

Teorema. Seja V um espaço vetorial euclidiano e B = {v 1, v2, ..., vn} uma base de um
subespaço S de V. Se um vetor u  V é ortogonal a todos os vetores da base B, então u é
ortogonal a qualquer vetor do subespaço S.
Diz-se, nesse caso, que u é ortogonal a S e se representa por u  S.
Dem:
Dado v  S tem-se v = a1v1 + a2v2 + ... + anvn. Assim, u.v = u.( a1v1 + a2v2 + ... + anvn) = a1
u.v1 + a2 u.v2 + ... + an u.vn = a1 0 + a2 0 + an 0 = 0. ■

Definição. Seja V um espaço vetorial euclidiano e S um subespaço vetorial de V. O

conjunto S = {v  V / v  S} é chamado complemento ortogonal de S.

Propriedades.
i) S é subespaço de V
Dem:
Sejam u e v  S e a  R. Dado w  S tem-se: (u+v).w = u.w + v.w = 0 e (a · u).w = a.
(u.w) = a.0 = 0, donde u+v  S e a · u  S. ■

ii) V = S  S.
Dem:

AUTO VALORES E AUTO VETORES

Definição. Seja T : V  V um operador linear. Se existirem v  V, v  o, e   R tais

que T(v) =  v,  é um autovalor de T e v um autovetor de T associado a .

Teorema. Sejam T : V  V um operador linear e  um autovalor de T. O conjunto V  =

{v  V / T(v) =  v} é um subespaço de V denominado subespaço associado ao autovalor
.
23
Nota. Sejam T : V  V um operador linear e M a matriz canônica de T. Então tem – se:
T(v) =  v  M v =  v  M v -  v = 0  M v -  I v = 0  (M -  I) v = 0. Para que a
equação admita soluções não nulas devemos ter det(M -  I) = 0. A equação det(M -  I) =
0 é denominada equação característica do operador T e suas raízes são os autovalores de T.
A substituição de  pelos seus valores no sistema homogêneo (M -  I)v = 0 permite
determinar os autovetores associados.

Roteiro de Fórmulas:
1ª) determinar a matriz canônica M;
2ª) M -  I;
3ª) det(M -  I) = 0;
4ª)  = b2 – 4 a c
x= ;
5ª) (M -  I) v = 0.

Exercícios. Determinar os autovalores e os autovetores dos seguintes operadores lineares:

a) T(x,y) = (4x+5y,2x+y); V6 = [( ,1)] e V-1 = [(-1,1)]
b) T(x,y,z) = (3x-y+z,-x+5y-z,x-y+3z); V2 = [(1,0,-1)], V3 = [(1,1,1)] e V6 = [(1,-2,1)]
c) T(x,y) = (x+2y,-x+4y); V3 = [(1,1)] e V2 = [(2,1)]
d) T(x,y) = (2x+2y,x+3y); V1 = [(-2,1)] e V4 = [(1,1)]
e) T(x,y) = (5x-y,x+3y); V4 = [(1,1)]
f) T(x,y) = (y,-x); não existem
g) T(x,y,z) = (x+y+z,2y+z,2y+3z); V1 = [(1,0,0),(0,1,-1)] e V4 = [(1,1,2)]
h) T(x,y,z) = (x+y,y,z). V1 = [(1,0,0),(0,0,1)]

CÔNICAS

Definição. Uma cônica em R2 é um conjunto de pontos cujas coordenadas em relação à

base canônica satisfazem a equação:
Ax2 + Bxy + Cy2 + Dx + Ey + F = 0
onde A, B e C não são todos nulos.

Equações Reduzidas

Circunferência: x2 + y2 = r2

Elipse: + =1

Hipérbole: - = 1 ou - =1

Parábola: y = a x2 ou x = a y2

Roteiro de Fórmulas para a Classificação de Cônicas

24
1ª) + + F = 0; M =

2ª) M -  I;
3ª) det(M -  I) = 0;
4ª)  = b2 – 4 a c
x= ;
5ª) (M -  I) v = 0;
6ª) ||(a,b)|| = ;
7ª) autovalores: 1 e 2
autovetores: v1 = (a1,b1) e v2 = (a2,b2)
8ª) + + F = 0;
9ª) (a + b)2 = a2 + 2 a b + b2 e (a – b)2 = a2 – 2 a b + b2.

Exercícios. Classificar e Desenhar as seguintes Cônicas:

a) 2x2 + 2xy + 2y2 + 7 x + 5 y + 10 = 0; Elipse

b) 11x2 – 24xy + 4y2 + 20x – 40y – 20 = 0; Hipérbole
c) x2 + 2xy + y2 – 8x + 4 = 0; Parábola
d) 4x2 + 24xy – 3y2 – 156 = 0. Hipérbole

Solução.
a) 2x2 + 2xy + 2y2 + 7 x+5 y + 10 = 0

Solução:
+ + 10 = 0 M=

M-I=

det(M -  I) = 0  (2 - )2 – 1 = 0  4 – 4  + 2 – 1 = 0  2 – 4  + 3 = 0  1 = 3 e 2 = 1

Para  = 3 temos:
(M -  I) v = 0  =  y=x

(x,y) = (x,x) = x (1,1) e ||(1,1)|| = , assim v’ = ( )

Para  = 1 temos:
(M -  I) v = 0  =  y=-x
25
(x,y) = (x,- x) = x (1,- 1) e ||(1,- 1)|| = , assim v’’ = ( )

Autovalores: 1 = 1 e 2 = 3
Autovetores: v1 = ( ) e v2 = ( )

+ + 10 = 0

+ + 10 = 0

+3 + 2 x1 + 12 y1 + 10 = 0
+ 2 x1 + 3 + 12 y1 + 10 = 0
+ 2 x1 + 3 ( + 4 y1) + 10 = 0
( + 2 x1 + 1) – 1 + 3 [( + 4 y1 + 4) – 4] + 10 = 0
(x1 + 1) – 1 + 3 (y1 + 2) – 12 + 10 = 0
2 2

(x1 + 1)2 + 3 (y1 + 2)2 = 3

+3 =3 + =1

b) 11x2 - 24xy + 4y2 + 20x - 40y - 20 = 0

Solução:
+ - 20 = 0 M=

M-I=

det(M -  I) = 0  (11- ) (4- - ) – 144 = 0  44 – 11  - 4  + 2 – 144 = 0  2 – 15  - 100 = 0 

1 = 20 e 2 = -5

Para  = 20 temos:
(M -  I) v = 0  =  y= x

(x,y) = (x, x) = x (1, ) e ||(1, )|| = , assim v’ = ( )

Para  = -5 temos:
(M -  I) v = 0  =  y= x

(x,y) = (x, x) = x (1, ) e ||(1, )|| = , assim v’’ = ( )

26
Autovalores: 1 = 20 e 2 = -5
Autovetores: v1 = ( ) e v2 = ( )

+ - 20 = 0

+ - 20 = 0

20 -5 + 40 x1 - 20 y1 - 20 = 0
20 + 40 x1 - 5 - 20 y1 - 20 = 0
20( + 2 x1) - 5 ( + 4 y1) - 20 = 0
20[( + 2 x1 + 1) – 1] - 5 [( + 4 y1 + 4) – 4] - 20 = 0
20(x1 + 1) – 20 - 5 (y1 + 2) + 20 - 20 = 0
2 2

20(x1 + 1)2 - 5 (y1 + 2)2 = 20

20 -5 = 20  - =1

c) x2 + 2xy + y2 - 8x + 4 = 0

Solução:
+ +4=0 M=

M-I=

det(M -  I) = 0  (1 - )2 – 1 = 0  1 – 2  + 2 – 1 = 0  2 – 2  = 0  1 = 0 e 2 = 2

Para  = 0 temos:
(M -  I) v = 0  =  y=-x

(x,y) = (x,-x) = x (1,-1) e ||(1,-1)|| = , assim v’ = ( )

Para  = 2 temos:
(M -  I) v = 0  =  y=x

(x,y) = (x,x) = x (1,1) e ||(1,1)|| = , assim v’’ = ( )

Autovalores: 1 = 0 e 2 = 2
Autovetores: v1 = ( ) e v2 = ( )

27
 + +4=0

+ +4=0

2 - x1 - y1 + 4 = 0  - x1 + 2 - y1 + 4 = 0

- x1 + - y1 + 2 = 0

- x1 + ( - y1 + 2) – 2 + 2 = 0

- x1 + (y1 - )2 = 0

- x2 + =0 =2 x2

d) 4x2 + 24xy - 3y2 - 156 = 0

Solução:
- 156 = 0 M=

M-I=

det(M -  I) = 0  (4 - ) (-3 - ) – 144 = 0  -12 – 4  + 3  + 2 – 144 = 0  2 –  – 156 = 0  1

= -12 e 2 = 13

Para  = -12 temos:

(M -  I) v = 0  =  y= x

(x,y) = (x, x) = x (1, ) e ||(1, )|| = , assim v’ = ( )

Para  = 13 temos:
(M -  I) v = 0  =  y= x

(x,y) = (x, x) = x (1, ) e ||(1, )|| = , assim v’’ = ( )

Autovalores: 1 = -12 e 2 = 13
Autovetores: v1 = ( ) e v2 = ( )

- 156 = 0

28
 - 156 = 0

-12 + 13 - 156 = 0

- =1

29