ALGAI M1010 2324 PDF

Álgebra Linear e Geometria
Analítica I (M1010)
Ano lectivo 2023/24
Gabriela Chaves
Departamento de Matemática
Faculdade de Ciências
Universidade do Porto
Funcionamento
◼ Aulas teóricas: exposição de matéria mas também apresentação de exemplos
◼ Disponibilização dos slides das aulas teóricas em formato .nb e .pdf no Moodle
◼ Para ver os ficheiros .nb é necessário o software wolfram player (gratuito) disponível em
https://www.wolfram.com/player/
◼ Aulas práticas: resolução de exercícios
◼ Disponibilização de folhas de exercícios no Moodle
◼ Informações importantes -> página da disciplina e email -> consultar regularmente
◼ Horário de atendimento: a combinar (gabinete 3.75)
Avaliação
◼ 2 testes obrigatórios, cotados para 10 valores:
◼ primeiro: fim de outubro (data a confirmar), nota mínima 3 valores;
◼ segundo teste na época normal de exames; nota mínima 4 valores;
◼ Exame da época de recurso, acessível a todos os alunos
◼ Classificações superiores a 16 valores só serão atribuídas após realização de uma prova escrita
complementar
Programa
◼ Sistemas de equações lineares
2 ALGAI_M1010_2324_pdf.nb
◼ Espaços vectoriais
◼ Aplicações lineares
◼ Matrizes
◼ Determinantes
◼ Produto escalar
ALGAI_M1010_2324_pdf.nb 3
0 - Sistemas de equações lineares

Generalidades
a11 x1 + a12 x2 + ⋯ + a1 n xn = b1
◼ Sistema de m equações lineares a n incógnitas: ⋯
am1 x1 + am2 x2 + ⋯ + amn xn = bm
◼ Diz-se que o sistema é homogéneo sse todos os b j são nulos.

Exemplos
◼ (c1 , . . . , cn ) é solução do sistema se substituindo cada x j por c j se obtêm igualdades verdadeiras.

Exemplos
◼ Dois sistemas dizem-se equivalentes sse tiverem o mesmo conjunto de soluções.

Exemplos
◼ Diz-se que um sistema é possível se tiver pelo menos uma solução; caso contrário diz-se que é
impossível.
◼ Diz-se que um sistema é possível e determinado se tiver exactamente uma solução.
◼ Diz-se que um sistema é possível e indeterminado se tiver mais do que uma solução.
Exemplos
◼ Um sistema homogéneo é sempre possível (porquê?); pode ser determinado ou indeterminado.

◼ Pode-se concluir que um sistema é impossível/possível e determinado/possível e indeterminado
unicamente a partir do número de equações e de incógnitas?
Interpretação geométrica
Exemplo 1
x-2y=5
3x+ y=3
y
Sistema possível e determinado

Exemplo 2
4x-2y=5
-2 x + y = 3
y
Sistema impossível
Exemplo 3
ax - 2 y = 5
- x + ay = 3
-0.64
sistema possível e determinado

y
1
Exemplo 4
x + y +z=2a
x+2z=3
y + a2 - 5 z = 1
Matriz de um sistema
a11 a12 ... a1 n b1
a11 x1 + a12 x2 + ⋯ + a1 n xn = b1
a a22 ... a2 n b2
Dado o sistema ⋯ , a matriz do sistema é 21 e
... ... ... ...
am1 x1 + am2 x2 + ⋯ + amn xn = bm
am1 am2 ... amn bm
a11 a12 ... a1 n
a a22 ... a2 n
a matriz dos coeficientes é 21
... ... ...
am1 am2 ... amn
Exemplo
x1 +3 x2 - 53 x3 = 7 1 3 -
5
7
3
Para o sistema 2 x1 - 2 x2 + 47 x3 = 8 a matriz do sistema é 2 - 2 4
8 e a matriz dos
7
x2 + 5 x3 = 0 0 1 5 0
5
1 3 -
3
coeficientes é 2 - 2
4
7
0 1 5
Resolução de sistemas (método de eliminação ou método de Gauss)

◼ Objectivo: dado um sistema, determinar todas as soluções (por vezes o objectivo é apenas
verificar se o sistema é possível ou impossível, e, no caso de ser possível, se é determinado ou
indeterminado).
◼ Se num sistema de equações
◼ se substituir uma equação pelo seu produto por um número diferente de zero
◼ se trocar a ordem das equações
◼ se substituir uma equação pela soma dessa equação com o produto de outra por qualquer número
obtém-se um sistema de equações equivalente (porquê?).

Exemplos
2x+3y=5 6 x + 9 y = 15
⟺
-x + 7 y = 1 -x + 7 y = 1
2x+ y-z=1 6x+3y=7

⟺
6x+3y=7 2x+ y-z=1
x+2y=3 x+2y=3 x+2y=3
⟺ ⟺
2x- y=4 2 x - y - 2 (x + 2 y) = 4 - 2 × 3 -5 y = - 2
◼ Efeito destas operações sobre as matrizes:

◼ substituir uma linha pelo seu produto por um número
diferente de zero
◼ trocar a ordem das linhas
◼ substituir uma linha pela soma dessa linha com o produto
de outra por qualquer número
Exemplos
2x+3y=5 6 x + 9 y = 15 2 3 5 6 9 15
⟺ ↔
-x + 7 y = 1 -x + 7 y = 1 -1 7 1 -1 7 1
2x+ y-z=1 6x+3y=7 2 1 -1 1 6 3 0 7

⟺ ↔
6x+3y=7 2x+ y-z=1 6 3 0 7 2 1 -1 1
x+2y=3 x+2y=3 1 2 3 1 2 3
⟺ ↔
2x- y=4 2 x - y - 2 (x + 2 y) = 4 - 2 × 3 2 -1 4 2 - 2 × 1 -1 - 2 × 2 4 - 2 × 3
Algoritmo para resolver um sistema (operações descritas sobre a matriz do sistema)
Exemplos
Exemplos de sistemas particularmente simples e respectivas matrizes
x=1 1 0 0 1
y=2 0 1 0 2 Sistema possível e determinado
z = -3 0 0 1 -3
x=0 1 0 0
y=0 0 1 0 Sistema impossível
0=1 0 0 1
x+z=3 1 0 1 3
Sistema possível e indeterminado (as soluções
y-z=5 0 1 -1 5
são os pares da forma (3-a,5+a,a), com a∈ℝ
Exemplo de resolução de sistema 1

x- y+z=1 1 -1 1 1
2x-z=3 2 0 -1 3
-x + 3 y = 1 -1 3 0 1
x- y+z=1 1 -1 1 1
L2 → L 2 - 2 L 1
2 y-3z=1 0 2 -3 1
L3 → L 3 + L 1 2y+z=2 0 2 1 2
x- y+z=1 1 -1 1 1
1 3 1 3 1
L2 → L2 y- z=2 2
0 1 -
2 2
2
2y+z=2 0 2 1 2
x - 12 z = 3
2
1 0 - 12 3
2
L1 → L1 +L2
y - 32 z = 1
2
0 1 - 32 1
2
L3 → L3 -2 L2
4z=1 0 0 4 1
x - 12 z = 3
2
1 0 - 12 3
2
L3 →
1
L3 y - 32 z = 1
2
0 1 - 32 1
2
4
1 1
z= 4
0 0 1 4
13 13
1
x= 8
1 0 0 8
L1 → L 1 + L3
2 7 7
y= 8 0 1 0 8
3
L2 → L 2 + L3
2 z = 14 0 0 1 1
4
Sistema possível e determinado solução: ( 13 ,7,1

8 8 4

x+ y-z=1 1 1 -1 1
2x+z=3 2 0 1 3
x- y+2z=2 1 -1 2 2
x+ y-z=1 1 1 -1 1
L2 → L 2 - 2 L 1
-2 y + 3 z = 1 0 -2 3 1
L3 → L3 -L1 -2 y + 3 z = 1 0 -2 3 1
x+ y-z=1 1 -1 1 1
3
L2 → -
1
L2 y- 2
z = - 12 0 1 -
3
2
1
2
2
-2 y + 3 z = 1 0 -2 3 1
x + 12 z = 3
2
1 0 1
2
3
2
L1 → L1 -L2
y - 32 z = - 12 0 1 -
3
2
-
1
2
L3 → L3 +2 L2
0=0 0 0 0 0
x = 32 - 12 z
y = - 12 + 32 z
0=0
Sistema possível e indeterminado soluções: ( 32 - 12 a,- 12 + 32 a,a), a∈ℝ


3 x - 6 y + 3 z - 3 t + 9 w = 18 3 -6 3 -3 9 18
t - w = -2 0 0 0 1 -1 -2
x -2 y +3z-t+7w=8 1 -2 3 -1 7 8
2 x - 4 y + 3 z - t + 7 w = 11 2 -4 3 -1 7 11
x -2 y +z-t+3w=6 1 -2 1 -1 3 6
1 t - w = -2 0 0 0 1 -1 -2
L1 → L1
3 x -2 y +3z-t+7w=8 1 -2 3 -1 7 8
2 x - 4 y + 3 z - t + 7 w = 11 2 -4 3 -1 7 11
x -2 y +z-t+3w=6 1 -2 1 -1 3 6
L3 → L 3 - L 1 t - w = -2 0 0 0 1 -1 -2
L4 → L4 -2 L1 2z+4w=2 0 0 2 0 4 2
z + t + w = -1 0 0 1 1 1 -1
x -2 y +z-t+3w=6 1 -2 1 -1 3 6
2z+4w=2 0 0 2 0 4 2
L2 ↔ L3
t - w = -2 0 0 0 1 -1 -2
z + t + w = -1 0 0 1 1 1 -1
x -2 y +z-t+3w=6 1 -2 1 -1 3 6
1 z+2w=1 0 0 1 0 2 1
L2 → L2
2 t - w = -2 0 0 0 1 -1 -2
z + t + w = -1 0 0 1 1 1 -1
x -2 y -t+3w=5 1 -2 0 -1 1 5
L1 → L 1 - L 2 z+2w=1 0 0 1 0 2 1
L4 → L4 -L2 t - w = -2 0 0 0 1 -1 -2
t - w = -2 0 0 0 1 -1 -2
x-2y=3 1 -2 0 0 0 3
L1 → L1 +L3 z+2w=1 0 0 1 0 2 1
L4 → L4 -L3 t - w = -2 0 0 0 1 -1 -2
0=0 0 0 0 0 0 0
x=3+2y
z=1-2w
t = -2 + w
0=0
Sistema possível e indeterminado

soluções: (2 a + 3,a,1-2b,-2+b,b), a,b∈ℝ

x+ y+z=1 1 1 1 1
y-z=2 0 1 -1 2
2x+4z=0 2 0 4 0
x+ y+z=1 1 1 1 1
L3 → L3 -2 L1 y-z=2 0 1 -1 2
-2 y + 2 z = - 2 0 -2 2 -2
x + 2 z = -1 1 0 2 -1
L1 → L1 -L2
y-z=2 0 1 -1 2
L3 → L3 +2 L2 0=2 0 0 0 2
Sistema impossível

x + y +z=2a 1 1 1 2a
x+2z=3 1 0 2 3
y + a2 - 5 z = 1 2
0 1 a -5 1
x + y +z=2a 1 1 1 2a
L2 → L2 - L1 -y + z = 3 - 2 a 0 -1 1 3-2a
y + a2 - 5 z = 1 0 1 a2 - 5 1
x + y +z=2a 1 1 1 2a
L2 → -L2 y -z=2a-3 0 1 -1 2 a - 3
y + a2 - 5 z = 1 0 1 a2 - 5 1
x+2z=3 1 0 2 3
L1 → L 1 - L 2
y -z=2a-3 0 1 -1 2 a - 3
L3 → L3 -L2 a2 - 4 z = 4 - 2 a 0 0 a2 - 4 4 - 2 a
1º caso : a2 -4≠0, isto é, a≠2 e a≠-2

x+2z=3 1 0 2 3
L3 →
1
L3 y -z=2a-3 0 1 -1 2 a - 3
a2 - 4 2
z = - a2+2 0 0 1 -
a+ 2
3 a+10 3 a+10
x= a+ 2
1 0 0 a+ 2
L1 → L 1 - 2 L 3 2 a2 +a-8 2 a2 +a-8
y= a+ 2
0 1 0 a+ 2
L2 → L2 +L3
z = - a2+2 0 0 1 -
2
a+ 2
2
Sistema possível e determinado; Solução: ( 3 a+2
a+10 2 a +a-8
,
a+2
,-
2
a+2
)
2º caso : a=2
x+2z=3 1 0 2 3
y-z=1 0 1 -1 1
0=0 0 0 0 0
Sistema possível e indeterminado; Soluções: (3-2c,1+c,c), c∈ℝ
3º caso : a=-2
x+2z=3 1 0 2 3
y - z = -7 0 1 -1 -7
0=8 0 0 0 8
Sistema impossível;
1 -1 + i 3+2i 1
0 i 2 0
i - 1 - i a2 - 2 a + 3 i a - 1 + 2 i
x + (-1 + i) y + (3 + 2 i) z = 1
iy + 2 z = 0
ix + (-1 - i) y + a2 - 2 a + 3 i z =
a-1+2i
x + (-1 + i) y + (3 + 2 i) z = 1 1 -1 + i 3+2i 1
L3 → L3 - iL1 iy + 2 z = 0 0 i 2 0
y + a2 - 2 a + 2 z = a - 1 + i 0 0 a2 - 2 a + 2 a - 1 + i
x + (-1 + i) y + (3 + 2 i) z = 1 1 -1 + i 3+2i 1
L2 → 1i L2 y - 2 iz = 0 0 1 -2 i 0
a2 - 2 a + 2 z = a - 1 + i 0 0 a2 - 2 a + 2 a - 1 + i
x+z=1 1 0 1 1
L1 → L1 -(-1 + i) L2 y - 2 iz = 0 0 1 -2 i 0
a2 - 2 a + 2 z = a - 1 + i 0 0 a2 - 2 a + 2 a - 1 + i
1º caso : a2 - 2 a + 2≠0, isto é, a≠1+i e a≠1-i

x+z=1 1 0 1 1
L3 →
1
L3 y - 2 iz = 0 0 1 -2 i 0
a2 - 2 a + 2
1 1
z= a-1+i
0 0 1 a-1-i
a-2-i a-2-i
x= a-1-i
1 0 0 a-1-i
L1 → L 1 - L 3
y = a-21i-i 0 1 0 2i
a-1-i
L2 → L2 +2 iL3
z = a-11-i 0 0 1 1
a-1-i
Sistema possível e determinado; Solução: ( a-i-2 ,

2i
,
1
a-i-1 a-i-1 a-i-1
)
2º caso : a=1-i
x+z=1 1 0 1 1
y - 2 iz = 0 0 1 -2 i 0
0=0 0 0 0 0
Sistema possível e indeterminado; Soluções: (1-c,2ic,c), c∈ℂ
3º caso : a=1+i
x+z=1 1 0 1 1
y - 2 iz = 0 0 1 -2 i 0
0=2i 0 0 0 2i
Sistema impossível;
1 - Espaços vectoriais
1.1 - Definições, exemplos e propriedades básicas
Vectores no plano
Soma de vectores
Produto de um número
u+v
v
u
au
ℝ2 = ℝ ×ℝ = {( x, y ) : x, y ∈ ℝ}
Dado um referencial do plano, podemos identificar ℝ2 com o plano, fazendo corresponder a cada
ponto do plano o par formado pelas suas coordenadas. Analogamente ℝ2 identifica-se com os
vectores do plano com origem na origem do referencial.
A soma de vectores corresponde à soma de elementos de ℝ2 : ( x, y ) + (z, t) = ( x + z, y + t)
O produto de um número por um vector corresponde ao produto de um número por um elemento
de ℝ2 : a·(x,y)=(ax,ay)
Vectores no espaço
plano
soma
ℝ3 = ℝ ×ℝ ×ℝ = {( x, y, z) : x, y, z ∈ ℝ}
Dado um referencial do espaço, podemos identificar ℝ3 com o espaço, fazendo corresponder
a cada ponto do espaço o tripleto formado pelas suas coordenadas. Analogamente ℝ 3 identi-
fica-se com os vectores do espaço com origem na origem do referencial.
A soma de vectores corresponde à soma de elementos de ℝ3 :
( x, y, z) + (t, u, v ) = ( x + t, y + u, z + v )
O produto de um número por um vector corresponde ao produto de um número por um
elemento de ℝ3 : a ·( x, y, z) = (a x, a y, a z)
Espaço vectorial sobre  (onde  = ℝ ou  = ℂ)
Vamos considerar dois tipos de operações num conjunto E ≠ ∅:

◼ # operação interna num conjunto E: associa a cada par ordenado de elementos de E um
elemento de E
(u, v) → u#v ∈ E
Exemplos
soma, subtração, multiplicação em ℤ, ℝ, ℂ, divisão em ℝ+ , composição de funções de ℝ em ℝ
◼ · operação externa envolvendo elementos de  (números): associa a cada par (α, u) com α ∈ , u
∈ E, um elemento de E
α ∈ ,u ∈ E → α·u ∈ E
Exemplos
multiplicação de um número por um vector, por um polinómio, por uma função
Um espaço vectorial sobre  é um tripleto (E,#,·), onde

◼ E é um conjunto não vazio (a cujos elementos se chama normalmente vectores)
◼ # é uma operação interna (normalmente chamada adição) em E: a um par ordenado (u, v) de
elementos de E associa um elemento u# v de E
◼ · é uma operação envolvendo os elementos de  (normalmente chamada multiplicação por
escalares), que a um elemento α de  e um elemento u de E associa um elemento α · u de E
◼ as operações satisfazem determinadas propriedades.
Definição
Seja E um conjunto não vazio,  uma operação interna em E, · uma operação externa com os
elementos de ; diz-se que (E, , ·) é
um espaço vectorial sobre  sse
1. a operação # é associativa, isto é, para quaisquer u, v, w ∈ E
se tem (uv)w=u(vw) ;
2. existe elemento neutro para #, isto é, existe 0E ∈ E tal que,
para qualquer u ∈ E, se tem 0E #u = u0E = u
3. para qualquer u ∈ E existe u’∈ E tal que u#u’ = u’#u = 0E (existência de simétrico)
4. a operação # é comutativa, isto é, para quaisquer u, v∈ E se
tem u#v = v#u;
5. a operação · é distributiva relativamente a #, isto é, para
quaisquer α ∈ , u, v ∈ E, se tem α · (u#v) = (α · u)#(α · v);
6. a operação · é distributiva relativamente à adição de escalares, isto é, para quaisquer α,β ∈ ,
u ∈ E, se tem
(α + β) · u = (α · u)#(β · u);
7. para quaisquer α,β ∈ , u ∈ E, se tem (αβ) · u = α · (β · u)
(a esta propriedade chama-se associatividade mista);
8. para qualquer u ∈ E se tem 1 · u = u.
Observações: Seja (E,,·) um espaço vectorial sobre 

O elemento neutro para  é único, chama-se vector nulo.
Se 0E e 0'E são elementos neutros para , então 0E = 0E + 0'E = 0'E .
Para cada u, só existe um u' tal que u + u' = u' + u = 0E ; chama-se simétrico de u e repre-
senta-se por -u.
Se u' e u'' são tais que u + u' = u' + u = 0E e u + u'' = u'' + u = 0E ,
então u' = u' + 0E = u' + (u + u'') = (u' + u) + u'' = 0E + u'' = u''.
Espaços vectoriais reais - Exemplos
Vectores do plano
Operações vistas anteriormente
Vectores do espaço
Operações vistas anteriormente
ℝ2
Operações vistas anteriormente;o vector nulo é (0,0);o simétrico de (x,y) é (-x,-y)
ℝ3
Operações vistas anteriormente; o vector nulo é (0,0,0); o simétrico de (x,y,z) é (-x,-y,-z)
ℝn
Operações definidas por ( x1 , ..., xn )  ( y1 , ..., yn ) =

( x1 + y1 , ..., xn + yn ) e α ·( x1 , ..., xn ) = (αx1 , ..., αxn );
o vector nulo é (0, ..., 0) e o simétrico de ( x1 , ..., xn ) é (- x1 , ..., - xn )
Mm,n (ℝ) : matrizes de coeficientes reais de m linhas e n colunas

a11 ... an b11 ... bn a11 + b11 ... an + bn
Operações definidas por ⋮ ⋮ # ⋮ ⋮ = ⋮ ⋮ ,
am1 ... amn bm1 ... bmn am1 + bm1 ... amn + bmn
a11 ... an α a11 ... α an 0 ... 0
α· ⋮ ⋮ = ⋮ ⋮ ;o vector nulo é ⋮ ⋮ e o simétrico de
am1 ... amn α am1 ... α amn 0 ... 0
a11 ... an - a11 ... - an
⋮ ⋮ é ⋮ ⋮
am1 ... amn - am1 ... - amn
Polinómios de coeficientes reais (notação: ℝ[X ]

Operações usuais de soma de polinómios
e de multiplicação de um polinómio por um número real
F(ℝ,ℝ) : funções de ℝ em ℝ
Operações usuais de soma de funções e de multiplicação de uma função por um número real
F(A,ℝ) : funções de A em ℝ, onde A é qualquer conjunto

Sucessões de números reais

Operações usuais de soma de sucessões e de multiplicação de uma sucessão por um número
real; o vector nulo é a sucessão nula, e o simétrico da sucessão ann∈ℕ é a sucessão -ann∈ℕ
Espaços vectoriais complexos - Exemplos
ℂn
Operações definidas por ( x1 , ..., xn )  ( y1 , ..., yn ) = ( x1 + y1 , ..., xn + yn ) ,

α ·( x1 , ..., xn ) = (αx1 , ..., αxn ); o vector nulo é (0, ..., 0) e o simétrico de ( x1 , ..., xn ) é (- x1 , ..., - xn )
Mm,n (ℂ) : matrizes de coeficientes complexos de m linhas e n colunas

a11 ... an b11 ... bn a11 + b11 ... an + bn
Operações definidas por ⋮ ⋮ # ⋮ ⋮ = ⋮ ⋮ e
a11 ... an α a11 ... α an 0 ... 0
α· ⋮ ⋮ = ⋮ ⋮ ; o vector nulo é ⋮ ⋮ e o simétrico de
am1 ... amn α am1 ... α amn 0 ... 0
a11 ... an - a11 ... - an
⋮ ⋮ é ⋮ ⋮
am1 ... amn - am1 ... - amn
Polinómios de coeficientes reais (notação: ℂ[X ]

F(ℂ,ℂ) : funções de ℂ em ℂ
Operações usuais de soma de funções e
de multiplicação de uma função por um número complexo
F(A,ℂ) : funções de A em ℂ, onde A é qualquer conjunto

Operações usuais de soma de funções e
de multiplicação de uma função por um número complexo
Sucessões de números complexos

Operações usuais de soma de sucessões e de multiplicação de uma sucessão por um número
complexo; o vector nulo é a sucessão nula, e o simétrico da sucessão (an )n∈ℕ é a sucessão
(-an )n∈ℕ
Espaços vectoriais reais - Mais exemplos

ℂn
Operações definidas por ( x1 , ..., xn ) ( y1 , ..., yn ) =

( x1 + y1 , ..., xn + yn ) e α ·( x1 , ..., xn ) = (αx1 , ..., αxn ) para qualquer número real α.
Mm,n (ℂ) : matrizes de coeficientes complexos de m linhas e n colunas

a11 ... an b11 ... bn a11 + b11 ... an + bn
Operações definidas por ⋮ ⋮ # ⋮ ⋮ = ⋮ ⋮ e
a11 ... an α a11 ... α an
α· ⋮ ⋮ = ⋮ ⋮ para qualquer número real α.
am1 ... amn α am1 ... α amn
Polinómios de coeficientes reais (notação: ℂ[X ]

F(ℂ,ℂ) : funções de ℂ em ℂ
F(A,ℂ) : funções de A em ℂ, onde A é qualquer conjunto

Sucessões de números complexos

Operações usuais de soma de sucessões
e de multiplicação de uma sucessão por um número real
Notações
Normalmente escreve-se + em vez de #, αu em vez de α · u e u-v em vez de u(-v).

Fala-se do espaço vectorial E em vez do espaço vectorial (E,+, ·)
Quando falarmos dos espaços vectoriais ℝn , ℝ[X], F(ℝ,ℝ) e sucessões reais, será com as operações
vistas nos exemplos, a menos que seja dito o contrário.
Quando falarmos dos espaços vectoriais ℂn , ℂ[X], F(ℂ,ℂ) e sucessões complexas, será com as
operações vistas nos exemplos, a menos que seja dito o contrário; nestes casos é necessário
precisar se se trata da estrutura de espaço vectorial real ou complexo.
Propriedades básicas
Seja (E,#,·) um espaço vectorial sobre ; para quaisquer u,v,w∈E, α,β,∈

-(-(u))=u
O simétrico de -u é o (único) elemento que
somado com -u dá o elemento neutro, e u tem essa propriedade.
uv=uw⟺v=w⟺vu=wu
uv = uw ⇒ (-u)  (uv) = (-u)  (uw) ⇒ ((-u) u) v = ((-u) u) w ⇒ 0E v = 0E w ⇒ v = w
A implicação v=w⇒uv=uw é trivial.
uv = u ⟺ v = 0E
uv = u ⇒ uv = u0E ⇒ v = 0E
u = v ⟺ u - v = 0E
u = v ⟺ u (-v ) = v(-v )⟺ u - v = 0E
α · u = 0E ⟺α = 0 ou u = 0E
Suponhamos α = 0; tem - se α · u = 0 · u, e 0 · u = (0 + 0)· u = 0 · u + 0 · u;

conclui - se de uma das propriedades anteriores que 0 · u = 0E , isto é, α · u = 0E
Suponhamos que u = 0E ; tem - se α · u = α · 0E , e α · 0E = α ·(0E + 0E ) = α · 0E + α · 0E ;
conclui - se de uma das propriedades anteriores que α · 0E = 0E , isto é, α · u = 0E
Suponhamos agora α ≠ 0;
α · u = 0E ⇒ (α)-1 ·(α · u) = (α)-1 · 0E = 0E ⇒ (α)-1 ·α· u = 0E ⇒ 1 · u = 0E ⇒ u = 0E
α·(-u)=(-α)·u=-(α·u)
Exercício
α·u=β·u⟺α=β ou u = 0E
Exercício
α·u=α·v⟺α=0 ou u = v
Exercício
α·(u-v)=α·u-α·v
Exercício
(α-β)·u⟺α·u-β·u
Exercício
Combinações lineares
Definição
Sejam (E,+,·) um espaço vectorial sobre  e u1 , ..., un ∈ E; chamam-se combinações lineares de

u1 , ..., un aos elementos da forma α1 u1 + · · ·+αn un , com α1 , ..., αn ∈ .
Diz-se que u é combinação linear de u1 , ..., un com coeficientes α1 , ... αn sse
u = α1 u1 + · · ·+αn un .
Observação: 0E é combinação linear de quaisquer u1 , ..., un (porquê?).

Exemplo 1
(8,-9)=2(1,3)+3(2,-5), portanto (8,-9) é combinação linear de (1,3) e (2,-5)
20
10
-20 -10 10 20
-10 a(1,3)+b(2,-5)
-20
Exemplo 2
(2,1)=a(1,3)+b(-2,-6) ⟺ (2,1)=(a-2b,3a-6b)
a-2b=2
⟺
3a-6b=1
a-2b=2
⟺
0 = -5
Não existem a,b tais que (2,1)=a(1,3)+b(-2,-6).
(2,1) não é combinação linear de (1,3) e (-2,-6)
-6 -4 -2 2 4 6
-2
a(1,3)+b(-2,-6)
-4
-6
Exemplo 3
linhas auxiliares
•
au+bv+cw
v
w
u
Desloque o vector preto e depois

tente obtê-lo como combinação linear
(o vector vermelho) dos vectores u,v,w
Exemplo 4
(-3,-4,-1) = 1(1,1,1)+2(1,2,-1)-3(2,3,0)
= -2(1,1,1)-1(1,2,-1)+0(2,3,0)
= 2(1,1,1)+3(1,2,-1)-4(2,3,0)
(-3,-4,-1) pode-se escrever como combinação linear de (1,1,1), (1,2,-1) e (2,3,0) de mais do
que uma maneira: os coeficientes não são únicos
plano
Exemplo 5
Qual é o conjunto das combinações lineares de (1,2,1) e (0,1,1)?
(x,y,z) é combinação linear de (1,2,1) e (0,1,1) sse existem a,b∈ℝ tais que (x,y,z)=a(1,2,1)+b(1,0,1)
(x,y,z)=a(1,2,1)+b(0,1,1) ⟺ (x,y,z)=(a,2a+b,a+b)
a=x
⟺ 2a+b= y
a+b=z
a=x
⟺ b = -2 x + y
0=x- y+z
O sistema nas incógnitas a,b é possível sse x-y+z=0.

(x,y,z) é combinação linear de (1,2,1) e (0,1,1) sse x-y+z=0
O conjunto das combinações lineares de (1, 2, 1) e (0, 1, 1) é ( x, y, z) ∈ ℝ3 : x - y + z = 0
plano
vectores
Exemplo 6
Combinações lineares das funções seno e cosseno

10
-6 -4 -2 2 4 6
-5
-10
1.2 - Subespaços vectoriais e geradores
Definição
Sejam (E,+,·) um espaço vectorial sobre  e F um subconjunto não vazio de E.

• Se a soma de quaisquer dois elementos de F pertence a F (isto é, ∀u, v ∈ F, u + v ∈ F), então +
define uma operação
em F e diz-se que F é estável ou fechado para +.
• Se o produto de qualquer elemento de  por qualquer elemento de F pertence a F (isto é, se ∀α
∈ , u ∈ F, α u ∈ F), então · define uma operação em F e diz-se que F é estável ou fechado para ·.
Exemplo: E = ℝ2 , F = ( x, y ) ∈ ℝ2 : y ≥ 0
u+v
v
u
au u
Verificação
• se u = (a, b) ∈ F, e v = (c, d) ∈ F, então b ≥ 0, d ≥ 0
• u + v = (a + c, b + d)
• de b ≥ 0, d ≥ 0, deduz - se que b + d ≥ 0
• então, se u, v ∈ F, tem - se u + v ∈ F
• F é estável para a soma
• (- 3, 1) ∈ F
• - 2 (- 3, 1) = (6, - 2) ∉ F
• F não é estável para o produto por escalares
Exemplo: E = ℝ2 , F = ( x, y ) ∈ ℝ2 : 12 ≤
y
≤ 3 ⋃ {(0, 0)}
x
Exemplo: , ( , y )
2 x
 {( , )}
u+v
v u
u
au
Verificação
• sejam u ∈ F, α ∈ ℝ
• se u = (0, 0), é óbvio que αu ∈ F
• se u = ( x, y ) ≠ (0, 0), então x ≠ 0
• se α = 0, então αu = (0, 0) ∈ F
•se α ≠ 0, então αu = (αx, αy), com αx ≠ 0
αy y 1
• como nesse caso = ∈  , 3, tem - se (αx, αy) ∈ F
αx x 2
• F é estável para o produto por escalares
• u = (1, 3) ∈ F
• v = (- 2, -1) ∈ F
• u + v = (-1, 2) ∉ F
• F não é estável para a soma
Exemplo: E = ℝ2 , F = ( x, y ) ∈ ℝ2 : y = -3 x 
v
u+v
a
au
Verificação
• se u = (a, b) ∈ F, e v = (c, d) ∈ F, então b = -3 a e d = -3 c
• u + v = (a + c, b + d)
• b + d = -3 a + (-3 c) = -3 (a + c)
• então (a + c, b + d) ∈ F, isto é, u + v ∈ F
• F é estável para a soma
• se u = (a, b) ∈ F, então b = -3 a
• Para qualquer α ∈ ℝ, α (a, b) = (α a, αb)
• αb = α(-3 a) = -3 (αa)
• então (αa,αb)∈ F
• F é estável para o produto por escalares
Proposição
Sejam (E, +, ·) um espaço vectorial sobre  e F um subconjunto não vazio de E estável para +
e ·; (F, +, ·) é um espaço vectorial.
Demonstração
• propriedades 1, 4, 5, 6, 7, 8 da definição : verificam - se obviamente
• propriedade 2 : basta ver que 0E ∈ F
• seja u ∈ F (existe porque F ≠ ∅)
• 0 · u ∈ F porque F é estável para ·
• 0 · u = 0E , portanto 0E ∈ F
• propriedade 3 : basta ver que se u ∈ F, então - u ∈ F

• se u ∈ F então(-1)· u ∈ F, porque F é estável para · 
• como (-1)· u = -u, vem que - u ∈ F
Definição
Sejam (E,+, ·) um espaço vectorial sobre  e F um subconjunto não vazio de E estável para + e ·;
diz-se que (F,+, ·) é um subespaço vectorial de (E,+, ·) (geralmente diz-se só que F é um sube-
spaço vectorial de E).
Diz-se que é um subespaço próprio se for diferente de E.
Observações:
• Se Fé um subespaço de E, então 0E ∈ F.
• E é um subespaço de E
• {0E } é um subespaço de E (subespaço trivial)
Subespaços de ℝ2
• ( x, y ) ∈ ℝ2 : y = -3 x 
Já foi visto que é estável para a soma e produto, portanto é um subespaço de ℝ2

• ( x, y ) ∈ ℝ2 : y = α x , onde α é um número real qualquer

( x, y ) ∈ ℝ2 : x = 0
Descrição de todos os subespaços de ℝ2
Seja F um subespaço de ℝ2
(0, 0) ∈ F
↙ ↘
• F ≠ {(0, 0)}
• existe u ∈ F ∖{(0, 0)}
F = {(0, 0)}
• F contém todos
os múltiplos de u
↙ ↘
• existe v ∈ F múltiplos de u
• F contém todas as
F = {αu, α ∈ ℝ} combinações lineares

de u e v (porquê?)
F = ℝ2 (porquê?)
Conclusão :
Subespaços de ℝ2 :
• {(0, 0)}
• {αu, α ∈ ℝ}, onde u ∈ ℝ2 {(0, 0)};

corresponde no plano à recta que passa pela origem e tem a direcção do vector u
• ℝ2
Subespaços de ℝ3
Descrição de todos os subespaços de ℝ3

Verifica - se analogamente que os subespaços de ℝ3 são :
• {(0, 0, 0)}
• {αu, α ∈ ℝ}, onde u ∈ ℝ3 {(0, 0, 0)};

corresponde no espaço à recta que passa pela origem e tem a direcção do vector u
• {αu + βv, α, β ∈ ℝ}, onde u, v ∈ ℝ3 {(0, 0, 0)} e u, v não são colineares;

corresponde no espaço ao plano que passa pela origem e tem a direcção dos vectores u e v
• ℝ3
Exemplos de subespaços
• O conjunto das soluções de um sistema homogéneo de

equações lineares de coeficientes reais com n incógnitas é um
subespaço de ℝn .
• O conjunto das soluções de um sistema homogéneo de
equações lineares de coeficientes complexos com n incógnitas é um
subespaço de ℂn , tanto para a estrutura real como para a estrutura complexa.
a11 0 … 0 0
0 a22 … 0 0
• {matrizes diagonais} = ∈ Mn,n (ℝ) é um subespaço de Mn,n (ℝ).
⋮ ⋮ ⋮ ⋮
0 0 … 0 ann
a11 a12 … a1 n
0 a22 … a2 n
• {matrizes triangulares superiores} = ∈ Mn,n (ℝ) é um subespaço de Mn,n (ℝ).
⋮ ⋮ ⋮
0 0 … ann
a11 0 … 0
a21 a22 … 0
• {matrizes triangulares inferiores} = ∈ Mn,n (ℝ) é um subespaço de Mn,n (ℝ).
⋮ ⋮ ⋮
0n1 an2 … ann
• Para cada n∈ℕ, {polinómios de coeficientes reais de grau ≤n} é um subespaço de ℝ[X]. (notação:
ℝn [X])
• Atenção: {polinómios de coeficientes reais de grau n} NÃO é um subespaço de R[X].
• {P∈ℝ[X] : P(3) = 0} é um subespaço vectorial de ℝ[X].
• Para cada n∈ℕ, {polinómios de coeficientes complexos de grau ≤n} é um subespaço de ℂ[X], tanto
para a estrutura real como para a estrutura complexa. (notação: ℂn [X])
• Atenção: {polinómios de coeficientes complexos de grau n} NÃO é um subespaço de ℂ[X].
• ℝ[X] é um subespaço vectorial de ℂ[X] considerando em ℂ[X] a estrutura de espaço vectorial real,
mas não considerando a estrutura de espaço vectorial complexo.
• {funções contínuas de ℝ em ℝ} é um subespaço vectorial de F(ℝ,ℝ)
• {funções deriváveis de ℝ em ℝ} é um subespaço vectorial de F(ℝ,ℝ)
• {funções limitadas de ℝ em ℝ} é um subespaço vectorial de F(ℝ,ℝ)
• {funções pares de ℝ em ℝ} é um subespaço vectorial de F(ℝ,ℝ) (f é par sse ∀x∈ℝ,f(x)=f(-x))
• {funções ímpares de ℝ em ℝ} é um subespaço vectorial de F(ℝ,ℝ) (f é ímpar sse ∀x∈ℝ,f(x)=-f(-x))
• {funções de ℝ em ℝ que se anulam em 3} é um subespaço vectorial de F(ℝ,ℝ)
• {funções de ℝ em ℝ que se anulam em [0,1]} é um subespaço vectorial de F(ℝ,ℝ)
Proposição
Seja E um espaço vectorial; a intersecção de subespaços de E é um subespaço de E.
Demonstração
Sejam Fi , i ∈ I, subespaços de E.
• 0E ∈ Fi , para cada i porque cada Fi é um subespaço portanto 0E ∈ ⋂i∈I Fi , logo ⋂i∈I Fi ≠ ∅.
• Se u, v ∈ ⋂i∈I Fi , então, para cada i, tem - se u, v ∈ Fi ,

logo u + v ∈ Fi porque Fi é estável para +,
portanto u + v ∈ ⋂i∈I Fi ; então ⋂i∈I Fi é estável para +
• Se u ∈ ⋂i∈I Fi , então, para cada i, tem - se u ∈ Fi , logo, para qualquer α ∈ ,
αu ∈ Fi porque Fi é estável para ·, portanto αu ∈ ⋂i∈I Fi ; então ⋂i∈I Fi é estável para ·
A reunião de subespaços em geral não é um subespaço.

Exemplo
F1 = ( x, y ) ∈ ℝ2 : y = x , F2 = ( x, y ) ∈ ℝ2 : y = -2 x 
F1 , F2 são subespaços de ℝ2 mas F1 ⋃ F2 não é.
F2 v∉F1 ⋃F2 F1
v∈F1 ⋃F2 u∈F1 ⋃F2
Proposição
Se A é um subconjunto de E, existe um único subespaço vectorial G(A) de E que contém A e é

mínimo entre os subespaços de E que contêm A (isto é, se F é um subespaço de E que contém A,
então G(A)⊂F) e G(A) é a intersecção de todos os subespaços vectoriais de E que contêm A.
Demonstração
Seja G( A) a intersecção de todos os subespaços de E que contêm A : G( A) = ⋂F subespaço de E F
A⊂ F
• A ⊂ G ( A)
• G( A) é um subespaço de E porque é intersecção de subespaços
• Se F1 é um subespaço de E que contém A,

então G( A) ⊂ F1 porque a intersecção de conjuntos está contida em cada um
Portanto G ( A) é mínimo entre os subespaços que contêm A.

Unicidade : se houver dois subespaços mínimos,
cada um tem que estar contido no outro (porquê?) portanto são iguais.
Definição
Se A é um subconjunto de E, chama-se subespaço gerado por A ao menor subespaço de E que

contém A.
Diz-se que A gera F se F = G(A).
Proposição
Sejam E um espaço vectorial e A um subconjunto não vazio de E; então G(A) é o conjunto

de todas as combinações lineares de elementos de A.
Demonstração
Seja H o conjunto das combinações lineares de elementos de A.
• H é não vazio
• H contém A
• H é estável para + e · (porquê?) portanto H é subespaço de E
• Como H é um subespaço de E que contém A, G ( A) ⊂ H
• Como A ⊂ G ( A) e G ( A) é estável para + e ·, todas as
combinações lineares de elementos de A estão em G ( A), isto
é, H ⊂ G ( A).
Exemplo : E = ℝ3 , A = {(1, 0, -1), (2, 1, 0)}
( x, y, z) ∈ G( A) ⟺ existem a, b ∈ ℝ tais que a(1, 0, -1) + b(2, 1, 0) = ( x, y, z)

a+2b= x
⟺ o sistema b= y nas incógnitas a, b é possível
-a = z
⟺ -z + 2 y = x
G ( A) = {( x, y, z) ∈ ℝ : x - 2 y + z = 0}
Exemplo : E = ℂ2 com a estrutura complexa, A = {(1, i), (1 + i, 0)}

(z, w) ∈ G ( A) ⟺ existem a, b ∈ ℂ tais que (z, w) = a (1, i) + b (1 + i, 0)
a + (1 + i ) b = z
⟺ o sistema nas incógnitas a, b é possível
ia = w
Como o sistema é sempre possível, (z, w) é sempre combinação linear de (1, i), (1 + i, 0)
Portanto G( A) = ℂ2
Exemplo : E = ℂ2 com a estrutura real, A = {(1, i), (1 + i, 0)}

(z, w) ∈ G ( A) ⟺ existem a, b ∈ ℝ tais que (z, w) = a(1, i) + b(1 + i, 0)
a + (1 + i ) b = z
⟺ o sistema nas incógnitas a, b é possível (em ℝ)
ia = w
a + b + i b = Re z + i Imz
ia = Re w + i Im w
a + b = Re z
b = Im z 
0 = Re w 
a = Im w
⟺ Re w = 0 e Im w + Im z = Re z
G( A) = (z, w) ∈ ℂ2 : Re w = 0 e Im w + Im z = Re z
Por exemplo, para a estrutura complexa (0, 1) ∈ G ( A) mas para a estrutura real (0, 1) ∉ G ( A)
Observações:
• Diz-se que A é um conjunto de geradores de F sse A gera F.
• Diz-se geralmente "u1 ,…,un geram F" em vez de "{u1 ,…,un } gera F"
• Um subconjunto A de F gera F sse qualquer elemento de F é combinação linear de elementos de A.
Definição
Diz-se que um espaço vectorial (E,+, ·) é finitamente gerado ou de dimensão finita sse existe
um conjunto finito que o gera; caso contrário diz-se que é de dimensão infinita.
Exemplos de espaços vectoriais finitamente gerados/não finitamente gerados
ℝn é finitamente gerado
(1, 0, …, 0), (0, 1, , …, 0), …(0, 0, …, 1) geram ℝn
ℂn é finitamente gerado
(1, 0, …, 0), (0, 1, , …, 0), …(0, 0, …, 1) geram ℂn para a estrutura complexa
(1, 0, …, 0), (0, 1, , …, 0), …(0, 0, …, 1) , (i, 0, …, 0),
(0, i, , …, 0), …(0, 0, …, i) geram ℂn para a estrutura real
ℝ[ X ] não é finitamente gerado
Dado qualquer conjunto finito de polinómios, as combinações lineares desses

polinómios terão grau menor ou igual ao grau máximo desses polinómios
ℂ[ X ] não é finitamente gerado
Dado qualquer conjunto finito de polinómios, as combinações lineares desses

polinómios terão grau menor ou igual ao grau máximo desses polinómios
ℝn [ X ] é finitamente gerado
1, X, X 2 , …, X n geram ℝn [ X ]
ℂn [ X ] é finitamente gerado
1, X, X 2 , …, X n geram ℂn [ X ] para a estrutura complexa, 1, X,

X 2 , …, X n , i, iX, iX2 , …, iXn geram ℂn [ X ] para a estrutura real,
Mm,n (ℝ) é finitamente gerado
As m × n matrizes com uma entrada igual a 1 e todas as outras entradas nulas geram Mm,n (ℝ).
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
Por exemplo , , , , , geram M2,3 (ℝ).
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
Mm,n (ℂ) é finitamente gerado, tanto para a estrutura complexa como para a real
As m × n matrizes com uma entrada igual a 1 e todas as

outras entradas nulas geram Mm,n (ℂ) para a estrutura complexa.
1 0 0 0 1 0 0 0 1 0 0 0
Por exemplo , , , ,
0 0 0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0
, geram M2,3 (ℂ) para a estrutura complexa
0 1 0 0 0 1
As m × n matrizes com uma entrada igual a 1 e todas as outras
entradas nulas juntamente com as m × n matrizes com uma entrada igual
a i e todas as outras entradas nulas geram Mm,n (ℂ) para a estrutura real.
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 i 0 0
Por exemplo , , , , , , ,
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0
0 i 0 0 0 i 0 0 0 0 0 0 0 0 0
, , , , geram M2,3 (ℂ) para a estrutura real.
0 0 0 0 0 0 i 0 0 0 i 0 0 0 i
F (ℝ, ℝ) não é finitamente gerado

Será visto depois
F (ℂ, ℂ) não é finitamente gerado, nem para a estrutura real nem para a complexa
Será visto depois
Exemplo : conjunto finito de geradores do subespaço F = ( x, y, z) ∈ ℝ3 : x + 2 y - 3 z = 0 de ℝ3
F = ( x, y, z) ∈ ℝ3 : x + 2 y - 3 z = 0
= ( x, y, z) ∈ ℝ3 : x = -2 y + 3 z
= {(-2 y + 3 z, y, z), y, z ∈ ℝ}
= { y (-2, 1, 0) + z (3, 0, 1), y, z ∈ ℝ}
= {combinações lineares de (-2, 1, 0), (3, 0, 1)}
= G ({(-2, 1, 0), (3, 0, 1)})
Exemplo : conjunto finito de geradores do subespaço F = (z, w) ∈ ℂ2 : w = (1 + i) z de ℂ2 ,

com a estrutura real
F = {(z, (1 + i) z), z ∈ ℂ}
= {(a + bi, (1 + i) (a + bi)), a, b ∈ ℝ}
= {(a + bi, a - b + (a + b) i), a, b ∈ ℝ}
= {(a + bi, a(1 + i) + b(-1 + i)), a, b ∈ ℝ}
= {a(1, 1 + i) + b (i, -1 + i)), a, b ∈ ℝ}
= {combinações lineares de (1, 1 + i), (i, -1 + i)}
= G({(1.1 + i), (i, -1 + i)})
Exemplo : conjunto finito de geradores do subespaço F = (z, w) ∈ ℂ2 : w = (1 + i) z de ℂ2 ,

com a estrutura complexa
F = {(z, (1 + i) z), z ∈ ℂ}
= {(z, (1 + i) z, z ∈ ℂ}
= {z(1, 1 + i), z ∈ ℂ}
= {combinações lineares de (1, 1 + i)}
= G({(1.1 + i)})
Proposição
Sejam E um espaço vectorial e A, B subconjuntos de E.

• G (∅) = {0E }
• Se A é um subespaço vectorial de E, então G(A) = A.
• G(G(A)) = G(A)
• A ⊂ B ⇒ G(A) ⊂ G(B)
• Se qualquer elemento de B é combinação linear de elementos de A, então G(B) ⊂ G(A); se, além
disso, A⊂ B, então G(A) = G(B).
• G(A⋂B) ⊂ G(A) ⋂ G(B);
• Tem-se G({u1 , …, un , u}) = G({u1 , …, un }) sse u ∈ G({u1 , …, un }).
Demonstração
Exercício
1.3 - Somas e somas directas de subespaços
Definição
Seja E um espaço vectorial; se A1 , …, An são subconjuntos de E, chama-se soma de A1 , …, An ao

conjunto
{u1 + ⋯ + un , u1 ∈ A1 , …, un ∈ An }
(notação: A1 + ⋯ + An )
Seja E um espaço vectorial; se F1 , F2, …, Fn são subespaços de E, então F1 + F2 + … + Fn é um

subespaço de E e para cada k tem-se Fk ⊂ F1 + F2 + … + Fn .
Demonstração
Sejam u, v ∈ F1 + ⋯Fn ; então existem u1 , …, un , v1 , …, vn ,
com ui , vi ∈ Fi , tais que u = u1 + ⋯ + un , v = v1 + ⋯ + vn
Tem - se u + v = u1 + ⋯ + un + v1 + ⋯ + vn = u1 + v1 + ⋯un + vn .
Como ui + vi ∈ Fi porque ui , vi ∈ Fi e Fi é estável para a soma,
conclui - se que u + v ∈ F1 + ⋯ + Fn
Então F1 + ⋯Fn é estável para a soma.
• Sejam α ∈  e u ∈ F1 + ⋯Fn ; então existem u1 , …, un , com ui ∈ Fi , tais que u = u1 + ⋯ + un
Tem - se αu = α(u1 + ⋯ + un ) = αu1 + ⋯ + αun
Como αui ∈ Fi porque ui ∈ Fi e Fi é estável para o produto por escalares,
conclui - se que αu ∈ F1 + ⋯ + Fn
Então F1 + ⋯Fn é estável para o produto.
• Seja u ∈ Fk ; como u = 0E + ⋯ + u + ⋯ + 0E ,
e 0E pertence a todos os Fi , conclui - se que u ∈ F1 + ⋯ + Fn
Exemplo : ℝ2 = F1 + F2 , onde F1 = ( x, y ) ∈ ℝ2 : y = ax, F2 = ( x, y ) ∈ ℝ2 : y = bx, com a ≠ b
soma
•
Verificação no caso a = 1, b = -1 :
Seja ( x, y ) ∈ ℝ2 , queremos investigar quando é que existem v ∈ F1 ,
w ∈ F2 tais que ( x, y ) = v + w.
Os elementos de F1 são da forma (c, c) e os elementos de F2 são da forma (d, -d).
Existem portanto v ∈ F1 , w ∈ F2 tais que ( x, y ) = v + w sse existem c,

d ∈ ℝ tais que ( x, y ) = (c, c) + (d, -d), ou seja,
c+d=x
sse o sistema , nas incógnitas c e d é possível.
c-d= y
x+ y x- y
Como o sistema é sempre possível a solução é  2
, 2 , conclui -
se que qualquer ( x, y ) é soma de um elemento de F1 com um elemento de F2
x+ y x+ y x- y -x+ y x+ y x+ y x- y -x+ y
tem - se ( x, y ) =  , + ,  , onde  ,  ∈ F1 e  ,  ∈ F2  .
2 2 2 2 2 2 2 2
Conclui - se que F1 + F2 = ℝ2 .
Verificação no caso geral :
Seja ( x, y ) ∈ ℝ2 , queremos investigar quando é que existem v ∈ F1 ,
w ∈ F2 tais que ( x, y ) = v + w.
Os elementos de F1 são da forma (c, a c) e os elementos de F2 são da forma (d, b d).
Existem portanto v ∈ F1 , w ∈ F2 tais que ( x, y ) = v + w sse existem c,

d ∈ ℝ tais que ( x, y ) = (c, a c) + (d, b d), ou seja,
c+d=x
sse o sistema , nas incógnitas c e d é possível.
ac+bd= y
bx- y -ax+ y
Como o sistema é sempre possível a solução é  b-a , b- a
,
conclui - se que qualquer ( x, y ) é soma de um elemento de F1 com um
bx- y abx- y  -ax+ y b(-ax+ y )
elemento de F2 tem - se ( x, y ) =  b-a , b- a
+
b- a
, b- a
,
bx- y abx- y  -ax+ y b(-ax+ y )
onde  b-a , b- a
 ∈ F1 e 
b- a
, b- a
∈ F2  .
Exemplo : ℝ3 = F1 + F2 , onde F1 = ( x, y, z) ∈ ℝ3 : x + y + z = 0, F2 = {c(1, 1, 0), c ∈ ℝ}

vector
soma
plano
Verificação :
Seja ( x, y, z) ∈ ℝ3 , queremos investigar quando é que existem v ∈ F1 ,

w ∈ F2 tais que ( x, y, z) = v + w.
Os elementos de F1 são da forma
(a, b, -a - b) e os elementos de F2 são da forma (c, c, 0).
Existem portanto v ∈ F1 , w ∈ F2 tais que ( x, y, z) = v + w sse existem a,

b, c ∈ ℝ tais que ( x, y, z) = (a, b, -a - b) + (c, c, 0), ou seja,
a+c=x
sse o sistema b + c = y , nas incógnitas a, b, c, é possível.
-a - b = z
Como o sistema é sempre possível a solução é  ,

x-y-z -x+y-z x+y+z
, ,
2 2 2
conclui - se que qualquer ( x, y, z) é soma de um elemento de F1 com um
x - y -z - x + y -z x + y +z x + y +z
elemento de F2 tem - se ( x, y, z) =  2
, 2 , z +  2 , 2 , 0,
x - y -z - x + y -z x + y +z x + y +z
onde  2 , 2 , z ∈ F1 e  2 , 2 , 0 ∈ F2 .
Exemplo : ℝ3 = F1 + F2 , onde F1 = ( x, y, z) ∈ ℝ3 : x = z, F2 = {( x, y, z) ∈ ℝ : x = 0}

vector
soma
outras somas
vector da intersecção
Verificação :
Seja ( x, y, z) ∈ ℝ3 , queremos investigar quando é que existem v ∈ F1 ,

w ∈ F2 tais que ( x, y, z) = v + w.
Os elementos de F1 são da forma (a, b, a) e os elementos de F2 são da forma (0, c, d).
Existem portanto v ∈ F1 , w ∈ F2 tais que ( x, y, z) = v + w sse existem a,

b, c, d ∈ ℝ tais que ( x, y, z) = (a, b, a) + (0, c, d), ou seja,
a=x
sse o sistema b + c = y , nas incógnitas a, b, c, d, é possível.
a+d=z
O sistema é sempre possível e
indeterminado (as soluções são (x, t, y - t, z - x), t ∈ ;
conclui - se que qualquer ( x, y, z) é soma de um elemento de
F1 com um elemento de F2 de uma infinidade de maneiras
(para qualquer t ∈ ℝ, tem - se ( x, y, z) = ( x, t, x ) + (0, y - t, z - x ),
onde ( x, t, x ) ∈ F1 e (0, y - t, z - x ) ∈ F2 ).
Conclui se que F1 + F2 = ℝ .
Proposição
Sejam E um espaço vectorial e A1 , …, An subconjuntos de E; então

G( A1 ⋃ ⋯ ⋃ An ) = G( A1 ) + ⋯ + G( An ).
Demonstração
Tem - se, para cada i, Ai ⊂ G( Ai ) ⊂ G( A1 ) + ⋯ + G( An ),
portanto A1 ⋃ ⋯ ⋃ An ⊂ G( A1 ) + ⋯ + G( An ).
Ora, G( A1 ) + ⋯ + G( An ) é um subespaço de E.
Como G( A1 ⋃ ⋯ ⋃ An ) é o menor subespaço que contém A1 ⋃ ⋯ ⋃ An ,
conclui - se que G( A1 ⋃ ⋯ ⋃ An ) ⊂ G( A1 ) + ⋯ + G( An ).
Por outro lado, de Ai ⊂ A1 ⋃ ⋯ ⋃ An conclui - se que G( Ai ) ⊂ G( A1 ⋃⋯ ⋃ An ), para cada i
Logo, como G( A1 ⋃⋯ ⋃ An ) é estável para a soma,
conclui - se que G( A1 ) + ⋯ + G ( An ) ⊂ G( A1 ⋃⋯ ⋃ An ).
Definição
Sejam E um espaço vectorial sobre  e E1 , E2 subespaços de E; diz-se que E1 e E2 são suple-

E1 + E2 = E
mentares em E sse
E1 ⋂ E2 = {0E }
Observação: E e {0E } são suplementares em E
Definição
Sejam E um espaço vectorial sobre  e E1 , …, Ek subespaços de E; diz-se que E é soma directa

de E1 , …, Ek sse qualquer elemento de E se pode exprimir de maneira única como uma soma
u1 + ⋯ + uk , com ui ∈ Ei .
Notação: E = E1 ⊕ E2 ⊕⋯⊕ Ek
Exemplo : E = ℝ2 , F1 = ( x, y ) ∈ ℝ2 : y = ax, F2 = ( x, y ) ∈ ℝ2 : y = bx, com a ≠ b
soma
Já foi visto que ℝ2 = F1 + F2 ; tem - se obviamente F1 ⋂ F2 = {0, 0};

então F1 e F2 são suplementares em ℝ2 .
Por outro lado, dos cálculos feitos quando se verificou que ℝ2 = F1 + F2 ,
resulta que qualquer elemento de ℝ2 é soma de um elemento de F1
com um elemento de F2 de maneira única; conclui - se que ℝ2 = F1 ⊕ F2 .
Exemplo : E = ℝ3 , F1 = ( x, y, z) ∈ ℝ3 : x + y + z = 0, F2 = {c(1, 1, 0), c ∈ ℝ}
vector
soma
plano
Já foi visto que ℝ3 = F1 + F2 ; tem - se obviamente F1 ⋂ F2 = {0, 0, 0};

então F1 e F2 são suplementares em ℝ3 .
resulta que qualquer elemento de ℝ3 é soma de um elemento de F1
com um elemento de F2 de maneira única; conclui - se que ℝ3 = F1 ⊕ F2 .
Exemplo : E = ℝ3 , F1 = ( x, y, z) ∈ ℝ3 : x = z, F2 = {( x, y, z) ∈ ℝ : x = 0}
vector
soma
outras somas
vector da intersecção
Já foi visto que ℝ2 = F1 + F2 ; tem - se obviamente F1 ⋂ F2 ≠ {0, 0, 0};

então F1 e F2 não são suplementares em ℝ3 .
resulta que qualquer elemento de ℝ2 é soma de um elemento de F1 com um elemento
de F2 de mais do que uma maneira; conclui - se que não se tem ℝ3 = F1 ⊕ F2 .
Proposição
Sejam E um espaço vectorial sobre  e E1 , E2 subespaços de E; então

E1 e E2 são suplementares em E ⟺ E = E1 ⊕ E2
Demonstração
• Suponhamos que E1 e E2 são suplementares em E.
Então E = E1 + E2 ,
portanto qualquer u ∈ E é soma de um elemento de E1 com um elemento de E2 ;
resta só ver que as parcelas dessa soma são únicas.
Se u = u1 + u2 , com u1 ∈ E1 , u2 ∈ E2 , e u = v1 + v2 , com v1 ∈ E1 , v2 ∈ E2 , então u1 + u2 = v1 + v2 .
Então u1 - v1 = v2 - u2 ;
como u1 - v1 ∈ E1 porque E1 é subespaço e u1 , v1 ∈ E1 , então v2 - u2 ∈ E1 .
Mas também se tem v2 - u2 ∈ E2 porque E2 é subespaço e u2 , v2 ∈ E2 , portanto v2 - u2 ∈ E1 ⋂ E2 .
Mas E1 ⋂ E2 = {0E }, portanto v2 = u2 .

De u1 - v1 = v2 - u2 , vem que u1 - v1 = 0E , ou seja, que u1 = v1.
• Suponhamos agora que E = E1 ⊕ E2 ;
então qualquer elemento de E é soma de um elemento de E1 com um elemento de E2 ,
portanto E = E1 + E2 .
Suponhamos que u ∈ E1 ⋂ E2 ; então 0E = u + (-u) = 0E + 0E .
∈ E1 ∈ E2 ∈ E1 ∈ E2
Como E = E1 ⊕ E2 ,
só há uma maneira de escrever u como soma de um elemento de E1 com um elemento de E2 ,
portanto estas duas maneiras têm de coincidir.
Conclui - se que u tem de ser o vector nulo,
portanto E1 ⋂ E2 = {0E }., Então E1 e E2 são suplementares.
1.4 - Dependência e independência linear

No plano, quando é que a u + b v é o vector nulo?
recta paralela a u
recta paralela a v
au+bv
u
•
• v
No plano, quando é que a u + b v + cw é o vector nulo?
recta paralela a u
recta paralela a v
au+bv+cw
u
•
• v
•
w
No espaço, quando é que a u + b v + cw é o vector nulo?
plano paralelo a u e v
rectas paralelas a u e v
Exemplo : ℝ2 , u = (1, -2), v = (3, -6)

(0, 0) = 0 (1, -2) + 0 (3, -6)
(0, 0) = 3 (1, - 2) - 1 (3, - 6)
4
(0, 0) = 4 (1, - 2) - (3, - 6)
3
(0, 0) pode -
se escrever como combinação linear de (1, - 2) e (3, - 6) de mais do que uma maneira.
Exemplo : ℝ2 , u = (1, -2), v = (-1, 3)

(0, 0) = 0 (1, -2) + 0 (-1, 3)
a-b=0 a=0
(0, 0) = a (1, - 2) + b (-1, 3)⟺ ⟺
-2 a + 3 b = 0 b=0
Só há uma maneira de escrever (0, 0) como combinação linear de (1, - 2) e (-1, 3) :

com ambos os coeficientes nulos.
Definição
Sejam E um espaço vectorial sobre  e u1 , …, un ∈ E.

• Diz-se que u1 , …, un são linearmente dependentes (ou que (u1 , …, un ) é uma família ligada)
sse existem α1 , …, αn ∈ , não todos nulos, tais que α1 u1 + … + αn un = 0E
(ou seja, se existe uma combinação linear nula de u1 , …, un com coeficientes que não são todos
nulos).
• Diz-se que u1 , …, un são linearmente independentes (ou que (u1 , …, un ) é uma família livre)
sse α1 u1 + … + αn un = 0E implica α1 = ⋯ = αn = 0E
(ou seja, se a única combinação linear nula de u1 , …, un é aquela em que todos os coeficientes
são nulos).
Observação: pode-se generalizar a noção de família livre a famílias infinitas: trata-se de uma família
tal que qualquer sua subfamília finita é livre.
Exemplo : E = ℝ[ X ], P1 = 1 + X + X 2 , P2 = 2 + 3 X, P3 = 5 X + 2 X 2
aP1 + bP2 + cP3 = 0ℝ[X ] ⟺
⟺ a 1 + X + X 2  + b(2 + 3 X ) + c5 X + 2 X 2  = 0ℝ[X ]
⟺ a + 2 b + (a + 3 b + 5 c) X + (a + 2 c) X 2 = 0ℝ[X ]
a+2b=0 a=0
⟺ a + 3 b + 5 c = 0 ⟺⋯⟺ b = 0
a+2c=0 c=0
P1 , P2 , P3 são linearmente independentes
1 0 2 0 0 1 4 1
Exemplo : E = M2,2 (ℝ), M1 = , M2 = , M3 = , M4 =
0 0 1 1 -1 0 1 2
aM1 + bM2 + cM3 + dM4 = 0M2,2 (ℝ) ⟺

1 0 2 0 0 1 4 1 0 0
⟺a +b +c +d =
0 0 1 1 -1 0 1 2 0 0
a+2b+4d c+d 0 0
⟺ =
b-c+d b+2d 0 0
a+2b+4d=0
a=0
c+d=0
⟺ ⟺⋯⟺ b = -2 d
b-c+d=0
c = -d
b+2d=0
O sistema tem soluções para além da solução nula,
portanto M1 , M2 , M3 , M4 são linearmente dependentes.
Por exemplo, escolhendo d = 1, vem 0 · M1 - 2 · M2 - 1 · M3 + 1 · M4 = 0M2,2 (ℝ)
Exemplos
8 2 8 2
(0, 0) = 2 (4, 1) + 3 - , - , portanto (4, 1) e - , -  são linearmente dependentes.
3 3 3 3
8 2
(0, 0) = 2 (4, 1) + 3 - , -  + 0 (1, 5), portanto (4, 1),
3 3
8 2
- , -  e (1, 5) são linearmente dependentes.
3 3
8 2
(0, 0) = 2 (4, 1) + 3 - , -  + 0 (1, 5) + 0 (3, 7), portanto (4, 1),
3 3
8 2
- , - , (1, 5) e (3, 7) são linearmente dependentes.
3 3
Proposição
Sejam E um espaço vectorial sobre  e u1 , …, uk , …, un elementos de E.

• Um elemento de um espaço vectorial é linearmente independente sse é não nulo.
• Se algum dos u1 , …, un é 0E , então u1 , …, un são linearmente dependentes.
• Se u1 , …, uk são linearmente dependentes, então u1 , …, uk , …, un são linearmente depen-
dentes.
• Se u1 , …, uk , …, un são linearmente independentes, então u1 , …, uk são linearmente
independentes.
Demonstração
• Se u = 0E , então 1 · u = 0E ;
trata - se de combinação linear nula de u com coeficientes não todos nulos
Se u ≠ 0E , então αu = 0E ⇒ α = 0  já foi visto
• Se ui = 0E , 0 u1 + ⋯ + 0 ui-1 + 1 ui + 0 ui+1 + ⋯ + 0 un = 0E ;
trata - se de uma combinação linear nula de u1 , …, un com coeficientes não todos nulos.
• Se α1 u1 + ⋯ + αk uk = 0E , com os αi não todos nulos,
então α1 u1 + ⋯ + αk uk + 0 uk+1 + ⋯ + 0 un é uma conbinação linear nula dos u1 ,
…, un com coeficientes não todos nulos.
• Consequência imediata do ponto anterior
Exemplo 1 (dependência linear → combinação linear)

Suponhamos que - 2 u + 4 v + w = 0E (por exemplo (0, 0, 0) = - 2 (1, 1, 2) + 4 (1, 0, 1) + 1 (- 2, 2, 0))
Resolvendo em ordem a u vem u = 2 v - 12 w u é combinação linear de v e w.
Resolvendo em ordem a v vem v = 12 u - 14 w v é combinação linear de u e w.
Resolvendo em ordem a w vem w = 2 u - 4 v w é combinação linear de u e v .
Exemplo 2 (dependência linear → combinação linear)

Suponhamos que 3 u + 2 v + 0. w = 0E ,
(por exemplo (0, 0, 0) = 3 (2, 2, -2) + 2 (- 3, -3, 3) + 0 (1, 1, -1),
ou (0, 0, 0) = 3 (2, 2, -2) + 2 (- 3, -3, 3) + 0 (0, 0, -1))
Resolvendo em ordem a u vem u = - 32 v + 0 w u é combinação linear de v e w.
Resolvendo em ordem a u vem v = - 23 u + 0 w v é combinação linear de u e w.
w pode ser ou não combinação linear de u e v

relativamente aos dois exemplos acima, no primeiro caso w é combinação linear de u e v,
por exemplo, w = u - v, mas no segundo caso w não é combinação linear de u e v .
Exemplo 3 (combinação linear → dependência linear)

Suponhamos que u = 3 v + 5 w (por exemplo (13, -1, 2) = 3 (1, -2, -1) + 5 (2, 1, 1))
Então 1 u - 3 v - 5 w = 0E (portanto u, v, w são linearmente dependentes)
Exemplo 4 (combinação linear → dependência linear)

Suponhamos que u = 0 v + 0 w (por exemplo (0, 0, 0) = 0 (1, -2, -1) + 0 (2, 1, 1))
Então 1 u - 0 v + 0 w = 0E (portanto u, v, w são linearmente dependentes)
Proposição
Sejam E um espaço vectorial sobre  e u1 , …, un elementos de E.

• Os vectores u1 , …, un são linearmente dependentes sse pelo menos algum deles é combinação
linear dos restantes.

• Se u1 , …, un são linearmente independentes e u1 , …, un , u são linearmente dependentes,
então u é combinação linear de u1 , …, un
• Se u1 ≠ 0E e u1 , …, un são linearmente dependentes então algum ui é combinação linear dos
anteriores.
Demonstração
• Se u1 , …, un são linearmente dependentes, então existem α1 , …, αn , não todos nulos,
tais que α1 u1 + ⋯ + αn un = 0E ; se αk ≠ 0, então de α1 u1 + ⋯ + αk uk + ⋯ + αn un =
0E vem uk = - α1 u1 - ⋯ - αk-1 uk-1 - αk+1 uk+1 - ⋯ - αkn un
α α α α
k k k
Se uk é combinação linear de u1 , … , uk-1 , uk+1 , …, un , então existem β1 ,

…, βn ∈  tais que uk = β1 u1 + ⋯ + βk-1 uk-1 + βk+1 uk+1 + ⋯ + βn un ;
conclui - se que β1 u1 + ⋯ + βk-1 uk-1 - 1 uk + βk+1 uk+1 + ⋯ + βn un = 0E ;
trata - se de uma combinação linear nula de u1 , …, un com coeficientes não todos nulos.
• Se u1 , …, un , u são linearmente dependentes então existem α1 ,
…, αn , α, não todos nulos tais que α1 u1 + ⋯ + αn un + αu = 0E ;
se α = 0, ter - se - ia α1 u1 + ⋯ + αn un = 0E com os αi não todos nulos,
e u1 , …, un seriam linearmente dependentes; conclui - se que α ≠ 0,
logo u = -α1 u1 - ⋯ - αn un , logo u é combinação linear de u1 , …, un .
• Se u1 , …, un são linearmente dependentes, então existem α1 ,
…, αn , não todos nulos, tais que α1 u1 + ⋯ + αn un = 0E ; seja
k tal que αk é o último coeficiente não nulo; tem - se k > 1 (porquê?);
então uk = - α1 u1 - ⋯ - uk-1 , portanto uk é combinação linear dos precedentes.
α αk -1
k αk
ATENÇÃO : u1 , …, un linearmente dependentes NÃO

IMPLICA que cada um deles seja combinação linear dos restantes.
Exemplo : Para que valores de a é que (1, 1, 0),

(0, 1, 1), a, a2 , 2 são linearmente independentes?
α (1, 1, 0) + β (0, 1, 1) + γ a, a2 , 2 =

α + β + aγ = 0 α + β + aγ = 0 α + aγ = 0
(0, 0, 0)⟺ α + β + a2 γ = 0 ⟺ β +  a2 - a γ = 0 ⟺ β +  a2 - a γ = 0
β +2γ =0 β +2γ =0  2 + a - a2  γ = 0
Se a ≠ 2 e a ≠ -1, o sistema apenas tem a solução nula,

portanto (1, 1, 0), (0, 1, 1), a, a2 , 2 são linearmente independentes.
Se a = 2 ou a = -1,
o sistema tem soluções não nulas por exemplo α = -a, β = a - a2 , γ = 1 e (1, 1, 0),
(0, 1, 1), a, a2 , 2 são linearmente dependentes.
Exemplo : Para que valores de a é que (1, 1, 1),

(2, a + 1, 2), -1, -1, -a2  são linearmente independentes?
α (1, 1, 1) + β (2, a + 1, 2) + γ -1, -1, -a2  =

α +2β -γ =0 α +2β -γ =0
(0, 0, 0)⟺ α + (a + 1) β - γ = 0 ⟺ (a - 1) β = 0
2
α +2β -a γ =0  1 - a2  γ = 0
Se a2 ≠ 1, o sistema apenas tem a solução nula, portanto (1, 1, 1),

(2, a + 1, 2), -1, -1, -a2  são linearmente independentes.
Se a = 1 ou a = -1, o sistema tem soluções não nulas (por exemplo α = 1, β = 0, γ = 1) e (1, 1, 1),
(2, a + 1, 2), -1, -1, -a2  são linearmente dependentes.
Exemplo : Para que valores de a é que (1, a, 1),

(0, 2, 2 a), (a, 1, 0) são linearmente independentes?
α (1, a, 1) + β (0, 2, 2 a) + γ (a, 1, 0) =

α + aγ = 0 α + aγ = 0 α + aγ = 0
(0, 0, 0)⟺ aα + 2 β + γ = 0 ⟺ 2 β +  1 - a2  γ = 0 ⟺ 2 β +  1 - a2  γ = 0
α + 2 aβ = 0 2 aβ - aγ = 0 -2 a + a2  γ = 0
Se a ≠ 0 e a ≠ 2, o sistema apenas tem a solução nula,

portanto (1, a, 1), (0, 2, 2 a), (a, 1, 0) são linearmente independentes.
Se a = 0 ou a = 2 ou a = - 2 ,
o sistema tem soluções não nulas por exemplo α = -2 a, β = a2 - 1, γ = 2 e (1, a, 1),
(0, 2, 2 a), (a, 1, 0) são linearmente dependentes.
Proposição
Sejam E um espaço vectorial sobre .

Se E é gerado por k elementos, então quaisquer k+1 elementos de E são linearmente
dependentes.
Demonstração
Suponhamos que u1 , …, uk geram E e que v1 , … , vk ,
vk+1 são linearmente independentes em particular, nenhum é nulo.
Tem - se v1 , u1 , …, uk geram E.
Os vectores v1 , u1 , …, uk são linearmente dependentes,
porque v1 é combinação linear dos restantes.
Então algum destes é combinação linear dos precedentes;
trocando a ordem se necessário, podemos supor que é uk .
Então v1 , u1 , …, uk-1 ainda geram E.
Portanto v1 , v2 , u1 , … , uk-1 geram E.
Tem - se que v1 , v2 , u1 , …, uk-1 são linearmente dependentes,
porque v2 é combinação linear dos restantes.
Então algum destes é combinação linear dos precedentes; não é v2 (porquê?);
trocando a ordem se necessário, podemos supor que é uk-1 e retirá - lo.
Repetindo o processo, concluimos que v1 , …, vk geram E.
Então vk+1 é combinação linear de v1 , …, vk , portanto v1 ,
…, vk , vk+1 são linearmente dependentes → contradição
Observação: Resulta da demonstração que se E é gerado por k elementos, quaisquer k elementos

linearmente independentes (se existirem) geram E.
Exemplo : Em ℝn , quaisquer n + 1 vectores são linearmente dependentes.

Já foi visto que ℝn é gerado por n elementos.
Exemplo : Em ℝn [ X ], quaisquer n + 2 polinómios são linearmente dependentes.

Já foi visto que ℝn [ X ] é gerado por n + 1 polinómios.
Exemplo : Em Mm,n (ℝ) quaisquer mn + 1 matrizes são linearmente dependentes.

Já foi visto que Mm,n (ℝ) é gerado por mn elementos.
Proposição
Um espaço vectorial E não é finitamente gerado sse existem famílias livres com qualquer
número de elementos.
Demonstração
• Suponhamos que E é finitamente gerado;
existe um conjunto de geradores com um um número finito de elementos;
sejam u1 , …, uk geradores de E; então os vectores de qualquer
conjunto com mais de k elementos são linearmente dependentes.
• Suponhamos que E não é finitamente gerado., Existe u1 ∈ E\{0E }; u1 não gera E.
Então existe u2 ∈ E\G ({u1 }); u1 ,
u2 são linearmente independentes (porquê?) e não geram E (porquê?).
Então existe u3 ∈ E\G ({u1 , u2 }); u1 , u2 ,
u3 são linearmente independentes (porquê?) e não geram E (porquê?).
…
Verificamos assim que existem famílias livres com qualquer número de elementos.
Corolário
Se E é um espaço vectorial finitamente gerado, então qualquer subespaço de E é finitamente

gerado.
Demonstração
Seja F um subespaço de um espaço vectorial finitamente gerado.
Se F não fosse finitamente gerado,
existiriam em F famílias livres com qualquer número de elementos.
Mas nesse caso também existiriam em E famílias livres com
qualquer número de elementos, e E não seria finitamente gerado.
1.5 - Bases e coordenadas
Definição
Sejam E um espaço vectorial sobre  e e1 , …, en ∈ E.

Diz-se que (e1 , …, en ) é uma base de E sse e1 , …, en são linearmente independentes e geram E.
Pode-se generalizar a noção de base a famílias infinitas: diz-se que (ei )i∈I é uma base de E sse
{ei , i ∈ I} gera E e (ei )i∈I é uma família livre.
Observação : Se (e1 , e2 , …, en ) é uma base de E, (e2 , e1 , …, en ) também é uma base de E (e o mesmo
para qualquer outra troca da ordem dos elementos); no entanto não se trata da mesma base.
Exemplo : ((1, 2), (1, 3)) é uma base de ℝ2

α+β=x α=3x- y
• ( x, y ) = α(1, 2) + β(1, 3)⟺ ⟺
2α +3β = y β = -2 x + y
portanto qualquer elemento de ℝ2 é combinação linear de (1, 2) e(1, 3)

(tem - se ( x, y ) = (3 x - y ) (1, 2) + (-2 x + y ) (1, 3)); conclui - se que (1, 2), (1, 3) geram ℝ2
α+β=0 α=0
• (0, 0) = α (1, 2) + β (1, 3)⟺ ⟺ ,
2α +3β =0 β=0
portanto (1, 2), (1, 3) são linearmente independentes.
Bases canónicas de alguns espaços
ℝ2
((1, 0), (0, 1))
ℝ3
((1, 0, 0), (0, 1, 0), (0, 0, 1))
ℝn
((1, 0, …, 0), (0, 1, …, 0), …, (0, 0, …, 1))
ℝn [ X ]
1, X, X 2 , …, X n 
M2,2 (ℝ)
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
Mm,n (ℝ)
1 0 ⋯ 0 0 1 ⋯ 0 0 0 ⋯ 1
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
, , …, ,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
…, , , …,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
1 0 ⋯ 0 0 1 ⋯ 0 0 0 ⋯ 1
ℂn com a estrutura complexa
((1, 0, …, 0), (0, 1, …, 0), …, (0, 0, …, 1))
ℂn com a estrutura real
((1, 0, …, 0), (i, 0, …, 0), (0, 1, …, 0), (0, i, …, 0), …, (0, 0, …, 1), (0, 0, …, i))
ℂn [ X ] com a estrutura complexa
1, X, X 2 , …, X n 
ℂn [ X ] com a estrutura real
1, i, X, i X, X 2 , iX2 , …, X n , iXn 
Mm,n (ℂ) com a estrutura complexa

1 0 ⋯ 0 0 1 ⋯ 0 0 0 ⋯ 1
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
, , …, ,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
…, , , …,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
1 0 ⋯ 0 0 1 ⋯ 0 0 0 ⋯ 1
Mm,n (ℂ) com a estrutura real
1 0 ⋯ 0 i 0 ⋯ 0 0 1 ⋯ 0 0 i ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
, , , ,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 1 0 0 ⋯ i 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
…, , , …, , ,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 1 0 ⋯ 0 i 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
, , …, ,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 1 ⋯ 0 0 i ⋯ 0 0 0 ⋯ 1 0 0 ⋯ i
Proposição
Sejam e1 , …, en elementos de um espaço vectorial E.

Então (e1 , …, en ) é uma base do espaço vectorial E ⟺ qualquer elemento de E pode-se escr-
ever de maneira única como combinação linear de e1 , …, en
Demonstração
• Suponhamos que (e1 , …, en ) é uma base de E.
Então qualquer elemento de E pode - se escrever como combinação lineaar de e1 ,
…, en porque e1 , …, en geram E.
Falta só ver que os coeficientes são únicos.

Suponhamos que a1 e1 + ⋯ + αn en = βe1 + ⋯ + βen ; então (a1 - β1 ) e1 + ⋯ + (αn - βn ) en = 0E
Como e1 , …, en são linearmente independentes, conclui - se que α1 - β1 = 0,
…, αn - βn = 0, portanto os coeficientes das combinações lineares coincidem.
• Suponhamos agora que qualquer elemento de E se pode

escrever como combinação linear de e1 , …, en de maneira única.
Como qualquer elemento de E é combinação linear de e1 ,
…, en , conclui - se que e1 , …, en geram E.
Tem - se que 0E (como qualquer outro elemento) é combinação linear de e1 ,

…, en de maneira única, portanto e1 , …, en são linearmente independentes.
Definição
Seja b = (e1 , …, en ) uma base do espaço vectorial E; para cada u∈E, chamam-se coordenadas de
u na base b aos (únicos) α1 , α2 , …, αn ∈ , tais que u = α1 e1 + ⋯αn en ; escreve-se
u = (α1 , …, αn )b .
Exemplo : B = ((1, 2, 3), (0, 1, 1), (1, 1, 1)) é uma base de ℝ3
( x, y, z) =
α+γ=x α = -y + z
α (1, 2, 3) + β (0, 1, 1) + γ (1, 1, 0)⟺ 2α +β +γ = y ⟺⋯⟺ β = -x + 2 y - z
3α +β =z γ=x+y-z
Para quaisquer x, y, z ∈ ℝ o sistema é possível e determinado,

portanto qualquer elemento de ℝ3 é combinação linear de (1, 2, 3),
(0, 1, 1), (1, 1, 1), com coeficientes
únicos(tem - se ( x, y, z) = (- y + z) (1, 2, 3) + (- x + 2 y - z) (0, 1, 1) + ( x + y - z) (1, 1, 0));
Conclui - se que ((1, 2, 3), (0, 1, 1), (1, 1, 1)) é uma base de ℝ3 .
Tem - se ( x, y, z) = (- y + z, - x + 2 y - z, x + y - z)B .
Exemplo : B = 1 + X + X 2 , 1 + X, 1 é uma base de ℝ2 [ X ]
α+β+γ=a α=c
2 2
a + bX + cX = α 1 + X + X  + β (1 + X ) + γ1 ⟺ α+β=b ⟺ β=b-c ;
α=c γ=a-b
para quaisquer a, b, c ∈ ℝ o sistema é possível e determinado,

portanto qualquer elemento de ℝ2 [ X ] é combinação linear de 1 + X + X 2 , 1 + X, 1,
com coeficientes únicostem - se a + bX + cX2 = c1 + X + X 2  + (b - c) (1 + X ) + (a - b) 1;
conclui - se que 1 + X + X 2 , 1 + X, 1 é uma base de ℝ2 [X].
Tem - se a + bX + cX2 = (c, b - c, a - b)B .
Proposição
Seja E um espaço vectorial não nulo finitamente gerado, u1 , …, uk ∈ E linearmente indepen-

dentes, e X um conjunto finito de geradores de E; então ou (u1 , …, uk ) é uma base de E ou
existem uk+1 , …, un ∈ X tais que (u1 , …, uk , uk+1 , …, un ) é uma base de E
Demonstração
Se u1 , …, uk geram E, formam uma base de E.
Caso contrário, existe uk+1 ∈ X que não é combinação linear de u1 , …, uk . (porquê?)
Nesse caso, u1 , …, uk+1 , uk são linearmente independentes.
(porquê?)
Se u1 , …uk , uk+1 geram E, formam uma base de E.

Caso contrário, repete - se o processo até obter uma base.
porque é que podemos ter a certeza que acabamos por ter uma base?
Exemplo : construção de uma base de ℝ3 que contenha (1, 1, 1)

Seja X = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
• (1, 0, 0) não é combinaçao linear de (1, 1, 1),
portanto (1, 1, 1), (1, 0, 0) são linearmente independentes
• (0, 1, 0) não é combinação linear de (1, 1, 1), (1, 0, 0),
portanto (1, 1, 1), (1, 0, 0), (0, 1, 0) são linearmente independentes
• (0, 0, 1) é combinação linear de (1, 1, 1), (1, 0, 0), (0, 1, 0)
• (1, 0, 0), (0, 1, 0), (0, 0, 1) ∈ G({(1, 1, 1), (1, 0, 0), (0, 1, 0)}),
portanto ℝ3 ⊂ G({(1, 1, 1), (1, 0, 0), (0, 1, 0)})
• Então (1, 1, 1), (1, 0, 0), (0, 1, 0) geram ℝ3 .
• ((1, 1, 1), (1, 0, 0), (0, 1, 0)) é uma base de ℝ3 .
Exemplo : construção de uma base de ℝ3 que contenha (1, 3, 0)

Seja X = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
• (1, 3, 0), (1, 0, 0) são linearmente independentes
• (1, 3, 0), (1, 0, 0),
(0, 1, 0) são linearmente dependentes (0, 1, 0) é combinação linear de (1, 3, 0), (1, 0, 0)
• (1, 3, 0), (1, 0, 0) (0, 0, 1) são linearmente independentes

• (1, 0, 0), (0, 1, 0), (0, 0, 1) ∈ G({(1, 3, 0), (1, 0, 0), (0, 0, 1)}),
portanto ℝ3 ⊂ G({(1, 3, 0), (1, 0, 0), (0, 0, 1)})
• Então (1, 3, 0), (1, 0, 0), (0, 0, 1) geram ℝ3 .
• ((1, 3, 0), (1, 0, 0), (0, 0, 1)) é uma base de ℝ3 .
Qualquer família livre maximal é uma base.

(uma família livre é maximal se acrescentando qualquer elemento se obtém uma família ligada,
isto é, se não há nenhuma família livre que a contenha estritamente)
Demonstração
Exercício
Proposição
Se E é um espaço vectorial com mais de um elemento e X é um conjunto que gera E, então existe
uma base de E contida em X.
Demonstração no caso em que X é finito
Sejam u1 , …, un os elementos de X.
Se u1 , …, un são linearmente independentes, então formam uma base de E.
Se não são, algum é combinação linear dos restantes;
retirando esse, os restantes ainda geram E.
Repete - se o processo até só restarem elementos linearmente
independentes
o que acontece pelo menos quando só restar um elemento, caso contrário esse elemento
seria linearmente dependente, portanto seria 0E , logo E só teria um elemento.
Exemplo : construção de uma base de ℝ3 contida

no conjunto de geradores {(1, 2, 0), (1, 1, 1), (0, 1, -1), (0, 0, 1)}
(0, 0, 0) = α (1, 2, 0) + β (1, 1, 1) + γ (0, 1, -1) +

α+β=0 α+γ=0
δ (0, 0, 1)⟺ 2α +β +γ =0 ⟺⋯⟺ β-γ=0
β-γ+δ=0 δ=0
Conclui - se que (1, 2, 0), (1, 1, 1), (0, 1, - 1),

(0, 0, 1) são linearmente dependentes : tomando, por exemplo, α = - 1,
β = 1, γ = 1, δ = 0, vem - (1, 2, 0) + (1, 1, 1) + (0, 1, - 1) + 0 (0, 0, 1) = (0, 0, 0)
Da igualdade anterior, vem
(1, 2, 0) = (1, 1, 1) + (0, 1, - 1) + 0 (0, 0, 1),
portanto (1, 2, 0) é combinação linear de (1, 1, 1), (0, 1, - 1), (0, 0, 1).
Retirando (1, 2, 0) ficamos com o conjunto de geradores {(1, 1, 1), (0, 1, - 1), (0, 0, 1)}.
(1, 1, 1), (0, 1, - 1), (0, 0, 1) são linearmente independentes.
((1, 1, 1), (0, 1, - 1), (0, 0, 1)) é uma base de ℝ3 .
Qualquer família de geradores minimal é uma base.

(uma família de geradores é minimal se retirando qualquer elemento se deixa de ter uma família
de geradores, isto é, se não há nenhuma família de geradores estritamente contida nela)
Demonstração
Exercício
Corolário
Qualquer espaço vectorial não nulo finitamente gerado tem uma base.
Observação: pode-se mostrar que qualquer espaço vectorial, mesmo de dimensão infinita, tem
uma base.
Proposição
Seja E um espaço vectorial finitamente gerado; quaisquer duas bases de E têm o mesmo
número de elementos.
Demonstração
Suponhamos que b1 é uma base com n elementos e b2 é uma base com m elementos.
Como E é gerado por n elementos (os de b1 ) e os m
elementos de b2 são linearmente independentes tem - se m ⩽ n.
Como E é gerado por m elementos (os de b2 ) e os n
elementos de b1 são linearmente independentes tem - se n ⩽ m.
Entao m = n.
Definição
Seja E um espaço vectorial finitamente gerado; se E = {0E }, diz-se que a dimensão de E é 0, caso
contrário chama-se dimensão de E (dim E) ao número de elementos de qualquer base de E.
Dimensões de alguns espaços
dim ℝn = n
Já foi visto que ((1, 0, …, 0), (0, 1, …, 0), …, (0, 0, …, 1)) é uma base de ℝn
dim ℝn [ X ] = n + 1
Já foi visto que 1, X, X 2 , …, X n  é uma base de ℝn [ X ]
dim Mm,n (ℝ) = mn

1 0 ⋯ 0 0 1 ⋯ 0 0 0 ⋯ 1
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
Já foi visto que , , …, , …,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
, , …, é uma base de Mm,n (ℝ)
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
1 0 ⋯ 0 0 1 ⋯ 0 0 0 ⋯ 1
Para a estrutura complexa, dim ℂn = n

Já foi visto que ((1, 0, …, 0), (0, 1, …, 0), …, (0, 0, …, 1)) é uma base de ℂn
Para a estrutura real, dim ℂn = 2 n

Já foi visto que ((1, 0, …, 0), (i, 0, …, 0), (0, 1, …, 0), (0, i, …, 0), …, (0, 0, …, 1), (0, 0, …, i))
é uma base de ℂn
Para a estrutura complexa, dim ℂn [ X ] = n + 1

Já foi visto que 1, X, X 2 , …, X n  é uma base de ℂn [ X ]
Para a estrutura real, dim ℂn [ X ] = 2 (n + 1)
Já foi visto que 1, i, X, iX, X 2 , iX2 , …, X n , iXn  é uma base de ℂn [ X ]
Para a estrutura complexa, dim Mm,n (ℂ) = mn

1 0 ⋯ 0 0 1 ⋯ 0 0 0 ⋯ 1
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
Já foi visto que , , …, , …,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
, , …, é uma base de Mm,n (ℂ)
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
1 0 ⋯ 0 0 1 ⋯ 0 0 0 ⋯ 1
Para a estrutura real, dim Mm,n (ℂ) = 2 mn
1 0 ⋯ 0 i 0 ⋯ 0 0 1 ⋯ 0 0 i ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
Já foi visto que , , , , …,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 1 0 0 ⋯ i 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
, , …, , , ,
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 1 0 ⋯ 0 i 0 ⋯ 0 0 1 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
, …, , é uma base de Mm,n (ℂ)
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 i ⋯ 0 0 0 ⋯ 1 0 0 ⋯ i
Proposição
Seja E um espaço vectorial de dimensão n.

• Qualquer conjunto de geradores tem pelo menos n elementos.
• Qualquer família livre tem no máximo n elementos.
• Qualquer família de geradores com n elementos é uma base.
• Qualquer família livre com n elementos é uma base.
Demonstração
Resulta do que já foi visto.
Corolário
Se E é um espaço vectorial finitamente gerado e F é um subespaço de E, então

• dim F≤ dim E
• se dim F = dim E, então F = E.
Proposição
Sejam E um espaço vectorial de dimensão finita sobre  e E1 , E2 subespaços de E; então

dim(E1 + E2 ) = dim E1 + dim E2 - dim E1 ⋂ E2 .
Demonstração
Seja (e1 , …, ek ) uma base de E1 ⋂ E2 .
Sejam u1 , …, um ∈ E1 tais que (e1 , …, ek , u1 , …, um ) é uma base de E1
Sejam v1 , …, vn ∈ E2 tais que (e1 , …, ek , v1 , …, vn ) é uma base de E2
Vamos ver que (e1 , …, ek , u1 , …, um , v1 , …, vn ) é uma base de E1 + E2 .
• Seja w ∈ E1 + E2 ; existem u ∈ E1 , v ∈ E2 tais que w = u + v.
Existem α1 , …, αk , β1 , …, βm ∈  tais que u = α1 e1 + ⋯ + αk ek + β1 u1 + ⋯ + βm um ;
existem γ1 , …, γk , δ1 , …, δn ∈  tais que v = γ1 e1 + ⋯ + γk ek + δ1 v1 + ⋯ + δn vn .
Então w = (α1 + γ1 ) e1 + ⋯ + (αk + γk ) ek + β1 u1 + ⋯ + βm um + δ1 v1 + ⋯ + δn vn ;
conclui - se que qualquer elemento de E1 + E2 é combinação linear de e1 , …,
ek , u1 , …, um , v1 , …, vn , logo e1 , …, ek , u1 , …, um , v1 , …, vn geram E1 + E2 .
• Suponhamos que α1 e1 + ⋯ + αk ek + β1 u1 + ⋯ + βm um + δ1 v1 + ⋯ + δn vn = 0E .
Então δ1 v1 + ⋯ + δn vn = -α1 e1 - ⋯ - αk ek - β1 u1 - ⋯ - βm um ,
portanto δ1 v1 + ⋯ + δn vn ∈ E1 .
Conclui - se que δ1 v1 + ⋯ + δn vn ∈ E1 ⋂ E2 , logo existem γ1 ,
…, γk tais que δ1 v1 + ⋯ + δn vn = γ1 e1 + ⋯ + γk ek .
Vem então α1 e1 + ⋯ + αk ek + β1 u1 + ⋯ + βm um + γ1 e1 + ⋯ + γk ek = 0E ;
conclui - se que β1 = ⋯ = βm = 0.
Então α1 e1 + ⋯ + αk ek + δ1 v1 + ⋯ + δn vn = 0E , portanto α1 = ⋯ = αk = δ1 = ⋯ = δn = 0
Conclui - se que e1 , …, ek , u1 , …, um , v1 , …, vn são linearmente independentes.
Observação : É necessário adapatar a demonstração no caso em que E1 ⋂ E2 = {0E },
ou E1 ⊂ E2 ou E2 ⊂ E1 .
Exemplo
E1 = ( x, y, z, t) ∈ ℝ4 : x + y + z = 0 e y + z + t = 0, E2 = ( x, y, z, t) ∈ ℝ4 : x = t = 0
E1 ⋂ E2 = ( x, y, z, t) ∈ ℝ4 : x = t = y + z = 0 = {(0, y, - y, 0), y ∈ ℝ} = G({(0, 1, -1, 0)})
((0, 1, -1, 0)) é uma base de E1 ⋂ E2

((0, 1, -1, 0), (1, -1, 0, 1)) é uma base de E1
((0, 1, -1, 0), (0, 1, 0, 0)) é uma base de E2
Portanto ((0, 1, -1, 0), (1, -1, 0, 1), (0, 1, 0, 0)) é uma base de E1 + E2
Corolário
Se E1 e E2 são subespaços suplementares num espaço vectorial de dimensão finita E,

então dim E = dim E1 + dim E2 .
Proposição
Sejam E um espaço vectorial sobre , e E1 , E2 ,…, Ek subespaços de E tais que E = E1 ⊕ E2 ⊕⋯⊕ Ek ;

se b1 , b2 , …, bk são bases
respectivamente de E1 , E2 , …, Ek e B é formada pela “reunião” dos elementos de b1 , b2 , …, bk ,
então B é uma base de E.
Demonstração
Seja u ∈ E; u é soma de elementos de E1 , …, Ek ;
cada elemento de Ei é combinação linear dos elementos de bi ,
portanto de elementos de B; então u é soma de combinações lineares de elementos de B,
portanto também é combinação linear de elementos de B; conclui - se que B gera E.
Consideremos uma combinação linear nula de elementos de B;
chamando ui à soma das parcelas correspondentes à base bi , temos 0E = u1 + ⋯ + uk ;
como só há uma maneira de escrever 0E como soma de elementos dos Ei , conclui - se que
u1 = ⋯ = uk = 0E
Mas ui é combinação linear dos elementos de bi , que são linearmente independentes,
portanto os coeficentes das parcelas da soma que dá ui são todos nulos.,
Conclui - se que os elementos de B são linearmente independentes.
Exemplo
Já foi visto que para a ≠ b se tem ℝ2 = ( x, y ) ∈ ℝ2 : y = ax⊕( x, y ) ∈ ℝ2 : y = bx
( x, y ) ∈ ℝ2 : y = ax = G({(1, a)}), ((1, a)) é uma base de ( x, y ) ∈ ℝ2 : y = ax
( x, y ) ∈ ℝ2 : y = bx = G({(1, b)}), ((1, b)) é uma base de ( x, y ) ∈ ℝ2 : y = bx
Então ((1, a), (1, b)) é uma base de ℝ2 .
Exemplo
Já foi visto que ℝ3 = ( x, y, z) ∈ ℝ3 : x + y + z = 0⊕{c (1, 1, 0), c ∈ ℝ}
( x, y, z) ∈ ℝ3 : x + y + z = 0 = G ({(-1, 1, 0), (-1, 0, 1)}),

((-1, 1, 0), (-1, 0, 1)) é uma base de ( x, y, z) ∈ ℝ3 : x + y + z = 0
{c (1, 1, 0), c ∈ ℝ} = G ({(1, 1, 0)}), ((1, 1, 0)) é uma base de {c (1, 1, 0), c ∈ ℝ}
Então ((-1, 1, 0), (-1, 0, 1), (1, 1, 0)) é uma base de ℝ3 .
Corolário
Se E é um espaço vectorial de dimensão finita sobre , e E = E1 ⊕ E2 ⊕⋯⊕ Ek , então dim

E = ∑ik=1 dim Ei .
Proposição
Seja E um espaço vectorial sobre  e B uma base de E; se b1 , …, bk é uma partição da base B

(isto é, a “reunião” dos bi é B
e os bi são disjuntos dois a dois) então E = G(b1 )⊕⋯ ⊕ G(bk ).
Exemplo
((1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)) é uma base de ℝ4
Então ℝ4 = G({(1, 0, 0, 0), (0, 1, 0, 0)})⊕ G({(0, 0, 1, 0), (0, 0, 0, 1)})

ou seja, ℝ4 = ( x, y, z, t) ∈ ℝ4 : z = t = 0⊕( x, y, z, t) ∈ ℝ4 : x = y = 0
Também se tem ℝ4 = G({(1, 0, 0, 0)})⊕ G({(0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)})
ou seja, ℝ4 = ( x, y, z, t) ∈ ℝ4 : y = z = t = 0⊕( x, y, z, t) ∈ ℝ4 : x = 0
Exemplo
1 + X + X 2 + X 3 , 1 + X + X 2 , 1 + X, 1 é uma base de ℝ3 [ X ]
Então ℝ3 [ X ] = G1 + X + X 2 ⊕ G1 + X + X 2 + X 3 , 1 + X, 1
ℝ3 [ X ] = G1 + X, 1 + X + X 2 ⊕ G1 + X + X 2 + X 3 , 1
ℝ3 [ X ] = G1 + X + X 2 ⊕ G1 + X + X 2 + X 3 ⊕ G({1 + X, 1})
Proposição
Seja E um espaço vectorial sobre  e E1 um subespaço de E; existe um suplementar de E1 em E

(o que é equivalente a existir E2 tal que E = E1 ⊕ E2 ).
Demonstração (no caso de E ter dimensão finita)

Se E1 = {0E }, basta considerar E2 = E
Se E1 = E, basta considerar E2 = 0E
Nos outros casos, basta considerar uma base b de E1 ,
e uma base B de E que contenha b; o subespaço gerado pelos
elementos de B que não pertencem a b é suplementar de E1 em E.
Exemplo : suplementar de E1 = ( x, y, z) ∈ ℝ3 : x - y + z = 0 em ℝ3
E1 = G({(1, 1, 0), (-1, 0, 1)})

((1, 1, 0), (-1, 0, 1)) é uma base de E1
((1, 1, 0), (-1, 0, 1), (1, 0, 0)) é uma base de ℝ3
Então G({(1, 0, 0)}) é um suplementar de E1 em ℝ3
Exemplo : suplementar de F = G X 2 - X  em E = {P ∈ ℝ3 [ X ] : P(1) = 0}
 X 2 - X  é uma base de F
 X 2 - X, -1 + X, -1 + X 3  é uma base de E
G-1 + X, -1 + X 3  é um suplementar de F em E
2 - Aplicações lineares
f(x,y)= (x-y,x+y)
soma
produto
u+v
Aplicação não linear
f(u+v)
f(u)+f(v)
f(u)
f(v)
soma
produto
v u+v
Aplicação linear
f(v)
f(u+v)
f(u)+f(v)
f(u)
soma
coeficientes
imagem
1.7 u + 3. v
f(u)
1.7 f(u) + 3. f(v)

f(v)
2.1 - Definições e propriedades
Definição
Sejam E e F espaços vectoriais sobre  e f : E ⟶ F uma função; diz-se que f é uma aplicação
linear sse
• para quaisquer u,v∈E se tem f(u+v)=f(u)+f(v)
• para quaisquer α∈, u∈E, se tem f(αu)=αf(u)
No caso em que E=F, diz-se que f é um endomorfismo, ou um operador linear; no caso em que
F= diz-se que f é uma forma linear.
Exemplo : f : ℝ2 ⟶ ℝ2
( x, y ) ( x + 1, y )
f ((1, 0) + (1, 0)) = f (2, 0) = (3, 0)

f ((1, 0)) + f ((1, 0)) = (2, 0) + (2, 0) = (4, 0)
f não é linear
Exemplo : f : ℝ2 ⟶ ℝ
( x, y ) xy
f (3 (1, 1)) = f ((3, 3)) = 9

3 f ((1, 1)) = 3
f não é linear
( x, y ) (3 x + y, -2 x )
Sejam u = (a, b), v = (c, d); então u + v = (a + c, b + d)

f (u + v ) = f (a + c, b + d) = (3 (a + c) + b + d, -2 (a + c)) = (3 a + 3 c + b + d, -2 a - 2 c)
f (u) + f (v ) = (3 a + b, -2 a) + (3 c + d, -2 c) = (3 a + b + 3 c + d, -2 a - 2 c
Então f (u + v ) = f (u) + f (v )
Seja α ∈ ℝ; então αu = (αa, αb).
f (αu) = f (αa, αb) = (3 αa + αb, -2 αa)
αf (u) = α (3 a + b, -2 a) = (3 αa + αb, -2 αa)
Então f (αu) = αf (u)
f é linear
Exemplo : f : ℂ ⟶ ℂ
z Re z
• Para quaisquer z, w ∈ ℂ, Re (z + w) = Re z + Re w,
(se z = a + bi, w = c + di, com a, b, c, d ∈ ℝ, então Re (z + w) = a + c)
Se z = a + bi, com a, b ∈ ℝ, e α ∈ ℝ, então αz = αa + αbi,

com αa, αb ∈ ℝ, portanto Re (αz) = αa = αRe z.
Conclui - se que f é linear relativamente à estrutura real.
• Para α ∈ ℂ, em geral Re (αa + αbi) ≠ αa
(por exemplo Re (i × 1) ≠ = i Re 1 )
Conclui - se que f não é linear relativamente à estrutura complexa.
Aplicações lineares de ℝ2 em ℝ2
Para quaisquer a, b, c, d ∈ ℝ2 , a aplicação f : ℝ2 ⟶ ℝ2 é linear

( x, y ) (ax + by, cx + dy)
Exercício
• Reciprocamente, se f : ℝ2 ⟶ℝ2 é linear,

então f ( x, y ) = f (( x, 0) + (0, y )) = f ( x, 0) + f (0, y ) = f ( x (1, 0)) + f ( y (0, 1)) = x f (1, 0) + y f (0, 1).
Portanto, se f (1, 0) = (a, c) e f (0, 1) = (b, d), então f ( x, y ) = (a x + b y, c x + d y ).
Conclusão : as aplicações lineares de ℝ2 em ℝ2 são as aplicações do tipo
ℝ2 ⟶ ℝ2 ,
( x, y ) (a x + b y, c x + d y )
com a, b, c, d ∈ ℝ
a b
c d
f(x,y)=(ax+by,cx+dy)
(a,c) (b,d)
Descrição de todas as aplicações lineares entre alguns espaços
As aplicações lineares de ℝ em ℝ são as aplicações do tipo ℝ ⟶ ℝ , onde a∈ℝ.

x ax
As aplicações lineares de ℝ3 em ℝ2 são as aplicações do tipo
ℝ3 ⟶ ℝ2 , onde a,b,c,a’,b’,c’∈ℝ.
(x, y, z) (a x + b y + c z, a' x + b' y + c' z)
As aplicações lineares de ℝ3 em ℝ são as aplicações do tipo ℝ3 ⟶ ℝ , onde

(x, y, z) ax+b y+cz
a,b,c∈ℝ.
As aplicações lineares de ℝ2 em ℝ2 [ X ] são as aplicações do tipo
ℝ2 ⟶ ℝ2 [X] , onde a1 , a2 , b1 , b2 , c1 , c2 ∈
2
(x1 , x2 ) a1 x1 + a2 x2 + (b1 x1 + b2 x2 ) + (c1 x1 + c2 x2 ) X
ℝ.
Exemplo : existe uma aplicação linear f : ℝ3 ⟶ℝ2 tal que f (1, 1, 1) = (1, 7),
f (1, 1, 0) = (0, 0) e f (1, 0, 0) = (2, -1) ?
Gráficos de aplicações lineares
• f: ℝ ⟶ ℝ
x ax
Gráfico de f = {( x, f ( x )), x ∈ ℝ} = ( x, y ) ∈ ℝ2 : y = f ( x ) = ( x, y ) ∈ ℝ2 : y = a x 
Trata - se de um subespaço de ℝ2 .
• f: ℝ2 ⟶ ℝ
( x, y ) ax+by
Gráfico de f =
{( x, y, f ( x, y )), ( x, y ) ∈ ℝ2 } = ( x, y, z) ∈ ℝ3 : z = f ( x, y ) = ( x, y, z) ∈ ℝ3 : z = a x + b y 
Trata - se de um subespaço de ℝ3 .
plano z=0
• f : ℝn ⟶ℝm uma aplicação linear
Gráfico de f = {( x1 , …, xn , y1 , …, ym ) ∈ n+m : (y1 , …, ym ) = f(x1 , …, xn )
Trata - se de um subespaço de ℝn+m .
• f : E ⟶ F uma aplicação linear
Gráfico de f = {(u, f(u)) ∈ E × F} = {(u, v) ∈ E × F : v = f(u)}
Trata - se de um subespaço de E × F.
Proposição
Se f : E⟶ F é uma aplicação linear, então

• f (0E ) = 0F
• para quaisquer u,v∈E, tem-se f(u-v)=f(u)-f(v).
Demonstração
• f (0E ) = f (0E + 0E ) = f (0E ) + f (0E ), portanto f (0E ) = 0F
• Tem - se f (u - v ) + f (v ) = f (u - v + v ) = f (u), portanto f (u - v ) = f (u) - f (v )
Proposição
A composta de aplicações lineares é uma aplicação linear.
Demonstração
Sejam f : E ⟶ F e g : F ⟶ G aplicações lineares.
Para u, v ∈ E,
tem - se g ∘ f (u + v ) = g (f (u + v )) = g (f (u) + f (v )) = g (f (u)) + g (f (v )) = g ∘ f (u) + g ∘ f (v )
Para α ∈ , u ∈ E, tem - se g ∘ f (αu) = g (f (αu)) = g (αf (u)) = αg (f (u)) = α (g ∘ f ) (u)
Exemplo: Para quaisquer espaços E e F, a aplicação identidade f : E ⟶ E e a aplicação

u u
nula E ⟶ F são aplicações lineares.

u 0F
Proposição
Sejam E,F espaços vectoriais sobre ; o conjunto L(E,F)={aplicações lineares de E em F} é um

espaço vectorial.
(É um subespaço do espaço F(E,F)={funções de E em F}; neste espaço as operações são definidas
da seguinte maneira: f+g é a função definida por (f+g)(u)=f(u)+g(u) e αf é a função definida por
(αf)(u)=α(f(u)).)
Aplicações lineares definidas através das imagens dos elementos de uma base
Proposição
Sejam E, F espaços vectoriais sobre K; se (e1 , …, en ) é uma base de E e w1 , …, wn são elementos

quaisquer de F, existe uma e uma só aplicação linear f : E ⟶ F tal que f (e1 ) = w1 , …, f (en ) = wn
(ou seja, uma aplicação linear fica completamente determinada pelas imagens dos elementos
de uma base, e essas imagens podem ser escolhidas arbitrarimente).
Demonstração
• Unicidade
Suponhamos que existe f .
Para cada u ∈ E existem a1 , …, an ∈  tais que u = a1 e1 + ⋯ + an en .
Então f (u) = f (a1 e1 + ⋯ + an en ) = a1 f (e1 ) + ⋯ + an f (en ) = a1 w1 + … + an wn
Portanto, se existir f , f (u) está completamente determinado para cada u.
• Existência
Para cada u ∈ E, seja f (u) = a1 w1 + ⋯ + an wn , onde a1 , … ,
an são os únicos elementos de  tais que u = a1 e1 + ⋯ + an en
f fica bem definida precisamente porque, para cada u, os
a1 , …, an são únicos
Falta ver que f é linear.
Sejam u, v ∈ E, u = a1 e1 + ⋯ + an en , v = b1 e1 + ⋯ + bn en
Então f (u) = a1 w1 + ⋯ + an wn , f (v ) = b1 w1 + ⋯ + bn wn ,
e f (u) + f (v ) = (a1 + b1 ) w1 + ⋯ + (an + bn ) wn
Mas u + v = (a1 + b1 ) e1 + ⋯ + (an + bn ) en , portanto f (u + v ) = (a1 + b1 ) w1 + ⋯ + (an + bn ) wn
Conclui - se que f (u + v ) f (u) + f (v )
Sejam agora u ∈ E, α ∈ , u = a1 e1 + ⋯ + an en
Então f (u) = a1 w1 + ⋯ + an wn , e αf(u) = f (u) = αa1 w1 + ⋯ + αan wn
Mas αu = α a1 e1 + ⋯ + αan en , portanto f (αu) = αa1 w1 + ⋯ + αan wn
Conclui - se que f (αu) = αf (u)
Se e1 , …, en geram E e w1 , …, wn são elementos quaisquer de F, existe no máximo uma apli-

cação linear f : E ⟶ F tal que f (e1 ) = w1 , …, f (en ) = wn .
(Exercício)
Se e1 , …, en são linearmente independentes e w1 , …, wn são elementos quaisquer de F, existe

pelo menos uma aplicação linear f : E ⟶ F tal que f (e1 ) = w1 , …, f (en ) = wn .
(Exercício)
Exemplo : f : ℝ2 ⟶ℝ2 tal que f (1, 1) = (2, -5) e f (-1, 1) = (1, 3)

((1, 1), (-1, 1)) é uma base de ℝ2
x+ y
a= 2
( x, y ) = a (1, 1) + b (- 1, 1)⟺⋯⟺ -x+ y
b= 2
x+ y -x+ y
( x, y ) = (1, 1) + (-1, 1)
2 2
x+ y -x+ y
Portanto f ( x, y ) = f  2
(1, 1) +
2
(- 1, 1)
x+ y -x+ y x+ y x+ y
=
2
f ((1, 1)) + 2
f ((- 1, 1)) = 2
(2, - 5) +
2
(1, 3)
3
= x +
2
y, - 4 x - y 
Exemplo : Não existe f : ℝ2 ⟶ℝ3 , linear,

tal que f (1, -1) = (1, 0, 1), f (2, -3) = (0, 0, 1), f (1, 1) = (0, 1, 0)
Para qualquer ( x, y ) ∈ ℝ2 , tem - se ( x, y ) = (-2 x + 2 y ) (1, -1) + ( x - y ) (2, -3) + x (1, 1).
Se existisse f ,
ter - se - ia f ( x, y ) = (-2 x + 2 y ) f (1, 1) + ( x - y ) (0, 0, 1) + x (0, 1, 0) = (-2 x + 2 y, x, - x + y )
Mas então f (1, -1) = (-4, 1, -2) ≠ (1, 0, 1).
Conclui - se que não existe f nas condições dadas.
1 0
Exemplo : Não existe f : ℝ3 ⟶ M2,2 ℝ2 , linear, tal que f (1, 1, 1) = ,
1 0
1 2 -1 -1 0 0
f (1, 1, 0) = , f (1, 2, 3) = , f (- 1, 3, 5) =
2 1 0 0 -3 2
((1, 1, 1), (1, 1, 0), (1, 2, 3)) é uma base de ℝ3 ,

1 0
portanto existe uma única aplicação linear f : ℝ3 ⟶ M2,2 (ℝ) tal que f (1, 1, 1) = ,
1 0
1 2 -1 -1
f (1, 1, 0) = , f (1, 2, 3) =
2 1 0 0
( x, y, z) = (3 x - 3 y + z) (1, 1, 1) + (- x + 2 y - z) (1, 1, 0) + (- x + y ) (1, 2, 3)
Então f ( x, y, z) =
1 0 1 2 -1 -1 3 x - 2 y -x + 3 y - 2z
(3 x - 3 y + z ) + (- x + 2 y - z) + (- x + y ) =
1 0 2 1 0 0 x + y - z -x + 2 y - z
-9 0 0 0
Tem - se f (-1, 3, 5) = ≠
-3 2 -3 2
Conclui - se que não existe uma aplicação linear nas condições dadas.
Aplicações lineares definidas numa soma directa de subespaços
Proposição
Sejam E, um espaço vectorial sobre  e E1 , …, Ek subespaços de E tais que E = E1 ⊕⋯⊕ Ek ; para

cada i, seja pi : E ⟶ Ei a aplicação definida da seguinte maneira: se u = u1 + ⋯uk , com ei ∈ Ei ,
então pi (u) = ui (a aplicação está bem definida, uma vez que ui fica completamente determinado
por u); a aplicação pi é linear.
Demonstração
Sejam u, v ∈ E, u = u1 + ⋯ + uk , v = v1 + ⋯ + vk , com ui , vi ∈ Ei .
Então pi (u) + pi (v ) = ui + vi .
Por outro lado, u + v = u1 + v1 + ⋯ + uk + vk ,
e ui + vi ∈ Ei porque ui , vi ∈ Ei e Ei é estável para a soma.
Conclui - se que pi (u + v ) = ui + vi , ou seja, pi (u + v ) = pi (u) + pi (v ).
Sejam u ∈ E, α ∈ , u = u1 + ⋯ + uk , com ui ∈ Ei .
Então αpi (u) = αui .
Por outro lado, αu = αu1 + ⋯ + αuk , e αui ∈ Ei porque ui ∈ Ei e Ei é estável para o produto.
Conclui - se que pi (αu) = αui , ou seja, pi (αu) = αpi (u)
Exemplo : ℝ2 = G({(1, 1)})⊕ G({(1, -1)})

Para cada ( x, y ) ∈ ℝ2 , tem - se ( x, y ) =
x+ y x- y
(1, 1) + (1, -1).
2 2
x+ y x- y
Então p1 ( x, y ) = 2
(1, 1) e p2 ( x, y ) =
2
(1, -1)
Exemplo : ℝ3 = G({(1, 1, 0)})⊕( x, y, z) ∈ ℝ3 : x = 0
Para cada ( x, y, z) ∈ ℝ3 , tem - se ( x, y, z) = ( x, x, 0) + (0, y - x, z),

onde ( x, x, 0) ∈ G({(1, 1, 0)}) e (0, y - x, z) ∈ ( x, y, z) ∈ ℝ3 : x = 0.
Então p1 ( x, y, z) = ( x, x, 0) e p2 ( x, y, z) = (0, y - x, z)
1 1 0 0 a b
Exemplo : M2,2 (ℝ) = G   ⊕G   ⊕ ∈ M2,2 (ℝ) : c = d = 0
0 1 -1 1 c d
x y x y 1 1 0 0 x-z-t y-z-t
Para cada ∈ M2,2 (ℝ), tem - se = (t + z ) -z + ,
z t z t 0 1 -1 1 0 0
1 1 1 1
onde (t + z) ∈G   ,
0 1 0 1
0 0 0 0 x-z-t y-z-t a b
-z ∈G   e ∈ ∈ M2,2 (ℝ) : c = d = 0
-1 1 -1 1 0 0 c d
x y 1 1 x y 0 0 x y x-z-t y-z-t
Então p1 = (t + z ) , p2 = -z e p3 =
z t 0 1 z t -1 1 z t 0 0
Proposição
Sejam E, F espaços vectoriais sobre K; se E = E1 ⊕⋯⊕ Ek , então, dadas quaisquer k aplicações

lineares fi : Ei ⟶ F, existe uma única aplicação linear f : E ⟶ F tal que, para cada i, a restrição de
f a E i é fi .
Demonstração
Suponhamos que existe uma aplicação linear nas condições indicadas.
Então, se u = u1 + ⋯ + uk , com ui ∈ Ei , tem - se f (u) = f (u1 ) + ⋯ + f (uk ) = f1 (u1 ) + ⋯ + fk (uk ),
portanto não há alternativas para o valor de f (u); então se f existir, é única.
Seja então f a função definida do seguinte modo : para cada u ∈ E,
se u = u1 + ⋯ + uk , com ui ∈ Ei , seja f (u) = f1 (u1 ) + ⋯ + fk (uk ).
A função f está bem definida, uma vez que os ui ficam determinados por u.
Vamos verificar que f é linear.
Sejam u, v ∈ E, u = u1 + ⋯ + uk , v = v1 + ⋯ + vk , com ui , vi ∈ Ei .
Então f (u) = f1 (u1 ) + ⋯ + fk (uk ) e f (v ) = f1 (v1 ) + ⋯ + fk (vk ),
portanto f (u) + f (v ) = f1 (u1 ) + f1 (v1 ) + ⋯ + fk (uk ) + fk (vk ) = f1 (u1 + v1 ) + ⋯ + fk (uk + vk ),
uma vez que cada fi é linear.
Por outro lado, u + v = u1 + v1 + ⋯ + uk + vk , e ui + vi ∈ Ei ,
portanto f (u + v ) = f1 (u1 + v1 ) + ⋯ + fk (uk + uk ), ou seja, f (u + v ) = f (u) + f (v ).
Sejam u ∈ E, α ∈ , u = u1 + ⋯ + uk , com ui ∈ Ei .
Então αf(u) = αf1 (u1 ) + ⋯ + αfk (uk ) = f1 (αu1 ) + ⋯ + fk (αuk ), uma vez que cada fi é linear.
Por outro lado, αu = αu1 + ⋯ + αuk , e αui ∈ Ei ,
portanto f (αu) = f1 (αu1 ) + ⋯ + fk (αuk ), ou seja, f (αu) = αf(u).
Exemplo
Sejam E1 = ( x, y, z) ∈ ℝ3 : x = y = z, E2 = ( x, y, z) ∈ ℝ3 : x - y + z = 0,
f1 : E1 ⟶ ℝ2 , f2 : E2 ⟶ ℝ2 .
( x, y, z) (2 y, x + 3 z) ( x, y, z) (-z, 2 x )
Vamos determinar f : ℝ3 ⟶ℝ2 tal que a restrição de f a E1 seja f1 e a restrição de f a E2 seja f2 .

Tem - se ℝ3 = E1 ⊕ E2 , e para qualquer ( x, y, z) ∈ ℝ3 ,
tem - se ( x, y, z) = ( x - y + z, x - y + z, x - y + z) + ( y - z, 2 y - x - z, y - x ),
com ( x - y + z, x - y + z, x - y + z) ∈ E1 e ( y - z, 2 y - x - z, y - x ) ∈ E2 .
Então f ( x, y, z) = f (( x - y + z, x - y + z, x - y + z) + ( y - z, 2 y - x - z, y - x )) =
f ( x - y + z, x - y + z, x - y + z) + f ( y - z, 2 y - x - z, y - x )} =
f1 ( x - y + z, x - y + z, x - y + z) + f2 ( y - z, 2 y - x - z, y - x ) =
(2 ( x - y + z), ( x - y + z) + 3 ( x - y + z)) + (-( y - x ), 2 ( y - z)) = (3 x - 3 y + 2 z, 4 x - 2 y + 2 z)
2.2 - Núcleo, contradomínio e dimensões
Definição
Seja f : E ⟶ F uma aplicação linear; chama-se núcleo de f ao conjunto {u ∈ E : f (u) = 0F }.

Notação: ker f
( x, y, z) ( x + y, y - z)
ker f = ( x, y, z) ∈ ℝ3 : f ( x, y, z) = (0, 0) =

( x, y, z) ∈ ℝ3 : x + y = 0 e y - z = 0 = {(-z, z, z), z ∈ ℝ} = G({(-1, 1, 1)})
Exemplo : f : ℝ3 [ X ] ⟶ ℝ
P P (-1)
ker f = {P ∈ ℝ3 [ X ] : f (P) = 0} = a + bX + cX2 + dX3 ∈ ℝ3 [ X ] : a - b + c - d = 0 =
b - c + d + bX + cX2 + dX3 , b, c, d ∈ ℝ = G1 + X, -1 + X 2 , 1 + X 3 
Proposição
Seja f : E ⟶ F uma aplicação linear;

• se E1 é um subespaço de E, então f (E1 ) é um subespaço de F;
• se F1 é um subespaço de F, então f -1 (F1 ) é um subespaço de E.
(onde f (E1 ) = {f (u), u ∈ E1 } e f -1 (F1 ) = {u ∈ E : f (u) ∈ F1 })
Demonstração
• Sejam v1 , v2 ∈ f (E1 ); existem u1 , u2 ∈ E1 tais que v1 = f (u1 ) e v2 = f (u2 ).
Então v1 + v2 = f (u1 ) + f (u2 ) = f (u1 + u2 ); como E1 é estável para a soma,
u1 + u2 ∈ E1 , portanto f (u1 + u2 ) ∈ f (E1 ), ou seja, v1 + v2 ∈ f (E1 ).
Sejam α ∈  e v ∈ f (E1 ); existe u ∈ E1 tal v = f (u).
Então αv = αf(u) = f (αu); como E1 é estável para o produto,
αu ∈ E1 , portanto f (αu) ∈ f (E1 ), ou seja, αv ∈ f (E1 ).
Concluiu - se portanto que f (E1 ) é estável para a soma e para o produto,

portanto é um subespaço.
• Sejam u1 , u2 ∈ f -1 (F1 ); então f (u1 ), f (u2 ) ∈ F1 .
Tem - se f (u1 + u2 ) = f (u1 ) + f (u2 ); como F1 é estável para a soma,
f (u1 ) + f (u2 ) ∈ F1 , portanto f (u1 + u2 ) ∈ F1 , ou seja, u1 + u2 ∈ f -1 (F1 ).
Sejam α ∈  e u ∈ f -1 (F1 ); então f (u) ∈ F1 .
Tem - se f (αu) = αf(u); como F1 é estável para o produto,
αf(u) ∈ F1 , portanto f (αu) ∈ f -1 (F1 ), ou seja, αv ∈ f -1 (F1 ).
Concluiu - se portanto que f -1 (F1 ) é estável para a soma e para o produto,

portanto é um subespaço.
a b
c d
E1 ={(x,y)∈ℝ2 :y=αx}=G({(1,α)})
E1
f(E1 )
a b
c d
f(ℝ2 )
Exemplo : f : ℝ3 ⟶ ℝ2 , f -1 ( x, y ) ∈ ℝ2 : x + y = 0

( x, y, z) (2 x - z, x + 3 y )
f -1 ( x, y ) ∈ ℝ2 : x + y = 0 = ( x, y, z) ∈ ℝ3 : f ( x, y, z) ∈ ( x, y ) ∈ ℝ2 : x + y = 0 =

( x, y, z) ∈ ℝ3 : (2 x - z, x + 3 y ) ∈ ( x, y ) ∈ ℝ2 : x + y = 0 =
( x, y, z) ∈ ℝ3 : 2 x - z + x + 3 y = 0 = ( x, y, z) ∈ ℝ3 : 3 x + 3 y - z = 0
Exemplo : f : ℝ3 ⟶ ℝ3 , f ( x, y, z) ∈ ℝ3 : y = 0

( x, y, z) ( x - z, - x + z, 2 x - 2 z)
f ( x, y, z) ∈ ℝ3 : y = 0 =
f {( x, 0, z), x, z ∈ ℝ} = {f ( x, 0, z), x, z ∈ ℝ} = {( x - z, - x + z, 2 x - 2 z), x, z ∈ ℝ} =
{ x (1, -1, 2) + z(-1, 1, -2), x, z ∈ ℝ} = G({(1, -1, 2), (-1, 1, -2)}) = G({(1, -1, 2)})
Exemplo : f : ℝ3 ⟶ ℝ2 , f ( x, y, z) ∈ ℝ3 : x + 2 y = 0 e y = z

( x, y, z) ( x + y, y + 7 z)
f ( x, y, z) ∈ ℝ3 : x + 2 y = 0 e y = z =
f {(-2 z, -z, z), z ∈ ℝ} = {f (-2 z, -z, z), z ∈ ℝ} = {(-3 z, 6 z), z ∈ ℝ} = {z(-3, 6), z ∈ ℝ} = G({(-3, 6)})
Corolário
Seja f : E ⟶ F uma aplicação linear; o núcleo de f (ker f) e o contradomínio de f (Im f) são sube-
spaços vectoriais de E e F respectivamente.
Demonstração
Basta aplicar o resultado anterior ao subespaço {0F } de F uma vez que ker f = f -1 ({0F })
e ao subespaço E de E uma vez que o contradomínio de f é f (E).
Definição
Seja f : E ⟶ F uma aplicação linear; chama-se característica de f à dimensão do contradomínio

de f.
Notação: car f
Proposição
Seja f : E ⟶ F uma aplicação linear; f é injectiva sse ker f = {0E }.

Demonstração
• Suponhamos que f é injectiva.
Se u ∈ ker f , então f (u) = 0F = f (0E ), portanto u = 0E .
Conclui - se que ker f = {0E }.
• Suponhamos que ker f = {0E }.
Sejam u, v tais que f (u) = f (v ); então f (u) - f (v ) = 0F .
Conclui - se que f (u - v ) = 0F , logo u - v ∈ ker f , portanto
u - v = 0E , ou seja, u = v.
Conclui - se que f é injectiva.
Exemplo : f : ℝ3 ⟶ ℝ
( x, y, z) 2x+ y-3z
ker f = ( x, y, z) ∈ ℝ3 : 2 x + y - 3 z = 0
(1, 1, 1) ∈ ker f e (1, 1, 1) ≠ (0, 0, 0)

f não é injectiva
f: ℝ2 ⟶ M2,2 (ℝ)
Exemplo :
x+y 2x
( x, y )
3x- y 5x+7y
ker f = ( x, y ) ∈ ℝ2 : x + y = 0 e 2 x = 0 e 3 x - y = 0 e 5 x + 7 y = 0 = {(0, 0)}
f é injectiva
Proposição
Seja f : E ⟶ F uma aplicação linear; f é injectiva sse f transforma qualquer família de vectores
linearmente independentes numa família de vectores linearmente independentes.
Demonstração
Exercício
Proposição
Sejam f : E ⟶ F uma aplicação linear e A um subconjunto de E; f(G(A))=G(f(A)).

Em particular, se u1 , …, un geram E, então f (u1 ), …, f (un ) geram Im f.
Demonstração
• Tem - se A ⊂ G ( A), portanto f ( A) ⊂ f (G ( A));
como f (G ( A)) é um subespaço que contém f ( A), conclui - se que G (f ( A)) ⊂ f (G ( A)).
• Seja v ∈ f (G ( A)); existe u ∈ G ( A) tal que f (u) = v.
Existem u1 , …, uk ∈ A, α1 , …, αk ∈  tais que u = α1 u1 + ⋯ + αk uk .
Então v = f (u) = f (α1 u1 + ⋯ + αk uk ) = α1 f (u1 ) + ⋯ + αk f (uk ),
portanto v é combinação linear de elementos de f ( A), isto é, v ∈ G(f ( A)).
Exemplo : Determinar o contradomínio de f : ℝ3 ⟶ ℝ3

( x, y, z) ( x + y + z, -2 x + y - z, 3 y + z)
ℝ3 = G({(1, 0, 0), (0, 1, 0), (0, 0, 1)})

Im f = f (G ({(1, 0, 0), (0, 1, 0), (0, 0, 1)})) =
G({f (1, 0, 0), f (0, 1, 0), f (0, 0, 1)}) = G ({(1, -2, 0), (1, 1, 3), (1, -1, 1)})
( x, y, z) ∈ G ({(1, -2, 0), (1, 1, 3), (1, -1, 1)})⟺ existem a, b,
c ∈ ℝ : ( x, y, z) = a (1, -2, 0) + b (1, 1, 3) + c (1, -1, 1)⟺⋯ ⟺-2 x - y + z = 0
Im f = ( x, y, z) ∈ ℝ3 : -2 x - y + z = 0
Exemplo : Determinar f (E1 ), onde f : ℝ2 ⟶ ℝ4 e E1 =

( x, y ) ( x + y, x - y, 2 x, 2 y )
2
( x, y ) ∈ ℝ : y = 2 x 
E1 = G({(1, 2)})
Im f = f (G ({(1, 2)})) = G (f ({(1, 2)})) = G ({(3, -1, 2, 4)})
( x, y, z, t) ∈ G ({(3, -1, 2, 4)})⟺ existe a ∈ ℝ : ( x, y, z, t) =
a (3, -1, 2, 4)⟺⋯⟺ x = -3 y e z = -2 y e t = -4 y
f (E1 ) = ( x, y, z, t) ∈ ℝ4 : x = -3 y e z = -2 y e t = -4 y 
Proposição
Seja f : E ⟶ F uma aplicação linear.

• Se B é um subconjunto de F, então Gf -1 (B) ⊂ f -1 (G(B)) (mas não se tem necessariamente a
igualdade).
• Se E1 é um subespaço de E, então f -1 (f (E1 )) = E1 + ker f
Demonstração
• Tem - se B ⊂ G(B), portanto f -1 (B) ⊂ f -1 (G(B));
como f -1 (G(B)) é um subespaço de E, conclui - se que Gf -1 (B) ⊂ f -1 (G(B)).
• Seja u ∈ f -1 (f (E1 )); então f (u) ∈ f (E1 ), logo existe v ∈ E1 tal que f (v ) = f (u).
Mas então f (v - u) = f (v ) - f (u) = 0F , portanto v - u ∈ ker f .
De u = v + u - v, com v ∈ E1 e u - v ∈ ker f , conclui - se que u ∈ E1 + ker f .
Conclui - se que f -1 (f (E1 )) ⊂ E1 + ker f .
Seja u ∈ E1 + ker f ; existem v ∈ E1 , w ∈ ker f tais que u = v + w.
Então f (u) = f (v ) + f (w) = f (v ) + 0F = f (v ) ∈ f (E1 ) (porque v ∈ E1 ).
Conclui - se que E1 + ker f ⊂ f -1 (f (E1 )).
Proposição
Seja f : E ⟶ F uma aplicação linear.

Se (e1 , …, en ) é uma base de E tal que (e1 , …, ek ) é uma base de ker f (com 1≤k<n), então
(f (ek+1 ), …, f (en ) ) é uma base de Im f.
Se (e1 , …, en ) é uma base de E e ker f = {0E }, então (f (e1 ), …, f (en )) é uma base de Imf.
Demonstração
Suponhamos ker f ≠ {0E } o caso ker f = {0E } é deixado como exercício
• e1 , …, ek , ek+1 , …, en geram E, portanto f (e1 ), …, f (ek ), f (ek+1 ), …, f (en ) geram Im f

Como f (e1 ) = ⋯ = f (ek ) = 0F , isso significa que 0F , …, 0F , f (ek+1 ),
…, f (en ) geram Im f , ou seja, que f (ek+1 ), …, f (en ) geram Im f
• Se αk+1 f (ek+1 ) + ⋯ + αf(en ) = 0F , então f (αk+1 ek+1 + ⋯ + αen ) = 0F ,

ou seja, αk+1 ek+1 + ⋯ + αen ∈ ker f
Então existem α1 , …, αk ∈  tais que αk+1 ek+1 + ⋯ + αn en = α1 e1 + ⋯ + αk ek
Conclui - se que α1 e1 + ⋯ + αk ek - αk+1 ek+1 - ⋯ - αn en = 0E , e portanto α1 =
⋯ = αk = αk+1 = ⋯ = αn = 0 (porque e1 , …, en são linearmente independentes)
( x, y, z, t) ( x - y + 2 t, y + 2 z + t, - x - 2 z - 3 t)
ker f = ( x, y, z, t) ∈ ℝ4 : x - y + 2 t = 0 e y + 2 z + t = 0 e - x - 2 z - 3 t = 0 =
⋯ = ( x, y, z, t) ∈ ℝ4 : x = -2 z - 3 t e y = -2 z - t = G({(-2, -2, 1, 0), (-3, -1, 0, 1)})
((-2, -2, 1, 0), (-3, -1, 0, 1)) é uma base de ker f

((-2, -2, 1, 0), (-3, -1, 0, 1), (1, 0, 0, 0), (0, 1, 0, 0)) é uma base de ℝ4
(f (1, 0, 0, 0), f (0, 1, 0, 0)) é uma base de Im f , ou seja, ((1, 0, -1), (-1, 1, 0)) é uma base de Im f
f: ℝ3 ⟶ M2,2 (ℝ)
Exemplo :
2x- y+3z 5z
( x, y, z)
4x -2 y 7z
ker f = ( x, y, z) ∈ ℝ3 : 2 x - y + 3 z = 0 e 5 z = 0 e 4 x - 2 y = 0 e 7 z = 0 =
⋯ = ( x, y, z) ∈ ℝ3 : y = 2 x e z = 0 = G({(1, 2, 0)})
((1, 2, 0)) é uma base de ker f

((1, 2, 0), (1, 0, 0), (0, 0, 1)) é uma base de ℝ3
2 0 3 5
(f (1, 0, 0), f (0, 0, 1)) é uma base de Im f , ou seja, , é uma base de Im f
4 0 0 7
Corolário
Seja f : E ⟶ F uma aplicação linear; se E tem dimensão finita, então dim E=dim ker f+dim Im f.
Exemplo
f: ℝ3 ⟶ ℝ2
( x, y, z) ( x + y, y + 3 z)
x+ y=0 x=3z
f ( x, y, z) = (0, 0)⟺ ⟺
y+3z=0 y = -3 z
ker f = ( x, y, z) ∈ ℝ3 : x = 3 z e y = -3 z = ⋯ = G({(3, -3, 1)})
Então dim ker f = 1.

Como dim ker f + dim Im f = dim ℝ3 = 3, vem dim Im f = 2.
Como dim Im f = 2 e Im f é subespaço de ℝ2 (que tem dimensão 2),
conclui - se que Im f = ℝ2 , logo f é sobrejectiva.
Exemplo
Existe f : ℝ3 ⟶ℝ3 , linear tal que ker f = ( x, y, z) ∈ ℝ3 : x + y + z = 0 e Im f = ( x, y, z) ∈ ℝ3 : x = 0 ?
Tem - se dim ( x, y, z) ∈ ℝ3 : x + y + z = 0 = 2 e dim ( x, y, z) ∈ ℝ3 : x = 0 = 2.
Se existisse f nas condições dadas, ter - se - ia 3 = dim ker f + dim Im f = 2 + 2.

Conclui - se que não existe f nas condições dadas.
Exemplo : aplicação linear f : ℝ2 ⟶ℝ3

Tem - se dim ℝ2 = 2 = dim ker f + dim Im f .
Então dim Im f ≤ 2, portanto Im f ≠ ℝ3 dim ℝ3 = 3.
Conclui - se que f não pode ser sobrejectiva.
Exemplo : aplicação linear f : ℝ3 ⟶ℝ2

Tem - se dim ℝ3 = 3 = dim ker f + dim Im f .
Como dim Im f ≤ 2, vem dim ker f ≥ 1.
Então ker f ≠ {(0, 0, 0)}, portanto f não pode ser injectiva.
Corolário
Seja f : E ⟶ F uma aplicação linear entre espaços vectoriais de dimensão finita.

• Se f é sobrejectiva, então dim E ≥ dim F
• Se f é injectiva, então dim E ≤ dim F
• Se f é bijectiva, então dim E = dim F
Demonstração
Tem - se dim E = dim ker f + dim F.
Se f é sobrejectiva, então Im f = F, portanto vem dim E = dim ker f + dim F ≥ dim F.
Se f é injectiva, então dim ker f = 0, portanto vem dim E = dim Im f ≤ dim F (porque Imf ⊂ F ).
Corolário
Seja f : E ⟶ F uma aplicação linear entre espaços vectoriais de dimensão finita. Se dim
E=dim F,
• f é sobrejectiva ⇒ f é bijectiva
• f é injectiva ⇒ f é bijectiva.
Demonstração
Tem - se dim E = dim ker f + dim Im f .
• Se f é injectiva, então dim ker f = 0, portanto dim E = dim Im f ;
como dim E = dim F, vem dim Im f = dim F, portanto Im f = F, isto é, f é sobrejectiva.
• Se f é sobrejectiva, então Im f = F, portanto dim E = dim ker + dim F;
como dim E = dim F, vem dim ker f = 0, portanto f é injectiva.
Exemplo
f: ℝ3 ⟶ ℝ2 [ X ]
( x, y, z) x + 2 y + (3 y - 5 z ) X + (2 x + z ) X 2
x+2y=0 x=0
Tem - se f ( x, y, z) = 0ℝ[X ] ⟺ 3 y-5z=0 ⟺ y=0
2x+z=0 z=0
portanto ker f = {(0, 0, 0)}, logo f é injectiva.
Como dim ℝ3 = dim ℝ2 [ X ], conclui - se que f é sobrejectiva.
Exemplo de endomorfismo sobrejectivo mas não bijectivo
D : ℝ[ X ] ⟶ ℝ[ X ]
P P'
Exemplo de endomorfismo injectivo mas não bijectivo
f : ℝ[ X ] ⟶ ℝ[ X ]
P XP
Isomorfismos
Proposição
Seja f : E⟶ F uma aplicação linear bijectiva; então f -1 também é uma aplicação linear.
Demonstração
• Sejam v1 , v2 ∈ F; quer - se mostrar que f -1 (v1 + v2 ) = f -1 (v1 ) + f -1 (v2 ).
Existem u1 , u2 ∈ E tais que f (u1 ) = v1 e f (u2 ) = v2 .
Tem - se f (u1 + u2 ) = f (u1 ) + f (u2 ) = v1 + v2 .
Então u1 + u2 = f -1 (v1 + v2 ), o que significa exactamente que f -1 (v1 ) + f -1 (v2 ) = f -1 (v1 + v2 ).
• Sejam v ∈ F, α ∈ ; quer - se mostrar que f -1 (αv) = αf-1 (v ).
Existe u ∈ E tal que f (u) = v.
Tem - se f (αu) = αf (u) = αv.
Então αu = f -1 (αv), o que significa exactamente que αf-1 (v ) = f -1 (αv).
Exemplo : f : ℝ2 [ X ] ⟶ ℝ3
P (P (0), P (1), P (2))
a0 = 0 a0 = 0
f a0 + a1 X + a2 X 2  = (0, 0, 0)⟺ a0 + a1 + a2 = 0 ⟺ a1 = 0
a0 + 2 a1 + 4 a2 = 0 a2 = 0
Conclui - se que ker f = {0ℝ[X ] }, logo f é injectiva, e portanto,
como dim ℝ2 [ X ] = dim ℝ3 , f é sobrejectiva, logo bijectiva.
a0 = x
a0 = x -3 x +4 y - z
f a0 + a1 X + a2 X 2  = ( x, y, z)⟺ a0 + a1 + a2 = y ⟺ a1 = 2 ,
a0 + 2 a1 + 4 a2 = z x -2 y + z
a2 = 2
-3 x +4 y - z x -2 y + z
logo f -1 ( x, y, z) = x + 2
X+ 2
X2
f : M2,2 (ℝ) ⟶ ℝ4
Exemplo :
a b
(a + d, b + c, a - b, c + d)
c d
a+d=0 a=0
a b b+c=0 b=0
f = (0, 0, 0, 0)⟺ ⟺
c d a-b=0 c=0
c+d=0 d=0
0 0
Conclui - se que ker f =  , logo f é injectiva, e portanto,
0 0
como dim M2,2 (ℝ) = dim ℝ4 , f é sobrejectiva, logo bijectiva.
x + y + z -t
a= 2
a+d=x
x + y - z -t
a b b+c= y b= 2
f = ( x, y, z, t)⟺ ⟺ - x + y + z +t
,
c d a-b=z c= 2
c+d=t x - y - z +t
d= 2
logo f -1 ( x, y, z, t) = 
x + y + z -t x + y - z -t - x + y + z +t x - y - z +t
2
, 2 , 2
, 2 
Definição
Sejam E, F espaços vectoriais sobre .

Chama-se isomorfismo entre E e F a uma aplicação linear bijectiva de E em F.
Diz-se que E e F são isomorfos sse existe um isomorfismo entre E e F.
Observações:
• A composta de isomorfismos também é um isomorfismo.
• Se E e F são isomorfos, então têm a mesma dimensão.
• Se f : E ⟶ F é uma aplicacão linear, f é um isomorfismo sse a imagem de qualquer base de E por f
é uma base de F.
Proposição
Se E e F são espaços vectoriais sobre  e dim E = dim F, então E e F são isomorfos.
Demonstração
Basta notar que se (e1 , …, en ) é uma base de E e (w1 , …, wn ) é uma base de F,
então existe uma aplicação linear f : E ⟶ F tal que, para cada i,
se tem f (ei ) = wi , e que essa aplicação é bijectiva é injectiva porque w1 , …,
wn são linearmente independentes, e é sobrejectiva porque w1 , …, wn geram F .
Exemplo : ℝ4 e ℝ3 [ X ] são isomorfos

A aplicação f : ℝ4 ⟶ℝ3 [ X ] definida por f (1, 0, 0, 0) = 1, f (0, 1, 0, 0) = X, f (0, 0, 1, 0) = X 2 ,
f (0, 0, 0, 1) = X 3 é um isomorfismo; tem - se f (a, b, c, d) = a + bX + cX2 + dX3 .
Exemplo : ℝ3 e M3,1 (ℝ) são isomorfos

1 1
A aplicação f : ℝ3 ⟶ M3,1 (ℝ) definida por f (1, 0, 0) = 0 , f (1, 0, 0) = 0 ,
0 0
1 x
f (1, 0, 0) = 0 é um isomorfismo; tem - se f ( x, y, z) = y .
0 z
Exemplo : ℝ4 e ℂ2 (com a estrutura real) são isomorfos

A aplicação f : ℝ4 ⟶ℂ2 definida por f (1, 0, 0, 0) = (1, 0), f (0, 1, 0, 0) = (i, 0), f (0, 0, 1, 0) = (0, 1),
f (0, 0, 0, 1) = (0, i) é um isomorfismo; tem - se f ( x, y, z, t) = ( x + yi, z + ti).
Exemplo : E = ( x, y, z) ∈ ℝ3 : x + y + z = 0 e F = ( x, y, z) ∈ ℝ3 : y = x + z são isomorfos
((- 1, 1, 0), (- 1, 0, 1)) é uma base de E e((1, 1, 0), (0, 1, 1)) é uma base de F
A aplicação f : E ⟶ F definida por f (-1, 1, 0) = (1, 1, 0), f (-1, 0, 1) = (0, 1, 1) é um isomorfismo.
Se ( x, y, z) ∈ E, então ( x, y, z) =
y (- 1, 1, 0) + z (- 1, 0, 1) portanto f ( x, y, z) = yf (- 1, 1, 0) + zf (- 1, 0, 1) = ( y, y + z, z).
Corolário
Qualquer espaço vectorial real de dimensão n é isomorfo a ℝn .

Qualquer espaço vectorial complexo de dimensão n é isomorfo a ℂn .
Discussão de sistemas de equações lineares
Consideremos um sistema de equações lineares
a11 x1 + a12 x2 + ⋯ + a1 n xn = b1
a21 x1 + a22 x2 + ⋯ + a2 n xn = b2
⋯
am1 x1 + am2 x2 + ⋯ + amn xn = bm
Pode ser visto como a seguinte equação (que põe em evidência que o sistema é possível sse a
última coluna da matriz do sistema é combinação linear das colunas da matriz dos coeficientes):
a11 a12 a1 n b1
a21 a22 a2 n b2
x1 + x2 + ⋯ + xn =
⋮ ⋮ ⋮ ⋮
am1 am2 amn bm
É ainda equivalente a
x1 (a11 , a21 , …, am1 ) + x2 (a12 , a22 , …, am2 ) + ⋯ + xn (a1 n , a2 n , …, amn ) = (b1 , b2 , …, bm )

Considerando a aplicação linear
f: ℝn ⟶ ℝm
( x1 , x2 , …, xn ) (a11 x1 + a12 x2 + ⋯ + a1 n xn , …, am1 x1 +am2 x2 +⋯ +amn xn )
podemos ainda ver a equação como f(x)=b (onde x = ( x1 , …, xn ) e b = (b1 , …, bn )

O sistema é possível sse a equação f(x)=b é possível.
A equação f ( x ) = b é possível ⟺ b ∈ Im f
⟺ b ∈ G({f (e1 ), f (e2 ), ⋯, f (en )})
onde (e1 , …, en ) é a base canónica de ℝn 
⟺ b ∈ G({(a11 , a21 , …, am1 ),

(a12 , a22 , …, am2 ), ⋯, (a1 n , a2 n , …, amn )})
Seja k=car f.
Se k=m, dim Im f=m, portanto f é sobrejectiva ⟶ para qualquer b a equação f(x)=b é possível.
Se k<m, dim Im f<m, portanto f não é sobrejectiva ⟶ existe b tal que a equação f(x)=b é possível e
existe b tal que a equação f(x)=b é impossível.
Seja b tal que a equação f(x)=b é possível, e seja x0 uma solução, isto é, f ( x0 ) = b, ou seja, x0 ∈ f -1 (b).
As soluções da equação f(x)=b são os elementos de f -1 (b) , e f -1 (b) = { x0 } + ker f .
A equação tem portanto apenas uma solução sse ker f = {0E }.
Conclui-se que a equação f(x)=b não ter mais do que uma solução não depende de b: se a equação
for determinada para algum b, será determinada para qualquer b para o qual seja possível.
Se ker f = {0E }, o que equivale a car f=n, a equação f(x)=b é sempre possível e determinada ou
impossível.
Se ker f ≠ {0E }, o que equivale a car f<n, a equação f(x)=b é sempre possível e indeterminada ou
impossível.
car f=m car f<m
• f é sobrejectiva
• f não é sobrejectiva
f(x)=b • para qualquer b
• a equação pode ser possível
a equação é possível
ou impossível, dependendo de b
car f=n equação impossível
f é injectiva equação sempre possível ou
equação não indeterminada e determinada possível e determinada
car f<n equação impossível
f não é injectiva equação sempre possível ou
equação não determinada e indeterminada possível e indeterminada
a11 a12
a21 a22
f(x,y)=(a11 x+a12 y,a21 x+a22 y)

Ker f
Soluções de f(x)=b
b
a11 a12 a13
a21 a22 a23
2.3 - Matrizes
Definição
Sejam f : E⟶F uma aplicação linear, b = (e1 , …, en ) uma base de E, B = (v1 , …, vm ) uma base de
F; chama-se matriz de f relativamente às bases b, B à matriz de Mm,n () cujas colunas são
formadas pelas coordenadas dos vectores f (e1 ), …, f (en ) na base B.
(notação: Mb,B (f ))
Sejam f : E ⟶ F uma aplicação linear, b = (e1 , …, en ) uma base de E, B = (v1 , …, vm ) uma base de F.
a11 a12 ⋯ a1 n
a21 a22 ⋯ a2 n
Mb,B (f ) =
⋮ ⋮ ⋮
am1 am2 ⋯ amn
onde
f (e1 ) = (a11 , a21 , …, am1 )B
f (e2 ) = (a12 , a22 , …, am2 )B
⋯
f (en ) = (a1 n , a2 n , …, amn )B
Exemplo : f : ℝ3 ⟶ ℝ2 ,
( x, y, z) (2 x + 3 y - z, x + 4 y - 5 z)
b = ((1, 0, 0), (0, 1, 0), (0, 0, 1)), B = ((1, 0), (0, 1))
f (1, 0, 0) = (2, 1) = (2, 1)B

f (0, 1, 0) = (3, 4) = (3, 4)B
f (0, 0, 1) = (-1, -5) = (-1, -5)B
2 3 -1
Mb,B (f ) =
1 4 -5
Exemplo : f : ℝ2 ⟶ ℝ3 ,
( x, y, z) (2 x + y, - x, x - 3 y )
b = ((1, 1), (1, -1)), B = ((1, 0, 0), (1, 1, 0), (1, 1, 1))
f (1, 1) = (3, -1, -2) = (4, 1, -2)B

f (1, -1) = (1, -1, 4) = (2, -5, 4)B
4 2
Mb,B (f ) = 1 -5
-2 4
Sejam E um espaço de dimensão n e F um espaço de dimensão m, b uma base de E e B uma base de

F.
Para cada aplicação linear f : E ⟶ F temos a matriz Mb,B (f ) em Mm,n ().
Reciprocamente, para cada matriz M ∈ Mm,n (), existe uma única aplicação linear f : E ⟶ F tal que
Mb,B (f ) = M (é consequência da existência e unicidade de uma aplicação linear uma vez definidas as
imagens dos elementos de uma base)
Proposição
Sejam E e F espaços de dimensão finita sobre ; para quaisquer bases b de E e B de F, a apli-

cação
Φb,B : L (E, F) ⟶ Mm,n ()

f Mb,B (f)
é um isomorfismo.
Demonstração
Exercício
Produto de matrizes
Objectivo: definir o produto de matrizes de tal modo que “a matriz da composta seja o produto das
matrizes”.
Exemplo
Sejam f : ℝ2 ⟶ ℝ2
( x, y ) (ax + by, cx + dy)
e g: ℝ2 ⟶ ℝ2 e seja bc = ((1, 0), (0, 1))

( x, y ) (px + qy, rx + sy)
a b p q
Tem - se Mbc ,bc (f ) = e Mbc ,bc (g) =
c d r s
g ∘ f ( x, y ) = g (f ( x, y )) = g (ax + by, cx + dy) = (p (ax + by) + q (cx + dy), r (ax + by) + s (cx + dy)) =
((pa + qc) x + (pb + qd) y, (ra + sc) x + (rb + sd) y )
pa + qc pb + qd
Então Mbc ,bc (g ∘ f ) =
ra + sc rb + sd
O produto de matrizes será definido de modo que
Mbc ,bc (g ∘ f ) = Mbc ,bc (g) Mbc ,bc (f )
ou seja
p q a b pa + qc pb + qd
=
r s c d ra + sc rb + sd
Definição
a11 a12 ⋯ a1 n b11 b12 ⋯ b1 p

a21 a22 ⋯ a2 n b21 b22 ⋯ b2 p
Dadas matrizes A = ∈ Mm,n (), B = ∈ Mn,p (), o pro-
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
am1 am2 ⋯ amn bn1 bn2 ⋯ bnp
c11 c12 ⋯ c1 p
c21 c22 ⋯ c2 p
duto AB é a matriz , onde cij = ai1 b1 j + ai2 b2 j + ⋯ + ain bnj = ∑kn=1 aik bkj .
⋮ ⋮ ⋮
cm1 cm2 ⋯ cmp
Só se define o produto AB de duas matrizes A,B se o número de colunas da primeira for igual ao
número de linhas da segunda.
1 2 5 6
Exemplo :
3 4 7 8
1 2 5 6 1×5 + 2×7 1×6 + 2×8 19 22
= =
3 4 7 8 3×5 + 4×7 3×6 + 4×8 43 50
1 2
3-1 4 1 -2
Exemplo :
0 -5 7 2 0
-4 1
2 1 2×4 + 1×7 2×1 + 1×2 2 ×(-2) + 1 × 0 15 4 -4
-1 3 4 1 -2 (-1)× 4 + 3 × 7 (-1)× 1 + 3 × 2 (-1)×(-2) + 3 × 0 17 5 2
= =
0 -5 7 2 0 0 × 4 + (-5)× 7 0 × 1 + (-5)× 2 0 ×(-2) + (-5)× 0 -35 -10 0
-4 1 (-4)× 4 + 1 × 7 (-4)× 1 + 1 × 2 (-4)×(-2) + 1 × 0 -9 -2 8
Caso particular: sistemas
a11 a12 ⋯ a1 n x1 a11 x1 + a12 x2 + ⋯ + a1 n xn

a21 a22 ⋯ a2 n x2 a21 x1 + a22 x2 + ⋯ + a2 n xn
Tem-se =
⋮ ⋮ ⋮ ⋮ ⋮
am1 am2 ⋯ amn xn am1 x1 + am2 x2 + ⋯ + amn xn
a11 x1 + a12 x2 + ⋯ + a1 n xn = b1
a21 x1 + a22 x2 + ⋯ + a2 n xn = b2
Portanto o sistema
⋯
am1 x1 + am2 x2 + ⋯ + amn xn = bm
x1 b1
x2 b2
pode-se escrever na forma Ax=b, onde A é a matriz dos coeficientes do sistema, x= e b=
⋮ ⋮
xn bm
Proposição
Sejam E1 , E2 , E3 espaços de dimensão finita sobre , b1 uma base de E1 , b2 uma base de E2 , b3

uma base de E3 , f : E1 ⟶ E2 , g : E2 ⟶ E3 aplicações lineares.
Então Mb1 ,b3 (g ∘ f ) = Mb2 ,b3 (g) Mb1 ,b2 (f ).
g∘ f
f g
E1 ⟶ E2 ⟶ E3
b1 b2 b3
Demonstração
Sejam b1 = u1 , …, up , b2 = (v1 , …, vn ) e b3 = (w1 , …wm ).
a11 ⋯ a1 p b11 ⋯ b1 n
Sejam ⋮ ⋮ = Mb1 ,b2 (f ) e ⋮ ⋮ = Mb2 ,b3 (g)
an1 ⋯ anp bm1 ⋯ bmn
Tem - se gf u j  = ga1 j v1 + ⋯ + anj vn  =

a1 j g(v1 ) + ⋯ + anj g(vn ) = a1 j (b11 + ⋯ + bm1 wm ) + ⋯ + anj (b1 n w1 + ⋯ + bmn wm ) =
a1 j b11 + ⋯ + anj b1 n  w1 + ⋯ + a1 j bm1 + ⋯ + anj bmn  wm
Então as entradas da j - ésima coluna de Mb1 ,b3 (g ∘ f ) são a1 j b11 + ⋯ + anj b1 n ,

⋯, a1 j bm1 + ⋯ + anj bmn .
c11 ⋯ c1 p
Ora Mb2 ,b3 (g) Mb1 ,b2 (f ) = ⋮ ⋮ , onde cij = bi1 a1 j + ⋯ + bin anj .
cm1 ⋯ cmp
Então as entradas da j - ésima coluna de Mb2 ,b3 (g) Mb1 ,b2 (f ) são b11 a1 j + ⋯ + b1 n anj ,
⋯, bm1 a1 j + ⋯ + bmn anj .
Conclui - se que as colunas de Mb2 ,b3 (g) Mb1 ,b2 (f ) coincidem com as de Mb1 ,b3 (g ∘ f ),
portanto Mb1 ,b3 (g ∘ f ) = Mb2 ,b3 (g) Mb1 ,b2 (f )
Corolário
A multiplicação de matrizes é associativa e distributiva relativamente à soma.
Demonstração
Resulta da associatividade da composição de funções e da distributividade
da composição de aplicações lineares relativamente à soma de funções.
Exemplo
f: ℝ2 ⟶ ℝ2 , g: ℝ2 ⟶ ℝ3
x
( x, y ) 3 x - y, + 2 y ( x, y ) ( x + y, - x + 2 y, 3 x )
2
bc = base canónica de ℝ2 , Bc = base canónica de ℝ3

3 -1 1 1
Mbc ,bc (f ) = 1 , Mbc ,Bc (g) = -1 2
2
2 3 0
g∘ f
f g
ℝ2 ⟶ ℝ2 ⟶ ℝ3
bc bc Bc
7
1 1 3 -1 2
1
Mbc ,Bc (g) Mbc ,bc (f ) = -1 2 1 = -2 5
2
3 0 2
9 -3
7
1 2
Mbc ,Bc (g ∘ f ) = -2 5
9 -3
g ∘ f ( x, y ) =  72 x + y, -2 x + 5 y, 9 x - 3 y 
Exemplo
b1 = ((1, 3), (1, 0)) base de ℝ2 , b2 = ((1, 1), (2, 1)) base de ℝ2 , Bc base canónica de ℝ3
f : ℝ2 ⟶ℝ2 tal que f (1, 3) = (1, 1) e f (1, 0) = (2, 1)
g : ℝ2 ⟶ℝ3 tal que g(1, 1) = (3, -1, 2) e g(2, 1) = (1, 5, 3)
3 1
1 0
Mb1 ,b2 (f ) = , Mb2 ,Bc (g) = -1 5
0 1
2 3
g∘ f
f g
ℝ2 ⟶ ℝ2 ⟶ ℝ3
b1 b2 Bc
3 1 3 1
1 0
Mb1 ,Bc (g ∘ f ) = Mb2 ,Bc (g) Mb1 ,b2 (f ) = -1 5 = -1 5
0 1
2 3 2 3
Observação: a multiplicação de matrizes não é comutativa.

1 2 1 0 3 2 1 2 1 0 1 2
Exemplo: = ≠ =
0 1 1 1 1 1 1 1 1 1 0 1
Matrizes identidade e inversas de matrizes
Definição
1 0 ⋯ 0
0 1 ⋯ 0
Chama-se matriz identidade de ordem n à matriz In = ∈ Mn,n ()
⋮ ⋮ ⋮
0 0 ⋯ 1
Observação: se b = (e1 , …, en ) é uma base de E, então Mb,b (idE ) = In .
Lema
Para qualquer matriz M ∈ Mm,n () tem-se Im M = M = M In .
Definição
Diz-se que M ∈ Mm,n () tem inversa sse existe uma matriz M’ tal que MM’ e M’M são matrizes
identidade.
Diz-se que uma matriz quadrada é singular sse não tem inversa.
Proposição
Se M ∈ Mm,n () tem inversa, então m=n (só matrizes quadradas podem ter inversa).
Observação: nem todas as matrizes quadradas têm inversa.

1 1
Exemplo : não tem inversa
1 1
a+c=1
1 1 a b 1 0 a+c b+d 1 0 a+c=0
= ⟺ = ⟺
1 1 c d 0 1 a+c b+d 0 1 b+d=0
b+d=1
Demonstração
Suponhamos que M' é inversa de M ∈ Mm,n (); então MM' e M' M são matrizes identidade .
Como MM' está definido, o número de colunas de M é igual ao número de colunas de M',
e como M' M está definido, o número de colunas de M' é igual ao número de linhas de m,
portanto M' ∈ Mn,m (), logo MM' = Im e M' M = In .
Sejam f : n ⟶m tal que Mbc ,Bc (f ) = M e g : m ⟶n tal que MBc ,bc (g) =
M' onde bc é a base canónica de n e Bc é a base canónica de m .
Então Mbc ,bc (g ∘ f ) = MBc ,bc (g) Mbc ,Bc (f ) = M' M = In e MBc ,Bc (f ∘ g) = Mbc ,Bc (f ) Mbc ,Bc (g) = MM' = Im ,
portanto g ∘ f = idn e f ∘ g = idm .
Então f tem inversa, portanto f é bijectiva,

portanto dim domínio de f  = dim (conjunto de chegada de f ), ou seja, m = n.
Lema
Se M ∈ Mn,n () e M tem inversa, essa inversa é única (notação: M-1 )
Demonstração
Suponhamos que M' e M'' são inversas de M ∈ Mn,n ().
Tem - se (M' M) M'' = In M'' = M'' e M' (MM'') = M' 00

00 In = M'.
Como a multiplicação de matrizes é associativa, conclui - se que M'' = M'.
Cálculo da inversa de uma matriz pelo método de Gauss
Proposição
Se M, M' ∈ Mn,n () e M M' = In , então M' M = In , e reciprocamente.
Demonstração
Suponhamos MM' = In , sejam f : n ⟶n , g : n ⟶n tais que Mbc ,bc (f ) = M e Mbc ,bc (g) = M'.
Então Mbc ,bc (f ∘ g) = Mbc ,bc (f ) Mbc ,bc (g) = MM' = In ,

logo f ∘ g = idn , portanto f é sobrejectiva e g é injectiva.
Como f é uma aplicação linear sobrejectiva entre espaços da mesma dimensão,

conclui - se que f é bijectiva.
De f ∘ g = idn conclui - se que f ∘ g ∘ f = f , de onde resulta, como f é injectiva, que g ∘ f = idn .
Então M' M = Mbc ,bc (g) Mbc ,bc (f ) = Mbc ,bc (g ∘ f ) = In .
a11 ⋯ a1 n
Seja M = ⋮ ⋮ ∈ Mn,n ().
an1 ⋯ ann
x11 ⋯ x1 n a11 ⋯ a1 n x11 ⋯ x1 n
M tem inversa sse existe ⋮ ⋮ ∈ Mn,n () tal que ⋮ ⋮ ⋮ ⋮ = In
xn1 ⋯ xnn an1 ⋯ ann xn1 ⋯ xnn
ou seja
a11 ⋯ a1 n x11 1 a11 ⋯ a1 n x1 n 0
⋮ ⋮ ⋮ = ⋮ ,…, ⋮ ⋮ ⋮ = ⋮
an1 ⋯ ann xn1 0 an1 ⋯ ann xnn 1
Trata-se então de resolver estes n sistemas.
1 5
Exemplo : cálculo da inversa de
2 3
1 5 x y 1 0 x +5z y +5t 1 0 x+5z=1 y +5t=0
= ⟺ = ⟺ e
2 3 z t 0 1 2x +3z 2 y +3t 0 1 2x+3z=0 2 y +3t=1
Usando na resolução dos sistemas a notação através das matrizes dos sistemas , vem
1 5 1 1 5 0
e
2 3 0 2 3 1
1 5 1 1 5 0
e
0 -7 -2 0 -7 1
1 0 - 37 1 0 5
7
2
e 1
0 1 7
0 1 -
7
x = - 37 y= 5
7
que correspondem a 2
e
z= 7
t = - 17
3 5
1 5 -1 -
7 7
Então = .
2 3 2
-
1
7 7
Observação : os dois sistemas podem ser resolvidos em simultâneo :

1 5 1 0
2 3 0 1
1 5 1 0
0 -7 -2 1
1 0 - 37 5
7
2 1
0 1 7
-
7
A «metade da direita» é a inversa da matriz inicial.

1 2 3
Exemplo : cálculo da inversa de 1 1 2
1 1 1
1 2 3 x1 y1 z1 1 0 0 x1 + 2 x2 + 3 x3 y1 + 2 y2 + 3 y3 z1 + 2 z2 + 3 z3
1 1 2 x2 y2 z2 = 0 1 0 ⟺ x1 + x2 + 2 x3 y1 + y2 + 2 y3 z1 + z2 + 2 z3 =
1 1 1 x3 y3 z3 0 0 1 x1 + x2 + x3 y1 + y2 + y3 z1 + z2 + z3
1 0 0 x1 + 2 x2 + 3 x3 = 1 y1 + 2 y2 + 3 y3 = 0 z1 + 2 z2 + 3 z3 = 0
0 1 0 ⟺ x1 + x2 + 2 x3 = 0 e y1 + y2 + 2 y3 = 1 e z1 + z2 + 2 z3 = 0
0 0 1 x1 + x2 + x3 = 0 y1 + y2 + y3 = 0 z1 + z2 + z3 = 1
Usando na resolução dos sistemas a notação através das matrizes dos sistemas, vem
1 2 3 1 1 2 3 0 1 2 3 0
1 1 2 0 e 1 1 2 1 e 1 1 2 0
1 1 1 0 1 1 1 0 1 1 1 1
1 2 3 1 1 2 3 0 1 2 3 0
0 -1 -1 -1 e 0 -1 -1 1 e 0 -1 -1 0
0 -1 -2 -1 0 -1 -2 0 0 -1 -2 1
1 2 3 1 1 2 3 0 1 2 3 0
0 1 1 1 e 0 1 1 -1 e 0 1 1 0
0 -1 -2 -1 0 -1 -2 0 0 -1 -2 1
1 0 1 -1 1 0 1 2 1 0 1 0
0 1 1 1 e 0 1 1 -1 e 0 1 1 0
0 0 -1 0 0 0 -1 -1 0 0 -1 1
1 0 0 -1 1 0 0 1 1 0 0 1
0 1 0 1 e 0 1 0 -2 e 0 1 0 1
0 0 1 0 0 0 1 1 0 0 1 -1
x1 = -1 y1 = 1 z1 = 1
que correspondem a x2 = 1 e y2 = -2 e z2 = 1
x3 = 0 y3 = 1 z3 = -1
-1
1 2 3 -1 1 1
Então 1 1 2 = 1 -2 1 .
1 1 1 0 1 -1
Os três sistemas podem ser resolvidos em simultâneo :
1 2 3 1 0 0 1 2 3 1 0 0
1 1 2 0 1 0 ⟶ 0 -1 -1 -1 1 0 ⟶
1 1 1 0 0 1 0 -1 -2 -1 0 1
1 2 3 1 0 0 1 0 1 -1 2 0 1 0 0 -1 1 1
0 1 1 1 -1 0 ⟶ 0 1 1 1 -1 0 ⟶ 0 1 0 1 -2 1
0 -1 -2 -1 0 1 0 0 -1 0 -1 1 0 0 1 0 1 -1
A «metade da direita» é a inversa da matriz inicial.
Proposição
Sejam f:E⟶F uma aplicação linear, b uma base de E, B uma base de F e u∈E; então
• multiplicando Mb,B (f ) pela matriz coluna com as coordenadas de u na base b, obtêm-se as
coordenadas de f(u) na base B, isto é,

λ1 c1
• se u = (λ1 , …, λn )b e Mb,B (f ) ⋮ = ⋮ , então f (u) = (c1 , …, cm )B .
λn cm
Mb,B (f ) é a única matriz que tem esta propriedade.
Demonstração
a11 ⋯ a1 n
Sejam (e1 , …, en ) = b, ⋮ ⋮ = Mb,B (f ).
am1 ⋯ amn
Se u = (λ1 , …, λn )b , então u = λ1 e1 + ⋯ + λn en .
Então f (u) = f (λ1 e1 + ⋯ + λn en ) =
λ1 (a11 v1 + ⋯ + am1 vm ) + ⋯ + λn (a1 n v1 + ⋯ + amn vn ) = (λ1 a11 + ⋯ + λn a1 n ) v1 +
⋯ + (λ1 am1 + ⋯ + λn amn ) vm = (λ1 a11 + ⋯ + λn a1 n , …, λ1 am1 + ⋯ + λn amn )B .
a11 ⋯ a1 n λ1 λ1 a11 + ⋯ + λn a1 n
Ora ⋮ ⋮ ⋮ = ⋮
am1 ⋯ amn λn λ1 am1 + ⋯ + λn amn
b11 ⋯ b1 n
Suponhamos agora que M = ⋮ ⋮ é uma matriz com a mesma propriedade.
bm1 ⋯ bmn
0
b11 ⋯ b1 n ⋮ b1 j
Tem - se e j = (0, …, 1, …, 0)b e ⋮ ⋮ 1 = ⋮ , portanto f e j  = b1 j , …, bmj B
bm1 ⋯ bmn ⋮ bmj
0
Mas por definição de Mb,B (f ), tem - se f e j  = a1 j , …, amj B .
Conclui - se que M = Mb,B (f ).
f: ℝ3 ⟶ ℝ2
Exemplo :
( x, y, z) (2 x - y + 4 z, 3 x + y + 5 z)
2 -1 4
MBc ,bc (f ) =
3 1 5
( x, y, z) = ( x, y, z)Bc
x
2 -1 4
y =( 2x- y+4z 3x+ y+5z )
3 1 5
z
f ( x, y, z)Bc  = (2 x - y + 4 z, 3 x + y + 5 z)bc
f: ℝ4 ⟶ ℝ3
Exemplo : x x y
( x, y, z, t) 2 x - y + t, + 5 y, + - 6 z + t
2 3 5
2 -1 0 1
1
MBc ,bc (f ) = 2
5 0 0
1 1
-6 1
3 5
( x, y, z, t) = ( x, y, z, t)Bc
2 -1 0 1 x 2x- y+t
1 y x
5 0 0 = +5y
2 2
1 1
z x y
-6 1 + -6z+t
3 5 t 3 5
x x y
f ( x, y, z, t)Bc  = 2 x - y + t, 2
+ 5 y,
3
+
5
- 6 z + t b
c
Caso particular da proposição

Sejam E um espaço vectorial de dimensão finita, b e b’ bases de E, u∈E, idE : E ⟶ E.
Multiplicando Mb,b' (idE ) pelas coordenadas de u na base b, obtêm-se as coordenadas de idE (u)
na base b’.
Como idE (u) = u, multiplicando Mb,b' (idE ) pelas coordenadas de u na base b, obtêm-se as coorde-
nadas de u na base b’.
Exemplo : E = ℝ2 , b = ((1, 3), (1, 4)), bc = ((1, 0), (0, 1))

(1, 3) = (1, 3)bc , (1, 4) = (1, 4)bc
1 1
Mb,bc (id) =
3 4
-3 1 1 -3 1
Tem - se Mb,bc (id) = = , portanto (-3, 4)b = (1, 7)bc = (1, 7).
4 3 4 4 7
x 1 1 x x+y
Tem - se Mb,bc (id) = = , portanto ( x, y )b = ( x + y, 3 x + 4 y )bc .
y 3 4 y 3x+4y
Exemplo : E = ℝ2 , b = ((1, 5), (1, 6)), bc = ((1, 0), (0, 1))

(1, 0) = 6 (1, 5) - 5 (1, 6) = (6, - 5)b , (0, 1) = -(1, 5) + (1, 6) = (- 1, 1)b
6 -1
Mbc ,b (id) =
-5 1
3 6 -1 3 16
Tem - se Mbc ,b (id) = = , portanto (3, 2) = (16, -13)b .
2 -5 1 2 -13
x 6 -1 x 6x-y
Tem - se Mbc ,b (id) = = , portanto ( x, y ) = (6 x - y, -5 x + y )b .
y -5 1 y -5 x + y
Exemplo
f: ℝ2 ⟶ ℝ3
( x, y ) (2 x + y, - x, x - y )
2 1
Mbc ,Bc (f ) = -1 0
1 -1
b = ((2, 3), (-1, 1)) base de ℝ2
B = ((1, 1, 1), (0, 1, 1), (0, 0, 1)) base de ℝ3
Mb,B (f ) = ?
f
id f id
ℝ2 ⟶ ℝ2 ⟶ ℝ3 ⟶ ℝ3
b bc Bc B
Mb,B (f ) = Mb,B (id ∘ f ∘ id) = MBc ,B (id) Mbc ,Bc (f ) Mb,bc (id)
2 -1
Mb,bc (id) =
3 1
(1, 0, 0) = (1, 1, 1) - (0, 1, 1) = (1, - 1, 0)B ,
(0, 1, 0) = (0, 1, 1) - (0, 0, 1) = (0, 1, - 1)B , (0, 0, 1) = (0, 0, 1)B
1 0 0
portanto MBc ,B (id) = -1 1 0
0 -1 1
1 0 0 2 1 7 -1
2 -1
Mb,B (f ) = -1 1 0 -1 0 = -9 2
3 1
0 -1 1 1 -1 1 -3
Exemplo
1 2 0 -1
f : ℂ2 ⟶ℝ2 tal que MBc ,b1 (f ) = ,
0 1 -3 4
onde Bc é a base canónica de ℂ2 e b1 = ((2, 3), (4, 5))
0 2
2
g : ℝ ⟶ℝ2 [ X ] tal que Mb2 ,bc (g) = -3 0 ,
2 -1
2
onde bc é a base canónica de ℝ [ X ] e b2 = ((1, 1), (-1, 1))
MBc ,bc (g ∘ f ) = ?
g∘ f
f id g
ℂ2 ⟶ ℝ 2 ⟶ ℝ 2 ⟶ ℝ 2 [ X ]
Bc b1 b2 bc
MBc ,bc (g ∘ f ) = MBc ,bc (g ∘ id ∘ f ) = Mb2 ,bc (g) Mb1 ,b2 (id) MBc ,b1 (f )
5 9
(2, 3) =  52 , 12 b2 , (4, 5) =  92 , 12 b2 , Mb1 ,b2 (id) = 2

1
2
1
2 2
1 3 -3 3
0 2 5 9
2 2 1 2 0 -1 15 57 81 93
portanto MBc ,bc (g ∘ f ) = -3 0 = -2 -2 2
-
2
1 1 0 1 -3 4
2 -1 2 2 9 35
-
51 59
2 2 2 2
Definição
À matriz Mb,b' (idE ) chama-se matriz de passagem (ou matriz de mudança de base) da base b
para a base b’.
Observação: As colunas de Mb,b' (idE ) são formadas pelas coordenadas dos elementos de b na base
b’.
Proposição
Sejam f:E⟶F uma aplicação linear bijectiva, b uma base de E, B uma base de F; então as
matrizes Mb,B (f ) e MB,b f -1  são inversas uma da outra, isto é, MB,b f -1  = Mb,B (f )-1 .
Caso particular: Sejam b,b’ bases de E; então as matrizes de passagem de b para b’ e de b’ para
b são inversas uma da outra: Mb,b' (idE ) = Mb',b (idE )-1 .
Demonstração
Basta notar que Mb,B (f ) MB,b f -1  = MB,B f ∘ f -1  =
MB,B (idF ) = In e MB,b f -1  MB,b (f ) = MB,B f -1 ∘ f  = Mb,b (idE ) = In (onde n = dim E = dim F )
f: ℝ2 ⟶ ℝ2
Exemplo :
( x, y ) (3 x - y, 2 x - y )
-1
3 -1 3 -1
Mbc ,bc (f ) = , Mbc ,bc f -1  =
2 -1 2 -1
Determinação da inversa pelo método de Gauss :
3 -1 1 0 1 - 13 13 0 1 - 13 13 0 1 - 13 13 0 1 0 1 -1
⟶ ⟶ ⟶ ⟶
2 -1 0 1 2 -1 0 1
1
0 -3 -3 12
0 1 2 -3 0 1 2 -3
1 -1
Mbc ,bc f -1  =
2 -3
f -1 ( x, y ) = ( x - y, 2 x - 3 y )
Exemplo
E = ℝ3 , B = ((1, 0, 1), (0, 1, 1), (1, 1, 0))
1 0 1
MB,Bc (id) = 0 1 1
1 1 0
1 1 1
-1 -
1 0 1 2 2 2
-1 1 1 1
MBc ,B (id) = MB,Bc (id) = 0 1 1 = -
2 2 2
1 1 0 1 1 1
-
2 2 2
Sejam f : E⟶E um endomorfismo e b,b’ bases de E.

f
id f id
E ⟶ E ⟶ E ⟶E
b' b b b'
Mb',b' (f ) = Mb,b' (id) Mb,b (f ) Mb',b (id) = Mb,b' (id) Mb,b (f ) Mb,b' (id)-1
Definição
Diz-se que as matrizes A e B são semelhantes sse existe uma matriz invertível P tal que
A = P B P -1 .
Lema
Sejam A, B, C ∈ Mn,n ();

• A é semelhante a si própria
• Se A e B são semelhantes, então B e A são semelhantes.
• Se A e B são semelhantes e B e C são semelhantes, então A e C são semelhantes.
Demonstração
Exercício
Proposição
Sejam f : E⟶E um endomorfismo e b,b’ bases de E; então Mb,b (f ) e Mb',b' (f ) são semelhantes.
Característica de uma matriz
Proposição
Sejam E, F espaços vectoriais de dimensão respectivamente n e m sobre , f : E⟶F uma apli-

cação linear, b uma base de E, B uma base de F; então a característica de f é a dimensão do
subespaço de m gerado pelas colunas de Mb,B (f ).
Demonstração
a11 ⋯ a1 n
Sejam b = (u1 , …, un ), B = (v1 , …, vm ) e Mb,B (f ) = ⋮ ⋮ .
am1 ⋯ amn
Tem - se car (f ) =
dim (Im f ) = dim (G {f (u1 ), …, f (un )}) = dim (G ({(a11 , …, am1 )B , …, (a1 n , …, amn )B }))
Consideremos o isomorfismo φ : F ⟶m definido por φ(v1 ) = (1, 0, …, o),
φ(v2 ) = (0, 1, …, 0), …, φ(vm ) = (0, 0, …, 1).
Tem - se φ ((a11 , …, am1 )B ) = (a11 , …, am1 ), …, φ ((a1 n , …, amn )B ) = (a1 n , …, amn ),

portanto , como φ é injectiva, tem - se dim (G ({(a11 , …, am1 )B , …, (a1 n , …, amn )B })) =
dim (G ({φ ((a11 , …, am1 )B ), …, φ ((a1 n , …, amn )B )})) =
dim (G ({(a11 , …, am1 ), …, (a1 n , …, amn )}))
Definição
Seja A ∈ Mm,n (); chama-se característica de A à dimensão do subespaço de

m gerado pelas colunas de Mb,B (f ).
1 0
Exemplo : car 3 2
5 -1
1 0
car 3 2 = dim G ({(1, 3, 5), (0, 2, -1)}) = 2
5 -1
1 2 3 -1
Exemplo : car
1 2 3 -1
1 2 3 -1
car = dim G ({(1, 1), (2, 2), (3, 3), (-1, -1)}) = 1
1 2 3 -1
Proposição
Seja A ∈ Mm,n (); a dimensão do subespaço de m gerado pelas colunas de A é igual à dimensão
do subespaço de n gerado pelas linhas de A.
Demonstração
Encontram - se nas folhas de exercícios sugestões para a demonstração.
1 0
Exemplo : car 3 2
5 -1
1 0
car 3 2 = dim G({(1, 0), (3, 2), (5 - 1)}) = 2
5 -1
1 2 3 -1
Exemplo : car
1 2 3 -1
1 2 3 -1
car = dim G({(1, 2, 3, -1), (1, 2, 3, -1}) = 1
1 2 3 -1
Definição
Seja A ∈ Mm,n (); chama-se transposta de A à matriz de Mn,m () que se obtém trocando as linhas
de A com as suas colunas.
Notação: At
Exemplo
1 5
1 2 3 4 2 6
A= , At =
5 6 7 8 3 7
4 8
Exemplo
1 6 11
1 2 3 4 5 2 7 12
A = 6 7 8 9 10 , At = 3 8 13
11 12 13 14 15 4 9 14
5 10 15
Proposição
Seja A ∈ Mm,n (); car A=car At
Operações elementares sobre as linhas e colunas de uma matriz
Proposição
Seja A, B ∈ Mm,n (); se B se pode obter a partir de A através de um número finito de operações
dos seguintes tipos:
• troca de duas linhas
• substituição de uma linha por um seu múltiplo por um escalar não nulo
• substituição de uma linha pela soma dessa linha com um múltiplo de outra
• troca de duas colunas
• substituição de uma coluna por um seu múltiplo por um escalar não nulo
• substituição de uma coluna pela soma dessa coluna com um múltiplo de outra
então car B = car A.
Demonstração
Basta mostrar que operações dos três primeiros tipos não alteram
a dimensão do espaço gerado pelas linhas e que operações dos três
últimos tipos não alteram a dimensão do espaço gerado pelas colunas.
Isso é consequência dos seguintes factos, que são deixados como exercício : se u1 ,
…, uk são elementos de um espaço vectorial, então
• Gu1 , …, ui , …, u j , …, uk  = Gu1 , …, u j , …, ui , …, uk 
• se α ≠ 0, G({u1 , …, ui , …, uk }) = G({u1 , …, αui , …, uk })

• Gu1 , …, ui , …, u j , …, uk  = Gu1 , …, ui + αu j , …, u j , …, uk 
1 1 1 5 -1
3 5 1 11 -1
Exemplo : car
1 3 -1 1 1
5 9 1 17 -1
1 1 1 5 -1 1 1 1 5 -1
3 5 1 11 -1 0 2 -2 -4 2
car = car =
1 3 -1 1 1 L2 →L2 -3 L1 0 2 -2 -4 2 L3 → L3 - L2
5 9 1 17 -1 L3 → L3 - L1 0 4 -4 -8 4 L4 →L4 +2 L2
L4 →L4 -5 L1
1 1 1 5 -1
0 2 -2 -2 2
car = dim G ({(1, 1, 1, 5, -1), (0, 2, -2, -4, 2)}) = 2
0 0 0 0 0
0 0 0 0 0
1 0 2
1 1 0
Exemplo : car
1 -1 4
1 2 0
1 0 2
1 1 0
car =
1 -1 4 C3 →C3 -2 C1
1 2 0
1 0 0 1 0 0
1 1 -2 1 1 0
car = car = dim G ({(1, 1, 1, 1), (0, 1, -1, 2), (0, 0, 0, 2)}) = 3
1 -1 2 C3 →C3 +2 C2 1 -1 0
1 2 -2 1 2 2
Traço de um endomorfismo
Definição
Chama-se traço de uma matriz A ∈ Mn,n () à soma dos elementos da diagonal principal, ou seja,
a11 a12 ⋯ a1 n
a21 a22 ⋯ a2 n
se A = , tr ( A) = a11 + a22 + ⋯ + ann
⋮ ⋮ ⋮
an1 an2 ⋯ ann
Exemplo
1 2
tr =1+4=5
3 4
Exemplo
1 2 -1
tr 0 3 7 = 1 + 3 - 4 = 0
5 -2 -4
Proposição
• A aplicação tr : Mn,n () ⟶  é linear.

A tr (A)
• Para quaisquer A, B ∈ Mn,n (); tem-se tr(AB)=tr(BA).
• Se A e B são semelhantes, então tr(A)=tr(B).
Demonstração
Exercício
Definição
Seja E um espaço vectorial de dimensão finita e f um endomorfismo de E. Chama-se traço de f

ao traço de Mb,b (f ), onde b é uma base qualquer de E.
( x, y ) (3 x + 5 y, 2 x - y )
3 5 3 5
MBc ,Bc (f ) = , tr f = tr =2
4 -1 4 -1
( x, y, z) (3 x + 2 y - z, x + 4 y, 2 x - 3 z)
3 2 -1 3 2 -1
MBc ,Bc (f ) = 1 4 0 , tr f = tr 1 4 0 = 4
2 0 -3 2 0 -3
3 - Determinantes
3.1 - Definição e interpretação geométrica
E espaço de dimensão n, b base de E

f:E⟶E linear, M=Mb,b (f)
Condições equivalentes
ker(f)={0E }
f é sobrejectiva
f é injectiva
car f=n
f tem inversa
f bijectiva
M tem inversa
as colunas de M são linearmente independentes
car M=n
as linhas de M são linearmente independentes
qualquer sistema MX=B é possível e determinado
algum sistema MX=B é possível e determinado
Em ℝ2
f : ℝ2 ⟶ℝ2 é sobrejectiva ⟺ f (1, 0), f (0, 1) são

linearmente independentes
⟺ a área do paralelogramo definido
pelos vectores f (1, 0) e f (0, 1)
é diferente de 0
paralelogramos
f(u)
f(v)
Dados u, v ∈ ℝ2 , não colineares, dizemos que

• (u,v) tem orientação positiva se “a rotação mais curta de u para v é no sentido contrário ao dos
ponteiros do relógio”
• (u,v) tem orientação negativa se “a rotação mais curta de u para v é no sentido dos ponteiros do
relógio”
Orientação de (u,v) positiva
Vamos considerar A : ℝ2 ×ℝ2 ⟶ ℝ onde

(u, v ) A(u, v )
0 se u e v são colineares
A(u,v)= área do paralelogramo definido por u, v se a orientação de (u, v ) é positiva
-área do paralelogramo definido por u, v se a orientação de (u, v ) é negativa
Propriedades da função A
• A (v, u) = - A(u, v )
• A (u + αv, v ) = A(u, v ) (e A(u, v + αu) = A(u, v ))
v A(u,v) u
• A(u1 + u2 , v ) = A(u1 , v ) + A(u2 , v ) (e A(u, v1 + v2 ) = A(u, v1 ) + A(u, v2 ))

u1 +αv
u2 +βv
translacção na direcção de u1 +u2
A(u1 +u2 ,v)
A(u2 ,v)
A(u1 ,v)
u1 +u2
u2
u1
• A(α u, v ) = α A(u, v ) (e A(u, α v ) = α A(u, v ))

A(αu,v)
v
αu
u
• A ((1, 0), (0, 1)) = 1
Cálculo de A(u,v) através destas propriedades
A((a, c), (b, d)) = A((a, 0) + (0, c), (b, d))

= A((a, 0), (b, d)) + A((0, c), (b, d))
= A((a, 0), (b, 0) + (0, d)) + A((0, c), (b, 0) + (0, d))
= A ((a, 0), (b, 0)) + A((a, 0), (0, d)) + A ((0, c), (b, 0)) + A((0, c), (0, d))
= A ((a, 0), (0, d)) + A ((0, c), (b, 0))
= A(a(1, 0), d(0, 1)) + A(c(0, 1), b(1, 0))
= a d A((1, 0), (0, 1)) + c b A((0, 1), (1, 0))
= ad-bc
Definição
a b
Se M = , chama-se determinante de M a ad-bc.
c d
a b a b
Notação: det , det M, , |M|
c d c d
Chama-se função determinante à função det : M2,2 () ⟶ 

M det M
Exemplo
1 2
det = 1 × 4 - 2 × 3 = -2
3 4
Exemplo
-1 2
det = (-1)×(-4) - 2 × 2 = 0
2 -4
Proposição
a + a' b a b a' b
• det = det + det
c + c' d c d c' d
a b + b' a b a b'
• det = det + det
c d + d' c d c d'
λa b a b a λb
• det = λdet = det
λc d c d c λd
a b b a
• det = -det
c d d c
1 0
• det =1
0 1
• Se M tem duas colunas linearmente dependentes (em particular se tem duas colunas iguais),
então det M=0.
a+λb b a b a b+λa
• det = det = det
c+λd d c d c d+λc
• det MN=(det M)(det N)

• det M≠0 sse car M=2
a b 1 d -b 1
• Se M = e det M≠0, então M tem inversa, M-1 = det M
e det M-1 = det M
.
c d -ca
• det M = det Mt
a + a' b + b' a b a' b'
• det = det + det
c d c d c d
a b a b a b
• det = det + det
c + c' d + d ' c d c' d '
λa λb a b a b
• det = λdet
= det
c d c d λc λd
a b c d
• det = -det
c d a b
• Se M tem duas linhas linearmente dependentes (em particular se tem duas linhas iguais),
então det M=0.
a+λc b+λd a b a b
• det = det = det
c d c d c+λa d+λb
Demonstração
1 2
Exemplo : inversa de
3 4
1 2 1 2 -1
1 4 -2 -2 1
det = -2, = = 3 1
3 4 3 4 -2 -3 1 2
-
2
Exemplo : para que valores de a é que f : ℝ2 ⟶ ℝ2 é bijectiva?

( x, y ) (2 ax + 3 y, (a + 1) x + ay)
2a 3
Mbc ,bc (f ) =
a+1 a
2a 3 3+ 33 3+ 33
f é bijectiva ⟺ det ≠ 0 ⟺ 2 a2 - 3 a - 3 ≠ 0 ⟺ a ∈ ℝ   , 
a+1 a 4 4
Exemplo : para que valores de a é que as rectas de equações respectivamente ax + (a + 1) y =

3 a - 2 e (a + 2) x - 2 y = a3 - 1 são concorrentes?
As rectas são concorrentes ⟺ o sistema

ax + (a + 1) y = 3 a - 2 a a+1
 3 é possível e determinado ⟺ det ≠
(a + 2) x - 2 y = a - 1 a + 2 -2
-5+ 17 -5+ 17
0 ⟺-a2 - 5 a - 2 ≠ 0 ⟺ a ∈ ℝ   2
, 2

Exemplo : para que valores de a é que as rectas de equações respectivamente ax + 2 y =

6 e 2 x + ay = a + 4 são estrictamente paralelas?
ax + 2 y = 6
As rectas são estrictamente paralelas sse o sistema  é impossível.
2 x + ay = a + 4
O sistema
ax + 2 y = 6 a 2
 é possível e determinado ⟺ det ≠ 0 ⟺ a2 - 4 ≠ 0 ⟺ a ∈ ℝ ∖ {-2, 2}
2 x + ay = a + 4 2 a
Para a =
2x+2y=6
2 vem o sistema  , que é possível e indeterminado (as rectas são coincidentes).
2x+2y=6
Para a =
-2 x + 2 y = 6
-2 vem o sistema  , que é impossível : as rectas são estrictamente paralelas.
2x-2y=2
Em ℝ3
a11 a12 a13
a21 a22 a23
a31 a32 a33
L1
Notação: (C1 ⋯ Cn ) representa a matriz cujas colunas são C1 , …, Cn , ⋮ representa a matriz cujas
Ln
linhas são L1 , …, Ln .
Suponhamos que det : M3,3 (ℝ)⟶ℝ é uma função com propriedades análogas às de
det : M2,2 (ℝ)⟶ℝ :
• det(C1 + C1 ', C2 , C3 ) = det(C1 , C2 , C3 ) + detC1 ', C2, C3  (e analogamente para as outras colunas)
• det(αC1 , C2 , C3 ) = α det(C1 , C2 , C3 ) (e analogamente para as outras colunas)
• se B se obtém de A por troca de duas colunas, então det B = - det A
• det(I3 ) = 1
Se as primeiras duas condições se verificarem, então as condições seguintes são equivalentes:

• se B se obtém de A por troca de duas colunas, então det B = - det A
• se A tem duas colunas iguais então det A=0
• se as colunas de A são linearmente dependentes então det A=0
Vamos ver que esta informação é suficiente para calcular o determinante de qualquer matriz.
a11 a12 a13

det a21 a22 a23 =
a31 a32 a33
1 2 3
a11 + 0 + 0 a12 a13 a11 a12 a13 0 a12 a13 0 a12 a13
det 0 + a21 + 0 a22 a23 = det 0 a22 a23 + det a21 a22 a23 + det 0 a22 a23
0 + 0 + a31 a32 a33 0 a32 a33 0 a32 a33 a31 a32 a33
a11 a12 + 0 + 0 a13 a11 a12 a13 a11 0 a13 a11 0 a13
1 =det 0 0 + a22 + 0 a23 = det 0 0 a23 + det 0 a22 a23 + det 0 0 a23 =
0 0 + 0 + a32 a33 0 0 a33 0 0 a33 0 a32 a33
4 5
a11 0 a13 a11 0 a13
det 0 a22 a23 + det 0 0 a23
0 0 a33 0 a32 a33
0 a12 + 0 + 0 a13 0 a12 a13 0 0 a13 0 0 a13
2 =det a21 0 + a22 + 0 a23 = det a21 0 a23 + det a21 a22 a23 + det a21 0 a23 =
0 0 + 0 + a32 a33 0 0 a33 0 0 a33 0 a32 a33
6 7
0 a12 a13 0 0 a13
det a21 0 a23 + det a21 0 a23
0 0 a33 0 a32 a33
0 a12 + 0 + 0 a13 0 a12 a13 0 0 a13 0 0 a13

3 =det 0 0 + a22 + 0 a23 = det 0 0 a23 + det 0 a22 a23 + det 0 0 a23 =
a31 0 + 0 + a32 a33 a31 0 a33 a31 0 a33 a31 a32 a33
8 9
0 a12 a13 0 0 a13
det 0 0 a23 + det 0 a22 a23
a31 0 a33 a31 0 a33
a11 0 a13 + 0 + 0
4 =det 0 a22 0 + a23 + 0 =
0 0 0 + 0 + a33
a11 0 a13 a11 0 0 a11 0 0 a11 0 0
det 0 a22 0 + det 0 a22 a23 + det 0 a22 0 = det 0 a22 0 =
0 0 0 0 0 0 0 0 a33 0 0 a33
a11 × 1 0 0 1 0 0 1 0 0
det a11 × 0 a22 0 = a11 det 0 a22 0 = a11 a22 a33 det 0 1 0 = a11 a22 a33
a11 × 0 0 a33 0 0 a33 0 0 1
a11 0 a13 + 0 + 0 a11 0 a13 a11 0 0 a11 0 0
5 =det 0 0 0 + a23 + 0 = det 0 0 0 + det 0 0 a23 + det 0 0 0 =
0 a32 0 + 0 + a33 0 a32 0 0 a32 0 0 a32 a33
a11 0 0 1 0 0
det 0 0 a23 = a11 a32 a23 det 0 0 1 = -a11 a32 a23
0 a32 0 0 1 0
0 a12 a13 + 0 + 0 0 a12 a13 0 a12 0 0 a12 0
6 =det a21 0 0 + a23 + 0 = det a21 0 0 + det a21 0 a23 + det a21 0 0 =
0 0 0 + 0 + a33 0 0 0 0 0 0 0 0 a33
0 a12 0 0 1 0
det a21 0 0 = a21 a12 a33 det 1 0 0 = -a21 a12 a33
0 0 a33 0 0 1
0 0 a13 + 0 + 0 0 0 a13 0 0 0 0 0 0
7 =det a21 0 0 + a23 + 0 = det a21 0 0 + det a21 0 a23 + det a21 0 0 =
0 a32 0 + 0 + a33 0 a32 0 0 a32 0 0 a32 a33
0 0 a13 0 0 1
det a21 0 0 = a21 a32 a13 det 1 0 0 = a21 a32 a13
0 a32 0 0 1 0
0 a12 a13 + 0 + 0 0 a12 a13 0 a12 0 0 a12 0
8 =det 0 0 0 + a23 + 0 = det 0 0 0 + det 0 0 a23 + det 0 0 0 =
a31 0 0 + 0 + a33 a31 0 0 a31 0 0 a31 0 a33
0 a12 0 0 1 0
det 0 0 a23 = a31 a12 a23 det 0 0 1 = a31 a12 a23
a31 0 0 1 0 0
0 0 a13 + 0 + 0 0 0 a13 0 0 0 0 0 0
9 =det 0 a22 0 + a23 + 0 = det 0 a22 0 + det 0 a22 a23 + det 0 a22 0 =
a31 0 0 + 0 + a33 a31 0 0 a31 0 0 a31 0 a33
0 0 a13 0 0 1
det 0 a22 0 = a31 a22 a13 det 0 1 0 = -a31 a22 a13
a31 0 0 1 0 0
a11 a12 a13
det a21 a22 a23 = a11 a22 a33 - a11 a32 a23 - a21 a12 a33 + a21 a32 a13 + a31 a12 a23 - a31 a22 a13
a31 a32 a33
-a31 a22 a13
a11 a12 a13
-a11 a32 a23

a21 a22 a23
-a21 a12 a33
Regra de Sarrus a31 a32 a33
+a11 a22 a33
a11 a12 a13
+a21 a32 a13
a21 a22 a23

+a31 a12 a23
Exemplo
1 2 -1
det 0 4 -3 =
7 -2 -5
1 × 4 ×(-5) + 0 ×(-2)×(-1) + 7 × 2 ×(-3) - 7 × 4 ×(-1) - 1 ×(-2)×(-3) - 0 × 2 ×(-5) = -40
1 2 -1
0 4 -3
7 -2 -5
1 2 -1
0 4 -3
Exemplo
0 2 0
det 2 -3 1 = 0 ×(-3)× 3 + 2 × 4 × 0 + 1 × 2 × 1 - 1 ×(-3)×(0) - 0 × 4 × 1 - 2 × 2 × 3 = -10
1 4 3
0 2 0
2 -3 1
1 4 3
0 2 0
2 -3 1
Definição
Sejam E um espaço vectorial sobre  e φ : E × E ×⋯× E ⟶; diz-se que φ é uma forma multilin-
n vezes
ear sse, para qualquer i,
• ∀ u1 , …, ui , ui ' …, un ∈ E, φ(u1 , …, ui + ui ', …, un ) = φ(u1 , …, ui , …, un ) + φ(u1 , …, ui ', …, un )

• ∀ u1 , …, ui , …, un ∈ E, α ∈ , φ(u1 , …, αui , …, un ) = αφ(u1 , …, ui , …, un )
Diz-se que φ é uma forma multilinear alternada sse φ(u1 , …, un ) = 0 sempre que algum ui seja
igual a algum u j , com i≠j.
Lema
Seja φ : E × E ×⋯× E— >  uma forma multilinear; então as condições seguintes são equiva-
lentes:
• φ é alternada
• para quaisquer i,j,
∀ u1 , …, ui , …, u j , …, un ∈ E, φu1 , …, ui , …, u j , …, un  = -φu1 , …, u j , …, ui , …, un 
• se u1 , …, un são linearmente dependentes então φ(u1 , …, un ) = 0
Demonstração
• Suponhamos φ alternada.
Então φu1 , …, ui + u j , …, ui + u j , …, un  = 0
Mas φu1 , …, ui + u j , …, ui + u j , …, un  = φ(u1 , …, ui , …, ui , …, un ) +

φu1 , …, ui , …, u j , …, un  + φu1 , …, u j , …, ui , …, un  + φu1 , …, u j , …, u j , …, un 
Como φ(u1 , …, ui , …, ui , …, un ) = φu1 , …, u j , …, u j , …, un  = 0,
vem φu1 , …, ui , …, u j , …, un  + φu1 , …, u j , …, ui , …, un  = 0,

ou seja, φu1 , …, ui , …, u j , …, un  = -φ u1 , …, u j , …, ui , …, un 
Por outro lado, se u1 , …, un são linearmente dependentes,

algum deles é combinação linear dos outros.
Se u j = ∑nk=1,k≠i αk uk ,
então φu1 , …, u j , …, un  = φu1 , …, ∑nk=1,k≠i αk uk , …, un  = ∑kn=1,k≠i αk φ(u1 , …, uk , …, un ) = 0
porque em cada parcela há sempre um elemento repetido
• Suponhamos agora que se tem sempre φu1 , …, ui , …, u j , …, un  =

-φ u1 , …, u j , …, ui , …, un .
Então φ(u1 , …, ui , …, ui , …, un ) = -φ (u1 , …, ui , …, ui , …, un ),

logo 2 φ(u1 , …, ui , …, ui , …, un ) = 0,
portanto φ(u1 , …, ui , …, ui , …, un ) = 0, ou seja, φ é alternada.
• Finalmente suponhamos que se tem φ(u1 , …, un ) = 0 sempre que u1 ,
…, un são linearmente dependentes.
Se algum ui é igual a u j , então u1 , …, un são linearmente dependentes,

portanto φ(u1 , …, un ) = 0, e conclui - se que φ é alternada.
Proposição
Para qualquer c∈, existe uma única forma multilinear alternada φ : n ×n ×⋯× n ⟶ tal que
φ(e1 , …, en ) = c (onde (e1 , …, en ) é a base canónica de n .
Em particular, existe uma única forma multilinear alternada φ : n ×n ×⋯× n ⟶ tal que
φ(e1 , …, en ) = 1.
Observação: seja φ : n ×n ×⋯×n ⟶ a única forma multilinear alternada tal que
φ(e1 , …, en ) = 1; se ψ é uma forma multilinear alternada, então ψ=cφ, onde c = ψ(e1 , …, en ).
Demonstração
• Unicidade
Suponhamos que φ é uma forma multilinear alternada tal que φ(e1 , …, en ) = c.
Então φ((a11 , …, an1 ), …, (a1 n , …, ann )) = φ∑in1 =1 ai1 1 ei1 , …, ∑inn =1 ain n ein  =
∑in1 =1 ai1 1 ⋯ ∑nin =1 ain n φ(ei1 , …, ein ) = ∑in1 =1 ⋯ ∑inn =1 ai1 1 ⋯ ain n φ(ei1 , …, ein )
As parcelas em que i1 , …, in não são todos distintos são nulas.

1 ⋯ n
Se i1 , …, in são todos distintos, então é uma
i1 ⋯ in
permutação em Sn e cada permutação aparece numa e numa só parcela.
1 ⋯ n
Nesse caso φ (ei1 , …, ein ) = c sgn(p), onde p = .
i1 ⋯ in
Então φ((a11 , …, an1 ), …, (a1 n , …, ann )) = c ∑p∈Sn ap(1) 1 ⋯ap(n) n sgn(p),
o que demonstra a unicidade.
• Existência
Seja φ definida por φ((a11 , …, an1 ), …, (a1 n , …, ann )) = c ∑p∈Sn ap(1) 1 ⋯ap(n) n sgn(p).
Vamos ver que φ é multilinear alternada e que φ(e1 , …, en ) = c.

Tem - se φ(a11 , …, an1 ), …, (a1 i , …, ani ) + a1 i , …, ani , …, (a1 n , …, ann ) =
φ(a11 , …, an1 ), …, a1 i + a1 i , …, ani + ani , …, (a1 n , …, ann ) =
c ∑p∈Sn ap(1) 1 ⋯api i + api i  ⋯ap(n) n sgn(p) =
c ∑p∈Sn ap(1) 1 ⋯api i ⋯ap(n) n sgn(p) + ap(1) 1 ⋯api i ⋯ap(n) n sgn(p) =
c ∑p∈Sn ap(1) 1 ⋯api i ⋯ap(n) n sgn(p) + c ∑p∈Sn ap(1) 1 ⋯api i ⋯ap(n) n sgn(p) =
φ((a11 , …, an1 ), …, (a1 i , …, ani ), …, (a1 n , …, ann )) +
φ(a , …, a ), …, a , …, a , …, (a , …, a ).
11 n1 1i ni 1n nn
Tem - se φ((a11 , …, an1 ), …, α(a1 i , …, ani ), …, (a1 n , …, ann )) =

φ((a11 , …, an1 ), …, (αa1 i , …, αani ), …, (a1 n , …, ann )) =
c ∑p∈Sn ap(1) 1 ⋯αapi i ⋯ap(n) n sgn(p) = αc ∑p∈Sn ap(1) 1 ⋯api i ⋯ap(n) n sgn(p) =
αφ((a11 , …, an1 ), …, (a1 i , …, ani ), …, (a1 n , …, ann )).
Conclui - se que φ é multilinear.

Vamos verificar que φ(a11 , …, an1 ), …, a1 j , …, anj , …, (a1 i , …, ani ), …(a1 n , …, ann ) =
-φ (a11 , …, an1 ), …, (a1 i , …, ani ), …, a1 j , …, anj , …(a1 n , …, ann ).
Seja t = (i j) (transposição que troca i com j).

φ(a11 , …, an1 ), …, a1 j , …, anj , …, (a1 i , …, ani ), …(a1 n , …, ann ) =
c∑ a
p∈Sn p(1) 1⋯a ⋯a ⋯a
p i  j p j  isgn(p) =
p(n) n
-c ∑p∈Sn ap∘t (1) 1 ⋯ap∘t  j j ⋯a p∘t i i ⋯ap∘t (n) n sgn(p ∘ t) = c ∑q∈Sn aq(1) 1 ⋯aqi i ⋯aq(n) n sgn(q) =
-φ (a11 , …, an1 ), …, (a1 i , …, ani ), …, a1 j , …, anj , …(a1 n , …, ann ).
Conclui - se que φ é alternada.
φ (e1 , …, en ) = φ ((1, 0, …, 0), …, (0, …, 1)) = c ∑p∈Sn ap (1) 1 ⋯ap (n) n sgn(p),
1 se i = j
onde aij =
0 se i ≠ j
Então φ(e1 , …, en ) = c
Definição
a11 ⋯ a1 n
Sejam A = ⋮ ⋮ ; o determinante de A é definido por det A =  ap(1) 1 ⋯ap(n) n sgn(p)
an1 ⋯ ann p∈Sn
3.2 - Propriedades e cálculo
Proposição
• Tem-se detC1 ⋯ C j + C j ' ⋯ Cn  = detC1 ⋯ C j ⋯ Cn  + detC1 ⋯ C j ' ⋯ Cn  ,

para quaisquer C1 , …, C j , C j ', …, Cn .
• Tem-se detC1 ⋯ kC j ⋯ Cn  = k detC1 ⋯ C j ⋯ Cn , para quaisquer α, C1 , …, Cn .
• Se a matriz A tem duas colunas iguais, então det A=0
• Se a matriz B se obtém da matriz A por troca de duas colunas, então det B = - det A
• det In = 1
• Se a uma coluna da matriz A se soma qualquer combinação linear das outras colunas, o deter-
minante não é alterado.
• Se as colunas da matriz A são linearmente dependentes, então det A=0 (portanto uma matriz
não invertível tem determinante nulo).
Proposição
det At =det A
Demonstração
a11 ⋯ a1 n b11 ⋯ b1 n
Seja A = ⋮ ⋮ ; seja B = A = t
⋮ ⋮ ; tem - se bij = aji .
an1 ⋯ ann bn1 ⋯ bnn
det  At  = det B =  bp(1) 1 ⋯bp(n) n sgn(p) =
p∈Sn
 a1 p (1) ⋯anp (n) sgn(p) =  ap-1 (1) 1 ⋯ap-1 (n) n sgnp-1  =  a1 τ (1) ⋯anτ (n) sgn(τ)
p∈Sn p∈Sn τ∈Sn
quando p percorre todos os elementos de Sn , também p-1 percorre todos os elementos de Sn 
= det A
Corolário
L1 L1 L1
⋮ ⋮ ⋮
• Tem-se det L j + L j ' = det L j + det L j ' , para quaisquer L1 , …, L j , L j ', …, Ln .
⋮ ⋮ ⋮
Ln Ln Ln
L1 L1
⋮ ⋮
• Tem-se det αL j = α det L j , para quaisquer α, L1 , …, L j , L j ', …, Ln .
⋮ ⋮
Ln Ln
• Se a matriz A tem duas linhas iguais, então det A=0
• Se a matriz B se obtém da matriz A por troca de duas linhas, então det B = - det A
• det In = 1
• Se a uma linha da matriz A se soma qualquer combinação linear das outras linhas, o determi-
nante não é alterado.
• Se as linhas da matriz A são linearmente dependentes, então det A=0 (portanto se A não tem
inversa, então det A=0).
Demonstração
Todas as propriedades relativamente às linhas são consequência de det At =

det A e das propriedades relativamente às colunas.
Por exemplo,
L1 L1 t
⋮ ⋮
• det L j + L j ' = det L j + L j ' = det  L1 t ⋯ L j t + L j 't ⋯ Ln t  =
⋮ ⋮
Ln Ln
det  L1 t ⋯ L j t ⋯ Ln t  + det  L1 t ⋯ L j t ⋯ Ln t  =
L1 L1
⋮ ⋮
det  L1 t
⋯ Lj t t t
⋯ Ln  + det  L1 t
⋯ Lj t
⋯ Ln  = det L j + det L j '
t t
⋮ ⋮
Ln Ln
• Se a matriz B se obtém de A por troca de duas linhas,
então Bt obtém - se de At por troca de duas colunas, portanto det Bt = det At ,
logo, como det Bt = det B e det At = det A, vem det det B = det A
• Se as linhas de A são linearmente dependentes,
então as colunas de At são linearmente dependentes, portanto det At = 0, e,
como det At = det A, vem det A = 0, analogamente se verificam as outras propriedades.
Exemplo
1 02 0 2 0 1 0 1 0 2 0
1
0 31 1 L3 → L3 + L1 0
1 1 C3 → C3 - C43 0 3 0 1 L2 → L2 - 2 L3
det = det = det =
-1 00 2 2 2 0 0 0 0 0 2
0 11 0 1 0 0 1 0 1 1 0
1 0 2 0 1 0 0 0 1 0 0 0
0 3 0 0 C3 →C3 -2 C1 0 3 0 0 C2 → C2 - C3 0 3 0 0 C3 ↔ C4
det = det = det =
0 0 0 2 0 0 0 2 0 0 0 2
0 1 1 0 0 1 1 0 0 0 1 0
1 0 0 0 1 0 0 0 1 0 0 0
0 3 0 0 0 1 0 0 0 1 0 0
-det = -3 det = -3 × 2 det = -6 det I4 = -6
0 0 2 0 0 0 2 0 0 0 1 0
0 0 0 1 0 0 0 1 0 0 0 1
Proposição
Sejam A, B ∈ Mn,n (); det (AB)=(det A)(det B)

Demonstração
Seja A ∈ Mn,n ().
Seja φ A a aplicação n × n × ⋯ × n ⟶  definida por

b11 ⋯ b1 n
φ A ((b11 , …, bn1 ), …, (b1 n , …, bnn )) = det A ⋮ ⋮ .
bn1 ⋯ bnn
φ A é uma forma multilinear alternada exercício
φ A (e1 , …, en ) = det A, portanto φ A = det A det, isto é,

para qualquer B tem - se φ A (B) = (det A) ( det B), ou seja, det(AB) = (det A) (det B).
Corolário
1
Se A é uma matriz invertível, então det A≠0 e det A-1 = det A
.
Demonstração
Se A tem inversa, então 1 = det In = detAA-1  = (det A) det A-1 .
detA≠0⟺A tem inversa
Proposição
Sejam A, B ∈ Mn,n (); se A e B são semelhantes, então det A = det B.
Demonstração
Se A e B são semelhantes, existe uma matriz inversível P tal que A = PBP-1 ;
então det A = det PBP-1 = det P det B det P-1 = det P det B det1 P = det B
Corolário
Se f : E ⟶ E é um endomorfismo e b,b’ são bases de E, então det Mb,b (f ) = det Mb',b' (f ).
Definição
Seja f : E ⟶ E um endomorfismo, o determinante de f é o determinante de Mb,b (f ), onde b é

uma base qualquer de E.
Proposição
A B
Sejam A ∈ Mk,k (), B ∈ Mk,n-k (), C ∈ Mn-k.n-k () e M ∈ Mn,n () tais que M = , (ondo O repre-
O C
senta a matriz nula de Mn-k,k ());
então det M=(det A)(det C).
1 b 2 ⋯ bn
0
Caso particular: det = det B
⋮ B
0
Demonstração
A B Ik O A B A B Ik O A B
• Tem - se = , portanto det = det det
O C O C O In-k O C O C O In-k
Ik O Ik O
• det = det C porque a aplicação C ↦ det é multilinear,
O C O C
alternada e a imagem de In-k é 1
A B
• det = det A porque, para qualquer B,
O In-k
A B
a aplicação A ↦ det é multilinear,
O In-k
Ik B Ik B
alternada e a imagem de Ik é det = det In = 1 no cálculo de det ,
O In-k O In-k
a única permutação que dá origem a uma parcela não nula é a identidade
Exemplo
1 2 3 4
5 6 7 8 1 2 9 10
det = det det = (-4)×(-2) = 8
0 0 9 10 5 6 11 12
0 0 11 12
Exemplo
1 2 3 4
5 6 7
0 5 6 7 8 9
det = det (1) det 0 8 9 = det (5) det = 400
0 0 8 9 0 10
0 0 10
0 0 0 10
Proposição - desenvolvimento de Laplace
a11 ⋯ a1 n
Seja A = ⋮ ⋮ , e para cada i,j, seja Aij a matriz que se obtem eliminado a linha i e a
an1 ⋯ ann
coluna j de A; então
• det A = (-1)1+ j a1 j det A1 j + (-1)2+ j a2 j A2 j + ⋯ + (-1)n+ j anj det Anj

(desenvolvimento de Laplace ao longo da coluna j)
• det A = (-1)i+1 ai1 det Ai1 + (-1)i+2 ai2 Ai2 + ⋯ + (-1)i+n ain det Ain
(desenvolvimento de Laplace ao longo da linha i)
Demonstração
• Comecemos por mostrar o desenvolvimento de Laplace ao longo da primeira coluna.
Pela linearidade relativamente à primeira coluna,

0 a12 ⋯ a1 n 0 a12 ⋯ a1 n
a11 ⋯ a1 n ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
n
tem - se det A = ⋮ ⋮ = ∑i=1 det ai1 ai2 ⋯ ain = ∑ ai1 det
n
1 ai2 ⋯ ain
i =1
an1 ⋯ ann ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 an2 ⋯ ann 0 an2 ⋯ ann
0 a12 ⋯ a1 n
⋮ ⋮ ⋮
det 1 ai2 ⋯ ain =
⋮ ⋮ ⋮
0 an2 ⋯ ann
1 ai2 ⋯ ain
a12 ⋯ a1 n
0 a12 ⋯ a1 n
⋮ ⋮
⋮ ⋮ ⋮
ai-1,2 ⋯ ai-1,n
(-1)i-1 det 0 ai-1,2 ⋯ ai-1,n = (-1)i-1 det = (-1)i-1 det Ai1
ai+1,2 ⋯ ai+1,n
0 ai+1,2 ⋯ ai+1,n
⋮ ⋮
⋮ ⋮ ⋮
an2 ⋯ ann
0 an2 ⋯ ann
• Através de trocas de colunas, obtém - se o desenvolvimento ao longo da coluna j de A
como um desenvolvimento ao longo de uma primeira coluna.
• Através da passagem à transposta, obtém - se o desenvolvimento ao longo das linhas de A
como o desenvolvimento ao longo das colunas de At .
Exemplo
1 0 2 0
0 3 1 1
det =
-1 0 0 2
0 1 1 0
3 1 1 0 2 0 0 2 0 0 2 0
1 × det 0 0 2 - 0 × det 0 0 2 + (-1)× det 3 1 1 - 0 × det 3 1 1 = -4 - 2 = -6
1 1 0 1 1 0 1 1 0 0 0 2
Exemplo
3 2 5 4
2 1 1
0 2 1 1 -2 2
det = 3 × det 0 -2 2 = 3 × 2 det = -60
0 0 -2 2 0 5
0 0 5
0 0 0 5
Exemplo
1 2 4 3
2 1 -1 5
Cálculo de det por dois processos :
-1 3 5 2
2 1 2 1
• desenvolvimento de Laplace ao longo da primeira coluna :
1 2 4 3
2 1 -1 5
det =
-1 3 5 2
2 1 2 1
1 -1 5 2 4 3 2 4 3 2 4 3
det 3 5 2 - 2 det 3 5 2 + (-1) det 1 -1 5 - 2 det 1 -1 5 = ⋯ = -42
1 2 1 1 2 1 1 2 1 3 5 2
• utilização de algumas propriedades antes de efectuar o desenvolvimento de Laplace :
L2 →L2 -2 L1
1 2 4 3 1 2 4 3
-3 -9 -1
L3 → L3 + L1
2 1 -1 5 L4 →L4 -2 L2 0 -3 -9 -1
det = det = det 5 9 5 = ⋯ = -42
-1 3 5 2 0 5 9 5
-3 -6 -5
2 1 2 1 0 -3 -6 -5
3.3 - Aplicações: cálculo de características, inversas, regra de Cramer
Proposição
Seja A ∈ Mm,n (), A não nula; então car A é o maior k ∈ ℕ tal que existe uma submatriz quadrada
de A de ordem k com determinante diferente de 0
Demonstração
• Se car A = p, então existem p colunas linearmente independentes de A;
a característica da matriz formada por essas colunas é p,
portanto essa matriz tem p linhas linearmente independentes;
considerando essas p linhas, obtém - se uma matriz quadrada,
que é uma submatriz de ordem p de A e tem característica p,
portanto tem determinante não nulo.maior k ≥ característica
• Por outro lado, se B é uma submatriz quadrada
de ordem k de A com determinante não nulo, as colunas de A
correspondentes a B têm k linhas linearmente independentes,
portanto formam uma matriz de característica k;
então essas colunas são linearmente independentes,
portanto car A ≥ k.característica ≥ maior k
Exemplo
1 2 -3 -2
A = 0 -1 2 3
3 4 -5 0
1 2 -3 1 2 -2 1 -3 -2 2 -3 -2
det 0 -1 2 = det 0 -1 3 = det 0 2 3 = det -1 2 3 = 0,
3 4 -5 3 4 0 3 -5 0 4 -5 0
portanto car A < 3
1 2
det = -1 ≠ 0, portanto car A ≥ 2
0 -1
Então car A = 2.
Exemplo
1 0 2
2 -1 -3
A=
-3 2 1
-2 3 4
1 0 2
det 2 -1 -3 = 7 ≠ 0, portanto car A = 3.
-3 2 1
Proposição
Se A ∈ Mn,n () é tal que det A ≠0, então

det A11 -det A12 ⋯ (-1)n+1 detA1 n t
1 -det A21 det A22 ⋯ (-1)n+2 det A2 n

A-1 = det A ⋮ ⋮ ⋮
1+n 2+n
(-1) det An1 (-1) det An2 ⋯ det Ann
Demonstração
det A11 -det A12 ⋯ (-1)n+1 detA1 n t
1 -det A21 det A22 ⋯ (-1)n+2 det A2 n

Seja A' = det A
.
⋮ ⋮ ⋮
(-1)1+n det An1 (-1)2+n det An2 ⋯ det Ann
Basta mostrar que A det1 A A' = In ,

det A 0 0 0
0 det A 0 0
o que equivale a mostrar que AA' = .
0 0 det A 0
0 0 0 det A
Seja B = AA'.
Então bij = ∑kn=1 aik (-1)k+ j det Ajk = ∑kn=1 (-1)k+ j aik det Ajk .
Para i = j, vem bii = ∑kn=1 (-1)k+i aik det Aik =

det A (trata - se do desenvolvimento de Laplace ao longo da linha i).
a11 a12 ⋯ a1 n
⋮ ⋮ ⋮
ai1 ai2 ⋯ ain
Para i ≠ j, vem bij = det ⋮ ⋮ ⋮ (desenvolvimento ao longo da linha j).
ai1 ai2 ⋯ ain
⋮ ⋮ ⋮
an1 an2 ⋯ ann
Então bij = 0, porque é o determinante de uma matriz com duas linhas iguais.
Exemplo
1 2 3
A = -1 0 2 , det A = -25 ≠ 0
-5 1 0
det A11 det A12 det A13 t

1
A-1 = - 25 det A21 det A22 det A23 =
det A31 det A32 det A33
0 2 -1 2 -1 0 t
det -det det
1 0 -5 0 -5 1
-2 3 4
1 2 3 1 3 1 2 1
- -det det -det =- -10 15 -5
25 1 0 -5 0 -5 1 25
-1 -11 2
2 3 1 3 1 2
det -det det
0 2 -1 2 -1 0
Proposição (regra de Cramer)
a11 x1 + a12 x2 + ⋯ + a1 n xn = b1
a21 x1 + a22 x2 + ⋯ + a2 n xn = b1
Consideremos o sistema e seja A a matriz dos coeficientes do
⋯
am1 x1 + am2 x2 + ⋯ + amn xn = bm
sistema; se det A≠0, então a única solução do sistema é dada por

b1 a12 ⋯ a1 n
1
x1 = det A det ⋮ ⋮ ⋮ ,
bn an2 ⋯ ann
a11 b1 ⋯ a1 n a11 a12 ⋯ b1
1 1
x2 = det A det ⋮ ⋮ ⋮ ,…,xn =
det A
det ⋮ ⋮ ⋮
an1 bn ⋯ ann an1 an2 ⋯ bn
Demonstração
x1 b1 x1 b1
x2 b2 x2 b2
Como det A ≠ 0, tem - se A = ⟺ = A-1 .
⋮ ⋮ ⋮ ⋮
xn bn xn bn
b1 det A11 -det A12 ⋯ (-1)n+1 detA1 n t
b1
n+2
b2 1 -det A21 det A22 ⋯ (-1) det A2 n b2
Tem - se A-1 =
det A
=
⋮ ⋮ ⋮ ⋮ ⋮
bn (-1)1+n det An1 (-1)2+n det An2 ⋯ det Ann bn
det A11 -det A21 ⋯ (-1)n+1 detAn1 b1
n+2
1 -det A12 det A22 ⋯ (-1) det An2 b2
det A
.
⋮ ⋮ ⋮ ⋮
(-1)1+n det A1 n (-1)2+n det A2 n ⋯ det Ann bn
A entrada da linha i é det1 A ∑kn=1 (-1)i+k bk det Aki ,

a11 ⋯ b1 ⋯ a1 n
1
que é det a det ⋮ ⋯ ⋮ ⋯ ⋮ (onde os bk estão na coluna i).
an ⋯ bn ⋯ ann
Exemplo
2x+3y=1
5x- y=3
2 3
A matriz dos coeficientes A é e det A = -17 ≠ 0,
5 -1
portanto o sistema é possível e determinado.
1 1 3 10 1 2 1 1
As soluções são dadas por x = - 17 det = , y = - 17 det =-
3 -1 17 5 3 17
Exemplo
x- y+3z=4
2 x + y + z = -2
x-5y=1
1 -1 3
A matriz dos coeficientes A é 2 1 1 e det A = -29 ≠ 0,
1 -5 0
portanto o sistema é possível e determinado.
4 -1 3
1 46
As soluções são dadas por x
=-
29
det -2 1 1 =-
29
,
1 -5 0
1 4 3 1 -1 4
1 15 1 49
y = - 29 det 2 -2 1 = - 29 , z = - 29 det 2 1 -2 = 29
1 1 0 1 -5 1
4 - Produto escalar (ou produto interno)

4.1 - Produto escalar em ℝ2 e em ℝ3: revisões
w = projecção ortogonal de u sobre v
u
θ
v w
Tem-se || projv u|| = ||u|| |cosθ| e u|v = ||u|| ||v|| cosθ

Se v for unitário ( || v || = 1) então projv u = ( || u || cosθ) v = (u v ) v.
Se v é unitário, u v mede o comprimento da projecção de u sobre v.
(com sinal positivo se essa projecção tem o sentido de v, com sinal negativo se tem o sentido
oposto)
1
Se v ≠ 0E , então ||v ||
v é um vector unitário (isto é, de norma 1) com a direcção e o sentido de v.
1
v  ||1v|| v = 1
u v
Se v não é unitário, então projv u = u v, portanto || projv u || = u v
||v || ||v ||2 ||v ||
A norma de u (comprimento de u) é dada por || u || = u u

Tem-se projv α u = α projv u
projv u
αu
u projv α u
projv u
v
Tem-se projw (u + v ) = projw u + projw v, portanto (u + v ) w = u w + v w (logo

w (u + v ) = w u + w v).
soma projecções
v
u
Em ℝ2 , sejam e1 = (1, 0) e e2 = (0, 1)

Se u = (u1 , u2 ) e v = (v1 v2 ), então
• u v = (u1 e1 + u2 e2 ) (v1 e1 + v2 e2 )
= u1 v1 (e1 e1 ) + u1 v2 (e1 e2 ) + u2 v1 (e2 e1 ) + u2 v2 e2 e2
= u1 v1 + u2 v2
• || u || = u u= u1 2 + u2 2 .
Em ℝ3 , sejam e1 = (1, 0, 0), (0, 1, 0), (0, 0, 1)
Se u = (u1 , u2 , u3 ) e v = (v1 v2 , v3 ), então
• u v = (u1 e1 + u2 e2 + u3 e3 ) (v1 e1 + v2 e2 + v3 e3 ) e
= u1 v1 + u2 v2 + u3 v3
• || u || = u u= u1 2 + u2 2 + u3 2 .
Vectores ortogonais: vectores não nulos u e v são ortogonais sse u|v=0
Propriedades do produto escalar
O produto escalar é bilinear:

(u + v ) w = u w + v w
u (v + w ) = u v + u w
(α u) v = α(u v ) = u (α v )
O produto escalar é simétrico:
u v=v u
O produto escalar é definido positivo:
u u ≥ 0, e u u = 0 sse u é o vector nulo
4.2 - Produto escalar - Definições e propriedades
Definição
Sejam E um espaço vectorial real e φ : E × E ⟶ℝ uma função.

Diz-se que φ é uma forma bilinear sse, para quaisquer u, v, w ∈ E e α ∈ ℝ
φ(u + v, w) = φ(u, w) + φ(v, w)
φ(α u, v ) = αφ(u, v )
φ(u, v + w) = φ(u, v ) + φ(u, w)
φ(u, α v ) = αφ(u, v )
Diz-se que φ é simétrica sse, para quaisquer u, v ∈ E, φ(u, v ) = φ(v, u).
Diz-se que φ é definida positiva sse, para qualquer u ∈ E,
φ(u, u) ≥ 0
φ(u, u) = 0 sse u = 0E
Definição
Chama-se produto escalar (ou produto interno) num espaço vectorial E a uma aplicação
φ : E × E ⟶ ℝ que seja bilinear simétrica e definida positiva.
A norma associada a um produto escalar φ é definida por || u || = φ(u, u) .
Observação: Tem-se sempre || u || ≥ 0, e || u || = 0 sse u = 0E (é consequência de o produto escalar

ser definido positivo).
Exemplos
• ( x1 , x2 , ⋯, xn ) ( y1 , y2 , ⋯, yn ) = x1 y1 + x2 y2 + ⋯ + xn yn define um produto escalar em ℝn (se não
for dito nada em contrário considera-se em ℝn este produto escalar)
• (u1 , u2 ) (v1 , v2 ) = u1 v1 + u1 v2 + 3 u2 v1 + u2 v2 não define um produto escalar em ℝ2 (é bilinear mas
não simétrica)
• (u1 , u2 ) (v1 , v2 ) = u1 v1 + u1 v2 + u2 v1 + u2 v2 não define um produto escalar em ℝ2 (é bilinear e
simétrica mas não definida positiva)
• (u1 , u2 ) (v1 , v2 ) = u1 v1 + u1 v2 + u2 v1 + 2 u2 v2 define um produto escalar em ℝ2
1
•f g = ∫0 f ( x ) g( x ) ⅆ x define um produto escalar no espaço das funções contínuas de [0, 1] em ℝ
Proposição
Seja E um espaço vectorial real com um produto escalar.

• Para qualquer u ∈ E, u 0E = 0
• Para quaisquer u ∈ E, α ∈ ℝ, || αu || = α || u ||
• (desigualdade de Cauchy-Schwarz)
Para quaisquer u, v ∈ E, u v ≤ || u || || v ||, e tem-se a igualdade sse u e v são colineares.
• (desigualdade triangular) Para quaisquer u, v ∈ E, || u + v || ≤ || u || + || v ||
• (teorema de Pitágoras) Se u v = 0, então || u + v ||2 = || u ||2 + || v ||2
Demonstração
• u 0E = u (0E + 0E ) = u 0E + u 0E , logo u 0E = 0
• || αu || = (αu) (αu) = α2 (u u) = α u u = α || u ||
• Se v = 0E , é trivial; suponhamos então v ≠ 0E ; para qualquer λ∈ℝ, (u + λv) (u + λv) ≥ 0.
Então, para qualquer λ∈ℝ, (v v )2 λ2 + 2 (u v ) λ + u u ≥ 0.
Portanto o discriminante deste polinómio de segundo grau é sempre ≤ 0, isto é,
(u v )2 - (u u) (v v ) ≤ 0, ou seja, u v ≤ || u || || v ||.
A igualdade tem-se sse o discriminante é nulo, ou seja, sse o polinómio tem um zero, isto é, sse
existe λ∈ℝ tal que (u + λv) (u + λv) = 0, ou seja, tal que u + λv = 0E (e isto equivale a u e v serem
colineares, porque v ≠ 0E ).
• Tem-se
|| u + v ||2 = (u + v ) (u + v ) =
u u + 2 u v + v v = || u ||2 +2 u v + || v ||2 ≤ || u ||2 +2 || u || || v || + || v ||2 = ( || u || + || v ||)2
• Tem-se
|| u + v ||2 = (u + v ) (u + v ) =
u u + 2 u v + v v = || u ||2 +2 u v + || v ||2 ≤ || u ||2 +2 || u || || v || + || v ||2 = ( || u || + || v ||)2
u v
Observação: Resulta da desiguladade de Cauchy-Schwarz que se u, v ≠ 0E , então -1 ≤ ||u||||v ||
≤ 1.
Definição
u v
Define-se o ângulo entre u, v ∈ E\{0E }, como sendo o único θ ∈ [0, π] tal que cosθ = ||u||||v ||
.
Exemplos
Cálculo do ângulo entre (2, 0, 1, 3) e (1, 1, 1,-1):
(2, 0, 1, 3)|(1, 1, 1,-1) = 0
cos θ = 0
π
θ=
2
Cálculo do ângulo entre (-1, 1, 1, 1) e (1, 0,-1, 0)::

(-1, 1, 1, 1)|(1, 0,-1, 0) = -2
|| (-1, 1, 1, 1) || = 1 + 1 + 1 + 1 = 2
|| (1, 0, -1, 0) || = 1 + 1 = 2
(-1,1,1,1) (1,0,-1,0)
cos θ = ||(-1,1,1,1)||||(1,0,-1,0)|| = - 1
2
3π
θ=
4
4.3 - Bases ortonormadas e processo de Gram-Schmidt
Definição
Sejam E um espaço vectorial real com produto escalar, u, v ∈ E, b = (e1 , …, en ) uma base de E.
• Diz-se que u é unitário sse || u || = 1.
• Diz-se que u e v são ortogonais sse u ≠ 0E , v ≠ 0E , e u v = 0.
• Diz-se que b é uma base ortonormada sse cada ei é unitário e ei e j = 0 sempre que i ≠ j.
Observações
• Dois vectores não nulos são ortogonais sse o ângulo entre eles é .
π
2
ei ei = 1, i = 1, …, n
• Uma base b = (e1 , …, en ) é ortonormada sse
ei e j = 0 se i ≠ j
Exemplos
• A base canónica de ℝn é uma base ortonormada.
1
• (1, 1) é unitário
2
1 1
• (1, 1), (-1, 1) é uma base ortonormada de ℝ2
2 2
1
• (1, 0, 1), (0, 1, 0) é uma base ortonormada de ( x, y, z) ∈ ℝ3 : x = z
2
1 1 1
• (1, 1, 1), (1, 0, -1), (1, -2, 1) é uma base ortonormada de ℝ3
3 2 6
1 1
• (1, -1, 0), (1, 1, -2) é uma base ortonormada de ( x, y, z) ∈ ℝ3 : x + y + z = 0
2 6
Proposição
Seja E um espaço vectorial real com um produto escalar; se u1 , …, uk são vectores de E ortogo-
nais dois a dois (isto é, são não nulos, e ui u j = 0 quando i ≠ j) então u1 , …, uk são linearmente
independentes.
Demonstração
Suponhamos que α1 u1 + ⋯ + αk uk = 0E .
Então, para cada i , tem-se (α1 u1 + ⋯ + αk uk ) ui = 0, logo α1 u1 ui + ⋯ + αk uk ui = 0.
Portanto α ui ui = 0, logo αi = 0.
Proposição
Sejam E um espaço vectorial real com um produto escalar e b = (e1 , …, en ) uma base ortonor-
mada de E.
• Se u = (u1 , …, un )b , isto é, u = u1 e1 + ⋯ + un en , então, para cada i , ui = u ei (isto é, as
coordenadas de u na base b são os produtos escalares de u pelos elementos da base).

• Se u = (u1 , …, un )b e v = (v1 , …, vn )b , então u v =u1 v1 + ⋯ + un vn (isto é,
(u1 e1 + ⋯ + un en ) (v1 e1 + ⋯ + vn en ) = u1 v1 + ⋯ + un vn ).
Demonstração
• Se u = u1 e1 + ⋯ + uk ek ,
então
u ei = (u1 e1 + ⋯ + uk ek ) ei = u1 e1 ei + ⋯ + uk ek ei = (ui ei ) ei = ui .
• Tem-se (u1 e1 + ⋯ + uk ek ) (v1 e1 + ⋯ + vk ek ) =
∑kp=1 ∑qk =1 up vq ep eq .
1 se p = q
Como ep eq = , vem que
0 se p ≠ q
• Tem-se (u1 e1 + ⋯ + uk ek ) (v1 e1 + ⋯ + vk ek ) =
∑kp=1 ∑qk =1 up vq ep eq .
1 se p = q
Como ep eq = , vem que
0 se p ≠ q
∑kp=1 ∑qk =1 up vq ep eq  = ∑kp=1 up vq
Exemplos
1 1
• E = ℝ2 , b =  (1, 1), (-1, 1)
2 2
coordenadas de (3, 5) na base b?

1 1 8
(3, 5) (1, 1) = (3, 5) (1, 1) = =4 2
2 2 2
1 1 2
(3, 5) (-1, 1) = (3, 5) (-1, 1) = = 2
2 2 2
1 1
(3, 5) = 4 2, 2 =4 2 (1, 1) + 2 (-1, 1)
b 2 2
coordenadas de ( x, y ) na base b?
1 x+ y
( x, y ) (1, 1) =
2 2
1 -x+ y
( x, y ) (-1, 1) =
2 2
x+ y -x+ y
( x, y ) =  , 
2 2 b
1 1
• E = ℝ3 , b =  (1, 1, 1), (1, -1, 0) é uma base ortonormadas de ( x, y, z) ∈ ℝ3 : x + y = 2 z
3 2
coordenadas de (3, 1, 2) na base b?

1 6
(3, 1, 2) (1, 1, 1) = =2 3
3 3
1 2
(3, 1, 2) (1, -1, 0) = = 2
3 2
(3, 1, 2) = 2 3, 3 1 (1,
2 =2 1, 1) + 2 1
(1, -1, 0)
b 3 2
x+ y
coordenadas de  x, y, 2  na base b?
x+ y 1 3 3
 x, y,  (1, 1, 1) = x+ 2 y
2 3 2
x+ y 1 x- y
 x, y,  (1, -1, 0) =
2 2 2
x+ y 3 1 3 1 1 1
 x, y, = ( x + y ), ( x - y )  = (x + y) (1, 1, 1) + (x - y) (1, -1, 0)
2 2 2 b 2 3 2 2
Construção de uma base ortonormada a partir de uma base qualquer

(processo de Gram-Schmidt)
Sejam E um espaço vectorial com produto escalar e b = (u1 , …, un ) uma base de E.
dim E = 1
vector unitário
espaço
u1
e1
1
e1 = ||u1 ||
u1
dim E = 2
primeiro vector da base ortonormada
proj de u2 sobre e1
v2
segundo vector da base ortonormada
v2
u1
u2 e2 e1
w2
1
e1 = ||u1 ||
u1
v2 = u2 - proje1 (u2 ) = u2 - (u2 e1 ) e1
• v2 não é nulo: se fosse, u2 seria múltiplo de e1 , que é múltiplo de u1 , portanto u2 seria múlti-
plo de u1 e então u1 , u2 seriam linearmente dependentes.
• v2 é ortogonal a e1 :
v2 e1 = (u2 - (u2 e1 ) e1 ) e1 = u2 e1 - (u2 e1 ) (e1 e1 ) = 0
1
e2 = ||v2 ||
v2
dim E = 3
(u11 ,u12 ) u13
(u21 ,u22 ) u23

(u31 ,u32 ) u33
u1 u2 u3 e1 proj de u2 sobre e1 v2 e2
proj de u3 sobre e1 proj de u3 sobre e2 proj de u3 sobre o plano gerado por e1 e e2
v3 e3
dim E = n
1
e1 = ||u1 ||
u1
v2 = u2 - proje1 (u2 ) = u2 - (u2 e1 ) e1

1
e2 = ||v2 ||
v2
v3 = u3 - proje1 (u3 ) - proje2 (u3 ) = u3 - (u3 e1 ) e1 - (u3 e2 ) e2

1
e3 = ||v3 ||
v3
…
vn = un - proje1 (un ) - proje2 (un ) - ⋯ - projen-1 (un )
= un - (un e1 ) e1 - (un e2 ) e2 - ⋯ - (un en-1 ) en-1
• vn não é nulo: se fosse, un seria combinação linear de e1 , …, en-1 , que são combinações
lineares de u1 , …, un-1 , portanto un seria combinação linear de u1 , …, un-1 , e então u1 , …, un
seriam linearmente dependentes.
• vn é ortogonal a e1 , a e2 , …, e a en-1 :
vn e1 = (un - (un e1 ) e1 - ⋯ - (un en-1 ) en-1 ) e1 =
un e1 - (un e1 ) (e1 e1 ) - ⋯ - (un en-1 ) (en-1 e1 ) = 0
…
vn en-1 = (un - (un e1 ) e1 - ⋯ - (un en-1 ) en-1 ) en-1 =
un en-1 - (un e1 ) (e1 en-1 ) - (un en-1 ) (en-1 en-1 ) = 0
1
en = ||vn ||
vn
e1 , …, en são ortogonais, portanto linearmente independentes, portanto, como dim E = n, formam

uma base de E .
B = (e1 , …, en ) é uma base ortonormada de E.
Observações:
• No processo indicado, para cada k, ek ∈ G({u1 , …, uk }); isso é equivalente a dizer que a matriz
de passagem de B para b é triangular superior.
• Se u1 , …, uk gerarem E mas não forem linearmente independentes, então acontecerá vk = 0E
para algum k; eliminando esses elementos, obtém-se ainda uma base ortonormada.
Exemplos
• Obter uma base ortonormada de ℝ2 a partir de ((1, 2), (3, 1))
|| (1, 2) || = 5
1
e1 = (1, 2)
5
1 1
v2 = (3, 1) - (3, 1) (1, 2) (1, 2) = (3, 1) - (1, 2) = (2, -1)
5 5
|| (2, -1) || = 5
1
e2 = (2, -1)
5
1 1
 (1, 2), (2, -1) é uma base ortonormada de ℝ2
5 5
• Obter uma base ortonormada de ℝ3 a partir de ((1, 0, 1), (1, 1, 1), (1, 1, -1)
1 1
e1 = (1, 0, 1) = (1, 0, 1)
||(1,0,1)|| 2
1 1
v2 = (1, 1, 1) - (1, 1, 1) (1, 0, 1) (1, 0, 1) = (1, 1, 1) - (1, 0, 1) = (0, 1, 0)
2 2
1
e2 = (0, 1, 0)
||(0,1,0)||
1 1
v2 = (1, 1, -1) - (1, 1, -1) (1, 0, 1) (1, 0, 1) - ((1, 1, -1) (0, 1, 0)) (0, 1, 0) =
2 2
(1, 1, 1) - (0, 1, 0) = (1, 0, -1)

1 1
e3 = (1, 0, -1) = (1, 0, -1)
||(1,0,-1)|| 2
1 1
 (1, 0, 1), (0, 1, 0), (1, 0, -1) é uma base ortonormada de ℝ3
2 2
• Obter uma base ortonormada de E = ( x, y, z) ∈ ℝ3 : x + y + z = 0

E = {( x, y, - x - y ), x, y ∈ ℝ} = G({(1, 0, -1), (0, 1, -1)})
(1, 0, -1), (0, 1, -1) são linearmente independentes, portanto ((1, 0, -1), (0, 1, -1)) é uma base
de E.
1 1
e1 = (1, 0, -1) = (1, 0, -1)
||(1,0,-1)|| 2
1 1 1 1 1
v2 = (0, 1, -1) - (0, 1, -1) (1, 0, -1) (1, 0, -1) = (0, 1, -1) -
2
(1, 0, -1) = - , 1, - 
2 2
2 2
1 1 1 1
|| - , 1, -  || = || (-1, 2, -1) || = 6
2 2 2 2
2 1 1 1
e2 = - , 1, - = (-1, 2, -1)
6 2 2 6
1 1
 (1, 0, -1), (-1, 2, -1) é uma base ortonormada de E
2 6
4.4 - Projecção ortogonal sobre um subespaço
(u11 ,u12 ) u13
Proposição
Sejam E um espaço vectorial real com um produto escalar, F um subespaço não nulo de E, e
u ∈ E.
• Seja u0 ∈ F; as condições seguintes são equivalentes:
• Para qualquer v ∈ F, || u - u0 || ≤ || u - v ||.
• Para qualquer w ∈ F, (u - u0 ) w = 0.
• Se existir u0 nestas condições, é único.
Demonstração
• Suponhamos que, para qualquer w ∈ F, (u - u0 ) w = 0, e seja v ∈ F; queremos mostrar que

|| u - u0 || ≤ || u - v ||.
Tem-se || u - v ||2 = || u - u0 + u0 - v ||2 = || u - u0 ||2 + || u0 - v ||2 +2 (u - u0 ) (u0 - v ).
Mas (u - u0 ) (u0 - v ) = 0, porque u0 - v ∈ F, portanto
|| u - v ||2 = || u - u0 ||2 + || u0 - v ||2 ≥ || u - u0 ||2 , logo || u - v || ≥ || u - u0 ||.
• Suponhamos que, para qualquer v ∈ F, || u - u0 || ≤ || u - v ||, e seja w ∈ F; queremos mostrar
que (u - u0 ) w = 0.
( u- u0 ) w
Seja w ∈ F, e consideremos v = u0 + 2
w (tem-se que v ∈ F, uma vez que u0 , w ∈ F).
||w||
Tem-se
w ||2 = || u - u0 ||2 + || w ||2 -2 (u - u0 )
( u- u0 ) w ( u- u0 ) w ( u- u0 ) w
|| u - u0 || ≤ || u - v || = || u - u0 - w
||w||2 ||w||2 ||w||2
( u- u0 ) w 2 ((u-u0 ) w)2
= || u - u0 ||2 +  || w ||2 -2 (u - u0 ) w = || u - u0 ||2 -
( u- u0 ) w
||w||2 ||w||2 ||w||2
((u-u0 ) w)2
de onde se conclui que = 0, logo (u - u0 ) w = 0.
||w||2
• Suponhamos que u1 ∈ F satisfaz as mesmas condições; então em particular, tem-se

|| u - u1 || ≤ || u - u0 ||, portanto, como || u - u0 || ≤ || u - u1 ||, vem || u - u0 || = || u - u1 ||. Mas do
que foi visto no ponto anterior, resulta que || u - u1 ||2 = || u - u0 ||2 + || u0 - u1 ||2 , portanto
|| u0 - u1 ||2 = 0, ou seja, u0 = u1 .
(u11 ,u12 ) u13
(u11 ,u12 )
(u11 ,u12 ) u13
v w w w1 =projw ⊥ (u-v ) v1 u0
Proposição
Sejam E um espaço vectorial real com um produto escalar, F um subespaço não nulo de dimen-
são finita de E e u ∈ E;
• Existe um único u0 ∈ F tal que, para qualquer v ∈ F, || u - u0 || ≤ || u - v ||.
• Existe um único u0 ∈ F tal que, para qualquer w ∈ F, (u - u0 ) w = 0.

• Se b = (e1 , …, ek ) é uma base ortonormada de F, então u0 = (u e1 ) e1 + ⋯ + (u ek ) ek .
Demonstração
Seja b = (e1 , …, ek ) uma base ortonormada de F e seja u0 = (u e1 ) e1 + ⋯ + (uk ek ) ek .

Seja w ∈ F, w = α1 e1 + ⋯ + αk ek .
Tem-se (u - u0 ) w = (u - ((u e1 ) e1 + ⋯ + (uk ek ) ek )) w
= u (α1 e1 + ⋯ + αk ek ) - ((u e1 ) e1 + ⋯ + (uk ek ) ek ) (α1 e1 + ⋯ + αk ek )
= α1 u e1 + ⋯ + αk u ek - (α1 (u e1 ) + ⋯ + αk (uk ek )) = 0
Pela proposição anterior, resulta que para qualquer v ∈ F, || u - u0 || ≤ || u - v ||, e que u0 único.
Definição
Sejam E um espaço vectorial real com produto escalar, F um subespaço não nulo de dimensão
finita de E e u ∈ E. Chama-se projecção ortogonal de u sobre F ao único u0 de F tal que, para
qualquer v ∈ F, || u - u0 || ≤ || u - v ||.
Notação: projF ⊥ u
Observação
Se (e1 , …, ek ) é uma base ortonormada de F, então projF ⊥ u = 0E sse u e1 = ⋯ = u ek = 0.
Proposição
Sejam E um espaço vectorial real com um produto escalar e F um subespaço não nulo de dimen-
são finita de E; a aplicação E ⟶ F é linear.

u projF u
⊥
Demonstração
Sejam u, v ∈ E; tem-se que

• projF ⊥ u é caracterizado pela propriedade ∀ w ∈ F, (u - projF ⊥ u) w = 0
• projF ⊥ v é caracterizado pela propriedade ∀ w ∈ F, (v - projF ⊥ v ) w = 0
• projF ⊥ (u + v ) é caracterizado pela propriedade ∀ w ∈ F, (u + v - projF ⊥ (u + v )) w = 0.
Para mostrar que projF ⊥ (u + v ) = projF ⊥ u + projF ⊥ v, basta portanto mostrar que
∀ w ∈ F, (u + v - (projF ⊥ u + projF ⊥ v ) w = 0.
Ora, se w ∈ F, tem-se (u + v - (projF ⊥ u + projF ⊥ v ) w =
(u - projF ⊥ u + v - projF ⊥ v ) w = (u - projF ⊥ u) w + (v - projF ⊥ v ) w = 0.
Sejam u ∈ E, α ∈ ℝ; tem-se que
• projF ⊥ u é caracterizado pela propriedade ∀ w ∈ F, (u - projF ⊥ u) w = 0
• projF ⊥ (α u) é caracterizado pela propriedade ∀ w ∈ F, (α u - projF ⊥ (α u)) w = 0.

Para mostrar que projF ⊥ (α u) = α projF ⊥ u, basta portanto mostrar que
∀ w ∈ F, (α u - α projF ⊥ u) w = 0.
Ora, se w ∈ F, tem-se (α u - α projF ⊥ u) w = α(u - projF ⊥ u)) w = 0.
Exemplos
• Determinar a projecção ortogonal de ( x, y ) sobre F = ( x, y ) ∈ ℝ2 : x + y = 0
F = {( x, - x ), x ∈ ℝ} = G({(1, -1)})
1
 (1, -1) é uma base ortonormada de F
2
1 1 x- y
projF ⊥ ( x, y ) = ( x, y ) (1, -1) (1, -1) =
2
(1, -1)
2 2
• Determinar a projecção ortogonal de ( x, y, z) sobre F = ( x, y, z) ∈ ℝ3 : x + y + z = 0

1 1
 (1, 0, -1), (-1, 2, -1) é uma base ortonormada de F
2 6
1 1 1 1
projF ⊥ ( x, y, z) = ( x, y, z) (1, 0, -1) (1, 0, -1) + ( x, y, z) (-1, 2, -1) (-1, 2, -1) =
2 2 6 6
x -z - x +2 y - z 2 x - y - z - x +2 y - z - x - y +2 z
(1, 0, -1) + (-1, 2, -1) =  , , 
2 6 3 3 3
4.5 - Complemento ortogonal de um subespaço
Lema
Sejam E um espaço vectorial real com um produto escalar e A um subconjunto de E; a reunião

do vector nulo com o conjunto dos elementos de E que são ortogonais a todos os elementos de
A ({u ∈ E : ∀ v ∈ A, u v = 0}) é um subespaço de E.
Demonstração
Sejam u1 , u2 ∈ {u ∈ E : ∀ v ∈ A, u v = 0}.
Seja v ∈ A. Então (u1 + u2 ) v = u1 v + u2 v = 0 (porque u1 v = 0 e u2 v = 0).
Conclui-se que u1 + u2 ∈ {u ∈ E : ∀ v ∈ A, u v = 0}.
Sejam u ∈ {u ∈ E : ∀ v ∈ A, u v = 0}, α ∈ ℝ.
Seja v ∈ A. Então (α u) v = α(u v ) = 0.
Conclui-se que α u ∈ {u ∈ E : ∀ v ∈ A, u v = 0}.
Definição
Sejam E um espaço vectorial real com produto escalar, F um subespaço de E e u ∈ E. Chama-se

complemento ortogonal de F em E à reunião do vector nulo com o conjunto dos elementos de
E que são ortogonais a todos os elementos de F.
Notação: F ⊥ = {u ∈ E : ∀ v ∈ F, u v = 0}
Proposição
Sejam E um espaço vectorial real com um produto escalar e F um subespaço de E; se

F = G({u1 , …, uk }), então F ⊥ = {u ∈ E : u u1 = ⋯ = u uk = 0}.
Demonstração
A inclusão F ⊥ ⊂ {u ∈ E : u u1 = ⋯ = uk = 0} é trivial (se u é ortogonal a todos os elementos de F,

então em particular é ortogonal aos elementos u1 , …, uk ).
Seja agora u ∈ E tal que u u1 = ⋯ = u uk = 0 e seja v ∈ F; existem α1 , …, αk ∈ ℝ tais que
v = α1 u1 + ⋯ + αk uk . Então u v = u (α1 u1 + ⋯ + αk uk ) = α1 u u1 + ⋯ + αk u uk = 0. Conclui-se
que u ∈ F ⊥ .
Observação
Resulta do que foi visto antes que
• projF ⊥ u = 0E sse u ∈ F ⊥ , ou seja, F ⊥ é o núcleo da aplicação linear projF ⊥
• para qualquer u ∈ E, u - projF ⊥ u ∈ F ⊥
Para qualquer u ∈ E, tem-se obviamente u = projF ⊥ u + u - projF ⊥ u
∈F ∈ F⊥
Como F ⋂ F ⊥ = {0E } (porque se u ∈ F ⋂ F ⊥ , então u u = 0), resulta que F e F ⊥ são suplementares

em E, ou seja, que E = F ⊕ F ⊥ .
Exemplos
• E = ℝ3 , F = G({(1, 2, 1)})
( x, y, z) ∈ F ⊥ ⇔ ( x, y, z) (1, 2, 1) = 0 ⇔ x + 2 y + z = 0
F ⊥ = ( x, y, z) ∈ ℝ3 : x + 2 y + z = 0
• E = ℝ4 , F = ( x, y, z, t) ∈ ℝ4 : x + y + 2 z = 0 e y - 3 z + t = 0
x+ y+2z=0 x+5z-t=0
 ⇔
y-3z+t=0 y-3z+t=0
F = {{(-5 z + t, 3 z - t, z, t), z, t ∈ ℝ} = {z(-5, 3, 1, 0) + t(1, -1, 0, 1)})
( x, y, z, t) (-5, 3, 1, 0) = 0 -5 x + 3 y + z = 0
( x, y, z, t) ∈ F ⊥ ⇔  ⇔
( x, y, z, t) (1, -1, 0, 1) = 0 x- y+t=0
4
F = ( x, y, z, t) ∈ ℝ : -5 x + 3 y + z = 0 e x - y + t = 0
⊥
4.6 - Produto vectorial em ℝ3

Sejam e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) ∈ ℝ3
Definição
Sejam u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) ∈ ℝ3 ; o produto vectorial de u por v é definido por

u × v = (u2 v3 - u3 v2 , u3 v1 - u1 v3 , u1 v2 - u2 v1 ).
Observação
Pode-se calcular u × v através do desenvolvimento ao longo da primeira linha de um “determ-
inante”:
e1 e2 e3
u × v = det u1 u2 u3 = (u2 v3 - u3 v2 ) e1 + (u3 v1 - u1 v3 ) e2 + (u1 v2 - u2 v1 ) e3
v1 v2 v3
Lema
w1 w2 w3
Sejam u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 ) ∈ ℝ3 ; então w (u × v ) = det u1 u2 u3 .
v1 v2 v3
No caso particular em que w = u × v, vem
w1 w2 w3
det u1 u2 u3 = w (u × v ) = (u × v ) (u × v ) = || u × v ||2 .
v1 v2 v3
Demonstração
Tem-se
w1 w2 w3
det u1 u2 u3 = w1 (u2 v3 - u3 v2 ) + w2 (u3 v1 - u1 v3 ) + w3 (u1 v2 - u2 v1 ) (desenvolvimento ao
v1 v2 v3
longo da primeira linha)
e w (u × v ) = (w1 , w2 , w3 ) (u2 v3 - u3 v2 , u3 v1 - u1 v3 , u1 v2 - u2 v1 ) =
w1 (u2 v3 - u3 v2 ) + w2 (u3 v1 - u1 v3 ) + w3 (u1 v2 - u2 v1 )
Caracterização geométrica de u × v
Sejam u, v ∈ ℝ3 .
• u × v é o vector nulo sse u, v são colineares
• Se u, v não são colineares, u × v é ortogonal a u e a v.
• || u × v || = || u || || v || senθ, onde θ é o ângulo entre u e v
• || u × v || é a área do paralelogramo definido por u e v.
θ
u
• o sentido de u × v é dado pela regra do saca-rolhas

(u1 ,u2 ) u3
(v1 ,v2 ) v3
Propriedades
Sejam u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 ) ∈ ℝ3 , α ∈ ℝ

Tem-se
• u ×(v + w) = u × v + u × w
• (α u)× v = u ×(α v ) = α (u × v )
• u × v = -v × u
• (u × v ) w = (v × w) u = (w × u) v = -(v × u) w = -(w × v ) u = -(u × w) v
• O volume do paralelepípedo gerado por u, v, w é w u×v .
volumeparalelepípedo = área da base × altura

= área (paralelogramo)× || projecção de w sobre u × v ||
u× v
= || u × v || × w
||u×v ||
= w u×v
• Se u, v não são colineares, então (u, v, u × v ) é uma base de ℝ3 e a matriz de passagem desta base
para a base canónica tem determinante positivo (diz-se que a base (u, v, w) tem a mesma orien-
tação da base canónica).

ALGAI M1010 2324 PDF

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

ALGAI M1010 2324 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Álgebra Linear e Geometria

0 - Sistemas de equações lineares

◼ Diz-se que o sistema é homogéneo sse todos os b j são nulos.

◼ (c1 , . . . , cn ) é solução do sistema se substituindo cada x j por c j se obtêm igualdades verdadeiras.

◼ Dois sistemas dizem-se equivalentes sse tiverem o mesmo conjunto de soluções.

◼ Um sistema homogéneo é sempre possível (porquê?); pode ser determinado ou indeterminado.

Sistema possível e determinado

sistema possível e determinado

Resolução de sistemas (método de eliminação ou método de Gauss)

obtém-se um sistema de equações equivalente (porquê?).

2x+ y-z=1 6x+3y=7

◼ Efeito destas operações sobre as matrizes:

2x+ y-z=1 6x+3y=7 2 1 -1 1 6 3 0 7

Algoritmo para resolver um sistema (operações descritas sobre a matriz do sistema)

Exemplo de resolução de sistema 1

Sistema possível e determinado solução: ( 13 ,7,1

Exemplo de resolução de sistema 2

Sistema possível e indeterminado soluções: ( 32 - 12 a,- 12 + 32 a,a), a∈ℝ

Exemplo de resolução de sistema 3

Sistema possível e indeterminado

Exemplo de resolução de sistema 4

Exemplo de resolução de sistema 5

1º caso : a2 -4≠0, isto é, a≠2 e a≠-2

Exemplo de resolução de sistema 6

1º caso : a2 - 2 a + 2≠0, isto é, a≠1+i e a≠1-i

Sistema possível e determinado; Solução: ( a-i-2 ,

Espaço vectorial sobre  (onde  = ℝ ou  = ℂ)

Vamos considerar dois tipos de operações num conjunto E ≠ ∅:

Um espaço vectorial sobre  é um tripleto (E,#,·), onde

Observações: Seja (E,,·) um espaço vectorial sobre 

Espaços vectoriais reais - Exemplos

Operações vistas anteriormente;o vector nulo é (0,0);o simétrico de (x,y) é (-x,-y)

Operações vistas anteriormente; o vector nulo é (0,0,0); o simétrico de (x,y,z) é (-x,-y,-z)

Operações definidas por ( x1 , ..., xn )  ( y1 , ..., yn ) =

Mm,n (ℝ) : matrizes de coeficientes reais de m linhas e n colunas

Polinómios de coeficientes reais (notação: ℝ[X ]

F(A,ℝ) : funções de A em ℝ, onde A é qualquer conjunto

Sucessões de números reais

Espaços vectoriais complexos - Exemplos

Operações definidas por ( x1 , ..., xn )  ( y1 , ..., yn ) = ( x1 + y1 , ..., xn + yn ) ,

Mm,n (ℂ) : matrizes de coeficientes complexos de m linhas e n colunas

Polinómios de coeficientes reais (notação: ℂ[X ]

F(A,ℂ) : funções de A em ℂ, onde A é qualquer conjunto

Sucessões de números complexos

Espaços vectoriais reais - Mais exemplos

Operações definidas por ( x1 , ..., xn ) ( y1 , ..., yn ) =

Mm,n (ℂ) : matrizes de coeficientes complexos de m linhas e n colunas

Polinómios de coeficientes reais (notação: ℂ[X ]

F(A,ℂ) : funções de A em ℂ, onde A é qualquer conjunto

Sucessões de números complexos

Normalmente escreve-se + em vez de #, αu em vez de α · u e u-v em vez de u(-v).

Seja (E,#,·) um espaço vectorial sobre ; para quaisquer u,v,w∈E, α,β,∈

Suponhamos α = 0; tem - se α · u = 0 · u, e 0 · u = (0 + 0)· u = 0 · u + 0 · u;

Sejam (E,+,·) um espaço vectorial sobre  e u1 , ..., un ∈ E; chamam-se combinações lineares de

Observação: 0E é combinação linear de quaisquer u1 , ..., un (porquê?).

Desloque o vector preto e depois

O sistema nas incógnitas a,b é possível sse x-y+z=0.

Combinações lineares das funções seno e cosseno

1.2 - Subespaços vectoriais e geradores

Sejam (E,+,·) um espaço vectorial sobre  e F um subconjunto não vazio de E.

• F é estável para o produto por escalares

• F é estável para o produto por escalares

• 0 · u ∈ F porque F é estável para ·