Escolar Documentos
Profissional Documentos
Cultura Documentos
18 de novembro de 2023
Cursos: EIC, EC, EM, EQB, EA, EARN Faculdade de Ciências & Tecnologia Ano Lectivo: 2023/24
Conteúdo
2 Subespaço vetorial 20
2.1 Representação de um subespaço vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2 Interseção de subespaços vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Reunião de subespaços . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4 Soma/soma direta de subespaços . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5 Subespaço complementar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.6 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5 Espaço euclidiano 42
5.1 Processo de ortogonalização de Gram-Schmitd . . . . . . . . . . . . . . . . . . . . . . 42
5.2 Matriz da métrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3 Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4 Projeção ortogonal sobre um subespaço . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.5 Distância . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.6 Produto externo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.7 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Definição 1.1 (Espaço vetorial). Seja V um conjunto qualquer, diferente de vazio. Diz-se que V é
um espaço vetorial sobre um corpo F quando:
A Define-se em V uma operação binária, chamada adição, e representada pelo sı́mbolo “+”, que goze
das seguintes propriedades:
ME Define-se uma operação, chamada multiplicação por escalar, tal que ∀⃗v ∈ V , ∀λ ∈ F, tem-se
λ⃗v ∈ V , e que goze das seguintes propriedades:
Quando estas condições se verificam, os elementos de V (qualquer que seja a sua natureza) tomam
o nome de vetores, enquanto os elementos do corpo F se chamam escalares. O elemento neutro da
adição em V chama-se vetor nulo. Quando F = R, o espaço vetorial diz-se real.
1.1) O conjunto R é um espaço vetorial real com a adição e a multiplicação, usuais, de números reais.
Rn = {(x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ R}
⃗v + ⃗u = (v1 + u1 , v2 + u2 , . . . , vn + un ) ;
Particularmente, tem-se:
• O espaço vetorial real R2 = {(x1 , x2 ) : x1 , x2 ∈ R} pode ser visto como conjunto dos pontos
P = (x1 , x2 ) do plano Oxy, ou como conjunto dos vetores geométricos do plano Oxy, com
−−→
origens no ponto O = (0, 0) e extremidades em pontos P = (x1 , x2 ) ∈ R2 , isto é, OP .
• O espaço vetorial real R3 = {(x1 , x2 , x3 ) : x1 , x2 , x3 ∈ R} pode ser visto como conjunto dos pontos
P = (x1 , x2 , x3 ) do espaço Oxyz, ou como conjunto dos vetores geométricos do espaço Oxyz,
−−→
com origens no ponto O = (0, 0, 0) e extremidades em pontos P = (x1 , x2 , x3 ) ∈ R3 , isto é, OP .
Recorda-se que dois vetores no plano (no espaço) são equivalentes se têm a mesma direção, o mesmo
sentido e o mesmo comprimento. Dois vetores equivalentes são considerados iguais, ainda que ocupam
lugares diferentes do plano (ou no espaço), pois um vetor é determinado pela sua direção, seu sentido
e seu comprimento. Então, qualquer vetor do plano (ou do espaço) é equivalente (igual) a um, e a um
−−→
só, vetor OP . Para ser mais concreto, dados dois pontos, A e B, do plano (ou do espaço) tem-se:
−−→ −−→
AB = OP , onde P = B − A.
1.3) Seja P o conjunto dos polinómios de coeficientes reais. P é um espaço vetorial real, com a adição
usual de polinómios e a multiplicação usual de um número real por um polinómio, isto é:
Adição (usual): ∀ p(x) = an xn + . . . + a2 x2 + a1 x + a0 , q(x) = bm xm + . . . + b2 x2 + b1 x + b0 ∈ P ,
de grau n e m , respetivamente, com m ≥ n, tem-se
1.4) Seja n ∈ N0 . O conjunto Pn que consiste de todos os polinómios de grau não superior a n, isto
é, n o
Pn = an xn + an−1 xn−1 + · · · + a1 x + a0 : an , an−1 , . . . , a1 , a0 ∈ R ,
é um espaço vetorial real, com a adição usual de polinómios e a multiplicação usual de um
número real por um polinómio.
−p(x) = −an xn − . . . − a2 x2 − a1 x − a0 .
Casos particulares:
• O espaço vetorial real P0 coincide com o espaço vetorial real R;
• O espaço vetorial real P1 = {ax + b : a, b ∈ R}, é constituido de todos os polinómios, de
coeficientes reais, de grau 1 e de todos os números reais;
• O espaço vetorial P2 = ax2 + bx + c : a, b, c ∈ R é constituido de todos os polinómios, de
coeficientes reais, de grau 2, grau 1 e todos os números reais. E assim, por diante.
1.5) Seja V um espaço vetorial real arbitrário. Por Definição 1.1, ⃗0 em V . Então, o conjunto W = {⃗0}
é um espaço vetorial real, denominado espaço vetorial nulo, se se define a adição e a multiplicação
por escalar, conforme o que se segue:
⃗0 + ⃗0 = ⃗0;
λ⃗0 = ⃗0, ∀λ ∈ R.
1.6) Seja D ⊆ R, D ̸= ∅. Seja F [D] o conjunto de todas as funções reais de domı́nio D. ∀f, g ∈ F [D],
∀λ ∈ R, define-se a adição em F [D] e a multiplicação por escalar, como se segue, na ordem
respetiva:
f +g : D → R
x ,→ (f + g) (x) = f (x) + g(x) (adição usual de funções)
.
λf : D → R
x ,→ (λf ) (x) = λf (x) (multiplicação usual de uma função por um escalar real)
F [D] é um espaço vetorial com a adição e multiplicação por escalar definidas acima.
1.7) O conjunto de matrizes reais de dimensão m × n, Rm×n (m , n ∈ N), com a adição usual de
matrizes e a multiplicação usual de um número real por uma matriz, é um espaço vetorial real.
Definição 1.2 (Subtração num espaço vetorial). Seja V um espaço vetorial real. Então, para quais-
quer ⃗u, ⃗v ∈ V , tem-se
⃗u − ⃗v = ⃗u + (−⃗v ) .
Teorema 1.1 (Cancelamento). Seja V um espaço vetorial real. Para quaisquer ⃗u, ⃗v , w
⃗ ∈ V , tem-se
⃗u + w
⃗ = ⃗v + w
⃗ se, e somente se, ⃗u = ⃗v .
Teorema 1.2 (Propriedades de um Espaço vetorial). Seja V um espaço vetorial real. Para quaisquer
vetores ⃗u, ⃗v ∈ V , para todo λ ∈ R, tem-se:
Definição 1.3 (Combinação linear). Seja V um espaço vetorial real. Diz-se que um vetor ⃗v ∈ V é
uma combinação linear dos vetores v⃗1 , v⃗2 , . . . , v⃗n ∈ V , se existem escalares λ1 , λ2 , . . . , λn ∈ R, tais que
Exemplo 1.1. No espaço vetorial real R3 , com as operações usuais, o vetor ⃗v = (−2, 2, 5) é com-
binação linear dos vetores v⃗1 = (1, 1, 1) , v⃗2 = (1, 1, 0) , v⃗3 = (1, 0, 1) ∈ R3 ?
Então, ⃗v é combinação linear dos vetores v⃗1 , v⃗2 , v⃗3 se o SEL (1.1) é possı́vel.
1 1 1 −2 1 1 1 −2 1 1 1 −2
[A|B] = 1 1 0 2 −→ 0 0 −1 4 −→ 0 −1 0 7
L2 ←L2 −L1 L2 ↔L3
1 0 1 5 L3 ←L3 −L1 0 −1 0 7 0 0 −1 4
1 0 1 5 1 0 0 9
−→ 0 1 0 −7 −→ 0 1 0 −7
L1 ←L1 +L2 L1 ←L1 −L3
L2 ←−1L2 0 0 1 −4 0 0 1 −4
L3 ←−1L3
Assim, ⃗v é combinação linear dos vetores v⃗1 , v⃗2 , v⃗3 , pois o SEL (1.1) é possı́vel. Mais ainda,
Nota 1.1. As colunas da matriz ampliada do sistema anterior, ⃗v = λ1 v⃗1 + λ2 v⃗2 + λ3 v⃗3 , são compostas
da seguinte forma: 1ª coluna é formada pelas componentes do vetor v⃗1 , 2ª coluna, pelas componentes
de v⃗2 , 3ª coluna, pelas componentes de v⃗3 e a última coluna (coluna dos termos independentes), pelas
componentes do vetor ⃗v .
De uma forma geral, a matriz ampliada de um sistema nas incógnitas λ1 , λ2 , . . . , λn , da forma
(b1 , b2 , . . . , bn ) = λ1 a1 (1) , a2 (1) , . . . , an (1) +λ2 a1 (2) , a2 (2) , . . . , an (2) +· · ·+λn a1 (n) , a2 (n) , . . . , an (n)
é
a1 (1) a1 (2) a1 (n)
··· b1
a2 (1) a2 (2) ··· a2 (n) b2
[A|B] =
.. .. .. .. .. .
. . . . .
an (1) an (2) · · · an (n) bn
Exemplo 1.2. No espaço vetorial real P, considera-se os vetores
Resolução do Exemplo 1.2. O vetor v⃗1 é combinação linear dos vetores v⃗2 , v⃗3 , v⃗4 se existem escalares
reais λ1 , λ2 , λ3 tais que:
v⃗1 = λ1 v⃗2 + λ2 v⃗3 + λ3 v⃗4 .
Então, o vetor v⃗1 é combinação linear dos vetores v⃗2 , v⃗3 , v⃗4 se o SEL (1.2) é possı́vel.
1 −1 −5 −1 1 −1 −5 −1 1 0 −1 1
0 −1 −4 −2 0 1 4 2 0 1 4 2
[A|B] = −→ −→
3 −1 −7 1 L2 ←−L2 0 2 8 4 L1 ←L1 +L2 0 0 0 0
L3 ←L3 −3L1 L3 ←L3 −2L2
−1 1 5 1 L4 ←L4 +L1 0 0 0 0 0 0 0 0
λ 1 = 1 + β
Assim, λ = 2 − 4β
2 . Logo, v⃗1 é combinação linear dos vetores v⃗2 , v⃗3 , v⃗4 . Mais ainda,
λ = β ∈ R
3
Nota 1.2. As colunas da matriz ampliada do sistema anterior, v⃗1 = λ1 v⃗2 +λ2 v⃗3 +λ3 v⃗4 , são compostas
da seguinte forma: 1ª coluna é formada pelos coeficientes do polinómio v⃗2 , 2ª coluna, pelos coeficientes
do polinómio v⃗3 , 3ª coluna, pelos coeficientes do polinómio v⃗4 e a última coluna (coluna dos termos
independentes), pelos coeficientes do polinómio v⃗1 .
De uma forma geral, a matriz ampliada de um sistema nas incógnitas λ1 , λ2 , . . . , λn , da forma
é
an (1) an (2) an (n)
··· bn
an−1 (1) an−1 (2) ··· an−1 (n) bn−1
.. .. .. .. ..
[A|B] = , onde:
. . . . .
a1 (1) a1 (2) ··· a1 (n) b1
a0 (1) a0 (2) ··· a0 (n) b0
e “ n” é o grau máximo, entre os graus dos polinómios p(x), p1 (x), p2 (x), . . . , pn (x).
nas incógnitas λ1 , λ2 , λ3 .
A sua matriz ampliada é
1 0 0 0
[A|B] = −1 1 1 3 .
1 1 2 1
Definição 1.4 (Combinação linear nula trivial). Seja um espaço vetorial real V , e sejam os vetores
v⃗1 , v⃗2 , . . . , v⃗n ∈ V . A combinação linear nula,
Definição 1.5 (Sistema de vetores equivalentes). Seja V um espaço vetorial real. Sejam
dois sistemas de vetores contidos em V . Diz-se que o sistema de vetores S é equivalente ao sistema
de vetores S ′ , e escreve-se S ≈ S ′ , se ∀i ∈ {1, 2, . . . , p}, tem-se vi é combinação linear dos vetores
v1′ , v2′ , . . . , vr′ , e, ∀j ∈ {1, 2, . . . , r}, tem-se vj′ é combinação linear dos vetores v1 , v2 , . . . , vp .
Exemplo 1.4. No espaço vetorial real R2 , com as operações usuais, os sistemas de vetores
Assim, tem-se:
Os SELs (1.5), (1.6) e (1.7) podem ser resolvidos, simultaneamente, da seguinte forma:
" # " # " #
1 2 1 2 3 1 2 1 2 3 1 0 −1 −4 −5
−→ −→
2 3 1 1 2 L2 ←L2 −2L1 0 −1 −1 −3 −4 L1 ←L1 +2L2 0 1 1 3 4
L2 ←−1L2
λ1 = −1 β1 = −4 γ1 = −5
( ( (
↔ ∧ ∧ .
λ2 = 1 β2 = 3 γ2 = 4
Teorema 1.3 (Propriedades de equivalência de vetores). Seja V um espaço vetorial real. Então, são
válidas para vetores arbitrários, as seguintes propriedades:
E2 Se {v⃗1 , v⃗2 , . . . , v⃗p } ≈ {u⃗1 , u⃗2 , . . . , u⃗r }, então {u⃗1 , u⃗2 , . . . , u⃗r } ≈ {v⃗1 , v⃗2 , . . . , v⃗p } (Simetria);
E3 Se {v⃗1 , v⃗2 , . . . , v⃗p } ≈ {u⃗1 , u⃗2 , . . . , u⃗r } e {u⃗1 , u⃗2 , · · · , u⃗r } ≈ {w⃗1 , w⃗2 , . . . , w
⃗t } , então
⃗t } (Transitividade);
{v⃗1 , v⃗2 , . . . , v⃗p } ≈ {w⃗1 , w⃗2 , . . . , w
E5 {v⃗1 , v⃗2 , . . . , v⃗i , . . . , v⃗j , . . . , v⃗p } ≈ {v⃗1 , v⃗2 , . . . , v⃗i , . . . , λ · v⃗i + v⃗j , . . . , v⃗p }, λ ∈ R (sistema de vetores
obtido a partir do primeiro, substituindo o vetor v⃗j pela sua soma com o múltiplo escalar do vetor
v⃗i , onde i e j são ı́ndices arbitrários);
E6 Se {v⃗1 , v⃗2 , . . . , v⃗p } ≈ {u⃗1 , u⃗2 , . . . , u⃗r } e se um vetor ⃗v é combinação linear de v⃗1 , v⃗2 , . . . , v⃗p , então
⃗v é combinação linear de u⃗1 , u⃗2 , . . . , u⃗r .
Nota 1.3. A aplicação sucessiva das propriedades E4 e E5 permite obter sistemas equivalentes a um
dado sistema de vetores. Por exemplo, em R3 são equivalentes os seguintes sistemas de vetores:
{(1, 0, 0) , (0, 1, 0) , (0, 0, 1)} ≈ {(2, 0, 0) , (0, 3, 0) , (0, 0, −1)} (Prop. E4 , 3 vezes)
≈ {(2, 3, −1) , (0, 3, −2) , (0, 0, −1)} (Prop. E5 , 3 vezes)
≈ {(2, 3, −1) , (0, 3, −2) , (0, −3, 1)} (Prop. E5 , 1 vez)
Definição 1.6 (Gerador de um espaço vetorial). Seja V um espaço vetorial real. Quando qualquer
vetor ⃗v ∈ V é combinação linear de um sistema de vetores v⃗1 , v⃗2 , . . . , v⃗n ∈ V , diz-se que v⃗1 , v⃗2 , . . . , v⃗n
são geradores de V e, escreve-se:
V = ⟨v⃗1 , v⃗2 , . . . , v⃗n ⟩.
Exemplo 1.5. Seja o espaço vetorial real R3 , com as operações usuais. Considere os vetores
R3 não é gerado por v⃗1 , v⃗2 , v⃗3 , ou seja, R3 ̸= ⟨v⃗1 , v⃗2 , v⃗3 ⟩.
Verificação. R3 é gerado pelos vetores v⃗1 , v⃗2 e v⃗3 , se para todo (x, y, z) ∈ R3 , tem-se (x, y, z) é com-
binação linear dos vetores v⃗1 , v⃗2 e v⃗3 , ou seja, existem números reais λ1 , λ2 , λ3 ∈ R, tais que
(x, y, z) = λ1 v⃗1 + λ2 v⃗2 + λ3 v⃗3 ⇔ (x, y, z) = λ1 (1, 2, 1) + λ2 (2, 1, 1) + λ3 (1, −1, 0) . (1.8)
1 2 1 x 1 2 1 x 1 2 1 x
[A|B] = 2 1 −1 y −→ 0 −3 −3 y − 2x −→ 0 −1 −1 z − x
L2 ←L2 −2L1 L2 ↔L3
1 1 0 z L3 ←L3 −L1 0 −1 −1 z − x 0 −3 −3 y − 2x
1 2 1 x
−→ 0 1 1 x−z .
L3 ←L3 −3L2
L2 ←−L2 0 0 0 x + y − 3z
Então, o SEL (1.8) é possı́vel se, e somente se, x + y − 3z = 0, ou seja, x = 3z − y. Logo, os vetores
(x, y, z) ∈ R3 que são combinações lineares de v⃗1 , v⃗2 e v⃗3 são os que satisfazem a condição x = 3z − y,
com y, z ∈ R. Assim, para quaisquer y, z ∈ R, se x ̸= 3z − y, então (x, y, z) ∈ R3 não é combinação
linear de v⃗1 , v⃗2 e v⃗3 , consequentemente, tem-se:
Exemplo 1.6. Seja o espaço vetorial real R3 , com as operações usuais, e sejam os vetores
Então, R3 = ⟨v⃗1 , v⃗2 , v⃗3 ⟩, ou seja, R3 é gerado pelos vetores v⃗1 , v⃗2 e v⃗3 .
Verificação. R3 é gerado pelos vetores v⃗1 , v⃗2 e v⃗3 , se para todo (x, y, z) ∈ R3 , tem-se (x, y, z) é com-
binação linear dos vetores v⃗1 , v⃗2 e v⃗3 , ou seja, existem números reais λ1 , λ2 , λ3 ∈ R, tais que
(x, y, z) = λ1 v⃗1 + λ2 v⃗2 + λ3 v⃗3 ⇔ (x, y, z) = λ1 (1, 1, −2) + λ2 (1, 1, 1) + λ3 (−1, 1, 1) . (1.9)
1 1 −1 x 1 1 −1 x 1 1 −1 x
[A|B] = 1 1 1 y −→ 0 0 2 y − x −→ 0 3 −1 2x + z .
L2 ←L2 −L1 L2 ↔L3
−2 1 1 z L3 ←L3 +2L1 0 3 −1 2x + z 0 0 2 y−x
x3 , x2 , x, 1
Definição 1.8 (Dependência e independência linear). Seja V um espaço vetorial real, e sejam os
vetores ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V . Diz-se que:
Ou seja, a única combinação linear nula possı́vel dos vetores ⃗v1 , ⃗v2 , . . . , ⃗vn é a trivial (a que tem
os escalares todos nulos).
P2 ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V são linearmente dependentes se existem escalares reais, λ1 , λ2 , . . . , λn , não
todos nulos, tais que:
λ1⃗v1 + λ2⃗v2 + . . . + λn⃗vn = ⃗0. (1.11)
Ou seja, para além da combinação linear nula trivial (que existe sempre), existem outras com-
binações lineares nulas (com pelo menos um escalar não nulo) dos vetores v⃗1 , ⃗v2 , . . . , ⃗vn .
1 −2 1 λ1 0
1 −2 1
1 1 1 = 1 + 1 + 2 − (1 − 2 − 1) = 6,
1 1 1
logo o SH (1.12) tem uma só solução, λ1 = λ2 = λ3 = 0 e, por conseguinte, os vetores v⃗1 , v⃗2 e v⃗3 são
linearmente independentes.
1 −2 0 λ1 0
Teorema 1.5 (Propriedades da dependência e independência linear). Seja V um espaço vetorial real.
Então:
P2 Os vetores ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V , com n ∈ N, n > 1, são linearmente dependentes se, e somente se,
algum deles se pode obter como combinação linear dos restantes. Em particular, dois vetores,
⃗u, ⃗v ∈ V , são linearmente dependentes se, e somente se, são proporcionais (⃗v = λ⃗u, para algum
λ ∈ R). Equivalentemente, ⃗u, ⃗v ∈ V são linearmente independentes se, e somente se, não são
proporcionais.
P5 Qualquer sistema de vetores que inclua o vetor nulo, ⃗0, é linearmente dependente.
P6 Se os vetores ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V são linearmente independentes, então ⃗v1 , ⃗v2 , . . . , ⃗vn , ⃗v , v ∈ V são
linearmente dependentes se, e somente se, ⃗v é combinação linear de ⃗v1 , ⃗v2 , . . . , ⃗vn .
P8 Se os vetores ⃗v1 , ⃗v2 , . . . , ⃗vi , . . . , ⃗vj , . . . , ⃗vn ∈ V são linearmente independentes, então
Nota 1.4. A aplicação sucessiva das propriedades P7 e P8 permite obter sistemas de vetores linear-
mente independentes a partir de um dado sistema de vetores linearmente independentes. Por exemplo,
no espaço vetorial R2 , os vetores (1, −1) e (2, 1) são linearmente independente, logo os vetores (2, −2)
e (6, −3) são linearmente independentes.
Teorema 1.6 (Critério da independência linear). Seja V um espaço vetorial real. Os vetores
são linearmente independentes se, e somente se, qualquer vetor ⃗v ∈ V que se possa expressar como
combinação linear deles tem, nessa expressão, coeficientes únicos.
Proposição 1.7. Num espaço vetorial de dimensão n ∈ N, vetores são linearmente independen-
tes/dependentes se, e só se, os seus componentes, em relação à uma determinada base, são indepen-
dentes/dependentes em Rn .
Seja a matriz real A, cujas colunas são formadas pelas componentes dos vetores ⃗v1 , ⃗v2 , ⃗v3 e ⃗v4 , em
relação à base B:
1 3 1 1
0 −2 −1 −1
A= .
−2 −2 0 2
1 3 1 −1
Com vista a aplicação C.2, reduz-se a matriz A à forma escalonada:
1 3 1 1 1 3 1 1 1 3 1 1
0 −2 −1 −1 0 −2 −1 −1 0 −2 −1 −1
A= −→ −→
−2 −2 0 2 L3 ←L3 +2L1 0 4 2 4 L3 ←L3 +2L2 0 0 0 2
1 3 1 −1 L4 ←L4 −L1 0 0 0 2 0 0 0 −2
1 3 1 1
0 −2 −1 −1
−→ .
0 0 0 2
L4 ←L4 +L3
0 0 0 0
Como c (A) = 3, então dos quatro vetores, três são linearmente independentes, ⃗v1 , ⃗v2 e ⃗v4 (os que
correspondem às colunas dos pivots, na matriz escalonada).
Definição 1.9 (Definição de subsistema independente maximal). Seja V um espaço vetorial real, e
seja S um sistema de vetores, não todos nulos, de V . Um subsistema Sm de S diz-se independente
maximal, se é independente, mas se torna dependente se lhe acrescentar qualquer outro vetor de S.
Teorema 1.8. Seja V um espaço vetorial real. Seja
S = {⃗v1 , ⃗v2 , . . . , ⃗vk }
um sistema de vetores, não todos nulos, de V . Então, existe um subsistema maximal Sm de V .
Mais ainda, todo subsistema independente maximal de S tem o mesmo número de vetores.
Exemplo 1.12. De acordo com o Exemplo 1.11, dado S = {⃗v1 , ⃗v2 , ⃗v3 , ⃗v4 }, tem-se Sm = {⃗v1 , ⃗v2 , ⃗v4 } é
um seu subsistema independente maximal.
Definição 1.10 (Definição da caracterı́stica de um sistema de vetores). Seja S um sistema de vetores,
não todos nulos, dum espaço vetorial real V . Chama-se caracterı́stica de S, e representa-se por c(S),
ao número de vetores de um seu subsistema independente maximal.
Exemplo 1.13. Seja S = {⃗v1 , ⃗v2 , ⃗v3 , ⃗v4 }, de acordo com o Exemplo 1.11. Então, c (S) = 3.
Teorema 1.9. Seja S = {⃗v1 , ⃗v2 , ⃗v3 , . . . , ⃗vr , ⃗vr+1 , . . . , v⃗k } um sistema de vetores num espaço vetorial
real V , não todos nulos. Seja Sm um seu subsistema independente maximal. Então, S ≈ Sm .
Teorema 1.10. Num espaço vetorial real V , dois sistemas equivalentes de vetores têm a mesma
caracterı́stica.
Definição 1.11 (Base de um espaço vetorial). Seja V um espaço vetorial real, não nulo e finitamente
gerado. Chama-se base de V , a um sistema de geradores de V linearmente independentes.
n o
Por convenção, o espaço vetorial nulo, V = ⃗0 , tem como base o conjunto vazio, ∅.
n o
Nota 1.5. Nota-se que no espaço vetorial nulo, V = ⃗0 , não há vetores linearmente independentes.
No entanto, este espaço é finitamente gerado, já que
n o D E
V = ⃗0 = ⃗0 .
Nota 1.6. Por convenção, os vetores de uma base consideram-se escritos por uma ordem determinada,
pelo que os mesmos vetores, por uma outra ordem, formam uma base diferente da primeira.
Teorema 1.11. Todo espaço vetorial real V , finitamente gerado, tem pelo menos uma base.
Teorema 1.12. Duas bases de um espaço vetorial real V , finitamente gerado, têm o mesmo número
de vetores.
Definição 1.12 (Dimensão de um espaço vetorial). Chama-se dimensão de um espaço vetorial real
V , finitamente gerado, e representa-se por dim (V ), ao número de vetores de uma sua base qualquer.
Um espaço vetorial finitamente gerado (isto é, que admite um número finito de geradores) diz-se de
dimensão finita, enquanto que um espaço vetorial que não seja finitamente gerado diz-se de dimensão
infinita.
Teorema 1.13. Seja V um espaço vetorial real, de dimensão n. Então:
Verificação do Exemplo 1.14. Como B é composto por 3 vetores e dim R3 = 3, então (pelo Teorema
Mas,
1 0 2 0
λ1
λ1⃗v1 + λ2⃗v2 + λ3⃗v3 = ⃗0 ⇔ AX = B ⇔ −1 1 −2 λ2 = 0 . (1.14)
2 1 1 λ3 0
Dado que
1 0 2
A = −1 1 −2 = 1 − 2 − (4 − 2) = −3,
2 1 1
então o SH (1.14) tem uma única solução. Consequentemente, λ1 = λ2 = λ3 = 0, ou seja, B é linear-
mente independente, logo constitui uma base de R3 .
As componentes dum vetor ⃗v = (x, y, z) ∈ R3 , na base B = {⃗v1 , ⃗v2 , v⃗4 }, é (λ1 , λ2 , λ3 ), tal que
1 0 2 x 1 0 2 x
[A|B] = −1 1 −2 y −→ 0 1 0 x+y −→
L2 ←L2 +L1 L3 ←L3 −L2
2 1 1 z L3 ←L3 −2L1 0 1 −3 −2x + z
1 0 2 x 1 0 0 (2z − 3x − 2y) /3
0 1 0 x+y −→ 0 1 0 x+y
L1 ←L1 +2/3L3
0 0 −3 −3x − y + z L3 ←−1/3L3 0 0 1 (3x + y − z) /3
λ1 = (2z − 3x − 2y) /3
↔ 2 λ =x+y .
λ = (3x + y − z) /3
3
2z − 3x − 2y 3x + y − z
Assim, (x, y, z) ≡B , x + y, .
3 3
Exemplo 1.15. No espaço vetorial real P2 , seja B = x2, x − 1, −x2 + 2 . Então, B é base de P2 .
−9 −3
As componentes do vetor ⃗v = −3x2 − x − 2, na base B, é , −1, .
2 2
Verificação do Exemplo 1.15. Como B é composto por 3 vetores e dim P2 = 3, então B é base de
P2 se é linearmente independente.
B é linearmente independente se
λ1 x2 + λ2 (x − 1) + λ3 −x2 + 2 = 0 ⇒ λ1 = λ2 = λ3 = 0. (1.16)
Tem-se,
1 0 −1 λ1 0
λ1 x2 + λ2 (x − 1) + λ3 −x2 + 2 = 0 ⇔ 0 1 0 λ2 = 0 . (1.17)
0 −1 2 λ3 0
Como
1 0 −1
1 0
0 1 0 = = 2,
−1 2
0 −1 2
então o sistema homogéneo (1.17) é possı́vel determinado, ou seja, λ1 = λ2 = λ3 = 0.
Assim, B = x2 , x − 1, −x2 + 2 é linearmente independente, logo B constitui uma base de P2 .
Como
9 3 2 9 3
− x2 − 1 (x − 1) − −x + 2 = − x2 − x + 1 + x2 − 3
2 2 2 2
= −3x2 − x − 2,
9 3
então ⃗v = −3x2 − x − 2 ≡B − , −1, − .
2 2
B2 Para n ∈ N, n > 1, a base canónica do espaço vetorial real Rn , com as operações usuais, é o
sistema B com n vetores, de acordo com o seguinte:
⃗v = x1 i + x2 j ou ⃗v = vx i + vy j.
⃗v = (vx , vy ) = vx i + vy j e ⃗ = (wx , wy ) = wx i + wy j.
w
Soma:
⃗v + w
⃗ = (vx , vy ) + (wx , wy ) = (vx + wx , vy + wy )
= (vx + wx ) i + (vy + wy ) j = (vx i + vy j) + (wx i + wy j) .
Para o espaço vetorial real R3 , a base canónica é B = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)}.
⃗v = x1 i + x2 j + x3 k ou ⃗v = vx i + vy j + xz k.
⃗v = (vx , vy , vz ) = vx i + vy j + vz k e ⃗ = (wx , wy , wz ) = wx i + wy j + wz k.
w
Soma:
⃗v + w
⃗ = (vx , vy , vz ) + (wx , wy , wz ) = (vx + wx , vy + wy , vz + wz )
= (vx + wx ) i + (vy + wy ) j + (vz + wz ) k = (vx i + vy j + vz ) + (wx i + wy j + wz k) .
B3 Para n ∈ N0 , a base canónica do espaço vetorial real Pn (conjunto dos polinómios de coeficientes
reais e de graus não superiores a n), é o sistema B com n + 1 vetores,
n o
B = xn , . . . , x3 , x2 , x, 1 .
Se se considerar uma outra base de R3 ,o mesmo vetor, p(x) = x3 − x2 + 2, tem outras componentes em
relação à essa base. Por exemplo, seja B ′ = x3 − x2 + 1, 2x3 − x2 + 2, 2x − 3, 2x3 − x2 + 2x uma
outra base de P3 . Então, p(x) ≡B ′ (1, −1, −1, 1).
Exemplo 1.17. Seja ⃗v = −2i + 3j − 4k um vetor do espaço vetorial real R3 . Em relação à base
canónica, B = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)}, tem-se
Mas, considerando uma outra base, por exemplo, B ′ = {(1, 1, 0) , (2, 3, 1) , (−1, −1, 1)}, tem-se
e ⃗u ̸= ⃗0. Se
⃗u = λ1⃗v1 + λ2⃗v2 + · · · + λi−1⃗vi−1 + λi⃗vi + λi+1⃗vi+1 + · · · + λk⃗vk
com algum λi ̸= 0, i ∈ {1, 2, . . . , k}, então
{⃗v1 , ⃗v2 , . . . , ⃗vi−1 , ⃗vi , ⃗vi+1 , . . . , ⃗vk } ≈ {⃗v1 , ⃗v2 , . . . , ⃗vi−1 , ⃗u, ⃗vi+1 , . . . , ⃗vk } .
Teorema 1.15 (Teorema de Steinitz). Sejam ⃗u1 , ⃗u2 , . . . , ⃗up vetores linearmente independentes de um
espaço vetorial real V . Suponha-se que cada um dos vetores ⃗ui , i = 1, 2, . . . , p, é combinação linear
de certos vetores ⃗v1 , ⃗v2 , . . . , ⃗vk . Então, é possı́vel substituir p dos vetores ⃗v1 , ⃗v2 , . . . , ⃗vk , pelos vetores
⃗u1 , ⃗u2 , . . . , ⃗up e obter, deste modo, um sistema equivalente a {⃗v1 , ⃗v2 , . . . , ⃗vk }.
Exemplo 1.18. No espaço vetorial real R3 , com as operações usuais, seja
S = {⃗v1 = (1, 1, 2) , ⃗v2 = (−2, 1, 1) , ⃗v3 = (1, −1, 1)} .
Como os vetores
⃗u1 = (2, 0, 3) , ⃗u2 = (−1, 0, 2)
são linearmente independentes e são combinações lineares dos vetores de S, então, segundo Teorema
de Steinitz, é possı́vel substituir dois dos vetores de S por ⃗u1 e ⃗u2 , obtendo um sistema de vetores
equivalente a S.
Verificação do Exemplo 1.18. Os vetores ⃗u1 e ⃗u2 são linearmente independentes, porque não são
proporcionais. Também, são combinações lineares dos vetores de S, pois SELs
⃗u1 = λ1⃗v1 + λ2⃗v2 + λ3⃗v3 ,
⃗u2 = β1⃗v1 + β2⃗v2 + β3⃗v3
são possı́veis, com λ1 = 1, λ2 = 0, λ3 = 1, e β1 = 0, β2 = 1, β3 = 1, conforme o que se segue:
1 −2 1 2 −1 1 −2 1 2 −1
[A|B1 B2 ] = 1 1 −1 0 0 −→ 0 3 −2 −2 1 −→
L2 ←L2 −L1 L1 ←L1 +(2/3)L2
2 1 1 3 2 L3 ←L3 −2L1 0 5 −1 −1 4 L2 ←(1/3)L2
L3 ←L3 −(5/3)L3
Assim,
⃗u1 = ⃗v1 + ⃗v3 (1.18)
⃗u2 = ⃗v2 + ⃗v3 . (1.19)
Pelo Lema 1.14, S ≈ {⃗v1 , ⃗v2 , ⃗u1 } S. Como ⃗v3 foi substituı́do por ⃗u1 , então, a partir da equação (1.18),
tem-se ⃗v3 = ⃗u1 − ⃗v1 . Substituindo ⃗v3 na equação (1.19), tem-se ⃗u2 = ⃗v2 + ⃗u1 − ⃗v1 . Então,
S ≈ {⃗v1 , ⃗v2 , ⃗u1 } ≈ {⃗u2 , ⃗v2 , ⃗u1 } .
Corolário 1.16. Se num espaço vetorial real V , p vetores linearmente independentes se podem escre-
ver como combinações lineares de k vetores quaisquer, então p ≤ k.
Corolário 1.17. Num espaço vetorial real V , dois sistemas equivalentes de vetores, ambos linearmente
independentes, têm de ter o mesmo número de vetores.
Corolário 1.18. Num espaço vetorial real V , dois sistemas equivalentes, com o mesmo número de
vetores, têm a mesma natureza, isto é, são ambos dependentes ou ambos independentes.
Corolário 1.19. Num espaço vetorial real V , dois subsistemas independentes maximais, de um de-
terminado sistema de vetores, têm o mesmo número de vetores – veja a segunda parte do “ Teorema
1.8”.
1.10 Exercı́cios
1. Verifique se para cada um dos casos se obtém ou não um espaço vetorial real V , com as operações
indicadas:
1.1. V = R+
∀⃗u, ⃗v ∈ R+ , ∀λ ∈ R, tem-se:
⃗u + ⃗v = ⃗u · ⃗v (a adição é a multiplicação usual em R)
λ⃗u = ⃗uλ (a multiplicação por escalar é a potenciação usual em R)
1.2. V = R2
∀⃗u = (x1 , y1 ) , ⃗v = (x2 , y2 ) ∈ R2 , ∀λ ∈ R, tem-se:
⃗u + ⃗v = (y1 + y2 , x1 + x2 )
λ⃗u = (λx1 , λy1 )
1.3. V = R2
∀⃗u = (x1 , y1 ) , ⃗v = (x2 , y2 ) ∈ R2 , ∀λ ∈ R, tem-se:
⃗u + ⃗v = (x1 − y2 , y2 − x2 )
λ⃗u = (−λx1 , −λy1 )
1.4. V = R2
∀⃗u = (x1 , y1 ) , ⃗v = (x2 , y2 ) ∈ R2 , ∀λ ∈ R, tem-se:
⃗u + ⃗v = (x1 + y2 , y2 + x2 )
λ⃗u = (λx1 , 0)
2. Determine o valor do parâmetro real “a” que faz com que o vetor (1, −2, a) seja combinação
linear dos vetores (3, 0, −2) e (2, −1, −5), no espaço vetorial real R3 com as operações usuais.
5. No espaço vetorial real R3 , com as operações usuais, determine, caso existam, os valores reais
de “k” que tornam verdadeiras as seguintes afirmações:
6.1. xi+yj +zk, ∀x, y, z ∈ R, na base B = {(1, −1, 1) , (1, −2, 1) , (−1, −1, 1)}, do espaço vetorial
real R3 .
6.2. ax2 + bx + c, ∀a, b, c, ∈ R, na base B = x2 − 2x + 2, −x2 − x − 3, −2x2 − 1 , do espaço
vetorial real P2 .
7. Para cada caso, verifique se o sistema de vetores S constitui ou não uma base do espaço vetorial
indicado:
7.1. S = {(0, 1, 0, 1) , (1, 2, 5, −3) , (3, 0, 0, 0) , (−1, −2, −5, 3)}; no espaço vetorial real R4 .
7.2. S = 1, x + 1, x2 + 1, x3 + 1, x4 + 1 ; no espaço vetorial real P4 .
8. Verifique se os seguintes sistemas de vetores constituem ou não bases do espaço vetorial real P2 :
8.1. B = −x2 + x + 1, −x + 2 .
8.3. B = x2 , x, x + 1, 1 .
9.1. Mostre que B = {f (x), f ′ (x), f ′′ (x), f ′′′ (x)} constitui uma base de P3 , onde f ′ designa a
derivada de f .
9.2. Dado f (x) = 5x3 + 3x2 − 2x + 1, considere a base referida na alı́nea anterior, e escreva as
componentes de g(x) = 15x3 − 21x2 − 18x + 37 nessa base.
10. Diga quais os valores reais de “a” tornam independentes os seguintes sistemas de vetores, nos
espaços vetoriais indicados:
10.1. (a, 1, 0) , (1, a, 1) , (1, 0, 0), no espaço vetorial real R3 , com as operações usuais;
10.2. ax + 1, − (a + 1) x2 + x + a, x2 + 2, no espaço vetorial real P;
10.3. x + a, −x2 + ax + 1, x2 + 2, no espaço vetorial real P.
11. No espaço vetorial real F [R], com as operações usuais, considere uma função f que nunca se
anule, e funções g e h definidas por:
12. Seja V um espaço vetorial real. Considere os vetores ⃗a, ⃗b, ⃗c, d,
⃗ tais que ⃗c = 2⃗a − ⃗b e d⃗ = ⃗a + 3⃗b.
⃗
Mostre que, se ⃗a e b são linearmente independentes, o mesmo acontece com ⃗c e d. ⃗
13. Sejam ⃗v1 , ⃗v2 , ⃗v3 vetores linearmente independentes dum espaço vetorial real V . Que pode
dizer-se sobre a dependência ou independência do sistema
2 Subespaço vetorial
Definição 2.1. Seja V um espaço vetorial real e S ⊆ V . Diz-se que S é um subespaço vetorial de V ,
e representa-se por S ≤ V se:
D4 S ̸= ∅;
D5 ∀⃗u, ⃗v ∈ S, tem-se ⃗u + ⃗v ∈ S;
Teorema 2.1. Seja V um espaço vetorial real e S ⊆ V . Diz-se que S é um subespaço vetorial de V
se:
T1 S ̸= ∅;
T1 ⃗0 ∈ S;
T2 Se ⃗u ∈ S, então −⃗u ∈ S;
é um subespaço de R3 .
D2 Sejam ⃗u, ⃗v ∈ S. Então, existem a1 , b1 , a2 , b2 ∈ R, tais que ⃗u = (a1 , b1 , 0) e ⃗v = (a2 , b2 , 0). Logo:
Assim, ⃗u + ⃗v ∈ S.
Assim, λ⃗u ∈ S.
S = {ax2 + bx + 1 : a, b ∈ R}.
Teorema 2.3. Seja V um espaço vetorial real finitamente gerado, e seja S ≤ V . Então:
T1 S é finitamente gerado;
T2 dim(S) ≤ dim(V );
Exemplo 2.3. Para os subespaços vetoriais dos espaços vetoriais reais indicados, o , pontos T1 , T2
e T3 , se verifica:
S = {(a, b, 0) : a, b ∈ R}
é finitamente gerado, pois B = {(1, 0, 0) , (0, 1, 0)} é uma sua base. Nota-se que:
dim (S) = 2 < 3 = dim R3 ,
dim (T ) = 2 < 3 = dim P2 ,
Definição 2.2. Seja V um espaço vetorial real, e seja X = {⃗v1 , ⃗v2 , . . . , ⃗vk } ⊆ V . O conjunto S com-
posto por todas as combinações lineares dos vetores de X, ou seja,
S = ⟨X⟩ .
Exemplo 2.4. No espaço vetorial real P2 , com as operações usuais, o subespaço vetorial S gerado
por X = {x2 − x + 1, −2x2 − 3x} é:
D E
S = x2 − x + 1, −2x2 − 3x
n o
= a x2 − x + 1 + b −2x2 − 3x : a, b ∈ R
n o
= (a − 2b) x2 + (−a − 3b) x + a : a, b ∈ R .
Teorema 2.4. Seja V um espaço vetorial real arbitrário, e sejam X e Y subconjuntos quaisquer de
V . Então:
T1 X ⊆ ⟨X⟩;
T3 ⟨V ⟩ = V ;
D E D E
T4 {⃗0} = {⃗0} = ⃗0
T5 Se X ⊆ Y , então ⟨X⟩ ⊆ ⟨Y ⟩;
T6 Se S ≤ V e X ⊆ S, então ⟨X⟩ ⊆ S;
T7 ⟨X⟩ é o único subespaço vetorial de V que satisfaz as propriedades (T1 ) e (T6 ), ou seja, o
subespaço gerado por X, ⟨X⟩, é o menor subespaço de V que contém X.
Teorema 2.5. O conjunto-solução de um sistema homogéneo, com coeficientes reais e com n incógnitas,
é um subespaço vetorial do espaço vetorial real Rn .
x − 2y + z − w = 0
(
, (2.1)
−x + y + 2z − w = 0
sobre o corpo R, é um subespaço vetorial de R4 , com as operações usuais. A sua dimensão é 2 e uma
sua base é B = {(1, −1, 1, 0) , (−1, 2, 0, 3)}.
O conjunto-solução é
Teorema 2.6. Seja V um espaço vetorial real de dimensão n, e seja B = {⃗e1 , ⃗e2 , . . . , ⃗en } uma sua
base. Seja S um subespaço vetorial de V com dimensão k. Então, é possı́vel constituir um sistema de
“n − k” equações lineares homogéneas, com coeficientes reais, cujas soluções são as componentes dos
vetores de S, em relação à base B de V , considerada inicialmente.
Nota 2.1. O estabelece que todo subespaço de um espaço vetorial real de dimensão finita, pode ser
representado por um sistema de equações lineares homogéneas, em relação à uma determinada base.
Exemplo 2.6. No espaço vetorial real P2 , com as operações usuais, o subespaço S, definido pelo SH
x−y+ z, em relação à base canónica, Bc = x2 , x, 1 , de P2 , tem dimensão 2, e uma sua base é
BS = x + x, −x2 + 1 .
2
Exemplo 2.7. No espaço vetorial real P2 , com as operações usuais, o subespaço S, definido pelo SH
x − y + z, em relação à base BP2 = x − x, x − 1, x2 + 2 de P2 , também, tem dimensão 2, e uma
2
sua base é BS = x − 1, x + 2 .
2
x=y−z x=α−β
( (
x−y+z =0⇔ ⇔ .
y, z ∈ R y = α ∈ R, z = β ∈ R
tem-se:
n o
S = (α − β) x2 − x + α (x − 1) + β x2 + 2 : α, β ∈ R
n o
= α x2 − x + x − 1 + β −x2 + x + x2 + 2 : α, β ∈ R
D E
= x2 − 1, x + 2 .
Exemplo 2.8. No espaço vetorial real P2 , com as operações usuais, seja S = x2 − 1, x + 2 . Então:
n o
S = ax2 + bx + c : a − 2b + c = 0 .
ax2 + bx + c, a, b, c ∈ R,
1 0 a 1 0 a 1 0 a
[A|B] = 0 1 b −→ 0 1 b −→ 0 1 b .
L3 ←L3 +L1 L3 ←L3 −2L2
−1 2 c 0 2 a+c 0 0 a − 2b + c
a x2 − 1 + b (x − 1) + c −x2 + x + 1 , a, b, c ∈ R,
1 0 a−c 1 0 a−c
[A|B] = 0 1 b + c −→ 0 1 b+c
L3 ←L3 +L1
−1 2 −a − b + c 0 2 −b
1 0 a−c
−→ 0 1 b+c .
L3 ←L3 −2L2
0 0 −3b − 2c
x−y+z =0 x − 2y + 2z = 0
( (
e , (2.4)
x+y−z =0 y+z =0
n o
em relação à base B = {(1, 1, 1), (0, 1, −1), (−1, −1, 0)}. Então, F ∩ G = ⃗0 .
Então,
n o
F ∩ G = ⃗x ∈ P2 : ⃗x ∈ F ∧ ⃗x ∈ G
n o
= {0 (1, 1, 1) + 0 (0, 1, −1) + 0 (−1, −1, 0)} = {(0, 0, 0)} = ⃗0 .
Exemplo 2.10. No espaço vetorial real P2 , com as operações usuais, sejam os subespaços vetoriais
F , definido por x + y − 2z = 0, em relação à base canónica, e G = x2 + x − 1, x2 + 2x + 1 . Então,
D E
F ∩ G = 3x2 + 7x + 5 .
dado que
1 1 a 1 1 1 0 2a − b
a
[A|B] = 1 2 b −→ 0 1 b − a −→ 0 1 b−a ,
L2 ←L2 −L1 L1 ←L1 −L2
−1 1 c L3 ←L3 +L1 0 2 a + c L3 ←L3 −2L2 0 0 3a − 2b + c
Assim,
n o
F ∩ G = ⃗x ∈ P2 : ⃗x ∈ F ∧ ⃗x ∈ G
3 7
= α x2 + α x+α:α∈R
5 5
D E
= 3x2 + 7x + 5 .
Um vetor de F , (α + β) x2 + (−α + 2β) x + α + 2β, com α, β ∈ R, pertence a G se, e só se, ele é
combinação linear dos geradores de G, ou seja, se o SEL
λ1 2x2 + x + 1 + λ2 −x2 − x + 3 = (α + β) x2 + (−α + 2β) x + α + 2β (2.9)
é possı́vel. Assim, o SEL (2.9) é possı́vel se, e só se, −10α + 12β = 0, pois:
2 −1 α+β 2 −1 α+β
2 −1 α+β
Logo,
n o
F ∩ G = ⃗x ∈ P2 : ⃗x ∈ F ∧ ⃗x ∈ G
n o
= (α + β) x2 + (−α + 2β) x + α + 2β : −10α + 12β = 0
6
= (α + β) x2 + (−α + 2β) x + α + 2β : α = β ∧ β ∈ R
5
11 4 16
= β x2 − β x+ β :β ∈R
5 5 5
D E
= 11x2 + 4x + 16 .
Nota 2.2. Se F e G são subespaços vetoriais, de dimensões finitas, de um espaço vetorial real V ,
então F ⊆ G se, e somente se, cada um dos geradores de F pertence a G, ou seja, cada gerador de F
é combinação linear dos geradores de G. Se F ⊆ G, então dim(F ) ≤ dim(G), e nesse caso F ∪ G = G.
Verificação do Exemplo 2.12. Como dim (G) = 2 e dim (F ) = 1, então G ⊈ F . Por outro lado,
F ⊈ G, porque o gerador de F , x2 − x, não é combinação linear dos geradores de G. Assim, pelo ,
F ∪ G ≰ P2 .
Definição 2.3. Seja V um espaço vetorial real arbitrário, e sejam F e G subconjuntos de V . A soma
de F e G é n o
F + G = f⃗ + ⃗g : f⃗ ∈ F e ⃗g ∈ G .
n o
Se um dos conjuntos é unitário, por exemplo F = f⃗ , tem-se:
n o
f⃗ + G = f⃗ + G.
T1 F + G ≤ V ;
D E D E
T2 Se F = f⃗1 , f⃗2 , . . . , f⃗k e G = ⟨⃗g1 , ⃗g2 , . . . , ⃗gp ⟩, então F + G = f⃗1 , f⃗2 , . . . , f⃗k , ⃗g1 , ⃗g2 , . . . , ⃗gp .
Exemplo 2.13. No espaço vetorial real P2 , com as operações usuais, sejam os subespaços vetoriais
F , definido por x + y − 2z = 0, em relação à base canónica, e G = x2 + x − 1, x2 + 2x + 1 . Então,
F + G = P2 .
x = −α + 2β
(
Verificação do Exemplo 2.13. x + y − 2z = 0 ⇔ , logo:
y = α ∈ R, z = β ∈ R
n o D E
F = (−α + 2β) x2 + αx + β : α, β ∈ R = −x2 + x, 2x2 + 1 .
−1 2 1 1 −1 2 1 1 −1 2 1 1
A= 1 0 1 2 −→ 0 2 2 2 −→ 0 2 2 2 .
L3 ←L3 − 21 L2
L2 ←L2 +L1
0 1 −1 1 0 1 −1 1 0 0 −2 0
Teorema 2.10 (Teorema das dimensões). Seja V um espaço vetorial real arbitrário, e sejam F, G ≤ V .
Se F e G têm dimensões finitas, então
Definição 2.4. Seja V um espaço vetorial real arbitrário, e sejam F, G ≤ V . Diz-se que S = F + G
é uma soma direta, e representa-se por S = F ⊕ G, se
F ∩ G = {⃗0}.
Teorema 2.11. Seja V um espaço vetorial real arbitrário, e sejam F, G ≤ V . Se BF é uma base de
F , BG é uma base de G e S = F + G = F ⊕ G, então B = BF ∪ BG é uma base de S = F + G = F ⊕ G.
Exemplo 2.14. No espaço vetorial real, com as operações usuais, sejam os subespaços vetoriais F e
G definidos, respetivamente, por:
x−y+z =0 x − 2y + 2z = 0
( (
e , (2.10)
x+y−z =0 y+z =0
em relação à base B = {(1, 1, 1), (0, 1, −1), (−1, −1, 0)}. Então, pelo Exemplo 2.9, F + G = F ⊕ G.
Sendo assim, uma base B de F + G = F ⊕ G é a reunião de uma base de F , BF , com uma base de
G, BG .
Definição 2.5. Seja V um espaço vetorial real arbitrário, e sejam F1 , F2 , . . . , Fk ≤ V . Diz-se que a
soma S = F1 + F2 + · · · + Fk é uma soma direta, e escreve-se S = F1 ⊕ F2 ⊕ · · · ⊕ Fk , se para todo
i ∈ 1, 2, . . . , k tem-se
k n o
Fj = ⃗0 .
X
Fi ∩
i̸=j=1
Verificação do Exemplo 2.15. Pela Definição 2.5, F + G + H é uma soma direta, equivalente-
mente,
S = F + G + H = F ⊕ G ⊕ H,
se, e só se: n o n o n o
F ∩ (G + H) = ⃗0 ∧ G ∩ (F + H) = ⃗0 ∧ H ∩ (G + F ) = ⃗0 .
Como dim (F ) = 2 e dim (G + H) = 3, então, aplicando o Teorema das dimensões, tem-se:
dim (F + (G + H)) = dim (F ) + dim (G + H) − dim (F ∩ (G + H))
⇔ dim (F ∩ (G + H)) = 5 − dim (F + (G + H)) ̸= 0,
pois dim (F + (G
n+o H)) é menor ou igual a 4, uma vez que F + (G + H) ≤ P3 e dim P3 = 4, logo
n o
F ∩ (G + H) ̸= ⃗0 , uma vez que dim ⃗0 = 0. Assim, S = F + G + H não é uma soma direta.
Definição 2.6. Seja V um espaço vetorial real arbitrário, e seja F ≤ V . Chama-se subespaço
complementar de F a um subespaço vetorial F ′ de V tal que
F ⊕ F ′ = V.
Teorema 2.12. Seja V um subespaço vetorial real de dimensão finita, e seja F ≤ V . Então existe
um subespaço complementar de F.
Exemplo 2.16. No espaço vetorial real P4 , seja F = 1, x + 1, x2 + 1 . Então, pela , F ′ = x4 , x3 ,
por exemplo.
Nota 2.3. Se V é um espaço vetorial finitamente gerado, na determinação de um subespaço comple-
mentar F ′ , de um subespaço vetorial F de V , pode-se aplicar o Teorema de Steinitz. Ou seja, a partir
de uma base de V , constrói-se uma nova base de V , B ′ , que inclua os vetores da base de F . Nesse
caso, a base de F ′ é composto pelos vetores de B ′ que não pertencem a base de F .
2.6 Exercı́cios
1. Sabendo que cada um dos seguintes sistemas de vetores gera o espaço indicado determine, em
cada caso, um subsistema que seja uma base do espaço:
x3 − x2 + x + 1, x3 + x − 1.
7. Sejam ⃗v1 , ⃗v2 , ⃗v3 , ⃗v4 vetores linearmente independentes de um espaço vetorial real V .
⃗u1 = ⃗v1 + ⃗v2 , ⃗u2 = ⃗v2 − 2⃗v4 , ⃗u3 = ⃗v1 + 2⃗v4 , ⃗u4 = ⃗v4 ,
8. Verifique quais dos seguintes subconjuntos são subespaços vetoriais dos espaços vetoriais indica-
dos, com as operações usuais, indicando uma base para cada um deles:
9. Encontre uma base para cada um dos subespaços vetoriais dos espaços vetoriais indicados, com
as operações usuais:
9.1. S = {(x, y, z, w) : x + 2y − z = x + y + 2w = y − z + w = 0}, no espaço vetorial real R4 .
9.2. S = a x2 − x + b x2 + 1 + c (x + 2) : a − b + 3c = 0 , no espaço vetorial real P2 .
10. Defina, por intermédio de sistemas homogéneos, cada um dos subespaços vetoriais, do espaço
vetorial real P2 , em relação à base indicada:
10.1. = x2 − 1 , em relação à base B = x2 − x, x2 + 1, x + 2 .
S
10.2. = x2 − 1 , em relação à base canónica, Bc = x2 , x, 1 .
S
10.3. = x2 − x, x + 1 , em relação à base B = x2 − x + 1, x − 1, −x + 2 .
S
10.4. = x2 − x, x + 1 , em relação à base canónica, Bc = x2 , x, 1 .
S
11. Determine o subespaço vetorial de P3 , definido pelo sistema
x − y + z + 2w = 0
(
, (Ex.11)
x − 2y + z + w = 0
em relação à base B = x3 − x2 , x2 − x, x − 1, x3 .
13. Determine uma base e a dimensão de cada um dos subespaços vetoriais, dos espaços vetoriais
indicados, em relação às operações usuais:
13.1. S = a x3 − x2 + b x2 − x + c (x − 1) + dx3 : a − b = a + b − c + 2d = 0 , no espaço ve-
torial real P3 .
13.2. S = {x (1, 1, 1) + y (0, −2, 1) + z (−1, −3, 1) : x − y = y − z = 0}, no espaço vetorial real
R3 .
13.3. S = {(3x + y, y + z, z, 0) : x, y, z ∈ R}, no espaço vetorial real R4 .
13.4. S = ax3 + (−a + b) x2 + (−b + c + 2d) x − c − 2d : a, b, c, d ∈ R , no espaço vetorial real
P3 .
14. No espaço vetorial real P3 , com as operações usuais, sejam os subespaços vetoriais,
D E
F = x3 + x2 , x3 − 1 (Ex.14.1)
e G, representado pelo sistema homogéneo
x − y + z − w = x + z + 2w = −y + z + w = 0, (Ex.14.2)
em relação à base B = x3 − x2 , x2 − 2x, x − 1, −x3 + x + 2 .
14.1. Determine F + G.
14.2. Represente F + G por intermédio de um sistema de equações lineares homogéneas, em
relação à base B.
14.3. Determine F ∩ G.
15. No espaço vetorial real R4 , com as operações usuais, seja o subespaço vetorial
17. No espaço vetorial real R4 , com as operações usuais, sejam os subespaços vetoriais
x+y−w =0
(
, (Ex.17.2)
x + 2z + w = 0
17.1. Determine F ∩ G.
17.2. Determine F + G.
17.3. Averigúe se F ∪ G ≤ R4 .
18. No espaço vetorial real R3 , com as operações usuais, sejam os subespaços vetoriais
Verifique se:
18.1. F + G = F ⊕ G.
18.2. F + G + H = F ⊕ G ⊕ H.
19. No espaço vetorial real P3 , seja F um subespaço vetorial definido pelo sistema homogéneo
x+y−z+w =0
(
(Ex.19)
x + y + z − w = 0,
Definição 3.1. Seja V um espaço vetorial real de dimensão n ∈ N. Seja B = {⃗v1 , ⃗v2 , . . . , ⃗vn } uma
base de V , base antiga, e seja B ′ = {⃗v1′ , ⃗v2′ , . . . , ⃗vn′ } uma outra base de V , base nova. Então, a matriz
a11 a12 ··· a1n
a21
a22 ··· a2n
M B −→ B ′ = (3.1)
.. .. .. ..
,
. . . .
an1 an2 · · · ann
onde ⃗vi′ ≡B (a1i , a2i , . . . , ani ), denomina-se matriz mudança de base, da base antiga B para a base
nova B ′ .
Nota 3.1. Nota-se que a primeira coluna da matriz M (B −→ B ′ ) é composta pelas componentes do
vetor ⃗v1′ na base B, a segunda coluna, pelas componentes do vetor ⃗v2′ na base B, e assim sucessiva-
mente.
Teorema 3.1. Toda matriz mudança de base é invertı́vel (ou regular). Qualquer matriz invertı́vel
pode ser considerada uma matriz mudança de base, isto é, dada uma matriz invertı́vel P de or-
dem n, é possı́vel tomar duas bases B e B ′ dum certo espaço vetorial V de dimensão n, tais que
P = M (B −→ B ′ ). Seja a matriz mudança de base de B para B ′ , P = M (B −→ B ′ ), então a matriz
mudança de base de B ′ para B é P −1 = M (B ′ −→ B).
Nota 3.2. Nota-se que a primeira coluna da matriz P −1 é composta pelas componentes do vetor ⃗v1
na base B ′ , a segunda coluna, pelas componentes do vetor ⃗v2 na base B ′ , e assim sucessivamente.
Teorema 3.2. Seja V um espaço vetorial, de dimensão n ∈ N, e sejam B = {⃗v1 , ⃗v2 , . . . , ⃗vn } e
B ′ = {⃗v1′ , ⃗v2′ , . . . , ⃗vn′ } duas bases de V . Sejam ⃗v ∈ V e P = M (B −→ B ′ ). Então,
λ′ 1
λ1
′
λ 2 λ2
.. = .. ,
P (3.2)
. .
λ′ n λn
Então:
2 −1 −1
P = M B −→ B ′ = 1 0 −1 ,
−1 1 1
pois,
1 0 1
Q = M B ′ −→ B = 0 1 1 ,
1 −1 1
1 0 1 2 −1 −1 2−1 −1 + 1 −1 + 1
Q · P = 0 1 1 1 0 −1 = 1 − 1 1 −1 + 1
1 −1 1 −1 1 1 2 − 1 − 1 −1 + 1 −1 + 1 + 1
1 0 0
= 0 1 0 = I3 .
0 0 1
⃗v ≡B (2a − b − c, a − c, −a + b + c) .
Assim,
2a − b − c
a
Q a − c = b ,
−a + b + c c
e
⃗v ≡B ′ (a, b, c) .
Exemplo 3.2. Seja a matriz real invertı́vel
1 −1 1
P = 1 1 −2 .
−1 −1 −1
Como P ∈ R3×3 , então P pode ser matriz mudança de base em um espaço vetorial real tridimensional.
Por exemplo, seja n o
B = x2 + 1, x − 1, x2 + x + 1
Q = M B −→ B ′ ,
3.1 Exercı́cios
1.1. Determine P = M (B −→ B ′ ).
1.2. Mostre que Q = P −1 = M (B ′ −→ B).
1.3. Sabendo que a matriz
1 −1 0
A = M (C −→ B) = 0 1 2 ,
1 2 5
determine a base C.
0 1 0 2
−1 1 0 −1
P = M (B −→ C) = ,
0 0 2 2
0 −1 1 0
onde n o
B = x3 − x2 − x + 1, x2 + 1, −x2 − x − 1, −2x2 + x − 3 .
Sabendo que o vetor p(x) ≡C (−1, 1, 2, −1), determine o vetor p(x).
Definição 4.1 (Produto interno). Seja V um espaço vetorial real. Um produto interno (ou escalar)
em V é uma função que associa a cada par ordenado de vetores, ⃗u e ⃗v em V , um escalar real, denotado
por ⃗u · ⃗v , que satisfaz as seguintes propriedades:
D1 ∀⃗u, ⃗v , w
⃗ ∈ V , tem-se (⃗u + ⃗v ) · w
⃗ = ⃗u · w
⃗ + ⃗v · w;
⃗
Teorema 4.1. Num espaço vetorial real V , com produto interno, também são válidas as seguintes
propriedades:
T1 ∀⃗u, ⃗v , w
⃗ ∈ V , tem-se w
⃗ · (⃗u + ⃗v ) = w
⃗ · ⃗u + w
⃗ · ⃗v ;
⃗u · ⃗v = (u1 , u2 , . . . , un ) · (v1 , v2 , . . . , vn )
= u1 v1 + u2 v2 + · · · + un vn .
Exemplo 4.2 (Produto interno no espaço de polinómios). Sejam ⃗u = p(x), ⃗v = q(x) ∈ P (Pn ), n ∈ N0 .
Então, define-se o seguinte produto interno:
⃗u · ⃗v = p(x) · q(x)
Z b
= p(t)q(t) dt, ∀a, b ∈ R, a < b.
a
Exemplo 4.3 (Outros produtos internos). São também produto interno os que se seguem:
⃗u · ⃗v = (u1 , u2 ) · (v1 , v2 )
= u1 v1 + u2 v1 + u1 v2 + 2u2 v2 .
⃗u · ⃗v = (u1 , u2 , u3 ) · (v1 , v2 , v3 )
= 5u1 v1 + 2u2 v1 − u3 v1 + 2u1 v2 + 2u2 v2 − 3u3 v2 − u1 v3 − 3u2 v3 + 12u3 v3 .
4.2 Norma
Teorema 4.2 (Propriedade da norma). Seja V um espaço vetorial real, com produto interno. Para
quaisquer vetores ⃗x, ⃗y ∈ V , para todo λ ∈ R, tem-se:
T3 ∀⃗x, ⃗y ∈ V , tem-se |⃗x · ⃗y | ≤ ∥⃗x∥ ∥⃗y ∥ (Desigualdade de Cauchy-Schwarz). Dá-se a igualdade se, e
somente se, os vetores ⃗x e ⃗y são proporcionais.
T4 ∀⃗x, ⃗y ∈ V , tem-se ∥⃗x + ⃗y ∥ ≤ ∥⃗x∥ + ∥⃗y ∥ (Desigualdade triangular). Dá-se a igualdade se, e
somente se, um dos vetores se pode obter à custa do outro, por multiplicação por um escalar real
não negativo.
Exemplo 4.4. No espaço vetorial P, considere o produto interno definido no Exemplo 4.2, para
a = −1 e b = 1, ou seja, para quaisquer ⃗u = p(x), ⃗v = q(x) ∈ P, tem-se
Z 1
⃗u · ⃗v = p(t)q(t) dt.
−1
Então:
sZ sZ
1 1
∥−x + 1∥ = (−t + 1) (−t + 1) dt = t2 − 2t + 1 dt
−1 −1
v ! 1 s
1 1
u 3
u t
= t − t2 + t = −1+1− − −1−1
3 −1 3 3
√
8 2 6
r
= = .
3 3
Exemplo 4.5. Seja o vetor ⃗x = (1, −1, 2), no espaço vetorial real R3 . Então:
4.3 Ângulo
Definição 4.3 (ângulo). Seja V um espaço vetorial real, com um produto interno. Sejam ⃗x, ⃗y ∈ V ,
⃗x, ⃗y ̸= ⃗0, chama-se ângulo de ⃗x com ⃗y , ou entre ⃗x e ⃗y , e representa-se por ∡ (⃗x, ⃗y ), ao valor θ ∈ [0, π],
tal que
⃗x · ⃗y
cos (θ) = , (4.1)
∥⃗x∥ ∥⃗y ∥
ou seja,
⃗x · ⃗y
θ = ∡ (⃗x, ⃗y ) = arc cos .
∥⃗x∥ ∥⃗y ∥
Nota 4.1. A partir da fórmula (4.1) (Definição 4.3), obtém-se a seguinte fórmula para cálculo do
produto interno, se são conhecidas as normas dos vetores ⃗x e ⃗y , bem como o ângulo θ = ∡ (⃗x, ⃗y ):
⃗x · ⃗y = ∥⃗x∥ ∥⃗y ∥ cos (θ) . (4.2)
Exemplo 4.6. No espaço vetorial real R3 , sejam ⃗x = (1, −1, 1) e ⃗y = (−1, 2, −2). Então:
⃗x · ⃗y = −5 + 2 + 1 + 4 − 4 − 6 + 2 − 6 − 24 = −36,
√ √
∥⃗x∥ = 19, ∥⃗y ∥ = 73,
e assim,
⃗x · ⃗y 36
θ = ∡ (⃗x, ⃗y ) = arc cos = arc cos − √ ≈ 165°.
∥⃗x∥ ∥⃗y ∥ 1387
Teorema 4.3 (Propriedades de ângulo). Seja V um espaço vetorial real, com um produto interno.
Então, para quaisquer vetores ⃗x, ⃗y ∈ V , ⃗x, ⃗y ̸= ⃗0, tem-se:
T1 ∡ (⃗x, ⃗x) = 0.
T3 ∡ (⃗x, ⃗y ) = ∡ (λ⃗x, β⃗y ), se λ e β são escalares reais não nulos, com o mesmo sinal.
T4 ∡ (⃗x, ⃗y ) = π − ∡ (λ⃗x, β⃗y ), se λ e β são escalares reais não nulos, com sinais contrários.
4.4 Ortogonalidade
Definição 4.4 (Ortogonalidade). Seja V um espaço vetorial real, com um produto interno. Diz-se
que um vetor ⃗x é ortogonal a um vetor ⃗y , e representa-se por ⃗x ⊥ ⃗y , se ⃗x · ⃗y = 0.
Teorema 4.4 (Propriedades de ortogonalidade). Seja V um espaço vetorial real, com um produto
interno. Então, para quaisquer vetores ⃗x, ⃗y ∈ V , tem-se:
T1 Se ⃗x ⊥ ⃗y , então ⃗y ⊥ ⃗x.
T2 ⃗0 ⊥ ⃗x.
Definição 4.5 (Sistema ortogonal e ortonormal de vetores). Seja V um espaço vetorial real, com um
produto interno. Os vetores ⃗v1 , ⃗v2 , . . . , ⃗vk ∈ V , com k ∈ N, formam um sistema ortogonal se cada
um deles é ortogonal a cada um dos outros, ou seja, ∀i, j ∈ {1, 2, . . . , k}, tem-s ⃗vi · ⃗vj = 0. Se para
além disso, ∀i ∈ {1, 2, . . . , k}, tem-se ∥⃗v1 ∥ = 1, diz-se que ⃗v1 , ⃗v2 , . . . , ⃗vk formam um sistema ortonor-
mal, ou seja, um sistema de vetores ⃗v1 , ⃗v2 , . . . , ⃗vk ∈ V , com k ∈ N, é ortonormal se para quaisquer
i, j ∈ {1, 2, . . . , k} tem-se:
0, se i ̸= j
(
⃗vi · ⃗vj = .
1, se i = j
Definição 4.6 (Vetor unitário). Num espaço vetorial real V , com um produto interno, se ⃗u ∈ V é tal
que ∥⃗u∥ = 1, diz-se que ⃗u é um vetor unitário (ou normalizado).
Definição 4.7 (Versor de um vetor). Seja V um espaço vetorial real, com um produto interno. Então,
versor de um vetor ⃗u ∈ V é o vetor
1 ⃗u
vers (⃗u) = ⃗u = .
∥⃗u∥ ∥⃗u∥
Nota 4.2. Versor de um vetor ⃗u ∈ V é unitário (ou normalizado). Basta ver que:
⃗u 1 ∥⃗u∥
∥vers (⃗u)∥ = = ∥⃗u∥ = = 1.
∥⃗u∥ ∥⃗u∥ ∥⃗u∥
Exemplo 4.7. No espaço vetorial real R3 , sejam os vetores
⃗v1 = (1, 1, 1) , ⃗v2 = (−1, 1, 0) , ⃗v3 = (−1, −1, 2) .
Então:
E1 S = {⃗v1 , ⃗v2 , ⃗v3 } é um sistema ortogonal, para o produto interno canónico. Pois:
⃗v1 · ⃗v2 = −1 + 1 + 0 = 0, logo ⃗v1 ⊥ ⃗v2 ,
⃗v1 · ⃗v3 = −1 − 1 + 2 = 0, logo ⃗v1 ⊥ ⃗v3
⃗v2 · ⃗v3 = 1 − 1 + 0 = 0, logo ⃗v2 ⊥ ⃗v3 ,
ou seja, os vetores ⃗vi , com i = 1, 2, 3, são ortogonais dois a dois.
n √ √ √ √ √ √ √ √ o
E2 S ′ = {vers (⃗v1 ) , vers (⃗v2 ) , vers (⃗v3 )} = 3 3
3 , 3 , 3
3
, − 22 , 22 , 0 , − 66 , − 66 , 2 6 6 é um sis-
tema ortonormal. Nota-se que, em relação ao produto interno canónico, tem-se:
√ √
∥⃗v1 ∥ = 1 + 1 + 1 = 3,
√ √
∥⃗v2 ∥ = 1 + 1 = 2,
√ √
∥⃗v3 ∥ = 1 + 1 + 4 = 6.
Assim:
√ √ √ √ √ !
1 3 3 3 3 3
vers (⃗v1 ) = √ ⃗v1 = v⃗1 = (1, 1, 1) = , , ,
3 3 3 3 3 3
√ √ √
1 2 2 2
!
vers (⃗v2 ) = √ ⃗v2 = (−1, 1, 0) = − , ,0
2 2 2 2
√ √ √ √ !
1 6 6 6 2 6
vers (⃗v3 ) = √ ⃗v3 = (−1, −1, 2) = − ,− , .
6 6 6 6 6
Teorema 4.5. Todo sistema ortogonal formado por vetores não nulos é linearmente independente.
Em particular, todo sistema ortonormal é linearmente independente.
Definição 4.8 (Projeção ortogonal). Seja V um espaço vetorial real, com um produto interno, e sejam
⃗ ∈V ew
⃗v , w ⃗ ̸= ⃗0. Então, projeção ortogonal de ⃗v sobre w
⃗ é o vetor
⃗v · w
⃗
projw⃗ ⃗v = w.
⃗
⃗ 2
∥w∥
⃗v = λ1 w
⃗ 1 + λ2 w
⃗ 2 + · · · + λk w
⃗ k.
Exemplo 4.8. No espaço vetorial real R3 , com produto interno canónico, e seja
E1 Pelo Exemplo 4.7, B é composto de vetores ortogonais não nulos. Então, para todo vetor
⃗v = (a, b, c) ∈ R3 , existem escalares reais (únicos) λ1 , λ2 , λ3 ∈ R3 , tais que
Assim, √ √ √
⃗ 1∥ =
∥w 3, ∥w
⃗ 2∥ = 2, ∥w
⃗ 3∥ = 6.
Então,
⃗v · w
⃗1 a+b+c ⃗v · w
⃗2 −a + b ⃗v · w
⃗3 −a − b + 2c
λ1 = 2 = , λ2 = 2 = , λ3 = 2 = .
∥w⃗ 1∥ 3 ∥w⃗ 2∥ 2 ∥w⃗ 3∥ 6
Teorema 4.8 (Teorema de Pitágoras). Seja V um espaço vetorial real, com um produto interno.
Sejam ⃗u, ⃗v ∈ V . Se ⃗u ⊥ ⃗v , então
∥⃗u + ⃗v ∥2 = ∥⃗u∥2 + ∥⃗v ∥2 .
4.5 Exercı́cios
1. Verifique se cada uma das seguintes operações é produto interno no espaço vetorial indicado:
2. Considere os seguintes produtos internos no espaço vetorial real R3 . Para quaisquer vetores
⃗u = (u1 , u2 , u3 ) e ⃗v = (v1 , v2 , v3 ) de R3 , tem-se:
⃗u · ⃗v = u1 v1 + u2 v2 + u3 v3 .
⃗u · ⃗v = 2u1 v1 + u3 v1 + 2u2 v2 − u3 v2 + u1 v3 − u2 v3 + 2u3 v3 .
⃗u · ⃗v = 3u1 v1 + u2 v1 + u1 v2 + 2u3 v3 .
2.1. Determine o ângulo de ⃗a com ⃗b, em relação a cada um destes produtos internos.
2.2. Determine as normas dos vetores ⃗a e ⃗b, em relação a cada um destes produtos internos.
3. No espaço vetorial real R3 , seja o produto interno definido da seguinte forma: para quaisquer
vetores ⃗u = (u1 , u2 , u3 ) e ⃗v = (v1 , v2 , v3 ) de R3 , tem-se
⃗u · ⃗v = 2u1 v1 + u2 v1 − u3 v1 + u1 v2 + 3u2 v2 − u1 v3 + u3 v3 .
3.1. Diga para que valores reais de α são ortogonais os vetores ⃗a = (2, α, 1) e ⃗b = (α + 1, 2, −1).
3.2. Determine um vetor unitário e ortogonal a ⃗u = (1, −1, 2) e ⃗v = (2, 1, −1).
B = {w
⃗ 1 = (1, −1, 1) , w
⃗ 2 = (1, 1, 0) , w
⃗ 3 = (−1, 1, 2)} .
4.1. Mostre que B é formado por vetores ortogonais, em relação ao produto interno canónico.
4.2. Conclua se B é ou não uma base de R3 .
4.3. Determine um conjunto ortonormal de vetores C = {u1 , u2 , u3 } formado por múltiplos es-
calares dos vetores de B.
4.4. Escreva o vetor ⃗v = (x, y, z) ∈ R3 , como combinação linear dos vetores de B, aplicando o
Teorema 4.7.
5. No espaço vetorial P3 , considere o produto interno definido por: para quaisquer vetores ⃗u = p(x)
e⃗v = q(x) de P3 , tem-se
Z 1
⃗u · ⃗v = p(t)q(t) dt.
−1
5 Espaço euclidiano
Definição 5.1 (Espaço euclidiano). Chama-se espaço euclidiano a um espaço vetorial V de dimensão
finita e com um produto interno.
Exemplo 5.1. No espaço vetorial real Rn , com n ∈ N , a base canónica, isto é, a base formada pelos
vetores:
⃗e1 = (1, 0, 0, . . . , 0) , ⃗e2 = (0, 1, 0, . . . , 0) , . . . , ⃗en = (0, 0, 0, . . . , 1) ,
é ortonormal em relação ao produto interno canónico (ou usual), isto é, para quaisquer ⃗u = (u1 , u2 , . . . , un )
e ⃗v = (v1 , v2 , . . . , vn ) de Rn , tem-se
⃗u · ⃗v = u1 v1 + u2 v2 + · · · + un vn .
Teorema 5.2. Seja B = {⃗e1 , ⃗e2 , . . . , ⃗en } uma base de um espaço euclidiano V , de dimensão n, n ∈ N.
⃗e1
Então, existe uma base B ′ = {⃗u1 , ⃗u2 , . . . , ⃗un } de V , que é ortonormal, com ⃗u1 = .
∥⃗e1 ∥
Na construção da base B ′ = {⃗u1 , ⃗u2 , . . . , ⃗un } (ver o Teorema 5.2) utiliza-se o processo de ortogona-
lização de Gram-Schmitd, sem, no entanto, excluir outros métodos. Esse processo consiste no seguinte
(no fundo, é a aplicação dos Teoremas 4.6 e 5.1):
⃗ 1 = ⃗e1
w
⃗ 2 = ⃗e2 − projw⃗ 1⃗e2
w
⃗ 3 = ⃗e3 − projw⃗ 1⃗e3 − projw⃗ 2⃗e3
w
...
⃗ n = ⃗en − projw⃗ 1⃗en − projw⃗ 2⃗en − · · · − projw⃗ n−1
w ⃗en
Seguidamente, determina-se:
w
⃗1 w
⃗2 w
⃗n
⃗u1 = vers (w
⃗ 1) = , ⃗u2 = vers (w
⃗ 2) = , . . . , ⃗un = vers (w
⃗ n) = .
∥w
⃗ 1∥ ∥w
⃗ 2∥ ∥w
⃗ n∥
Exemplo 5.2. Seja o espaço vetorial real R3 , com o produto interno canónico, isto é, para quaisquer
vetores ⃗u = (u1 , u2 , u3 ) e ⃗v = (v1 , v2 , v3 ) de R3 , tem-se
⃗u · ⃗v = u1 v1 + u2 v2 + u3 v3 .
Seja B = {(1, 1, 1) , (0, 0, 1) , (1, 0, 0)} uma base de R3 . Aplicando o processo de ortogonalização de
Gram-Schmitd, constrói-se uma base ortonormal B ′ = {⃗u1 , ⃗u2 , ⃗u3 }, da seguinte forma:
⃗ 1 = (1, 1, 1)
w
(0, 0, 1) · (1, 1, 1) 1 1 2
⃗ 2 = (0, 0, 1) −
w (1, 1, 1) = − , − ,
∥(1, 1, 1)∥ 2 3 3 3
(1, 0, 0) · (1, 1, 1) (1, 0, 0) · − 31 , − 13 , 23 1 1 2
⃗ 3 = (1, 0, 0) −
w (1, 1, 1) − − ,− ,
∥(1, 1, 1)∥2 3 3 3
2
−1, −1, 2 3 3 3
1 1 1 1 1 1 2 2 1 1 1 1 1
= (1, 0, 0) − , , + − ,− , = ,− ,− + − ,− ,
3 3 3 2 3 3 3 3 3 3 6 6 3
1 1
= ,− ,0 .
2 2
Então:
√ √ √ √ !
w⃗1 3 3 3 3
⃗u1 = = (1, 1, 1) = , , ,
∥w⃗ 1∥ 3 3 3 3
√ √ √ √ !
w⃗2 6 1 1 2 6 6 6
⃗u2 = = − ,− , = − , , ,
∥w⃗2 ∥ 2 3 3 3 6 6 3
√ √
√ 1 1 2 2
!
w⃗3
⃗u3 = = 2 ,− ,0 = ,− ,0 .
∥w⃗ 3∥ 2 2 2 2
( √ √ √ ! √ √ √ ! √ √
3 3 3 6 6 6 2 2
!)
′
Assim, B = {⃗u1 , ⃗u2 , ⃗u3 } = , , , − , , , ,− ,0 .
3 3 3 6 6 3 2 2
0, se i ̸= j
(
⃗ei · ⃗ej = ,
1, se i = j
uma vez que ⃗ei ⊥ ⃗ej , para todo i, j ∈ {1, 2, . . . , n} e i ̸= j, e ∥⃗ei ∥ = 1, para todo i ∈ {1, 2, . . . , n}.
Teorema 5.3. Seja V um espaço euclidiano de dimensão n ∈ N, e seja B = {⃗e1 , ⃗e2 , . . . , ⃗en } uma sua
base. Seja G = [⃗ei · ⃗ej ], com i, j ∈ {1, 2, . . . , n}, a matriz da métrica, do produto interno definido em
V, em relação à base B. Sejam ⃗u, ⃗v ∈ V , tais que
⃗u ≡B (u1 , u2 , . . . , un ) e ⃗v ≡B (v1 , v1 , . . . , vn ) .
Então,
v1
i v2 h
h i
u1 u2 · · · ..
un G = ⃗
u · ⃗
v .
.
vn
Exemplo 5.3. Seja o produto interno, definido em R3 , da seguinte forma: para quaisquer vetores
⃗u = (u1 , u2 , u3 ) e ⃗v = (v1 , v2 , v3 ) de R3 , tem-se:
⃗u · ⃗v = 2u1 v1 + u2 v1 − u3 v1 + u1 v2 + 3u2 v2 − u1 v3 + u3 v3 .
Então, em relação à base canónica de R3 , este produto interno pode ser representado matricialmente
por:
i 2 1 −1
h i h v1
⃗u · ⃗v = u1 u2 u3 1 3 0 v2 .
−1 0 1 v3
Teorema
n 5.4. Seja o V um espaço euclidiano, de dimensão n ∈ N, e sejam B = {⃗v1 , ⃗v2 , . . . , ⃗vn } e
′ ⃗′ ⃗ ′ ⃗
B = v 1 , v 2 , . . . , v n duas bases de V. Seja P = M (B −→ B ′ ), a matriz mudança de base, da base
′
un
com u > 0.
Teorema 5.7 "(Matriz# definida positiva de ordem 2). Seja A uma matriz simétrica, de ordem 2,
a b
ou seja, A = , com a, b, c ∈ R. Então, a matriz A é definida positiva se, e somente se,
b c
|A| = ac − b2 > 0.
" #
1 −2
Exemplo 5.5. A matriz real A = é definida positiva.
−2 5
Teorema 5.8 (Matriz da métrica/Matriz definida positiva). Seja V um espaço euclidiano. Então,
qualquer matriz da métrica, em V , é definida positiva.
S ⊥ = {⃗v ∈ V : ⃗v · ⃗u = 0, ∀⃗u ∈ S} .
S ⊥ = {⃗x = (x1 , x2 , . . . , xn ) ∈ Rn : ⃗v · ⃗x = 0} ,
equivalentemente,
S ⊥ = {(x1 , x2 , . . . , xn ) ∈ Rn : a1 x1 + a2 x2 + · · · + an xn = 0} .
Em particular, se:
que é a equação do plano que passa pela origem, (0, 0, 0), e com vetor normal ⃗v = (a, b, c).
E2 Se n = 2 e S = {⃗v } ⊆ R2 , com ⃗v = (a, b) ̸= ⃗0, então
n o
S ⊥ = (x, y) ∈ R2 : ax + by = 0 ,
um subconjunto de R3 . Então:
n o
S ⊥ = (x, y, z) ∈ R3 : (x, y, z) · (1, 1, 1) = 0 ∧ (x, y, z) · (−1, 0, 1) = 0
n o
= (x, y, z) ∈ R3 : x + y + z = −x + z = 0 .
Assim:
x = z
x+y+z =0
(
⇔ y = −2z ,
−x + z = 0
z = λ ∈ R
logo, tem-se
S ⊥ = {(λ, −2λ, λ) : λ ∈ R} = ⟨(1, −2, 1)⟩ .
Teorema 5.10. Seja V um espaço euclidiano, com um produto interno. Para quaisquer subconjuntos
não vazios X e Y de V , tem-se:
T1 Se X ⊆ Y , então Y ⊥ ⊆ X ⊥ .
⊥
T2 X ⊆ X ⊥ .
Nota 5.2. O Ponto T3 , do Teorema 5.10, permite calcular complemento ortogonal de qualquer su-
bespaço, finitamente gerado, de V . Por exemplo, no espaço vetorial real R3 , com o produto interno
canónico, tem-se:
⟨(1, 1, 1) , (−1, 0, 1)⟩⊥ = {(1, 1, 1) , (−1, 0, 1)}⊥ = ⟨(1, −2, 1)⟩ (ver o Exemplo 5.8).
Teorema 5.11. Seja V um espaço euclidiano, e seja F um subespaço vetorial de V . Então, tem-se:
T1 V = F ⊕ F ⊥ .
⊥
T2 F⊥ = F.
Definição 5.7 (Projeção ortogonal sobre um subespaço). Seja V um espaço euclidiano, e seja F um
subespaço vetorial de V . Dado um vetor ⃗v ∈ V , pode-se escrever ⃗v = ⃗v1 + ⃗v2 , com ⃗v1 ∈ F e ⃗v2 ∈ F ⊥ .
Então, nestas condições, diz-se que ⃗v1 é a projeção ortogonal de ⃗v sobre F , e que ⃗v2 é a projeção
ortogonal de ⃗v sobre F ⊥ , e escreve-se:
⃗v ⃗v
⃗v1 = proj⊥ F e ⃗v2 = proj⊥ F ⊥ .
Exemplo 5.9. No espaço euclidiano R3 , com o produto interno canónico, seja o subespaço vetorial
F = ⟨(1, −1, 0)⟩. Seja ⃗v = (x, y, z) um vetor arbitrário de R3 . Então:
pois, R3 = ⟨(1, −1, 0) , (1, 1, 0) , (0, 0, 1)⟩, uma vez que R3 = F ⊕ F ⊥ , e, por conseguinte,
é uma base de R3 , composto pelos vetores que compõem as bases de F e F ⊥ . Assim, existem
escalares reais λ1 , λ2 e λ3 , tais que:
x−y x+y
Mas, λ1 = , λ2 = e λ3 = z, dado que:
2 2
x−y
1 1 0 x 1 1 0 1 0 0
x 2
−1 1 0 y 0 2 0 x+y
x+y
−→ −→ 0 1 0
2
L1 ←L1 − 12 L2
L2 ←L2 +L1
0 0 1 z 0 0 1 z 1
0 0 1 z
L2 ← 2 L2
Assim,
x−y x−y x−y
⃗v
proj⊥ F = (1, −1, 0) = ,− ,0 ,
2 2 2
x+y x+y x+y
⃗v
proj⊥ F ⊥ = (1, 1, 0) + z (0, 0, 1) = , ,z .
2 2 2
Teorema 5.12. Seja V um espaço euclidiano, es seja B = {⃗v1 , ⃗v2 , . . . , ⃗vk } uma base ortogonal de um
subespaço vetorial F de V . Então,
⃗v
proj⊥ F = proj⃗v1⃗v + proj⃗v2⃗v + · · · + proj⃗vk⃗v .
5.5 Distância
Definição 5.8 (Distância entre dois vetores). Seja V um espaço vetorial, com um produto interno.
Para quaisquer vetores ⃗a, ⃗b ∈ V , chama-se distância de ⃗a a ⃗b ao número real
d ⃗a, ⃗b = ⃗a − ⃗b .
Teorema 5.13 (Propriedades de distância entre vetores). Seja V um espaço vetorial real, com um
produto interno. Para quaisquer vetores ⃗a, ⃗b, ⃗c ∈ V , tem-se:
E1 d ⃗a, ⃗b = 0 ⇔ ⃗a = ⃗b.
E2 d ⃗a, ⃗b = d ⃗b, ⃗a .
E3 d ⃗a, ⃗b ≤ d (⃗a, ⃗c) + d ⃗c, ⃗b .
Definição 5.9 (Distância de um vetor a um subespaço). Seja V um espaço vetorial, com um produto
interno, e seja F um subespaço vetorial, de dimensão finita, de V . Dado um vetor ⃗v ∈ V , chama-se
distância de ⃗v a F , ao número real
n o
d (⃗v , F ) = min ⃗v − f⃗ : f⃗ ∈ F .
Teorema 5.14. Seja V um espaço vetorial, com um produto interno, e seja F um subespaço vetorial,
⃗v
de dimensão finita, de V . Para cada vetor ⃗v ∈ V , a proj⊥ F é o vetor de F mais próximo de ⃗v , isto
é, cuja distância a ⃗v é mı́nima.
Nota 5.3. Seja V um espaço vetorial, com um produto interno, e seja F um subespaço vetorial, de
dimensão finita, de V . Então, para cada ⃗v ∈ V , tem-se:
n o
d (⃗v , F ) = min ⃗v − f⃗ : f⃗ ∈ F
⃗v
= ⃗v − proj⊥ F (aplicação do Teorema 5.14)
r
⃗v
= ∥⃗v ∥ − proj⊥ F (pela aplicação do Teorema de Pitágoras).
Definição 5.10. Seja V um espaço vetorial real, de dimensão n ∈ N. Seja B = {⃗e1 , ⃗e2 , . . . , ⃗en } uma
base de V . Sejam ⃗v1 , ⃗v2 , . . . , ⃗vn vetores arbitrários de V . Seja a matriz
v11 v12 ··· v1n
v21
v22 ··· v2n
A=
.. .. .. ..
. . . .
vn1 vn2 · · · vnn
cujas colunas são compostas pelas componentes dos vetores ⃗vi , com i ∈ {1, 2, . . . , n}, na base B, con-
siderada. O determinante da matriz A, toma o nome de determinante dos vetores ⃗v1 , ⃗v2 , . . . , ⃗vn , em
relação à base B:
detB (⃗v1 , ⃗v2 , . . . , ⃗vn ) = |A| .
Teorema 5.15. Seja V um espaço euclidiano de dimensão 3, com uma base fixa B = {⃗e1 , ⃗e2 , ⃗e3 }. Seja
ε um número real positivo qualquer e sejam os vetores ⃗u, ⃗v ∈ V , linearmente independentes. Então,
existe um, e um só, vetor ⃗z, tal que:
T1 ⃗z ⊥ ⃗u e ⃗z ⊥ ⃗v ,
T2 ∥⃗z∥ = ε,
T3 detB (⃗u, ⃗v , ⃗z) > 0.
Definição 5.11 (Produto externo). Seja V um espaço euclidiano de dimensão 3, com uma base fixa
B = {⃗e1 , ⃗e2 , ⃗e3 }. Para quaisquer vetores ⃗u, ⃗v ∈ V , chama-se produto externo (ou produto vetorial) de
⃗u por ⃗v , e representa-se por ⃗u × ⃗v , ao vetor assim definido:
Exemplo 5.10. No espaço euclidiano R3 , com o produto interno canónico, sejam os vetores ⃗u = (1, 3, 4)
e ⃗v = (2, −6, −5) de R3 . Então:
E1 ⃗u×⃗v = (9, 13, −12), pois, como a base canónica, B = {⃗e1 = (1, 0, 0) , ⃗e2 = (0, 1, 0) , ⃗e3 = (0, 0, 1)},
é ortonormal, em relação ao produto interno canónico, então:
3 4 1 4 1 3
⃗u × ⃗v = ⃗e − ⃗e + ⃗e = (9, 13, −12) .
−6 −5 1 2 −5 2 2 −6 3
(⃗u × ⃗v ) · ⃗u = 9 + 39 − 48 = 0,
(⃗u × ⃗v ) · ⃗v = 18 − 78 + 60 = 0.
Assim, √
√ 394 √
∥⃗u∥ ∥⃗v ∥ sen (∡ (⃗u, ⃗v )) = 1690 · √ = 394 = ∥⃗u × ⃗v ∥ .
1690
5.7 Exercı́cios
2. Considere o espaço euclidiano R3 , com o produto interno canónico. Use o processo de ortogona-
lização de Gram-Schmitd, para transformar a base B = {(1, 1, 1) , (0, 1, 1) , (1, 2, 3)} numa base
ortonormal.
do espaço euclidiano R3 , com o produto interno canónico. Encontre uma base ortonormal de F .
6. Seja o espaço euclidiano R3 , com o seguinte produto interno: ∀⃗u = (u1 , u2 , u3 ) , ⃗v = (v1 , v2 , v3 ) ∈ R3 ,
tem-se:
⃗u · ⃗v = 2u1 v1 + u2 v1 − u3 v1 + u1 v2 + 3u2 v2 − u1 v3 + u3 v3 .
1
F = (1, −1, 0, 0) , 1, 0, , 0 , (0, 2, 1, 2) .
2
Determine:
⃗x · ⃗y = 3x1 y1 − x1 y2 − x2 y1 + 2x2 y2 ,
onde ⃗x = (x1 , x2 ) e ⃗y = (y1 , y2 ) são vetores arbitrários de R2 . Indique uma base ortonormal para
o espaço.
9. No espaço euclidiano R3 , seja um produto interno que, em relação à base canónica, tenha a
matriz da métrica
2 −1 0
−1 1 0 .
0 0 3
Indique uma base ortonormal para R3 .
10.1. ⃗u × ⃗v .
10.2. ⃗v × w.
⃗
10.3. (⃗u + ⃗v ) × w.
⃗
10.4. ⃗u · (⃗v × w).
⃗
11. No espaço euclidiano R3 , seja uma base B = {⃗e1 , ⃗e2 , ⃗e3 }, formada pelos vetores unitários e que
π
fazem entre si o ângulo de . Sejam
3
⃗x = ⃗e1 − ⃗e3 , ⃗y = −⃗e1 + e⃗2 , ⃗z = −⃗e1 + 2⃗e3 .
Calcule:
11.1. ⃗x × ⃗y .
11.2. (⃗x × ⃗y ) · ⃗z.
11.3. (⃗x × ⃗y ) × ⃗z.
Referências
[2] MONTEIRO, A.; PINTO, G.; MARQUES C. (1997). Álgebra Linear e Geometria Analı́tica –
Problemas e Exercı́cios. McGraw-Hill de Portugal Lda., Lisboa.
[3] MONTEIRO, A. (2001). Álgebra Linear e Geometria Analı́tica. McGraw-Hill de Portugal Lda.,
Lisboa.