EspaÃ o Vectorial Real - Aula - 2023.24 2

Faculdade de Ciências & Tecnologia
Álgebra Linear e Geometria Analı́tica I
Cursos: EQB, EA, EE, EC, EM, EIC, EARN – 1º Ano
Espaço vetorial real
18 de novembro de 2023
Cursos: EIC, EC, EM, EQB, EA, EARN Faculdade de Ciências & Tecnologia Ano Lectivo: 2023/24
Ano: 1º Ano Álgebra Linear e Geometria Analı́tica I 1º Semestre
Conteúdo
1 Espaço vetorial sobre um corpo 2

1.1 Combinação linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Sistemas de vetores equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Gerador de um espaço vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Dependência e independência linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Caracterı́stica de uma matriz/dependência e independência linear de vetores . . . . . . 12
1.6 Base de um espaço vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7 Bases canónicas de Rn e Pn , para n ∈ N . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8 Teorema de Steinitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9 Consequências do Teorema de Steinitz . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.10 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
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
3 Matriz mudança de base 33

3.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4 Espaço vetorial com produto interno 35

4.1 Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3 Ângulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.5 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
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
Espaço vetorial real Pág. 1 de 51

1 Espaço vetorial sobre um corpo
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:
A.1 ∀⃗u, ⃗v ∈ V , tem-se ⃗u + ⃗v = ⃗v + ⃗u;

A.2 ∀⃗u, ⃗v , w
⃗ ∈ V , tem-se (⃗u + ⃗v ) + w
⃗ = ⃗u + (⃗v + w);
⃗
A.3 ∃⃗0 ∈ V , ∀⃗v ∈ V , tem-se ⃗0 + ⃗v = ⃗v ;
A.4 ∀⃗v ∈ V , ∃ − ⃗v ∈ V , tem-se ⃗v + (−⃗v ) = ⃗0.
Ou seja, (V, +) é um grupo comutativo.
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:
ME.1 ∀λ ∈ F, ∀⃗u, ⃗v ∈ V , tem-se λ (⃗u + ⃗v ) = λ⃗u + λ⃗v ;

ME.2 ∀λ, β ∈ F, ∀⃗v ∈ V , tem-se (λ + β) ⃗v = λ⃗v + β⃗v ;
ME.3 ∀λ, β ∈ F, ∀⃗v ∈ V , tem-se (λβ) ⃗v = λ (β⃗v );
ME.4 ∀⃗v ∈ V , tem-se 1⃗v = ⃗v .
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.
São alguns exemplos de espaços vetoriais reais.
1.1) O conjunto R é um espaço vetorial real com a adição e a multiplicação, usuais, de números reais.
1.2) Seja n ∈ N, n > 1. O conjunto
Rn = {(x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ R}
é um espaço vetorial real, com as seguintes operações:
Adição (usual): ∀⃗v = (v1 , v2 , . . . , vn ) , ⃗u = (u1 , u2 , . . . , un ) ∈ Rn :
⃗v + ⃗u = (v1 + u1 , v2 + u2 , . . . , vn + un ) ;
Multiplicação por escalar (usual): ∀⃗v = (v1 , v2 , . . . , vn ) ∈ Rn , ∀λ ∈ R:
λ⃗v = (λv1 , λv2 , . . . , λvn ) .

⃗0 = (0, 0, . . . , 0) e −⃗v = (−v1 , −v2 , . . . , −vn ).
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 .
Para todo P = (p1 , p2 ) , Q = (q1 , q2 ) ∈ R2 (P = (x1 , x2 , x3 ) , Q = (q1 , q2 , q3 ) ∈ R3 ),para todo λ ∈ R

tem-se:
−−→ −−→ −−→
OP + OQ = OR, onde R = P + Q.
−−→ −−→
λOP = OR, onde R = λP .
−−→
Neste sentido, todo ponto P de R2 (ou R3 ) representa o vetor OP , e vice-versa.
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
p(x) + q(x) = (an + bn ) xn + . . . + (a2 + b2 ) x2 + (a1 + b1 ) x + a0 + b0 , (m = n);

p(x) + q(x) = bm xm + . . . + (an + bn ) xn + . . . + (a2 + b2 ) x2 + (a1 + b1 ) x + a0 + b0 , (m > n).
Multiplicação por escalar (usual): ∀ p(x) = an xn + . . . + a2 x2 + a1 x + a0 , ∀λ ∈ R, tem-se
λp(x) = λan xn + . . . + λa2 x2 + λa1 x + λa0 .
⃗0 = 0 (zero) e −p(x) = −an xn − . . . − a2 x2 − a1 x − a0 .
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.

O vetor nulo ⃗0 é 0 (zero) e para todo p(x) = an xn + . . . + a2 x2 + a1 x + a0 ∈ Pn tem-se
−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:
(1) 0⃗v = ⃗0.
(2) λ⃗0 = ⃗0.
(3) λ⃗v = ⃗0 se, e somente se, λ = 0 ou ⃗v = ⃗0.
(4) (−λ) ⃗v = − (λ⃗v ) = λ (−⃗v ). Caso particular, −1⃗v = −⃗v .

(5) λ (⃗u − ⃗v ) = λ⃗u − λ⃗v .
(6) (λ − β) ⃗v = λ⃗v − β⃗v .

1.1 Combinação linear
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
⃗v = λ1 v⃗1 + λ2 v⃗2 + . . . + λn v⃗n .
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 ?
Resolução do Exemplo 1.1.

⃗v é combinação linear dos vetores v⃗1 , v⃗2 , v⃗3 , se existem escalares reais λ1 , λ2 , λ3 , tais que
⃗v = λ1 v⃗1 + λ2 v⃗2 + λ3 v⃗3 .
⃗v = λ1 v⃗1 + λ2 v⃗2 + λ3 v⃗3 ⇔ (−2, 2, 5) = (λ1 , λ1 , λ1 ) + (λ2 , λ2 , 0) + (λ3 , 0, λ3 )


λ1 + λ2 + λ3 = −2


⇔ (−2, 2, 5) = (λ1 + λ2 + λ3 , λ1 + λ2 , λ1 + λ3 ) ⇔ 1 λ +λ =2
2 (1.1)

λ + λ = 5

1 3
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,
⃗v = 9v⃗1 − 7v⃗2 − 4v⃗3 .
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
v⃗1 = −x3 − 2x2 + x + 1, v⃗2 = x3 + 3x − 1, v⃗3 = −x3 − x2 − x + 1, v⃗4 = −5x3 − 4x2 − 7x + 5.
O vetor v⃗1 é combinação linear dos vetores v⃗2 , v⃗3 e v⃗4 ?

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 .
v⃗1 = λ1 v⃗2 + λ2 v⃗3 + λ3 v⃗4

⇔ − x3 − 2x2 + x + 1 = λ1 x3 + 3x − 1 + λ2 −x3 − x2 − x + 1 + λ3 −5x3 − 4x2 − 7x + 5
⇔ − x3 − 2x2 + x + 1 = (λ1 − λ2 + 5λ3 ) x3 + (−λ2 − 4λ3 ) x2 + (3λ1 − λ2 − 7λ3 ) x − λ1 + λ2 + 5λ3



 λ1 − λ2 − 5λ3 = −1

−λ − 4λ = −2

2 3
⇔ (1.2)


 3λ1 − λ2 − 7λ3 = 1
−λ1 + λ2 + 5λ3 = 1



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
v⃗1 = (1 + β) v⃗2 + (2 − 4β) v⃗3 + β v⃗4 , com β ∈ R.
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
p(x) = λ1 p1 (x) + λ2 p2 (x) + · · · + λn pn (x)
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
p(x) = bn xn + bn−1 xn−1 + · · · + b1 x + b0 ,

p1 (x) = an (1) xn + an−1 (1) xn−1 + · · · + a1 (1) x + a0 (1) ,
p2 (x) = an (2) xn + an−1 (2) xn−1 + · · · + a1 (2) x + a0 (2) ,
.. .. ..
. . .
pn (x) = an (n) xn + an−1 (n) xn−1 + · · · + a1 (n) x + a0 (n) ,
e “ n” é o grau máximo, entre os graus dos polinómios p(x), p1 (x), p2 (x), . . . , pn (x).

Exemplo 1.3. Seja o sistema de equações lineares

3x + 1 = λ1 x2 − x + 1 + λ2 (x + 1) + λ3 (x + 2) ,
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,
0v⃗1 + 0v⃗2 + . . . + 0v⃗n = ⃗0
dá-se o nome de combinação linear nula trivial.
1.2 Sistemas de vetores equivalentes
Definição 1.5 (Sistema de vetores equivalentes). Seja V um espaço vetorial real. Sejam
S = {v1 , v2 , . . . , vp } e S ′ = v1′ , v2′ , . . . , vr′

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
S = {(1, 2) , (2, 3)} e S ′ = {(1, 1) , (2, 1) , (3, 2)}
são equivalentes, conforme se vê mais abaixo.
(1) Cada vetor de S é combinação linear dos vetores de S ′ , pois:
(1, 2) = λ1 · (1, 1) + λ2 · (2, 1) + λ3 · (3, 2)


λ 1 = 3 − λ (1.3)


⇔ λ2 = −1 − λ .

λ = λ ∈ R

3
(2, 3) = β1 · (1, 1) + β2 · (2, 1) + β3 · (3, 2)


β1 = 4 − β (1.4)


⇔ β2 = −1 − β .

β = β ∈ R

3
Assim, para λ = 1 = β, tem-se:
(1, 2) = 2 · (1, 1) − 2 · (2, 1) + 1 · (3, 2)

(2, 3) = 3 · (1, 1) − 2 · (2, 1) + 1 · (3, 2)

Os SELs (1.3) e (1.4) podem ser resolvidos, simultaneamente, da seguinte forma:

" # " # " #
1 2 3 1 2 1 2 3 1 2 1 0 1 3 4
−→ −→
1 1 2 2 3 L2 ←L2 −L1 0 −1 −1 1 1 L1 ←L1 +2L2 0 1 1 −1 −1
L2 ←−1L2
 
λ1 = 3 − λ β1 = 4 − β
 
λ1 + λ3 = 3 β1 + β3 = 4
( (  
↔ ∧ ⇔ λ = −1 − λ
2 ∧ β = −1 − β
2 .
λ2 + λ3 = −1 β2 + β3 = −1 
λ = λ ∈ R
 
β = β ∈ R

3 3
(2) Cada vetor de S ′ é combinação linear dos vetores de S, pois:
(1, 1) = λ1 (1, 2) + λ2 (2, 3)

(1.5)
⇔ λ1 = −1 ∧ λ2 = 1.
(2, 1) = β1 (1, 2) + β2 (2, 3)
(1.6)
⇔ β1 = −4 ∧ β2 = 3.
(3, 2) = γ1 (1, 2) + γ2 (2, 3)
(1.7)
⇔ γ1 = −5 ∧ γ2 = 4.
Assim, tem-se:
(1, 1) = −1 · (1, 2) + 1 · (2, 3)

(2, 1) = −4 · (1, 2) + 3 · (2, 3)
(3, 2) = −5 · (1, 2) + 4 · (2, 3) .
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:
E1 {v⃗1 , v⃗2 , . . . , v⃗p } ≈ {v⃗1 , v⃗2 , . . . , v⃗p } (Reflexividade);
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
E4 {v⃗1 , v⃗2 , . . . , v⃗i , . . . , v⃗p } ≈ {v⃗1 , v⃗2 , . . . , λ · v⃗i , · · · , v⃗p }, λ ∈ R \ {0};
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)
1.3 Gerador de um espaço vetorial
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
v⃗1 = (1, 2, 1) , v⃗2 = (2, 1, 1) , v⃗3 = (1, −1, 0) .
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 .
Então, resolve-se o SEL
(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:
R3 ̸= ⟨v⃗1 , v⃗2 , v⃗3 ⟩ .
Exemplo 1.6. Seja o espaço vetorial real R3 , com as operações usuais, e sejam os vetores
v⃗1 = (1, 1, −2) , v⃗2 = (1, 1, 1) , v⃗3 = (−1, 1, 1) .
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 .
Então, resolve-se o SEL
(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
Então, o SEL (1.9) é possı́vel qualquer que seja (x, y, z) ∈ R3 , logo
R3 = ⟨v⃗1 , v⃗2 , v⃗3 ⟩ .
Teorema 1.4. Seja V um espaço vetorial real. Então:
G1 Se V = ⟨v⃗1 , v⃗2 , . . . , v⃗k ⟩ e {v⃗1 , v⃗2 , . . . , v⃗k } ≈ {w⃗1 , w⃗2 , . . . , w

⃗t }, então V = ⟨w⃗1 , w⃗2 , . . . , w
⃗t ⟩.
G2 Se V = ⟨v⃗1 , v⃗2 , . . . , v⃗k ⟩ = ⟨w⃗1 , w⃗2 , . . . , w

⃗t ⟩, então {v⃗1 , v⃗2 , . . . , v⃗k } ≈ {w⃗1 , w⃗2 , . . . , w
⃗t }.
Definição 1.7 (Espaço finitamente gerado). Um espaço vetorial real V , diz-se finitamente gerado, se
existe um sistema finito de vetores, v⃗1 , v⃗2 , . . . , v⃗k ∈ V , tais que V = ⟨v⃗1 , v⃗2 , . . . , v⃗k ⟩.
Exemplo 1.7. O espaço vetorial real P3 é finitamente gerado, pois o sistema formado pelos vetores
x3 , x2 , x, 1
constitui um dos seus geradores.

Exemplo 1.8. O espaço vetorial real P, composta de todos os polinómios, não é finitamente gerado.
1.4 Dependência e independência linear
Definição 1.8 (Dependência e independência linear). Seja V um espaço vetorial real, e sejam os
vetores ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V . Diz-se que:
P1 ⃗v1 , ⃗v2 , . . . , ⃗vn são linearmente independentes se
λ1⃗v1 + λ2⃗v2 + · · · + λn⃗vn = ⃗0 ⇒ λ1 = λ2 = · · · = λn = 0. (1.10)
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 .
P3 Um conjunto (ou sistema) de vetores diz-se linearmente dependente [independente], se os vetores

que o compõem são linearmente dependentes [linearmente independentes].

Exemplo 1.9. No espaço vetorial real R3 , com as operações usuais, os vetores
⃗v1 = (1, 1, 1) , ⃗v2 = (−2, 1, 1) , ⃗v3 = (1, −1, 1)
são linearmente independentes.
Verificação do Exemplo 1.9. Mostra-se que o sistema homogéneo
1 −2 1 λ1 0
    
λ1⃗v1 + λ2⃗v2 + λ3⃗v3 = ⃗0 ⇔ 1 1 1 λ2  = 0 (1.12)

    
1 1 1 λ3 0
tem uma, e uma só, solução, λ1 = λ2 = λ3 = 0. Como
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.
Exemplo 1.10. No espaço vetorial real P2 , com as operações usuais, os vetores
⃗v1 = x2 + x + 1, ⃗v2 = −2x2 + x + 1, ⃗v3 = 3x + 3
são linearmente dependentes.
Verificação do Exemplo 1.10. Mostra-se que o SH
1 −2 0 λ1 0
    
λ1⃗v1 + λ2⃗v2 + λ3⃗v3 = ⃗0 ⇔ 1 1 3 λ2  = 0 (1.13)

    
1 1 3 λ3 0
tem soluções não triviais. Como

1 −2 0
1 1 3 = 0,
1 1 3
pois L2 = L3 , então o SH (1.13) tem soluções não triviais, logo os vetores ⃗v1 , ⃗v2 e ⃗v3 são linearmente
dependentes. Nota-se que o conjunto-solução deste SH é S = ⟨(−2, −1, 1)⟩.
Teorema 1.5 (Propriedades da dependência e independência linear). Seja V um espaço vetorial real.
Então:
P1 Um vetor ⃗v ∈ V é linearmente dependente se, e somente se, ⃗v = ⃗0.
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.
P3 Se os vetores ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V são linearmente dependentes, então os vetores
⃗v1 , ⃗v2 , . . . , ⃗vn , ⃗vn+1 , ⃗vn+2 , . . . , ⃗vn+t ∈ V,
t ∈ N, t ≥ 1, são, também, linearmente dependentes.

P4 Qualquer subsistema de um sistema de vetores linearmente independentes é linearmente inde-

pendente.
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 .
P7 Se os vetores ⃗v1 , ⃗v2 , . . . , ⃗vi , . . . , ⃗vn ∈ V são linearmente independentes, então
⃗v1 , ⃗v2 , . . . , λ⃗vi , . . . , ⃗vn ,
λ ̸= 0, são linearmente independentes.
P8 Se os vetores ⃗v1 , ⃗v2 , . . . , ⃗vi , . . . , ⃗vj , . . . , ⃗vn ∈ V são linearmente independentes, então
⃗v1 , ⃗v2 , . . . , ⃗vi + λ⃗vj , . . . , ⃗vj , . . . , ⃗vn
são linearmente independentes.
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.
(2, −2) , (2, 1) e (2, −2) , .
Teorema 1.6 (Critério da independência linear). Seja V um espaço vetorial real. Os vetores
⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V
são linearmente independentes se, e somente se, qualquer vetor ⃗v ∈ V que se possa expressar como
combinação linear deles tem, nessa expressão, coeficientes únicos.
1.5 Caracterı́stica de uma matriz/dependência e independência linear de vetores
Seja A uma matriz real do tipo m × n, com m, n ∈ N.

Cada linha da matriz A pode ser vista como um vetor de Rn , chamado vetor-linha; e cada coluna da
matriz A pode ser vista como um vetor de Rm , chamado vetor-coluna.
Assim,
C.1 No conjunto de vetores-linha de A, o número de vetores-linha linearmente independentes é igual

à caracterı́stica de A. Os vetores-linha linearmente independentes são aquelas que correspondem
as linhas não nulas da matriz escalonada, que se obtém a partir de A.
C.2 No conjunto de vetores-coluna de A, o número de vetores-coluna linearmente independentes é

igual à caracterı́stica de A. Os vetores-coluna independentes são aqueles que correspondem às
colunas dos pivots da matriz escalonada, que se obtém a partir de A.
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 .

Exemplo 1.11. No espaço vetorial real P3 , os vetores

⃗v1 = x3 − 2x + 1, ⃗v2 = 3x3 − 2x2 − 2x + 3, ⃗v3 = x3 − x2 + 1, ⃗v4 = x3 − x2 + 2x − 1
são linearmente dependentes, mas existe um subsistema linearmente independente composto por três
destes vetores.
Verificação do Exemplo 1.11. Seja B = x3 , x2 , x, 1 a base canónica de P3 . Então:

⃗v1 = x3 − 2x + 1 ≡B (1, 0, −2, 1) , ⃗v2 = 3x3 − 2x2 − 2x + 3 ≡B (3, −2, −2, 3) ,

⃗v3 = x3 − x2 + 1 ≡B (1, −1, 0, 1) , ⃗v4 = x3 − x2 + 2x − 1 ≡B (1, −1, 2, −1) .
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.

1.6 Base de um espaço vetorial
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:
P1 Qualquer sistema de n vetores linearmente independentes de V forma uma sua base.

P2 Qualquer sistema de n geradores de V forma uma sua base.
P3 Qualquer sistema de vetores de V , com mais de n vetores é linearmente dependente.
P4 Se ⃗v1 , ⃗v2 , . . . , ⃗vk ∈ V são vetores linearmente independentes, então é possı́vel constituir uma base
de V que inclua esses vetores.
Definição 1.13 (Componentes ou coordenadas de um vetor numa base). Seja B = {⃗v1 , ⃗v2 , ⃗v3 , . . . , ⃗vk }
uma base ordenada do espaço vetorial real V . Cada vetor ⃗v ∈ V escreve-se, de uma única maneira,
na forma
⃗v = λ1⃗v1 + λ2⃗v2 + λ3⃗v3 + · · · + λk⃗vk .
Os escalares λ1 , λ2 , λ3 , . . . , λk ∈ R chamam-se componentes (ou coordenadas) do vetor ⃗v na base B,
e escreve-se
⃗v ≡B (λ1 , λ2 , λ3 , . . . , λk ) .
Nota 1.7. Nota-se que as componentes de um vetor num espaço vetorial real, de dimensão k, é uma
lista de k números reais, ou seja, é um elemento de Rk .
Componentes de um vetor e o próprio vetor são coisas distintas. Um vetor é um elemento bem definido
de um espaço vetorial real V , enquanto que as suas componentes é uma sequência de números reais,
cujos valores dependem da base considerada.
Exemplo 1.14. No espaço vetorial real, com as operações usuais, considere os seguintes vetores:
⃗v1 = (1, −1, 2) , ⃗v2 = (0, 1, 1) e ⃗v3 = (2, −2, 1) .
Seja ⃗v = (x, y, z) um vetor arbitrário de R3 . Então, B = {⃗v1 , ⃗v2 , ⃗v3 } é uma base de V e
−3x − 2y + 2z 3x + y − z

⃗v ≡B , x + y, .
3 3

Verificação do Exemplo 1.14. Como B é composto por 3 vetores e dim R3 = 3, então (pelo Teorema

1.13, P1 ) B é base de R3 se B é linearmente independente, ou seja,
λ1⃗v1 + λ2⃗v2 + λ3⃗v3 = ⃗0 ⇒ λ1 = λ2 = λ3 = 0.
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
λ1⃗v1 + λ2⃗v2 + λ3⃗v3 = (x, y, z) . (1.15)
Resolve-se o SEL (1.15), com vista a determinação de λ1 , λ2 e λ3 :
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
1.7 Bases canónicas de Rn e Pn , para n ∈ N
B1 A base canónica do espaço vetorial real R = P0 é B = {1}, isto é, ∀a ∈ R = P0 , a = a · 1,

consequentemente, a ≡B (a). Logo, dim (R) = dim P0 = 1.
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:
B = {(1, , 0, 0, . . . , 0) , (0, 1, 0, . . . , 0) , (0, 0, 1, . . . , 0) , . . . , (0, 0, 0, . . . , 1)} ,
isto é, dim (Rn ) = n.

Então, ∀⃗x = (x1 , x2 , . . . , xn ) ∈ Rn , ⃗x = (x1 , x2 , . . . , xn ) ≡B (x1 , x2 , . . . , xn ).
Casos particulares:
Para o espaço vetorial real R2 , a base canónica é B = {(1, 0) , (0, 1)}.
Na Fı́sica, para representar um vetor ⃗v = (x1 , x2 ) = (vx , vy ) ∈ R2 , usa-se a seguinte anotação:
⃗v = x1 i + x2 j ou ⃗v = vx i + vy j.
onde i = (1, 0) e j = (0, 1).

A soma e o produto por escalar em R2 são compatı́veis com esta anotação. Com efeito, sejam
⃗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) .
Produto por um escalar λ ∈ R:
λ⃗v = λ (vx , vy ) = (λvx , λvy )

= (λvx ) i + (λvy ) j = λ (vx i + vy j) .
Para o espaço vetorial real R3 , a base canónica é B = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)}.

Na Fı́sica, para representar um vetor ⃗v = (x1 , x2 , x3 ) = (vx , vy , vz ) de R3 , usa-se a seguinte

anotação:
⃗v = x1 i + x2 j + x3 k ou ⃗v = vx i + vy j + xz k.
onde i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1).

A soma e o produto por escalar em R3 são compatı́veis com esta anotação. Com efeito, sejam
⃗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) .
Produto por um escalar λ ∈ R:
λ⃗v = λ (vx , vy , vz ) = (λvx , λvy , λvz )

= (λvx ) i + (λvy ) j + (λvz ) k = λ (vx i + vy j + vz 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 .
Isto é, dim (Pn ) = n + 1.

∀p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0 , p(x) ≡B (an , an−1 , . . . , a1 , a0 ).
Exemplo 1.16. Seja p(x) = x3 − x2 + 2 um vetor do espaço vetorial de P3 . Considerando a base

canónica B = x , x , x, 1 , tem-se p(x) ≡B (1, −1, 0, 2).
3 2
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
⃗v = −2i + 3j − 4k ≡B (−2, 3, −4) .
Mas, considerando uma outra base, por exemplo, B ′ = {(1, 1, 0) , (2, 3, 1) , (−1, −1, 1)}, tem-se
⃗v = −2i + 3j − 4k ≡B (−21, 5, −9) .
1.8 Teorema de Steinitz
Lema 1.14. Seja V um espaço vetorial real. Sejam
⃗u, ⃗v1 , ⃗v2 , . . . , ⃗vi−1 , ⃗vi , ⃗vi+1 , . . . , ⃗vk ∈ V ,
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
1 0 −1/3 2/3 −1/3 1 0 0 1 0

   
 0 1 −2/3 −2/3 1/3  −→  0 1 0 0 1 .

   
L1 ←L1 +(1/7)L3
0 0 7/3 7/3 7/3 L2 ←L2 +2/7L3 0 0 1 1 1
L3 ←(3/7)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 } .
1.9 Consequências do Teorema de Steinitz
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.
3. No espaço vetorial real P2 , considere os vetores ⃗v1 = x2 + 2x + 1, ⃗v2 = αx2 + x+ e ⃗v3 = x + 1.

Determine o valor do parâmetro real α, de modo que ⃗v2 seja combinação linear de ⃗v1 e ⃗v3 .
4. Verifique se no espaço vetorial real P, se verifica

n o n o
x2 + x + 1, −x + 1, −3x2 + x + 1 ≈ x + 2, −x + 2, −x2 + 3x + 1 .
5. No espaço vetorial real R3 , com as operações usuais, determine, caso existam, os valores reais
de “k” que tornam verdadeiras as seguintes afirmações:
5.1. {(k, 1, 0) , (0 , 0 , 1)} ≈ {(1, 1, 1) , (−1, −1, 1)} .

5.2. {(k, k, 0) , (0, 0, 1)} ≈ {(1, 1, 1) , (−1, k, 1)} .
5.3. {(k, 2, −1) , (2, −3, k)} ≈ {(1, 1, 0) , (0, 1, 0) , (0, 1, 1)} .
6. Determine as componentes do vetor:
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 .

8.2. B = −3x2 + 2x + 1, −3x + 2, −3x2 − x + 3 .

8.3. B = x2 , x, x + 1, 1 .

8.4. B = −3x2 + 2x + 1, −3x + 2, 5x2 .

9. Considere o polinómio f (x) = ax3 + bx2 + cx + d, a, b, c, d ∈ R e a ̸= 0, no espaço vetorial real

P3 .
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:
∀x ∈ R, tem-se: g(x) = xf (x) e h(x) = x2 f (x).
Verifique que f , g e h são linearmente independentes.
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
S = {⃗v1 + ⃗v2 , ⃗v1 + ⃗v3 , ⃗v2 + ⃗v3 } .
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;
D6 ∀λ ∈ R, ∀⃗u ∈ S, tem-se λ⃗u ∈ S.
As condições, D4 , D5 e D6 , da Definição 2.1 podem ser resumidas no seguinte teorema:
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 ̸= ∅;
T2 ∀λ, β ∈ R, ∀⃗u, ⃗v ∈ S, tem-se λ⃗u + β⃗v ∈ S.
Teorema 2.2. Seja V um espaço vetorial real e S ≤ V . Então:
T1 ⃗0 ∈ S;
T2 Se ⃗u ∈ S, então −⃗u ∈ S;
T3 Em relação às restrições das operações definidas em V ao conjunto S, tem-se S é um espaço

vetorial real.
Exemplo 2.1. No espaço vetorial real R3 , com as operações usuais, o subconjunto
S = {(a, b, 0) : a, b ∈ R} (plano Oxy, plano de equação z = 0)
é um subespaço de R3 .
Verificação do Exemplo 2.1. Verifica-se as três condições, D4 , D5 e D6 , estabelecidas na Definição

do :
D1 S tem infinitos elementos, pois a, b ∈ R, logo S = {(a, b, 0) : a, b ∈ R} =

̸ ∅. Nota-se que
⃗0 = (0, 0, 0) ∈ S, basta tomar a = b = 0.
D2 Sejam ⃗u, ⃗v ∈ S. Então, existem a1 , b1 , a2 , b2 ∈ R, tais que ⃗u = (a1 , b1 , 0) e ⃗v = (a2 , b2 , 0). Logo:
⃗u + ⃗v = (a1 + a2 , b1 + b2 , 0) = (a3 , b3 , 0) , com a3 , b3 ∈ R.
Assim, ⃗u + ⃗v ∈ S.
D3 Para todo ⃗u = (a, b, 0) ∈ S, para todo λ ∈ R, tem-se:
λ⃗u = λ (a, b, 0) = (λa, λb, 0) , com λa, λb ∈ R.
Assim, λ⃗u ∈ S.
Exemplo 2.2. No espaço vetorial P2 , com as operações usuais, considera-se o subconjunto
S = {ax2 + bx + 1 : a, b ∈ R}.
Então, pelo , ponto T1 , tem-se S ≰ P2 , pois ⃗0 ∈

/ S.
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 );
T3 dim(S) = dim(V ) se, e somente se, S = V .
Exemplo 2.3. Para os subespaços vetoriais dos espaços vetoriais reais indicados, o , pontos T1 , T2
e T3 , se verifica:

E1 No espaço vetorial real R3 , com as operações usuais, o subespaço vetorial
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 ,
ou seja, S ̸= R3 , pelo ponto T3 .
E2 No espaço vetorial real P2 , com as operações usuais, o subespaço vetorial

n o
T = ax2 + (a − b)x − b : a, b ∈ R ,
também, é finitamente gerado, pois B = x2 + x, −x − 1 é uma sua base. Nota-se que:

dim (T ) = 2 < 3 = dim P2 ,
ou seja, S ̸= P2 , pelo ponto T3 .
2.1 Representação de um subespaço vetorial
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 = {λ1⃗v1 + λ2⃗v2 + . . . + λk⃗vk : λ1 , λ2 , . . . , λk ∈ R}
é um subespaço vetorial de V , denominado subespaço gerado por X, e representado por
S = ⟨X⟩ .
Por convenção, ⟨∅⟩ = {⃗0}.
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⟩;
T2 X = ⟨X⟩ se, e somente se, X ≤ V ;
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 .
Exemplo 2.5. O conjunto-solução do sistema homogéneo,
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)}.
Verificação do Exemplo 2.5. Resolve-se o SH em (2.1):

" # " #
1 −2 1 −1 0 1 −2 1 −1 0
[A|B] = −→ −→
−1 1 2 −1 0 L2 ←L2 +L1 0 −1 3 −2 0 L1 ←L1 −2L2
L2 ←−1L2

x = 5α − 3β
" # 
1 0 −5 3 0

↔ y = 3α − 2β .
0 1 −3 2 0 
z = α ∈ R, w = β ∈ R

O conjunto-solução é
CS = {(5α − 3β, 3α − 2β, α, β) : α, β ∈ R}

= ⟨(5, 3, 1, 0) , (−3, −2, 0, 1)⟩ .
Então CS, o conjunto-solução do SH (2.1), é um subespaço vetorial de R4 , com as operações usuais,

com dimensão 2, e B = {(5, 3, 1, 0) , (−3, −2, 0, 1)} é uma sua base.
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
Verificação dos Exemplos 2.6 e 2.7. Resolve-se o SH dado:
x=y−z x=α−β
( (
x−y+z =0⇔ ⇔ .
y, z ∈ R y = α ∈ R, z = β ∈ R

As componentes dos vetores de S, em relação à base considerada, são (α − β, α, β), com α, β ∈ R.

E2.6 Se a base considerada for a base canónica de P2 , conforme o Exemplo 2.6, tem-se:
n o
S = (α − β) x2 + αx + β : α, β ∈ R
D E
= x2 + x, −x2 + 1 .
Uma base de S é x2 + x, −x2 + 1 e dim (S) = 2.

E2.7 Se a base considerada for a base BP2 = x2 − x, x − 1, x2 + 2 de P2 , conforme o Exemplo 2.7,

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 .
Uma base de S é x2 − 1, x + 2 e dim (S) = 2.

Exemplo 2.8. No espaço vetorial real P2 , com as operações usuais, seja S = x2 − 1, x + 2 . Então:
E1 S é representado por x − 2y + z = 0, em relação à base canónica de P2 , Bc = x2 , x, 1 , ou seja,

n o
S = ax2 + bx + c : a − 2b + c = 0 .
E2 S é representado por −3y − 2z = 0, em relação à base B = {x2 − 1, x − 1, −x2 + x + 1}, ou seja,

n o
S = a x2 − 1 + b (x − 1) + c −x2 + x + 1 : −3b − 2c = 0 .
Verificação do Exemplo 2.8. S = x2 − 1, x + 2 = α x2 − 1 + β (x + 2) : α, β ∈ R .

E1 Como o vetor genérico de P2 , em relação à base canónica, Bc = x2 , x, 1 , é

ax2 + bx + c, a, b, c ∈ R,
então determina-se a condição nas variáveis a, b e c, tal que

α x2 − 1 + β (x + 2) = ax2 + bx + c, (2.2)
ou seja, para que o SEL (2.2) seja possı́vel. Tem-se:
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
Então, o SEL (2.2) é possı́vel se a − 2b + c = 0, logo

n o
S = ax2 + bx + c : a − 2b + c = 0 ,
equivalentemente, diz-se que S é definido por x − 2y + z = 0, em relação à base canónica.

E2 Como o vetor genérico de P2 , em relação à base BP2 = x2 − 1, x − 1, −x2 + x + 1 , é

a x2 − 1 + b (x − 1) + c −x2 + x + 1 , a, b, c ∈ R,

então determina-se a condição nas variáveis a, b e c, tal que

α x2 − 1 + β (x + 2) = a x2 − 1 + b (x − 1) + c −x2 + x + 1
(2.3)
⇔ α x2 − 1 + β (x + 2) = (a − c) x2 + (b + c) x + −a − b + c,
ou seja, para que o SEL (2.3) seja possı́vel. Tem-se:
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
Então, o SEL (2.3) é possı́vel se −3b − 2c = 0, logo

n o
S = a x2 − 1 + b (x − 1) + c −x2 + x + 1 : −3b − 2c = 0 ,
equivalentemente, diz-se que S é definido por −3y − 2z = 0, em relação à base
B = {x2 − 1, x − 1, −x2 + x + 1}.
2.2 Interseção de subespaços vetoriais
Teorema 2.7. Seja V um espaço vetorial real, e sejam F, G ≤ V . Então, F ∩ G ≤ V.

Exemplo 2.9. 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 , (2.4)
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 .
Verificação do Exemplo 2.9. F ∩ G é representado, em relação à esta base, pelo SH




x−y+z =0

x + y − z = 0

. (2.5)


x − 2y + 2z = 0
y+z =0



Como o SH (2.5) tem uma única solução, a trivial, pois

1 −1 1 0 1 −1 1 0 1 0 0 0
     
 1 1 −1 0   0 2 −2 0   0 1 −1 0 
[A|B] =  −→ −→
     
1 −2 2 0 0 −1 1 0  L1 ←L1 + 1 L2 0 0 0 0
    
 L2 ←L2 −L1
2
   
L3 ←L3 −L1
0 1 1 0 0 1 1 0 L2 ← 12 L2 0 0 2 0
L3 ←L3 + 21 L2
L4 ←L4 − 12 L2

x = 0


↔ y−z =0 ⇔ x = y = z = 0.

2z = 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 .
Verificação do Exemplo 2.10. Como G é definido por 3x − 2y + z = 0, em relação à base canónica,

pois 
α = 2a − b



α x + x − 1 + β x + 2x + 1 = ax + bx + c ⇔ β = b − a
2 2 2
,

3a − 2b + c = 0

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
então F ∩ G é representado por

x + y − 2z = 0
(
, (2.6)
3x − 2y + z = 0
3 7

em relação à base canónica. O conjunto-solução do SH (2.6) é S = α, α, α : α ∈ R , pois
5 5
" # " # " #
1 1 −2 0 1 1 −2 0 1 0 −3/5 0
[A|B] = −→ −→
3 2 1 0 L2 ←L2 −3L1 0 −5 7 0 L1 ←L1 + 51 L2 0 1 −7/5 0
L2 ←− 51 L2
 
x = 5 z x = 5 α
 3  3
 
↔ y = 5z
7 ⇔ y = 5α 7 .
 
z ∈ R
 z = α ∈ R

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 .
Exemplo 2.11. No espaço vetorial real P2 , sejam os subespaços vetoriais

D E D E
F = x2 − x + 1, x2 + 2x + 2 e G = 2x2 + x + 1, −x2 − x + 3 . (2.7)
D E
Então, F ∩ G = 11x2 + 4x + 16 .

Verificação do Exemplo 2.11. Seja

D E n o
F = x2 − x + 1, x2 + 2x + 2 = α x2 − x + 1 + β x2 + 2x + 2 : α, β ∈ R
n o
= (α + β) x2 + (−α + 2β) x + α + 2β : α, β ∈ R . (2.8)
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
   
[A|B] =  1 −1 −α + 2β  −→  0 −1/2 (−3/2) α + (3/2) β 

   
1
L2 ←L2 − 2 L1
1 3 α + 2β 1
0 7/2 (1/2) α + (3/2) β
L3 ←L3 − 2 L1
2 −1 α+β
 
−→  0 −1/2 (−3/2) α + (3/2) β  .

 
L3 ←L3 +7L2
0 0 −10α + 12β
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 .
2.3 Reunião de subespaços
Teorema 2.8. Seja V um espaço vetorial real, e sejam F, G ≤ V . Então F ∪ G é um subespaço

vectorial de V se, e somente se,
F ⊆ G ou G ⊆ F.
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.
Exemplo 2.12. No espaço vetorial real P2 , sejam F = x2 − x , G = ⟨x − 1, 1⟩. Então, F ∪ G não

é um subespaço vetorial de P2
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 .

2.4 Soma/soma direta de subespaços
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.
Teorema 2.9. Seja V um espaço vetorial real arbitrário, e sejam F, G ≤ V . Então:
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 .
Sendo assim, pelo , tem-se:

n o
F + G = f⃗ + ⃗g : f⃗ ∈ F ∧ ⃗g ∈ G
D E
= −x2 + x, 2x2 + 1, x2 + x − 1, x2 + 2x + 1
D E
= −x2 + x, 2x2 + 1, x2 + x − 1 = P2 ,
segundo o . Nota-se que B = −x2 + x, 2x2 + 1, x2 + x − 1 , uma base de F +G = P2 , é um subsistema

independente maximal do sistema dos geradores de F + G, inicialmente determinados, pois
−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
Assim, c (A) = 3 = dim (F + G), logo F + G = P2 , e Sm = −x2 + x, 2x2 + 1, x2 + x − 1 , os três

geradores que correspondem às colunas dos pivots.
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
dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G).
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
Exemplo 2.15. No espaço vetorial real P3 , com as operações usuais, sejam

D E D E D E
F = x3 , x 2 , G = x3 + x e H = x3 + 1, 2x2 + 3x .
Então, S = F + G + H não é uma soma direta.
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.
2.5 Subespaço complementar
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:
1.1. S = {(2, 1) , (−6, 3) , (1, 4)}; no espaço vetorial real R2 .

1.2. S = {(−2, 3, 1) , (3, −1, 2) , (1, 2, 3) , (−1, 5, 5)}; no espaço vetorial real R3 .
1.3. S = x2 − 1, x2 + 1, 4x, 2x − 3 ; no espaço vetorial real P2 .

1.4. S = 1, 4x + 3, 3x − 4, x2 + 2, x − x3 ; no espaço vetorial real P3 .

2. No espaço vetorial real P, construa um subsistema independente maximal do sistema

n o
S = x3 − x + 1, −x3 + x2 + 1, x2 + x, x3 + x, x3 + x2 + x + 1 .
3. No espaço vetorial real P, construa um sistema de vetores equivalentes ao sistema

n o
−x + 1, −x2 + x + 1, x2 + x + 1
que inclua os vetores

3x2 − x + 3, −5x2 + 2.
4. No espaço vetorial real R3 , construa um sistema de vetores equivalentes ao sistema
{(1, −1, 2) , (2, 1, 1) , (−1, 1, 1)}
que inclua os vetores

(1, 2, 3) , (3, 2, 1) .
5. No espaço vetorial real R3 , construa uma base que inclua os vetores
(1, −1, 2) , (2, 1, 1) .
6. No espaço vetorial real P3 , construa uma base, que inclua os vetores
x3 − x2 + x + 1, x3 + x − 1.
7. Sejam ⃗v1 , ⃗v2 , ⃗v3 , ⃗v4 vetores linearmente independentes de um espaço vetorial real V .
7.1. Considere os vetores
⃗u1 = ⃗v1 + ⃗v2 , ⃗u2 = ⃗v2 − 2⃗v4 , ⃗u3 = ⃗v1 + 2⃗v4 , ⃗u4 = ⃗v4 ,
e construa um subsistema independente maximal de S = {⃗u1 , ⃗u2 , ⃗u3 , ⃗u4 }.
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:
8.1. S = {(x, y, z, w) : x = 0 = y + z}, no espaço vetorial real R4 .

8.2. S = ax3 + bx2 + cx + d : a é irracional , no espaço vetorial real P3 .

8.3. S = {(x, y, z, w) : x + y = 2z − w = 0}, no espaço vetorial real R4 .

8.4. S = {p(x) : p(0) = 0}, no espaço vetorial real P5 .
8.5. S = ax2 + bx + c : b ≥ 0 , no espaço vetorial real P2 .

8.6. S = {(x, y, z, w) : xy = 0}, no espaço vetorial real R4 .

8.7. S = {(x, y, z, w) : |x| ≥ 2}, no espaço vetorial real R4 .

8.8. S = ax2 + (a − b) x − b : a, b ∈ R , no espaço vetorial real P2 .

 
a 0

 b
 

8.9. S = 0 b a : a, b, c ∈ R , no espaço vetorial real R3×3 .
 
0 a

 c 

 
0 0

 c
 

8.10. S =  b a 0 : a, b, c ∈ R , no espaço vetorial real R3×3 .
 
 0

b a


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 .

12. Determine o subespaço vetorial de R4 , definido pelo sistema

x − y + z + 2w = 0
(
. (Ex.12)
x − 2y + z + w = 0
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
F = ⟨(1, 1, 0, 0) , (1, 0, 0, 1)⟩ . (Ex.15)
15.1. Verifique se o vetor ⃗x = (1, 2, 0, −1) pertence a F .

15.2. Construa um subespaço vetorial, G, de R4 , de dimensão 2, tal que G ̸= F e G ∩ F = ⟨⃗x⟩.
15.3. Determine uma base e a dimensão G + F .
15.4. Construa um subespaço complementar de F em R4 .
16. No espaço vetorial real R3 , com as operações usuais, sejam
F = {(x, y, z) : 3x + y = x − z = 0} e G = {(x, y, z) : kx + 2y − z = 0} , (Ex.16)
com k ∈ R. Determine o valor de k para o qual F ∪ G é um subespaço vetorial de R3 .
17. No espaço vetorial real R4 , com as operações usuais, sejam os subespaços vetoriais
F = ⟨(1, 0, 1, 0) , (0, 1, −1, 0) , (1, 1, 1, 1)⟩ (Ex.17.1)
e G, definido pelo sistema homogéneo
x+y−w =0
(
, (Ex.17.2)
x + 2z + w = 0
em relação à base canónica.
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
F = ⟨(1, 0, 0)⟩ , G = {(x, y, z) : x + y = 0} e H = {(x, y, z) : 2x − y = x + z = 0} . (Ex.18)
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,
em relação à base canónica de P3 .
19.1. Determine uma base de F .

19.2. Determine uma base de P3 , que inclua os vetores da base de F , determinada no ponto 19.1..

19.3. Indique um subespaço complementar de F .

D E
19.4. Seja H = x3 + x2 + kx + 1, kx3 + x2 + kx + 1 , com k ∈ R. Discuta, em função do
parâmetro k, a dimensão de F ∩ G.
20. No espaço vetorial real R4 , sejam os subespaços vetoriais
F = {(x, y, z, w) : x + y + z + w = 0} e G = {(x, y, z, w) : x = y = z = 0} . (Ex.20)
20.1. Verifique que F ⊕ G = R4 .

20.2. Indique dois outros subespaços vetoriais, U e V de R4 , distintos de F e G, tais que
U ⊕ V = R4 .
3 Matriz mudança de base
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
onde ⃗v ≡B ′ (λ′ 1 , λ′ 2 , . . . , λ′ n ) e ⃗v ≡B (λ1 , λ2 , . . . , λn )

Exemplo 3.1. No espaço vetorial P2 , com as operações usuais, sejam as bases de P2 :
n o n o
B = x2 + 1, x − 1, x2 + x + 1 e B ′ = x2 , x, 1 . (3.3)
Então:

E3 A matriz mudança da base de B para a base B ′ é
2 −1 −1
 
P = M B −→ B ′ =  1 0 −1 ,
 
−1 1 1
pois,
x2 ≡B (2, 1, −1) , x ≡B (−1, 0, 1) , 1 ≡B (−1, −1, 1) .
E4 A matriz mudança da base B ′ para a base B é
1 0 1
 
Q = M B ′ −→ B = 0 1 1 ,
 
1 −1 1
pois, como B ′ é a base canónica de P2 , tem-se
x2 + 1 ≡B ′ (1, 0, 1) , x − 1 ≡B ′ (0, 1, −1) , x2 + x + 1 ≡B ′ (1, 1, 1) .
E5 Q é inversa de P , por outras palavras, Q = P −1 , pois
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
E6 Seja ⃗v = ax2 + bx + c, a, b, c ∈ R, um vetor arbitrário de P2 . Então,
⃗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
uma base do espaço vetorial real P2 , com as operações usuais. Então,
Q = M B −→ B ′ ,

onde B ′ = −1, −2x2 − 3, −3x + 2 .


3.1 Exercı́cios
1. No espaço vetorial real P2 , sejam as base

n o n o
B = x2 − x + 1, −x + 1, −x2 − x + 2 , B ′ = x2 − x, −x2 + 2x + 1, −x2 + x + 1 .
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.
2. Justifique que a matriz  

−1 −2 −3
P = 1 3 4
 
−1 −2 −2
é uma matriz mudança de base de um espaço vetorial real de dimensão 3.
2.1. Determine duas bases, B e B ′ , de R3 , tais que P = M (B −→ B ′ ).

2.2. Determine as componentes (α′ , β ′ , γ ′ ) do vetor (a, b, c) ∈ R3 na base B ′ , determinada acima.
2.3. Mostre que as componentes do vetor (a, b, c) ∈ R3 na base B, determinada acima, é (α, β, γ),
onde    
α α′
β  = P β  .
   ′
γ γ′
3. No espaço vetorial real P3 , seja a matriz
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).
4 Espaço vetorial com produto interno
4.1 Produto interno
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;
⃗
D2 ∀⃗u, ⃗v ∈ V , ∀λ ∈ R, tem-se (λ⃗u) · ⃗v = λ (⃗u · ⃗v );

D3 ∀⃗u, ⃗v ∈ V , tem-se ⃗u · ⃗v = ⃗v · ⃗u;
D4 ∀⃗u ∈ V e ⃗u ̸= ⃗0, tem-se ⃗u · ⃗u > 0.
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 ;
T2 ∀⃗u, ⃗v ∈ V , ∀λ ∈ R, tem-se ⃗u · (λ⃗v ) = λ (⃗u · ⃗v );
T3 ⃗u · ⃗u = 0 se, e somente se, ⃗u = ⃗0.
Exemplo 4.1 (Produto interno canónico em Rn , n ∈ N). Sejam n ∈ N, ⃗u = (u1 , u2 , . . . , un ) , ⃗v =

(v1 , v2 , . . . , vn ) ∈ Rn . Então, o produto interno canónico em Rn define-se da seguinte forma:
⃗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:
E1 ∀⃗u = (u1 , u2 ) , ⃗v = (v1 , v2 ) ∈ R2 , tem-se
⃗u · ⃗v = (u1 , u2 ) · (v1 , v2 )
= u1 v1 + u2 v1 + u1 v2 + 2u2 v2 .
E2 ∀⃗u = (u1 , u2 , u3 ) , ⃗v = (v1 , v2 , v3 ) ∈ R3 , tem-se
⃗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
Definição 4.2 (Norma). Seja V um espaço vetorial real

√ com um produto interno. Para cada ⃗x ∈ V ,
chama-se norma de ⃗x ao número não negativo ∥⃗x∥ = ⃗x · ⃗x.
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:
T1 ∥⃗x∥ = 0, se, e somente se, ⃗x = ⃗0.
T2 ∀λ ∈ R, ∀⃗x ∈ V , tem-se ∥λ⃗x∥ = |λ| ∥⃗x∥.
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:
E1 Em relação ao produto interno canónico, tem-se:

q √
∥⃗x∥ = 12 + (−1)2 + 22 = 6.
E2 Em relação ao produto interno definido no Exemplo 4.3, em E2 , tem-se:

√ √
∥⃗x∥ = 5 − 2 − 2 − 2 + 2 + 6 − 2 + 6 + 48 = 59.
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:
E1 O ∡ (⃗x, ⃗y ) ≈ 164°, em relação ao produto interno canónico. Pois,

⃗x · ⃗y = −1 − 2 − 2 = −5,
√ √
∥⃗x∥ = 3, ∥⃗y ∥ = 9 = 3,
e assim,
⃗x · ⃗y −5

θ = ∡ (⃗x, ⃗y ) = arc cos = arc cos √ ≈ 164°.
∥⃗x∥ ∥⃗y ∥ 3 3

E2 O ∡ (⃗x, ⃗y ) ≈ 165°, em relação ao produto interno definido no Exemplo 4.3, em E2 . Pois,
⃗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.
T2 ∡ (⃗x, ⃗y ) = ∡ (⃗y , ⃗x).
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.
T3 ⃗x ⊥ ⃗x se, e somente se, ⃗x = ⃗0.
T4 Se ⃗x ⊥ ⃗y , então ⃗x ⊥ λ⃗y , para todo λ ∈ R.
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∥
No plano e no espaço usual (R2 e R3 ), a projeção ortogonal de ⃗v sobre w

⃗ pode ser representado por:
Teorema 4.6. Seja V um espaço vetorial real, com um produto interno e seja w⃗ ∈V ew
⃗ ̸= ⃗0. Então,
∀⃗v ∈ V , tem-se:
⃗v − projw⃗ ⃗v ⊥ w,
⃗ equivalentemente, ⃗v − projw⃗ ⃗v · w
⃗ = 0.
Teorema 4.7. Seja V um espaço vetorial real, com um produto interno, e seja X um subconjunto de
V , composto por vetores ortogonais não nulos. Se ⃗v ∈ ⟨X⟩, então existem vetores w
⃗ 1, w ⃗ k ∈ X,
⃗ 2, . . . , w
tais que:
k
⃗v · w⃗
⃗v =
X
w
⃗ i.
i=1 ∥w ⃗ i ∥2

Figura 1: Projeção de ⃗v sobre w⃗
Nota 4.3. os vetores w

⃗ 1, w ⃗ k ∈ X, referidos no Teorema 4.7, são tais que
⃗ 2, . . . , w
⃗v = λ1 w
⃗ 1 + λ2 w
⃗ 2 + · · · + λk w
⃗ k.
Então, se o subespaço ⟨X⟩ tem dimensão finita, os vetores w

⃗ 1, w ⃗ k ∈ X podem ser os vetores
⃗ 2, . . . , w
de uma determinada base de ⟨X⟩.
Exemplo 4.8. No espaço vetorial real R3 , com produto interno canónico, e seja
B = {(1, 1, 1) , (−1, 1, 0) , (−1, −1, 2)} .
uma sua base. Então,
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
⃗v = (a, b, c) = λ1 (1, 1, 1) + λ2 (−1, 1, 0) + λ3 (−1, −1, 2) .
Logo, pelo Teorema 4.7, tem-se:

⃗v · w
⃗i
λi = , i = 1, 2, 3,
∥w⃗ i ∥2
onde w
⃗ 1 = (1, 1, 1), w
⃗ 2 = (−1, 1, 0) e w
⃗ 3 = (−1, −1, 2).
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:
1.1. ∀⃗u = (u1 , u2 ) , ⃗v = (v1 , v2 ) ∈ R2 , tem-se ⃗u · ⃗v = 3u1 v1 + u2 v1 + u1 v2 + 2u2 v2 .

1.2. ∀⃗u = (u1 , u2 ) , ⃗v = (v1 , v2 ) ∈ R2 , tem-se ⃗u · ⃗v = u1 v1 + u2 v1 + u1 v2 + u2 v2 .

1.3. ∀⃗u = (u1 , u2 , u3 ) , ⃗v = (v1 , v2 v3 ) ∈ R3 , tem-se
⃗u · ⃗v = 2u1 v1 + 3u3 v1 + 2u1 v2 + 2u2 v2 + 3u1 v3 + u3 v3 .
1.4. ∀⃗u = (u1 , u2 , u3 ) , ⃗v = (v1 , v2 v3 ) ∈ R3 , tem-se
⃗u · ⃗v = 2u1 v1 + u2 v1 + u3 v1 + u1 v2 + 3u2 v2 − u3 v2 + u1 v3 − u2 v3 + 2u3 v3 .
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 .
Sejam ⃗a = (1, 2, 1) , ⃗b = (−1, 1, 1) ∈ R3 .
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).
4. No espaço vetorial real R3 , seja
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
5.1. Verifique se B = x3 , x2 , x, 1 é uma base ortogonal de P3 .

5.2. Calcule a projeção de P (x) = x3 em q(x) = x.

5.3. Mostre que p(x) = x2 e q(x) = x são ortogonais, e verifique o Teorema de Pitágoras.
5.4. Determine o ângulo θ entre p(x) = x3 e q(x) = x.

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.
Definição 5.2 (Base ortogonal e ortonormal). Seja V um espaço euclidiano, de dimensão n ∈ N.

Então,
D1 Uma base B de V é ortogonal se B é um sistema ortogonal de vetores.
D2 Uma base B de V é ortonormal se B é um sistema ortonormal de vetores.
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 5.1. Sejam w

⃗ 1, w ⃗ n vetores ortogonais não nulos de V . Então, ∀⃗v ∈ V , tem-se
⃗ 2, . . . , w

⃗v − projw⃗ 1⃗v − projw⃗ 2⃗v − · · · − projw⃗ n⃗v ⊥ w
⃗ k,
para cada k ∈ {1, 2, . . . , n}.
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 ∥
5.1 Processo de ortogonalização de Gram-Schmitd
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
5.2 Matriz da métrica
Definição 5.3 (Matriz da métrica). Seja V um espaço euclidiano de dimensão n ∈ N, e seja

B = {⃗e1 , ⃗e2 , . . . , ⃗en } uma sua base. A matriz real G = [⃗ei · ⃗ej ], com i, j ∈ {1, 2, . . . , n}, , denomina-se
por matriz da métrica, do produto interno definido em V , em relação à base B, considerada.
Nota 5.1 (Base Ortonormal/Matriz da métrica identidade). Num espaço euclidiano V , de dimensão
n ∈ N, a matriz da métrica em relação à uma base ortonormal, B = {⃗e1 , ⃗e2 , . . . , ⃗en }, é a matriz iden-
tidade, pois para todo i, j ∈ {1, 2, . . . , n}, tem-se:
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:
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
′
antiga B para a base nova B ′ . Se G é a matriz da métrica do produto interno em V , em relação à

base B, então a matriz da métrica do produto interno em V , em relação à base B ′ , é G′ = P t GP .
Corolário 5.5. Nas condições do Teorema 5.4, se B e B ′ são bases ortonormais, então P é tal que
P −1 = P t .
Definição 5.4 (Matriz ortogonal). Seja P uma matriz quadrada real de ordem n ∈ N. Diz-se que P
é ortogonal, se P −1 = P t .
Exemplo 5.4 (Matriz ortogonal). Seja o espaço espaço vetorial real R3 , com o produto interno
canónico. Como, em relação a este produto interno, as bases
1 2 2 2 1 2 2 2 1

B = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)} e B′ = , , , , , , − , ,
3 3 3 3 3 3 3 3 3
são ortonormais, então, pelo Corolário 5.5 a matriz
1/3 2/3 −2/3
 
P = M B −→ B ′ =  2/3 1/3 2/3  .

 
−2/3 2/3 1/3
é ortogonal.
Teorema 5.6 (Produto de matrizes ortogonais). Sejam P e Q matrizes quadradas reais. Se P e Q
são matrizes ortogonais, então P Q é também uma matriz ortogonal.
Definição 5.5 (Matriz definida positiva). Seja A uma matriz real simétrica, de ordem n ∈ N, isto
é, A = At . Diz-se que A é uma matriz definida positiva, se para cada vetor ⃗u = (u1 , u2 , . . . , un ) ̸= ⃗0,
tem-se  
u1
i   u2  h i
h 
u1 u2 · · · un A  .  = u ,
 .. 

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.

5.3 Complemento ortogonal
Definição 5.6 (Complemento ortogonal). Seja V um espaço euclidiano, e seja ∅ = ̸ S ⊂ V . O com-

plemento ortogonal de S, designado por S , é o conjunto de todos os vetores de V que são ortogonais
⊥
a todos os vetores de S, ou seja,
S ⊥ = {⃗v ∈ V : ⃗v · ⃗u = 0, ∀⃗u ∈ S} .
Teorema 5.9. Seja V um espaço euclidiano, e seja ∅ =

̸ S ⊂ V . Então, o conjunto S ⊥ é um subespaço
vetorial de V .
Exemplo 5.6. Seja V um espaço euclidiano arbitrário. Então:
n o⊥
E1 ⃗0 =V.
n o
E2 V ⊥ = ⃗0 .
Exemplo 5.7. Seja o espaço euclidiano Rn , com n ∈ N, com o produto interno canónico. Seja
S = {⃗v } ⊆ Rn , onde ⃗v = (a1 , a2 , . . . , an ) é um vetor não nulo de Rn . Então:
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:
E1 Se n = 3 e S = {⃗v } ⊆ R3 , com ⃗v = (a, b, c) ̸= ⃗0, então

n o
S ⊥ = (x, y, z) ∈ R3 : ax + by + cz = 0 ,
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 ,
que é a equação da reta que passa pela origem, (0, 0).

Exemplo 5.8. Seja o espaço euclidiano R3 , com o produto interno canónico, e seja
S = {(1, 1, 1) , (−1, 0, 1)}
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 ⊥ .
T3 ⟨X⟩⊥ = X ⊥ , e, em particular, ⟨{⃗v1 , ⃗v2 , . . . , ⃗vk }⟩⊥ = {⃗v1 , ⃗v2 , . . . , ⃗vk }⊥ .
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.
5.4 Projeção ortogonal sobre um subespaço
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:
E1 F ⊥ = ⟨(1, 1, 0) , (0, 0, 1)⟩, pois

n o
F ⊥ = {(1, −1, 0)}⊥ = (a, b, c) ∈ R3 : (1, −1, 0) · (a, b, c) = 0
n o
= (a, b, c) ∈ R3 : a − b = 0 = {(b, b, c) : b, c ∈ R}
= ⟨(1, 1, 0) , (0, 0, 1)⟩ .
E2 Para todo vetor ⃗v = (x, y, z) ∈ R3 , tem-se:

x−y x−y x+y x+y

⃗v ⃗v
proj⊥ F = ,− ,0 e proj⊥ F ⊥ = , ,z ,
2 2 2 2
pois, R3 = ⟨(1, −1, 0) , (1, 1, 0) , (0, 0, 1)⟩, uma vez que R3 = F ⊕ F ⊥ , e, por conseguinte,
B = {(1, −1, 0) , (1, 1, 0) , (0, 0, 1)}
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:
⃗v = λ1 (1, −1, 0) + λ2 (1, 1, 0) + λ3 (0, 0, 1) .

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).

5.6 Produto externo
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:
T1 Se os vetores ⃗u e ⃗v são linearmente dependentes, então ⃗u × ⃗v = ⃗0.

T2 Se os vetores ⃗u e ⃗v são linearmente independentes, então ⃗u × ⃗v é o único vetor de V que verifica
as seguintes condições:
(a) (⃗u × ⃗v ) ⊥ ⃗u e (⃗u × ⃗v ) ⊥ ⃗v ,
(b) ∥⃗u × ⃗v ∥ = ∥⃗u∥ ∥⃗v ∥ sen (∡ (⃗u, ⃗v )),
(c) detB (⃗u, ⃗v , ⃗u × ⃗v ) > 0.
Nota 5.4. A determinação do produto externo de dois vetores, linearmente independentes, é, em
geral, muito laboriosa. No entanto, se se conhece as componentes dos vetores, em causa, em relação
à uma base ortonormal, o cálculo fica muito mais fácil, de acordo com o Teorema 5.16.
Teorema 5.16. Seja V um espaço euclidiano de dimensão 3, com uma base ortonormal fixa, B = {⃗e1 , ⃗e2 , . . . , ⃗en }.
Para quaisquer vetores ⃗u, ⃗v ∈ V , sejam
⃗u ≡B (u1 , u2 , u3 ) e ⃗v ≡B (v1 , v2 , v3 ) .
Então, tem-se:
⃗u × ⃗v ≡B (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 ) .
Nota 5.5. E1 Existe uma regra mnemónica para se obter o resultado da fórmula (5.16):
⃗e1 ⃗e2 ⃗e3
⃗u × ⃗v = u1 u2 u3
v1 v2 v3
u2 u3 u u3 u u2
= ⃗e1 − 1 ⃗e2 + 1 ⃗e .
v2 v3 v1 v3 v1 v2 3

E2 Se os vetores ⃗u e ⃗v forem vetores do espaço euclidiano R3 , então ∥⃗u × ⃗v ∥ representa a área do

paralelogramo, construı́do sobre os vetores dados, conforme a Figura 2.
Figura 2: Área do paralelogramo construı́do sobre ⃗u e ⃗v
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
E2 (⃗u × ⃗v ) ⊥ ⃗u e (⃗u × ⃗v ) ⊥ ⃗v , pois:
(⃗u × ⃗v ) · ⃗u = 9 + 39 − 48 = 0,
(⃗u × ⃗v ) · ⃗v = 18 − 78 + 60 = 0.
E3 ∥⃗u × ⃗v ∥ = ∥⃗u∥ ∥⃗v ∥ sen (∡ (⃗u, ⃗v )), pois:

q √
(a) ∥⃗u × ⃗v ∥ = 92 + 132 + (−12)2 = 394.
√ √ √ √ √
(b) ∥⃗u∥ ∥⃗v ∥ = 1 + 9 + 16 · 4 + 36 + 25 = 26 · 65 = 1690.
⃗u · ⃗v 36
(c) Como cos (∡ (⃗u, ⃗v )) = = −√ , então, pela Lei Fundamental da Trigonometria,
∥⃗u∥ ∥⃗v ∥ 1690
tem-se:
36
2
sen (∡ (⃗u, ⃗v )) = 1 − cos (∡ (⃗u, ⃗v )) ⇔ sen (∡ (⃗u, ⃗v )) = 1 −
2 2 2
√
1690
√
394 394
⇔ sen (∡ (⃗u, ⃗v )) =
2
⇔ sen (∡ (⃗u, ⃗v )) = √ ,
1690 1690
pois ∡ (⃗u, ⃗v ) ∈ [0, π].
Assim, √
√ 394 √
∥⃗u∥ ∥⃗v ∥ sen (∡ (⃗u, ⃗v )) = 1690 · √ = 394 = ∥⃗u × ⃗v ∥ .
1690
5.7 Exercı́cios
1. Considere o espaço euclidiano R4 , com o produto interno canónico. Aplique o processo de

ortogonalização de Gram-Schmitd para encontrar uma base ortonormal do subespaço vetorial
F , que tem como base B = {(1, 1, −1, 0) , (0, 2, 0, 1) , (−1, 0, 0, 1)}.

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.
3. No espaço euclidiano R3 , seja o seguinte produto interno: ∀⃗u = (u1 , u2 , u3 ) , ⃗v = (v1 , v2 , v3 ) ∈ R3 ,

tem-se
Aplique o processo de ortogonalização de Gram-Schmitd, para transformar a base
B = {(1, 1, 1) , (0, 1, 1) , (1, 2, 3)}
numa base ortonormal.
4. Considere o subespaço vetorial

n o
F = (a, b, c) ∈ R3 : a + b − c = 0 ,
do espaço euclidiano R3 , com o produto interno canónico. Encontre uma base ortonormal de F .
5. Encontre duas bases ortonormais, B e B ′ , do espaço euclidiano R3 , com o produto interno

canónico.
5.1. Determine a matriz mudança de base P = M (B −→ B ′ ). Mostre que P é uma matriz

ortogonal.
6. Seja o espaço euclidiano R3 , com o seguinte produto interno: ∀⃗u = (u1 , u2 , u3 ) , ⃗v = (v1 , v2 , v3 ) ∈ R3 ,
tem-se:
6.1. Determine a matriz da métrica G, em relação à base canónica B, e a matriz da métrica G′ ,

em relação à base B ′ = {(1, 1, 1) , (−1, 0, 1) , (2, 1, 1)} de R3 .
6.2. Determine a matriz mudança de base P = (B −→ B ′ ).
6.3. Verifique que G′ = P t GP .
6.4. Verifique que G′ é uma matriz definida positiva.
7. No espaço euclidianoR4 , seja o seguinte produto interno:

4
1
⃗x · ⃗y = (x1 y2 + x2 y1 ) +
X
xj yj ,
2 j=1
onde ⃗x = (x1 , x2 , x3 , x4 ) e ⃗y = (y1 , y2 , y3 , y4 ) são vetores arbitrários de R4 . Sendo
1

F = (1, −1, 0, 0) , 1, 0, , 0 , (0, 2, 1, 2) .
2
Determine:
7.1. Uma base ortonormal para F .

7.2. A projeção ortogonal do vetor ⃗v = (2, 2, −4, 1) ∈ R4 sobre F , e sobre F ⊥ .
7.3. Determine d (⃗v , F ).

8. No espaço euclidiano R2 , seja o seguinte produto interno:
⃗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. No espaço euclidiano R3 , com o produto interno canónico, sejam os vetores
⃗u = (−1, 1, 2) , ⃗v = (0, −1, 2) , w

⃗ = (2, −1, −3) .
Determine, supondo fixa a base canónica:
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.
12. Mostre o Corolário 5.5.
13. Verifique que a matriz P obtida no Exemplo 5.4 é de facto ortogonal.
Referências
[1] NICHOLSON, W. K. (2006). Álgebra Linear. McGraw-Hill, 2ª ed., São Paulo.
[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.

EspaÃ o Vectorial Real - Aula - 2023.24 2

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

EspaÃ o Vectorial Real - Aula - 2023.24 2

Enviado por

Direitos autorais:

Formatos disponíveis

Faculdade de Ciências & Tecnologia

Álgebra Linear e Geometria Analı́tica I

Cursos: EQB, EA, EE, EC, EM, EIC, EARN – 1º Ano

Espaço vetorial real

Ano: 1º Ano Álgebra Linear e Geometria Analı́tica I 1º Semestre

1 Espaço vetorial sobre um corpo 2

3 Matriz mudança de base 33

4 Espaço vetorial com produto interno 35

Espaço vetorial real Pág. 1 de 51

Ano: 1º Ano Álgebra Linear e Geometria Analı́tica I 1º Semestre

1 Espaço vetorial sobre um corpo

A.1 ∀⃗u, ⃗v ∈ V , tem-se ⃗u + ⃗v = ⃗v + ⃗u;

Ou seja, (V, +) é um grupo comutativo.

ME.1 ∀λ ∈ F, ∀⃗u, ⃗v ∈ V , tem-se λ (⃗u + ⃗v ) = λ⃗u + λ⃗v ;

São alguns exemplos de espaços vetoriais reais.

1.2) Seja n ∈ N, n > 1. O conjunto

é um espaço vetorial real, com as seguintes operações:

Adição (usual): ∀⃗v = (v1 , v2 , . . . , vn ) , ⃗u = (u1 , u2 , . . . , un ) ∈ Rn :

Multiplicação por escalar (usual): ∀⃗v = (v1 , v2 , . . . , vn ) ∈ Rn , ∀λ ∈ R:

λ⃗v = (λv1 , λv2 , . . . , λvn ) .

Espaço vetorial real Pág. 2 de 51

Ano: 1º Ano Álgebra Linear e Geometria Analı́tica I 1º Semestre

Para todo P = (p1 , p2 ) , Q = (q1 , q2 ) ∈ R2 (P = (x1 , x2 , x3 ) , Q = (q1 , q2 , q3 ) ∈ R3 ),para todo λ ∈ R

p(x) + q(x) = (an + bn ) xn + . . . + (a2 + b2 ) x2 + (a1 + b1 ) x + a0 + b0 , (m = n);

Multiplicação por escalar (usual): ∀ p(x) = an xn + . . . + a2 x2 + a1 x + a0 , ∀λ ∈ R, tem-se

λp(x) = λan xn + . . . + λa2 x2 + λa1 x + λa0 .

⃗0 = 0 (zero) e −p(x) = −an xn − . . . − a2 x2 − a1 x − a0 .

Espaço vetorial real Pág. 3 de 51

Ano: 1º Ano Álgebra Linear e Geometria Analı́tica I 1º Semestre

O vetor nulo ⃗0 é 0 (zero) e para todo p(x) = an xn + . . . + a2 x2 + a1 x + a0 ∈ Pn tem-se

(1) 0⃗v = ⃗0.

(2) λ⃗0 = ⃗0.

(3) λ⃗v = ⃗0 se, e somente se, λ = 0 ou ⃗v = ⃗0.

(4) (−λ) ⃗v = − (λ⃗v ) = λ (−⃗v ). Caso particular, −1⃗v = −⃗v .

Espaço vetorial real Pág. 4 de 51

Ano: 1º Ano Álgebra Linear e Geometria Analı́tica I 1º Semestre

1.1 Combinação linear

⃗v = λ1 v⃗1 + λ2 v⃗2 + . . . + λn v⃗n .

Resolução do Exemplo 1.1.

⃗v = λ1 v⃗1 + λ2 v⃗2 + λ3 v⃗3 .

⃗v = λ1 v⃗1 + λ2 v⃗2 + λ3 v⃗3 ⇔ (−2, 2, 5) = (λ1 , λ1 , λ1 ) + (λ2 , λ2 , 0) + (λ3 , 0, λ3 )

⃗v = 9v⃗1 − 7v⃗2 − 4v⃗3 .

v⃗1 = −x3 − 2x2 + x + 1, v⃗2 = x3 + 3x − 1, v⃗3 = −x3 − x2 − x + 1, v⃗4 = −5x3 − 4x2 − 7x + 5.

O vetor v⃗1 é combinação linear dos vetores v⃗2 , v⃗3 e v⃗4 ?

Espaço vetorial real Pág. 5 de 51

Ano: 1º Ano Álgebra Linear e Geometria Analı́tica I 1º Semestre

v⃗1 = λ1 v⃗2 + λ2 v⃗3 + λ3 v⃗4

v⃗1 = (1 + β) v⃗2 + (2 − 4β) v⃗3 + β v⃗4 , com β ∈ R.

p(x) = λ1 p1 (x) + λ2 p2 (x) + · · · + λn pn (x)

p(x) = bn xn + bn−1 xn−1 + · · · + b1 x + b0 ,

Espaço vetorial real Pág. 6 de 51

Ano: 1º Ano Álgebra Linear e Geometria Analı́tica I 1º Semestre

Exemplo 1.3. Seja o sistema de equações lineares

0v⃗1 + 0v⃗2 + . . . + 0v⃗n = ⃗0

dá-se o nome de combinação linear nula trivial.

1.2 Sistemas de vetores equivalentes

S = {v1 , v2 , . . . , vp } e S ′ = v1′ , v2′ , . . . , vr′

S = {(1, 2) , (2, 3)} e S ′ = {(1, 1) , (2, 1) , (3, 2)}

são equivalentes, conforme se vê mais abaixo.

(1) Cada vetor de S é combinação linear dos vetores de S ′ , pois:

(1, 2) = λ1 · (1, 1) + λ2 · (2, 1) + λ3 · (3, 2)

(2, 3) = β1 · (1, 1) + β2 · (2, 1) + β3 · (3, 2)

Assim, para λ = 1 = β, tem-se: