Material - 1 Avaliação ALGEBRA LINEAR

Álgebra Linear
26 de agosto de 2022
() Álgebra Linear 26 de agosto de 2022 1 / 16

Espaços Vetoriais
Definição 1
Seja V um conjunto, não vazio, sobre o qual estão definidas as operações
de adição e multiplicação por escalar, isto é:
∙ Se u, v ∈ V , temos que u + v ∈ V .
∙ Se u ∈ V e k ∈ R, temos que ku ∈ V .
O conjunto V com essas duas operações é chamado espaço vetorial real se
forem verificados os seguintes axiomas:

Espaços Vetoriais
A1 ) Comutatividade: u + v = v + u, ∀u, v ∈ V .
A2 ) Associatividade: u + (v + w ) = (u + v ) + w , ∀u, v , w ∈ V ;
A3 ) Elemento Neutro: existe um único elemento 0V ∈ V tal que
u + 0V = u;
A4 ) Elemento Simétrico: ∀u ∈ V existe um único elemento −u ∈ V tal
que u + (−u) = 0V .
M1 ) Associatividade: (𝛼𝛽)u = 𝛼(𝛽u), ∀u ∈ V e 𝛼, 𝛽 ∈ R;

M2 ) Distributividade para Adição de Elementos: 𝛼(u + v ) = 𝛼u + 𝛼v ,
∀u, v ∈ V e 𝛼 ∈ R;
M3 ) Distributividade para Multiplicação por Escalar: (𝛼 + 𝛽)u = 𝛼u + 𝛽u,
∀u ∈ V e 𝛼, 𝛽 ∈ R;
M4 ) Elemento Identidade: 1 · u = u, ∀u ∈ V .

Espaços Vetoriais
∙ A definição de espaço vetorial não especifica quem são os elementos do

conjunto V, veremos mais adiante que esses elementos, chamados de
vetores, podem ser polinômios, matrizes, funções, sequências, entre outros.

Espaços Vetoriais

∙ A definição de espaço vetorial também não especifica as operações de

soma e multiplicação por escalar, na maioria das vezes elas serão as
operações usuais, porém em algumas aplicações podemos definir outras
operações não tão familiares.

Espaços Vetoriais

∙ A definição de espaço vetorial também não especifica as operações de

soma e multiplicação por escalar, na maioria das vezes elas serão as
operações usuais, porém em algumas aplicações podemos definir outras
operações não tão familiares.
∙ Se na Definição 1 tivéssimos tomado para escalares o conjunto C

(números complexos), V seria um espaço vetorial complexo.

Espaços Vetoriais
Exemplo 1
O conjunto V = R2 com as operações usuais de adição e multiplicação
por escalar definidas por:
u + v = (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ), ∀ u, v ∈ V ,
𝛼u = 𝛼(x , y ) = (𝛼x , 𝛼y ), ∀u ∈ V e 𝛼 ∈ R,
é um espaço vetorial.

Espaços Vetoriais
Exemplo 2
O conjunto V = Rn = {(x1 , x2 , · · · , xn ) | xi ∈ R} com as operações de
adição e multiplicação por escalar definidas por:
u + v = (x1 , x2 , · · · , xn ) + (y1 , y2 , · · · , yn ) = (x1 + y1 , x2 + y2 , · · · , xn + yn )
𝛼u = (𝛼x1 , 𝛼x2 , · · · , 𝛼xn )


Espaços Vetoriais
Exemplo 3
O conjunto das matrizes m × n, denotado pelo símbolo Mm×n , em relação
às operações usuais de adição de matrizes e multiplicação por escalar, é
um espaço vetorial.

Espaços Vetoriais
Exemplo 3
O conjunto das matrizes m × n, denotado pelo símbolo Mm×n , em relação
às operações usuais de adição de matrizes e multiplicação por escalar, é
um espaço vetorial.
Exemplo 4
Seja Pn (R) o conjunto de todos os polinômios de grau menor ou igual a n,
isso é,
p(x ) = a0 + a1 x + a2 x 2 + · · · + an−1 x n−1 + an x n
com ai ∈ R para i = 0, 1, ..., n.
Pn (R) constitui um espaço vetorial se considerarmos as operações usuais
de adição de polinômios e multiplicação de polinômio por escalar.

Espaços Vetoriais
Exemplo 5
O conjunto F (R) = {f : R → R | f é uma função } das funções reais, com
as operações de adição e multiplicação por escalar definidas por:
∙ (f + g)(x ) = f (x ) + g(x ) para todos f , g ∈ F (R)
∙ (𝛼f )(x ) = 𝛼f (x ) para todo f ∈ F (R) e 𝛼 ∈ R


Espaços Vetoriais
Exemplo 6
SejaV = R2 . Mostre que esse conjunto não é um espaço vetorial com as
operações definidas abaixo:
∙ (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 );
∙ k(x1 , y1 ) = (kx1 , y1 ).

Espaços Vetoriais
Exemplo 7
Mostre que o conjunto V = {(x , y ) ∈ R2 |x , y > 0} é um espaço vetorial
com as seguintes operações não usuais:
∙ (x1 , y1 ) + (x2 , y2 ) = (x1 · x2 , y1 · y2 );
∙ k · (x1 , y1 ) = (x1k , y1k ).

Espaços Vetoriais
Teorema 1 (Unicidade do elemento neutro)

Seja V um espaço vetorial sobre R. Então, existe um único elemento
neutro da operação de adição 0V ∈ V .

Espaços Vetoriais

Teorema 2 (Unicidade do elemento simétrico)

Seja V um espaço vetorial sobre R. Então, todo elemento u ∈ V possui
um único elemento simétrico.

Espaços Vetoriais

Teorema 2 (Unicidade do elemento simétrico)

Seja V um espaço vetorial sobre R. Então, todo elemento u ∈ V possui
um único elemento simétrico.
Teorema 3 (Lei do Cancelamento)

Sejam V um espaço vetorial sobre R e u, v , w ∈ V . Se
u+v =u+w
então v = w .

Espaços Vetoriais
Teorema 4
Sejam V , um espaço vetorial sobre R, u, v ∈ V e 𝛼, 𝛽 ∈ R. Temos as
seguintes propriedades:
(a) 0R · u = 0V
(b) 𝛼 · 0V = 0V
(c) (−𝛼 · u) = −(𝛼 · u) = 𝛼 · (−u)
(d) Se 𝛼 · u = 0V então 𝛼 = 0R ou u = 0V
(e) Se 𝛼 · u = 𝛼 · v e 𝛼 ̸= 0R então u = v
(f) Se 𝛼 · u = 𝛽 · u e u ̸= 0V então 𝛼 = 𝛽

Subespaços Vetoriais
Definição 2
Seja V um espaço vetorial sobre R e U um subconjunto não vazio de V .
Dizemos que U é um subespaço vetorial de V se U é um espaço vetorial.

Definição 2
Seja V um espaço vetorial sobre R e U um subconjunto não vazio de V .
Dizemos que U é um subespaço vetorial de V se U é um espaço vetorial.
Teorema 5
Um subconjunto não vazio U, de um espaço vetorial V sobre o corpo dos
reais, é um subespaço vetorial de V se e somente se:
(i) Para quaisquer elementos u, v ∈ U, tem-se que u + v ∈ U.
(ii) Para qualquer elemento u ∈ U e qualquer escalar 𝛼 ∈ R tem-se que
𝛼u ∈ U.

Observações:
1) Todo espaço vetorial V admite pelo menos dois subespaços: o

subespaço nulo, denotado por {0}, e o próprio espaço vetorial V.
2) Para mostrar que um subconjunto U de um espaço vetorial forma um

subespaço vetorial, devemos mostrar que U é não vazio e que as
propriedades (i) e (ii) do Teorema 5 são satisfeitas. Como todo subespaço
vetorial deve conter o vetor nulo, podemos mostrar que U é não vazio
mostrando que 0V ∈ U.

Subespaços vetoriais
Exemplo 8
Para cada item abaixo, verifique se W é subespaço vetorial, caso não seja,
apresente um contraexemplo.
a) W = {(x , y ) ∈ R2 |y = 3x };
b) W = {(x , y ) ∈ R2 |y = x + 1};
c) W = {(x , 2)|x ∈ R};
d) W = {A ∈ M(2,2) |A = AT };
e) W = {A ∈ M(2,2) |a11 · a12 = 0};
f) W = {p ∈ P2 (R)|p(3) = 0};
g) W = {f ∈ F (R)|f (−x ) = f (x )}.

Espaço solução de sistemas lineares homogêneos

Se Ax = 0 é um sistema de equações lineares, então cada vetor x que
satisfaz esse sistema é chamado de vetor-solução do sistema.

Espaço solução de sistemas lineares homogêneos

Se Ax = 0 é um sistema de equações lineares, então cada vetor x que
satisfaz esse sistema é chamado de vetor-solução do sistema.
Exemplo 9
Mostre que se Ax = 0 é um sistema linear homogêneo de m equações e n
incógnitas, então o conjunto dos vetores-solução é um subespaço de Rn .

Álgebra Linear
8 de setembro de 2022
() Álgebra Linear 8 de setembro de 2022 1 / 18

Combinação Linear e Espaços Gerados
Definição 3
Seja V um espaço vetorial sobre R. Um vetor v ∈ V é uma combinação
linear dos vetores v1 , v2 , · · · , vk ∈ V se existirem escalares
𝛼1 , 𝛼2 , · · · , 𝛼k ∈ R tais que:
k
∑︁
v = 𝛼1 .v1 + 𝛼2 .v2 + · · · + 𝛼k .vk = (𝛼i .vi )
i=1

Definição 4
Sejam V um espaço vetorial sobre R e S um conjunto finito de elementos
de V , isto é, S = {v1 , · · · , vn }. O subconjunto U construído a partir dos
elementos de S da seguinte forma:
n
{︃ }︃
∑︁
U= u∈V |u= 𝛼i · vi ; 𝛼i ∈ R
i=1
é um subespaço vetorial de V , que vamos denotar por
U = [v1 , · · · , vn ] ou por U = ger (v1 , · · · , vn ).
U é denominado subespaço gerado pelos elementos de S.

Exemplo 10
Dados os vetores v1 = (1, −3, 2) e v2 = (2, 4, −1) em R3 .
a) Escrever o vetor w = (−4, −18, 7) como combinação linear dos vetores

v1 e v2 .
b) Mostre que o vetor u = (4, 3, −6) não é combinação linear dos vetores
v1 e v2 .
c) Determinar x , y , z de modo que (x , y , z) seja combinação linear dos

vetores v1 e v2 .

Exemplo 11
Determine o subespaço do R3 gerado pelo vetor v = (1, 3, 2).

Exemplo 11
Exemplo 12
Determine o subespaço U do R3 gerado pelo conjunto
{(1, 0, 1), (0, 1, 1), (−1, 1, 0)}.

Exemplo 11
Exemplo 12
Determine o subespaço U do R3 gerado pelo conjunto
{(1, 0, 1), (0, 1, 1), (−1, 1, 0)}.
Exemplo 13
Em P2 (R) , determine se p(x ) = 1 − 3x + x 2 pertence ao ger (q(x ), r (x )),
em que q(x ) = 1 − x + x 2 e r (x ) = 2 + 3x .

Exemplo 14
Considere o espaço vetorial real U = {(x , y , z) ∈ R3 | x + y − z = 0}.
Determine um sistema de geradores para U.

Dependência e Independência Linear
Definição 5
Seja V um espaço vetorial sobre R e v1 , v2 , · · · , vn ∈ V . Dizemos que o
conjunto U = {v1 , v2 , · · · , vn } é Linearmente Independente (LI) se, e
somente se, toda combinação linear nula:
𝛼1 .v1 + 𝛼2 .v2 + · · · + 𝛼n .vn = 0
implicar que 𝛼1 = 𝛼2 = · · · = 𝛼n = 0

Definição 5
conjunto U = {v1 , v2 , · · · , vn } é Linearmente Independente (LI) se, e
somente se, toda combinação linear nula:
𝛼1 .v1 + 𝛼2 .v2 + · · · + 𝛼n .vn = 0
implicar que 𝛼1 = 𝛼2 = · · · = 𝛼n = 0
Definição 6
conjunto U = {v1 , v2 , · · · , vn } é Linearmente Dependente (LD) se, e
somente se, é possível uma combinação linear nula:
𝛼1 .v1 + 𝛼2 .v2 + · · · + 𝛼n .vn = 0
de forma que nem todos os 𝛼is sejam nulos.

Exemplo 15
Verifique em P2 (R), se os vetores p1 (x ) = x 2 − 2x + 3,
p2 (x ) = 2x 2 + x + 8 e p3 (x ) = x 2 + 8x + 7 são L.I. ou L.D.

Teorema 6
Considere o espaço vetorial C (n−1) ([a, b]). O conjunto
U = {f1 (x ), f2 (x ), · · · , fn (x )} é linearmente dependente se, e somente
se, o determinante det(A(x)) = 0 para todo x ∈ [a, b], onde a matriz
A(x ) é dada por:
f1 (x ) f2 (x ) ··· fn (x )
⎡ ⎤
′ ′ ′
⎢
⎢ f1 (x ) f2 (x ) ··· fn (x ) ⎥
⎥
′′ ′′ ′′
f1 (x ) f2 (x ) ··· fn (x )
⎢ ⎥
A(x ) = ⎢ ⎥
⎢ .. .. .. .. ⎥
. . . .
⎢ ⎥
⎣ ⎦
(n−1) (n−1) (n−1)
f1 (x ) f2 (x ) · · · fn (x )
O determinante da matriz A(x ) é denominado Wronskiano das funções

f1 (x ), f2 (x ), · · · , fn (x ) que vamos denotar por W (f1 , f2 , · · · , fn ).

Exemplo 16
Mostre que as funções f (x ) = e x e g(x ) = xe x são linearmente
independentes para x ∈ R.

Exemplo 16
Mostre que as funções f (x ) = e x e g(x ) = xe x são linearmente
Exemplo 17
Mostre que as funções f (x ) = sen(x ) e g(x ) = xsen(x ) são linearmente

Base e Dimensão
Definição 7
Seja V um espaço vetorial sobre R e B um subconjunto de V . Dizemos
que B é uma base para V se B for:
i) um conjunto gerador de V .
ii) um conjunto Linearmente Independente.

Base e Dimensão
Exemplo 18
O conjunto B = {(1, 0), (0, 1)} é L.I. em R2 e gera o espaço R2 . Sendo
assim, B é uma base para o R2 . Essa base é chamada de base canônica do
R2 .

Base e Dimensão
Exemplo 18
R2 .
Exemplo 19
O conjunto B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} é L.I. em R3 e gera o espaço
R3 . Sendo assim, B é uma base para o R3 . Essa base é chamada de base
canônica do R3 .

Base e Dimensão
Exemplo 18
R2 .
Exemplo 19
O conjunto B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} é L.I. em R3 e gera o espaço
R3 . Sendo assim, B é uma base para o R3 . Essa base é chamada de base
canônica do R3 .
Exemplo 20
O conjunto {(1, 0, 0), (0, 1, 0)} não é uma base do R3 . Apesar de ser L.I.
ele não gera o R3 .

Base e Dimensão
Exemplo 21
O conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 2, 5)} não é uma base do R3 .
Nesse caso, o conjunto gera R3 , porém não é L.I.

Base e Dimensão
Teorema 7
Seja B = {v1 , v2 , . . . , vn } uma base do espaço vetorial V . Então cada
vetor v ∈ V se escreve de maneira única como
v = a1 v1 + a2 v2 + · · · + an vn𝜇 em que a1 , a2 , . . . , an ∈ R.

Base e Dimensão
Teorema 7
Teorema 8
Toda lista de vetores que gera um espaço vetorial V, de dimensão finita,
pode ser reduzida a uma base.

Base e Dimensão
Teorema 7
Teorema 8
Toda lista de vetores que gera um espaço vetorial V, de dimensão finita,
pode ser reduzida a uma base.
Corolário 1
Todo espaço vetorial V, de dimensão finita, tem uma base.

Base e Dimensão
Teorema 9
Todo conjunto de vetores L.I. de um espaço vetorial V, de dimensão finita,
pode ser estendida a uma base de V.

Base e Dimensão
Teorema 9
Todo conjunto de vetores L.I. de um espaço vetorial V, de dimensão finita,
pode ser estendida a uma base de V.
Definição 8
Seja V um espaço vetorial de dimensão finita. Se V tem uma base
consistindo em n vetores, dizemos que V tem dimensão n e denotamos por
dim V = n. Convencionamos que se V é o espaço vetorial nulo, então
dim V = 0.

Base e Dimensão
Exemplo 22
a) dim R2 = 2
b) dim Rn = n
c) dim ℳ(2,2) = 4
d) dim Pn (R) = n + 1
e) dim ℳ(n,m) = n × m

Base e Dimensão
Teorema 10
Seja V um espaço vetorial com dimensão finita. Então qualquer conjunto
que gera V e que tem uma quantidade de vetores igual a dimensão de V, é
uma base de V.

Base e Dimensão
Teorema 10
Seja V um espaço vetorial com dimensão finita. Então qualquer conjunto
que gera V e que tem uma quantidade de vetores igual a dimensão de V, é
uma base de V.
Teorema 11
Seja V um espaço vetorial finito. Então qualquer conjunto de vetores L.I.
de V com comprimento igual a dimensão de V é uma base de V.

Base e Dimensão
Exemplo 23
Determine a dimensão e uma base do }︀espaço vetorial
W = (x , y , z) ∈ R3 | 2x + y + z = 0 .
{︀

Base e Dimensão
Exemplo 23
Determine a dimensão e uma base do }︀espaço vetorial
W = (x , y , z) ∈ R3 | 2x + y + z = 0 .
{︀
Exemplo 24
Determine
{︁ a dimensão e }︁uma base do espaço vetorial
U = A ∈ M2 | A = AT .
Exemplo 25
Determine a dimensão e uma base do espaço vetorial
U = {p ∈ P2 (R) | p(1) = 0}.

Álgebra Linear
21 de setembro de 2022

Determinando uma base para W = ger (v1 , v2 , v3 , . . . , vn )
Frequentemente, nos é dado um conjunto U = {v1 , v2 , . . . , vn } de vetores

de Rn e queremos encontrar uma base do subespaço W de Rn gerado
pelos vetores dados, ou seja, uma base para
W = ger(U) = ger (v1 , v2 , . . . , vn ) .
O seguinte algoritmo mostra como encontrar esta base para W .

Passo 1: Construa a matriz M cujas colunas sejam os vetores dados.
Passo 2: Reduza M à forma escalonada.
Passo 3: Para cada coluna Ck da matriz escalonada que não tenha pivô,
elimine o vetor vk da lista U dada.
Passo 4: A base será formada pelos vetores não eliminados de U (que

correspondem às colunas com pivôs).

Exemplo 26
Seja 𝒲 o subespaço de R5 gerado pelo conjunto 𝒜 = {v1 , v2 , v3 , v4 } , em
que:
v1 = (1, 0, −1, 2, 0), v2 = (2, 1, 3, 0, 0),
v3 = (0, 1, −5, 4, 0), v4 = (1, 0, −11, 10, 0).
Determine uma base para 𝒲.

Exemplo 26
que:
v1 = (1, 0, −1, 2, 0), v2 = (2, 1, 3, 0, 0),
v3 = (0, 1, −5, 4, 0), v4 = (1, 0, −11, 10, 0).
Começamos considerando a matriz M cujas colunas são os vetores de 𝒜 :

⎛ ⎞
1 2 0 1
⎜
⎜ 0 1 1 0 ⎟⎟
M=⎜ −1 3 −5 −11 ⎟
⎜ ⎟
⎜ ⎟
⎝ 2 0 4 10 ⎠
0 0 0 0

Utilizando as operações elementres, escalonamos a matriz M:

⎛ ⎞ ⎛ ⎞
1 2 0 1 1 2 0 1
⎜
⎜ 0 1 1 0 ⎟⎟
⎜
⎜ 0 1 1 0 ⎟⎟
−1 3 −5 −11 ⎟ 0 5 −5 −10 ⎟
⎜ ⎟ ⎜ ⎟
⎜ ⎜
0 −4 4
⎜ ⎟ ⎜ ⎟
⎝ 2 0 4 10 ⎠ ⎝ 8 ⎠
0 0 0 0 0 0 0 0
⎛ ⎞ ⎛ ⎞
1 2 0 1 1 2 0 1
⎜
⎜ 0 1 1 0 ⎟⎟
⎜
⎜ 0 1 1 0 ⎟
⎟
0 0 −10 −10 ⎟ 0 0 1 1
⎜ ⎟ ⎜ ⎟
⎜ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝ 0 0 8 8 ⎠ ⎝ 0 0 1 1 ⎠
0 0 0 0 0 0 0 0

⎛ ⎞
1 2 0 1
⎜
⎜ 0 1 1 0 ⎟
⎟
0 0 1 1 ⎟ = M′
⎜ ⎟
⎜
⎜ ⎟
⎝ 0 0 0 0 ⎠
0 0 0 0

⎛ ⎞
1 2 0 1
⎜
⎜ 0 1 1 0 ⎟
⎟
0 0 1 1 ⎟ = M′
⎜ ⎟
⎜
⎜ ⎟
⎝ 0 0 0 0 ⎠
0 0 0 0
Os pivôs da matriz escalonada M ′ aparecem nas colunas C1 , C2 e C3 . Por

isso, eliminamos o vetor v4 dos quatro vetores originais. Os vetores
restantes, v1 , v2 e v3 , que correspondem às colunas com pivôs da matriz
escalonada, formam uma base de W . Assim, em particular, dim W = 3.

Exemplo 27
que:
v1 = (1, 0, −1, 2, 0), v2 = (2, 1, 3, 8, 0),
v3 = (3, 1, 2, 10, 0), v4 = (0, 1, 6, 4, 0).

Exemplo 27
que:
v1 = (1, 0, −1, 2, 0), v2 = (2, 1, 3, 8, 0),
v3 = (3, 1, 2, 10, 0), v4 = (0, 1, 6, 4, 0).
Novamente, consideramos a matriz M cujas colunas são os vetores de 𝒜 :

⎛ ⎞
1 2 3 0
⎜
⎜ 0 1 1 1 ⎟
⎟
M=⎜ −1 3 2 6
⎜ ⎟
⎟
⎜ ⎟
⎝ 2 8 10 4 ⎠
0 0 0 0

Escalonamos a matriz M usando operações de linha:

⎛ ⎞ ⎛ ⎞
1 2 3 0 1 2 3 0
⎜
⎜ 0 1 1 1 ⎟
⎟
⎜
⎜ 0 1 1 1 ⎟
⎟
−1 3 2 6 0 5 5 6
⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝ 2 8 10 4 ⎠ ⎝ 0 4 4 4 ⎠
0 0 0 0 0 0 0 0
⎛ ⎞
1 2 3 0
⎜
⎜ 0 1 1 1 ⎟
⎟
0 0 0 1 ⎟ = M′
⎜ ⎟
⎜
⎜ ⎟
⎝ 0 0 0 0 ⎠
0 0 0 0
Temos que as colunas da matriz escalonada M ′ que contém pivô são as
colunas de número C1 , C2 e C4 , portanto:

ℬ = {v1 , v2 , v4 } = {(1, 0, −1, 2, 0), (2, 1, 3, 8, 0), (0, 1, 6, 4, 0)}

é uma base para 𝒲.

Soma de subespaços vetoriais
Definição 9
Sejam U e W subconjuntos de um espaço vetorial V . A soma U + W de
U e W consiste de todas as somas u + w , em que u ∈ U e w ∈ W . Isto é,
U + W = {u + w | u ∈ U e w ∈ W }.

Definição 9
Sejam U e W subconjuntos de um espaço vetorial V . A soma U + W de
U e W consiste de todas as somas u + w , em que u ∈ U e w ∈ W . Isto é,
U + W = {u + w | u ∈ U e w ∈ W }.
Teorema 12
A soma U + W dos subespaços vetoriais U e W do espaço vetorial V é
também um subespaço vetorial de V .

Exemplo 28
que W1 = (x , y , z, t) ∈ R4 | y + z = t e
{︀ }︀
Sabendo
W2 = (x , y , z, t) ∈ R4 | x − y = 0 e z − t = 0}, determine uma base
{︀
para W1 + W2 e W1 ∩ W2 .

Exemplo 28
que W1 = (x , y , z, t) ∈ R4 | y + z = t e
{︀ }︀
Sabendo
W2 = (x , y , z, t) ∈ R4 | x − y = 0 e z − t = 0}, determine uma base
{︀
para W1 + W2 e W1 ∩ W2 .
Exemplo 29
Sejam W1 = ger((1, 0, −1), (1, 2, 1)) e W2 = ger((1, 1, 1), (1, 0, 0))
a) Determine W1 + W2 .
b) Determine uma base para W1 ∩ W2 .

Teorema 13
Sejam U e W subespaços vetoriais de dimensão finita de um espaço
vetorial V . Então U + W tem dimensão finita e
dim(U + W ) = dim U + dim W − dim(U ∩ W ).

Teorema 13
Sejam U e W subespaços vetoriais de dimensão finita de um espaço
vetorial V . Então U + W tem dimensão finita e
dim(U + W ) = dim U + dim W − dim(U ∩ W ).
Exemplo 30
Sejam U e W subespaços de R4 tais que dim U = 3 e
U ∩ W = ger((1, −1, 2, 3), (2, 1, −1, −2), (3, 3, −4, −7))
Determine as possíveis dimensões dos subespaços W e U + W .

Definição 10
Diz-se que o espaço vetorial V é soma direta de seus subespaços U e W , o
que se denota por V = U ⊕ W , se todo vetor v ∈ V pode se escrever de
maneira única como v = u + w , em que u ∈ U e w ∈ W .

Definição 10
Diz-se que o espaço vetorial V é soma direta de seus subespaços U e W , o
que se denota por V = U ⊕ W , se todo vetor v ∈ V pode se escrever de
maneira única como v = u + w , em que u ∈ U e w ∈ W .
Teorema 14
O espaço vetorial V é soma direta de seus subespaços U e W se, e
somente se,
(i) V = U + W ;
(ii) U ∩ W = {0}.

Material - 1 Avaliação ALGEBRA LINEAR

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

Material - 1 Avaliação ALGEBRA LINEAR

Enviado por

Direitos autorais:

Formatos disponíveis

Álgebra Linear

() Álgebra Linear 26 de agosto de 2022 1 / 16

() Álgebra Linear 26 de agosto de 2022 2 / 16

M1 ) Associatividade: (𝛼𝛽)u = 𝛼(𝛽u), ∀u ∈ V e 𝛼, 𝛽 ∈ R;

() Álgebra Linear 26 de agosto de 2022 3 / 16

∙ A definição de espaço vetorial não especifica quem são os elementos do

() Álgebra Linear 26 de agosto de 2022 4 / 16

∙ A definição de espaço vetorial não especifica quem são os elementos do

∙ A definição de espaço vetorial também não especifica as operações de

() Álgebra Linear 26 de agosto de 2022 4 / 16

∙ A definição de espaço vetorial não especifica quem são os elementos do

∙ A definição de espaço vetorial também não especifica as operações de

∙ Se na Definição 1 tivéssimos tomado para escalares o conjunto C

() Álgebra Linear 26 de agosto de 2022 4 / 16

u + v = (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ), ∀ u, v ∈ V ,

() Álgebra Linear 26 de agosto de 2022 5 / 16

u + v = (x1 , x2 , · · · , xn ) + (y1 , y2 , · · · , yn ) = (x1 + y1 , x2 + y2 , · · · , xn + yn )

𝛼u = (𝛼x1 , 𝛼x2 , · · · , 𝛼xn )

() Álgebra Linear 26 de agosto de 2022 6 / 16

() Álgebra Linear 26 de agosto de 2022 7 / 16

() Álgebra Linear 26 de agosto de 2022 7 / 16

∙ (f + g)(x ) = f (x ) + g(x ) para todos f , g ∈ F (R)

∙ (𝛼f )(x ) = 𝛼f (x ) para todo f ∈ F (R) e 𝛼 ∈ R

() Álgebra Linear 26 de agosto de 2022 8 / 16

∙ (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 );

() Álgebra Linear 26 de agosto de 2022 9 / 16

∙ (x1 , y1 ) + (x2 , y2 ) = (x1 · x2 , y1 · y2 );

∙ k · (x1 , y1 ) = (x1k , y1k ).

() Álgebra Linear 26 de agosto de 2022 10 / 16

Teorema 1 (Unicidade do elemento neutro)

() Álgebra Linear 26 de agosto de 2022 11 / 16

Teorema 1 (Unicidade do elemento neutro)

Teorema 2 (Unicidade do elemento simétrico)

() Álgebra Linear 26 de agosto de 2022 11 / 16

Teorema 1 (Unicidade do elemento neutro)

Teorema 2 (Unicidade do elemento simétrico)

Teorema 3 (Lei do Cancelamento)

() Álgebra Linear 26 de agosto de 2022 11 / 16

() Álgebra Linear 26 de agosto de 2022 12 / 16

() Álgebra Linear 26 de agosto de 2022 13 / 16

() Álgebra Linear 26 de agosto de 2022 13 / 16

1) Todo espaço vetorial V admite pelo menos dois subespaços: o

2) Para mostrar que um subconjunto U de um espaço vetorial forma um

() Álgebra Linear 26 de agosto de 2022 14 / 16

c) W = {(x , 2)|x ∈ R};

e) W = {A ∈ M(2,2) |a11 · a12 = 0};

g) W = {f ∈ F (R)|f (−x ) = f (x )}.

() Álgebra Linear 26 de agosto de 2022 15 / 16

Espaço solução de sistemas lineares homogêneos

() Álgebra Linear 26 de agosto de 2022 16 / 16

Espaço solução de sistemas lineares homogêneos

() Álgebra Linear 26 de agosto de 2022 16 / 16

() Álgebra Linear 8 de setembro de 2022 1 / 18

() Álgebra Linear 8 de setembro de 2022 2 / 18

é um subespaço vetorial de V , que vamos denotar por

U = [v1 , · · · , vn ] ou por U = ger (v1 , · · · , vn ).

U é denominado subespaço gerado pelos elementos de S.

() Álgebra Linear 8 de setembro de 2022 3 / 18

a) Escrever o vetor w = (−4, −18, 7) como combinação linear dos vetores

c) Determinar x , y , z de modo que (x , y , z) seja combinação linear dos

() Álgebra Linear 8 de setembro de 2022 4 / 18

() Álgebra Linear 8 de setembro de 2022 5 / 18

() Álgebra Linear 8 de setembro de 2022 5 / 18