MAT - 122 - Álgebra Linear I

Física - Diurno
Exercícios para a 1ªProva

Paulo F. Leite,

com a colaboração de Jéssica C. Paixão

Fevereiro de 2012

1 Espaços Vetoriais e Subespaço Vetoriais

Denição 1 Dizemos que um conjunto V , cujos elementos chamaremos

de vetores, é um espaço vetorial sobre um corpo K I cujos elementos
chamaremos de escalares se as condições 1) e 2) abaixo, estiverem sat-
isfeitas.
1) Está denida uma operação de adição entre elementos de V sat-
isfazendo as propriedades:
A1 ) Quaisquer que sejam u e v em V , u + v = v + u

A2 ) Quaisquer que sejam u , v , w em V , (u + v) + w = u + (v + w)

A3 ) Existe um elemento neutro para a adição em V , isto é , existe

um elemento em V , que indicaremos por 0, satifazendo a condição
u + 0 = u qualquer que seja u ∈ V .

A4 ) Qualquer elemento u de V possui um simétrico aditivo, isto é,

qualquer que seja u em V existe um elemento de V que indicaremos
por −u tal que u + (−u) = 0

1
 2) Está denida uma operação de multiplicação de elementos de
V por elementos do corpo K I satisfazendo para todos os elementos do
corpo e para todos os vetores u de V , as seguintes propriedades:
M1 ) (α + β)u = αu + βu

M2 ) α(u + v) = αu + αv

M3 ) (αβ)u = α(βu)

M4 ) 1.u =u

1.1 Propriedades que Decorrem Imediatamente da Denição de Es-

paço Vetorial

1. Propriedade do cancelamento para a adição :

Se u+w=v+w então u = v.

2. Se α ∈ IR e 0 ∈V então α0 = 0 .

3. Se 0 ∈ IR e u∈V então 0u =0 .

4. Regra dos sinais :

α(−u) = (−α)u = −(αu)

5. Se αu = 0 então α=0 ou u=0

6. Se αu = βu e u 6= 0 então α=β

7. Se αu = αv e α 6= 0 então u=v

8. Existe um único elemento neutro para a adição.

9. O oposto ( simétrico) de um vetor é único.

2
1.2 Exemplos de Espaços Vetoriais

Verique que em cada um dos exemplos abaixo, o conjunto V, com as

operações indicadas, é um espaço vetorial.

1. V =K
I  espaço vetorial

K
I  corpo de escalares

Adição  adição usual de elementos do corpo K

I.

Multiplicação de vetor por Escalar  multiplicação usual dos elemen-

tos do corpo K
I.

2. V=L e K, K ⊂ L, é um subcorpo de L.
K
I  corpo de escalares.

Casos particulares:

(a) L =C
I  complexos e K
I = IR  reais

3. In
V =K Conjunto das n-uplas de elementos do corpo K
I.

A adição de vetores de In
V =K é denida pela igualdade

- (u1 , u2 , . . . , un ) + (v1 , v2 , . . . , vn ) = (u1 + v1 , u2 + v2 , . . . , un + vn )

multiplicação por escalar - λ(u1 , u2 , . . . , un ) = (λu1 , λu2 , . . . , λun )

4. Mm×n (IR) Matrizes retangulares com m linhas e n colunas

adição - adição usual de matrizes.

multiplicação por escalar multiplicação usual de matrizes por números

reais.

3
 5. d) V = P(IR) Polinômios de uma variável com coecientes reais

adição - adição usual de polinômios.

multiplicação por escalar multiplicação usual de polinômio por número

real.

6. Prove que os itens abaixo são exemplos de espaços vetoriais:

(a) V = IR (vetores) K = IR (escalares)

(b) V = IR (vetores) K =Q
l (escalares)

(c) V =C
I (vetores) K = IR (escalares)

(d) V =C
I (vetores) K =Q
l (escalares)

(e) V = Mm×n (IR) (vetores) K = IR (escalares)

(f ) V = IR[X] (vetores) K = IR (escalares)

(g) V = F(IR) funções de IR em IR K = IR (escalares)

(h) V = C(IR) funções contínuas de IR em IR K = IR (escalares).

7. Seja X um conjunto qualquer, não vazio, e IRX o conjunto de todas as

funções de X em IR.
Nessas condições, com a adição usual de funções
e a multiplicação usual de funções por números reais IRX adquire a
estrutura de um espaço vetorial sobre IR.

8. Seja X um conjunto qualquer e o conjunto das funções, quase

IR(X)
f
nulas, de X em IR. Dizemos que uma função X −−−−→ IR é quase-nula
se se tivermos f(x) = 0, salvo em um número nito de pontos de X.
É claro que IR(X) ⊂ IRX . Mostre que IR(X) é um subespaço vetorial de
IRX e, portanto, um espaço vetorial.
Observe que se X é um conjunto nito, então IR(X) = IRX

∗ Veremos, mais adiante, quando denirmos base de um espaço vetorial, que existe

uma correspondência bijetora entre o conjunto X e uma base de IR(X) . Isso permite concluir

que existem espaços vetoriais com bases de qualquer cardinalidade. ∗

4
1.3 Subespaços Vetoriais

Denição 2 Dizemos que um subconjunto S, não vazio, de um espaço

vetorial V é um subespaço vetorial de V se as seguintes condições es-
tiverem satisfeitas:
a) ∀u, v ∈ S ⇒ u + v ∈ S

b) ∀λ ∈ RI , ∀v ∈ S ⇒ λv ∈ S
Obs. Decorre imediatamente das condições a) e b) acima que se S é um
subespaço vetorial, então 0 ∈ S. (verique isso!). Por causa disso, a ver-

icação de que um subconjunto S de V é um subespaço vetorial pode ser

feita mostrando que S satisfaz as condições abaixo:

1. 0 ∈S

2. ∀u, v ∈ S ⇒ u + v ∈ S

3. ∀λ ∈ IR , ∀v ∈ S ⇒ λv ∈ S

A vericação da condição 1) acima, corresponde a vericação de que S 6= ∅

1.4 Exercícios

1. Considere o sistema linear homogêneo



 2x − 3y + z = 0
x+y−z =0

 x − 4y + 2z = 0

Prove que o conjunto S de vetores de IR3 que satisfazem esse sistema,

3
formam um subespaço de IR . O número de vetores desse subspaço é

nito?

2. Considere a equação matricial abaixo onde A é uma matriz quadrada

de ordem n e x e b são matrizes coluna com n linhas

Ax = b

5
 Considere ainda o subespaço vetorial SH de Mn×1 (IR)

SH = {x ∈ Mn×1 (IR) : Ax = 0}
e o subconjunto S de Mn×1 (IR)

S = {x ∈ Mn×1 (IR) : Ax = b}
Prove que
S = SH + xP
onde xP é uma matriz de Mn×1 (IR) tal que AxP = b , isto é, xP é uma
solução particular da equação (1).

3. Considere o sistema linear


−2x1 + x2 + x3 + x4 = −2
x2 + x3 − x4 =2

Exiba a solução geral desse sistema na forma do exercício anterior.

4. Seja Pn (IR) o subconjunto do espaço vetorial P(IR) denido por

Pn (IR) = { p ∈ P(IR) : p é nulo ou grau p6n}

Prove que Pn (IR) é um subespaço vetorial de P(IR)

5. Prove que em qualquer espaço vetorial vale a formula: 2u =u+u

6. Prove que o axioma da comutatividade da adição num espaço vetorial

decorre dos outros axiomas que denem um espaço vetorial sendo

portanto desnecessário.

sugestão: Desenvolva o produto (1 + 1)(u + v) de duas maneiras difer-

entes.

7. De exemplo de um conjunto V munido de uma operação de adição e

de uma operação de multiplicação por escalar satisfazendo todos os
axiomas que denem um espaço vetorial com exceção do axioma M4 )
que garante que para todo vetor 1u = u. Conclua que o axioma M4 )
é independente dos outros axiomas, isto é, não é conseqüência deles.

6
 8. Mostre que os vetores de F(IR) denidos abaixo não estão em P(IR)
√
3
(a) f(x) = x
(b) f(x) = |x|
√ √
(c) f(x) = 3 x + 5 x
√
3
√
5
(d) f(x) = 1 + x − x5 + 2 x2 + 4 x4
(e) f(x) = sinx
(f ) f(x) = ex

9. Mostre que

R[0, 1] = { f ∈ F[0, 1] : f é Riemann integrável }

munido das operações usuais de adição de funções e de multiplicação

de uma função por um número real é um subespaço vetorial de F[0, 1].
f
10. Denição Seja IR −−−−→ IR uma função de F(IR, IR). Dizemos que:

(a) A função f é uma função par se ∀x ∈ IR f(−x) = f(x)

(b) A função f é uma função impar se ∀x ∈ IR f(−x) = −f(x)

11. De exemplo de uma função que não é nem par nem impar.

12. Mostre que se uma função é simultaneamente par e impar, então ela

é a função nula.

13. De exemplos de funções, não polinomiais, pares e impares.

14. Mostre que:

(a) A soma de duas funções pares é uma função par.

(b) O produto de uma função par por um número real é uma função
par.

(c) Para as funções impares valem propriedades análogas às pro-

priedades enunciadas nos itens (a) e (b) acima.

7
 (d) O produto de duas funções pares é uma função par e que o produto
de duas funções impares é uma função par.

(e) O produto de uma função par por uma função impar é uma função
impar.

15. De um critério que permite caracterizar quando uma função polinomial

é par e quando ela é impar

16. Mostre que:

(a) F(IR, IR)P , isto é, o conjunto das funções pares formam um sub-
spaço vetorial de F(IR, IR).
(b) F(IR, IR)I , isto é, o conjunto das funções impares formam um
subspaço vetorial de F(IR, IR).
(c) F(IR, IR)P ∩ F(IR, IR)I = {0}
(d) Mostre que qualquer função de F(IR, IR) é soma de uma função
par com uma função impar.
Usamos a notação:

F(IR, IR)P ⊕ F(IR, IR)I = F(IR, IR)

para indicar que as propriedades dos itens (c) e (d) estão satis-
feitas e dizemos que F(IR, IR) é uma soma direta de seus subespaços
F(IR, IR)P e F(IR, IR)I .
(e) Prove que toda função f ∈ F(IR, IR) = F(IR, IR)P ⊕ F(IR, IR)I se
escreve, de maneira única, como soma de uma função par com
uma função impar.

2 Combinações Lineares e Sistema de Geradores

Denição 3 Seja X um subconjunto, não vazio, do espaço vetorial V .

Dizemos que um vetor u de V é uma combinação linear de vetores de
X se existirem um subconjunto, nito e não vazio {x1 , x2 , . . . , xk }, de
vetores de X e escalares λ1 , . . . , λk de tal forma que
u = λ1 x1 + . . . + λk xk

8
 Indicaremos por CL(X) o conjunto de todos os vetores de V que são

combinações lineares de vetores de X, mais explicitamente,

CL(X) = {u ∈ V : u é combinação linear de vetores de X}

É importante chamar a atenção para o fato de que dizer que o vetor u

é uma combinação linear de vetores de um conjunto X, independentemente

de X ser nito ou innito, é dizer que u pode ser escrito como

u = λ1 x1 + . . . + λk xk

isto é, como uma soma nita de vetores. Quando trabalhamos num con-

texto puramente algébrico, somas innitas não estão denidas, nem fazem
sentido o menor sentido. Em certas ocasiões (principalmente nos exem-
plos) trabalhamos com somas innitas de números reais ou de números
complexos onde a idéia de convergencia faz sentido. Em geral, o contexto
deixa perfeitamente claro se estamos num caso ou no outro.

Apesar disso, sempre que acharmos que a expressão pleonástica  com-

binação linear nita  contribuir para a clareza do texto, não hesitaremos
em usá-la.
Resumiremos as propriedades básicas de CL(X) na seguinte proposição.

Proposição 1 Se X é um subconjunto, não vazio, de V , valem as pro-

priedades:

1. X ⊆ CL(X)
2. CL(X) é um subespaço vetorial de V .
3. Se X e Y são subconjuntos de V e X ⊆ Y então, CL(X) ⊆ CL(Y).
4. CL(X) = X ⇐⇒ X é um subespaço vetorial de V .
5. Se S é um subespaço de V e X ⊆ S, então CL(X) ⊆ S.
6. Se X ⊆ CL(Y), então CL(X ∪ Y) = CL(Y).

9
 Demonstração.

Sendo x = 1x e 0 = 0x particulares combinações lineares de elementos de

X temos que X ⊆ CL(X) e que 0 ∈ CL(X) . Como é imediato que multiplos
e somas de vetores de CL(X) estão em CL(X) concluimos que CL(X) é
um subespaço vetorial. Uma vez que o item 3 decorre imediatamente da

denição de CL(X), vamos demonstrar a implicação

X é um subespaço vetorial de V =⇒ X = CL(X)

do item 4 pois a implicação no outro sentido é uma conseqüência óbvia de
2. Como já vimos no item 1 que, em qualquer circunstância, vale a inclusão
X ⊆ CL(X), basta mostrar que se X é um subespaço vetorial, CL(X) ⊆ X.
Mas isso decorre do fato de qualquer combinação linear de vetores de um
subespaço ser um vetor desse subespaço. Consideremos agora o item 5.
Por 3 temos que CL(X) ⊆ CL(S) mas como S é um subespaço vetorial,
temos por 4 que CL(S) = S e portanto que CL(X) ⊆ S. Isso conclui a
demonstração desse item e da proposição.

A maior parte dos textos de Algebra Linear usa a noção de combinação

linear, que acabamos de denir, para introduzir o conceito de sistema
de geradores de um subespaço vetorial. Esses livros adotam a seguinte

denição.

Denição 4 Seja V um espaço vetorial e S um subespaço vetorial de V .

Dizemos que um subconjunto, não vazio, X ( nito ou não) de V é um
sistema de geradores de S se CL(X) = S. Se CL(X) = V dizemos que X
é um sistema de geradores de V .

Essa é, como dissemos, uma denição muito usada, perfeitamente cor-

reta e que o leitor poderá, sem maiores inconvenientes, adotar essa como
sendo a sua denição de sistema de geradores.
Ela apresenta, no entanto, um pequeno inconveniente. Por só ter sentido
quando X 6= ∅, torna o caso X = ∅ excepcional e, para evitarmos exceções,
temos que adotar, como convenção, que [∅] = {0}.

10
 Usando fatos que de qualquer maneira são básicos e precisam ser con-

hecidos podemos dar uma denição mais abrangente de sistema de ger-

adores que evita tratar o conjunto vazio como caso excepcional e que co-
incide com a denição que acabamos de dar quando X 6= ∅. Começamos
com algumas resultados simples e importantes.

1. Mostre que se I é a intersecção de dois subespaços de um espaço

vetorial V, então I é um subspaço vetorial de V.

2. Seja {Si }i∈J uma família de subespaços de V , indexada por um con-

junto J, que não precisa ser nito e nem mesmo enumerável.
Prove que a intersecção
\
S= Si
i∈J

de todos os subespaços Si , i∈J , é um subespaço vetorial de V.

3. Mostre que se I é a intersecção de todos os subespaços de um espaço

vetorial V, então I = {0}.

4. Seja X um subconjunto qualquer do espaço vetorial V. Seja [X] a in-

tersecção de todos os subespacos vetoriais de V que contém X. Mostre
que [X] é um subespaço vetorial de V. Mostre que se X = ∅, então
[X] = {0}, isto é, [∅] = {0}

5. Seja V um espaço vetorial tal que X um subconjunto de V tal que

X 6= ∅. Mostre que CL(X) = [X].

Os exercícios acima sugerem a seguinte denição para sistema de ger-

adores de um subespaço.

Denição 5 Seja V um espaço vetorial e S um subespaço vetorial

de V . Dizemos que um subconjunto X (nito ou não) de V é um
sistema de geradores de S se [X] = S. Em particular, se [X] = V ,
dizemos que X é um sistema de geradores do espaço vetorial V .

11
 Obs. Note que nessa denição, não foi necessário exigir que X 6= ∅
mas que, com essa hipótese, ela coincide com a denição anterior.
Além disso, ela inclue o caso em que X = ∅. E nesse caso, temos
[∅] = {0}.
É importante observar que entre os diversos exemplos de espaços ve-
torias com que lidamos até agora, alguns são nitamente gerados,
isto é, possuem um conjunto de geradores com um número nito
de vetores, outros só admitem conjuntos geradores com um número
innito de vetores. Dizemos nesse caso que os espaços não são ni-
tamente gerados.
É, no entanto, fundamental ter em mente o seguinte fato:

Seja G é um sistema de geradores de espaço vetorial V e x um ve-

tor qualquer de V. Independentemente de V ser ou não nitamente
gerado, x se escreve como combinação linear nita de vetores de G.
IRk , com k > 0, Pn (IR) e Mmn IR são exemplos de espaços vetoriais
nitamente gerados. Exiba, para cada um desses espaços vetoriais,
um conjunto nito de geradores.
Um exemplo de espaço vetorial que não é nitamente gerado é o
formado pelos polinômios de uma variável com coecientes reais.

6. Exemplo. P(IR) não é nitamente gerado.

Observação importante.

O fato de sabermos que o conjunto innito

{1, x, x2 , . . . , xn , . . .}

é um sistema de geradores de P(IR) não prova que P(IR) não é nita-

mente gerado, pois, a princípio, nada impediria que pudesse haver um
outro subconjunto de vetores de P(IR) que fosse nito e que gerasse

P(IR).
Vamos então demonstrar que isso não acontece, isto é, que P(IR) não
é nitamente gerado.

12
 De fato, seja A um conjunto qualquer, mas nito, de P(IR). Supon-

hamos, por absurdo, que P(IR). Como A é nito, existe um

A gera
polinômio de maior grau em A. Seja m o grau desse polinômio. É
claro que nenhum polinômio de grau maior do que m é combinação
linear de polinômios de A. Portanto, A não pode gerar P(I
R), isto é,
nenhum conjunto nito pode gerar P(I R).

2.1 Exerccios

1. Mostre que todo espaço vetorial possui um sistema de geradores.

2. Mostre que se u1 , u2 , . . . , un são vetores de um espaço vetorial V e

λ 1 , λ2 , . . . , λ n , números reais, não nulos, então vale a igualdade

[u1 , u2 , . . . , un ] = [λ1 u1 , λ2 u2 , . . . , λn un ]

3. Dê exemplo de dois subconjuntos X e Y de um espaço vetorial V tais

que [X] ⊆ [Y] mas X ( Y.

4. Sejam x1 , x2 , . . . xk e y1 , y2 , . . . , yl , vetores de um espaço vetorial V.

Mostre que uma condição necessária e suciente para que [X] = [Y] é
que xi ∈ [Y] para i = 1, 2, . . . k e yj ∈ [X] para i = 1, 2, . . . l.

5. Sejam X e Y subconjuntos de um espaço vetorial V.

(a) Prove que [X ∩ Y] ⊂ [X] ∩ [Y]

(b) De um exemplo mostrando que, em geral, [X ∩ Y] 6= [X] ∩ [Y].

(Sugestão: faça X = {u} e Y = {2u}, com u 6= 0).

6. Seja X um subconjunto qualquer de um espaço vetorial V e suponha

que u1 , u2 , . . . , un ∈ [X] ( Observe que esses vetores podem não estar
em X). Mostre que existe um subconjunto nito Y de X tal que [Y]
contem os vetores u1 , u2 , . . . , un .

13
 7. SejaX um subconjunto qualquer de um espaço vetorial V e suponha
que u1 , u2 , . . . , un ∈ [X] ( Observe que esses vetores podem não estar
em X). Mostre que existe um subconjunto nito Y de X tal que [Y]
contem os vetores u1 , u2 , . . . , un .

8. Se S é um subespaço vetorial de V, diferente de V, isto é, S V,

então [V − S] = V .
Sol. Observe, inicialmente que a suposição de que S V é essencial pois, se tivermos

S = V , teremos que V − V = ∅ e portanto [V − V] = {0} e, nesse caso, o resultado só

é válido se V = {0}. Podemos então, sem perda de generalidade, supor que V 6= {0}
e S 6= {0}. É claro que V − S ⊂ [V − S] . Como V = (V − S) ∪ S, para obtermos a tese
basta mostrar que S ⊂ [V − S]. Seja então s um vetor qualquer de S e x ∈ (V − S),
x 6= 0. Os vetores s + x e s − x de V , não pertencem a S (Porque?). Estão, portanto,

em (V − S). Em consequência, (s + x) + (s − x) = 2s está em [V − S], o que implica

que s ∈ [V − S]. Isso conclue a demonstração.

3 Dependência e Independência Linear

Vimos que qualquer vetor de um espaço vetorial V pode ser representado

por uma combinação linear de vetores pertencentes a um sistema de ger-
adores G, desse espaço.

Uma pergunta natural e importante  e, que se tiver resposta ar-

mativa, vai nos permitir denir as  coordenadas de um vetor  é se
essa representação é única, isto é, se x é um vetor qualquer de V e se
0 0 0
g1 , g2 , . . . gm , g1 , g2 , . . . gn , são vetores de G e se, além disso, x pode ser
escrito como
x = α1 g1 + α2 g2 + · · · + αm gm
x = α1 0 g1 0 + α2 0 g2 0 + · · · + αn 0 gn 0
0
podemos garantir que m = n e gi = gi i = 1, 2, . . . , n
Podemos antecipar que a resposta é negativa, isto é, a representação

não é única. Um exemplo muito simples serve de ilustração.

Exemplo. Não unicidade da representação de vetores por sistemas de

geradores.

14
 Considere o espaço vetorial IR2 e o seu subconjunto

A = {(1, 0), (0, 1), (1, 1)}

A é claramente um sistema de geradores de IR2 mas o vetor (1, 1) admite

duas representações distintas:

1. (1, 1) = 1.(1, 0) + 1(0, 1)

2. (1, 1) = 1(1, 1)

Se quisermos ter unicidade de representação vamos precisar introduzir

um conceito novo: o de independência linear.
Para motivar a denição desse novo conceito vamos simplicar um pouco
1
as coisas e supor que o vetor x de V possa ser escrito das formas descritas
abaixo

x = α1 g1 + α2 g2 + · · · + αm gm
x = β 1 g1 + β 2 g2 + · · · + β m gm
Nesse caso, unicidade de representação, signica simplesmente que
αi = βi para i = 1, 2, . . . m
Vamos tentar demonstrar isso e ver que propriedades adicionais os ve-
tores g1 , g2 , . . . , gm vão precisar satisfazer.
Se subtrairmos membro a membro a segunda equação da primeira z-
ermos as transformações convenientes caremos com a equação

(α1 − β1 )g1 + (α2 − β2 )g2 + · · · + (αm − βm )gm = 0

Se soubermos que essa igualdade só é possível quando todos os coecientes
dos vetores g1 , g2 , . . . , gm forem nulos, teremos que
αi = βi para i = 1, 2, . . . , m
e, portanto, a unicidade desejada.

1 Na realidade essa simplicação é apenas aparente e não acarreta nenhuma perda de

generalidade pois podemos acrescentar a cada uma das representações do vetor x os vetores
que não comparecem na outra representação tomando como coeciente desses vetores
zeros.

15
 Esse cálculo, feito para provar a unicidade da representação, sugere qual

deve ser a denição que caracteriza a propriedade que os vetores do conjunto

de geradores devem ter para garantir a unicidade da representação.

Denição. Seja V L um subconjunto, não vazio,

um espaço vetorial e

nito ou não, de V . Dizemos que o conjunto L é linearmente independente

se qualquer que seja o subconjunto nito {l1 , l2 , · · · , ln } de vetores de L a
equação
α1 l1 + α2 l2 + · · · αn ln = 0
só admitir como solução escalares que sejam todos nulos, em outras palavras,
devemos ter

α1 = α2 = α3 · · · = αn = 0
Quando essa condição não estiver satisfeita diremos que o conjunto
L é linearmente dependente ou, o que é a mesma coisa, que L não é
linearmente dependente.
Obs. Essa é a denição de independencia linear que gura na grande maioria dos

textos que tratam do assunto e aqui novamente o conjunto vazio aparece como um caso

excepcional. Mais adiante mostraremos que é possivel dar uma denição que coincide com

a que acabamos de dar no caso de conjuntos não vazios mas que por ser mais abrangente

inclue o conjunto vazio na classe dos conjuntos que são linearmente independentes.

1. ∗ Seja V um espaço vetorial. Mostre que V, isto é, o conjunto de

todos os vetores do espaço vetorial V, é um conjunto linearmente

dependente de V.

2. Seja A = (aij ) ∈ Mm×n (IR) tal que

i<j =⇒ aij = 0 e akk 6= 0

Mostre que as linhas de A, consideradas como vetores de IRn são
linearmente independentes.

3. ∗ Seja V um espaço vetorial e A, B e G subconjuntos (nitos ou não)

de V. Prove que:

(a) Se A 0 ⊆ A e A é linearmente independente, então A 0 é linearmente

independente.

16
 (b) Se B ⊆ B0 e B é linearmente dependente, então B0 é linearmente
dependente.
(c) Se G é um sistema de geradores de V e G G 0, então G0 é linear-
mente dependente.

4. ∗ Seja a1 , a2 , . . . an , n > 1, uma sequência qualquer de vetores não

nulos, de um espaço vetorial V . Prove que uma condição necessária
e suciente para que essa sequência seja linearmente dependente é que
exista um número natural k, 1 < k 6 n, tal que

ak = α1 a1 + α1 a1 + · · · + α2 a2 + · · · αk−1 ak−1

5. ∗ Seja V um espaço vetorial e A 6= ∅ um subconjunto qualquer, mas

linearmente independente, de V . Seja a1 , a2 , . . . ak uma sequêcia de
vetores de A. Mostre que essa sequência pode não ser linearmente

independente.

Sol Para vermos isso, basta considerar a sequência a1 , a2 , de elementos de A, com

a1 = a2

6. ∗ Seja S um subespaço vetorial de V e x

V que não estáum vetor de
em S, isto é, tal que x ∈
/ S. Prove que se x1 , x2 , . . . xk são vetores
linearmente independentes de S então o conjunto {x1 , x2 , . . . , xk , x}
é linearmente independente.
Sol. Seja α1 x1 + α2 x2 + · · · + αk xk + αx = 0.
Devemos ter, necessáriamente, α = 0 pois, caso contrário, teríamos que x ∈ S o que
contraria a hipótese. Isso nos fornece

α1 x1 + α2 x2 + · · · + αk xk = 0.

Como os vetores x1 , x2 , . . . xk são, por hipótese, L.I., temos a tese.

7. Seja V um espaço vetorial e{0} = S0 S1 S2 · · · Sn = V

uma sequência subespaços de V . Se x1 , x2 , . . . xn é uma sequência de
vetores de V tais que xi ∈ Si mas xi ∈ / Si−1 , i = 1, 2, . . . n então a
sequência x1 , x2 , . . . xn é linearmente independente.

8. Se λ2 , . . . , λn é um conjunto qualquer de escalares e u1 , . . . , un são

vetores de um espaço vetorial V, então as seguintes condições são
equivalentes:

17
(a) {u1 , . . . , un } é linearmente independente.

(b) {u1 , u2 + λ2 u1 , . . . , un + λn u1 } é linearmente independente.

xi ∈ [Y] para i = 1, 2, . . . l a) =⇒ b)

De
α1 u1 + α2 (u2 + λ2 u1 ) + . . . + αn (un + λn u1 ) = 0

Segue que

(α1 + α2 λ2 + α3 λ3 . . . αn λn )u1 + α2 u2 + · · · + αn un = 0

e como {u1 , u2 , . . . , un } é linearmente independente, temos que



 α1 + α2 λ2 + α3 λ3 + . . . + αn λn = 0

 α2 = 0
..

 .


αn = 0

verica-se imediatamente que a única solução desse sistema é:

α1 = α2 = · · · = αn = 0

e portanto o conjunto {u1 , u2 + λ2 u1 , . . . , un + λn u1 } é linearmente

independente.

a) ⇐= b)

Façamos inicialmente


v1 = u1
v i = u i + λi u 1 i = 2, . . . , n

e consequentemente

18
 
u1 = v1
( 1)
u i = v i − λi u 1 i = 2, . . . , n

Devemos provar agora que do fato de {v1 , . . . , vn } ser, por hipótese,

linearmente independente decorre que {u1 , . . . , un } é linearmente in-
dependente.

Se escrevermos

α1 u1 + . . . + αn un = 0 ( 2)

e substituirmos os valores de ui dados por ( 1) em ( 2) ,teremos

α1 v1 + α2 (v2 − λ2 v1 ) + . . . + αn (vn − λn v1 ) = 0

ou ainda

(α1 − α2 λ2 − . . . − αn λn )v1 + α2 v2 + . . . αn vn = 0

e portanto, como {v1 , . . . , vn } é linearmente independente,



 α1 − α2 λ2 − . . . − αn λn = 0

 α2 = 0
..

 .


αn = 0

Verica-se, imediatamente, que a única solução desse sistema é

α1 = α2 = . . . = αn = 0

e, portanto {u1 , . . . , un } é linearmente independente.

xi ∈ [Y] para i = 1, 2, . . . l

19
3.1 Exercícios

1. ∗ Verique se os vetores de F(IR), descritos nos ítems abaixo, são ou

não, linearmente independentes:

(a) x e |x|
(b) x e cos(x)
√3
(c) x e x
(d) p é uma função polinômial e g ∈ F(IR, IR) não é função polinomial.
(e) f, g ∈ F(IR, IR) f par, g impar

(f ) p1 (x), p2 (x), . . . pn (x) onde as funções são polinômios tais que se

i 6= j, então grau pi 6= grau pl . (Note que não estamos exigindo
que grau pn = n)

4 Bases, Dimensão

1. Todo espaço vetorial nitamente gerado possui uma base com um

número nito de vetores.

Sol. Use indução nita sobre o número de elementos de um conjunto gerador do

espaço vetorial

2. Seja V nitamente gerado e G e L, respectiva-

um espaço vetorial
mente, um conjunto de geradores de V e um conjunto linearmente
independente de V . Se G for nito, então L também será nito e
#L 6 #G.
#A indica o número de elementos de A.
Sol. Aqui também a idéia é usar indução nita. Existe raciocínio heurístico, mas

bastante convincente, que sugere que esse fato é verdadeiro

3. Duas bases quaisquer de um espaço vetorial nitamente gerado pos-

suem o mesmo número de elementos.

Sol. Use o exercício acima e as condições que denem uma base

20
 Denição. Chama-se dimensão de um espaço vetorial o número de

elementos de uma qualquer de suas bases.

4. Seja B um subconjunto com n elementos de um espaco vetorial V de

dimenssão n. As seguintes armações são equivalentes:

(a) B é linearmente independente.

(b) B é um sistema de geradores de V

(c) B é uma base de V.

5. Prove que qualquer que seja o número real a, o conjunto

B = {1, (x − a), (x − a)2 , . . . , (x − a)k }

é uma base do espaço vetorial Pk (IR)

6. Prove que qualquer que seja o número real a, o conjunto

B = {1, (x − a), (x − a)2 , . . . , (x − a)k · · · }

é uma base do espaço vetorial P(IR)

7. Seja V um espaço vetorial e A um conjunto linearmente independente

de V. Mostre que existe B ⊂ V tal que A ⊆ B e B é base de V .

4.1 Coordenadas de um Vetor

1. Denição. Seja V um espaço vetorial, V 6= {0}, E = {e1 , e2 , . . . ek } uma

base (ordenada pelos índices) de V e u ∈ V , um vetor qualquer.
Nessas condições, existem escalares (únicos) tais que

u = u 1 e1 + u 2 e2 + · · · + u k ek .
Os escalares u1 , u2 , . . . uk chamam-se, respectivamente, primeira, se-
gunda, . . . ,k−ésima coordenada do vetor u em relação à base E. A
sequência formada por essas coordenadas denem, portanto, um vetor
(u1 , u2 , . . . uk ) ∈ IRk .

21
 (x)E = (x1 , x2 , . . . , xn )
é chamada de sequência de coordenadas ( ou simplesmente coordenadas)
do vetor x em relação à base E. Para podermos operar de forma ecaz com
matrizes é conveniente interpretarmos a n-úpla

(x)E = (x1 , x2 , . . . , xn )

como uma matriz linha e sua transposta

 
x1
 x2 
t
(x)E = [x]E =  . 
 
.
 . 
xn

Que indicaremos sempre por [x]E , como uma matriz coluna.

4.1.1 Exercícios
1. Seja E uma base de um espaço vetorial V e x, y dois vetores quaisquer
de V. Mostre que:

(x + y)E = (x)E + (y)E

2. Seja E uma base de um espaço vetorial V, x um vetor de V e λ ∈ IR.

Mostre que:

(λx)E = λ(x)E

3. Seja E uma base de um espaço vetorial V e u1 , u2 , . . . , un uma sequên-

cia de vetores de V . Mostre que as armações abaixo são equivalentes:

(a) A sequência u1 , u2 , . . . , un de vetores de V é linearmente inde-

pendente.

(b) A sequência (u1 )E , (u2 )E , . . . , (un )E de vetores de IRn é linear-

mente independente.

22
5 Matriz de Transição Entre Duas Bases

Vimos acima que a escolha de uma base num espaço vetorial nos permite

associarmos coordenadas aos vetores. Um problema de fundamental im-

portância é estudar como mudam as coordenadas de um vetor quando
mudamos a base em relação à qual esse vetor está representado. Vamos
introduzir um formalismo (cálculo matricial) que nos permite relacionar,
com relativa facilidade, as coordenadas de um mesmo vetor em relação a

duas bases diferentes.

Sejam então E = {e1 , e2 , . . . en } e F = {f1 , f2 , . . . fn } duas bases de um
mesmo espaço vetorial. Vamos escrever os vetores da base F como combi-
nação linear dos vetores da base E. Como sabemos, por ser E uma base,

os coecientes dessas combinações lineares são únicos. Assim, podemos

escrever:

f1 = a11 e1 + a21 e2 + · · · + an1 en

f2 = a12 e1 + a22 e2 + · · · + an2 en
.. ..
. .

fn = a1n e1 + a2n e2 + · · · + ann en

A maneira mais natural de trabalharmos com esses coecientes é utilizan-
do-os para formar uma matriz. Devido as propriedades da multiplicação de
matrizes a maneira mais conveniente de fazer isso é construir uma matriz

cujas colunas são os respectivos coecientes das linhas que representam as

combinações lineares acima. Dessa forma, temos a matriz

 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
MFE =  .
 
.. .. ..
 ..

. . . 
an1 an2 · · · ann
Essa é
que chamaremos de matriz de transição da base E para a base F uma
Observe que de acordo com a denição da matriz de transição, quando denição
a base F coincidir com a base E a matriz de transição é a matriz identidade. importante!

A propriedade mais importante dessa matriz é expressa pela proposisão

23
Proposição 2 Qualquer que seja o vetor x ∈ V , vale a fórmula Esta
fórmula é
F
ME .[x]F = [x]E fun-
damental

ou, de forma mais explicita, para o

que vem
a seguir
x10
     
a11 a12 · · · a1n x1
 a21 a22 · · · a2n   x0   ←−
  2   x2 
 .. .. .. ..  .  ..  =  .. 
 
 . . . .   .   . 
am1 am2 · · · amn xn0 xn

Como a multiplicação de matrizes é linear, para demonstrar a proposição,

basta vericá-la para todos os vetores da base F. Mas isso, é um cálculo
muito aimples. De fato, seja fi um vetor qualquer da base F. Para provar
a igualdade
ME F .[fi ]F = [fi ]E
é suciente observar que a multiplicação de matrizes do lado esquerdo da
igualdade produz no lado direito uma matriz formada pelas coordenadas

do vetor fi .
     
a11 a12 · · · a1n 0 ai 1
 .. .
..
.
..
.
..
  ..   .. 
 .   .   . 
     
 ai1 ai2 · · · ain . 1  =  aii 
     
 .. .. .. ..   ..   .. 
 . . . .   .   . 
an1 an2 · · · ann 0 ain

Isso termina a demonstração pois essa igualdade se verica para todos os

vetores da base F

C.Q.D.

Corolário 1 Matrizes de transição entre bases de um espaços vetorial V

de dimensão nita n satisfazem as seguintes propriedades:
1. ME E = In matriz identidade de ordem n.

24
2. MG E = MG F .MF E
−1
3. (MF E ) = (ME F )
Demonstração.

1. A validade dessa fórmula já foi comentada na denição de matriz de

transição dada acima.

2. A proposição 4.3 acima, nos permite escrever as fórmulas

[x]F = MF E [x]E MG F [x]F = [x]G

Substituindo o valor de [x]F , dado pela primeira equação, na segunda,

obtemos
MG F .(MF E [x]E ) = MG E [x]E
Pela associatividade da multiplicação de matrizes, podemos escrever

a igualdade acima como

(MG F .MF E )[x]E = MG E [x]E

Como essa igualdade vale para todos os vetores de V, em particular

para uma base de V, podemos concluir que

(MG F .MF E ) = MG E

o que demonstra a validade da equação.

3. Se zermos G=E na equação

MG E = MG F .MF E

do item 2, obtemos a equação

ME E = ME F .MF E ou ainda In = ME F .MF E

o que nos fornece a igualdade desejada

−1
(MF E ) = (ME F )

É importante observar que essa equação mostra que a matriz de Não se

transicão de uma base para outra é sempre inversível. esqueça

disso!

25
5.1 Orientação de Espaços Vetoriais

Nesta secção todos os espaços vetoriais considerados terão como escalares Atenção

corpos ordenados. →

6 Apêndice

6.1 Números naturais e Números inteiros

6.2 Polinômios

1. Seja p ∈ IR[X], de grau > 1, e α ∈ IR. Prove que são equivalentes as

armações:

(a) α é raiz de de p, isto é, p(α) = 0.

(b) p(x) é divisível por (x − α), isto é, existe q(x) ∈ IR[X], tal que
p(x) = (x − α)q(x)
Sugestão: Use o fato de que existe um algoritmo de divisão em
IR[X]. Tente demonstrar esse fato diretamente, isto é, sem supor

a existência do algoritmo de divisão.

2. Prove que se p é um polinômio de grau n, n > 0, então n tem, no

máximo, n raizes.

6.3 Matrizes

7 Transformações Lineares

8 Outros Exemplos de Espaços Vetoriais

1. Somas Diretas

2. Espaços Quocientes

3. Produto Tensorial

26
4. Produto Exterior

5. Produto Simétrico

27