NMF105 Notas de Aula

2010
-rev1
NMF105
Algebra Linear
Notas de aula
Prof. Fabio Lacerda

Prof. Fabio Lacerda
Prof. Ronaldo Pimentel
ÍNDICE
UNIDADE 1 – MATRIZES E SISTEMAS DE EQUAÇÕES LINEARES .................................. 1

1.1 INTRODUÇÃO..................................................................................................................................... 1
1.2 TIPOS ESPECIAIS DE MATRIZ ............................................................................................................. 2
1.2.1 Matriz quadrada .......................................................................................................................... 2
1.2.2 Matriz nula .................................................................................................................................. 2
1.2.3 Matriz coluna............................................................................................................................... 2
1.2.4 Matriz linha.................................................................................................................................. 2
1.2.5 Matriz diagonal............................................................................................................................ 2
1.2.6 Matriz identidade ........................................................................................................................ 3
1.2.7 Matriz triangular.......................................................................................................................... 3
1.2.8 Matriz triangular.......................................................................................................................... 3
1.2.9 Matriz simétrica........................................................................................................................... 3
1.3 OPERAÇÕES BÁSICAS COM MATRIZES .............................................................................................. 4
1.3.1 Adição .......................................................................................................................................... 4
1.3.2 Multiplicação ............................................................................................................................... 4
1.3.3 Transposição................................................................................................................................ 5
1.4 MULTIPLICAÇÃO DE MATRIZES ......................................................................................................... 8
1.5 OPERAÇÕES ELEMENTARES COM LINHAS DE MATRIZ .................................................................... 11
1.6 MATRIZ INVERSA ............................................................................................................................. 12
1.6.1 Cálculo da matriz inversa pelo método de Gauss-Jordan ......................................................... 12
1.7 SISTEMAS DE EQUAÇÕES LINEARES ................................................................................................ 13
1.7.1 Definições básicas ..................................................................................................................... 13
1.7.2 Método de Gauss ...................................................................................................................... 15
1.7.3 Usando matriz inversa ............................................................................................................... 16
LISTA DE EXERCÍCIOS 1 ............................................................................................................................ 17
UNIDADE 2 – DETERMINANTES ............................................................................................ 27
2.1 DETERMINANTE ............................................................................................................................... 27
2.2 MENOR COMPLEMENTAR ................................................................................................................ 29
2.3 COFATOR ou COMPLEMENTO ALGÉBRICO ...................................................................................... 30
2.4 DEFINIÇÃO DE DETERMINANTE (GERAL).......................................................................................... 30
2.5 PROPRIEDADES DOS DETERMINANTES ............................................................................................ 33
2.6 CÁLCULO DE DETERMINANTES (REGRA DE CHIÓ)............................................................................ 34
UNIDADE 3 – ESPAÇOS VETORIAIS ...................................................................................... 40
3.1 ESPAÇOS VETORIAIS REAIS ............................................................................................................... 40
3.2 SUBESPAÇOS VETORIAIS REAIS ........................................................................................................ 43
3.3 COMBINAÇÃO LINEAR ...................................................................................................................... 46
3.4 ESPAÇOS GERADOS .......................................................................................................................... 51
3.5 DEPENDÊNCIA E INDEPENDÊNCIA LINEAR ....................................................................................... 55
3.6 BASES E DIMENSÃO .......................................................................................................................... 62
3.6.1 Base de um Espaço Vetorial ...................................................................................................... 62
3.6.2 Dimensão de um Espaço Vetorial.............................................................................................. 71
3.7 MUDANÇA DE BASE.......................................................................................................................... 75
UNIDADE 4 – TRANSFORMAÇÕES LINEARES ................................................................... 91
REFERÊNCIAS BIBLIOGRÁFICAS.......................................................................................... 96
NMF105 – ALGEBRA LINEAR
Prof. Emerson Costa (responsável pela disciplina)
Prof. Fabio Lacerda (flacerda@fumec.br)
UNIDADE 1 – MATRIZES E SISTEMAS DE EQUAÇÕES LINEARES Notas de Aula
1.1 INTRODUÇÃO
Matriz é uma tabela de elementos dispostos em linhas e colunas. Sua utilização passa a ser
indispensável quando o número de variáveis e observações em um problema torna-se muito
grande.
Por exemplo, seja a composição de uma carteira de ações e a sua evolução ao longo do
primeiro semestre:
Movimentação (em número de ações)

Ação Mês Jan Fev Mar Abr Mai Jun
PETR4 (Petrobras) 200 262 180 85 0 167
VALE5 (Vale) 0 0 343 203 150 110
USIM5 (Usiminas) 50 0 162 215 400 300
GVTT3 (GVT) 0 160 40 0 420 480
Poderia ser abstraída para:
ܽ ܽ ܽ

Generalizando, tem-se:
ܽ ܽ ܽ

⋯
‫ ܣ‬ =൦ ⋮ ⋮ ൪ = [ܽ ]
⋯
ܽ ܽ ܽ

⋮ ⋱
⋯
NMF105 – Notas de aula 1

1.2 TIPOS ESPECIAIS DE MATRIZ
1.2.1 Matriz quadrada O número de linhas é igual ao número de colunas (m = n).
Exemplos:
= 5 5 ∴ = 2 ∴ =

2 −7 8
1 2
3
3 4
−1 2 4
1.2.2 Matriz nula Todos os elementos da matriz são nulos ( para todo i e j).
Exemplos:
=
∴ = 0 ∴ = 0 0
0 0
0 0 0 0
0 0 0 0
0 0
1.2.3 Matriz coluna Possui uma única coluna (n=1).

Exemplos:
= −2 ∴ =

∴ =

1

0 2
3
1.2.4 Matriz linha Possui uma única linha (m=1).
= 1 3 ∴ = 0 ∴ =

Exemplos:
−2 2
1.2.5 Matriz diagonal Matriz quadrada (m=n) onde ௜௝ = 0 para ≠ . Ou seja, todos os
elementos fora da diagonal principal são nulos.
Exemplos:
=
∴ = 0 0 ∴ = 0
1 0 0 1 0 0 0

2 0 −5 2 0 0
0 0 0 0 0 0 3 0
0 0 0 4

1.2.6 Matriz identidade Representada por I, matriz quadrada (m=n) onde ௜௝ = 1 para
= e ௜௝ = 0 para ≠ . Ou seja, possui “1” na diagonal
principal e “0” para todas as outras entradas.
Exemplos:
=
∴ = ∴ = 0 0
1 0 0 0
1 0 0
1 0 0 1 0 0
1
0 1 0 0 1 0
0 0 1
0 0 0 1
1.2.7 Matriz triangular Matriz quadrada (m=n) onde ௜௝ = 0 para > .

Exemplos:
=
∴ = ∴ = 0 0
1 0 0

0 0 −4
1 1 0 0 −2 2
0 1 0 0 0 0
0 0 1
0 0 0 1
1.2.8 Matriz triangular Matriz quadrada (m=n) onde ௜௝ = 0 para < .
Exemplos:
0 0 0 0
=
∴ = ∴ = −1 0
2 0 0
0 0 0 0

1 0 4

1 0 10 −2 0 0
3 1
5 0 0
1.2.9 Matriz simétrica Matriz quadrada (m=n) onde ௜௝ = ௝௜ .

Exemplos:

=
∴ = −4 0 ∴ =
1 −4 0

0 7 5

7 0 ℎ
0 0

1.3 OPERAÇÕES BÁSICAS COM MATRIZES
1.3.1 Adição a soma de duas matrizes de mesma ordem ( = ) é representada

por “ A+B ”, cujos elementos são somas dos elementos correspondentes de
+ + +

A e B. Ou seja,
+ + +

⋯
+ =
⋯
+ + +

⋮ ⋮ ⋱ ⋮
⋯
Exemplos:

+
=
∴ 3 4 + 9 10 = 12 14
1 2 7 8 8 10
1 −1 0 4 1 3
2 3 3 −3 5 0
5 6 11 12 16 18
∴ 2 −3 + −1 0 = 2 + −1 −3
Propriedades:
i) A+B=B+A (comutatividade)
ii) A + (B + C) = (A + B) + C (associatividade)
iii) A + 0 = A , onde “0” é uma matriz nula
1.3.2 Multiplicação representada por “ k.A ”, é obtida multiplicando-se A por k. Ou seja,

⋯
=
⋯

⋮ ⋮ ⋱ ⋮
⋯
Exemplos:
= −3 = 2 1
0 −1 2
4
−1 3 −2
= −3. 2 1 = −6 −12 −3

0 −1 2 0 3 −6
4
−1 3 −2 3 −9 6

= = 0 2 1
0 − 2
−1 0 −2
= . 0 2 1 = 0 2
0 − 2 0 − 2
−1 0 −2 − 0 −2
Propriedades:
i) k.(A + B) = kA + kB
ii) (k1 + k2).A = k1 A + k2 A
iii) 0.A = 0, onde o primeiro “ 0 ” é um escalar e o segundo é uma matriz nula
iv) k1 ( k2 A) = (k1 k2 )A
1.3.3 Transposição representada por “ ” ou por “ ”, é obtida quando as linhas de A

passam a ser colunas de B (= ). Ou seja, = .
Exemplos:

=
= 4
0 2

0 −1
−1
2 4 8 8

= 2 = 2 −1
−1
Propriedades:
i) Uma matriz (A) é simétrica somente se =
ii) = ( ) =
iii) ( + ) = +
iv) () =

Exemplo 1: Sendo = 0 −6, calcule 2
−3 0 2
4
−7 1 1
Solução:
2. !−3" 2.0
2. 0 −6 = 2.0 2.4 2. !−6" = 0 −12
−3 0 2 2.2 −6 0 4
2. !−7" 2.1
4 8
−7 1 1 2.1 −14 2 2
−6 0 4
Conclusão: 2 = 0 8 −12
−14 2 2
Exemplo 2: Sendo = −2 0 4, calcule 2

1 2 3
−3 0 2
Solução:
2. !−2" 2. !−3"
2. −2 0 4 = 2. 2 0 = 2.2 2.0
1 2 3 1 −2 −3 2.1
0 2.0
−3 0 2 3 4 2 2.3 2.4 2.2
= 4 0 0
2 −4 −6
6 8 4
Conclusão: 2 = 4 0
2 −4 −6

0
6 8 4
Exemplo 3: Dadas = 0 , 4, calcule X

−3 0 2 2 4 6 1 2 3
4 −6 = 6 4 2 e = −2 0
−7 1 1 −3 −4 0 −3 0 2
para # − $% = & − $'
Solução 1:
( − 2 = − 2 ⇨ ( = − 2 + 2
aproveitando os cálculos dos exemplos 1 e 2, tem-se,

(= 6 2 + −4 0 + 0 −12 ⇨
2 4 6 −2 +4 +6 −6 0 4
4 0 8
−3 −4 0 −6 −8 −4 −14 2 2
( = 6−4+0 2 − 0 − 12 ⇨
2−2−6 4+4+0 6+6+4
4−0+8
−3 − 6 − 14 −4 − 8 + 2 0−4+2
(= 2 −10
−6 8 16
12
−23 −10 −2
Solução 2:
( − 2 = − 2 ⇨ ( = − 2 + 2
De forma mais direta, tem-se
(= 6 2 − 2. 2 0 + 2. 0 −6 ⇨
2 4 6 1 −2 −3 −3 0 2
4 0 4
−3 −4 0 3 4 2 −7 1 1
2 − 2.1 + 2. !−3" 4 − 2. !−2" + 2.0 6 − 2. !−3" + 2.2

( = 6 − 2.2 + 2.0 2 − 2.0 + 2. !−6" ⇨
−3 − 2.3 + 2. !−7"
4 − 2.0 + 2.4
−4 − 2.4 + 2.1 0 − 2.2 + 2.1
(= 2 −10
−6 8 16
12
−23 −10 −2
Conclusão: ( − 2 = − 2 ⇨ ( = 2 −10
−6 8 16

12
−23 −10 −2

1.4 MULTIPLICAÇÃO DE MATRIZES
O produto de duas matrizes A e B, denotado por “AB”, só é possível se o número de colunas de

A for igual ao número de linhas de B. Cada elemento resultante ij é obtido pelo produto da
linha i de A pela coluna j de B. Ou seja, se = ,
= + + ⋯ + = )

. = ∴ . =

Assim, por exemplo,
. = ∴ . =
Propriedades:
= =
≠ (* +)
i)
! + " = +
ii)
! + " = +
iii)
!" = ()
iv)
() =
v)
vii) 0. = 0 . 0 = 0
vi)
Exemplo 1: Resolver , onde

( + + ) ( + + )

= , -
( + + ) ( + + )

.

Exemplo 2: Resolver = , onde =

=
1 3 2 0 −4
2 −1 5 −2 6
=
.
=
1 3 2 0 −4
(1. !−4" + 3.6)

2 −1 5 −2 6
, -=
(2.2 + !−1". 5) (2.0 + !−1". (−2)) (2. !−4" + !−1". 6)
(1.2 + 3.5) (1.0 + 3. (−2))
=
17 −6 14
−1 2 −14

Dicas: é comum, enquanto não se pratica bastante o produto entre matrizes, que se faça confusão com a
posição certa de cada um dos elementos da matriz resultante. Para se minimizar erros por falta
de atenção, vale a pena realizar um “double check” usando a própria matriz resultante para
validação do resultado. Em primeiro lugar, deve-se checar se a dimensão da matriz está correta
(por exemplo, o produto entre matrizes .
deve ter como resultado uma matriz com
dimensão “
”). Além disso, observe que, para o caso da matriz C do exemplo 2, os elementos
resultantes em C são definidos de acordo com a posição da linha da matriz A e a posição da
coluna da matriz B. Assim,

Exemplo 3: Encontrar x e y sabendo que = . e =
−4
2 −3
(. + (−4).2) . !−4" + (−4). (−3)

= . =
.
=, -
(2. + !−3". 2) 2. (−4) + !−3". (−3)
−4 −4
2 −3 2 −3
= , -
( − 8) (8)

(−4) (9 − 8)

Como . = .
=, -, então , -=, -

1 0 0 ( − 8) (8) 0
0 1 0 0
(−4) (9 − 8)
− 8 =
8 = 0 /
Assim, .
9 − 8 =
−4 = 0
Resolvendo o sistema, encontra-se = 0 = −8.

Exemplo 4: Encontrar a movimentação financeira mensal (em valor presente) de uma carteira
de ações a partir do valor atual de cada ação e da tabela que mostra a
movimentação dessa carteira, em número de ações (exemplo dado no item 1.1).
Para isso, sabe-se que:
Valor
Ação
presente
PETR4 (Petrobras) R$33,80
VALE5 (Vale) R$42,74
USIM5 (Usiminas) R$46,15
GVTT3 (GVT) R$56,45
33,80
Ou seja, = e =
200 262 180 85 0 167
0 0 343 203 150 110 42,74
50 0 162 215 400 300 46,15
0 160 40 0 420 480 56,45
(matriz A extraída do item 1.1)
் ்
Como ∄ ସ௫଺ . ସ௫ଵ , pode-se fazer ଵ௫ସ . ସ௫଺ . Logo, ଵ௫଺ = ଵ௫ସ . ସ௫଺
= [ 33,80.200 + 0 + 46,15.50 + 0
33,80.262 + 0 + 0 + 56,45.160
33,80.180 + 42,74.343 + 46,15.162 + 56,45.40
33,80.85 + 42,74.203 + 46,15.215 + 0
0 + 42,74.150 + 46,15.400 + 56,45.420
(33,80.167 + 42,74.110 + 46,15.300 + 56,45.480)]
= 9067,50 17887,60 30478,12 21471,47 48580 51287
Ou seja,
Movimentação (em valor presente)
Jan Fev Mar Abr Mai Jun
R$9.067,50 R$17.887,60 R$30.478,12 R$21.471,47 R$48.580,00 R$51.287,00

1.5 OPERAÇÕES ELEMENTARES COM LINHAS DE MATRIZ
Uma matriz elementar é obtida por meio de operações elementares nas linhas de uma matriz
identidade.
i) Troca de ordem de duas linhas da matriz (exemplo 1);

ii) Multiplicação de uma linha da matriz por uma constante diferente de zero (exemplo 2);
iii) Substituição de uma linha da matriz por sua soma com outra linha multiplicada por uma
constante diferente de zero (exemplo 3).
→ 1
0 0
0 0 0 1 0
Exemplo 1: → 0 1 0
⇨ ↔ ⇨ 1 0 0

→ 0
1 2
0 1 0 0 1
→ 1
1 0
⇨ 03 = −403 ⇨ 0 1 0
0 0 1 0 0
Exemplo 2: → 0

→ 0 0 1 0 0 −4
→ 1
0 0
0 0 1 0 0
Exemplo 3: → 0 1 0
⇨ = −20 ⇨ 0 1 −2

→ 0
2 2 3
0 1 0 0 1
0 = 30 0 = 0 −40
Exemplo 4: 0 0 ⇢ 0 ↔ 0 ⇢ 0 1 ⇢ 0 = 0 +30 ⇢ 9 0 1
1 0 0 3 0 0 3 0 0
1 0

0 0 1 0 1 0 −12 1 0
Exemplos de operações possíveis:
Exemplos de operações que NÃO são possíveis:

1.6 MATRIZ INVERSA
= =
Uma matriz quadrada (m=n) A é chamada inversível se existe uma matriz B tal que
Nesse caso, a matriz inversa de A é indicada por . Ou seja, . = . = .
Exemplo: encontrar a inversa da matriz =
2 3
1 4
3 + 4 = 0 /

.
=

=
.
2 + 3 = 1
4 + 4 + 4
2 1 0 2 + 3 2 + 3 1 0

+ 4 = 1
1 0 1 0 1 2 + 3 = 0
= 415 ∴ = −315 ∴ = −115 ∴ = 215
41 −31
= 5
−11 21
5
5 5
1.6.1 Cálculo da matriz inversa pelo método de Gauss-Jordan
Se uma matriz A pode ser reduzida à matriz identidade por uma sequência de operação
elementares com linhas, então A é inversível e a matriz inversa de A é obtida a partir da matriz
identidade aplicando-se a mesma sequência de operações com linhas.
⋮ → ( ⋮ )
Exemplo: Achar a inversa da matriz = 1 2 1

−1 2 1
−1 2 3
0 0
−1 2 1 ⋮ 1 0 0 1 2 1 ⋮ 0 1 0
⋮ = 12 1 ⋮ 0 1 0
⇢ 1 ↔ 2 ⇢ −1 2 1 ⋮ 1 0 0
−1 2 3 ⋮ 0 0 1 −1 2 3 ⋮ 0 0 1
⇢ 0 = 0 + 0 ⇢ 1
0
⇢ 0 = 0 + 0 ⇢ 0
2 1 ⋮ 0 1 0
4 2 ⋮ 1 1
0 4 4 ⋮ 0 1 1
⇢ 0 = 0 ⇢ 0 0
1 2 1 ⋮ 0 1 0
1
1
⋮
4
0 4 4 ⋮ 0 1 1

⇢ 0 = 0 − 20 ⇢

0
1 0 0 ⋮ 0
⇢ 0 = 0 − 40 ⇢ 0

1
⋮
0 0 2 ⋮ −1 0 1
41 07
⇢ 0 = 0 ⇢ 330 066

0 0 ⋮

1
3 6

1 ⋮
20 5
2

0 1 ⋮

0
41 07
⇢ 0 = 0 − 0 ⇢ 330 −66

0 0 ⋮

1
3 6

1 0 ⋮
20 5
2

0 1 ⋮

0
= −

0

0

Observação: Se || = 0, então A não é inversível. Além disso, lembre-se que || = | షభ|. Essa

informação poderá ajudar a validar se o cálculo da matriz inversa foi realizado corretamente.
1.7 SISTEMAS DE EQUAÇÕES LINEARES
1.7.1 Definições básicas
Um sistema de equações lineares com “m” equações e “n” incógnitas é um conjunto de

equações do tipo:
+ + ⋯ + =

+ + ⋯ + =

⋮ ⋮ ⋮ ⋮
+ + ⋯ + =
Pode ser escrita numa forma matricial:

⋯
Sendo definida como a “matriz ampliada do sistema”.
⋯

⋮ ⋮ ⋱ ⋮ ⋮
⋯

2 + = 3 /
8
Exemplo:
− 4 = −1

.
=

2 1 3 2 1 3

1 −4 −1 1 −4 1
A . X = B matriz ampliada do sistema
1.7.2 Método de Gauss
Reduz por linha equivalência a matriz ampliada do sistema a uma matriz triangular. Pode ser
dividido em duas etapas:
Etapa1: (eliminação direta) redução passo a passo do sistema levando, ou a uma equação
degenerada sem solução, ou a um sistema mais simples na forma triangular ou
reduzida;
Etapa2: (eliminação retroativa) substituições retroativas determinam a solução de novo sistema

mais simples.
+ 2 − 3 = 1
Exemplo 1: Encontrar os valores de x, y e z a partir do sistema 9 2 + 5 − 8 = 4 /
3 + 8 − 13 = 7
2 4 ⇢
1 2 −3 1 ⇢
5 −8
3 8 −13 7
0 = 0 − 20 ⇢ 1
2 ⇢
0 = 0 − 30 ⇢ 0
2 −3 1
1 −2
0 2 −4 4
0 = 0 − 20 ⇢ 0 2 ⇢
1 2 −3 1
1 −2
0 0 0 0
+ 2 − 3 = 1/
8
− 2 = 2
Logo, se : = ;, então x= −< − ; e = $ + $;
(o sistema admite infinitas soluções)

+ 2 − 4 = −4
Exemplo 2: Encontrar os valores de x, y e z a partir do sistema 92 + 5 − 9 = −10/
3 − 2 + 3 = 11
2 −10 ⇢
1 2 −4 −4 ⇢
5 −9
3 −2 3 11
0 = 0 − 20 ⇢ 1
−2 ⇢
0 = 0 − 30 ⇢ 0
2 −4 −4
1 −1
0 −8 15 23
0 = 0 + 80 ⇢ 0 −2 ⇢
1 2 −4 −4
1 −1
0 0 7 7
+ 2 − 4 = −4
9 − = −2 /
7 = 7
Logo, se : = =, então > = −= e = $
1.7.3 Usando matriz inversa
Se ( = admitir solução única (A for inversível), então:
. ( = .
( ). ( = .

( = .
=
.

LISTA DE EXERCÍCIOS 1
Operações básicas com matrizes
2 x 3 y   x + 1 2 y 
1. Determine x e y de modo que se tenha  3 4= 3 y + 4
.
  
1 5 7  2 4 6  0 − 1 − 5
2. Dadas A =   , B=  e C= , calcule:
3 9 11 8 10 12 1 4 7 
a) X 1 = A + B + C b) X 2 = ( A − B ) c) X 3 = A − B + 3C
T
1 2  0 5 − 1 7 
3. Dadas as matrizes A =   ,B=  eC =   determine a matriz X tal que
 2 3   7 6   5 − 2 
X + A = B − C.
4. As tabelas a seguir mostram as vendas dos carros GOL e PÁLIO, nas cores Azul, Branco e
Verde, de uma agência automobilística, nos meses de Janeiro e Fevereiro de 2000.
Vendas do mês de Janeiro Vendas do mês de Fevereiro

Modelo Modelo
Gol Pálio Gol Pálio
Cor Cor
Azul 20 45 Azul 37 24
Verde 44 23 Verde 21 17
Branco 61 36 Branco 76 53
Qual foi a venda bimestral realizada por esta loja em relação a esses carros?
Produto de matriz
5. Calcule os seguintes produtos:
1 1
0 1  4 7   1
A=   1 − 1 5 0  2
a) ⋅  b) B =   ⋅ 
1 0 2 3  2 3 7 1  3 1
 
1 1

1 − 1  0 1 1  1 4 7 
1 2 3
c) C = 2 2  ⋅  d) D = 2 2 0 ⋅ 0 0 1
  4 − 5 1    
 3 4  0 3 4 1 2 0
6. Resolva as seguintes equações:
 1 3  a b   5 7 − 2 1   x  9 
a)  ⋅ = b)  ⋅ =
− 2 2  c d   − 5 9  1 − 2  y   3
1 2 − 1 2 − 1
7. Sendo A =  e B = 1 0  , determine o valor de:
0 − 1 2   
a) M 1 = AT ⋅ B b) M 2 = A ⋅ B c) M 3 = B 2
8. Uma indústria fabrica três modelos diferentes de televisores. A Tabela I mostra o número de
teclas e alto-falantes usados em cada aparelho A, B e C, e a Tabela II mostra a produção
que a fábrica planeja fazer para os meses de Abril e Maio:
Tabela I Tabela II
Modelo Mês
A B C Abril Maio
Componentes Modelo
Teclas 10 12 15 A 800 200
Alto-Falantes 2 2 4 B 1000 1500
C 500 1000
Quantas teclas e quantos alto-falantes serão necessários para a produção dos dois meses?
9. Uma montadora de carretas de São Bernardo precisa de eixos e rodas para os três
modelos que produz. A Tabela I mostra a relação dos componentes para cada um dos
modelos:
Modelo A B C
Componentes
Eixos 3 4 4
Rodas 4 6 8
A Tabela II mostra uma previsão de quantas carretas a fábrica deverá produzir em Julho e
Agosto de 2000:
Mês Julho Agosto

Modelo
A 15 25
B 30 20
C 18 15

Pergunta-se:
a) Quantos eixos e quantas rodas são necessários em cada um dos meses para que a
montadora atinja produção desejada?
b) Se a produção de Agosto se mantiver até Dezembro, quantas rodas a montadora

utilizará no segundo semestre?
10. Uma rede de de comunicação tem cinco locais com transmissores de potências distintas.
Estabeleceu-se, na matriz abaixo, que se:
• a ij = 1 significa que a estação i pode transmitir diretamente à estação j;
• aij = 0 significa que a estação i não alcança a estação j.
Observe que a diagonal principal é nula, significando que uma estação não transmite
diretamente para si mesma.
0 1 1 1 1
1 0 1 1 0
 
A = 0 1 0 1 0
 
0 0 1 0 1
0 0 0 1 0
[ ]
5
Se A = bij , o elemento b42 = a k 2 = 0 + 0 + 1 + 0 + 0 = 1 . Note que a única parcela
2
∑a
k =1
4k
não nula veio de a 43 a32 = 1.1 . Isto significa que a estação 4 transmite para a estação 2
através de uma retransmissão pela estação 3, embora exista uma transmissão direta de 2
para 4. Com base nessas informações, responda os itens a seguir:
a) Calcule A2
b) Qual o siginificado de b13 = 2 ?
c) Discuta os significados dos termos nulos, iguais a 1 e maiores que 1 de modo a

justificar a afirmação: “A matriz A2 representa o número de caminhos disponíveis para
se ir de uma estação a outra com uma única retransmissão”.
d) Qual o significado das matrizes A + A2 , A3 e A + A2 + A3 ?
e) Se A fosse simétrica, o que significaria?
Sistemas de Equações Lineares
11. Uma refinaria de petróleo processa dois tipos de petróleo: com alto teor de enxofre e com
baixo teor de enxofre. Cada tonelada de petróleo de baixo teor necessita de 5 minutos no
setor de mistura e 4 minutos no setor de refinaria; já o petróleo com alto teor são
necessários 4 minutos no setor de mistura e 2 minutos no setor de refinaria. Se o setor de
mistura está disponível por 3 horas, e o setor de refinaria por 2 horas, quantas toneladas
de cada tipo de combustível devem ser processadas de modo que os dois setores não
fiquem ociosos?

12. Um determinado produto é vendido em embalagens de 30g e 50g. Na embalagem de 30g,
o produto é comercializado a R$ 10,00 e na embalagem de 50g. a R$ 15,00. Gastando R$
100,00, qual é a quantidade de cada tipo de embalagem para uma pessoa adquirir
precisamente 310g desse produto?
13. Um vinhateiro deseja produzir 1000 litros de vinho tipo A de 15% de teor alcoólico
misturando vinho tipo B de 10% de teor alcoólico com vinho C de 35%. Determine as
quantidades de vinho B e C necessárias para se obter a mistura desejada.
14. Necessitando construir casas de madeira, alvenaria e mistas em uma propriedade, quanto
será gasto de material em cada tipo de construção considerando as seguintes
especificações:
tábuas Tijolos (mil) Telhas (mil) Tinta (litro) Mão de obra (dias)
Madeira 200 1 5 80 12
Mista 10 10 5,5 60 9
Alvenaria 80 4 5 70 10
Tendo-se 2030 tábuas, 123 mil tijolos, 123.5 mil telhas, 1660 litros de tinta e 243 dias para
construir, quantas construções de casa tipo poderão ser feitas?
15. Um estádio de futebol tem capacidade para 14.000 espectadores. Em dois jogos
realizados em dois dias diferentes foram vendidos todos os lugares. No primeiro cobrou-se
R$ 5,00 dos homens, R$ 3,00 das mulheres e R$ 2,00 das crianças. No segundo cobrou-
se R$ 4,00 dos homens, R$ 2,00 das mulheres e R$ 1,00 das crianças. A renda do
primeiro jogo foi de R$ 56.000,00 e a do segundo jogo de R$ 42.000,00. Quantos homens,
mulheres e crianças, em grupos inteiros de mil (milhares), compareceram a cada jogo.
x + y − z = 1

16. Determine os valores de a, de modo que o sistema 2 x + 3 y + az = 3 tenha:
 x + ay + 3z = 2

a) Nenhuma solução b) Mais de uma solução c) Uma única solução
17. Resolva os sistemas abaixo e classifique-os quanto ao número de soluções:
4 x − 8 y = 12

a) 3 x − 6 y = 9
− 2 x + 4 y = −6

2 x1 + 2 x 2 − x3 + x5 = 0
 x − x + 2 x − 3x + x = 0
 1 2 3 4 5
b) 
− x1 + x 2 − 2 x3 − x5 = 0
 x3 + x 4 + x5 = 0

1 1 −1
18. Considere a matriz ‫ = ܣ‬൥−1 0 1 ൩
0 1 1
a) Determine o polinômio p(x ) = A − xI sendo I 3 , a matriz identidade de ordem 3 e x ∈

ℜ
b) Verifique que p( A) = 0 (matriz nula)
c) Calcular a inversa de A .
19. Um litro de creme contém suco de fruta, leite e mel. A quantidade de leite é o dobro da
quantidade de suco de fruta, e a quantidade de mel é a nona parte da quantidade dos
outros dois líquidos juntos. Determine a quantidade de suco de fruta que contém esse litro
de creme.
20. Uma indústria produz três produtos, A , B e C, utilizando dois tipos de insumos, X e Y. Para
a manufatura de cada quilo de A são utilizados 1 grama do insumo X e 2 gramas do
insumo Y; para cada quilo de B, 1 grama do insumo X e 1 grama do insumo Y e, para cada
quilo de C, 1 grama do insumo X e 4 gramas do insumo Y. O preço da venda do quilo de
cada um dos produtos A, B e C é de R$ 2,00, R$ 3,00 e R$5,00, respectivamente.
Determine quantos quilos de cada um dos produtos A, B e C foram vendidos se:
a) Com a venda de toda a produção de A, B e C, manufaturada com 1 quilo de X e 2

quilos de Y, essa indústria arrecadou R$ 2.500,00.
b) Em outro período, com a venda de toda a produção de A, B e C, manufaturada com 1

quilo de X e 2,1 quilos de Y, essa indústria arrecadou R$ 2.900,00.
Matriz inversa
21. Sendo A e B matrizes inversíveis de mesma ordem, encontre X em função de A e B a partir

das seguintes equações matriciais:
a) ( XA ) = B b) AXAT = B
T
22. Uma maneira de codificar uma mensagem é através de multilpicação por matrizes. Seja a
associação das letras do alfabeto com números, segundo a correspondência abaixo:
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Assumindo que a mensagem que queira enviar de forma codificada seja “PUXA VIDA”.
P U X 
Pode-se formar uma matriz
 
3×3 como: A − V , que usando a correspondência
 
 I D A 
16 21 24
numérica fica: M =  1 0 22 . Agora, seja C uma matriz qualquer 3×3 inversível,
 
 9 4 1 
1 0 1
como por exemplo: C = − 1 3 1 . Multiplicando a matriz da mensagem M por C,
 
 0 1 1
− 5 87 61
obtem-se M ⋅ C =  1 22 23 . O que se transmitiria seria esta nova matriz M ⋅ C (na
 
 5 13 14
prática, envia-se a cadeia de números ).
Quem recebe a mensagem, decodifica-a através da multiplicação pela inversa de C, isto é,

fazendo ( (M ⋅ C ) ⋅ C −1 = M ) e posterior transcrição dos números para letras. C é chamada
de matriz chave para o código.
a) Foi recebida a mensagem [1 16 12 -6 39 27 8 18 21]. Utilizando a mesma chave,

traduza a mensagem.
b) Foi recebida a mensagem [15 21 35 -1 11 8 -5 57 33]. Utilizando a mesma chave,

traduza a mensagem.
23. Calcule, pelo método de sistema de equações e por Gauss-Jordan, as inversas das
seguintes matrizes:
1 0 0 1 0 0
 7 − 2 − 2 6 
A=  B=  C = 0 2 0 D = 3 1 0 
 − 10 5   3 − 9    
0 0 3 5 7 1

RESPOSTAS
1. x =1 y = 0
− 1 − 5
3 8 8  - 1 - 2 - 14
2. M 1 =   M 2 =  1 − 1 M3 =  
12 23 30   - 2 11 20 
 1 − 1
0 − 4 
3. X = 
0 5 
4.
Vendas do bimestre
Modelo
Gol Pálio
Cor
Azul 57 69
Verde 65 40
Branco 137 89
− 3 7 2 1 2 1 
2 3 14 5 
5. a)   b)   c)  10 − 6 8  d) 2 8 16
 4 7 30 13    
 19 − 14 13 4 8 3 
25 − 13 5 23
6. a) a = :: b = :: c = :: d = b) x = −7 y = −5
8 8 8 8
2 − 1 
 3 − 2
7. a) M 1 =  3 − 2 b) Não existe M 2 c) M 3 = 
  2 − 1 
0 1 
8.
Mes
Abril Maio
Componentes
Teclas 27.500 35.000
Altos-falantes 5.600 7.400
9. a)
Mes
Julho Agosto
Componentes
Eixos 237 215
Rodas 384 340
b) 2084 rodas

1 1 2 3 1
0 2 2 2 2
 
10. a) A2 = 1 0 2 1 1
 
0 1 0 2 0
0 0 1 0 1
b) c13 = 2 indica que existem 2 caminhos disponíveis para se ir da estação 1 a
estação 3 usando uma única retransmissão.
c) Para discutir (representa o número de caminhos possíveis para se alcançar o
destino usando uma retransmissão).
d) Para discutir (representa o número de caminhos possíveis para se alcançar o
destino, incluindo uma retransmissão ou incluindo até duas retransmissões).
e) Se A fosse simétrica, significaria que se a estação i conseguisse transmitir
diretamente para a estação j, então necessariamente a estação j seria capaz de
transmitir diretamente para a estação i.
11. 20 toneladas de cada tipo
12. 7 embalagens de 30g e 2 embalagens de 50g
13. 800 l do vinho B e 200 l do vinho C
14. 5 casas de madeira

7 casas mistas
12 casas de alvenaria
15. 8000 homens, 4000 mulheres e 2000 crianças ou

9000 homens, 1000 mulheres e 4000 crianças
16. a) a = −3 b) a = 2 c) a ≠ 2 e a ≠ −3
17. a) Infinitas soluções: y = a e x = 3 + 2a

b) Infinitas soluções: x1 = 0 , x 2 = −a , x 3 = − a , x4 = 0 e x5 = a
18. a) = − ଷ + 2 ଶ + 1
b) p( A) = A − AI = A − A = 0
c) ିଵ = 1 1 0
−1 −2 1
−1 −1 1
19. 300 ml de suco de fruta

20. a) Foram vendidos 700 quilos de A, 200 quilos de B e 100 quilos de C;
b) Foram vendidos 500 quilos de A, 300 quilos de B e 200 quilos de C.

***********
MODELAGENS PARA AS QUESTÕES DE 11 A 20

(estrutura para se chegar às repostas)
5 + 4 = 180
11.
4 + 2 = 120
30 + 50 = 310
12.
10 + 15 = 100
10 + 35 = 15( + )
13.
+ = 1000
1 + 10 + 4 = 123

200 + 10 + 80 = 2030
5 + 5,5 + 5 = 123,5
80 + 60 + 70 = 1660

14.
12 + 9 + 10 = 243
+ + = 14000
15. 5 + 3 + 2 = 56000
4 + 2 + = 42000
16. 2 3 a 3
1 1 −1 1
1 a 3 2
17. a) 3 −6 9
4 −8 12
−2 4 −6
b)
2 2 −1 0 1 0

1 −1 2 −3 1 0
−1 1 −2 0 −1 0
0 0 1 1 1 0
18. ---
= 2
19. = ଽ ( + )
+ + =1
−3%
$ %5
2%
+ + = 1000 ( ) 5(
# %5 ''
7
20. a) 2 + + 4 = 2000 ( ! )

ିଵ = # %5 %5
5
#−4 1% '
2 −3 2
" %5
1%
5&
2 + 3 + 5 = 2500 (çã )
+ + = 1000
b) 2 + + 4 = 2100
2 + 3 + 5 = 2900
***********

21. a) X = B T A−1
b) X = A −1 B AT ( ) −1
2 1 − 3
22. ☺ :: C
−1 
= 1 1 − 2
 
− 1 − 1 3 
1 2 
 −1 
23. A =  3 15  :: B −1 não existe. B = 0 . ::
2 7
 
 3 15 
 
1 0 0 1 0 0
 
D = − 3 1 0

−1 1 −1
C = 0 0  ::
2  
   16 − 7 1
0 1
0
 3 

Autor: Prof. Ronaldo Abrão Pimentel
UNIDADE 2 – DETERMINANTES Notas de Aula
2.1 DETERMINANTE
O determinante de uma matriz quadrada An , indicado por Det An ou An é um número

associado a esta matriz, obtido mediante operações específicas com seus elementos, a saber:
1 - Se A é de ordem n = 1 , então Det A = A é o único elemento de A . Ou seja, se

A = [a11 ] ⇒ Det A = A = a11 = a11
Exemplo: A = [3] ⇒ 3 = 3
2 - Se A é de ordem n = 2 , então Det A = A é a diferença entre o produto dos

elementos da diagonal principal e o produto dos elementos da diagonal secundária.
Ou seja, se
a a  a a
A2 =  11 12  ⇒ Det A = A = 11 12 = a11.a22 − a12 .a21
a21 a22  a21 a22
2 1  2 1
Exemplo 1: M =  ⇒ M = ⇒ M = 2.(− 4 ) − 3.1 ⇒ M = −11
 3 − 4  3 − 4
 sena senb 
Exemplo 2: A =  ⇒ A = sena. cos b − senb. cos a ⇒ A = sen (a − b )
cos a cos b
3 - Se é de ordem n = 3 , ou seja,
 a11 a12 a13  a11 a12 a13

A =  a 21 a 22 
a 23 ⇒ A = a 21 a 22 a 23 ⇒
 
 a 31 a 32 a33  a 31 a 32 a33
A = a11.a22.a33 + a12.a23.a31 + a13.a21.a32 − a13.a22.a31 − a11.a23.a32 − a12.a21.a33

1 −1 0
Exemplo: M = 2 1 1 ⇒
−1 − 2 1
M = 1.1.1 + (− 1)(
. 1)(
. − 1) + 0.2.(− 2 ) − 0.1.(− 1) − 1.(− 2 )(1) − (− 1).2.1
M = −6 ou seja, Det M = −6 .
Dispositivo prático de Sarrus:
a11 a12 a13

Podemos obter o A = a21 a22 a23 usando o dispositivo prático de Sarrus, que consiste no
a31 a32 a33
seguinte: anotamos a matriz A , repetindo à direita a primeira e a segunda colunas, e somando
os produtos indicados pelas setas contínuas e subtraindo os produtos indicados pelas retas
pontilhadas, como no esquema abaixo:
a 11 a 12 a 13 a 11 a 12 a 13 a 11 a 12
A = a 21 a 22 a 23 ⇒ A = a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 33 a 31 a 32 a 33 a 31 a 32
- - - + + +
OBS: Este dispositivo só se aplica a determinantes de 3a ordem
a11 a12 a13

Observe que o A = a21 a22 a23 poderia ser calculado também da seguinte forma:
a31 a32 a33
A = a11.a22.a33 + a12.a23.a31 + a13.a21.a32 − a13.a22.a31 − a11.a23.a32 − a12.a21.a33
A = a11.a22 .a33 − a11.a23.a32 + a12 .a23.a31 − a12 .a21.a33 + a13.a21.a32 − a13.a22 .a31
A = a11 (a 22 .a 33 − a 23 .a 32 ) + a12 (a 23 .a 31 − a 21 .a33 ) + a13 (a 21 .a 32 − a 22 .a31 )
A = a 11( a 22 . a 33 − a 23 . a 32 ) − a 12 ( a 21. a 33 − a 23 . a 31 ) + a 13 ( a 21. a 32 − a 22 . a 31 )

1444 424444 3 1444 424444 3 144424443
a 22 a 23 a 21 a 23 a 21 a 22
a 32 a 33 a 31 a 33 a 31 a 32
Então, podemos dizer que:

a 22 a 23 a a 23 a a 22
A = a11 . − a12 . 21 + a13 . 21 ou seja,
a 32 a 33 a31 a 33 a 31 a 32
1424 3 1424 3 1424 3
M11 M 12 M13

A = a11 .M 11 − a12 .M 12 + a13 .M 13 , onde o termo M 11 foi conseguido calculando o determinante
obtido ao se eliminar a linha 1 e a coluna 1 de A , o termo M12 foi conseguido calculando o
determinante obtido ao se eliminar a linha 1 e a coluna 2 de A , e o termo M 13 foi conseguido
calculando o determinante obtido ao se eliminar a linha 1 e a coluna 3 de A .
Veja que, com este artifício, um determinante que era de 3a ordem foi calculado através de
operações com determinantes de 2a ordem. A este processo chamaremos por enquanto de
Rebaixamento de Ordem.
Exemplo: Calcular
1 2 −3
1 2 0 2 0 1
A= 0 1 2 ⇒ A = 1. − 2. + (− 3). ⇒
−2 2 −1 2 −1 − 2
−1 − 2 2
A = 6 − 2.2 − 3.1 ⇒ A = −1
Com isto já temos definidos determinantes para matrizes de ordem n ≤ 3 . Para matrizes de
ordem maior, necessitamos de alguns outros elementos que veremos a seguir:
Veja que no exemplo anterior trabalhamos com os determinantes M 11 , M 12 e M 13 . A estes

determinantes daremos o nome de MENOR COMPLEMENTAR.
2.2 MENOR COMPLEMENTAR
Seja An de ordem n ≥ 2 e seja ai j um elemento genérico de An . Definiremos Menor

Complementar do elemento ai j , denotado por M i j , como sendo o determinante da matriz que
se obtém suprimindo a linha i e a coluna j de An .
1 2 − 3
Exemplo 1: Dada a matriz A3 =  0 1 2  , calcular M 11 e M 32
 
 − 1 − 2 2 
M 11 é o determinante que se obtém suprimindo a linha 1 e a coluna 1 de A3 :

1 2
M 11 = ⇒ M 11 = 4;
−2 2
M 32 é o determinante que se obtém suprimindo a linha 3 e a coluna 2 de A3 :
1 −3
M 32 = ⇒ M 32 = 2
0 2

1 1 0 0
2 0 0 − 1
Exemplo 2: Se X 4 =   , calcular M 34 .
− 3 0 1 0
 
 1 −1 2 − 1
M 34 é o determinante que se obtém suprimindo a linha 3 e a coluna 4 de X 4
1 1 0
Então M 34 = 2 0 0 ⇒ M 34 = −4
1 −1 2
2.3 COFATOR ou COMPLEMENTO ALGÉBRICO
Seja a matriz An de ordem n ≥ 2 e ai j ∈ An . Definimos como COFATOR de ai j e indicamos

por Ci j como sendo o número Ci j = (− 1)
i+ j
.M i j
1 2 − 3

Exemplo: Se A3 = 0 1 2  , calcular C22 e C32 :
 
 − 1 − 2 2 
1 −3
C 22 = (− 1) . M 22 ⇒ C 22 = (− 1) . ⇒ C 22 = 1.(2 − 3) ⇒ C 22 = −1
2+ 2 4
−1 2
1 −3
C32 = (− 1) . M 32 ⇒ C32 = (− 1) .
3+ 2
⇒ C32 = −1.2 ⇒ C32 = −2
5
0 2
Tendo conhecimento destes elementos podemos agora dar uma definição de determinante de
qualquer ordem:
2.4 DEFINIÇÃO DE DETERMINANTE (GERAL)
Seja An uma matriz quadrada de ordem n . Definimos o Det An da seguinte forma:
i) Se A n é de ordem n = 1, então An = [a11 ] ⇒ Det An = a11 ;
ii) Se A n é de ordem n ≥ 2 , seu determinante é a soma dos produtos dos elementos

de uma fila qualquer (linha ou coluna) pelos seus respectivos cofatores. (Teorema
fundamental de Laplace).
Método para se calcular o determinante segundo Laplace:

 a11 a12 a13 
Seja A = a21 a22 a23 
 
a31 a32 a33 
1) Escolhemos uma fila qualquer (linha ou coluna);
2) Calculamos os cofatores de todos os elementos desta fila;
3) Calculamos a soma dos produtos destes elementos por seus respectivos cofatores.
Vamos escolher, por exemplo, a linha 1 e encontremos os cofatores de seus elementos:
a22 a23 a 21 a23 a 21 a22

C11 = (− 1) C12 = (− 1) C13 = (− 1)
1+1 1+ 2 1+ 3
a22 a33 a31 a33 a31 a32
então DetA = a11 .C11 + a12 .C12 + a13 .C13
a 22 a 23 a 21 a 23 a 21 a 22
ou seja Det A = a11 . − a12 . + a13
a 22 a 33 a31 a 33 a 31 a 32
A este método de cálculo de determinante chamamos de Método de Expansão por cofatores

em termos da linha i (ou coluna j). Veja que este método nos permite calcular um
determinante de qualquer ordem pois podemos fazer o rebaixamento da ordem dos
determinantes a serem calculados quantas vezes forem necessárias.
1 0 0 2
 0 −2 2 − 1
Exemplo: Seja A4 =  . Calcular Det A4
− 1 0 1 0
 
1 0 0 1
Como podemos expandir o Det A em termos de qualquer linha ou coluna, é

conveniente escolhermos a linha ou coluna que tenha o maior número de zeros,
para nos facilitar o cálculo.
A coluna 2 é a mais indicada neste exemplo. Como a coluna 2 é formada pelos

elementos a12 , a 22 , a 32 e a 42 , então teremos que encontrar os cofatores
C12 , C 22 , C 32 e C 42 :
0 2 −1 1 0 2
C12 = (− 1) − 1 1 0 C22 = (− 1) − 1 1 0
1+ 2 2+ 2
1 0 1 1 0 1

1 0 2 1 0 2
C32 = (− 1) C42 = (− 1)
3+ 2 4+ 2
0 2 −1 0 2 −1
1 0 1 −1 1 0
Então Det A4 = a12 .C12 + a22 .C22 + a32 .C32 + a 42 .C42
Mas, no nosso exemplo, a12 = 0, a 22 = −2, a 32 = 0 e a 42 = 0 , logo
0 2 −1 1 0 2
Det A4 = 0.(− 1) − 1 1 0 + (− 2 )(
. − 1) − 1 1 0
1+ 2 2+2
1 0 1 1 0 1
1 0 2 1 0 2
+ 0.(− 1) 0 2 − 1 + 0.(− 1)
3+ 2 4+ 2
0 2 −1
1 0 1 −1 1 0
1 0 2 1 0 2
Det A4 = 0 − 2. − 1 1 0 + 0 + 0 ⇒ DetA4 = −2 − 1 1 0
1 0 1 1 0 1
Agora, ou calculamos o determinante de terceira ordem usando Sarrus ou então

poderemos fazer nova expansão e trabalhar com determinante de segunda ordem,
que é o que faremos:
Tomemos novamente a coluna 2 (que é a que contem mais zeros)
 1+ 2 − 1 0 2+2 1 2 3+ 2 1 2 
Det A4 = −2 0.(− 1) . + 1.(− 1) . + 0.(− 1) . 
 1 1 1 1 −1 0 

 1 2 
Det A4 = −2 0 + + 0 ⇒ Det A4 = −2.(1 − 2) ⇒ Det A4 = 2
 1 1 
Exercícios:
1) Calcule Det A4 usando agora a linha 3 e confira que vai dar o mesmo resultado.
1 1 0 0
2 0 0 −1
2) Calcule B = Resp. B = −6
−3 0 1 0
1 −1 2 −1

2.5 PROPRIEDADES DOS DETERMINANTES
(
1) O determinante de uma matriz é igual ao determinante da transposta desta matriz A = At )
2) Se uma matriz tem uma fila (linha ou coluna) toda nula, seu determinante é zero.
3) Se multiplicarmos toda uma fila de uma matriz por um escalar, o seu determinante fica
multiplicado por este escalar.
4) Se trocarmos a ordem de duas filas paralelas de uma matriz, o seu determinante muda de
sinal.
5) Se duas filas paralelas de uma matriz são iguais, seu determinante é nulo.
6) Se duas filas paralelas de uma matriz são proporcionais, seu determinante é nulo.
7) O determinante de uma matriz triangular é igual ao produto dos elementos de sua diagonal
principal.
8) Teorema de Binet: O determinante de um produto de duas matrizes é igual ao produto de

(
seus determinantes. An .Bn = An . Bn )
9) Teorema de Jacobi: Adicionando-se a uma fila de uma matriz An uma outra fila paralela,
previamente multiplicada por uma constante, obteremos uma nova matriz Bn tal que
DetA = DetB.
1 2 −2
Exemplo: 4 2 −6 = 2
−2 1 2
Se substituirmos a linha 2 pela soma dela com a linha 1, prèviamente multiplicada

por -4, encontraremos uma outra matriz cujo determinante será também igual a 2 .
Veja:
1 2 −2 1 2 −2
4 2 − 6 ⇒ L2 = L2 − 4 L1 ⇒ 0 − 6 2 =2 e mais:
−2 1 2 −2 1 2
1 2 −2 1 2 −2
0 −6 2 ⇒ L3 = L3 + 2 L1 ⇒ 0 − 6 2 = 2
−2 1 2 0 5 −2
Obs: Esta propriedade facilita muito o cálculo de determinantes pelo Teorema

Fundamental de Laplace.
10) Se uma matriz quadrada A tem uma fila que é Combinação Linear de outras filas
paralelas, então o Det A = 0 .

2 3 1 
Exemplo: A = 4 − 1 9 ⇒ DetA = 0
 
5 4 6
pois a coluna 3 é igual à coluna 1 multiplicada por 2 mais a coluna 2 multiplicada

por -1. Ou seja,
C3 = 2.C1 + (− 1).C2
2.6 CÁLCULO DE DETERMINANTES (REGRA DE CHIÓ)
Utilizando os teoremas de Laplace, Jacobi e outras propriedades.
1o passo: Escolhemos uma coluna qualquer do determinante, preferivelmente uma que tenha
o maior número de zeros e, se possível, que contenha o número 1. (No ex. abaixo,
escolhemos a coluna 2).
2o passo: Utilizando a linha que contém este número 1(no ex., a linha 3) e, aplicando o
teorema de Jacobi, fazemos operações com as outras linhas de modo a zerar todos os
elementos da coluna escolhida (no ex., a coluna 2), exceto o elemento da linha utilizada (no
ex., a linha 3).
3o passo: Aplicamos o teorema de Laplace, para rebaixar a ordem do determinante.

Executamos estes processos até conseguirmos um determinante de 3a ordem e então o
resolvemos pelo método de Sarrus, ou então fazemos o rebaixamento até conseguirmos um
determinante de 2a ordem e o calculamos.
Exemplo 1:
− 2 −1 2 3 L1 = L3 + L1 1 0 4 1
1 4 1
7 3 2 0 L2 = −3L3 + l2 −2 0 −4 6
= 1.(− 1) . − 2 − 4 6 =
3+ 2
=
3 1 2 −2 3 1 2 −2
2 3 2
2 0 3 2 2 0 3 2
1 4 1 1 4 1
1+1 4 8
=− −2 −4 6 L2 = 2 L1 + L2 = − 0 4 8 = −1.(− 1) . = −1.(0 + 40) = −40
−5 0
2 3 2 L3 = −2 L1 + L3 0 −5 0

Fazer:
4 1 2 0
3 1 0 2
= Resp. = 30
5 3 2 2
1 0 2 1
Obs: Se, por acaso, não houver nenhum zero nem o número 1, não tem importância,
conseguimos este número 1 (neste caso é aconselhável que seja no elemento a 11) através de
Jacobi ou de qualquer outra das propriedades dos determinantes.
Exemplo 2:
3 2 4 3 C1 = −1.C2 + C1 1 2 4 3 1 2 4 3
5 7 −3 −4 − 2 7 − 3 − 4 L2 = 2 L1 + L2 0 11 5 2
= = =
2 4 −5 3 −2 4 −5 3 L3 = 2 L1 + L3 0 8 3 9
2 3 −2 −4 − 1 3 − 2 − 4 L4 = L1 + L4 0 5 2 −1
11 5 2 C1 = −2C2 + C1 1 5 2 1 5 2
2 −7 5
= 1(− 1) . 8 3 = 2 3 9 L2 = −2L1 + L2 = 0 − 7 5 = 1.(− 1) . =
2
9
−3 −3
5 2 −1 1 2 − 1 L3 = −1L1 + L3 0 −3 −3
−7 5
= = (21 + 15) = 36
−3 −3
REGRA DE CHIÓ SIMPLIFICADA
Usando operações elementares, consiga o número 1 na posição a 11

1 a12 a13 .... a1m
−a21.a12 + a22 −a21.a13 + a23 .... −a21.a1m + a2m
a21 a22 a23 .... a2m
−a31.a12 + a32 −a31.a13 + a33 .... −a31.a1m + a3m
a31 a32 a33 .... a3m
= M M M M
M M M M M
−am1.a12 + am2 −am1.a13 + am3 .... −am1.a1m + amm
am1 am2 am3 .... amm
144444444444 42444444444444
3
1444442444443 matriz de ordem m−1
matriz de ordem m

JUSTIFICATIVA:
1 a 12 a 13 .... a 1m
a 21 a 22 a 23 .... a 2m L 2 = − a 21. L 1 + L 2
a 31 a 32 a 33 .... a 3 m L 3 = − a 31. L 1 + L 3
⇒
M M M M M M
a m1 a m 2 a m3 .... a mm L m = − a m1. L 1 + L m
144444444444244444444444 3
matriz de ordem m
1 a 12 a 13 .... a 1m
0 −a 21. a 12 + a 22 − a 21. a 13 + a 23 .... − a 21. a 1m + a 2m
0 − a 31. . a 12 + a 32 − a 31. a 13 + a 33 .... − a 31. a 1m + a 3 m
⇒ ⇒
M M M M M
0 − a m1. a 12 + a m 2 − a m1. a 13 + a m 3 .... − a m1. a 1m + a mm
144444444444444244444444444444
3
matriz de ordem m
− a 21. a 12 + a 22 − a 21. a 13 + a 23 .... − a 21. a 1m + a 2m

− a 31. a 12 + a 32 − a 31. a 13 + a 33 .... − a 31. a 1m + a 3m
⇒ M M M M
− a m1. a 12 + a m 2 − a m1. a 13 + a m 3 .... − a m1. a 1m + a mm
1444444444444 424444444444444
3
matriz de ordem m −1
Ex:
−2 1 2 3 1 L1 = L2 1 −2 0 2 3
−( −2).( −2) + 1 −( −2).0 + 2 −( −2).2 + 3 −( −2).3 + 1
1 −2 0 2 3 L2 = L1 −2 1 2 3 1
−( −1).( −2) + 0 −( −1).0 + 1 −( −1).2 + 2 −( −1).3 + ( −2)
−1 0 1 2 −2 =− −1 0 1 2 −2 = −
−2.( −2) + ( −2) −20 . +3 −22. +0 −23. +0
2 −2 3 0 0 2 −2 3 0 0
−0.( −2) + ( −3) −0.0 + ( −2) −0.2 + 0 −0.3 + ( −4)
0 −3 −2 0 −4 0 −3 −2 0 −4

−3 2 7 7 L1 = −2L2 + L1 1 0 −1 5
−( −2).0 +1 −( −2).( −1) + 4 −( −2).5 +1
−2 1 4 1 −2 1 4 1
=− =− =− −20
. +3 −2.( −1) + ( −4) . + ( −6)
−25
2 3 −4 −6 2 3 −4 −6
−( −3).0 + ( −2) −( −3).( −1) + 0 −( −3).5 + ( −4)
−3 −2 0 −4 −3 −2 0 −4
1 2 11
−3.2 + ( −2) −3.11 + ( −16) −8 −49
=− 3 −2 −16 = − =− = − ( −264 + 49) = 215
−( −2).2 + ( −3) −( −2).11 + 11 1 33
−2 −3 11

Determinantes
1. Calcule os determinantes das matrizes abaixo:
 − 3 − 2 1 1 0 1 3 2
13 7
A=  1  B=  C = 0 1 0  D =  − 1 0 − 2
 2    
2  11 5 0 1 1  2 5 1 
2. Calcule os determinantes das matrizes abaixo, utilizando o teorema de Laplace.
1 2 3 4 5
3 4 2 1 0
5 a − 1 3 1
0 - 1 - 2  
A=   B = 0 0 b 2 3
0 0 4 0  
  0 0 0 c 2
- 1 0 3 3
0 0 0 0 d 
1 x x
3. Determine x tal que 2 2x 1 = 0
3 x +1 1
4. Chama-se traço de uma matriz quadrada a soma dos elementos da diagonal principal.
Sabendo que o traço vale 9 e o determinante 15, calcule os elementos x e y da matriz:
1 2 3
0 x z
 
0 0 y 
5. Sejam A, B e C, matrizes reais de ordem 3, satisfazendo a seguintes relações: AB=C-1,

B=2A. Se o determinante da matriz C vale 32, qual é o módulo do valor do determinante da
matriz A?

RESPOSTAS
5
1. A= :: B = −12 :: C = 1 :: D = −9
2
2. A = −208 :: B = abcd
1
3. x=
2
4. x = 3 y = 5 ou vice-versa
5. det A = 1/16

UNIDADE 3 – ESPAÇOS VETORIAIS Notas de Aula
Trata-se de uma ferramenta poderosa para estender nossa visualização geométrica a uma
larga classe de importantes problemas matemáticos, nos quais normalmente não poderíamos
vetores e ଷ como flechas, o que nos permite desenhar ou formar figuras mentais que nos
contar com nossa intuição geométrica. Assim, parte-se do princípio que podemos visualizar os
vetores serão baseados nas propriedades dos vetores de e ଷ, os novos vetores terão
ajudam a resolver problemas. Como os axiomas que definem os nossos novos tipos de
muitas propriedades familiares. Consequentemente, quando quisermos resolver um problema
ponto de apoio uma visualização do problema correspondente em ou ଷ (Anton, 2001).

envolvendo nossos novos tipos de vetores, como matrizes ou funções, poderemos utilizar como
3.1 ESPAÇOS VETORIAIS REAIS
“Visa estender o conceito de vetor extraindo as propriedades mais importantes dos vetores
usuais e transformando-as em axiomas. Assim, quando um conjunto de objetos satisfizer estes
axiomas, estes objetos automaticamente têm as mais importantes propriedades dos vetores
usuais, o que torna razoável considerar estes novos objetos como novos tipos de vetores.”
(Anton, 2001).
Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e
multiplicação por escalar, isto é:
∀ , ∈ , + ∈
∀ ∈ e ∀ ∈ ,
∈
Onde ߤ e ‫ ݒ‬são elementos do conjunto V e podem ser do tipo:

• Vetores do
• Matrizes
• Polinômios (polinômios de graus ≤ n)
• Números complexos (espaço vetorial complexo)
O conjunto V é chamado espaço vetorial se forem verificados os seguintes axiomas:
A) Em relação à adição
∀ , , ∈ , tem-se
) + + = + ( + ) associativa da adição
) + = + cumulativa
) ∃0 ∈ , ∀ ∈ , + = + = elemento neutro
) ∀ ∈ , ∃− ∈ , + − = elemento simétrico

M) Em relação à multiplicação por escalar
∀ , , ∈ e ∀ , ∈ , tem-se
) (
) =
()
)
+ =
+
)
( + ) =
+

) =
Propriedades dos Espaços Vetoriais
Cada vetor ∈ admite apenas um simétrico − ∈ ;

a) Existe um único vetor nulo em V (elemento neutro da adição);
b)
Para quaisquer , , ∈ , se + = + , então = ;
Qualquer que seja ∈ , tem-se: −− = , isto é, o oposto de − é ;
c)
d)
e) Quaisquer que sejam , ∈ , existe um e somente um x, tal que + = ;
Qualquer que seja ∈ , 0 = 0;
Qualquer que seja ∈ , 0 = 0;
f)
g)
h) = 0, implica = 0 ou = 0;
i) Qualquer que seja ∈ , −1 = −;
j) Quaisquer que sejam ∈ , ∈ , − = − = − ;
Exemplo 1: O conjunto = ଶ = , / , ∈

é um espaço vetorial com as operações de
adição e multiplicação por escalar assim definidas:
, + ଶ , ଶ = (ଵ + ଶ , ଵ + ଶ )
ଵ ଵ
ଵ , ଵ = ଵ , ଵ
Essas operações são denominadas operações usuais. Para verificar os oito
(sempre) = ଵ , ଵ , = ଶ , ଶ = ଷ , ଷ

axiomas de espaço vetorial (condição necessária), tomemos os vetores genéricos
ଵ ) + + = ଵ , ଵ + ଶ , ଶ + ଷ , ଷ

= ଵ + ଶ , ଵ + ଶ + ଷ , ଷ
= ଵ + ଶ ) + ଷ , (ଵ + ଶ + ଷ
= ଵ + ଶ + ଷ ), ଵ + (ଶ + ଷ
= (ଵ , ଵ ) + ଶ + ଷ , ଶ + ଷ
= (ଵ , ଵ ) + ଶ + ଶ , ଷ + ଷ
= + +
ଶ ) + = ଵ , ଵ + ଶ , ଶ
= ଵ + ଶ , ଵ + ଶ
= ଶ + ଵ , ଶ + ଵ
= ଶ , ଶ + ଵ , ଵ
= +

ଷ ) ∃0 = 0,0 ∈ ଶ , ∀ ∈ ଶ , + 0 = ଵ , ଵ + 0,0
= ଵ + 0, ଵ + 0
= ଵ , ଵ
=
ସ ) ∀ = ଵ , ଵ ∈ ଶ , ∃− = −ଵ , −ଵ ∈ ଶ , + − = ଵ , ଵ + −ଵ , −ଵ

= ଵ − ଵ , ଵ − ଵ
= 0,0
= 0
Em relação à multiplicação, ∀ , ∈ , tem-se:
ଵ ) = ଵ , ଵ
= ଵ , ଵ
= ଵ , ଵ
= ଵ , ଵ
= ଵ , ଵ
=
ଶ ) + = + ଵ , ଵ
= + ଵ , + ଵ
= ଵ + ଵ , ଵ + ଵ
= ଵ , ଵ + ଵ , ଵ
= ଵ , ଵ + ଵ , ଵ
= +
ଷ ) + = ଵ , ଵ + ଶ , ଶ
= ଵ + ଶ , ଵ + ଶ
= ଵ + ଶ , ଵ + ଶ
= ଵ + ଶ , ଵ + ଶ
= ଵ , ଵ + ଶ , ଶ
= ଵ , ଵ + ଶ , ଶ
= +
ସ ) 1 = 1ଵ , ଵ
= 1ଵ , 1ଵ
= ଵ , ଵ
=
Exemplo 2: O conjunto = ଶ = , / , ∈

é um espaço vetorial com as operações de
adição e multiplicação por escalar assim definidas:
, + ଶ , ଶ = (ଵ + ଶ , ଵ + ଶ )
ଵ ଵ
ଵ , ଵ = ଵ , ଵ ∈
Como a adição aqui definida é uma operação usual, todos os axiomas (como visto)
serão verificados (verdadeiros). Logo, não devem se verificar alguns (ou algum) dos
axiomas da multiplicação.
Sejam = ଵ , ଵ , = ଶ , ଶ vetores de V e , ∈

ଵ ) = ଵ , ଵ
= ଵ , ଵ
= ଵ , ଵ
= ଵ , ଵ
= ଵ , ଵ
=
ଶ ) + = +
= ଵ , ଵ + ଵ , ଵ
= ଵ , ଵ + ଵ , ଵ
= ଵ + ଵ , ଵ + ଵ
= + ଵ , 2ଵ
≠ +
Logo, não é espaço vetorial.
3.2 SUBESPAÇOS VETORIAIS REAIS
“É possível para um espaço vetorial estar contido em outro espaço vetorial.” (Anton, 2001).
Sejam V um espaço vetorial e S um subconjunto não vazio de V. O subconjunto S é um

subespaço vetorial de V se forem satisfeitas as seguintes condições:
I. ∀ , ∈ + ∈
II. ∀ ∈ , ∀ ∈ ∈
(adição)
(multiplicação por escalar)
Todo espaço ≠ 0
admite, pelo menos, dois subespaços:
- o conjunto {0}, chamado subespaço zero ou subespaço nulo;

- e o próprio espaço vetorial V.
Esses dois são os subespaços triviais de V. Os demais são denominados subespaços próprios
de V.

Exemplo 1: Identificar quais são os subespaços triviais e próprios de ଶ.
Solução:
Subespaços triviais do : 0,0 e ;

Subespaços próprios do : retas que passam pela origem do sistema de
referência.
W é um subespaço vetorial (subespaço próprio) do ଶ

Note que ∈ e: + ∈
∈
Exemplo 2: Identificar quais são os subespaços triviais e próprios de .
Solução:
Subespaços triviais do : 0,0,0 e ;

Subespaços próprios do : retas e planos que passam pela origem do sistema
de referência.

Exemplo 3: Verificar se W é subespaço vetorial de
sabendo que
= 0, , , ,
; ∈ . Ou seja, W é o conjunto dos vetores de
,
cuja primeira coordenada é nula.
Solução:
Verificação das condições (i) e (ii)
i) = 0, , , ,
e v= 0, , , ,
∈
Então + = 0, + , + , + ,
+
, que ainda pertence a
W, pois tem a primeira coordenada nula.
ii) = 0, , , ,

∈ , pois a primeira coordenada é nula para
todo ∈ .
Conclusão: W é um subespaço vetorial de

.
Exemplo 4: Se = , verificar se W é um subespaço vetorial de , onde

= , ∈ / = 4 − 2.
Solução:
Verificação das condições (i) e (ii)
i) Se = 1,2 e v= 3, −2, então + = 4,0
Conclusão: W não é um subespaço vetorial de .

Exemplo 5: Se = , verificar se W é um subespaço vetorial de V, sendo W o
subconjunto das matrizes triangulares superiores.
Solução:
Conclusão: W é um subespaço vetorial de , pois a soma de matrizes triangulares

superiores ainda é uma matriz triangular superior, assim como o
produto de uma matriz triangular superior por um escalar.
3.3 COMBINAÇÃO LINEAR
Definição: Um vetor é uma Combinação Linear dos vetores , , ⋯ , se pode ser

escrito na forma
࢝ = ݇ଵ ࢜ଵ + ݇ଶ ࢜ଶ + ⋯ + ݇௥ ࢜௥ ,
onde , , ⋯ , são escalares.
Exemplo 1: Sendo o espaço vetorial dos polinômios de grau ≤ 2, expressar o polinômio

= 7 ଶ + 11 − 26 como Combinação Linear dos polinômios:
ଵ = 5 ଶ − 3 + 2 e ଶ = −2 ଶ + 5 − 8
Solução:
= ଵ + ଶ
7 ଶ + 11 − 26 = 5 ଶ − 3 + 2 + −2 ଶ + 5 − 8
= 5 ଶ − 3 + 2 + −2 ଶ + 5 − 8
= 5 ଶ − 3 + 2 − 2 ଶ + 5 − 8
= 5 − 2 ଶ + −3 + 5 + 2 − 8
comparando os polinômios termo a termo, tem-se:
=3
!−3 + 5 = 11
5 − 2 = 7

=4
2 − 8 = −26
Conclusão: " = #"૚ + $"૛
Observação:
Para se encontrar os valores dos escalares a e b, também pode-se resolver as
equações usando o método de Gauss (ver 1.7.2), ou escalonamento, através da
matriz ampliada do sistema. Esta alternativa mostra-se mais indicada para
sistemas mais complexos. Assim:
!−3 + 5 = 11 %−3 5 11 &

5 − 2 = 7 5 −2 7

2 − 8 = −26 2 −8 −26

%−3 5 11 & ⇢ 'ଷ = ଶ 'ଷ ⇢ %−3 5 11 & ⇢ 'ଷ ↔ 'ଵ ⇢
5 −2 7 5 −2 7
ଵ
2 −8 −26 1 −4 −13
1 −4 −13 ⇢ ' = ' + 3' ⇢ 1 −4 −13 ⇢ 'ଶ = − 'ଶ ⇢

1
%−3 5 11 & %0 −7 −28&
⇢ 'ଷ = 'ଷ − 5'ଵ ⇢
7
⇢ 'ଷ = ' ⇢
ଶ ଶ ଵ
1
5 −2 7 0 18 72
18 ଷ
=3
=3
%0 1 4 & ⇢ 'ଵ = 'ଵ + 4'ଶ ⇢ %0 1 4& = ! = 4
1 −4 −13 1 0 3

=4
0 1 4 0 1 4 =4
" = #"૚ + $"૛
Exemplo 2: Considere os vetores = 1,2, −1 e = 6,4,2 em ଷ. Verifique se (ଵ = 9,2,7 e

(ଶ = 4, −1,8 são Combinações Lineares de e .
Solução:
(ଵ = +
9,2,7 = 1,2, −1 + 6,4,2
= , 2, − + 6 , 4 , 2
= + 6 , 2 + 4 , − + 2
comparando os vetores termo a termo, tem-se:
+6 =9
! 2 + 4 = 2 % 2 4 2&
1 6 9

− + 2 = 7 −1 2 7
1 6 9 ⇢ ' = ' − 2' ⇢ ⇢ 'ଶ = − ଼ 'ଶ ⇢

% 2 4 2& %0 −8 −16&
ଵ
⇢ 'ଷ = 'ଷ + 'ଵ ⇢

1 6 9
⇢ 'ଷ = ଼ 'ଷ ⇢
ଶ ଶ ଵ
ଵ
−1 2 7 0 8 16
= −3
= −3
%0 1 2& ⇢ 'ଵ = 'ଵ − 6'ଶ ⇢ %0 1 2 & = ! = 2
1 6 9 1 0 −3
=2
0 1 2 0 1 2 =2
Conclusão 1: (ଵ = −# + ) ((ଵ é uma Combinação Linear de e )
(ଶ = +
4, −1,8 = 1,2, −1 + 6,4,2
= , 2, − + 6 , 4 , 2
= + 6 , 2 + 4 , − + 2
+6 =4
!2 + 4 = −1 % 2 4 −1&
1 6 4

− + 2 = 8 −1 2 8

⇢ 'ଶ = 'ଶ − 2'ଵ ⇢ ⇢ 'ଶ = − 'ଶ ⇢
% 2 4 −1& %0 −8 −9&
ଵ
⇢ 'ଷ = 'ଷ + 'ଵ ⇢

1 6 4 1 6 9
⇢ 'ଷ = 'ଷ ⇢
଼
ଵ
−1 2 8 0 8 12 ଼
9+
*0 1 8 , ⇢ 'ଷ = 'ଷ − 'ଶ ⇢ *0 1 +8, 0 = 3+8 ‼! Inconsistente
1 6 9 1 6 9
9
0 1 12+8 0 0 3+8
Conclusão2: Como não existe solução, (ଶ não é uma Combinação Linear de e .
Exemplo 3: Considere os vetores ଵ = 1,2,1, ଶ = 1,0,2 e ଷ = 1,1,0 em ଷ. Encontre a

Combinação Linear de ଵ , ଶ e ଷ que resulte no vetor ( = 2,1,5.
Solução:
( = ଵ + ଶ + -ଷ

2,1,5 = 1,2,1 + 1,0,2 + 1,1,0
2,1,5 = , 2, + , 0,2 + , , 0
2,1,5 = + + , 2 + , + 2
+ + =2
! 2 + = 1 %2 0 1 1&
1 1 1 2
+ 2 = 5

1 2 0 5
1 1 1 2 ⇢ ' = ' − 2' ⇢ 1 1
%2 0 1 1& %0 −2 −1 −3& ⇢ 'ଶ ↔ 'ଷ ⇢
⇢ 'ଷ = 'ଷ − 'ଵ ⇢
1 2
ଶ ଶ ଵ
1 2 0 5 0 1 −1 3
2 ⇢ ' = ' − ' ⇢ 1 0 2 −1
%0 1 −1 3 & % & ⇢ 'ଷ = − ଷ 'ଷ ⇢
⇢ 'ଷ = 'ଷ + 2'ଶ ⇢ 0 1 −1 3
1 1 1
ଵ ଵ ଶ ଵ
0 −2 −1 −3 0 0 −3 3
1 0 2 −1 ⇢ ' = ' − 2' ⇢ 1 0 0 1 =1
%0 1 −1 3 & %0 1 0 2 & = ! = 2
⇢ 'ଶ = 'ଶ + 'ଷ ⇢
= −1
ଵ ଵ ଷ
0 0 1 −1 0 0 1 −1
Conclusão: ( = ଵ + )ଶ − ଷ .

Exemplo 4: Escreva a matriz . = / 0 como Combinação Linear das matrizes
3 1
1 −1
=/ 0 :: 1 = / 0 :: 2 = / 0
1 1 0 0 0 2
1 0 1 1 0 −1
Solução:
. = 3 + 41 + 52
/ 0 = / 0+/ 0+6/ 0
3 1 1 1 0 0 0 2

1 −1 1 0 1 1 0 −1
/ 0=/ 0+7 8+/ 0

3 1 0 0 0 26
+ 26
1 −1 0 0 −6
/ 0=7 8
+ −6
3 1
1 −1
=3
+ 26 = 1
9 + =1 * ,
1 0 0 3
1 0 2 1
− 6 = −1

1 1 0 1
0 1 −1 −1
⇢ 'ଶ = 'ଶ − 'ଵ ⇢ 0 2 −2 ⇢ 'ଶ = ଶ 'ଶ ⇢

* , * ,
1 0 0 3 1 0 0 3
⇢ 'ଷ = 'ଷ − 'ଵ ⇢

ଵ
1 0 −2 ⇢ 'ସ = −'ସ + 'ଷ ⇢

1 0 2 1 0
1 1 0 1 0
0 1 −1 −1 0 1 −1 −1
=3
* , ⇢ 'ଶ ↔ 'ଷ ⇢ * , = ! = −2
1 0 0 3 1 0 0 3
0 0 1 −1 0 1 0 −2
6 = −1
0 1 0 −2 0 0 1 −1
0 0 1 −1 0 0 1 −1
Conclusão: . = 3 − 21 − 2
Exemplo 5: Escrever o vetor 0 ∈ ଶ como Combinação Linear dos vetores:

a) ଵ = 1,3 e ଶ = 2,6
b) ଵ = 1,3 e ଶ = 2,5
Solução:
a) 0,0 = 1,3 + 2,6

= 1, 3 + 2 , 6
= 1 + 2 , 3 + 6
+2 = 0
: / 0
1 2 0

3 + 6 = 0 3 6 0
/ 0 ⇢ 'ଶ = 'ଶ − 3'ଵ ⇢ / 0 = + 2 = 0

1 2 0 1 2 0
3 6 0 0 0 0
Conclusão: ଵ + ଶ = 0 ∀ = 2

b) 0,0 = 1,3 + 2,5
= 1, 3 + 2 , 5
= 1 + 2 , 3 + 5
+2 = 0
: / 0
1 2 0

3 + 5 = 0 3 5 0
1 2 0 ⇢ 'ଵ = 'ଵ + 2'ଶ ⇢

/ 0 ⇢ 'ଶ = 'ଶ − 3'ଵ ⇢ / 0
0 −1 0 ⇢ 'ଶ = −'ଶ ⇢
1 2 0
3 5 0
= 0
/ 0 = :
1 0 0
0 1 0 =0
Conclusão: 0ଵ + 0ଶ = 0
Exemplo 6: Expressar o vetor = −1,4, −4,6 ∈ ସ como Combinação Linear dos vetores
ଵ = 3, −3,1,0, ଶ = 0,1, −1,2 e ଷ = 1, −1,0,0.
Solução:
= ଵ + ଶ + -ଷ

−1,4, −4,6 = 3, −3,1,0 + 0,1, −1,2 + 1, −1,0,0
= 3, −3,1,0 + 0,1, −1,2 + 1, −1,0,0
= 3, −3, , 0 + 0, , − , 2 + , −, 0,0
= 3 + , −3 + − , − , 2
3 + = −1
−3 + − = 4
9 * ,
3 0 1 −1
− = −4
−3 1 −1 4

1 −1 0 −4
2 =6 0 2 0 6
1 −1 0 −4 ⇢ 'ଶ = 'ଶ + 3'ଵ ⇢

* , ⇢ 'ଵ ↔ 'ଷ ⇢ * , ⇢ 'ଷ = 'ଷ − 3'ଵ ⇢
3 0 1 −1
⇢ 'ସ = ଶ 'ସ ⇢
−3 1 −1 4 −3 1 −1 4
1 −1 0 −4 3 0 1 −1 ଵ
0 2 0 6 0 2 0 6
1 −1 0 −4 ⇢ ' = ' + ' ⇢ 1 0 0 −1

0 −2 −1 −8 ⇢ ' = ' + 2' ⇢ 0 0 −1 −2 ⇢ 'ଶ = −'ଶ ⇢
* , * ,
⇢ 'ଶ ↔ 'ସ ⇢
ଵ ଵ ସ
0 3 1 11 ⇢ ' = ' − 3' ସ ⇢ 0 0 1

ଶ ଶ
2
ଷ ଷ ସ
0 1 0 3 0 1 0 3
= −1
* , = ! = 3
1 0 0 −1
0 1 0 3
=2
0 0 1 2
0 0 1 2
Conclusão: -1 = −ଵ + 3ଶ + 2ଷ

3.4 ESPAÇOS GERADOS
Se ଵ , ଶ , ⋯ , ௥ são vetores em um espaço vetorial , então:

(a) O conjunto de todas as combinações lineares de ଵ , ଶ , ⋯ , ௥ é um subespaço de .
(b) é o menor subespaço de que contém ଵ , ଶ , ⋯ , ௥ , no seguinte sentido: qualquer
subespaço de que contém ଵ , ଶ , ⋯ , ௥ também contém .
Definição: Se = , , ⋯ , é um conjunto de vetores de um espaço vetorial , então o

subespaço de que consiste de todas as combinações lineares dos vetores em
; é chamado de espaço gerado por , , ⋯ , e nós dizemos que os vetores
, , ⋯ , geram . Para indicar que é o espaço gerado pelos vetores do
conjunto = , , ⋯ , , nós escrevemos
= !" ou = !" , , ⋯ ,
Exemplo 1: Verificar se o conjunto 2,1,1, −1,0,2, 1,2,1

gera o espaço ଷ.
Solução:
Para isso deve-se provar que todo vetor , , 6 de ଷ pode ser escrito na forma
2,1,1 + −1,0,2 + 1,2,1. Assim,
, , 6 = 2,1,1 + −1,0,2 + 1,2,1

= 2, 1, 1 + −1 , 0 , 2 + 1, 2, 1
= 2 − 1 + 1, 1 + 0 + 2, 1 + 2 + 1
Comparando os vetores termo a termo, tem-se,
2 − 1 + 1 = 2 −1 1
! 1 + 0 + 2 = %1 0 2& . < = = <=
1 + 2 + 1 = 6 1 2 1 6

Para que o sistema tenha solução única a primeira matriz (dos coeficientes) deve
ser inversível, isto é, seu determinante deve ser diferente de zero. Calculando,
>1 0 2> = −7
2 −1 1
1 2 1
seja, existem valores de , e que satisfazem a igualdade , , 6 = 2,1,1 +

Como esse determinante é diferente de zero, o sistema possui solução única. Ou
−1,0,2 + 1,2,1.
coeficientes é diferente de zero. Logo, todos os vetores de ଷ

Conclusão: O sistema possui solução única porque o determinante da matriz dos
podem ser escritos como combinação linear dos vetores dados.

Exemplo 2: Verificar se o conjunto 2,1,3, 3,1,2, 5,2,5
gera o espaço ଷ.
Solução:
Para isso deve-se provar que todo vetor , , 6 de ଷ pode ser escrito na forma
2,1,3 + 3,1,2 + 5,2,5. Assim,
, , 6 = 2,1,3 + 3,1,2 + 5,2,5

= 2, 1, 3 + 3 , 1 , 2 + 5, 2, 5
= 2 + 3 + 5, 1 + 1 + 2, 3 + 2 + 5
2 + 3 + 5 = 2 3 5
! 1 + 1 + 2 = %1 1 2& . < = = <=
3 + 2 + 5 = 6 3 2 5 6

Calculando o determinante da matriz de coeficientes, tem-se
>1 1 2> = 0
2 3 5
Como este determinante é zero, o conjunto não gera ଷ. Neste caso, o conjunto
3 2 5
irá gerar um subconjunto de ଷ. Para determinar tal subconjunto, pode-se utilizar

escalonamento da matriz ampliada do sistema. Assim,
2 3 5 1 1 2 ⇢ ' = ' − 2' ⇢

%1 1 2 & ⇢ 'ଵ ↔ 'ଶ ⇢ %2 3 5 &
⇢ 'ଷ = 'ଷ − 3'ଵ ⇢
3 2 5 6 3 2 5 6
ଶ ଶ ଵ

%0 1 1 − 2& ⇢ 'ଷ = 'ଷ + 'ଶ ⇢ %0 1 1 − 2 &
1 1 2 1 1 2
0 −1 −1 6 − 3 0 0 0 − 5 + 6
Para que o sistema não seja inconsistente, é necessário que − 5 + 6 = 0.
Conclusão: O sistema só terá validade para vetores , , 6 que satisfaçam a

relação − 5 + 6 = 0. Ou seja, , , 6 ∈ ଷ / − 5 + 6 = 0
.
Exemplo 3: Mostrar que ଵ = 1,1,1, ଶ = 0,1,1 e ଷ = 0,0,1 geram o ଷ.
Solução:
, , 6 = ଵ + ଶ + -ଷ

, , 6 = 1,1,1 + 0,1,1 + 0,0,1
= , , + 0, , + 0,0,
= , + , + +

= 1 0 0
? = %1 1 0 &
+ + = 6
+
1 1 1 #
1 0 0 ⇢ ' = ' − ' ⇢ 1 0 0 =

%1 1 0 & %0 1 0 − & = ! −
⇢ 'ଶ = 'ଶ − 'ଵ ⇢ =6−
ଷ ଷ ଶ =
1 1 1 # 0 0 1 #−
Conclusão: , , 6 = 3ଵ + 4 − 3ଶ + 5 − 4ଷ
Exemplo 4: Seja o Espaço Vetorial ଶ௫ଶ . Determine os subespaços gerados por:
ଵ = / 0, ଶ = / 0 e ଷ = / 0
−1 0 1 −1 0 1
0 1 0 0 1 0
Solução:

ଶ௫ଶ = / 0 = ଵ + ଶ + -ଷ
6 @

/ 0 = / 0+ / 0+/ 0
6 @
−1 0 1 −1 0 1
0
0 1 0 0 1 0
=/ 0+/ 0+/ 0
0 0
− 0 −
− +
0 0
=/ 0

− +
− + =
− + =
−1 1 0
9 * ,
=6
0 −1 1

0 0 1 #
$=% 1 0 0 %
@
⇢ 'ଶ = −'ଶ + 'ଷ ⇢
−1 1 0 1 0 0
* , ⇢ 'ଵ ↔ 'ସ ⇢ * ,
⇢ 'ସ = 'ସ + 'ଵ ⇢
0 −1 1 0 −1 1
0 0 1 # 0 0 1 #
1 0 0 % −1 1 0
@ @
6− 6−
1 0 0 1 0 0
* , ⇢ 'ସ = 'ସ − 'ଶ ⇢ * ,
0 1 0 0 1 0
0 #
0 1 0 0# 1
0 1 0 +% 0 0 0 +−#+%

Conclusão: ; = :/ 0 / + − # + % = 0A
6 @

Exemplo 5: Determinar o subespaço de gerado pelos vetores
Bଵ = ଷ + 2 ଶ − + 3 e Bଶ = −2 ଷ − ଶ + 3 + 2
Solução:
B = ଷ + ଶ + + C = DBଵ + EBଶ
ଷ + ଶ + + C = ଷ + 2 ଶ − + 3 + −2 ଷ − ଶ + 3 + 2
= ଷ + 2 ଶ − + 3 − 2 ଷ − ଶ + 3 + 2
= ଷ − 2 ଷ + 2 ଶ − ଶ − + 3 + 3 + 2
= − 2 ଷ + 2 − ଶ + − + 3 + 3 + 2
− 2 = 1 −2
2 − =
9 * ,
− + 3 = −1 3
2 −1

3 + 2 = & 3 2 C
1 −2 ⇢ 'ଶ = 'ଶ − 2'ଵ ⇢ ⇢ 'ଶ = 'ଶ − 3'ଷ ⇢

* , ⇢ 'ଷ = 'ଷ + 'ଵ ⇢ * , ⇢ 'ସ = 'ସ − 8'ଷ ⇢
1 −2
−1 3 +
⇢ 'ସ = 'ସ − 3'ଵ ⇢ ⇢ 'ଵ = 'ଵ + 2'ଷ ⇢
2 −1 0 3 − 2
2 C 0 8 C − 3
0 1
3
*
1 0 3 + 2
,
+ −11 − 8 + C = 0
0 0 −5 + − 3 −5 + − 3 = 0

0 −11 − 8 + C
0 1
0
Conclusão: ; = ଷ + ଶ + + C / = 5 + 3 C = 11 + 8

3.5 DEPENDÊNCIA E INDEPENDÊNCIA LINEAR
Definição: Se ' = , , ⋯ , é um conjunto não vazio de vetores, então a equação

vetorial
݇ଵ ࢜ଵ + ݇ଶ ࢜ଶ + ⋯ + ݇௥ ࢜௥ = 0
admite pelo menos a solução trivial = = ⋯ = = 0.
Se esta é a única solução, então o conjunto é chamado linearmente
independente. Se existem outras soluções, então é um conjunto linearmente
dependente.
Teorema 1
Um conjunto de dois ou mais vetores é:
(a) Linearmente dependente se, e somente se, pelo menos um dos vetores de pode ser
escrito como uma combinação linear dos outros vetores de .
(b) Linearmente independente se, e somente se, nenhum vetor em pode ser escrito como
uma combinação linear dos outros vetores de .
Teorema 2
(a) Um conjunto finito de vetores que contém o vetor nulo é linearmente dependente.
(b) Um conjunto de exatamente dois vetores é linearmente independente se, e somente se,
nenhum dos dois vetores é um múltiplo escalar do outro.
Teorema 3
Seja = , , ⋯ , um conjunto de vetores em . Se " > (, então é linearmente
dependente.

Interpretação Geométrica da Independência Linear em F૛ e F૜ .
Para dois vetores em ଶ e ଷ: os vetores são linearmente independentes se, e somente se, os
vetores não estão numa mesma reta quando colocados com
seus pontos iniciais na origem.
Linearmente dependente Linearmente independente
Linearmente dependente

Para três vetores em ଷ: os vetores são linearmente independentes se, e somente se, os
vetores não estão nem um mesmo plano quando colocados com
seus pontos iniciais na origem.
Linearmente dependente Linearmente independente
Linearmente dependente

Exemplo 1: Determine se os vetores ଵ = 1,0,0, ଶ = 0,1,0 e ଷ = 0,0,1 em ଷ são ou não
linearmente dependentes.
Solução:
3ଵ + 4ଶ + 5ଷ = 0

0,0,0 = 1,0,0 + 0,1,0 + 60,0,1
= , 0,0 + 0, , 0 + 0,0, 6
= , , 6
=0
! = 0
6=0
O conjunto de vetores ; = ଵ , ଶ , ଷ

é linearmente independente
porque o sistema admite apenas a solução trivial ( = = 6 = 0).
Conclusão:
Exemplo 2: Determine se os vetores Bଵ , Bଶ e Bଷ sao ou não linearmente dependentes, onde:

Bଵ = ଶ + + 2 :: Bଶ = 2 ଶ + :: Bଷ = 3 ଶ + 2 + 2
Solução 1:
Bଵ + Bଶ + -Bଷ = 0

ଶ + + 2 + 2 ଶ + + 3 ଶ + 2 + 2 = 0
ଶ + + 2 + 2 ଶ + + 3 ଶ + 2 + 2 = 0
ଶ + + 2 + 2 ଶ + + 3 ଶ + 2 + 2 = 0
+ 2 + 3 ଶ + + + 2 + 2 + 2 = 0
+ 2 + 3 = 0
! + + 2 = 0 %1 1 2 0&
1 2 3 0

2 + 2 = 0 2 0 2 0
1 2 3 0 ⇢ ' = ' − ' ⇢ 1 2
%1 1 2 0& %0 −1 −1 0& ⇢ 'ଶ = −'ଶ ⇢
⇢ 'ଷ = 'ଷ − 2'ଵ ⇢
3 0
ଶ ଶ ଵ
2 0 2 0 0 −4 −4 0
+ 2 + 3 = 0
%0 1 1 0& ⇢ 'ଷ = 'ଷ + 4'ଶ ⇢ %0 1 1 0& = :
1 2 3 0 1 2 3 0
+ =0
0 −4 −4 0 0 0 0 0
Conclusão: O conjunto de vetores ; = Bଵ , Bଶ , Bଷ

é linearmente dependente
porque o sistema admite infinitas soluções (duas equações e três
solução trivial ( = = = 0).

incognitas). Ou seja, o sistema admite outra solução além da

Solução 2:
De acordo com o “teorema 2” os vetores são linearmente dependentes e um dos

vetores pode ser escrito como combinação linear dos outros. Assim:
Bଵ = Bଶ + Bଷ
ଶ + + 2 = 2 ଶ + + 3 ଶ + 2 + 2
= 2 ଶ + + 3 ଶ + 2 + 2
= 2 ଶ + + 3 ଶ + 2 + 2
= 2 + 3 ଶ + + 2 + 2
= −1
!+2 =1 resolvendo diretamente, tem-se :
2 + 3 = 1

=1
2 =2
Conclusão: Como Bଵ é uma combinação linear de Bଶ e Bଷ (Bଵ = −Bଶ + Bଷ ) então o

conjunto de vetores ; = Bଵ , Bଶ , Bଷ
é linearmente dependente.
Exemplo 3: Determine se os vetores ଵ = 1, −2,1, ଶ = 2,1, −1 e ଷ = 7, −4,1 em ଷ são
ou não linearmente dependentes.
Solução 1:
3ଵ + 4ଶ + 5ଷ = 0

0,0,0 = 1, −2,1 + 2,1, −1 + 67, −4,1
= , −2, + 2, , − + 76, −46, 6
= + 2 + 76, −2 + − 46, − + 6
+ 2 + 76 = 0
! + − 46 = 0 %−2 1 −4 0&
1 2 7 0
−+6 =0
−2
1 −1 1 0
7 0 ⇢ ' = ' + 2' ⇢ 1 2

%−2 1 −4 0& %0 5 10 0& ⇢ 'ଶ = ହ 'ଶ ⇢
⇢ 'ଷ = 'ଷ − 'ଵ ⇢
1 2 7 0
ଶ ଶ ଵ ଵ
1 −1 1 0 0 −3 −6 0
+ 2 + 76 = 0
%0 1 2 0& ⇢ 'ଷ = 'ଷ + 3'ଶ ⇢ %0 1 2 0& = + 26 = 0
1 2 7 0 1 2 7 0
0 −3 −6 0 0 0 0 0
Conclusão: O conjunto de vetores ; = ଵ , ଶ , ଷ

porque o sistema admite infinitas soluções (duas equações e três
solução trivial ( = = 6 = 0).

incognitas). Ou seja, o sistema admite outra solução além da

Solução 2:
De acordo com o “teorema 2” os vetores são linearmente dependentes e um dos

vetores pode ser escrito como combinação linear dos outros. Assim:
ଵ = ଶ + ଷ
1, −2,1 = 2,1, −1 + 7, −4,1
= 2, , − + 7 , −4 ,
= 2 + 7 , − 4 , − +
! − 4 = −2 % 1 −4 −2&
2 + 7 = 1 2 7 1

− + = 1 −1 1 1
⇢ 'ଶ = 'ଶ − 2'ଵ ⇢

% 1 −4 −2& ⇢ 'ଵ ↔ 'ଶ ⇢ %2 1& ⇢ 'ଷ = 'ଷ + 'ଵ ⇢
2 7 1 1 −4 −2
7
−1 1 1 −1 1 1
⇢ 'ଵ = 'ଵ + 4'ଶ ⇢

%0 15 5 & ⇢ 'ଶ = ' ⇢ G0 1 1+3H
1 −4 −2
⇢ 'ଷ = 'ଷ + 3'ଶ ⇢
1 −4 −2
ଵ
ଵହ ଶ
0 −3 −1 0 −3 −1
1 0 −2+3 = −2+3
*0 1 1+ , = !
3 = 1+3
0 0 0
Como ଵ é uma combinação linear de ଶ e ଷ (ଵ = ଶ + ଷ )

ିଶ ଵ
então o conjunto de vetores ; = ଵ , ଶ , ଷ

é linearmente
Conclusão:
ଷ ଷ
dependente.
Exemplo 4: Seja o espaço vetorial das matrizes 22 sobre . Determine se as matrizes
, 1, 2 ∈ são linearmente dependentes, onde:
=/ 0 1=/ 0 2=/ 0

1 1 1 0 1 1
:: ::
1 1 0 1 0 0
Solução:
3 + 41 + 52 = 0
/ 0+/ 0+6/ 0=/ 0

1 1 1 0 1 1 0 0
1 1 0 1 0 0 0 0
6 6
/ 0+7 8+/ 0=/ 0

0 0 0
0 0 0 0 0
++6 +6
/ + 0 = /0 00
0 0

++6 =0
=0
+6 =0
9 resolvendo diretamente, tem-se ! = 0
=0
+ =0

#=0
Conclusão: As matrizes , 1 e 2 são linearmente independentes porque o sistema

admite apenas a solução trivial ( = = 6 = 0).
Exemplo 5: Determine se os vetores ଵ = 2, −1,0,3, ଶ = 1,2,5, −1 e ଷ = 7, −1,5,8 em ସ

são ou não linearmente dependentes.
Solução:
3ଵ + 4ଶ + 5ଷ = 0

0,0,0 = 2, −1,0,3 + 1,2,5, −1 + 67, −1,5,8
= 2, −, 0,3 + , 2, 5, − + 76, −6, 56, 86
= 2 + + 76, − + 2 − 6, 5 + 56, 3 − + 86
2 + + 76 = 0
− + 2 − 6 = 0
9 * ,
2 1 7 0
−1 2 −1 0

3 − + 86 = 0
5 + 56 = 0 0 5 5 0
3 −1 8 0
* , ⇢ 'ଶ ↔ 'ଷ ⇢ * , ⇢ 'ଵ = −'ଵ ⇢

2 1 7 0 −1 2 −1 0
−1 2 −1 0 2 1 7 0
0 5 5 0 0 5 5 0
3 −1 8 0 3 −1 8 0
⇢ 'ଶ = 'ଶ − 2'ଵ ⇢

* , * , ⇢ 'ଶ = ହ 'ଶ ⇢
1 −2 1 0 1 −2 1 0
⇢ 'ସ = 'ସ − 3'ଵ ⇢

2 1 7 0 0 5 5 0 ଵ
0 5 5 0 0 5 5 0
3 −1 8 0 0 5 5 0
⇢ 'ଷ = 'ଷ − 5'ଶ ⇢ − 2 + 6 = 0

* , * , =
1 −2 1 0 1 −2 1 0
⇢ 'ସ = 'ସ − 5'ଶ ⇢ +6 =0

0 1 1 0 0 5 5 0
0 5 5 0 0 0 0 0
0 5 5 0 0 0 0 0
Conclusão: O conjunto de vetores ; = ଵ , ଶ , ଷ

admite outra solução além da solução trivial ( = = 6 = 0).

porque o sistema admite infinitas soluções. Ou seja, o sistema

3.6 BASES E DIMENSÃO
3.6.1 Base de um Espaço Vetorial
Em geral, tenta-se usar a mesma escala em cada eixo e com a mesma unidade de distância
em cada eixo.
(exemplo)
No entanto, isto nem sempre é prático ou adequado: pode ser necessário o uso de escalas
diferentes, ou unidades distintas num mesmo sistema de coordenadas. Por exemplo, a
representação de grandezas físicas, como o tempo – em horas – em um dos eixos e
temperatura – em centenas de graus Celsius – no outro eixo.
(exemplo)
Assim, quando um sistema de coordenadas é especificado por um conjunto de vetores base, é

o sentido dos vetores de base que define o sentido positivo nos eixos coordenados e o
comprimento dos vetores de base é que estabelece a escala de medida.

(exemplos)
Além disso, embora os eixos coordenados perpendiculares sejam os mais comuns, pode-se
usar quaisquer duas retas não-paralelas para definir um sistema de coordenadas no plano.
(exemplo)
De forma prática, interessa encontrar, dentro de um espaço vetorial , um conjunto finito de

vetores onde qualquer outro vetor de seja uma combinação linear deles. Ou seja, a base de
um espaço vetorial.
Definição: Se é um espaço vetorial qualquer e ' = , , ⋯ , é um conjunto de vetores

em , dizemos que é uma base de se valerem as seguintes condições:
(a) é linearmente independente;
(b) gera .
Teorema
Se = , , ⋯ , é uma base de um espaço vetorial , então cada vetor em pode ser
expresso da forma = ) + ) + ⋯ + ) de uma única maneira.

Notas:
Os vetores eଵ = 1,0 e eଶ = 0,1 formam uma base para Rଶ ;

[1] Bases canônicas
os vetores eଵ = 1,0,0, eଶ = 0,1,0 e eଷ = 0,0,1 formam uma base para Rଷ ;

em geral, os vetores eଵ , eଶ,..., e୬ formam uma base para R୬ . Cada um desses vetores é
chamado de base natural ou base canônica para Rଶ , Rଷ e R୬ respectivamente.
[2] Coordenadas em relação a uma base

Se S = vଵ , vଶ , … , v୬
é uma base de um espaço vetorial e se = ) + ) + ⋯ + ) é
a expressão de um vetor em termos desta base , então os escalares ) , ) , … , ) são
chamados de coordenadas de em relação à base ;. Assim, o vetor )1 , )2 , … , )
é
chamado vetor de coordenadas de " em relação a I e é denotado por = ) , ) , … , ) .
Assim, é definido JKௌ como a matriz de coordenadas de em relação a S, onde

Em muitos casos é conveniente listar as coordenadas como entradas de uma matriz ( 1.
)1
JKௌ = * 2 ,
)
⋮
)
Exemplo 1: Sejam ଵ = 1,2,1, ଶ = 2,9,0 e ଷ = 3,3,4. Mostre que o conjunto I =

"ଵ , "ଶ , "ଷ
é uma base de ଷ.
Solução:
(a) Para mostrar que é linearmente independente, então

3ଵ + 4ଶ + 5ଷ = 0 só deve admitir a solução trivial = = 6 = 0. Logo,
0,0,0 = 1,2,1 + 2,9,0 + 63,3,4
= , 2, + 2, 9, 0 + 36, 36, 46
= + 2 + 36, 2 + 9 + 36, + 46
+ 2 + 36 = 0
!2 + 9 + 36 = 0 %2 9 3 0&
1 2 3 0
+ 46 = 0
(matriz ampliada)
1 0 4 0
Obs.: Uma forma mais prática de se chegar na matriz ampliada seria usando
a matriz de coordenadas. Dessa forma,

JJଵ Kௌ Jଶ Kௌ Jଷ Kௌ K. <= = %0&
0
6 0

A matriz ampliada então seria: %2 9 3 0&
1 2 3 0
1 0 4 0
(b) Para mostrar que um dado vetor pode ser expresso como uma combinação
de , tem-se:
3ଵ + 4ଶ + 5ଷ =

ଵ , ଶ , ଷ = 1,2,1 + 2,9,0 + 63,3,4
= , 2, + 2, 9, 0 + 36, 36, 46
= + 2 + 36, 2 + 9 + 36, + 46
+ 2 + 36 = ଵ 1 2 3 ଵ
!2 + 9 + 36 = ଶ %2 9 3 ଶ &
+ 46 = ଷ 1 0 4 ଷ

Assim, pode-se provar que é linearmente independente e que gera ଷ

Observa-se que os sistemas (a) e (b) possuem a mesma matriz de coordenadas.
demonstrando que a matriz de coeficientes de (a) e (b) possui determinante

diferente de zero. Logo, sendo a matriz dos coeficientes
= %2 9 3& então || = >2 9 3> = −1

1 2 3 1 2 3
1 0 4 1 0 4
então o conjunto I = "ଵ , "ଶ , "ଷ

é uma base de ଷ.
Conclusão: Como o determinante da matriz de coeficientes é diferente de zero,
Prova de (a):
1 2 3 0 ⇢ ' = ' − 2' ⇢ 1 2

%2 9 3 0& %0 5 −3 0& ⇢ 'ଶ = ହ 'ଶ ⇢
⇢ 'ଷ = 'ଷ − 'ଵ ⇢
3 0
ଶ ଶ ଵ ଵ
1 0 4 0 0 −2 1 0
21+
O1 0 5 0R
G0 1 +5 0H ' 'ଵ − 2'ଶ ⇢ N0 1 −3+ 0Q ⇢ 'ଷ = ିଵ 'ଷ ⇢
1 2 3 0
⇢ 'ଷ = 'ଷ + 2'ଶ ⇢ N Q

−3 ⇢ ଵ =
M + P
5 ହ
0 −2 1 0 0 0 −1 0
5
1 0 21+5 0 ⇢ 'ଵ = 'ଵ − ' ⇢ =0

*0 1 −3+ 0, %0 1 0 0& = ! = 0
ଶଵ
1 0 0 0
⇢ 'ଶ = 'ଶ + ହ 'ଷ ⇢

ହ ଷ
6=0
ଷ
5 0 0 1 0
0 0 1 0
O conjunto de vetores ; = ଵ , ଶ , ଷ

é linearmente independente porque o
sistema admite apenas a solução trivial ( = = 6 = 0).

Exemplo 2: Para que valores de ∈ o conjunto ; = 1, , , 4
é base de ଶ ?
Solução:
Para mostrar que é linearmente independente, e ao mesmo tempo mostrar que

um dado vetor pode ser expresso como uma combinação de , deve-se
Para se obter a matriz de coeficientes, pode-se fazer “3ଵ + 4ଶ = ” ou “3ଵ +

demonstrar que a matriz de coeficientes possui determinante diferente de zero.
4ଶ = 0”.
ଵ , ଶ = 1, + , 4

= , + , 4
= + , + 4
+ = ଵ ଵ
S = 1 / 0 . /0 = / 0
+ 4 = ଶ
1

4 ଶ
1 1
=/ 0 | | ≠ 0 T T ≠ 0 4 − ଶ ≠ 0 ଶ − 4 ≠ 0
4 4
≠ ±2
±√ మ ±ඥିସ.ଵ.ሺିସሻ
≠ ݇≠
ଶ.ଵ
Conclusão: ≠ ±2
Exemplo 3: Sejam ଵ = 1,2,1, ଶ = 2,9,0 e ଷ = 3,3,4, onde o conjunto I = "ଵ , "ଶ , "ଷ
é
uma base de ଷ.
a) Encontre o vetor de coordenadas de = 5, −1,9 em relação a ; 1.
b) Encontre o vetor em ଷ cujo vetor de coordenadas em relação à base ; é
JKௌ = J−1 3 2K் .
Solução:
3ଵ + 4ଶ + 5ଷ =

5, −1,9 = 1,2,1 + 2,9,0 + 63,3,4
a)
= , 2, + 2, 9, 0 + 36, 36, 46

= + 2 + 36, 2 + 9 + 36, + 46
+ 2 + 36 = 5
!2 + 9 + 36 = −1 %2 9 3 −1&
1 2 3 5
+ 46 = 9

1 0 4 9
1
Como já mencionado, um vetor de coordenadas de ‫ݒ‬, denotado por ሾ‫ݒ‬ሿௌ , especifica os valores que devem ser
multiplicados aos vetores da base de ܵ = ሼ‫ݒ‬ଵ , ‫ݒ‬ଶ , … , ‫ݒ‬௡ ሽ de forma que o vetor ‫ ݒ‬correspondente possa ser expresso
como combinação linear desses vetores. Ou seja, ‫ܿ = ݒ‬ଵ ‫ݒ‬ଵ + ܿଶ ‫ݒ‬ଶ + ⋯ + ܿ௡ ‫ݒ‬௡ , onde ܿଵ , ܿଶ , … , ܿ௡ são as
coordenadas de ‫ݒ‬.

Obs.: Já tratado no Exemplo 1, uma forma mais prática de se chegar na
matriz ampliada seria usando a matriz de coordenadas.

JJଵ Kௌ Jଶ Kௌ Jଷ Kௌ K. <= = %2 9 3 −1&
1 2 3 5
6 1 0 4 9
1 2 3 5 ⇢ ' = ' − 2' ⇢ 1 2

%2 9 3 −1& %0 5 −3 −11& ⇢ 'ଶ = ହ 'ଶ ⇢
⇢ 'ଷ = 'ଷ − 'ଵ ⇢
3 5
ଶ ଶ ଵ ଵ
1 0 4 9 0 −2 1 4
21+ 47+
O1 0 5R
⇢ 'ଵ = 'ଵ − 2'ଶ ⇢ N
G0 1 +5 +5H +5 +5Q
1 2 3 5 5
⇢ 'ଷ = 'ଷ + 2'ଶ ⇢ N Q
−3 −11 0 1 −3 −11
−1+ −2+
M0 0 5P
0 −2 1 4
5
1 0 21+5 47+5 ⇢ ' = ' − ଶଵ ' ⇢

⇢ 'ଷ = ' ⇢ *0 1 −3+ −11+ ,
5 ⇢ 'ଶ = 'ଶ + ଷ 'ଷ ⇢
ିଵ ଵ ଵ ହ ଷ
ହ ଷ 5
ହ
0 0 1 2
=1
%0 1 0 −1& = ! = −1
1 0 0 1
0 0 1 2 6=2
Conclusão: JKௌ = %−1&.

1
b) 3ଵ + 4ଶ + 5ଷ = , onde JKௌ = % 3 &. Ou seja, = −1, = 3 e 6 = 2.

−1
" = −Uଵ + #ଶ + )ଷ

2
= −11,2,1 + 32,9,0 + 23,3,4

= −1, −2, −1 + 6,27,0 + 6,6,8
= 11,31,7
Conclusão: = 11,31,7.
Exemplo 4: Seja I = "ଵ , "ଶ , "ଷ , "ସ

uma base para ସ, onde ଵ = 1,1,0,0, ଶ = 2,0,1,0,
ଷ = 0,1,2, −1 e ସ = 0,1, −1,0. Se = 1,2, −6,2, calcule JKௌ .
Solução:
ଵ ଵ + ଶ ଶ + ଷ ଷ + ସ ସ =

ଵ
ଶ
JJଵ Kௌ Jଶ Kௌ Jଷ Kௌ Jସ Kௌ K. * , = * ,
1 2 0 0 1
1 0 1 1 2
ସ

ଷ 0 1 2 −1 −6
0 0 −1 0 2
* , ⇢ 'ଶ = 'ଶ − 'ଵ ⇢ * ,

1 2 0 0 1 1 2 0 0 1
1 0 1 1 2 0 −2 1 1 1
0 1 2 −1 −6 0 1 2 −1 −6
0 0 −1 0 2 0 0 −1 0 2
⇢ 'ଵ = 'ଵ − 2'ଶ ⇢

⇢ 'ଶ ↔ 'ଷ ⇢ * , ⇢ 'ଷ = 'ଷ + 2'ଶ ⇢
1 2 0 0 1
⇢ 'ସ = −'ସ ⇢
0 1 2 −1 −6
0 −2 1 1 1
0 0 −1 0 2
* , ⇢ 'ଷ ↔ 'ସ ⇢ * ,
1 0 −4 2 13 1 0 −4 2 13
0 1 2 −1 −6 0 1 2 −1 −6
0 0 5 −1 −11 0 0 1 0 −2
0 0 1 0 −2 0 0 5 −1 −11
⇢ 'ଵ = 'ଵ + 4'ଷ ⇢

⇢ 'ଶ = 'ଶ − 2'ଷ ⇢ * , ⇢ 'ସ = −'ସ ⇢
1 0 0 2 5
⇢ 'ସ = 'ସ − 5'ଷ ⇢

0 1 0 −1 −2
0 0 1 0 −2
0 0 0 −1 −1
⇢ 'ଵ = 'ଵ − 2'ସ ⇢

* , * ,
1 0 0 2 5 1 0 0 0 3
⇢ 'ଶ = 'ଶ + 'ସ ⇢

0 1 0 −1 −2 0 1 0 0 −1
0 0 1 0 −2 0 0 1 0 −2
0 0 0 1 1 0 0 0 1 1
ଵ = 3
= −1
= 9 ଶ
ଷ = −2
ସ = 1
Conclusão: JKௌ = * ,.
3
−1
−2
1
Exemplo 5: Seja o espaço vetorial ଵ de todos os polinômios de grau ≤ 1, e sejam ; =

"ଵ , "ଶ
e V = (ଵ , (ଶ
duas bases distintas para ଵ , onde
ଵ = :: ଶ = 1 (ଵ = + 1 (ଶ = − 1
Seja = B = 5 − 2
:: ::
a) Calcule JKௌ .
b) Calcule JK ் .

Solução:
a) = ଵ + ଶ
5 − 2 = + 1
5 − 2 = +
=5
:
= −2
Conclusão: JKௌ = / 0.
5
−2
b) = (ଵ + (ଶ
5 − 2 = + 1 + − 1
5 − 2 = + + −
5 − 2 = + + −
+ =5 = 3+2
: !
− = −2 = 7+2

3+
Conclusão: JK ் = % 2&.
7+
2
Exemplo 6: Seja I = Wଵ , Wଶ , Wଷ , Wସ , Wହ

um conjunto de vetores em ସ.
subconjunto de que seja base para = J;K, onde
Encontre um
ଵ = 1,2, −2,1 ଶ = −3,0, −4,3 ଷ = 2,1,1, −1,

ସ = −3,3, −9,6 ହ = 9,3,7, −6
:: ::
::
Solução:
Para mostrar que é linearmente independente, então

-૚ ଵ + -૛ ଶ + -૜ ଷ + -૝ ସ + -૞ ହ = 0
só deve admitir a solução trivial ଵ = ଶ = ଷ = ସ = ହ = 0. Logo,
ଵ
Oଶ R O0R
N Q N Q
0
JJଵ Kௌ Jଶ Kௌ Jଷ Kௌ Jସ Kௌ Jହ Kௌ K. Nଷ Q = N0Q , que tem como matriz ampliada
Nସ Q N0Q
Mହ P M0P

− 3 + 26 − 3X + 9@ = 0
2 + 6 + 3X + 3@ = 0
* , 9
1 −3 2 −3 9 0
−2 − 4 + 6 − 9X + 7@ = 0
2 0 1 3 3 0
+ 3 − 6 + 6X − 6@ = 0
−2 −4 1 −9 7 0
1 3 −1 6 −6 0
0 ⇢ ' = ' − 2' ⇢ 1 −3

0 ⇢ 'ଶ = 'ଶ + 2'ଵ ⇢ 0
* , * ,
1 −3 2 −3 9 2 −3 9 0
⇢ 'ସ = 'ସ − 'ଵ ⇢

2 0 1 3 3 6 −3 9 −15 0
ଷ ଷ ଵ
−2 −4 1 −9 7 0 0 −10 5 −15 25 0
1 3 −1 6 −6 0 0 6 −3 9 −15 0
−5+ 0 ⇢ 'ଵ = 'ଵ + 3'ଶ ⇢

+2 3+
1 −3 2 −3 9 0
⇢ 'ଶ = ' ⇢ * , ⇢ 'ଷ = 'ଷ + 10'ଶ ⇢
−1
⇢ 'ସ = 'ସ − 6'ଶ ⇢

ଵ 0 1 2 2
଺ ଶ 0 −10 5 −15 25 0
0 6 −3 9 −15 0
1+ 3+ 3+
O1 2 0R
N0 1 −1+2 3+2 −5+2 0Q
0 2 2
N Q
N0 0Q
M0 0P
0 0 0 0
0 0 0 0
Conclusão: As linhas não-nulas são 'ଵ e 'ଶ . Nelas, os primeiros elementos não-
nulos das linhas aparecem nas colunas 1 e 2 (2ଵ e 2ଶ ), que
correspondem aos vetores Wଵ e Wଶ . Logo, o conjunto Wଵ , Wଶ
é uma
base para = J;K.
Exemplo 7: Encontre uma base para ସ que contenha os vetores

ଵ = 1,0,1,0 e ଶ = −1,1, −1,0
Solução:
Para isso é preciso associar ao conjunto ଵ , ଶ

a base natural (ou base
canônica) de ସ.
A base canônica de ସ pode ser dada por ଵ , ଶ , ଷ , ସ

, onde
ଵ = 1,0,0,0, ଶ = 0,1,0,0, ଷ = 0,0,1,0 e ସ = 0,0,0,1
Assim, considera-se inicialmente o conjunto ; = ଵ , ଶ , ଵ , ଶ , ଷ , ସ

. Então,
-૚ ଵ + -૛ ଶ + -૜ ଵ + -૝ ଶ + -૞ ଷ + -૟ ସ = 0. Ou seja,
ଵ
Oଶ R O0R
0
N Q N Q
JJଵ Kௌ Jଶ Kௌ Jଵ Kௌ Jଶ Kௌ Jଷ Kௌ Jସ Kௌ K. Nଷ Q = N0Q, que tem como matriz ampliada
N ସ Q N0Q
Nହ Q N0Q
M଺ P M0P

ଵ − ଶ + ଷ = 0
+ ସ = 0
* , 9 ଶ
1 −1 1 0 0 0 0
ଵ − ଶ + ହ = 0
0 1 0 1 0 0 0

଺ = 0
1 −1 0 0 1 0 0
0 0 0 0 0 1 0
* , ⇢ 'ଷ = 'ଷ − 'ଵ ⇢ * ,

1 −1 1 0 0 0 0 1 −1 1 0 0 0 0
0 1 0 1 0 0 0 0 1 0 1 0 0 0
1 −1 0 0 1 0 0 0 0 −1 0 1 0 0
0 0 0 0 0 1 0 0 0 0 0 0 1 0
⇢ 'ଵ = 'ଵ + 'ଶ ⇢ * , ⇢ 'ଷ = −'ଷ ⇢

1 0 1 1 0 0 0
0 1 0 1 0 0 0
0 0 −1 0 1 0 0
0 0 0 0 0 1 0
* , ⇢ 'ଵ = 'ଵ − 'ଷ ⇢ * ,

1 0 1 1 0 0 0 1 0 0 1 1 0 0
0 1 0 1 0 0 0 0 1 0 1 0 0 0
0 0 1 0 −1 0 0 0 0 1 0 −1 0 0
0 0 0 0 0 1 0 0 0 0 0 0 1 0
não-nulos das linhas aparecem nas colunas 1, 2, 3 e 6 (2ଵ , 2ଶ , 2ଷ e

Conclusão: Todas as quatro linhas não são nulas. Nelas, os primeiros elementos
2଺ ), que correspondem aos vetores Wଵ , Wଶ , Yଵ e Yସ . Logo, o conjunto

Wଵ , Wଶ , Yଵ , Yସ
é uma base para ସ que contem Wଵ e Wଶ .
3.6.2 Dimensão de um Espaço Vetorial
Um espaço vetorial não-nulo é chamado de dimensão finita se contém um conjunto finito

ଵ , ଶ , … , ௡
de vetores que constitui uma base de . Se não existir esse conjunto, dizemos
que é de dimensão infinita.
Definição: A dimensão de um espaço vetorial de dimensão finita é dada pelo número de

vetores em uma base para e denotada por dim. Além disso, o espaço
vetorial nulo é definido como tendo dimensão zero.
Nota:
Se é um subespaço de uma espaço vetorial de dimensão finita, então dimW ≤ dimV;
além disso, se dimW = dimV, então = .
Exemplo 1: Dimensões de alguns espaços vetoriais
dim = ( (pois a base canônica possui Z vetores)
dim = ( + 1 (pois a base canônica de um polinômio possui Z + 1 vetores)
dim = *. ( (pois a base canônica de uma matriz possui . Z vetores)

Exemplo 2: Ache uma base e a dimensão de , onde é o subespaço de ସ gerado pelos
vetores ଵ = 1, −2,5, −3, ଶ = 2,3,1, −4 e ଷ = 3,8, −3, −5.
Solução:
Para mostrar que é linearmente independente, então

3ଵ + 4ଶ + 5ଷ = 0
0,0,0,0 = 1, −2,5, −3 + 2,3,1, −4 + 63,8, −3, −5

= , −2, 5, −3 + 2, 3, , −4 + 36, 86, −36, −56
= + 2 + 36, −2 + 3 + 86, 5 + − 36, −3 − 4 − 56
+ 2 + 36 = 0
−2 + 3 + 86 = 0
9 * ,
1 2 3 0
5 + − 36 = 0
−2 3 8 0

5 1 −3 0
−3 − 4 − 56 = 0 −3 −4 −5 0
3 0 ⇢ ' = ' + 2' ⇢ 1 2

8 0 ⇢ ' = ' − 5' ⇢ 0 7
* , * , ⇢ 'ଶ = ଻ 'ଶ ⇢
1 2 3 0
ଶ ଶ ଵ
⇢ 'ସ = 'ସ + 3'ଵ ⇢

−2 3 14 0 ଵ
ଷ ଷ ଵ
5 1 −3 0 0 −9 −18 0
−3 −4 −5 0 0 2 4 0
⇢ 'ଵ = 'ଵ − 2'ଶ ⇢ 1

* , ⇢ 'ଷ = 'ଷ + 9'ଶ ⇢ *0 ,
1 2 3 0 0 −1 0
⇢ 'ସ = 'ସ − 2'ଶ ⇢

0 1 2 0 1 2 0
0 −9 −18 0 0 0 0 0
0 2 4 0 0 0 0 0
Conclusão: As linhas não-nulas são 'ଵ e 'ଶ . Nelas, os primeiros elementos não-
nulos das linhas aparecem nas colunas 1 e 2 (2ଵ e 2ଶ ), que
correspondem aos vetores Wଵ e Wଶ . Logo, o conjunto Wଵ , Wଶ
é uma
base para = J;K. Assim, em particular, dim = 2.
Exemplo 3: Ache uma base e a dimensão do subespaço de ଷ, onde:

a) = , , : + + = 0
b) = , , : = =
c) = , , : = 3
Solução:
a) Note que ≠ ଷ , pois por exemplo, 1,1,1 . Assim, dim < 3.

Arbitrariamente, ଵ = 1,0, −1 e ଶ = 0,1, −1 são dois vetores
independentes em . Assim, dim = 2 e ଵ , ଶ
formam uma base de .
b) O vetor 1,1,1 ∈ . Qualquer vetor ∈ tem a forma = , , . Logo,

= . Assim, gera e dim = 1.

c) ≠ ଷ , pois, por exemplo, 1,1,1 . Assim, dim < 3. Os vetores
ଵ = 1,0,3 e ଶ = 0,1,0 são dois vetores independentes em . Assim,
dim = 2 e ଵ , ଶ
formam uma base de .
Exemplo 4: Seja o subespaço de ସ gerado pelos vetores

ଵ = 1, −2,0,3 :: ଶ = 2, −5, −3,6 :: ଷ = 0,1,3,0,
ସ = 2, −1,4, −7 :: ହ = 5, −8,1,2
a) Ache uma base e a dimensão do subespaço ;

b) Expresse cada vetor que não está na base como uma combinação linear dos
vetores da base;
c) Estenda a base de a uma base de todo o espaço ସ.
Solução:
a) -૚ ଵ + -૛ ଶ + -૜ ଷ + -૝ ସ + -૞ ହ = 0. Ou seja,
ଵ
Oଶ R O0R
N Q N Q
0
JJଵ Kௌ Jଶ Kௌ Jଷ Kௌ Jସ Kௌ Jହ Kௌ K. Nଷ Q = N0Q, que tem como matriz ampliada
Nସ Q N0Q
Mହ P M0P
ଵ + 2ଶ + 2ସ + 5ହ = 0

−2ଵ − 5ଶ + ଷ − ସ − 8ହ = 0
* , 9
1 2 0 2 5 0
−3ଶ + 3ଷ + 4ସ + ହ = 0

−2 −5 1 −1 −8 0

0 −3 3 4 1 0
3 6 0 −7 2 0 −3ଵ + 6ଶ − 7ସ + 2ହ = 0
⇢ ' '
* , * ,
1 2 0 2 5 0 1 2 0 2 5 0
1 0 ⇢ 'ସ = 'ସ − 3'ଵ ⇢ 0 −3 3

−2 −5 1 −1 −8 0 ଶ = ଶ + 2'ଵ ⇢ 0 −1 1 3 2 0
0 −3 3 4 4 1 0
3 6 0 −7 2 0 0 0 0 −13 −13 0
⇢ 'ଵ = 'ଵ − 2'ଶ ⇢

⇢ 'ଶ = −'ଶ ⇢ * ,
1 2 0 2 5 0
⇢ 'ଷ = 'ଷ + 3'ଶ ⇢

0 1 −1 −3 −2 0
0 −3 3 4 1 0
0 0 0 −13 −13 0
* , ⇢ 'ଷ = ' ⇢ * ,
1 0 2 8 9 0 1 0 2 8 9 0
0 1 −1 −3 −2 0 ିଵ 0 1 −1 −3 −2 0
0 0 0 −5 −5 0 ହ ଷ 0 0 0 1 1 0
0 0 0 −13 −13 0 0 0 0 −13 −13 0
⇢ 'ଵ = 'ଵ − 8'ଷ ⇢

⇢ 'ଶ = 'ଶ + 3'ଷ ⇢ * ,
1 0 2 0 1 0
⇢ 'ସ = 'ସ + 13'ଷ ⇢

0 1 −1 0 1 0
0 0 0 1 1 0
0 0 0 0 0 0

Numa forma escalonada, ⇢ 'ଷ ↔ 'ସ ⇢ * ,
1 0 2 0 1 0
0 1 −1 0 1 0
0 0 0 0 0 0
0 0 0 1 1 0
Conclusão: As linhas não-nulas são 'ଵ , 'ଶ e 'ସ . Nelas, os primeiros elementos
não-nulos das linhas aparecem nas colunas 1, 2 e 4 (2ଵ , 2ଶ e 2ସ ),
que correspondem aos vetores Wଵ , Wଶ e Wସ . Logo, o conjunto
Wଵ , Wଶ , Wସ
é uma base para . Assim, em particular,
dim = 3.
b) No item anterior, observou-se que a matriz ampliada
Foi reduzida à matriz ampliada resultante
Sendo o conjunto Wଵ , Wଶ , Wସ

a base para , que consequentemente pode
ser representado como [ଵ , [ଶ , [ସ
, que é a base canônica de . Assim,
pode-se expressar os vetores [ଷ e [ହ (que não formam uma base) como
combinação linear de [ଵ , [ଶ , [ସ
. Para isso, basta extrair tais informações
da própria matriz ampliada resultante:
[ଷ = )(ଵ − U(ଶ
[ହ = U(ଵ + U(ଶ + U(ସ

Wଷ = )ଵ − Uଶ
Wହ = Uଵ + Uଶ + Uସ
Logo, as relações correspondentes são:
Conclusão: Wଷ = 2ଵ − ଶ
Wହ = ଵ + ଶ + ସ
c) No item (a) o que foi encontrado foi uma base para , que é um subespaço
de ସ. Para se encontrar uma base para ସ, são necessários 4 vetores ao
invés de apenas 3 (como no caso do item supracitado). Afinal, no Exemplo 1
já foi mencionado que dim = 4.

Recorrendo à matriz escalonada resultante da base de
* , * ,
1 2 2 0 1 0 0 0
−2 −5 −1 0 0 1 0 0
0 −3 4 0 0 0 0 0
3 6 −7 0 0 0 1 0
observa-se que pode-se fazer uso de um dos vetores da base canônica de
seria Yଷ = 0,0,1,0, que dessa forma teríamos

de modo que se forme uma matriz escalonada perfeita. O vetor em questão
* , reduzindo à forma escalonada * ,

1 2 0 2 0 1 0 0 0 0
−2 −5 0 −1 0 0 1 0 0 0
0 −3 1 4 0 0 0 1 0 0
3 6 0 −7 0 0 0 0 1 0
e por isso mostra serem linearmente independentes.
Conclusão: Uma base para seria Wଵ , Wଶ , Wସ , Yଷ

, onde
ଵ = 1, −2,0,3 :: ଶ = 2, −5, −3,6
ସ = 2, −1,4, −7 :: Yଷ = 0,0,1,0
3.7 MUDANÇA DE BASE
Muitas vezes, para a resolução de um problema, torna-se muito mais simples se for adotado
corpo se move no plano , cuja trajetória é uma elipse, a descrição do movimento torna-se
um referencial mais conveniente para descrevê-lo. Por exemplo, em um problema em que um
(plano ଵ ଵ ), como ilustrado na figura abaixo.

muito mais simples se for utilizado um referencial que se apoia nos eixos principais da elipse

Em uma situação desse tipo, é preciso se definir:
1. Qual deve ser o novo referencial;
2. Qual a relação entre as coordenadas de um ponto no antigo referencial e suas
coordenadas no novo referencial.
Bases diferentes conduzem a diferentes matrizes. Daí, uma escolha adequada das bases é de
fundamental importância. Naturalmente, como mencionado anteriormente é desejável
trabalhar, sempre que possível, com as matrizes mais simples possíveis. Escolher
corretamente as bases não é uma tarefa trivial.
Definição: Ao mudar a base de um espaço vetorial de alguma base velha ; = ଵ , ଶ , … , ௡
para uma base nova V = (ଵ , (ଶ , … , (௡

, então a velha matriz de coordenadas JKௌ
de um vetor está relacionado com a nova matriz de coordenadas JK ் do mesmo
vetor pela equação
+, = ← +,
onde
← = ++- , +- , ⋯ +- , , 2,
sendo ← chamada de matriz de transição de \ para I 3.
Para o caminho inverso, tem-se,
+, = ← +,
onde
← = ←
Exemplo 1: (Kolman, 2008) Seja = ଷ e ; = Wଵ , Wଶ , Wଷ

e V = (ଵ , (ଶ , (ଷ
duas bases
distintas para ଷ, onde
ଵ = 2,0,1 :: ଶ = 1,2,0 :: ଷ = 1,1,1
(ଵ = 6,3,3 :: (ଶ = 4, −1,3 :: (ଷ = 5,5,2
a) Calcule a matriz de transição ←

b) Sendo = 4, −9,5, encontre as coordenadas JK ் .
c) Com base nas informações obtidas nos itens anteriores (← e JK ் ), calcule
JKௌ
2
ሾwଵ ሿୗ , por exemplo, representa as coordenadas usadas para que w୬ possa ser expresso como combinação linear
dos vetores da base S.
3
Alguns livros preferem chamar Pୗ←୘ como matriz de mudança de base da base ‫ ܂‬para a base ‫܁‬.

Solução:
a) Para encontrar ௌ←் , é preciso encontrar ଵ , ଶ , ଷ tais que

ଵ ଵ + ଶ ଶ + ଷ ଷ = (ଵ
Isso nos leva a matriz ampliada Jଵ ଶ ଷ (ଵ K. Ou seja,
%0 2 1 3&
2 1 1 6
e ଵ , ଶ , ଷ , tais que
1 0 1 3
ଵ ଵ ଶ ଶ ଷ ଷ = (ଶ
De forma análoga, é preciso encontrar ଵ, ଶ, ଷ
ଵ ଵ + ଶ ଶ + ଷ ଷ = (ଷ
+ +
Jଵ ଶ ଷ (ଶ K
Que nos leva às respectivas matrizes ampliadas
Jଵ ଶ ଷ (ଷ K
Jଵ ଶ ଷ K, podemos transformar as três matrizes ampliadas para a forma

Como a matriz de coeficientes de todos os três sistemas lineares é
escalonada reduzida por linha simultaneamente, transformando a matriz em
Jଵ ଶ ଷ ⋮ (ଵ (ଶ (ଷ K
blocos
Para a forma escalonada reduzida por linhas. Dessa maneira,
%0 2 1 ⋮ 3 −1 5&
2 1 1 ⋮ 6 4 5
1 0 1 ⋮ 3 3 2
⇢ 'ଵ ↔ 'ଷ ⇢ %0 2 1 ⋮ 3 −1 5& ⇢ 'ଷ = 'ଷ − 2'ଵ ⇢

1 0 1 ⋮ 3 3 2
2 1 1 ⋮ 6 4 5
%0 2 1 ⋮ 3 −1 5& ⇢ 'ଶ ↔ 'ଷ ⇢ %0 1 −1 ⋮ 0 −2 1&

1 0 1 ⋮ 3 3 2 1 0 1 ⋮ 3 3 2
0 1 −1 ⋮ 0 −2 1 0 2 1 ⋮ 3 −1 5
⇢ 'ଷ = 'ଷ − 2'ଶ ⇢ %0 1 −1 ⋮ 0 −2 1& ⇢ 'ଷ = ଷ 'ଷ ⇢

1 0 1 ⋮ 3 3 2
ଵ
0 0 3 ⋮ 3 3 3
⇢ 'ଵ = 'ଵ − 'ଷ ⇢

%0 1 −1 ⋮ 0 −2 1& %0 1 0 ⋮ 1 −1 2&
⇢ 'ଶ = 'ଶ + 'ଷ ⇢
1 0 1 ⋮ 3 3 2 1 0 0 ⋮ 2 2 1
0 0 1 ⋮ 1 1 1 0 0 1 ⋮ 1 1 1
Assim
J(ଵ Kௌ = %1& J(ଶ Kௌ = %−1& J(ଷ Kௌ = %2&

2 2 1
:: ::
1 1 1

Conclusão: Como ௌ←் JJ( K K K K
ଵ ௌ J(ଶ ௌ J(ଷ ௌ , então ௌ←் = %1 −1 2&
2 2 1
=
1 1 1
b) JK ் indica que é uma combinação linear dos vetores da base V. Assim,
ଵ (ଵ + ଶ (ଶ + ଷ (ଷ = J(ଵ (ଶ (ଷ K
1 2+3 5+6 2+3 ⇢ 'ଶ = 'ଶ − 3'ଵ ⇢

%3 −1 5 −9& ⇢ 'ଵ = 'ଵ ⇢ G3 −1 −9 H ⇢ 'ଷ = 'ଷ − 3'ଵ ⇢
6 4 5 4
ଵ
଺ 5
3 3 2 5 3 3 2 5
2+ 5+ 2+ 2+ 5+ 2+
O1 3R O1 3R
N0 5+ Q ⇢ 'ଶ ↔ 'ଷ ⇢ N0 +2 3 Q
3 6 3 6
N 2 −11Q N Q
1 −1
−3 5+2 −11P
−3
−1+
M0 1 2 3 P M0
7+ −4+
⇢ 'ଵ = 'ଵ − 'ଶ ⇢ ⇢ 'ଵ = 'ଵ − ଺ 'ଷ ⇢
*0 1 −1+ ,
ଶ 1 0 6 3
଻
⇢ 'ଷ = 'ଷ + 3'ଶ ⇢ ⇢ 'ଶ = 'ଶ + ଶ 'ଷ ⇢

ଷ
2 3 ଵ
0 0 1 −2
ଵ = 1
%0 1 0 2 & = ! ଶ = 2
1 0 0 1
0 0 1 −2 ଷ = −2
Conclusão: JK ் = % 2 &

1
−2
Prova: ଵ (ଵ + ଶ (ଶ + ଷ (ଷ = ଵ %3& + ଶ %−1& + ଷ %5& = %−9&

6 4 5 4

3 3 2 5
1. %3& + 2. %−1& − 2. %5& = %−9& %3& + %−2& − %10& = %−9&

6 4 5 4 6 8 10 4
3 3 2 5 3 6 4 5
%3 − 2 − 10& = %−9&
6 + 8 − 10 4
3+6−4 5

c) +, = ← +,
2.1 + 2.2 + 1. −2

JKௌ = %1 −1 2& . % 2 & JKௌ = G1.1 + −1. 2 + 2. −2H
2 2 1 1
1.1 + 1.2 + 1. −2

1 1 1 −2
Conclusão: JKௌ = %−5&

4
Exemplo 2: Sendo um dado vetor de coordenadas JKௌ = %−5& e matriz de transição ௌ←் =
4
1
%1 −1 2&, encontre o vetor correspondente à nova base JK ்
2 2 1
1 1 1
Solução:
JK ் = ்←ௌ JKௌ
Como ்←ௌ = ௌ←் ିଵ , então
Jௌ←் ⋮ ]K J] ⋮ ௌ←் ିଵ K
%1 −1 2 ⋮ 0 1 0& ⇢ 'ଵ ↔ 'ଷ ⇢ %1 −1 2 ⋮ 0 1 0&

2 2 1 ⋮ 1 0 0 1 1 1 ⋮ 0 0 1
1 1 1 ⋮ 0 0 1 2 2 1 ⋮ 1 0 0
⇢ 'ଶ = 'ଶ − 'ଵ ⇢ ⇢ 'ଶ = −2'ଶ ⇢

%0 −2 1 ⋮ 0 1 −1&
⇢ 'ଷ = 'ଷ − 2'ଵ ⇢ ⇢ 'ଷ = −'ଷ ⇢
1 1 1 ⋮ 0 0 1
0 0 −1 ⋮ 1 0 −2
G0 1 +2 ⋮ 0 +2 +2H ⇢ 'ଵ = 'ଵ − 'ଶ ⇢

1 1 1 ⋮ 0 0 1
−1 −1 1
0 0 1 ⋮ −1 0 2
1 0 3+2 ⋮ 0 1+ 1+
⇢ 'ଵ = 'ଵ − ଶ 'ଷ ⇢
*0 1 −1+ ⋮ 0 −1+ 1+ ,
ଷ
2 2
⇢ 'ଶ = 'ଶ + ଶ 'ଷ ⇢
ଵ
2 2 2
0 0 1 ⋮ −1 0 2
1 0 0 ⋮ 3+2 1+ −5+
*0 1 0 ⋮ −1+ −1+ 3+ ,
2 2
2 2 2
0 0 1 ⋮ −1 0 2
3+ 1+ −5+
்←ௌ = *−1+ −1+ 3+ ,
2 2 2
2 2 2
−1 0 2

JK ் = ்←ௌ JKௌ
3+ 1+ −5+
JK ் = *−1+ −1+ 3+ , . %−5&
2 2 2 4
2 2 2 1
−1 0 2
3+2. 4 + 1+2. −5 + ^−5+2_. 1

JK ் = *−1+ . 4 + −1+ . −5 + 3+ . 1,
−1. 4 + 0. −5 + 2.1
2 2 2
Conclusão: JK ் = % 2 &

1
−2

Subespaço Vetorial Real
1. Verifique quais dos itens abaixo é subespaço vetorial do conjunto dado:
a) ; = , / = −2
do
$ 0
b) ./ 1 $, 0, ) ∈ 2 do M2x2
0 )
c) = , / = + 1 do
d) = , / + 7 = 0 do
e) = , / ≥ 0 do
f) = , , # / = 4 ! # = 0 do
g) = , , # / # = 2 − do
h) = , , # / = # do
i) = , −3, 4 / ∈ do
j) = , , # / + + # = 0 do
Combinação Linear
2. Escreva o polinômio v = t2 +4t –3 sobre = % + 4% − 4 sobre R como combinação linear

aos polinômios:
! = % − 2% + 5 :: ! = 2% − 3% :: ! = % + 3
Para qual valor de k será o vetor = 1, −2, em uma combinação linear dos vetores
= 5,0, −2 e ( = 2, −1, −5
3.
4. Sejam os vetores = 2, −3,2 e = −1,2,4 em . Pede-se:
Escrever o vetor ( = 7, −11,2 como Combinação Linear de e .

b) Determinar uma condição entre , , para que o vetor ( = $, 0, ) seja Combinação
a)
Linear de e .
5. Consideremos no Espaço Vetorial = `$%2 + 0% + ) / $, 0, ) ∈ a os vetores 3 = % −

2% + 1, 3 = % + 2 e 3 = 2% − 1. Pede-se:
a) Escrever o vetor 3 = 5% − 5% + 7 como Combinação Linear de 3 , 3 e 3 .

b) Escrever o vetor 3 = 5% − 5% + 7 como Combinação Linear de 3 e 3 .

6. Seja S o subespaço do definido por ; = , , 6, @ ∈ ସ / + 2 − 6 = 0 @ = 0
.
Pergunta-se:
a) = −1,2,3,0 ∈ ; ? Por que?

b) = 3,1,4,0 ∈ ; ? Por que?
c) ( = −1,1,1,1 ∈ ; ? Por que?
Subespaço Vetorial Gerado
7. Determinar os subespaços do gerados pelos seguintes conjuntos:
a) = 2, −1,3
c) = 1,0,1, 0,1,1, −1,1,0
b) = −1,3,2, 2, −2,1

d) = −1,1,0, 0,1, −2, −2,3,1
8. Seja o conjunto = ଵ , ଶ

, onde ଵ = −1,3, −1 e ଶ = 1, −2,4. Determinar:
d) O subespaço b()
e) O valor ∈ para que = 5, , 11 pertença a b()
9. Sejam os vetores ଵ = 1,1,1, ଶ = 1,2,0 e ଷ = 1,3, −1. Se = 3, −1, ∈ Jଵ , ଶ , ଷ K,

qual é o valor de ?
10. Determinar os subespaços de P (Espaço Vetorial dos polinômios de grau ≤ 2) gerados

pelos seguintes vetores:
a) Bଵ = 2 + 2 :: Bଶ = − ଶ + + 3 :: Bଷ = ଶ + 2
b) Bଵ = ଶ :: Bଶ = ଶ +
c) Bଵ = 1 :: Bଶ = :: Bଷ = ଶ
11. Determinar o Subespaço b(), onde = 1, −2, −2,4

. O que representa
geometricamente este subespaço?
12. Seja o Espaço Vetorial . Determine os subespaços gerados por:

ଵ = / 0, ଶ = / 0 e ଷ = / 0
−1 0 1 −1 0 1
0 1 0 0 1 0

Dependência e Independência Linear
13. Classificar os seguintes subconjuntos de em LI (Linearmente Independente) ou LD

(Linearmente Dependente)
a) 1,3
c) 2, −1, 3,5
b) 1,3, 2,6
d) 1,0, −1,1, 3,5
14. Verificar se são LI ou LD os seguintes subconjuntos de :
a) 2, −1,3
e) 1,2, −1, 2,4, −2, 1,3,0
b) 1, −1,1, −1,1,1

f) 1, −1, −2, 2,1,1, −1,0,3
c) 2, −1,0, −1,3,0, 3,5,0

g) 1,2, −1, 1,0,0, 0,1,2, 3, −1,2
d) 2,1,3, 0,0,0, 1,5,2
15. Verificar se são LI ou LD os seguintes subconjuntos de :
a) 2 + − , −4 − + 4 , + 2
b) `1 − + 2 , − 2 , 2 a
c) `1 + 3 + 2 , 2 − − 2 , 1 + 2 − 32 , −2 + + 32 a
d) `2 − + 1, 2 + 2a
16. Quais dos seguintes conjuntos de vetores do são LD ?
a) 2,1,0,0, 1,0,2,1, −1,2,0, −1
b) 0,1,0, −1, 1,1,1,1, −1,2,0,1, 1,2,1,0
c) 1, −1,0,0, 0,1,0,0, 0,0,1, −1, 1,2,1, −2
d) 1,1,2,4, 1, −1, −4,2, 0, −1, −3,1, 2,1,1,5
17. Sendo M(2,3) o Espaço Vetorial das matrizes 2 × 3, verificar se é LI ou LD, onde:
− 1 2 1  0 − 1 2  − 1 0 5
A=  B = − 2 1 0 C =  − 1 0 3
 3 − 2 4    
18. Determinar K ∈ IR para que seja LI o conjunto {(− 1,0,2), (1,1,1), (K ,− 2,0)}

 1 0 1 1  2 − 1 
19. Determinar K ∈ IR para que   ,  ,  seja LD.
 1 0 0 0  K 0  
Bases e Dimensão
20. Sendo v1 = (1,2 ) ∈ IR 2 , determinar v2 ∈ IR 2 tal que {v1, v2 } seja base de IR 2 .
21. Verificar quais dos seguintes conjuntos de vetores formam base do IR 2 :
a) 1,2, −1,3
c) 0,0, 2,3
b) 3, −6, −4,8

d) 3, −1, 2,3
22. Para que valores de k ∈ IR o conjunto β = {(1,k ),(k ,4 )} é base do IR 2 ?
23. O conjunto = 2, −1, −3,2

é uma base do IR 2 . Escrever o vetor genérico do IR 2
como Combinação Linear de .
24. Quais do seguintes conjuntos de vetores formam uma base do IR 3 ?
a) 1,1, −1, 2, −1,0, 3,2,0
b) 1,0,1, 0, −1,2, −2,1, −4
c) 1,2,3, 4,1,2
d) 2,1, −1, −1,0,1, 0,0,1
e) 0, −1,2, 2,1,3, −1,0,1, 4, −1, −2
25. Quais dos seguintes conjuntos de vetores formam base de P2 ?
a) 2t ଶ + t − 4, t ଶ − 3t + 1
b) 1, t, t ଶ
c) 2, 1 − x, 1 + x ଶ
d) 1 + x + x ଶ , x + x ଶ , x ଶ
e) x − x ଶ , 1 + x, 1 + 2x − x ଶ
26. Determinar uma base do subespaço do IR 4 gerado pelos vetores
ଵ = 1, −1,0,0 :: ଶ = −2,2,2,1 :: ଷ = −1,1,2,1 :: ସ = 0,0,4,2

{ }
27. Seja V = IR e o conjunto B = (0,1,1), (1,1,0), (1, 2,1) ⊂ IR 3 ;
3
a) Mostrar que B não é base do IR 3 ;

b) Determinar uma base do IR 3 que possua dois elementos de B.
28. Sejam os vetores v1 = (1,0, − 1), v2 = (1,2,1) e v3 = (0, − 1,0) do IR 3 ;
a) Mostrar que B = {v1 ,v2 ,v3 } é base do IR 3 ;

b) Escrever cada um dos vetores e1 = (1,0,0), e2 = (0,1,0), e3 =(0,0,1) como CL dos
vetores da base B.
29. Determinar uma dimensão para cada um dos seguintes subespaços vetoriais:
a) W ={( x, y, z ) ∈ IR 3 / y = 3 x }
b) W ={( x, y, z ) ∈ IR / y = 5 x e z = 0
3
}
c) W ={( x, y ) ∈ IR / x + y = 0
2
}
d) W ={( x, y, z ) ∈ IR / x = 3 y e z = − y
3
}
e) W ={( x, y, z ) ∈ IR 3
/ 2 x − y + 3z = 0}
f) W ={(x, y, z ) ∈ IR 3 / z = 0}
30. Determinar a dimensão para cada um dos seguintes subespaços vetoriais de ଶ௫ଶ :
a b 
a) V =    / b = a + c e d = c
 c d 
 a b 
b) V =    / b = a + c
 c d 
 a b 
c) V =    / c = a − 3b e d = 0 
 c d 
a b 
d) V =    / a + d = b + c
 c d 
 a b 
31. Seja o subespaço S =    / c = a + d e d = a  de ଶ௫ଶ . Pede-se:
 c d 
a) Qual é a dimensão de S ?
 1 − 1  2 1 
b) O conjunto   ,  é uma base de S ? Justificar!
 0 1   3 4 

32. Sejam os vetores v1 = (1,− 1,0,− 2 ), v2 = (− 3,2,1,5), v3 = (3,− 7,− 2,− 4 ) . Pede-se:
a) Encontre o Subespaço de IR4 gerado por v1 , v2 e v3 ;
b) O vetor u = (2,0,− 1,− 1) ∈ ? Por que?
c) O vetor u = (3,6,− 5,− 1) ∈ ? Por que?
d) Os vetores v1 , v2 e v3 são LI ou LD ? Justificar!
e) Qual a dimensão de (dim) ? Por que?

f) Encontre uma base de . Justificar!
33. Sejam os vetores v1 = (− 3,1,2,4 ), v 2 = (− 3,2,1,5), v 3 = (1,− 1,0,− 2 ) . Pede-se:
a) Encontre o Subespaço de IR4 gerado por v1 , v2 e v3 ;
b) O vetor u = (− 2,3,− 1,− 5) ∈ ? Por que?
c) O vetor u = (1,1,− 2,0 ) ∈ ? Por que?
d) Os vetores v1 , v2 e v3 são LI ou LD ? Justificar!
e) Qual a dimensão de (dim) ? Por que?

f) Encontre uma base de . Justificar!
Mudança de Base
34. Sejam as bases = ଵ , ଶ e = ଵ , ଶ de ଶ, onde
ଵ = 1,0 :: ଶ = 0,1
ଵ = 1,1 :: ଶ = 2,1
a) Calcule a matriz de transição ௌ←்

b) Sendo
் =
−3 5் , encontre as coordenadas
ௌ .
35. Seja = ଷ e = ଵ , ଶ , ଷ e = ଵ , ଶ , ଷ duas bases distintas para ଷ, onde
ଵ = 2,0,1 :: ଶ = 1,2,0 :: ଷ = 1,1,1

ଵ = 6,3,3 :: ଶ = 4, −1,3 :: ଷ = 5,5,2
a) Calcule a matriz de transição ௌ←்

b) Sendo = 4, −9,5, encontre as coordenadas
் .
c) Com base nas informações obtidas nos itens anteriores (ௌ←் e
் ), calcule
ௌ

4
36. Sendo um dado vetor de coordenadas
ௌ = −5 e matriz de transição ௌ←் =
1
2 2 1
1 −1 2, encontre o vetor correspondente à nova base
்
1 1 1

RESPOSTAS
1. a) Sim :: b) Sim :: c) Não :: d) Sim :: e) Não

f) Sim :: g) Sim :: h) Não :: i) Sim :: j) Sim
2. = −3ଵ + 2ଶ + 4ଷ
=
ିସସ
3.
ହ
4. a) = 3 −
b) 16 + 10 −
5. a) = 3ଵ + 2ଶ + ଷ
b) Impossível
6. a) Sim, porque ( + 2 − = −1 + 2.2 − 3 = 0) e = 0 = 0

b) Não, porque + 2 − = 3 + 2.1 − 4 ≠ 0
c) Não, porque = 1 ≠ 0
7. a) , , ∈ ଷ / = −2 = −3

b) , , ∈ ଷ / 7 + 5 − 4 = 0
c) , , ∈ ଷ / + − = 0
d) ଷ
8. a) = , , ∈ ଷ / 10 + 3 − = 0

b) = −13
9. =7
10. a) = ଶ + + / = 2 +
b) = ଶ + / , ∈
c) =
11. A reta = −2

12. = " / + − + ! = 0#
!
13. a) LI b) LD c) LI d) LD
14. a) LI c) LD e) LD g) LD
b) LI d) LD f) LI
15. a) LD b) LI c) LD d) LI
16. Itens “b” e “d”
17. LI
18. $ ≠ 3
19. $ = 3

20. ଶ ≠ ଵ ∀ ∈
21. Itens “a” e “d”
22. $ ≠ ±2
23. , = 2 + 32, −1 + + 2−3,2
24. Itens “a” e “d”
25. Itens “b”, “c” e “d”
26. ଵ , ଶ
0 1 1
27. a) %1 1 2% = 0. Ou seja, B é LD.
1 0 1
b) 0,1,1, 1,1,0, 0,0,1
1 1 0
28. a) % 0 2 −1% ≠ 0. Ou seja, B é LI.
−1 1 0
b) ଵ = ଶ ଵ + ଶ ଶ + ଷ ଶ = −ଷ ଷ = − ଶ ଵ + ଶ ଶ + ଷ
ଵ ଵ ଵ ଵ
:: ::
29. a) dim& = 2 c) dim& = 1 e) dim& = 2

b) dim& = 1 d) dim& = 1 f) dim& = 2
30. a) dim = 2 b) dim = 3 c) dim = 2 d) dim = 3

31. a) dim = 2, porque o subespaço é função de 2 variáveis = "
2

" = " e " .
1 −1 2 1

b) Não é uma base porque
0 1 2 3 4
32. a) = , , , ∈ ସ / 2 + + = 0
b) Não. , porque não satisfaz a condição 2 + + = 0.
c) Sim. ∈ .
d) LI, porque nenhum dos 3 vetores pode ser escrito como uma combinação linear dos
outros dois.
e) dim = 3
f) ଵ , ଶ , ଷ porque esses vetores são LI.
33. a) = , , , ∈ ସ / + + = 0 − + = 0
b) Não. , porque não satisfaz a condição − + = 0.
c) Sim. ∈ .
d) LD, porque ଷ é CL de ଵ , ଶ . ଷ = ଵ − ଶ
ଵ ଶ
ଷ ଷ
e) dim = 2

f) ଵ , ଶ porque, usando escalonamento, as linhas não-nulas são 'ଵ e 'ଶ . Ou seja,
ଵ , ଶ são LI.
34. a) ௌ←் = "

1 2
1 1
b)
ௌ =
7 2் . Ou seja, −3ଵ + 5ଶ = 7ଵ + 2ଶ.
2 2 1
35. a) ௌ←் = 1 −1 2
1 1 1
c)
் =
1 2 −2்
d)
ௌ =
4 −5 1்
36.
் =
1 2 −2்

UNIDADE 4 – TRANSFORMAÇÕES LINEARES Notas de Aula
Uma transformação linear é uma aplicação que leva vetores de um espaço vetorial em outro.
Denota-se uma transformação linear como : → , onde é a transformação linear (uma

aplicação, mapeamento, função, etc) de em , sendo (um espaço vetorial) o domínio e
(um espaço vetorial) o contradomínio.
Definição: Se : → é uma função de um espaço vetorial em um outro espaço vetorial

, então é chamada uma transformação linear de em se, para quaisquer
vetores e em e qualquer escalar valem
(i)
+ =
+
;
(ii)
=
.
No caso especial em que = , a transformação linear é chamada um operador linear

de .
Observações.
• Nós escrevemos : → para indicar que aplica vetores do espaço vetorial em

vetores do espaço vetorial . Isto é, é uma função com domínio , contra domínio
e cuja imagem é um subconjunto de ;
•
é lido " de ", de modo análogo à notação funcional (, que é lida " ( de ";
• No caso especial em que = , ou seja, uma transformação linear : → , que tem

como domínio e contra domínio o mesmo espaço vetorial , a transformação linear é
chamada um operador linear de ;
• As duas condições (i) e (ii) da definição podem ser aglutinadas numa só:

+ =
+
.

Exemplo: Dentre as transformações, verifique quais são lineares:
a) : ଶ → , , = 2 + 3
b) : ଶ → ଶ , , = 2, 3
c) : ଶ → ଶ , , = + , −
d) : ଶ → ଷ , , = + , 0,0
e) : ଶ → , , = 2 + 3 + 4
f) : ଶ → ଶ , , = ଶ , ଶ
g) : ଶ → ଷ , , = + , 1,3
Solução:
Sendo = ଵ , ଵ e = ଶ , ଶ ...
a) : ଶ → , , = 2 + 3
(i) + = )ଵ , ଵ + ଶ , ଶ * = ଵ + ଶ , ଵ + ଶ

Como , = 2, 3,
faz-se “ = ଵ + ଶ ” e “ = ଵ + ଶ ”
, = 2 + 3 = 2ଵ + ଶ + 3ଵ + ଶ
= 2ଵ + 2ଶ + 3ଵ + 3ଶ = 2ଵ + 3ଵ + 2ଶ + 3ଶ
= ଵ , ଵ + ଶ , ଶ
= +
(ii) + = )+ଵ , ଵ * = +ଵ , +ଵ

, = 2 + 3 = 2+ଵ + 3+ଵ
= +2ଵ + 3ଵ
= +
Conclusão: , = 2 + 3 é uma transformação linear
b) : ଶ → ଶ , , = 2, 3
(i) + = )ଵ , ଵ + ଶ , ଶ * = ଵ + ଶ , ଵ + ଶ

Como , = 2, 3,
faz-se “ = ଵ + ଶ ” e “ = ଵ + ଶ ”
, = 2, 3 = )2ଵ + ଶ , 3ଵ + ଶ * = 2ଵ + 2ଶ , 3ଵ + 3ଶ
= )2ଵ , 3ଵ + 2ଶ , 3ଶ *
= +

(ii) + = )+ଵ , ଵ * = +ଵ , +ଵ
, = 2, 3 = )2+ଵ , 3+ଵ * = 2+ଵ , 3+ଵ
= +2ଵ , 3ଵ
= +
Conclusão: , = 2, 3 é uma transformação linear
c) : ଶ → ଶ , , = + , −
(i) + = )ଵ , ଵ + ଶ , ଶ * = ଵ + ଶ , ଵ + ଶ

Como , = 2, 3,
faz-se “ = ଵ + ଶ ” e “ = ଵ + ଶ ”
, = + , − = )ଵ + ଶ + ଵ + ଶ , ଵ + ଶ − ଵ + ଶ *
= )ଵ + ଶ + ଵ + ଶ , ଵ + ଶ − ଵ + ଶ *
= )ଵ + ଵ , ଵ − ଵ + ଶ + ଶ , ଶ − ଶ *
= +
(ii) + = )+ଵ , ଵ * = +ଵ , +ଵ

, = + , − = +ଵ + +ଵ , +ଵ − +ଵ
= +ଵ + ଵ , ଵ − ଵ
= +
Conclusão: , = + , − é uma transformação linear
d) : ଶ → ଷ , , = + , 0,0
(i) + = )ଵ , ଵ + ଶ , ଶ * = ଵ + ଶ , ଵ + ଶ

Como , = 2, 3,
faz-se “ = ଵ + ଶ ” e “ = ଵ + ଶ ”
, = + , 0,0 = )ଵ + ଶ + ଵ + ଶ , 0,0*
= )ଵ + ଵ , 0,0 + ଶ + ଶ , 0,0*
= +
(ii) + = )+ଵ , ଵ * = +ଵ , +ଵ

, = + , 0,0 = +ଵ + +ଵ , 0,0
= +ଵ + ଵ , 0,0
= +
Conclusão: , = + , 0,0 é uma transformação linear

e) : ଶ → , , = 2 + 3 + 4
(i) + = )ଵ , ଵ + ଶ , ଶ * = ଵ + ଶ , ଵ + ଶ

Como , = 2, 3,
faz-se “ = ଵ + ଶ ” e “ = ଵ + ଶ ”
, = 2 + 3 + 4 = 2ଵ + ଶ + 3ଵ + ଶ + 4
= 2ଵ + 2ଶ + 3ଵ + 3ଶ + 4 = 2ଵ + 3ଵ + 2ଶ + 3ଶ + 4
= ଵ , ଵ + ଶ , ଶ + 4
≠ +
Conclusão: , = 2 + 3 + 4 não é uma transformação linear porque

0,0 = 4
f) : ଶ → ଶ , , = ଶ , ଶ
(i) + = )ଵ , ଵ + ଶ , ଶ * = ଵ + ଶ , ଵ + ଶ

Como , = 2, 3,
faz-se “ = ଵ + ଶ ” e “ = ଵ + ଶ ”
, = ଶ , ଶ = ଵ + ଶ ଶ , ଵ + ଶ ଶ
= )ଵ ଶ + 2ଵ ଶ + ଶ ଶ , ଵ ଶ + 2ଵ ଶ + ଶ ଶ *
= ଵ ଶ , ଵ ଶ + )ଶ ଶ , ଶ ଶ * + 2ଵ ଶ , 2ଵ ଶ
≠ +
Conclusão: , = ଶ , ଶ não é uma transformação linear
g) : ଶ → ଷ , , = + , 1,3
Conclusão: , = + , 1,3 não é uma transformação linear porque

0,0 = 0,1,3 ≠ 0,0,0

Transformações Lineares
1. Dentre as transformações, verifique quais são lineares:
a) T : ℜ 2 → ℜ 2 , T ( x; y ) = ( x − 3 y ; 2 x + 5 y )
b) (
T : ℜ 2 → ℜ 2 , T ( x; y ) = x 2 ; y 2 )
c) T : ℜ 2 → ℜ 2 , T ( x; y ) = ( x − y ; 0 )
d) T : ℜ → ℜ 2 , T ( x ) = (x ; 2)
e) T : ℜ 3 → ℜ, T ( x ; y ; z ) = −3 x + 2 y − z
2y 3x  
f) T : ℜ 2 → M (2,2 ), T ( x; y ) =   
 − y x + 2 y  
 a b  
g) T : M (2,2 ) → ℜ 2 , T     = (a − c ; b + c )
 c d  
2 x + y + 3z 
h) T : ℜ 3 → ℜ 2 , T ( x; y ; z ) =  
 − x − 2z 
RESPOSTAS
1. a) T é linear
b) T não é linear
c) T é linear
d) T não é linear
e) T é linear
f) T é linear
g) T é linear
h) T é linear

REFERÊNCIAS BIBLIOGRÁFICAS
(Anton, 2001) Anton, H; Rorres, C. Álgebra Linear com Aplicações. 8ª edição. Porto Alegre:
Bookman, 2001.
(Kolman, 2008) Kolman, B. Introdução à Álgebra Linear com Aplicações. 8ª edição. LTC, 2008.
(Lipschutz, 1994) Lipschutz, S. Álgebra Linear: 591 Problemas Resolvidos, 442 Problemas
Suplementares. 3ª edição. Makron Books, 1994.
(Boldrini, 1986) Boldrini, J. L. Álgebra Linear. 3ª edição. Harbra, 1986.

NMF105 Notas de Aula

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

NMF105 Notas de Aula

Transféré par

Droits d'auteur :

Formats disponibles

2010

Prof. Fabio Lacerda

UNIDADE 1 – MATRIZES E SISTEMAS DE EQUAÇÕES LINEARES .................................. 1

UNIDADE 1 – MATRIZES E SISTEMAS DE EQUAÇÕES LINEARES Notas de Aula

Movimentação (em número de ações)

Poderia ser abstraída para:

ܽ ܽ ܽ

ܽ ܽ ܽ

ܽ ܽ ܽ

NMF105 – Notas de aula 1

1.2.1 Matriz quadrada O número de linhas é igual ao número de colunas (m = n).

= 5 5 ∴  = 2 ∴  =

1.2.3 Matriz coluna Possui uma única coluna (n=1).

= −2 ∴  =

1.2.4 Matriz linha Possui uma única linha (m=1).

= 1 3 ∴  = 0  ∴  =  

elementos fora da diagonal principal são nulos.

NMF105 – Notas de aula 2

= e ௜௝ = 0 para ≠ . Ou seja, possui “1” na diagonal

principal e “0” para todas as outras entradas.

1.2.9 Matriz simétrica Matriz quadrada (m=n) onde ௜௝ = ௝௜ .

NMF105 – Notas de aula 3

1.3.1 Adição a soma de duas matrizes de mesma ordem ( = ) é representada

 +   +   + 

 +   +   + 

 +   +   + 

1.3.2 Multiplicação representada por “ k.A ”, é obtida multiplicando-se A por k. Ou seja,

  

  

 = −3. 2 1 = −6 −12 −3

NMF105 – Notas de aula 4

1.3.3 Transposição representada por “  ” ou por “ ”, é obtida quando as linhas de A

NMF105 – Notas de aula 5

Exemplo 2: Sendo  = −2 0 4, calcule 2

Exemplo 3: Dadas = 0 ,   4, calcule X

aproveitando os cálculos dos exemplos 1 e 2, tem-se,

NMF105 – Notas de aula 6

2 − 2.1 + 2. !−3" 4 − 2. !−2" + 2.0 6 − 2. !−3" + 2.2

NMF105 – Notas de aula 7

O produto de duas matrizes A e B, denotado por “AB”, só é possível se o número de colunas de

.  =  ∴  .  = 

.  =  ∴  .  = 

Exemplo 1: Resolver , onde  

Exemplo 2: Resolver  = , onde =

(1. !−4" + 3.6)

NMF105 – Notas de aula 8

( . + (−4).2) . !−4" + (−4). (−3 )

Resolvendo o sistema, encontra-se = 0  = −8.

NMF105 – Notas de aula 9

= 9067,50 17887,60 30478,12 21471,47 48580 51287

NMF105 – Notas de aula 10

i) Troca de ordem de duas linhas da matriz (exemplo 1);

Exemplos de operações possíveis:

Exemplos de operações que NÃO são possíveis:

NMF105 – Notas de aula 11

Exemplo: encontrar a inversa da matriz =

 = 415 ∴  = −315 ∴  = −115 ∴  = 215

1.6.1 Cálculo da matriz inversa pelo método de Gauss-Jordan

Exemplo: Achar a inversa da matriz = 1 2 1

NMF105 – Notas de aula 12

1.7 SISTEMAS DE EQUAÇÕES LINEARES

1.7.1 Definições básicas

ܽ ܽ ܽ

ܽ ܽ ܽ

ܽ ܽ ܽ

= 5 5 ∴ = 2 ∴ =

= −2 ∴ =

= 1 3 ∴ = 0 ∴ =

+ + +

+ + +

+ + +

= −3. 2 1 = −6 −12 −3

1.3.3 Transposição representada por “ ” ou por “ ”, é obtida quando as linhas de A

Exemplo 2: Sendo = −2 0 4, calcule 2

Exemplo 3: Dadas = 0 , 4, calcule X

. = ∴ . =

. = ∴ . =

Exemplo 1: Resolver , onde

Exemplo 2: Resolver = , onde =

(. + (−4).2) . !−4" + (−4). (−3)

Resolvendo o sistema, encontra-se = 0 = −8.

= 9067,50 17887,60 30478,12 21471,47 48580 51287

= 415 ∴ = −315 ∴ = −115 ∴ = 215

+ + ⋯ + =

Logo, se : = ;, então x= −< − ; e = $ + $;

Logo, se : = =, então > = −= e = $

Se ( = admitir solução única (A for inversível), então:

80 + 60 + 70 = 1660

12 + 9 + 10 = 243

20. a) 2 + + 4 = 2000 ( ! )