1

Apresentação

A disciplina Álgebra Linear, que faz parte da grade curricular dos cursos de
Exatas, dá continuidade aos estudos de cálculo dos referidos cursos. Esta disciplina
objetiva dar ao estudante uma continuidade no aprendizado de matemática iniciada
com a disciplina Cálculo Diferencial e Integral.

Sabemos a importância da Matemática para o estudante de outras ciências,

como por exemplo: Computação, Arquitetura, Física etc. Em função disso, espera-se
que este trabalho seja um instrumento a mais para os estudos que você está
realizando na área de Exatas.

O conteúdo da disciplina Álgebra Linear é composto de Matriz, Determinante,

Sistema de Equações Lineares e suas devidas aplicações além de apresentar os
primeiros passos nos estudos de Espaços Vetoriais e Transformações Lineares.
Finalmente pretendemos que este trabalho venha contribuir para seu
crescimento intelectual, melhorando o desenvolvimento de seu raciocínio lógico,
com isso contribuindo para sua formação.

Um bom aprendizado!

Prof, Anicio Bechara Arero.

 2

MATRIZES

Objetivo de Aprendizagem
- Conceituar matriz.
- Aplicar as operações com matrizes.
- Resolver problemas práticos.

1.0- INTRODUÇÃO

Imagine um empresário que tem uma rede de cinco lojas de materiais de

construção que ele denominou de A, B, C, D, e E, distribuídas nos bairros da grande
Belém.
Em função da quantidade de loja, para facilitar o controle, ele anota o faturamento
mensal, em reais, de cada loja, arrumando-os em tabelas.
Com a obtenção dos dados de julho a dezembro de 2015, o empresário, utilizando o
Excel, construiu uma planilha com a seguinte disposição:

Julho agosto Setembro outubro novembro dezembro

A 380.550 338.000 349.036 326.000 349.800 390.500
B 386.000 239.000 259.400 247.000 267.500 156.550
C 578.000 548.400 530.000 526.600 564.900 584.700
D 128.000 124.080 123.098 124.000 124.000 128.680
E 281.300 274.076 275.800 274.900 278.550 282.908

Observe que esta disposição dos dados facilita o controle quanto ao faturamento de
cada loja, pois, com uma simples observação, o empresário sabe quanto uma loja
arrecadou.
Por exemplo: A loja B, em dezembro, arrecadou 156.550 (encontro da 2ª linha com a
6ª coluna). Tal valor chama a atenção do empresário, pois, ele observa que houve uma
queda acentuada no faturamento em relação à média (258.430). Em decorrência desse
valor, o empresário vai à atrás dos motivos que levaram a essa diminuição.

2.0- Definição de Matriz: denomina-se matriz do tipo “m x n” (lê-se “m por n”) a toda
tabela de números, dispostos em “m” linhas e “n” colunas. Essa tabela pode ficar entre
parênteses ( ), entre colchetes [ ] ou entre barras duplas . As duas primeiras
representações são as mais utilizadas. Por exemplo:

3.0- Representação Genérica de uma Matriz.

 3

É relevante observar que os índices da letra “A” representam a quantidade de

linhas (m) e a quantidade de colunas (n) existentes na matriz, por exemplo: A 3x2 é a
matriz constituída por 3 linhas e 2 colunas. Os índices da letra “a” representam a linha
(i) e a coluna (j) em que se encontra o elemento, por exemplo: a 32 é o elemento (aij )
que se encontra na 3ª linha (i = 3) e na 2ª coluna (j = 2). Podemos abreviar a
representação genérica por A = (aij)mxn.
Exemplos:
1) Em relação a matriz abaixo, determine:
a) a13 b) a32 c) 2.a22 + 4.a31 d) 5.a11 – 3.a12

a) a13 = 4 (elemento que se encontra no cruzamento da 1a linha com a 3a coluna)

b) a32 = 1
c) 2.a22 + 4.a31 = 2.(-2) + 4.0 = -4
d) 5.a11 – 3.a12 = 5.(-1) – 3.5 = -5 – 15 = -20

2) Representar explicitamente a matriz A = (aij)3x2 tal que aij = 3i – 2j.

4.0- Tipos de Matrizes

10) Matriz quadrada: apresenta o número de linhas igual ao número de colunas.

Exemplo:

20) Matriz identidade: Apresenta todos os elementos da diagonal principal iguais a 1 e

os demais elementos nulos.

3o) Matriz Nula: apresenta todos os elementos nulos.

 4

4o) Matrizes Transpostas: as linhas da matriz A é, ordenadamente, igual as colunas

da matriz transposta At.
At2x3=

Propriedades da Matriz Transposta

1a) (A + B)T = AT + BT
2a) (kA)T = [Link]
3a) (AT)T = A
4a) (A.B)T = [Link]

5o) Matriz Diagonal: é a matriz que apresenta todos elementos não pertencente a
diagonal principal nulos. Por exemplo:

6o) Matriz Triangular

6.1) Matriz Triangular Superior: apresenta os elementos abaixo da diagonal principal

nulos. Por exemplo:
ou

6.2) Matriz Triangular Inferior: apresenta os elementos acima da diagonal principal

nulos. Por exemplo:
ou

70) Matriz Ortogonal: Uma matriz real A é ortogonal se, e somente se, o produto dela
pela sua transposta (vice-versa) resultar na matriz identidade: AxAt = At x A = I

80) Matriz Normal Uma matriz real A é normal se, e somente se, o produto dela pela
sua transposta apresenta comutatividade, ou seja, AxAt = At x A.

90) Matriz Simétrica: uma matriz A é simétrica se, e somente se, for igual a sua
transposta At (A = At).

100) Matriz Anti-simétrica: Uma matriz é anti-simétrica, se somente se, sua transposta
for igual a sua oposta (At = -A).

5.0- Igualdade de Matrizes: duas matrizes A e B são iguais se, e somente se, todo
elemento de A é igual ao seu correspondente em B. Observe as matrizes abaixo.
 5

Dizemos que A = B  = , = , = e = .

Exemplo:
- Determine P = 3x – 2y, sendo

Solução:

Exercícios

01) Calcule x e y   tais que:

02) A matriz abaixo representa o desempenho de uma equipe de basquetebol nas seis
primeiras rodadas do campeonato nacional onde, cada elemento aij dessa matriz é o
número de pontos marcados pelo jogador de número i no jogo j.

a) Quantos pontos marcou o jogador de número 2 no jogo 4?

b) Quantos pontos marcou a equipe no jogo 5?
c) Quantos pontos marcou o jogador de número 4 em todos os jogos?
d) Quantos pontos aconteceram no jogo 6?

03) Represente explicitamente cada uma das matrizes:

a) A2x3 tal que aij = 2i – 4j

b) A2x2 tal que aij = (-2)i – 2j
c) A3x3 tal que aij =
d) A3x3 tal que aij =

04) Determine P = 3x +2y sendo a matriz abaixo (A) simétrica.

.
 6

05) Calcule x e y  , de modo que:

6.0- Adição de Matrizes

Ao somar as matrizes A(aij)mxn e B(bij)mxn , encontramos uma matriz C(cij)mxn tal que:
cij = aij + bij. Observe a operação abaixo.

Exemplo:

- Dadas as matrizes abaixo, determine:

a) A + B b) A – B.

Solução:
a) A + B =

a) A - B = A + (-B) =
Aplicação:

01- Uma empresa, revendedora de computadores, é composta por duas lojas A e

B. realizado um estudo sobre a aceitação de dois novos modelos de computadores nos
quatro primeiros dias de janeiro, encontrou-se os resultados representados pelas
matrizes A e B acima.
A matriz A representa o desempenho da loja A, sendo a ij o número de unidades
vendidas do modelo i no dia j e a matriz B descreve o desempenho da loja B, sendo b ij
o número de unidades vendidas do modelo i no dia j. De posse dessas informações,
pergunta-se: Qual a representação matricial da quantidade vendida desses dois
modelos, nas duas lojas, nos 4 dias de janeiro?

Solução:

A+B=
 7

02- Determine o desempenho da loja A em relação à loja B do exemplo anterior.

Solução:

Neste fato, devemos subtrair de cada elemento da matriz A o seu correspondente da

matriz B, obtendo o seguinte resultado:
A - B = A + (-B) =
O elemento a11 = 1 indica que a loja A vendeu uma unidade a mais do modelo 1, no dia
primeiro, do que a loja B; o elemento a21 = -4 nos indica que a loja A vendeu menos
4unidades do modelo 2, no dia primeiro, do que a loja B.

07- Propriedades da Soma de Matrizes

1a) Associativa: (A+B)+C = A+(B+C)

2a) Comutativa: A + B = B + A
3a) Elemento Neutro: A + O = O + A = A (O  matriz nula mesma ordem de A)
4a) Elemento Oposto: A+A`=A`+A=O (O matriz nula mesma ordem de A e A`=-A)

8.0- Multiplicação de um Número por uma Matriz

Ao multiplicar um número por uma matriz, deve-se multiplicar esse número por todos
os elementos da matriz.

Exemplo:
Dadas a matriz , determine:
a) 3x A b) -5xA

Solução:

a) 3x A =

b) -5xA =

9.0- Multiplicação de Matrizes

O produto de duas matrizes só pode ser realizado se, e somente se, o número de
colunas da primeira for igual ao número de linhas da segunda matriz.
Para realizar a operação, devemos multiplicar cada linha da primeira matriz por
todas as colunas da segunda matriz.

O produto de linha por coluna é realizado da seguinte maneira:

Exemplo:
- Dada as matrizes e , determine A.B.
 8

A partir desse momento, podemos resolver produto entre duas matrizes, onde, o
número de colunas da primeira tem que ser igual ao número de linhas da segunda
matriz.
- Dadas as matrizes

Solução:

10.0- Propriedades da Multiplicação de Matrizes

1a) Associativa: (A x B) x C = A x (B x C)
2a) Distributiva à direita: (A + B) x C = AxC + BxC.
3a) Distributiva à esquerda: Ax(B + C) = A x B + A x C.
4a) Sendo Amxn , tem-se que: AmxnxIn e Imx Amxn
5a) Sendo A e B duas matrizes e k uma constante, tem-se: (kA)B=A(kB)=k(AB).
6a) Sendo A e B duas matrizes, tem-se: (AxB)t = AtxBt.

EXERCÍCIOS

01- Represente explicitamente cada matriz abaixo:

a) A= (aij) 3x3 tal que aij = 3i – 2j
b) B= (bij)2x3 tal que bij = (-2)i + 2j
c) C = (cij)3x3 tal que cij =
d) D = (dij)3x3 tal que dij =
02- Determine 4x – 2y sendo

03- Dadas as matrizes A3x3 = e B3x3 = ,

determine;
a) A + B b) A – B c) A T + B d) -2A+ 3BT
e) A.B f) A.I(iderntidade) g) A.B T h) (A – 2B).BT

04- Resolva x .

SINTESE DA UNIDADE
 9

A finalidade dessa unidade é permitir que o aluno tenha o conhecimento das

propriedades das matrizes e suas operações.

DETERMINANTES
Objetivo de Aprendizagem
- Conceituar determinante.
- Calcular o valor de um determinante através de regras práticas.
- Aplicar determinantes em problemas práticos.

1- Conceito

Determinante de 2a ordem.

- Observe a resolução do sistema abaixo, nas incógnitas x e y.

Se, o coeficiente de y for diferente de zero (ad – cb  0), haverá apenas uma solução
para o sistema. Então, a expressão ad – cb é cognominada de determinante dos
coeficientes do sistema sendo representada por:

Observando a expressão ad – cb, verifica-se que ela surge da diferença do produto dos
elementos da diagonal principal e o produto dos elementos da diagonal secundária,
sendo um determinante de segunda ordem.

Nota:
Matriz é uma arrumação de números (tabela) e o determinante um número associado a
essa tabela.

Exemplo:

1) Calcule o determinante da matriz dos coeficientes de cada sistema abaixo:

a) b)

Solução:

a)
 10

b)

2- Determinante de terceira ordem: para resolver determinante de 3ª ordem,

utilizaremos uma regra prática conhecida como REGRA DE SARRUS.

Procedimento:

Repetimos as duas primeiras colunas (ou as duas primeiras linhas) e, em seguida

subtraímos a soma dos produtos dos elementos das diagonais principais pela soma
dos produtos dos elementos das diagonais secundárias. Da seguinte maneira:

Exemplo:

- Calcule o valor do determinante dos coeficientes do sistema

Solução:

5- Teorema de Laplace.
- Esse Teorema orienta a resolução de determinantes de matrizes quadradas de 2 a,
3a, ..., enésima ordem. O método consiste em calcular a soma dos produtos dos
elementos de uma fila (linha ou coluna) qualquer pelos respectivos cofatores.

Cofator.
Denominamos cofator do elemento aij o número Aij (lê-se: cofator do elemento a ij),
definido por Aij = (-1)i+[Link].B, em que B é a matriz que se obtém eliminando-se a linha i
e a coluna j da matriz em estudo.
 11

Exemplo:

1- Em relação a matriz abaixo, determine o cofator do elemento a12.

Solução:
Observe que além de eliminarmos a 1a linha e a 2a coluna da matriz A3x3, verificamos
que o valor de i é1 e o de j é 2. Logo, apliquemos a fórmula

.
Agora que aprendemos calcular cofator, vamos resolver através do Teorema de
Laplace o determinante da matriz abaixo:

Sempre que for possível escolhe-se uma fila (linha ou coluna) que tenha o maior
número de zeros. Neste caso, escolhemos a 2a linha.
Para resolver esse determinante devemos somar o produto de cada elemento da linha
escolhida, no nosso caso, a segunda, pelo respectivo cofator.

6- Propriedades dos Determinantes

6.1- O determinante de uma matriz triangular (os elementos abaixo ou acima da

diagonal principal são nulos) é igual ao produto dos elementos da diagonal principal.

6.2- Multiplicando uma fila de uma matriz quadrada B por uma constante real K, obtém-
se uma nova matriz k.B tal que detB = det k.B. Por exemplo:
 12

6.3- Teorema de Binet

Se A e B são matrizes quadradas de mesma ordem, então, o determinante do
produto das matrizes é igual ao produto dos determinantes das matrizes.
det(A.B) = detA . detB
Ex.: Verifique se a igualdade abaixo é verdadeira.

6.4- Teorema de Jacobi

Em uma matriz quadrada A, adicionando-se a uma fila qualquer uma múltipla de
uma fila paralela, obtém-se uma matriz B tal que det A = det B.

7- Matrizes Inversas

Definição: uma matriz quadrada A de ordem n é inversível se, e somente se, existir
uma matriz B, de mesma ordem, tal que AxB = BxA = In (In é uma matriz identidade
de ordem n)

Notas:
1a) Uma matriz quadrada A de ordem n é inversível se, e somente se, det A  0.
2a) Uma matriz quadrada é dita Singular se o seu determinante é nulo. Caso
contrário, dizemos que é uma matriz Não-Singular.
2a) O determinante do inverso de uma matriz é igual a inverso do determinante
dessa matriz.

Exemplo:
- Dada a matriz :
a) Verifique se é invisível.
b) Caso afirmativo, determine sua inversa.
Solução:
a)
- Como o determinante é diferente de zero, verificamos que a matriz apresenta
inversa.

b)
 13

SINTESE DA UNIDADE
A finalidade dessa unidade é permitir que o aluno tenha o conhecimento sobre
resoluções de determinantes utilizando algumas regras práticas, bem como das
propriedades dos mesmos.

SISTEMAS DE EQUAÇÕES LINEAES

Objetivo de Aprendizagem
- Aplicar os conceitos de determinantes na resolução de sistemas.
- Discutir a resolução de um sistema linear.
- Aplicar sistemas lineares em problemas práticos.

1- Equação Linear: é a equação do 1º grau que pode ser apresentada sob a forma:
a1x1 + a2x2 + a3x3 + ... + anxn = b onde:

Exemplos:
Na equação 3x – 4y + 2z = 6, temos:

Observe que as equações ax2 – 3y + 7z = 6, x – 3yz + z = 9 e x -1 + y = 3 não são

lineares.

2- Solução de uma Equação Linear.

Denomina-se solução de uma equação linear toda ênupla de números tal que
substituindo esses números na equação transformam a mesma numa identidade.

Exemplos
 14

1) Verifique se a terna (ou tripla) (2, 3, 1) é solução da equação x + 3y – 2z = 9.

x + 3y – 2z = 9
2 + 3.3 -2.1=9
9 = 9 (V)

2- Verifique se a (-1, 2, 4, 0) é solução da equação 2x + 4y – z + 2w = 12.

2x + 4y – z + 2w = 12
2(-1) + 4.2 -4 + 2.0 = 12
-2 + 8 – 4 = 12
2 = 12 (F)

3- Quantas soluções tem a equação -2x + 3y – z = 5.

Para saber quantas soluções tem uma equação linear, devemos dá valores arbitrários,
nesse caso, a duas variáveis e encontrar o valor da terceira.
(2, 0, z)  -2.2 + 3.0 – z = 5  z = -9, logo, (2, 0, -9) é solução.
(1, 3, z)  -2.1 + 3.3 – z = 5  z = 2 , logo, (1, 3, 2) é solução. Assim por diante.
Em função disso, concluímos que essa equação apresenta várias soluções.

4- A equação 0x + 0y = 3, é possível ou impossível?

A equação é impossível, pois, para qualquer valor adicionado a x ou a y, não torna a
mesma numa identidade.

5- A equação 0x + 0y = 0 é possível ou impossível?

A equação é possível e determinada, pois, para qualquer valor adicionado a x ou a y,
torna a mesma numa identidade.

3- Equação Linear Homogênea.

É toda equação linear que apresenta o termo independente nulo.

a1x1 + a2x2 + a3x3 + ... + anxn = 0

Exemplos:
a) 3x – 2y = 0 b) x – 4y + 2z = 0

Nota: toda equação linear homogênea apresenta solução trivial (nula).

4- Sistema de Equações Lineares.

É um conjunto de equações lineares simultâneas, nas mesmas incógnitas. Por
exemplo:
 15

5- Solução de um sistema Linear.

É toda solução comum a todas as equações do sistema. Contudo, essa solução pode
não existir.

Exemplo:

- verifique se as ternas (2, -4, 0) e (-1, 5, 2) são soluções do sistema.

- Inicialmente, substituímos a terna (2, -4, 0) no sistema.

Observa-se que não existe identidade nas 3 equações, logo, a terna (2, -4, 0) não é
solução do sistema.

- Agora, substituímos a terna (-1, 5, 2) no sistema.

Observa-se que existe identidade nas 3 equações, logo, a terna (-1, 5, 2) é solução do
sistema.
Nota: Sistema linear homogêneo é todo sistema que apresenta os termos
independentes das equações nulos.

Todo sistema linear homogêneo admite solução nula (trivial). No exemplo acima, a
solução é a tripla (0, 0, 0).

6- Classificação de um sistema Linear.

6.1- Sistema possível e determinado (SPD): apresenta uma única solução.
Exemplo:

x+y=5

(2,3)
3 2x-3y=-5 (retas concorrentes)

6.2- Sistema impossível (SI): não apresenta solução. Exemplo:

Note que para mesmos valores de x e y, a expressão não pode assumir, ao

mesmo tempo, valor 6 e 5.
3x+3y=6 (retas paralelas)
 16

x+y=5

6.3- Sistema possível e indeterminado (SPI): apresenta infinitas soluções.

Exemplo:

2x+2y=6 (retas paralelas coincidentes)

x+y=3

7- Sistema Linear Escalonado.

Observe os sistemas abaixo:

No item a, não foi possível o escalonamento, pois os coeficientes da última equação

são nulos, contudo, ao tentar escalonar verificamos que o sistema é impossível.
No item b, como os coeficientes das incógnitas da 3a equação e o termo independente
são nulos, abandonamos essa equação, resolvendo o sistema que é equivalente ao
original.

8- Resolução de um Sistema Linear Escalonado.

8.1- Número de equações igual ao número de incógnitas.

Solução:
4z = 8 -y – 4z = -3 x + y – 3z = -11 S = {(0, -5, 2)} SPD
z=2 -y – 4.2 = -3 x – 5 – 3.2 = -11
y = -5 x=0

8.2- Número de equações menor que o número de incógnitas.

* Todo sistema linear do tipo 8.2 apresenta pelo menos uma variável livre (variável que
não aparece no início de nenhuma equação do sistema escalonado). No exemplo
acima, por convenção temos z como variável livre, ou seja, pode assumir qualquer
valor real.
 17

Resolução:
y – 4z = 1 x + y – 3z = 4 S = {(3-z, 1+4z, z), z  }
y = 1+ 4z x +1 + 4z – 3z = 4
x +1 + z = 4
x=3–z
Esse tipo de sistema apresenta várias soluções, ou seja, é SPI.

Nota: denomina-se grau de indeterminação de um sistema linear do tipo 8.2 o número

de variáveis livres. Nesse caso o grau de indeterminação é 1.

9) Sistemas Lineares Equivalentes (A  B).

Dois sistemas lineares são equivalentes se, e somente se, apresentarem o mesmo
conjunto solução.

Exemplo:

Dados os sistemas:

Observe que a solução do A é (4, 0) e do B (4,0), logo, são equivalente (A  B).

10- Resolução de um Sistema Linear por Escalonamento.

Exemplo: Resolva os sistemas lineares por escalonamento e classifique.

Solução:
 18

Então:

O escalonamento foi feito da seguinte maneira:

1- Multiplicou-se a 1a equação por (-2), adicionando o resultado a segunda. Em
seguida, multiplicou-se a 1a equação por (-3), adicionando o resultado a terceira.
2- Para facilita, permutou-se a 2a com a 3a equação.
3- multiplicou-se a 2a equação por (-5), adicionando o resultado a terceira.

, com zR

O escalonamento foi feito da seguinte maneira:

1-Multiplicou-se a 1a equação por (-3), adicionando o resultado a segunda multiplicada
por (2). Em seguida, multiplicou-se a 1a equação por (-5), adicionando o resultado a
terceira multiplicada por (2).
2- multiplicou-se a 2a equação por (-1), adicionando o resultado a terceira.
3- Abandonou-se a 3a equação.

11- Resolução de um Sistema Linear pela Regra de Cramer.

A Regra de Cramer é uma lei que associa a resolução de sistemas de equações

lineares através dos determinantes. O observemos o exemplo abaixo:

- Resolva o sistema abaixo utilizando a Regra de Cramer.:

Solução:

Determinamos as matrizes dos coeficientes e das varáveis da seguinte maneira: Mc

(matriz dos coeficientes das incógnitas), Mx (substitui a coluna dos coeficientes da
incógnita x pela coluna dos termos independentes), My (substitui a coluna dos
coeficientes da incógnita y pela coluna dos termos independentes) e Mz (substitui a
coluna dos coeficientes da incógnita z pela coluna dos termos independentes). Calcula-
se o determinante de cada matriz. Em seguida, aplicam-se as seguintes fórmulas:
 19

-16

16

-80

-16

Exercício:

01- Resolva os sistemas utilizando escalonamento e a regra de Cramer:

SINTESE DA UNIDADE
A finalidade dessa unidade é permitir que o aluno tenha o conhecimento dos
sistemas de equações lineares, saiba identificá-los, discuti-los e identificar as
possíveis soluções.

UNIDADE IV
ESPAÇOS VETORIAIS

Objetivo de Aprendizagem
- Definir espaços vetoriais.
- Identificar um espaço vetorial aplicando os axiomas.
- Definir subespaço vetorial.
- Conceituar Combinação Linear.

1- Introdução

- Sabe-se que o conjunto R2 = {(x, y) / x,y  R} representa geometricamente o plano

cartesiano, onde o par (x, y) pode ser a representação de um ponto e, nesse caso, x
 20

e y são coordenadas, ou pode ser a representação de um vetor e, nesse caso, x e y

são componentes (ou coordenadas). O conjunto R3 = {(x, y, z) / x,y,z  R}
representa geometricamente o espaço tridimensional. Acima de 3 perde-se a visão
geométrica de espaços, contudo, podemos trabalhar com a idéia de espaços como
R4 (quarta dimensão), R5 (quinta dimensão), ..., Rn (enésima dimensão).
Rn = {(x1, x2, x3, ..., xn) / xi  R}

Para trabalhar no espaço Rn utiliza-se, como espelho, os espaços R2 e R3.

Observe:
u = (x1, x2, x3, ..., xn) e v = (y1, y2, y3, ..., yn) vetores em Rn e k um escalar.
a) u = v se, e somente se, x1 = y1, x2 = y2, x3 = y3, ..., xn = yn.
b) u + v = (x1 + y1, x2 + y2, x3 + y3..., xn + yn)
c) k.u = (kx1, kx2, kx3, ..., kxn)
d) u x v = (x1 x y1, x2 x y2, x3 x y3, ..., xn x yn)
e)
Nota: o vetor u = (x1, x2, x3, ..., xn) pode surgir com a notação matricial.

( matriz coluna)

2- Definição:

Todo conjunto V, cujos elementos são vetores, não-vazio, sobre o qual estão
definidas as operações adição e multiplicação por um escalar (u. v  V, u + v  V e t
 R, u  V, tu  V) é denominado espaço vetorial real quando verificados os
seguintes axiomas:

A) Em relação à adição:
A1) (u+v)+w = u+(v+w), u,v,w  V
A2) u+v = v+u, u,v  V
A3) 0  V, u  V, u + 0 = u
A4) u  V, (-u)  V, u + (-u) = 0
 21

B) Em relação à multiplicação por escalar:

B1) (tk)u=(tk)(x1, y1)=((tk)x1, (tk)y1)=(t(kx1),t(ky1))
(tk)u= t(kx1, ky1)=t(k(x1, y1))
(tk)u=t(ku)
B2) (t+k)u=(t+k)( x1, y1)=((t+k)x1, (t+k)y1)=(tx1+kx2,ty1+ky1)
(t+k)u=(tx1+ty1, kx1+ky1)=t(x1+y1) + k(x1+y1)
(t+k)u=tu + ku
B3) t(u+v) = t((x1, y1)+ (x2, y2)) = t(x1+ x2, y1+ y2) =(t(x1+ x2), t(y1+ y2))
t(u+v) = t(x1, y1) + t(x2, y2)
t(u+v) = tu + tv
B4) 1u = 1(x1, y1) = (1x1,1y1) = (x1, y1)
1u = u

Exemplos:

1- Verifique se V = {(x, y) R2 / y = /x/} é um espaço vetorial.

Escolhemos dois vetores arbitrários u = (x 1, /x1/) e v = (x2, /x2/) e verificamos as
operações de adição e multiplicação por um escalar.
a) u + v = (x1, /x1/) + (x2, /x2/) = (x1 + x2, /x1/ + /x2/)
*Observe que x1, x2, y1 e y2 são reais, logo (x1 + x2) ϵ R e (/x1/ + /x2/) ϵ R. Então,
por enquanto, V é um espaço vetorial.

b) t.(x1, /x1/) = (tx1, t/x2/),

* Sendo t um número real, então, tx e t/x 2/ também são reais. Portanto, o
conjunto V = {(x, y) R2 / y = /x/} é um espaço vetorial.

Utilizando o exemplo acima, verificaremos os oito axiomas de espaço vetorial.

A1) Associativa da adição
(u+v)+w = [(x1, y1) +(x2, y2)] + (x3, y3) = [(x1+ x2, y1+ y2)] + (x3, y3) = [(x1+ x2) + x3,
(y1+ y2) + y3] = [x1 + (x2 + x3), y1 + (y2+ y3)] = (x1, y1) + [(x2, y2) + (x3, y3)] = u
+ (v+w)

A2) Comutativa da Adição

u + v = (x1, y1) + (x2, y2) = (x1 + x2, y1 + y2)
v + u = (x2, y2) +(x1, y1) (x2 + x1, y2 + y1)
Como, x1 + x2 e y1 + y2 são reais, então, x2 + x1 e y2 + y1 também são reais, logo, u
+ v = v + u.

A3) Elemento Neutro

0 = (0, 0)  R2, u = (x1, y1)  R2 tal que:
u + 0 = (x1, y1) + (0, 0) = (x1 + 0, y1 + 0) = (x1, y1) = u

A4) Elemento Simétrico

u = (x1, y1)  R2, (-u) = (-x1, -y1)  R2 tal que, u + (-u) = 0.
u + (-u) = (x1, y1) + (-x1, -y1) = (x1 - x1, y1 - y1) = (0, 0)

B1) ()u=()(x1, y1)=[()x1, ()y1] = [(x1), (y1)] = (x1, ky1)= [ (x1, y1)] =
(u)
 22

B2)(+)u=(+)(x1,y1)=((+)x1,(+)y1)=(x1+x2,y1+y1)=(x1+y1,x1+y1) = =
(x1+y1) + (x1+y1) = u + u
B3) (u+v) = ((x1, y1)+ (x2, y2)) =(x1+ x2, y1+ y2) =((x1+ x2), (y1+ y2)) = (x1, y1) +
(x2, y2) = u + v
B4) 1u = 1(x1, y1) = (1x1,1y1) = (x1, y1)
1u = u
Logo, V = R2 é um espaço vetorial.

2- Verifique se o conjunto V ={(x, y)  R2 / x2 0} é um espaço vetorial.

Sejam v1(x1, y1) e v2(x2, y2) dois elementos pertencentes ao conjunto V.

a) v1 + v2 = (x1, y1) + (x2, y2) = (x1 + x2, y1+ y2)

Observe que x1 e x2 são reais positivos e não nulo, logo (x1 + x2) ϵ R+* e (y1 + y2) ϵ R.
Então, por enquanto V é um espaço vetorial.

b) t.u = t(x1, y1) = tx1 + ty1

t  R, logo, tx1  R, portanto, tx1 pode assumir valor negativo.
Conclusão: V ={(x, y)  R2 / x2 0} não é um espaço vetorial.

3- Verifique se o conjunto dos números inteiros constitui um espaço vetorial.

V = {(x, y)  R2 / x, y  Z}
a) u + v = (x1, y1) + (x2, y2) = (x1 + x2, y1 + y2)
Note que a soma de dois inteiros gera um inteiro, portanto, por enquanto temos
um espaço vetorial.
b) t.v = t.(x, y) = (tx, ty).
* Sendo t um número real, então, tx e ty também são reais. Portanto, o conjunto V
= Z não é um espaço vetorial, pois t pode assumir valor decimal, como por
exemplo, t = 0,7.

3- Subespaços vetoriais

Definição:

- Entende-se por subespaço vetorial S, ao subconjunto S não-vazio do espaço

vetorial V, onde S é um espaço vetorial em relação à adição e à multiplicação por
escalar definidas em V.

- É relevante citar que todo espaço V admite pelo menos dois subespaços vetoriais:
o subespaço nulo {0} e o próprio espaço vetorial V. Esses dois subespaços são
chamados subespaços triviais.
 23

Exemplos:

1- Dados os conjuntos V = R2 e S = {(x, y)  R2/ y = 3x}. Verifique se S é um subespaço

de V.
a) v(0, 0) → x = 0, y = 2.0 = 0
* Observe que S é não-vazio, logo, (0, 0) pertence a S. Por enquanto é subespaço
vetorial.

b) u = (x1, 3x1) e v = (x2, 3x2) vetores arbitrários pertencentes a S.

b.1) u + v = (x1, 3x1) + (x2, 3x2) = (x1 + x2, 3x1+ 3x2) = (x1 + x2, 3(x1 + x2)).
* Observe que a segunda componente da soma é igual ao triplo da primeira, logo, (x 1 +
x2, 3(x1 + x2)) pertence a S. Por enquanto é um subespaço vetorial.

b.2) t.u = t.( x1, 3x1) = (tx1, t3x1) = (tx1, 3(tx1)).

* Observe que a segunda componente de t.u é igual ao triplo da primeira, logo, (tx 1,
3(tx1)) pertence a S.
Portanto, S = {(x, y)  R2/ y = 3x} é um subespaço de R2.

y = 3x
Os pontos (x, y) que pertencem à reta formam o subconjunto de V.

2- Verifique se S = {(x, y)  R2 / y = 3./x/} é um subespaço de V = R2.

a) Inicialmente verificamos que (0, 0)  S, pois se x = 0, y = 3./0/ =0

b) u = (x1, 3/x1/) e v = (x2, 3/x2/)

u + v = (x1, 3/x1/) + (x2, 3/x2/) = [(x1 + x2) , (3/x1/ + 3/x2/)] = [(x1 + x2) + 3(/x1/ + /x2/)]
 Observe que (x1 + x2) e 3(/x1/ + /x2/)  R. Por enquanto, S é um subespaço
vetorial de V.
c) tu = t(x1, 3/x1/) = u = (tx1, t.3/x1/)
* Observe que, tanto tx1, como t.3/x1/ pertencem aos reais, logo, S não é um
subconjunto de V, em virtude de t.3/x1/ assumir valor negativo, caso t < 0.

3- O conjunto S = {(x, y, 0) / x,y  R} é um subespaço vetorial de R3?

a) O(0,0,0) vetor nulo

 24

(x, y, 0) = (0, 0, 0)  S. Por enquanto, S é um subespaço vetorial de R3.

b) u(x1, y1, 0) e v(x2, y2, 0)

u + v = (x1 + x2, y1 + y2,0 + 0).
Observe que as 3 componentes x 1 + x2, y1 + y2 e 0 + 0 são reais, logo, S continua
sendo subespaço de R3.

c) t.u = t.(x1, y1, 0) = (tx1, ty1, 0).

Note que tx1, ty1, 0 são números reais, logo, afirmamos que S = {(x, y, 0) / x,y  R}
é um subespaço vetorial de R3.

4- Verifique se é um subespaço vetorial de R2.

a) O (0, 0)

b) .
Observe que e são números reais, logo, por enquanto temos um
subespaço vetorial de R2.

c)
Sendo t.x1 e t.y1 números reais, onde t pode assumir valor negativo, afirmamos que
não é um subespaço de R2.

5- O conjunto S = {(x,y)  R2 / y = 6 – 5x} é um subespaço vetorial de R2?

a) O (0, 0) x = 0 e y = 6 – 5.0 = 6.
Observe que S não apresenta o conjunto vazio, portanto, S = {(x,y)  R2 / y = 6 – 5x}
não é um subespaço vetorial de R2.

4- Combinação Linear

Dados os vetores v1, v2, v3, ..., vn pertencentes ao espaço vetorial V e os escalares
dizemos que v é uma combinação linear dos vetores v1, v2, v3, ..., vn.

Exemplo:

1- Considere os vetores v1 = (1, 2 -3) e v2 = (3, -1, 4) pertencentes a R3. Escrever o

vetor v = (0, 5, -2) como combinação linear dos vetores v1 e v2.
Solução:
v = k1v1 + k2v2
(0, 5, -2) = k1(1, 2 -3) + k2(3, -1, 4)
(0, 5, -2) = (k1 + 3 k2, 2 k1 – k2, -3 k1 + 4 k2)

Logo,

2- Dados os vetores v = (4, 2) e w = (-2, 3) pertencentes a R 2. Escreva o vetor u = (0, 5)

como combinação linear dos vetores v e w.
 25

u = av + bw
(0, 5) = a.(4, 2) + b.(-2, 3)
(0, 5) = (4a, 2a) + (-2b, 3b)

3- Considere os vetores v1 = (3, 2 -1), v2 = (4, -1, 5) e v3 = (2, -3, 6) pertencentes a R3.
Escrever o vetor v = (1, , 3, -2) como combinação linear dos vetores v1, v2.e v3.
v = a.v1 + b.v2 + c. v3
(1, , 3, -2) = a. (3, 2 -1) + b. (4, -1, 5) + c. (2, -3, 6)
(1, , 3, -2) = (3a, 2a, -1a) + (4b, -1b, 5b) + (2c, -3c, 6c)
(1, , 3, -2) = (3a + 4b + 2c, 2a –b -3c, -a + 5b + 6c)

Aplicando Regra de Cramer

Então, v = .v1 + . v2 + .v3

SINTESE DA UNIDADE
A finalidade dessa unidade é permitir que o aluno identifique um espaço
vetorial utilizando os axiomas, bem como definir subespaço vetorial. Identificar
quando um vetor forma uma combinação linear com outros vetores.

TRANSFORMAÇÕES LINEARES

Objetivo de Aprendizagem
- Definir Transformação Linear.
- Identificar se uma aplicação resulta em uma transformação linear.

Introdução

Durante nossos estudos de matemática, verificamos vários tipos de funções

reais. Agora estudaremos um tipo especial de função, onde o domínio e o
 26

contradomínio são espaços vetoriais, razão pela qual essas funções são chamadas
vetorias. O nosso estudo será dirigido, particularmente para as funções lineares, que
serão denominadas de transformações lineares.
Representa-se uma transformação linear T do espaço vetorial V no espaço
vetorial W por T:V  W, sendo T uma função e cada vetor v  V apresenta apenas
uma imagem w  W indicada por w = T(v).

Definição:

- Sejam V e W espaços vetoriais Denominamos de transformação linear de V em W

a função (aplicação) T: V  W se:
a) T(u + v) = T(u) + T(v)
b) T(n.u) = nT(u)
u, v  V e n  R.

Nota: denominamos operador linear sobre V, a transformação linear de V em V.

Nesse caso V = W.

Exemplos:

1- Sejam V = R2 e W = R3 espaços vetoriais. Verifique se a transformação linear T:

R2  R3, T(x, y) = (3x, -2y, x-y) associa vetores v = (x, y)  R2 com vetores w = (x,
y, z)  R3. Construa o diagrama para 3 vetores pertencentes a v e suas
correspondentes imagens w.

Solução:

Para verificar se a aplicação T(x, y) = (3x, -2y, x-y) representa uma transformação
linear, devemos utilizar dois vetores genéricos u = (x 1, y1) e v = (x2, y2)  R2 e uma
constante n  R, para mostrar a veracidade das igualdades T(u + v) = T(u) + T(v) e
T(nu) = nT(u).

a) T(u+v) = T(u) + T(v) ?

b)
T(u+v) = T(x1 + x2, y1 + y2) (substituindo em T(x, y) = (3x, -2y, x-y))
T(u+v) = [3(x1 + x2), -2(y1 + y2), (x1 + x2 )- (y1 + y2)]
T(u+v) = (3x1 +3 x2, -2y1 -2 y2, x1 + x2 - y1 - y2)
T(u+v) = (3x1, -2y1, x1 – y1) + (3x2, -2y2, x2 – y2)
T(u+v) = T(u) + T(v)

c) T(ku) = nT(u) =? (x1, y1)  R2 e n  R

T(nu) = T(nx1, ny1) (substituindo em T(x, y) = (3x, -2y, x-y))
T(nu) = (3nx1, -2ny1, nx1 – ny1) (colocando em evidência n)
T(nu) = n(3x1, -2y1, x1 – y1)
T(nu) = n.T(u)

Como, T(u+v) = T(u) + T(v) e T(nu) = nT(u), concluímos que a aplicação T(x, y) =
(3x, -2y, x-y) representa uma transformação linear.
 27

Selecionamos os vetores (1, 2); (2,,-1) e (0, 0) pertencentes a V, determinamos suas

respectivas imagem.

T(x, y) = (3x, -2y, x-y)

T(1, 2) = (3x1,-2x2,1-2) = (3, -4, -1)
T(2,-1) = (3x2,-2x(-1),2-(-1)) = (6, 2, 3)
T(0, 0) = (0x0,0x0,01-0) = (0, 0, 0)

V = R2 W = R3
T
(1,2) (3,-4,-10)

(2,-1) (6, 2, 3)

(0,0) (0, 0, 0)

2- Verifique se a função T: R  R, T(x) = 5x representa uma transformação linear.

Vamos utilizar dois vetores u = x1 e v = x2 (nesse caso, são números reais)

quaisquer pertencentes a R para provar as igualdades.
a) T(u+v) = T(u) + T(v) ?

T(u+v) = T(x1 + x2) (substituindo em T: R  R, T(x) = 5x)

T(u+v) = 5(x1 + x2)
T(u+v) = 5x1 + 5x2
T(u+v) = T(u) + T(v)

b) T(nu) = nT(u) ? u = x1  R e n  R

T(nu) = T(n.x1)
T(nu) = 5.nx1
T(nu) = n(5x1)
T(nu) = n.T(u)

Pela veracidade de T(u+v) = T(u) + T(v) e T(nu) = nT(u), concluímos que a

aplicação T: R  R, T(x) = 5x representa uma transformação linear.

Nota: o gráfico da transformação linear T: R  R, T(x) = 5x representa uma reta que

passa na origem, logo, se uma transformação representar uma reta que não passa
na origem, dizemos que ela é não linear.
 28

3- Verifique se a função T: R  R, T(x) = 2x + 3 representa uma transformação linear.

Vamos utilizar dois vetores u = x1 e v = x2 quaisquer pertencentes a R para provar

as igualdades.
a) T(u+v) = T(u) + T(v) = ?

T(u+v) = T(x1 + x2) (substituindo em T: R  R, T(x) = 2x + 3)

T(u+v) = 2(x1 + x2) + 3
T(u+v) = 2x1 + 2x2 + 3
T(u+v) = (2x1 + 3) + 2x2

Obseve que T(u) = (2x1 + 3) e T(v) = (2x2 + 3), logo:

T(u+v)  T(u) + T(v)

2x1 + 2x2 + 3  2x1 + 2x2 + 6

Pelo resultado, concluímos que a aplicação T: R  R, T(x) = 2x + 3 não

representa uma transformação linear.

4- A aplicação T: R2  R3; T(x,y) = (x, y, (x + y)) representa uma transformação

linear?
Vamos utilizar dois vetores genéricos u = (x1, y1) e v = (x2, y2)  R2 e uma
constante n  R, para mostrar que as igualdades T(u + v) = T(u) + T(v) e T(nu) =
nT(u) são verdadeiras.
T(u+v) = T(u) + T(v) = ?

T(u+v) = T(x1 + x2, y1 + y2) (substituindo em T(x,y) = (x, y, (x + y))

T(u+v) = (x1 + x2, y1 + y2, x1 + x2 + y1 + y2)
T(u+v) = (x1 + x2, y1 + y2, (x1 + y1)+ (x2 + y2))
T(u+v) = [x1, y1, (x1 + y1)] + [x2, y2, (x2 + y2)]
T(u+v) = T(u) + t(v)

T(nu) = nT(u) ? (x1, y1)  R2 e n  R

T(nu) = T(nx1, ny1) (substituindo em T(x, y) = (3x, -2y, x+y))
T(nu) = (3nx1, -2ny1, nx1 – ny1) (colocando em evidência n)
T(ku) = n(3x1, -2y1, x1 – y1)
T(ku) = n.T(u)
Pela veracidade de T(u+v) = T(u) + T(v) e T(nu) = nT(u), concluímos que a
aplicação T: R2  R3; T(x,y) = (x, y, (x + y)) representa uma transformação linear.
 29

5- A aplicação T: R3  R2; T(x, y, z) = (x + y, y + 1), representa uma transformação

linear?

Solução:

Vamos utilizar dois vetores genéricos u = (x 1, y1, z1) e v = (x2, y2, z2)  R3 e uma
constante n  R, para mostrar que as igualdades T(u + v) = T(u) + T(v) e T(nu) =
nT(u) são verdadeiras.
T(u+v) = T(u) + T(v) = ?

T(u+v) = T(x1 + x2, y1 + y2, z1 + z2) (substituindo em T(x,y) = (x + y, y + 1))

T(u+v) = (x1 + x2, y1 + y2, y1 + y2 + 1)
T(u+v) = (x1, y1, y1) + (x2, y2, y2 + 1)
T(u+v) ≠ T(u) + t(v), logo:
A aplicação T: R3  R2; T(x, y, z) = (x + y, y + 1), neste caso, não transforma R3
em R2.

Obs.: Numa transformação linear, quando o vetor nulo gera outro vetor nulo,
acontece a transformação, caso as igualdades T(u+v) = T(u) + T(v) e T(nu) =
nT(u), forem confirmadas. Contudo, se o vetor nulo não gerar outro vetor nulo,
podemos afirmar que não existe transformação linear, sem precisar mostrar as
igualdades.

SINTESE DA UNIDADE

A finalidade dessa unidade é permitir que o aluno identifique a existência de uma

transformação linear utilizando as igualdades T(u+v) = T(u) + T(v) e T(nu) = nT(u).

Saudações Educacionais,
Anicio Bechara arero.

BIBLIOGRAFIA BÁSICA:
CALLIOLI, Carlos A. – Álgebra Linear e Aplicações. São Paulo: Atual, 1978
IEZZI, Gelson; DOLCI, Olvaldo; MURAKAMI, Carlos – Fundamentos de Matemática
Elementar – 7. ed. - São Paulo: Atual, 1981
NOBLE, Ben e James, W. Daniel – Álgebra Linear Aplicada. Rio de Janeiro: Prentia-Hall do
Brasil Ltda., 1986
STEINBRUCH, Alfredo. - Álgebra Linear. [Link]. – As~Paulo: McGraw-Hill, 1987.