Jorge Orestes Cerdeira, Inst. Sup.

Agronomia, 2005

Espacos vectoriais
Def. Um conj. V de vectores de Rm diz-se:
. fechado para a adicao se x, y V, x + y V ;
. fechado para o produto escalar se x V e R, x V .
Ex.

Quais dos seguintes conjuntos sao fechados para a adicao e

produto escalar?
{(x1 , x2 ) R2 : x21 + x22 1}
{(x1 , x2 ) R2 : 2x1 x2 = 0}
{(x1 , x2 ) R2 : 2x1 x2 = 1}
{(x1 , x2 ) R2 : x1 , x2 Z}
{(x1 , x2 ) R2 : x1 x2 0}
Quais os subconj. de R2 fechados para a adicao e produto escalar?
Def. V Rm diz-se subespaco vectorial se V 6= e e fechado para
a adicao e multiplicacao escalar.
Obs. {~0} e subespaco vectorial minimal (sub. trivial);
Rm e subespaco vectorial maximal;
Se V e subespaco entao:
1

a) ~0 V (todo o sub. vectorial inclui o vector nulo)

V 6= . Seja x V , 0x = ~0 V ;
b) se x V x V
x = 1x V .
Amn - matriz
x Rn , Ax Rm
.. . A , TA : Rn Rm
x TA (x) = Ax

funcao ou transformacao
entre espacos vectoriais

a) TA (x + y) = A(x + y) = Ax + Ay = TA (x) + TA (y)

TA transforma somas (em Rn ) em somas (em Rm );
b) TA (x) = A(x) = (Ax) = TA (x)
TA transforma produtos (em Rn ) em produtos (em Rm ).
Diz-se que TA e uma transformac
ao linear de Rn em Rm .
Seja N (A) = {x Rn : Ax = ~0}, i.e., o conj. das solucoes do
sistema homogeneo.

|R

|R

TA
N(A)
0

N (A) e um subespaco vectorial de Rn e chama-se espaco

Teor.

nulo da matriz A.
. ~0 (de Rn ) N (A) (A~0 = ~0 Rm )
.. . N (A) 6=
. Se x, y N (A) Ax = ~0
+ Ay = ~0
Ax + Ay = ~0 + ~0 A(x + y) = ~0, i.e., x + y N (A)
. Se x N (A) e R

Ax = ~0 (Ax) = ~0 A(x) = ~0, i.e., x N (A).

1 2 1
Ex. A =
, N (A) =?
1 3 2

x1

1 2 1

0
3
N (A) = {(x1 , x2 , x3 ) R :
x2 = }

1 3 2
0
x3

x1 = x3

1 2 1
1 2 1
1 0 1

x2 = x3

1 3 2
0 1 1
0 1 1

x3 =

a
1

.
. . N (A) = { a = a 1 , a R}

a
1
i.e., a recta com a direccao do vector (1, 1, 1) que passa na
origem.

IR 3

IR 2
x3

x1

1
1
x1

x2

a b c
Determinar N (A) para A = [ab], A = [abc], A =
e
d e f

a b c

A = d e f .

g h i
Obs. {x Rn : Ax = b} e subespaco vectorial sse b = ~0.
Def.

Um vector w Rm e combinacao linear dos vectores

v1 , v2 , . . . , vn de Rm se existem escalares 1 , 2 , . . . , n tais que w =

1 v1 + 2 v2 + + n vn , i.e., o sistema v1 v2 . . . vn w e
possvel.
Obs. As combinacoes lineares do vector v sao os vectores v, com
R, i.e., os vectores m
ultiplos de v (a recta com a direccao de v
que passa na origem, se v 6= ~0).
Todo o vector de R3 e combinacao linear dos vectores (1, 0, 0),
(0, 1, 0), (0, 0, 1).
Ex. Sejam u = (1, 2, 1) e v = (6, 4, 2). Mostre que:
a) w = (9, 2, 7) e combinacao linear de u e v.

u v w

1 = 3

1 0 3
1 6 9

= 2 4 2 0 1 2

1 2 7
0 0 0

=2
2

1
6 9

+ 2 4 = 2
2

1
2
7
| {z }
| {z } | {z }

De facto, 3

+ 2 v

= w.

b) w0 = (4, 1, 8) naoe combinaca

o linear de
1 6 4
1

0
u v | w0 =
2
4
1

1 2 8
0
sistema impossvel.

u e v.

4
1 6 4

0 8 9
8 9

8 12
0 0 3
6

.. . 1 , 2 R, 1 u + 2 v 6= w0 , i.e., w0 nao e combinacao linear

de u e v.
Teor.

Seja Amn uma matriz. O conj. de todas as combinacoes

lineares das colunas n de A e um subespaco vectorial de Rm , que se

6

chama espaco das colunas de A e se representa por C(A).

Note que C(A) = {dos membros direitos w Rm : Ax = w e
possvel}.
. O sistema homogeneo Ax = ~0( Rm ) e possvel, .. . ~0 C(A)
C(A) 6= .
. w, w0 C(A) u Rn :
u0 Rn :

Au = w
Au0 = w0

Au + Au0 = w + w0 A(u + u0 ) = w + w0 ,
i.e., o sistema Ax = w + w0 e possvel (u + u0 e uma solucao) e
.. . w + w0 C(A).
. w C(A), R

u Rn :

Au = w
(Au) = w A(u) = w, i.e., o sistema Ax = w

e possvel (u e uma solucao) e .. . w C(A).

1 2 1

Ex. A = 2 4 2 , C(A) =?

4 8 4
7

w1

C(A) = {w = w2 : o sistema Ax = w e possvel }.

w3

w1
1 2 1 w1
1 2 1

2 4 2 w2 0 0 0 w2 2w1 .

4 8 4 w3
0 0 0 w3 + 4w1

w1 =

w2 2w1 = 0

O sistema e possvel sse

, i.e.,

w2 = 2w1

w + 4w = 0

3
1

w3 = 4w1

w1 2 .. . C(A) e a recta de R3 que passa na origem e tem a

4
direccao do vector (1, 2, 4).
Algoritmo para a determinacao do espaco das colunas
input: Matriz Amn
. Definir a matriz ampliada [A|w], com w = (w1 , w2 , . . . , wm ) vector
generico de Rm .
. Aplicar o metodo de Gauss (fase descendente) a [A|w]. Seja [A0 |w0 ]
8

a matriz em escada resultante.

. Se A0 nao tem linhas nulas (O sistema Ax = w e possvel, w
Rm ) C(A) = Rm .
caso contrario (cada linha nula de A0 introduz uma restricao aos
membros direitos para os quais o sistema Ax = w e possvel.)
Se i e linha nula de A0 , tem-se a restricao wi0 = 0.
Obs. a) Quando A0 tem linhas nulas, o algoritmo identifica C(A)
com espaco do nulo de uma matriz com m colunas e tantas linhas
quantas as linhas nulas de A0 .
b) Amn , TA : Rn Rm
x TA (x) = Ax
|
{z
}
combinacao linear das colunas de A
C(A) e o contra-domnio de TA .
c) C(Amn ) = Rm n m.
Def.

Chama-se espaco gerado por um conj. de vectores V =

{v1 , v2 , . . . , vn }, e representa-se por < V >, o conj. de todas as

combinacoes lineares desses vectores, i.e., o espaco das colunas da
matriz [v1 v2 . . . vn ].
Ex. V = {(1, 3, 4), (2, 2, 4), (3, 5, 8), (1, 1, 2)}, < V >=?
9

1 2 3 1 w1

3 2 5 1 w2

4 4 8 2 w3

w1

1 2 3 1

0 4 4 2
3w1 + w2

0 0 0 0 w1 w2 + w3

Restricao: w1 w2 + w3 = 0 .. . < V >= N ([1 1 1]) e o

plano ao vector (1, 1, 1) que passa na origem.
Note que < V >=< {(1, 3, 4), (2, 2, 4), (3, 5, 8), (1, 1, 2)} >=
< {(1, 3, 4), (2, 2, 4)} >.
De uma forma geral, tem-se
Obs. se A0 e uma matriz em escada resultante de aplicar o metodo
de Gauss `a matriz A, C(A) e o espaco gerado pelas colunas de A
que correspondem `as colunas pivot de A0 .
Def.

Um conj. de vectores V = {v1 , v2 , . . . , vn } de Rm e lin-

earmente independente se todas as colunas da matriz em escada

resultante de aplicar o metodo de Gauss `a matriz [v1 v2 . . . vn ]
sao pivot. Se V nao e linearmente independente diz-se linearmente
dependente.
Obs.
a) {v} e linearmente independente sse v 6= ~0.
10

b) Um conjunto que inclua o vector nulo e linearmente dependente.

c) Se o conj. de vectores V = {v1 , v2 , . . . , vn } de Rm e linearmente
independente, entao n m, i.e., um conj. linearmente independente
de vectores de Rm nao inclui mais do que m vectores.
Ex. Decidir da independencia linear de
a) U = {(1, 2, 1), (0, 2, 1), (2, 1, 3), (4, 5, 2)} e
b) V = {(1, 2, 0, 1), (0, 1, 3, 1), (4, 2, 1, 0)}.
{z
} | {z }
| {z } |
v1
v2
v3

v1 v2

1 0 4

2 1 2

v3 =

0 3 1

1 1 0

0 1 6

0 0 17

0 0
0

Toda a coluna da matriz em escada e pivot .. . V e linearmente

independente.
Teor. O conj. de vectores V = {v1 , v2 , . . . , vn } de Rm e linearmente
independente sse N [v1 v2 . . . vn ] = {~0}, i.e., 1 v1 + 2 v2 + +
n vn = ~0 1 = 2 = = n = 0. (So se obtem uma combinacao
linear nula dos vectores v1 , v2 , . . . , vn anulando os coeficientes.)

11

Ex. Mostre que V = {(1, 0, 1, 1), (0, 1, 2, 1), (2, 1, 0, 1) (0, 0, 3, 3)}
{z
} | {z }
| {z } | {z } |
e linearmente dependente.

v1

v2

v3

v4

1 0 2 0

0 1 1 0

A = v1 v2 v3 v4 =

1 2 0 3

1 1 1 3

1 0

0 1 1 0

= A0 .

0 0 0 3

0 0 0 0

A coluna 3 de A0 nao e pivot, logo V e linearmente dependente.

De facto, o sistema homogeneo Ax = ~0 e indeterminado. N (A) =
{(2a, a, a, 0), a R} 6= {~0} e .. . 1 v1 + 2 v2 + 3 v3 + 4 v4 = ~0 6
1 = 2 = 3 = 4 = 0. Por exemplo 2v1 + v2 + v3 + 0v4 = ~0.
Note que, como a coluna 3 de A0 nao e pivot, a coluna 3 de A e
combinacao linear das colunas 1 e 2 de A, i.e., o sistema [v1 v2 |v3 ] e
possvel ((2, 1) e solucao).
De uma forma geral, se a coluna j da matriz em escada que resulta de aplicar o metodo de Gauss `a matriz A nao e pivot, entao
a coluna j de A e combinacao linear das restantes colunas de A.
Tem-se pois o seguinte resultado
Teor.

Um conj. com dois ou mais vectores e linearmente de-

pendente sse um dos vectores do conj. e combinacao linear dos

12

restantes.
Def. Sejam S 6= {~0} um subespaco vectorial e V = {v1 , v2 , . . . , vn }
um conj. de vectores de S. Diz-se que V e uma base de S se:
1. V e linearmente independente, e
2. V gera S, i.e., < V >= S.
Convenciona-se que e base do subespaco {~0}.
Obs.

Todo o vector de um subespaco vectorial exprime-se de

forma u
nica como combinacao linear dos vectores da base.
Ex.
. Uma base do plano da mesa e {(1, 0, 0), (0, 1, 0)}. Outra base
e {(1, 0, 0), (1, 1, 0)}. O conj. {(1, 0, 0), (0, 1, 0), (1, 1, 0)} nao e
base.
. Uma base da recta de R3 que passa na origem e no ponto (1, 1, 1)
e {(1, 1, 1)}. Os conjuntos {(1, 1, 1)} e {( 21 , 12 , 12 )} tambem
sao bases.
. Indique bases para:
R3 ,
13

o plano de R3 definido por 2x1 + 4x2 2x3 = 0,

o hiperplano de R5 definido por 3x1 6x2 +3x3 2x4 +9x5 = 0.

1 2 1 1 3

Ex. Indique uma base de N (A), com A = 2 4 3 0 2 .

3 6 4 1 5

1 2 1 1 3
1 2 0 3 7

A = 2 4 3 0 2 0 0 1 2 4

3 6 4 1 5
0 0 0 0 0

2x2 + 3x4 7x5

x2

N (A) = {
2x4 + 4x5

x4

x5

, x2 = , x4 = , x5 = }.

Fazendo cada uma das variaveis livres igual a 1 e as restantes

iguais a 0, obtem-se o seguinte conj. de 3 vectores de N (A):

14

V = {

1



,
0



0


0

0



,
2



1


0

},
4

que e linearmente independente e que gera N (A) uma vez que

2x2 + 3x4 7x5

x2

2x4 + 4x5

x4

x5

= x2

+ x4
0

+ x5
2

.
4

.. . V e uma base de N (A).

De uma forma geral tem-se o seguinte
Algoritmo para a determinacao de uma base do espaco nulo
input: Matriz Amn
. Aplicar o metodo de Gauss a A. Seja R a matriz reduzida resultante.
15

. Se toda a coluna de R e pivot (o sistema Ax = ~0 Rx = ~0 so

tem a solucao trivial) N (A) = {~0} e a base e .
caso contrario o conj. das solucoes dos sistema Ax = ~0 Rx =
~0 que se obtem fazendo cada uma das variaveis livres igual a 1
e as restantes iguais a 0 e uma base de N (A). (A cardinalidade
da base e pois o n
umero de variaveis livres, i.e., o n
umero de
colunas nao pivot de R.)

1 3 4 2 5

2 6 9 1 8

Ex. Indique uma base de C(A), com A =

2 6 9 1 9

1 3 4 2 5

1 3 4 2 5

2 6 9 1 8

A=

2 6 9 1 9

1 3 4 2 5

1 3 4 2 5

0 0 1 3 2

. . .
= A0 .

0 0 0 0 1

0 0 0 0 0

16

1 4 5

2 9 8

C(A) =< V >, com V = {

,
,
},

2 9 9

1
4
5
que e o conjunto das colunas de A que correspondem `as colunas
pivot de A0 . Como V e linearmente independente, V e uma base de
C(A).
De uma forma geral tem-se o seguinte
Algoritmo para a determinacao de uma base do espaco das colunas
input: Matriz Amn
. Aplicar o metodo de Gauss a A (fase descendente). Seja A0 a
matriz em escada resultante.
. o conj. das colunas de A que correspondem `as colunas pivot de A0
e uma base de C(A). (A cardinalidade da base e pois o n
umero
de colunas pivot de A0 .)
Teor. Seja V um conjunto nao vazio de vectores de um subespaco
vectorial S.
17

. Se V e linearmente independente e u S\ < V >, entao V {u}

e linearmente independente. (Todo o independente pode ser
ampliado ate constituir uma base.)
. Se < V >= S e v V que e combinacao linear dos outros
vectores de V , entao < V \ {v} >= S. (Todo o gerador pode
ser reduzido ate constituir uma base.)
Ex.
. Construa uma base de R3 que inclua o vector (1, 1, 1).

1 0 1

0 1 1

. Considere A =

1 1 0

2 1 1

Verifique que v = (0, 3, 3, 1) N (A).

Indique uma base de N (A) que inclua v.
Teor. Se V = {v1 , v2 , . . . , vn } e uma base de um subespaco vectorial S, todas as bases de S tem n vectores. Equivalentemente,
. Qualquer conj. de vectores de S com mais do que n vectores e
linearmente dependente.
18

. Qualquer conj. de vectores de S com menos do que n vectores nao

gera S.
Def. Se S e um subespaco vectorial, a dimensao de S (dimS) e a
cardinalidade de uma base de S.
Ex.
. dim R3 = 3.
. O plano da mesa tem dimensao 2. Todo o plano de R3 que passa
na origem tem dimensao 2.
. A recta de R3 que passa na origem e no ponto (1, 1, 1) tem dimensao 1. Toda a recta de R3 que passa na origem tem dimensao 1.
. O hiperplano a1 x1 + a2 x2 + + an xn = 0, com a1 , a2 , . . . , an em
R nao todos nulos, tem dimensao n 1.
. Se A0 e uma matriz em escada que resulta de aplicar o metodo de
Gauss `a matriz Amn ,
a dimensao de N (A) e o n
umero de colunas nao pivot de A0 ;
a dimensao de C(A) e o n
umero de colunas pivot de A0 .
19

.. . n = dim N (A) + dim C(A).

Def.

Chama-se caracterstica de uma matriz A, e representa-se

por car A, a dimensao de C(A).

Teor. Para toda a matriz A tem-se car A = car A> .
Obs. Amn .
. car A = dim C(A) = dim L(A), em que L(A) e o subespaco de Rn
gerado pelas m linhas de A.
. dim N (A) = n car A.
Teor. Sejam Amn uma matriz e b um vector de Rm . As seguintes
proposicoes sao equivalentes.
a) O sistema Ax = b e possvel.
b) car A = car [A|b].
Teor. Seja Amn uma matriz. As seguintes proposicoes sao equivalentes.
a) O sistema Ax = b e possvel para todo o vector b Rm .
b) car A = m.
20

Teor.

Sejam A uma matriz quadrada de ordem n e TA a trans-

formacao linear associada. As seguintes proposicoes sao equivalentes.

a) A e invertvel.
b) car A = n.
c) dim N (A) = 0.
d) O sistema Ax = b e possvel e determinado para todo o vector
b Rn .
e) O contradomnio de TA e Rn .
f ) TA e injectiva.

21